摘要：本文作者用基于配体的策略，从几个已知的17β-HSD2抑制剂用Ligandscout生成基于配体的药效团模型，再用这个模型对天然产物数据库进行虚拟筛选，发现IC50在μM-nM水平的化合物。

Vuorinen JNP2017

原文： Vuorinen, A.; Engeli, R. T.; Leugger, S.; Bachmann, F.; Akram, M.; Atanasov, A. G.; Waltenberger, B.; Temml, V.; Stuppner, H.; Krenn, L.; Ateba, S. B.; Njamen, D.; Davis, R. A.; Odermatt, A.; Schuster, D. Potential Antiosteoporotic Natural Product Lead Compounds That Inhibit 17β-Hydroxysteroid Dehydrogenase Type 2. J. Nat. Prod. 2017, 80 (4), 965–974. DOI:10.1021/acs.jnatprod.6b00950

一. 摘要

17β-HSD2(17β-Hydroxysteroid dehydrogenase type 2)通过将活性类固醇激素雌二醇、睾酮以及5α-二氢睾酮转化成弱活性的雌激素酮(Estrone)、Δ4-雄甾烯-3,17-二酮、5α-雄（甾）烷-3,17-二酮来调节细胞与组织中的类固醇作用。因为活性类固醇水平的降低会伴随着骨健康与骨质疏松的发生，所以17β-HSD2被认为是抗骨质疏松治疗靶标。为了从天然产物中发现新的先导化合物，本研究用基于17β-HSD2抑制剂的药效团模型来虚拟筛选天然产物数据库，并进一步对虚拟筛选命中的36个化合物进行了生物学评价，其中12个化合物对17β-HSD2表现出IC50为几个μM到nM水平的抑制活性。活性最强的几个化合物分别为去甲二氢愈创木酸(IC50 = 0.38 ± 0.04 μM)、二氢愈创木酸(IC50 = 0.94 ± 0.02 μM)、异甘草素(IC50 = 0.36 ± 0.08 μM)、香兰酸乙酯(IC50 = 1.28 ± 0.26 μM), 而且对17β-HSD1表现出8倍或更高的选择性。因为有的化合物属于同一类结构，所以从这些化合物还可获得构效关系(SAR)。总的来说，本研究描述了如何从天然产物中发现新的 17β-HSD2抑制剂并探索了17β-HSD2的结合口袋，为将来本领域的研究提供有前景的前期工作。

二. 前言

由于17β-HSD2合适的分布特点以及对骨细胞中estradiol、testosterone、5α-dihydrotestosterone灭活作用（图1），使得17β-HSD2是一个有前途的骨质疏松症指标靶标。

LS 17beta-HSD2

图1.17β-HSD2催化的酶学反应以及被其它HSD酶催化的逆向反应

虽然已经有文献报道过多个合成的17β-HSD2抑制剂，但是天然产物却鲜有报道。目前报道的天然产物主要是黄酮类化合物。因为黄酮与甾体具有类似的官能团，所以可以将黄酮视为甾体拟似物。虽然如此，黄酮类化合物并不具备靶标选择性，它还抑制同家族的其它酶，此外还作用于雌激素与雄激素受体。鉴于天然产物在药物发现先导化合物起的重要作用，因此还是对从天然产物中发现选择性的17β-HSD2抑制剂非常感兴趣。

三. 基于配体的药效团建模

此前，已经用几个已知17β-HSD2建立了基于配体的药效团模型并用于虚拟筛选化成化合物数据库1，其中Model 1与Model 2表现出良好的预测能力，阳性化合物命中率分别为50%，10%。这两个模型很相似，但稍有区别。主要体现在药效团元素的位置不同，这个差异导致了两个模型命中不同的化合物(见图2)。现在就用这两个模型对天然产物进行虚拟筛选。

Vuorinen:2017hf Figure 2

图2. 17β-HSD2抑制剂药效团模型

四. 虚拟筛选

1. 数据库的准备

天然产物的来源见表1,Ligandscout3.03B内置的OMEGA对数据库化合物进行去盐、生成多构象文件，采用BEST模式，每个分子最多保留500个构象。其中对Sigma数据库来源的天然产物采用FAST模式，每个化合物最多保留50个构象。

表1. 虚拟筛选的化合物来源

Database Organization Entries Hits Model 1 without/with one omitted feature Hits Model 2 without/with one omitted feature Tested compounds
Davis Griffith University 352 10/64 17/79 18
Atanasov University of Vienna 51 1/13 0/11 12
Krenn University of Vienna 13 0/0 0/3 2
Sigma Sigma-Aldrich 67748 120/not screened not screened 3
Waltenberger University of Innsbruck 23 0/12 2/9 1

2. 虚拟筛选结果

Vuorinen:2017hf 图3

图3. 虚拟筛选后选择了36个化合物进一步做活性验证，最后发现12个17β-HSD2抑制剂

12个天然产物的17β-HSD2抑制活性见表2。

表2. 虚拟筛选命中化合物的活性验证结果

Compound Database Remaining activity at 20 μM (% of control) or IC50
nordihydroguaiaretic acid (1) Atanasov 0.38 +/- 0.04 μM
oleanolic acid (2) Atanasov 49 +/- 6%
curcumin (3) Atanosov 1.73 +/- 0.2 μM
(−)-dihydroguaiaretic acid (4) Davis 0.94 +/- 0.02 μM
jaceosidin (5) Davis 9.3 +/- 2.3 μM
isoliquiritigenin (6) Davis 0.36 +/- 0.08 μM
pinoresinol (7) Waltenberger 42 +/- 5%
lupinalbin A (8) Krenn 1.52 +/- 0.15 μM
2′-hydroxygenistein (9) Krenn 2.03 +/- 0.37 μM
butein (10) Sigma 7.3 +/- 2.7 μM
rosmarinic acid (11) Sigma 3.72 +/- 0.17 μM
ethyl vanillate (12) Sigma 1.28 +/- 0.26 μM

五. 相关文献

Anna Vuorinen et al. Ligand-Based Pharmacophore Modeling and Virtual Screening for the Discovery of Novel 17β -Hydroxysteroid Dehydrogenase 2 Inhibitors. J. Med. Chem. 2014, 57:5995 −6007.

案例讲解：http://blog.molcalx.com.cn/2017/09/01/ligandscout-vuorinen-2014-jmc.html

六. 本文亮点

  1. 基于配体的药效团建模
  2. 天然产物虚拟筛选发现17β-HSD2抑制剂

七. 联系我们