Применение молекулярного моделирования для поиска ингибиторов фактора свертывания крови XIa тема диссертации и автореферата по ВАК РФ 03.01.02, кандидат наук Тащилова Анна Сергеевна

• Тащилова Анна Сергеевна
• кандидат наук
• 2021

Оглавление диссертации кандидат наук Тащилова Анна Сергеевна

Введение

Актуальность темы исследования

Научная новизна

Степень разработанности выбранной темы

Цель исследования

Для достижения поставленной цели были сформулированы следующие задачи

Объект и предмет исследования

Теоретическая и практическая значимость

Методология диссертационного исследования

Положения, выносимые на защиту

Степень достоверности и апробации результатов

Личный вклад

Публикации

Апробация результатов

Глава 1. Фактор XIa в качестве терапевтических мишеней для поиска соответствующих ингибиторов

1.1. Роль фактора XIa в каскаде свертывания крови человека

1.2. Фактор XIa как терапевтическая мишень

1.3. Структура фактора XIa

1.4. Низкомолекулярные ингибиторы фактора XIa

Глава 2. Методы молекулярного моделирования

2.1. Методы виртуального скрининга

2.2. Структурно-ориентированный виртуальный скрининг

2.3. Силовые поля

2.3.1. Силовое поле MMFF94

2.3.2. Силовое поле CHARMM

2.3.3. Силовое поле OPLS-AA

2.3.4. Силовое поле AMBER

2.4. Молекулярный докинг

2.4.1. Статистические методы

2.4.2. Метод молекулярной динамики

2.4.3. Метод Монте-Карло с критерием Метрополиса

2.4.4. Генетический алгоритм глобальной оптимизации

2.5. Программы докинга

2.6. Программа докинга SOL

2.6.1. Представление белка в виде набора сеток потенциалов

2.6.2. Позиционирование лиганда

2.6.3. Анализ результатов докинга

2.7. Постпроцессинг полуэмпирическими методами квантовой химии

2.8. Расчет энтальпии связывания методом PM7+COSMO

Глава 3. Поиск ингибиторов фактора XIa

3.1. Модель фактора XIa: создание и валидация

3.2. Докинг известных ингибиторов фактора XIa

3.3. Валидация критериев отбора соединений

3.4. Виртуальный скрининг библиотек соединений

3.5. Идентификация ингибиторов фактора XIa на основеpyrrolo[3,2,1-ij]quinolin-2(1H)-ones

Заключение

Результаты и выводы

Список литературы

Приложение

Введение

Поиск лекарственных соединений для лечения различных заболеваний был актуален во все времена. Первые лекарства были найдены эмпирическим путем на основе растений. Однако, они не имели точных дозировок, и обладали неуточненным механизмом воздействия. С развитием органической химии стали применяться новые синтетические химические соединения, а также более эффективные аналоги препаратов на основе растительного сырья.

Сравнительно недавнее становление молекулярной биологии позволило идентифицировать биологические молекулы, которые являются ключевыми для развития тех или других болезней, что дало новое направление для поиска лекарственных соединений, молекулы которых должны избирательно связываться с биологическими молекулами-мишенями. В настоящее время благодаря развитию компьютерных технологий для разработки лекарств помимо экспериментального метода проб и ошибок для поиска таких биологически активных молекул, избирательно связывающихся с макромолекулами-мишенями, например, белками, начинают всё более широко использоваться методы молекулярного моделирования. Структурно-ориентированный виртуальный скрининг с использованием экспериментально определенной структуры белка-мишени проводят с помощью методов молекулярного докинга, а технологии машинного обучения и хемоинформатики используют для лиганд-ориентированного скрининга, когда информация о структуре белка-мишени отсутствует.

В настоящее время для создания одного лекарства требуется около 1015 лет и сотни миллионов долларов. Начальный этап разработки лекарств -поиск лидерного соединения, до недавнего времени проводился фактически экспериментальным методом проб и ошибок, для чего требовались многие

сотни тысяч соединений, методы комбинаторной химии и роботизированные тест-системы большой производительности. Такой подход требует очень больших материальных затрат и времени, но не гарантирует успех. Существенно повысить эффективность начального этапа разработки лекарств можно методами компьютерного молекулярного моделирования [1], что постепенно начинает осознаваться разработчиками лекарств в последние годы. После идентификации лидерного соединения проводятся его доклинические испытания на животных. Завершающий этап включает в себя серию клинических испытаний на людях, проходящих в три фазы.

Согласно парадигме рациональной разработки лекарств биологически активная молекула должна селективно связываться определенной областью биологической макромолекулы, ее активным центром, который участвует в развитии заболевания, тем самым воздействуя на течение болезни [2]. Биологически активные молекулы, то есть молекулы, приводящие к биологическому эффекту в результате связывания молекулы с белком, могут быть как ингибиторами, так и агонистами, антагонистами и модуляторами рецепторов белковой природы.

Центральную роль в компьютерном моделировании, основанном на информации о структуре белка - мишени, играет докинг [3,4]. Программы докинга осуществляют позиционирование малой молекулы (лиганда) в белке и рассчитывают энергию связывания лиганда с белком, по которой определяется биологическая активность конкретного лиганда. Докинг предназначен для поиска обратимых, то есть нековалентно связанных ингибиторов.

Существует несколько десятков программ докинга. Основные отличия

программ докинга заключаются в применяемых методах вычисления энергии

связывания и используемых для этого силовых полях, а также в

используемых моделях учета растворителя, в алгоритмах поиска лучшей

позы лиганда в активном центре белка, в степени учета гибкости лиганда и

5

подвижности атомов белка. В программах докинга также используются некоторые упрощения, иногда очень существенные, с целью ускорения работы алгоритма, однако это влияет на точность докинга, то есть на точность позиционирования лиганда в белке и на точность оценки свободной энергии связывания белок-лиганд. Оценка свободной энергии связывания определяет константу обратимого нековалентного связывания лиганда с белком и константу ингибирования. Таким образом, надежность прогнозирования связывания лигандов с белком с помощью программы докинга определяется всеми используемыми в этой программе модельными допущениями и аппроксимациями. Предсказание активности лиганда будет достаточно достоверным при точности прогнозирования свободной энергии связывания лиганда с белком с помощью соответствующей скоринг-функции лучше 1 ккал/моль.

Алгоритм работы большинства программ докинга основан на парадигме докинга, которая предполагает, что лиганд связывается с белком вблизи глобального минимума энергии системы белок-лиганд. Таким образом, можно заключить, что закристаллизованное положение лиганда в белке находится вблизи глобального минимума энергии системы белок-лиганд.

В данном исследовании компьютерное моделирование с использованием процедуры докинга было применено на начальном этапе рациональной разработки ингибиторов фактора свертывания крови XIa, которые могут стать основой для разработки нового класса антикоагулянтов. Препараты, препятствующие свертыванию, являются важным инструментом лечения тяжелых случаев COVID-19, и новый класс антикоагулянтов может быть чрезвычайно полезен для лечения этого и других заболеваний.

Нарушения свертывания крови приводят к патологическим состояниями: тромбозу и кровотечениям. Тромбоз - распространенная

патология, лежащая в основе ишемической болезни сердца, ишемического

6

инсульта и венозной тромбоэмболии. Проведенное в 2010 году исследование подтвердило, что ишемическая болезнь сердца и инсульт в совокупности стали причиной каждой четвертой смерти по всему миру [5].

Каскад свертывания крови представляет собой сложную цепь биохимических реакций, в результате которых фибриноген под действием тромбина превращается в нерастворимый фибрин и образует сгусток. В настоящее время в клинике используются прямые низкомолекулярные ингибиторы тромбина и фактора Xa, а также антагонисты витамина К, однако их применение ограничено рядом побочных эффектов.

Гепарины и низкомолекулярные гепарины (например, clexane), гирудины и аргатробан (низкомолекулярный ингибитор тромбина), которые являются активаторами антитромбина III (ATIII) или ингибиторами тромбина, необходимо вводить внутривенно или подкожно, при этом они требуют корректировки дозы при контроле антикоагулянтного эффекта. Также применение этих препаратов связано с нежелательными побочными эффектами, такими как тромбоцитопения, образование антител к гирудинам и другие [6]. Антагонисты витамина К, например варфарин, являются непрямыми ингибиторами, так как блокируют синтез витамин К - зависимых факторов свертывания печенью. Основным недостатком антагонистов витамина К является отсутствие быстрого терапевтического эффекта, а также ряд побочных эффектов: тяжелые внутричерепные осложнения экстракраниального кровотечения, кумарин-индуцированный гепатит и другие.

Разработанные прямые ингибиторы фактора свертывания Xa, который является катализатором активации тромбина, с целью снижения риска возникновения нежелательных побочных эффектов, на данный момент не оправдали надежды на появление противосвертывающего препарата с минимальными побочными эффектами, так как вызывают ухудшения

функции почек и потенциальное развитие неконтролируемого кровотечения. Однако, препараты на основе ингибиторов фактора свертывания Ха, такие как ривароксабан (ХагеИо), эдоксабан, апиксабан, всё же обладают преимуществом по сравнению со своими предшественниками, так как они более мягко воздействуют на работу тромбина по сравнению с его прямыми ингибиторами и вводятся перорально [7]. Есть основания заключить, что чем дальше от конечного продукта реакций каскада свертывания крови -фибрина находится белок, на ингибирование которого нацелено лекарство, тем терапевтически безопасней будет регулирование свертывания. Таким образом, разработка ингибиторов фактора свертывания Х1а открывает перспективы для создания антикоагулянта с высокой активностью и минимальными побочными эффектами.

Гематологические осложнения могут быть вызваны вирусными заболеваниями, что показала недавняя вспышка пандемии COVID-19, вызванная коронавирусом SARS-CoV-2. Частота возникновения венозной тромбоэмболии в условиях перенесенной COVID-19 около 5% [8]. Однако, следует учесть, что данные были получены на небольшой выборке и несистематическим наблюдением.

Таким образом, чрезвычайно актуально создание нового класса антикоагулянтов, и в данном исследовании методы структурно-ориентированного виртуального скрининга на основе протокола докинга будут применены для поиска ингибиторов фактора свертывания Х1а.

Введение диссертации (часть автореферата) на тему «Применение молекулярного моделирования для поиска ингибиторов фактора свертывания крови XIa»

Актуальность темы исследования

Для повышения эффективности начальной стадии разработки лекарств всё чаще начинают применять методы молекулярного моделирования, в том числе докинг. Именно докинг и был использован в данной работе для поиска ингибиторов терапевтической мишени - фактора свертывания крови Х1а.

Нарушения в системе свертывания крови остаются наиболее распространенной причиной смертности и инвалидности в современном мире. Тромботические и геморрагические осложнения встречаются в каждой области медицины, в том числе в онкологии, гематологии, иммунологии и других. Таким образом, разработка новых лекарственных препаратов, способных предотвращать патологические состояния, при этом, не нарушая нормальный гемостаз, является актуальной задачей на сегодняшний день. Несмотря на важность задачи и активные поиски новых безопасных лекарств, селективный низкомолекулярный антикоагулянт с минимальными побочным эффектом до сих пор не найден.

Свертывание плазмы крови - каскад биохимических реакций,

приводящий к полимеризации фибрина и образованию сгустка,

позволяющего остановить кровотечение. Реакции плазменной системы условно разделяют на внешний и внутренний пути.

Внешний путь еще называют путем тканевого фактора, так как он начинается с контакта плазмы с белком - тканевым фактором. Внешним этот путь называется потому, что в эндотелии сосудов и в клетках крови тканевого фактора нет. Сосуд должен быть поврежден, чтобы кровь вступила в контакт с тканевым фактором. В конечном счете, внешний путь свертывания приводит к тому, что активированный фактор IX, активирует фактор X, который, т.е. фактор Xa, инициирует реакцию превращения протромбина в тромбин, а он, в свою очередь, превращает растворимый фибриноген в нерастворимый фибрин, который при полимеризации и приводит к свертыванию крови. Тромбин также активирует и фактор XI, который реализует дополнительную активацию фактора IX.

В контактном или внутреннем пути свертывания фактор XII активируется при контакте с поверхностью (отрицательно заряженной -такими поверхностями могут быть стенки пробирок, катетеров и т.п.) или с

мембранами бактерий при инфекциях, и активированный фактор Х11а активирует фактор XI. Фактор Х1а активирует фактор IX, который, в свою очередь, активирует фактор X. Таким образом, фактор XI связывает внешний и внутренний пути свертывания крови и является важной терапевтической мишенью для создания нового класса антикоагулянтов.

В настоящее время в клинике применяются препараты, ингибирующие активность тромбина и фактора свертывания Ха, которые имеют ряд нежелательных побочных эффектов, которые, как предполагается, могут возникать, из-за близости этих мишеней к конечному продукту реакций каскада свертывания - фибрину. Новые лекарства на основе низкомолекулярных ингибиторов фактора Х1а позволят «мягко» регулировать гемостаз, не допуская лавинообразных процессов, что позволит сократить нежелательные побочные эффекты, которые присутствуют у существующих препаратов - ингибиторов тромбина и фактора Ха.

Практика лечения COVID-19 выявила важную роль применения антикоагулянтов для лечения тяжелых форм этого заболевания.

Научная новизна

Научная значимость данной работы связана с применением докинга и последующих дополнительных расчетов с помощью методов квантовой химии для поиска ингибиторов заданных белков-мишеней в базах данных существующих соединений. Апробированные в данной работе методы могут быть применены и применяются для разработки ингибиторов и других белков-мишеней. Новизной обладают и найденные в данной работе ингибиторы фактора свертывания крови XIa на основе тетрагидрохинолина с активностью в микромолярном диапазоне, для лучшего из которых 1С50 = 4,3 мкМ. Эти ингибиторы могут стать отправной ступенью для создания нового класса антикоагулянтов.

Степень разработанности выбранной темы

В настоящее время не существует прямых селективных ингибиторов фактора XIa, применяемых в клинике. Поэтому поиск таких соединений активно ведется, в частности с помощью методов молекулярного докинга.

Хотя в настоящее время существует ряд соединений ингибиторов фактора XIa, находящихся на разных стадиях клинических испытаний, идентификация новых хемотипов низкомолекулярных ингибиторов фактора XIa должна расширить возможности создания нового класса антикоагулянтов на основе ингибиторов фактора свертывания крови XIa. Для рациональной разработки лекарств на первых этапах используются молекулярный докинг и методы квантовой химии. Программы и методология, используемые в данном исследовании разработаны ранее в Научно-исследовательском вычислительном центре МГУ имени М. В. Ломоносова и применялись в настоящем исследовании с использованием суперкомпьютерных вычислительных ресурсов МГУ имени М.В. Ломоносова.

Цель исследования

Поиск ингибиторов фактора свертывания крови Х1а с помощью виртуального скрининга баз данных низкомолекулярных органических соединений с использованием методов молекулярного моделирования: докинга и квантово-химического метода.

Для достижения поставленной цели были сформулированы следующие задачи

1. Построение и валидация атомистической модели фактора свертывания XIa и его активного центра.

2. Проведение виртуального скрининга баз данных существующих лекарственно подобных органических соединений, содержащие многие тысячи молекул, с использованием докинга с целью поиска ингибиторов фактора свертывания XIa. Отбор на основании

11

результатов докинга наиболее перспективных соединений кандидатов в ингибиторы фактора XIa.

3. Для лучших отобранных с помощью докинга молекул кандидатов в ингибиторы фактора свертывания крови Х1а проведение квантово-химических расчетов энтальпии связывания этих молекул с фактором свертывания крови Х1а.

4. Отбор лучших кандидатов в ингибиторы на основании результатов докинга, результатов квантово-химических расчетов энтальпии связывания белок-лиганд и на основании анализа положений лигандов в активном центре белка для последующей экспериментальной проверки их ингибирующей активности.

Объект и предмет исследования

Объектом исследования служит фактор свертывания крови Х1а.

Предметом исследования являются потенциальные ингибиторы данного белка-мишени. Таким образом, исследование заключается в скрининге баз данных органических соединений с помощью докинга и последующего расчета энтальпии связывания белок-лиганд с помощью квантово-химического метода для выявления соединений кандидатов в ингибиторы фактора свертывания крови Х1а и передача этих соединений на экспериментальную проверку их ингибирующей активности.

Теоретическая и практическая значимость

Теоретическая значимость данной работы заключается в создании и валидации атомистической модели фактора свертывания крови Х1а. Практическая значимость данной работы заключается в том, что разработанная атомистическая модель фактора свертывания крови Х1а была использована для поиска ингибиторов этого фактора свертывания с применения методов докинга и квантовой химии, и такие ингибиторы были найдены, а их ингибирующая активность впоследствии была подтверждена

экспериментально. Найденные ингибиторы фактора свертывания крови XIa могут служить основой для дальнейшей оптимизации их химической структуры с целью повышения их ингибирующей активности, растворимости и других свойств и, в конечном счете, для создания нового класса антикоагулянтов.

Методология структурно-ориентированного виртуального скрининга, использованного в данной работе, может быть применена на начальном этапе разработки разнообразных лекарственных препаратов, действующих на заданные терапевтические белки-мишени и ускорить такие разработки.

Методология диссертационного исследования

Создание атомистической модели белка-мишени, виртуальный скрининг баз данных готовых соединений с целью нахождения соединений кандидатов в ингибиторы данного белка-мишени. Виртуальный скрининг проводился с помощью программы докинга SOL, адаптированной для работы на суперкомпьютере МГУ Ломоносов, и для лучших молекул, отобранных на основании результатов докинга, проводился расчет энтальпии связывания белок-лиганда с помощью квантово-химического

полуэмпирического метода PM7 с учетом влияния растворителя в континуальной модели COSMO. Совместное использование докинга и квантово-химического постпроцессинга, а также анализ положения молекул кандидатов в ингибиторы в активном центре белка-мишени позволяют повысить надежность отбора соединений кандидатов в ингибиторы данного белка-мишени для последующей экспериментальной проверки. Данная методология поиска ингибиторов была применена для поиска ингибиторов фактора свертывания XIa, а отобранные на основе расчетов соединения отдавались для экспериментальной проверки их ингибирующей активности, и при этом для части отобранных соединений ингибирующая активность была подтверждена в экспериментах in vitro в тестовой системе «белок-субстрат-ингибитор» .

Положения, выносимые на защиту

1. Разработка атомистической модели фактора свертывания крови XIa, пригодной для проведения молекулярного докинга и последующих квантово-химических расчетов.

2. Применение разработанной модели фактора свертывания крове XIa для суперкомпьютерного виртуального скрининга, включающего докинг и последующие квантово-химические расчеты, с целью идентификации новых ингибиторов фактора свертывания крови Х1а.

3. Найдены с помощью молекулярного моделирования соединения кандидаты в ингибиторы фактора свертывания крови Х1а на основе тетрагидрохинолинов, ингибирующая активность которых в микромолярном диапазоне значений 1С50 была впоследствии экспериментально подтверждена.

4. Показано, что выбранный метод расчетов для отбора ингибиторов фактора свертывания крови XIa характеризуется высокой точностью, с преобладанием специфичности над чувствительностью.

Степень достоверности и апробации результатов

Для выполнения поставленных целей и задач использовались апробированные методы молекулярного моделирования, в том числе молекулярной механики на основе известного силового поля, докинг с использованием классической программы докинга, квантово-химический полуэмпирический метод РМ7 с учетом растворителя.

Основные результаты работы были представлены и обсуждены на 3 всероссийских конференциях, семинарах кафедры биофизики физического факультета МГУ и НИВЦ МГУ имени М.В. Ломоносова.

Личный вклад

Личный вклад заключается в выполнении основного объема теоретических исследований и вычислительных экспериментов, изложенных в диссертационной работе, включая сбор и анализ литературы по теме работы, участие в подготовке обзора по докингу, построение и валидация модели белка фактора свертывания XIa; виртуальный скрининг программой докинга SOL и последующая обработка результатов полуэмпирическим квантово-химическим методом PM7 с учетом растворителя в континуальной модели COSMO в программе MOPAC проводились при участии А.С. Тащиловой. Также диссертант принимал непосредственное участие в отборе соединений для экспериментального исследования и подготовке докладов и публикаций по теме исследования.

Публикации

Всего опубликовано 6 статей. По теме диссертации опубликовано всего 4 статьи, из них в рецензируемых научных изданиях, индексируемых в базах Web of Science, Scopus, RSCI - 4 статьи.

Апробация результатов

Основные результаты диссертации были представлены и обсуждены на 3 конференциях, включая международные и всероссийские конференции.

Глава 1. Фактор Х1а в качестве терапевтических мишеней для поиска соответствующих ингибиторов

1.1. Роль фактора Х1а в каскаде свертывания крови человека

Данный раздел написан при частичном использовании материалов статьи [7].

Систему свертывания крови человека традиционно разделяют на две подсистемы: сосудисто-тромбоцитарный гемостаз и плазменную систему свертывания крови, - которые тесно взаимодействуют и дополняют друг друга.

При повреждении стенок сосуда срабатывает сосудисто-тромбоцитарный гемостаз: окружающие сосуд гладкие мышцы начинают сокращаться, уменьшается просвет сосуда и кровопотеря сокращается. Вместе с этим тромбоциты активируются и путем адгезии поступают к месту повреждения сосуда, формируя тромбоцитарный сгусток. Сформированный сгусток способен удерживать клетки крови, но не плазму, которая просачивается сквозь него. Характерное время срабатывания сосудисто-тромбоцитарного гемостаза составляет порядка 1-3 минут [9].

Плазменная система свертывания - это сложный каскад ферментативных реакций, в результате которого фибриноген, активированный тромбином, превращается в фибрин, который формирует фибриновый сгусток, перекрывающий поток крови. Характерное время срабатывания плазменной системы свертывания около 10 минут.

Каскад реакций свертывания осуществляется последовательной активацией сериновых протеаз - факторов свертывания. В результате неактивные факторы, постоянно циркулирующие в крови, приобретают ферментативную активность, активируя, в свою очередь, следующую реакцию. Существует два основных пути инициирования свертывания крови:

внешний путь (путь тканевого фактора) и внутренний (контактный). Рассмотрим наиболее существенные реакции, протекающие в рамках каскада свертывания крови (Рисунок 1).

Рисунок 1. Основные реакции плазменной системы свертывания крови. Римские цифры - факторы свертывания, TF - тканевый фактор, PC - протеин С, APC - активированный протеин С. Реакции превращения факторов свертывания в активные формы показаны горизонтальные черными стрелками; фигурные стрелки под действием каких ферментов происходят эти превращения. Обратимые реакции формирования комплексов ферментов обозначены двусторонними стрелками, ингибирование - зелеными

стрелками [9].

Запуск внешнего пути осуществляется при связывании трансмембранного гликопротеина - тканевого фактора с сериновой протеазой - фактором VIIa. Тканевый фактор присутствует почти во всех тканях организма, за исключением эндотелия сосудов и клеток крови, поэтому в норме тканевый фактор не контактирует с кровью. При повреждении стенок сосуда, фактор VII, не обладающий ферментативной

активностью, но постоянно присутствующий в плазме, связывается с тканевым фактором и приобретает ферментативную активность, становясь активированным VIIa. Данная реакция активирует факторы IX и X, при этом фактор IXa может напрямую активировать фактор X, который в свою очередь превращает протромбин в тромбин. Тромбин (фактор IIa) путем частичного протеолиза превращает растворимый фибриноген в нерастворимый фибрин, который формирует сгусток. Сложность регуляции свертывания заключается в наличии цепей обратной связи. Факторы Xa и IXa для полноценной работы должны образовывать комплексы со своими кофакторами Va и VIIIa, соответственно [7]. Кофакторы активируются уже образовавшимся тромбином, который также активирует фактор XI. Активированный фактор XIa в свою очередь, обеспечивается дополнительный путь активации фактора IX.

Запуск внутреннего пути свертывания осуществляется путем активации фактора XII при его контакте с чужеродной отрицательно заряженной поверхностью: стенками пробирок, мембранами бактерий и другие. Фактор XIIa активирует фактор XI, тем самым объединяя внешний и внутренний пути активации каскада свертывания крови.

Таким образом, каскад свертывания крови представляет собой лавинообразный процесс, увеличивающий наработку фибрина в месте повреждения сосуда. Однако неконтролируемое свертывание может привести к тромбозам, поэтому для предотвращения активации существует ряд ингибиторов. Основными из них считаются антитромбин III и ингибитор пути тканевого фактора, которые ингибируют основные протеазы и фактор VIIa, соответственно. Деградация кофакторов Va и VIIIa обусловлены системой реакции пути протеина С, активация которого запускается тромбином.

Нарушение в балансе между про- и антикоагулянтными реакциями приводит к развитию патологических процессов и неконтролируемому тромбообразованию.

1.2. Фактор Х1а как терапевтическая мишень

В настоящее время в клинике применяют ингибиторы тромбина и фактора Ха, однако, применение существующих препаратов связано с повышением риска кровотечений [10]. Согласно ряду данных, фактор Х1а представляет собой перспективную мишень для лекарственного воздействия, ингибирование которой поможет улучшить соотношение между терапевтическим эффектом и нежелательными побочными эффектами [11].

Низкомолекулярные ингибиторы фактора Х1а еще не используются в клинике для лечения людей, однако разработки ингибиторов ведутся и некоторые из них находятся на стадии доклинических и клинических испытаний. Предполагается, что ингибиторы активированного фактора XI (БХ1а) будут сочетать антикоагулянтный и профибринолитический эффекты с низким риском кровотечения [7].

Дефицит фактора XI в крови не приводит к серьезным нарушениям, связанными с кровотечениями, в отличие от других фактором свертывания. Тем не менее, повышенный уровень БХ1 повышает риск тромбоэмболических патологий. Функция фактора Х1а в системе свертывания - это пространственное распространение сгустка на «дальние» расстояния. Также фактор Х1 в каскаде свертывания занимает удаленное положение, как от тромбина, так и от активации свертывания тканевым фактором. Принимая во внимание вышеизложенные факты, можно говорить о том, что ингибирование фактора Х1а может уменьшить риски кровотечений в сравнении с используемыми для лечения антикоагулянтами.

1.3. Структура фактора XIa

Рассмотрим структуру активного центра фактора свертывания XIa и характер его взаимодействия с лигандами (ингибиторами). В Protein Data Bank [12] находится более 70 структур фактора XIa закристаллизованных с различными ингибиторами. Структура фактора XIa, схожа с другими трипсиноподобными сериновыми протеазами и представляет собой два Р-листа, две спиральные области и несколько петель [13]. Активный центр XIa содержит три основных кармана: S1, S1' и S2' (Рисунок 2).

Рисунок 2. Положение молекулы ингибитора BMS-962212 [14] в активном центре фактора свертывания крови Х1а; показаны карманы активного центра белка S1, S1' и S2', занятые соответствующими группами Р1, Р1' и Р2' лиганда, а также аминокислотные остатки, составляющие эти карманы. Рисунок сделан с помощью молекулярного редактора MolRed [15,16];

поверхность белка представлена поверхностью исключенного из растворителя объема (ЗББ); добавление атомов водорода к белковой молекуле выполненного в программе ЛрШв [17], протонирование молекулы

лиганда - в программе Лvogadro [18].

Карман S1 - самый глубокий, представлен Р-цепями и петлями, которые заканчиваются дисульфидным мостиком между Cys191-Cys219 в верхней части кармана, в основании кармана находится Asp 189. Карман S2 расположен рядом с His57 и ограничен Tyr58B. Карманы S3 и S4 крайне малы. Карман S1' - это область, противоположная каталитической триаде Asp102, His57 и Ser 195, рядом с другим дисульфидным мостиком, образованным Cys40-Cys58. Карман S2' содержит Р-цепь, в которую входят остатки Arg39, His40 и Leu41, а также остатки Ile151 и Tyr143, где часто наблюдаются полярные взаимодействия [13].

В зависимости от хемотипа лиганды связываются в разных карманах. Все лиганды, закристаллизованные с фактором XIa, связываются в кармане S1 и ближайших карманах S1', S2'. Рассмотрим строение потенциальных ингибиторов фактора XIa на примере прямого обратимого ингибитора BMS-962212 [14], который находится в I фазе клинических испытаний, измеренное in vitro Ki =0,7 нМ. На рисунке 2 представлено положение ингибитора, полученное с помощью докинга программы SOL в структуру белка из PDB: 4CRC. Протонирование белка было выполнено программой Aplite [17], водороды были добавлены в структуру лиганда в программе Avogadro [18] при pH=7.4.

Лиганды, закристаллизованные в комплексе с фактором XIa, состоят из трех частей: «левый» и «правый» концы и центральный фрагмент. «Левый» конец, содержащий в основном ароматические кольца с хлорным заместителем, занимает гидрофобный карман S1. Также в карман S1 попадают заряженные группы: COO-, NH4+. Гидрофобный карман S1' занимает центральный фенилаланиноподобный фрагмент, который связан с остальными частями лиганда с помощью пептидных мостиков. «Правый» конец, содержащий ароматические кольца и атомы кислорода в качестве заместителей, помещается в карман S2', образуя водородные связи с белком.

Таким образом, потенциальные ингибиторы фактора XIa должны располагаться в активном центре таким же образом.

1.4. Низкомолекулярные ингибиторы фактора XIa

Рассмотрим низкомолекулярные ингибиторы фактора свертывания XIa (Таблица 1), которые находятся на различных стадиях доклинических и клинических испытаний, но не получили разрешения для использования в клинике.

В исследованиях [19,20] описано соединение BMS-654457 (1). Экспериментальное тестирование in vitro с хромогенным субстратом показало, что молекула является прямым обратимым и конкурентным ингибитором фактора XIa: Ki=0,2 нМ. Также соединение BMS-654457 показало более чем 1000 кратную селективность по отношению к связыванию с факторами Xa, VIIa, IXa, тромбином, плазмином, урокиназой и трипсином, но в то же время не селективно к активированному протеину C и плазменному калликреину. Таким образом, прямой обратимый ингибитор BMS-654457 - это перспективное соединение для антитромботической терапии с широким терапевтическим окном.

В работе [14] описан прямой обратимый и селективный ингибитор FXIa BMS-962212 (2), который находится на фазе I клинических испытаний. Тестирование in vitro показало Ki = 0,7 нМ.

Компания Bristol-Myers Squibb анонсировала вторую фазу клинических испытаний во второй половине 2018 года с пероральным ингибитором FXIa, BMS-986177. Фаза I исследования безопасности и переносимости с BMS-986177 была завершена, но структура и результаты исследования на данный момент не опубликованы [7].

Таблица 1. Обратимые ингибиторы фактора свертывания Х1а.

№ Структура соединения 1С50 (К), пМ Ссылка

1 БМБ-654457 К = 0,2 [20]

2 БМБ-962212 К = 0,7 [14]

3 1С50 = 1,0 (Кг = 0,5) [21]

4а Кг = 0,31 [22]

№ Структура соединения IC5Q (Ki ), nM Ссылка

4b Ki = 6,7 [22]

5 Ki = 2,7 [19,23]

6a Ki=8,4 [24]

6b Ki=3,7 [24]

7 ИС Ki=6,7 [25]

S Ki = 2,0 [26]

Соединение (3) (Таблица 1), найденное с помощью виртуального скрининга используя методы докинга, показало в эксперименте in vitro в системе белок-субстрат-ингибитор активность IC50 =1,0 nM, K¿= 0,5 nM. Кроме того, ингибитор оказался селективным по отношению к факторам Xa, IXa, тромбину и трипсину [21].

Исследования в работе [22] направлены на улучшение биодоступности для перорального введения селективного, относительно факторов свертывания Xa, VIIa, IXa, тромбина и трипсина, и сильного K = 0 , 3 1 пМ ингибитора (4а) (Таблица 1). В результате путем поиска структурных аналогов и замены радикалов был получен ингибитор (4b) с K¿ = 6,7 nM (in vitro белок-субстрат-ингибитор, T=25°C) .

В работах [19,23] было найдено соединение (5) (Таблица 1) с ингибирующей активностью in vitro K¿ = 2,7 nM и антикоагулянтной активностью in vitro в эксперименте с активированным

частичным тромбопластиновым временем. Тем не менее, ингибитор не проявил активность при пероральном приеме у собак и дальнейшие преобразования структуры (5) по химическому подобию не выявило перорально биодоступных соединений с более высокой активностью.

Исследования J. R. Corte, T. Fang и др. [24] выявили два сильнодействующих селективных ингибитора (6а) и (6b) c K¿=8,4 nM и K=3,7 nM соответственно (Таблица 1). Соединение (6а) на основе пиридина обладает более чем 1000-кратной селективности относильно основных сериновых протеаз кроме трипсина и калликреина. В дальнейшем исследовании [25] путем преобразования химической структуры соединения (6a) было найдено соединение (7) c K¿=6,7 nM с значительно улучшенной биодоступностью при пероральном приеме.

Соединение (8) (Таблица 1) с K¿= 2.0 nM в in vitro эксперименте и

в in vivo эксперименте на модели тромбоза у кроликов было

25

найдено в работе [26]. Также ингибитор обладает хорошей селективностью по отношению к сериновым протеазам.

Несмотря на то, что низкомолекулярные соединения считаются наиболее перспективными ингибиторами фактора свертывания Х1а, тем не менее, в качестве ингибиторов рассматриваются: моноклональные антитела; антисмысловые (апЙБеше) олигонуклеотиды (АСО); полипептиды; синтетические низкомолекулярные соединения (ациклические, моноциклические, бициклические, макроциклические), связывающиеся непосредственно с активным центром фактора Х1а; синтетические аллостерические ингибиторы; естественные соединения, выделенные из природных источников [13,27-29].

Согласно патентным базам на данный момент в качестве предполагаемых ингибиторов фактора свертывания БХ1а, помимо синтетических соединений, рассматриваются и другие группы, в том числе соединения, выделенные из натуральных продуктов [30,31], макроциклические соединения [32,33], хинолоновые и акридиновые соединения [34], имидазолильные производные [35], дипептидные аналоги [36].

В настоящий момент низкомолекулярные соединения, описанные выше, находятся на стадии улучшения пероральной биодоступности или на стадии докинических испытаний на животных, за исключением ингибитора БХ1а - БМБ-962212, который прошел первую фазу клинических исследований. BMS-962212 - это активное соединение, растворимое в воде и пригодное для парентерального введения. ВМЗ--986177 также прошло первую фазу клинических испытаний, однако структура соединения и результаты данного исследования в доступных публикациях не представлены

Список литературы диссертационного исследования кандидат наук Тащилова Анна Сергеевна, 2021 год

Список литературы

1. Садовничий В.А., Сулимов В.Б. Суперкомпьютерные технологии в медицине // Суперкомпьютерные технологии в науке, образовании и промышленности / ed. Садовничий В.А., Савин Г.И., Воеводин В.В. Москва: Издательство Московского университета, 2009. Vol. 1. P. 1623.

2. Сулимов А.В., Кутов Д.К., Тащилова А.С., Ильин И.С., Подоплелова Н.А., Пантелеев М.А., Леденева И.В., Шихалиев Х.С., Сулимов В.Б. Современные методы разработки новых лекарственных средств, влияющих на систему гемостаза // Вопросы гематологии/онкологии и иммунопатологии в педиатрии. 2019. Vol. 18, № 4. P. 136-152.

3. Gupta M., Sharma R., Kumar A. Docking techniques in pharmacology: How much promising? // Comput. Biol. Chem. 2018. Vol. 76. P. 210-217.

4. Sulimov V.B., Sulimov A. V. Docking: Molecular modeling for drug discovery. Moscow: AINTELL, 2017. 348 (in Russian) p.

5. Thrombosis: a major contributor to the global disease burden // J. Thromb. Haemost. John Wiley & Sons, Ltd, 2014. Vol. 12, № 10. P. 1580-1590.

6. Warkentin T.E., Greinacher A., Koster A., Lincoff A.M. Treatment and Prevention of Heparin-Induced Thrombocytopenia: American College of Chest Physicians Evidence-Based Clinical Practice Guidelines (8th Edition) // Chest. Elsevier, 2008. Vol. 133, № 6. P. 340S-380S.

7. Подоплелова Н.А., Сулимов В.Б., Тащилова А.С., Ильин И.С., Пантелеев М.А., Леденева И.В., Шихалиев Х.С. Свертывание крови в XXI-м веке: новые знания, методы и перспективы для терапии // Вопросы гематологии/онкологии и иммунопатологии в педиатрии. Москва: Москва, 2020. Vol. 19, № 1. P. 139-157.

8. Nalbandian A., Sehgal K., Gupta A., Madhavan M. V., McGroder C., Stevens J.S., Cook J.R., Nordvig A.S., Shalev D., Sehrawat T.S., Ahluwalia N., Bikdeli B., Dietz D., Der-Nigoghossian C., Liyanage-Don N., Rosner G.F., Bernstein E.J., Mohan S., Beckley A.A., et al. Post-acute COVID-19 syndrome // Nat. Med. 2021. Vol. 27, № 4. P. 601-615.

9. Бутылин А.А., Пантелеев М.А., Атауллаханов Ф.И. Пространственная динамика свертывания крови // Российский химический журнал. М.: М., 2007. Vol. 51, № 1. P. 45-50.

10. Müller F., Gailani D., Renne T. Factor XI and XII as antithrombotic targets // Curr. Opin. Hematol. 2011. Vol. 18, № 5.

11. Schumacher W.A., Luettgen J.M., Quan M.L., Seiffert D.A. Inhibition of Factor XIa as a New Approach to Anticoagulation // Arterioscler. Thromb. Vasc. Biol. American Heart Association, 2010. Vol. 30, № 3. P. 388-392.

12. Berman H.M., Westbrook J., Feng Z., Gilliland G., Bhat T.N., Weissig H., Shindyalov I.N., Bourne P.E. The Protein Data Bank // Nucleic Acids Res. 1999/12/11. 2000. Vol. 28, № 1. P. 235-242.

13. Quan M.L., Pinto D.J.P., Smallheer J.M., Ewing W.R., Rossi K.A., Luettgen J.M., Seiffert D.A., Wexler R.R. Factor XIa Inhibitors as New Anticoagulants // J. Med. Chem. American Chemical Society, 2018.

14. Pinto D.J.P., Orwat M.J., Smith L.M., Quan M.L., Lam P.Y.S., Rossi K.A., Apedo A., Bozarth J.M., Wu Y., Zheng J.J., Xin B., Toussaint N., Stetsko P., Gudmundsson O., Maxwell B., Crain E.J., Wong P.C., Lou Z., Harper T.W., et al. Discovery of a Parenteral Small Molecule Coagulation Factor XIa Inhibitor Clinical Candidate (BMS-962212). // J. Med. Chem. 2017. Vol. 60, № 23. P. 9703-9723.

15. Жабин C.H., Сулимов В.Б. Программа для визуализации и редактирования молекул "MOLRED" // Всероссийская конференция "Многомасштабное моделирование процессов и структур в нанотехнологиях." Москва: МИФИ, 2009. P. 166-168.

16. Жабин С.Н., Сулимов В.Б. Реализация интерактивности в молекулярном редакторе MOLRED // Научная визуализация. 2010. Vol. 2, № 1. P. 59-81.

17. Sulimov A. V., Kutov D.C., Oferkin I. V., Katkova E. V., Sulimov V.B. Application of the docking program SOL for CSAR benchmark // J. Chem. Inf. Model. 2013/07/09. 2013. Vol. 53, № 8. P. 1946-1956.

18. Hanwell M.D., Curtis D.E., Lonie D.C., Vandermeersch T., Zurek E., Hutchison G.R. Avogadro: an advanced semantic chemical editor, visualization, and analysis platform // J. Cheminform. 2012. Vol. 4, № 1. P. 17.

19. Quan M.L., Wong P.C., Wang C., Woerner F., Smallheer J.M., Barbera F.A., Bozarth J.M., Brown R.L., Harpel M.R., Luettgen J.M., Morin P.E., Peterson T., Ramamurthy V., Rendina A.R., Rossi K.A., Watson C.A., Wei A., Zhang G., Seiffert D., et al. Tetrahydroquinoline derivatives as potent and selective factor XIa inhibitors. // J. Med. Chem. United States, 2014. Vol. 57, № 3. P. 955-969.

20. Wong P.C., Quan M.L., Watson C.A., Crain E.J., Harpel M.R., Rendina A.R., Luettgen J.M., Wexler R.R., Schumacher W.A., Seiffert D.A. In vitro, antithrombotic and bleeding time studies of BMS-654457, a small-molecule,

89

reversible and direct inhibitor of factor XIa. // J. Thromb. Thrombolysis. 2015. Vol. 40, № 4. P. 416-423.

21. Fjellstrom O., Akkaya S., Beisel H.-G., Eriksson P.-O., Erixon K., Gustafsson D., Jurva U., Kang D., Karis D., Knecht W., Nerme V., Nilsson I., Olsson T., Redzic A., Roth R., Sandmark J., Tigerstrom A., Oster L. Creating novel activated factor XI inhibitors through fragment based lead generation and structure aided drug design. // PLoS One. United States, 2015. Vol. 10, № 1. P. e0113705.

22. Pinto D.J., Smallheer J.M., Corte J.R., Austin E.J., Wang C., Fang T., Smith 2nd L.M., Rossi K.A., Rendina A.R., Bozarth J.M., Zhang G., Wei A., Ramamurthy V., Sheriff S., Myers Jr. J.E., Morin P.E., Luettgen J.M., Seiffert D.A., Quan M.L., et al. Structure-based design of inhibitors of coagulation factor XIa with novel P1 moieties // Bioorg. Med. Chem. Lett. 2015/03/03. 2015. Vol. 25, № 7. P. 1635-1642.

23. Hu Z., Wang C., Han W., Rossi K.A., Bozarth J.M., Wu Y., Sheriff S., Myers Jr. J.E., Luettgen J.M., Seiffert D.A., Wexler R.R., Quan M.L. Pyridazine and pyridazinone derivatives as potent and selective factor XIa inhibitors // Bioorg. Med. Chem. Lett. 2018/03/05. 2018. Vol. 28, № 6. P. 987-992.

24. Corte J.R., Fang T., Hangeland J.J., Friends T.J., Rendina A.R., Luettgen J.M., Bozarth J.M., Barbera F.A., Rossi K.A., Wei A., Ramamurthy V., Morin P.E., Seiffert D.A., Wexler R.R., Quan M.L. Pyridine and pyridinone-based factor XIa inhibitors. // Bioorg. Med. Chem. Lett. 2015. Vol. 25, № 4. P. 925-930.

25. Corte J.R., Fang T., Pinto D.J.P., Orwat M.J., Rendina A.R., Luettgen J.M., Rossi K.A., Wei A., Ramamurthy V., Myers J.E., Sheriff S., Narayanan R., Harper T.W., Zheng J.J., Li Y.-X., Seiffert D.A., Wexler R.R., Quan M.L. Orally bioavailable pyridine and pyrimidine-based Factor XIa inhibitors: Discovery of the methyl N-phenyl carbamate P2 prime group. // Bioorg. Med. Chem. 2016. Vol. 24, № 10. P. 2257-2272.

26. Smith L.M., Orwat M.J., Hu Z., Han W., Wang C., Rossi K.A., Gilligan P.J., Pabbisetty K.B., Osuna H., Corte J.R., Rendina A.R., Luettgen J.M., Wong P.C., Narayanan R., Harper T.W., Bozarth J.M., Crain E.J., Wei A., Ramamurthy V., et al. Novel phenylalanine derived diamides as Factor XIa inhibitors. // Bioorg. Med. Chem. Lett. 2016. Vol. 26, № 2. P. 472-478.

27. Кабанкин А.С., Синауридзе Е.И., Липец Е.Н., Атауллаханов Ф.И. Компьютерный дизайн низкомолекулярных ингибиторов факторов системы свертывания крови // Биохимия. 2019. Vol. 84, № 2. P. 191-211.

28. Al-Horani R.A., Desai U.R. Factor XIa inhibitors: A review of the patent literature // Expert Opin Ther Pat. 2016/02/18. 2016. Vol. 26, № 3. P. 323345.

29. Bane C.E., Gailani D. Factor XI as a target for antithrombotic therapy. // Drug Discov. Today. 2014. Vol. 19, № 9. P. 1454-1458.

30. Buchanan M.S., Carroll A.R., Wessling D., Jobling M., Avery V.M., Davis R.A., Feng Y., Xue Y., Oster L., Fex T., Deinum J., Hooper J.N.A., Quinn R.J. Clavatadine A, a natural product with selective recognition and irreversible inhibition of factor XIa. // J. Med. Chem. 2008. Vol. 51, № 12. P. 3583-3587.

31. Obaidullah A.J., Al-Horani R.A. Discovery of Chromen-7-yl Furan-2-Carboxylate as a Potent and Selective Factor XIa Inhibitor. // Cardiovasc. Hematol. Agents Med. Chem. 2017. Vol. 15, № 1. P. 40-48.

32. Shi J., Ewing W.R., Nielsen L., Hu Z., Quan M.L. US20170283403A1 -Diamide macrocycles that are fxia inhibitors: pat. US20170283403A1 USA. 2017.

33. Shi J., Ewing W.R., Pinto D.J.P. W02017151746A1 - Diamide macrocycles having factor xia inhibiting activity: pat. W02017151746A1 USA. 2017.

34. Pinto D.J.P., Clarke C.G., Smith I.L.M., Orwat M.J., Jeon Y., Corte J.R. US20160145263A1-Tetrahydroisoquinolines containing substituted azoles as factor xia inhibitors. 2016.

35. Pinto D.J.P., Smallheer J.M., Corte J.R., Hu Z., Cavallaro C.L., Gilligan P.J., Quan M.L., Smith L.M. US20120270853A1-Arylpropionamide, arylacrylamide, arylpropynamide, or arylmethylurea analogs as factor xia inhibitors. 2012.

36. Corte J.R., Gilligan P.J., Wang Y., Yang W., Ewing W.R., Pinto D.J.P. MX2015000919A- Dihydropyridone p1 as factor xia inhibitors. 2015.

37. Lavecchia A., Di Giovanni C. Virtual screening strategies in drug discovery: a critical review. // Curr. Med. Chem. United Arab Emirates, United Arab Emirates, 2013. Vol. 20, № 23. P. 2839-2860.

38. Kubinyi H. Success Stories of Computer-Aided Design // Computer Applications in Pharmaceutical Research and Development. 2006. P. 377424.

39. Баскин И.И., Маджидов Т.И., Варнек А.А. Введение в хемоинформатику: учебное пособие. Часть 3. Моделирование ^структура-свойство^. Издательство Казанского университета

Казань, 2015.

40. Muratov E.N., Bajorath J., Sheridan R.P., Tetko I. V., Filimonov D., Poroikov V., Oprea T.I., Baskin I.I., Varnek A., Roitberg A., Isayev O., Curtalolo S., Fourches D., Cohen Y., Aspuru-Guzik A., Winkler D.A., Agrafiotis D., Cherkasov A., Tropsha A. QSAR without borders // Chem. Soc. Rev. The Royal Society of Chemistry, 2020. Vol. 49, № 11. P. 35253564.

41. Gimeno A., Ojeda-Montes M. J., Tomás-Hernández S., Cereto-Massagué A., Beltrán-Debón R., Mulero M., Pujadas G., Garcia-Vallvé S. The Light and Dark Sides of Virtual Screening: What Is There to Know? // Int. J. Mol. Sci. MDPI, 2019. Vol. 20, № 6. P. 1375.

42. Glaab E. Building a virtual ligand screening pipeline using free software: a survey // Brief. Bioinform. 2015/06/20. Oxford University Press, 2016. Vol. 17, № 2. P. 352-366.

43. Marvin. P. A full featured chemical editor for making science.

44. ChemAxon software [Electronic resource]. 2016. URL: https://chemicalize.com.

45. Sadowski J. 3D Structure Generation // Handbook of Chemoinformatics. 2003. P. 231-261.

46. Mannhold R., Kubinyi H., Folkers G. Molecular Drug Properties: Measurement and Prediction. Wiley, 2008.

47. Gohlke H., Klebe G. Statistical potentials and scoring functions applied to protein-ligand binding // Curr Opin Struct Biol. 2001/04/12. 2001. Vol. 11, № 2. P. 231-235.

48. Ozrin V.D., Subbotin M. V., Nikitin S.M. PLASS: protein-ligand affinity statistical score--a knowledge-based force-field model of interaction derived from the PDB // J Comput Aided Mol Des. 2004/11/26. 2004. Vol. 18, № 4. P. 261-270.

49. Сулимов В.Б., Сулимов А.В. Докинг: Молекулярное моделирование для разработки лекарств. Москва: ИИнтелл, 2017. 348 p.

50. Jorgensen W.L., Maxwell D.S., Tirado-Rives J. Development and Testing of the OPLS All-Atom Force Field on Conformational Energetics and Properties of Organic Liquids // J. Am. Chem. Soc. American Chemical Society, 1996. Vol. 118, № 45. P. 11225-11236.

51. Weiner S.J., Kollman P.A., Case D.A., Singh U.C., Ghio C., Alagona G.,

Profeta S., Weiner P. A new force field for molecular mechanical simulation of nucleic acids and proteins // J. Am. Chem. Soc. American Chemical Society, 1984. Vol. 106, № 3. P. 765-784.

52. Weiner S.J., Kollman P.A., Nguyen D.T., Case D.A. An all atom force field for simulations of proteins and nucleic acids Journal of Computational Chemistry Volume 7, Issue 2 // Journal of Computational Chemistry. 1986. Vol. 7, № 2. P. 230-252.

53. Cornell W.D., Cieplak P., Bayly C.I., Gould I.R., Merz K.M., Ferguson D.M., Spellmeyer D.C., Fox T., Caldwell J.W., Kollman P.A. A Second Generation Force Field for the Simulation of Proteins, Nucleic Acids, and Organic Molecules // J. Am. Chem. Soc. American Chemical Society, 1995. Vol. 117, № 19. P. 5179-5197.

54. Brooks B.R., Bruccoleri R.E., Olafson B.D., States D.J., Swaminathan S., Karplus M. CHARMM A program for macromolecular energy, minimization, and dynamics calculations, Journal of Computational Chemistry Volume 4, Issue 2 // Journal of Computational Chemistry. 1983. Vol. 4, № 2. P. 187-217.

55. Vanommeslaeghe K., Hatcher E., Acharya C., Kundu S., Zhong S., Shim J., Darian E., Guvench O., Lopes P., Vorobyov I., Mackerell A.D. CHARMM general force field A force field for drug-like molecules compatible with the CHARMM all-atom additive biological force fields, Journal of Computational Chemistry Volume 31, Issue 4 // Journal of Computational Chemistry. 2010. Vol. 31, № 4. P. 671-690.

56. Halgren T.A. Merck molecular force field. I. Basis, form, scope, parameterization, and performance of MMFF94 // J. Comput. Chem. 1996. Vol. 17, № 5-6. P. 490-519.

57. Halgren T.A. Merck molecular force field. II. MMFF94 van der Waals and electrostatic parameters for intermolecular interactions Journal of Computational Chemistry Volume 17, Issue 5-6 // Journal of Computational Chemistry. 1996. Vol. 17, № 5-6. P. 520-552.

58. Halgren T.A. Merck molecular force field. III. Molecular geometries and vibrational frequencies for MMFF94 // J. Comput. Chem. 1996. Vol. 17, № 5-6. P. 553-586.

59. Halgren T.A., Nachbar R.B. Merck molecular force field. IV. conformational energies and geometries for MMFF94 Journal of Computational Chemistry Volume 17, Issue 5-6 // Journal of Computational Chemistry. 1996. Vol. 17, № 5-6. P. 587-615.

60. Halgren T.A. Merck molecular force field. V. Extension of MMFF94 using

experimental data, additional computational data, and empirical rules Journal of Computational Chemistry Volume 17, Issue 5-6 // Journal of Computational Chemistry. 1996. Vol. 17, № 5-6. P. 616-641.

61. Оферкин И.В., Сулимов А.В., Каткова Е.В., Кутов Д.К., Григорьев Ф.В., Кондакова О.А., Сулимов В.Б. Суперкомпьютерное исследование низкоэнергетических минимумов энергии системы белок-лиганд // Биомедицинская химия. 2015. Vol. 61, № 6. P. 712-716.

62. Oferkin I. V., Katkova E. V., Sulimov A. V., Kutov D.C., Sobolev S.I., Voevodin V. V., Sulimov V.B. Evaluation of docking target functions by the comprehensive investigation of protein-ligand energy minima // Adv. Bioinformatics. 2015. Vol. 2015, № Article ID 126858, 12 pages.

63. Oferkin I. V., Zheltkov D.A., Tyrtyshnikov E.E., Sulimov A. V., Kutov D.C., Sulimov V.B. Evaluation of the docking algorithm based on tensor train global optimization // Bull. South Ural State Univ. Ser. Math. Model. Program. Comput. Softw. 2015. Vol. 8, № 4. P. 83-99.

64. Sulimov A. V., Zheltkov D.A., Oferkin I. V., Kutov D.C., Katkova E. V., Tyrtyshnikov E.E., Sulimov V.B. Evaluation of the novel algorithm of flexible ligand docking with moveable target-protein atoms // Comput. Struct. Biotechnol. J. 2017. Vol. 15. P. 275-285.

65. Wilson E.B., Decius J.C., Cross P.C. Molecular vibrations; the theory of infrared and Raman vibrational spectra. New York: McGraw-Hill, 1955. 388 p. p.

66. MacKerell A.D., Bashford D., Bellott M., Dunbrack R.L., Evanseck J.D., Field M.J., Fischer S., Gao J., Guo H., Ha S., Joseph-McCarthy D., Kuchnir L., Kuczera K., Lau F.T., Mattos C., Michnick S., Ngo T., Nguyen D.T., Prodhom B., et al. All-atom empirical potential for molecular modeling and dynamics studies of proteins // J. Phys. Chem. B. 1998/04/30. 1998. Vol. 102, № 18. P. 3586-3616.

67. Chen J., Im W., Brooks 3rd C.L. Balancing solvation and intramolecular interactions: toward a consistent generalized Born force field // J Am Chem Soc. 2006/03/16. 2006. Vol. 128, № 11. P. 3728-3736.

68. Best R.B., Zhu X., Shim J., Lopes P.E., Mittal J., Feig M., Mackerell Jr. A.D. Optimization of the additive CHARMM all-atom protein force field targeting improved sampling of the backbone phi, psi and side-chain chi(1) and chi(2) dihedral angles // J Chem Theory Comput. 2013/01/24. 2012. Vol. 8, № 9. P. 3257-3273.

69. Jorgensen W.L., Tirado-Rives J. The OPLS [optimized potentials for liquid simulations] potential functions for proteins, energy minimizations for

crystals of cyclic peptides and crambin // J Am Chem Soc. 1988/03/01. 1988. Vol. 110, № 6. P. 1657-1666.

70. Jorgensen W.L., Chandrasekhar J., Madura J.D., Impey R.W., Klein M.L. Comparison of simple potential functions for simulating liquid water // J. Chem. Phys. American Institute of Physics, 1983. Vol. 79, № 2. P. 926-935.

71. Jorgensen W.L., Madura J.D. Temperature and size dependence for Monte Carlo simulations of TIP4P water // Mol. Phys. Taylor & Francis, 1985. Vol. 56, № 6. P. 1381-1392.

72. Jensen K.P., Jorgensen W.L. Halide, Ammonium, and Alkali Metal Ion Parameters for Modeling Aqueous Solutions // J Chem Theory Comput. 2006/11/01. 2006. Vol. 2, № 6. P. 1499-1509.

73. Kaminski G.A., Friesner R.A., Tirado-Rives J., Jorgensen W.L. Evaluation and Reparametrization of the OPLS-AA Force Field for Proteins via Comparison with Accurate Quantum Chemical Calculations on Peptides // J. Phys. Chem. B. American Chemical Society, 2001. Vol. 105, № 28. P. 64746487.

74. Schrödinger, LLC [Electronic resource]. URL: https://www.schrodinger.com (accessed: 30.07.2020).

75. Robertson M.J., Tirado-Rives J., Jorgensen W.L. Improved Peptide and Protein Torsional Energetics with the OPLSAA Force Field // J Chem Theory Comput. 2015/07/21. 2015. Vol. 11, № 7. P. 3499-3509.

76. Harder E., Damm W., Maple J., Wu C., Reboul M., Xiang J.Y., Wang L., Lupyan D., Dahlgren M.K., Knight J.L., Kaus J.W., Cerutti D.S., Krilov G., Jorgensen W.L., Abel R., Friesner R.A. OPLS3: A Force Field Providing Broad Coverage of Drug-like Small Molecules and Proteins // J Chem Theory Comput. 2015/11/20. 2016. Vol. 12, № 1. P. 281-296.

77. Jakalian A., Bush B.L., Jack D.B., Bayly C.I. Fast, efficient generation of high-quality atomic charges. AM1-BCC model I. Method // Journal of Computational Chemistry. 2000. Vol. 21, № 2. P. 132-146.

78. Storer J.W., Giesen D.J., Cramer C.J., Truhlar D.G. Class IV charge models: a new semiempirical approach in quantum chemistry // J Comput Aided Mol Des. 1995/02/01. 1995. Vol. 9, № 1. P. 87-110.

79. Wang J., Wolf R.M., Caldwell J.W., Kollman P.A., Case D.A. Development and testing of a general amber force field // J. Comput. Chem. 2004/04/30. 2004. Vol. 25, № 9. P. 1157-1174.

80. Романов А.Н., Кондакова О.А., Григорьев Ф.В., Сулимов А.В.,

Лущекина С.В., Мартынов Я.Б., Сулимов В.Б. Компьютерный дизайн лекарственных средств: программа докинга SOL // Вычислительные методы и программирование. 2008. Vol. 9, № 2. P. 213-233.

81. Оферкин И.В., Сулимов А.В., Кондакова О.А., Сулимов В.Б. Реализация поддержки параллельных вычислений в программах докинга SOLGRID и SOL // Вычислительные методы и программирование. 2011. Vol. 12, № 2. P. 9-23.

82. Brooks B.R., Brooks 3rd C.L., Mackerell Jr. A.D., Nilsson L., Petrella R.J., Roux B., Won Y., Archontis G., Bartels C., Boresch S., Caflisch A., Caves L., Cui Q., Dinner A.R., Feig M., Fischer S., Gao J., Hodoscek M., Im W., et al. CHARMM: the biomolecular simulation program // J. Comput. Chem. 2009/05/16. 2009. Vol. 30, № 10. P. 1545-1614.

83. Case D.A., Pearlman D.A., Caldwell J.C., Cheatham III T.E., Wang J., Ross W.S., Simmerling C.L., Darden T.A., Merz K.M., Stanton R. V., Cheng A., Vincent J.J., Crowley M., Tsui V., Gohlke H., Radmer R.J., Duan Y., Pitera J., Massova I., et al. AMBER 7 / ed. California U. of. San Francisco, 2002.

84. Sulimov V.B., Kutov D.C., Taschilova A.S., Ilin I.S., Tyrtyshnikov E.E., Sulimov A. V. Docking paradigm in Drug Design // Curr. Top. Med. Chem. 2021. Vol. 21, № 6. P. 507-546.

85. Sulimov V.B., Ilin I.S., Kutov D.C., Sulimov A. V. Development of docking programs for Lomonosov supercomputer // J. Turkish Chem. Soc. Sect. A Chem. 2020. Vol. 7, № 1. P. 259-276.

86. Chen R., Li L., Weng Z. ZDOCK: An initial-stage protein-docking algorithm // Proteins Struct. Funct. Bioinforma. John Wiley & Sons, Ltd, 2003. Vol. 52, № 1. P. 80-87.

87. Meng X.Y., Zhang H.X., Mezei M., Cui M. Molecular docking: a powerful approach for structure-based drug discovery // Curr Comput Aided Drug Des. 2011/05/04. 2011. Vol. 7, № 2. P. 146-157.

88. Rarey M., Kramer B., Lengauer T., Klebe G. A Fast Flexible Docking Method using an Incremental Construction Algorithm // J. Mol. Biol. 1996. Vol. 261, № 3. P. 470-489.

89. Zwanzig R.W. High-Temperature Equation of State by a Perturbation Method. I. Nonpolar Gases // J. Chem. Phys. American Institute of Physics, 1954. Vol. 22, № 8. P. 1420-1426.

90. Kirkwood J.G. Statistical Mechanics of Fluid Mixtures // J. Chem. Phys. American Institute of Physics, 1935. Vol. 3, № 5. P. 300-313.

91. Sliwoski G., Kothiwale S., Meiler J., Lowe Jr. E.W. Computational methods in drug discovery // Pharmacol. Rev. The American Society for Pharmacology and Experimental Therapeutics, 2013. Vol. 66, № 1. P. 334395.

92. Metropolis N., Rosenbluth A.W., Rosenbluth M.N., Teller A.H., Teller E. Equation of State Calculations by Fast Computing Machines // J. Chem. Phys. American Institute of Physics, 1953. Vol. 21, № 6. P. 1087-1092.

93. Morris G.M., Huey R., Lindstrom W., Sanner M.F., Belew R.K., Goodsell D.S., Olson A.J. AutoDock4 and AutoDockTools4: Automated docking with selective receptor flexibility // J. Comput. Chem. 2009/04/29. 2009. Vol. 30, № 16. P. 2785-2791.

94. Ravindranath P.A., Forli S., Goodsell D.S., Olson A.J., Sanner M.F. AutoDockFR: Advances in protein-ligand docking with explicitly specified binding site flexibility // PLOS Comput. Biol. Public Library of Science, 2015. Vol. 11, № 12. P. e1004586.

95. Zhao Y., Stoffler D., Sanner M. Hierarchical and multi-resolution representation of protein flexibility // Bioinformatics. 2006. Vol. 22, № 22. P. 2768-2774.

96. Liebeschuetz J.W., Cole J.C., Korb O. Pose prediction and virtual screening performance of GOLD scoring functions in a standardized test // J Comput Aided Mol Des. 2012/05/10. 2012. Vol. 26, № 6. P. 737-748.

97. Cole J.C., Nissink J.W.M., Taylor R. Protein-ligand docking and virtual screening with GOLD // Virtual Screening in Drug Discovery / ed. Alvarez J., Shoichet B.K. Taylor & Francis Group, LLC, 2005. P. 379-415.

98. The Scripps Research Institute. AutoDock Vina [Electronic resource]. URL: http://vina.scripps.edu (accessed: 30.07.2020).

99. Neves M.A.C., Totrov M., Abagyan R. Docking and scoring with ICM: the benchmarking results and strategies for improvement // J. Comput. Aided. Mol. Des. 2012. Vol. 26, № 6. P. 675-686.

100. Arnautova Y.A., Abagyan R.A., Totrov M. Development of a new physics-based internal coordinate mechanics force field and its application to protein loop modeling // Proteins. 2011. Vol. 79. P. 477-498.

101. Halgren T.A. Merck molecular force field // Journal of Computational Chemistry. 1996. Vol. 17, № 5-6. P. 490-641.

102. Arnautova Y.A., Jagielska A., Scheraga H.A. A new force field (ECEPP-05) for peptides, proteins, and organic molecules // J. Phys. Chem. B. 2006. Vol.

110. P. 5025-5044.

103. Brozell S.R., Mukherjee S., Balius T.E., Roe D.R., Case D.A., Rizzo R.C. Evaluation of DOCK 6 as a pose generation and database enrichment tool // J. Comput. Aided. Mol. Des. 2012. Vol. 26, № 6. P. 749-773.

104. Allen W.J., Balius T.E., Mukherjee S., Brozell S.R., Moustakas D.T., Lang P.T., Case D.A., Kuntz I.D., Rizzo R.C. DOCK 6: Impact of new features and current docking performance // J. Comput. Chem. 2015/04/29. 2015. Vol. 36, № 15. P. 1132-1156.

105. Tubert-Brohman I., Sherman W., Repasky M., Beuming T. Improved docking of polypeptides with Glide. // J. Chem. Inf. Model. United States, 2013. Vol. 53, № 7. P. 1689-1699.

106. Friesner R.A., Banks J.L., Murphy R.B., Halgren T.A., Klicic J.J., Mainz D.T., Repasky M.P., Knoll E.H., Shelley M., Perry J.K., Shaw D.E., Francis P., Shenkin P.S. Glide: a new approach for rapid, accurate docking and scoring. 1. Method and assessment of docking accuracy // J. Med. Chem. 2004/03/19. 2004. Vol. 47, № 7. P. 1739-1749.

107. Halgren T.A., Murphy R.B., Friesner R.A., Beard H.S., Frye L.L., Pollard W.T., Banks J.L. Glide: a new approach for rapid, accurate docking and scoring. 2. Enrichment factors in database screening // J. Med. Chem. 2004/03/19. 2004. Vol. 47, № 7. P. 1750-1759.

108. Купервассер О.Ю., Жабин С.Н., Мартынов Я.Б., Федулов К.М., Офёркин И.В., Сулимов А.В., Сулимов В.Б. Континуальная модель растворителя: программа DISOLV - алгоритмы, реализация и валидация // Вычислительные методы и программирование. 2011. Vol. 12. P. 246261.

109. Schwarzl S.M., Tschopp T.B., Smith J.C., Fischer S. Can the calculation of ligand binding free energies be improved with continuum solvent electrostatics and an ideal-gas entropy correction? Journal of Computational Chemistry Volume 23, Issue 12 // Journal of Computational Chemistry. 2002. Vol. 23, № 12. P. 1143-1149.

110. Каткова Е.В. Исследования влияния параметров генетического алгоритма на эффективность докинга с помощью программы SOL // Вычислительные методы и программирование. 2012. Vol. 13. P. 536550.

111. Leontyev I., Stuchebrukhov A. Accounting for electronic polarization in non-polarizable force fields // Phys. Chem. Chem. Phys. The Royal Society of Chemistry, 2011. Vol. 13, № 7. P. 2613-2626.

112. Christensen A.S., Kubar T., Cui Q., Elstner M. Semiempirical Quantum Mechanical Methods for Noncovalent Interactions for Chemical and Biochemical Applications // Chem. Rev. American Chemical Society, 2016. Vol. 116, № 9. P. 5301-5337.

113. Cui Q., Elstner M. Density functional tight binding: values of semi-empirical methods in an ab initio era // Phys. Chem. Chem. Phys. The Royal Society of Chemistry, 2014. Vol. 16, № 28. P. 14368-14377.

114. Pople J.A., Segal G.A. Approximate Self-Consistent Molecular Orbital Theory. II. Calculations with Complete Neglect of Differential Overlap // J. Chem. Phys. American Institute of Physics, 1965. Vol. 43, № 10. P. S136-S151.

115. Voityuk A. Intermediate neglect of differential overlap for spectroscopy // Wiley Interdiscip. Rev. Comput. Mol. Sci. 2013. Vol. 3.

116. Sustmann R., Williams J.E., Dewar M.J.S., Allen L.C., Schleyer P. von R. Molecular orbital calculations on carbonium ions. II. Methyl, ethyl, and vinyl cations. The series C3H7+ // J. Am. Chem. Soc. American Chemical Society, 1969. Vol. 91, № 19. P. 5350-5357.

117. Dewar M.J.S., Thiel W. A semiempirical model for the two-center repulsion integrals in the NDDO approximation // Theor. Chim. Acta. 1977. Vol. 46, № 2. P. 89-104.

118. Stewart J.J. Optimization of parameters for semiempirical methods VI: more modifications to the NDDO approximations and re-optimization of parameters // J. Mol. Model. 11/29. 2013. Vol. 19, № 1. P. 1-32.

119. Korth M. Third-Generation Hydrogen-Bonding Corrections for Semiempirical QM Methods and Force Fields. // J. Chem. Theory Comput. 2010. Vol. 6. P. 3808-3816.

120. Klamt A., Schuurmann G. COSMO: a new approach to dielectric screening in solvents with explicit expressions for the screening energy and its gradient // J. Chem. Soc. Perkin Trans. 2. The Royal Society of Chemistry, 1993. № 5. P. 799-805.

121. Sulimov A. V., Kutov D.C., Katkova E. V., Ilin I.S., Sulimov V.B. New generation of docking programs: Supercomputer validation of force fields and quantum-chemical methods for docking // J. Mol. Graph. Model. 2017. Vol. 78. P. 139-147.

122. Dewar M.J.S., Zoebisch E.G., Healy E.F., Stewart J.J.P. Development and use of quantum mechanical molecular models. 76. AM1: a new general purpose quantum mechanical molecular model // J. Am. Chem. Soc.

American Chemical Society, 1985. Vol. 107, № 13. P. 3902-3909.

123. Stewart J.J.P. Optimization of parameters for semiempirical methods II. Applications // J. Comput. Chem. John Wiley & Sons, Ltd, 1989. Vol. 10, № 2. P. 221-264.

124. Stewart J.J.P. Stewart Computational Chemistry. MOPAC2016 [Electronic resource]. Colorado Springs, CO, USA, 2016. URL: http://openmopac.net/MOPAC2016.html (accessed: 30.07.2020).

125. Stewart J.J.P. Application of localized molecular orbitals to the solution of semiempirical self-consistent field equations // Int. J. Quantum Chem. 1996. Vol. 58, № 2. P. 133-146.

126. Fradera X., Kazemier B., Carswell E., Cooke A., Oubrie A., Hamilton W., Dempster M., Krapp S., Nagel S., Jestel A. High-resolution crystal structures of factor XIa coagulation factor in complex with nonbasic high-affinity synthetic inhibitors // Acta Crystallogr. Sect. F. 2012. Vol. 68, № 4. P. 404408.

127. Kutov D.C., Katkova E. V., Kondakova O.A., Sulimov A. V., Sulimov V.B. Influence of the method of hydrogen atoms incorporation into the target protein on the protein-ligand binding energy // Bull. South Ural State Univ. Ser. Math. Model. Program. Comput. Softw. 2017. Vol. 10, № 3. P. 94-107.

128. Avogadro [Electronic resource]. P. an Open-Source Molecular Builder And Visualization. URL: http://avogadro.openmolecules.net/.

129. The Department of Organic Chemistry of Voronezh State University [Electronic resource]. URL: http://www.vsu.ru/english/depts/chem.html.

130. Novichikhina N., Ilin I., Tashchilova A., Sulimov A., Kutov D., Ledenyova I., Krysin M., Shikhaliev K., Gantseva A., Gantseva E., Podoplelova N., Sulimov V. Synthesis, docking, and in vitro anticoagulant activity assay of hybrid derivatives of pyrrolo[3,2,1-ij]quinolin-2(1H)-one as new inhibitors of factor Xa and factor XIa // Molecules. 2020. Vol. 25, № 8. P. 1889.

131. Baell J.B., Holloway G.A. New Substructure Filters for Removal of Pan Assay Interference Compounds (PAINS) from Screening Libraries and for Their Exclusion in Bioassays // J. Med. Chem. American Chemical Society, 2010. Vol. 53, № 7. P. 2719-2740.

132. Baell J., Walters M.A. Chemistry: Chemical con artists foil drug discovery // Nature. 2014. Vol. 513, № 7519. P. 481-483.

133. Pettersen E.F., Goddard T.D., Huang C.C., Couch G.S., Greenblatt D.M., Meng E.C., Ferrin T.E. UCSF Chimera--a visualization system for

exploratory research and analysis // J. Comput. Chem. 2004/07/21. 2004. Vol. 25, № 13. P. 1605-1612.

ПУБЛИКАЦИИ АВТОРА ПО ТЕМЕ НАУЧНО-

КВАЛИФИКАЦИОННОЙ РАБОТЕ (ДИССЕРТАЦИИ) в журналах,

индексируемых в базах данных Web of Science, Scopus RSCI:

1. Novichikhina N., Ilin I., Tashchilova A., Sulimov A. Synthesis, Docking, and In Vitro Anticoagulant Activity Assay of Hybrid Derivatives of Pyrrolo[3,2,1-ij]Quinolin-2(1H)-one as New Inhibitors of Factor Xa and Factor XIa // Molecules. 2020. Vol. 25. N. 8. pp. 1889-1889.

Импакт-фактор по WoS 3,267

2. Сулимов А.В., Кутов Д.К., Тащилова А.С., Ильин И.С. и др. Современные методы разработки новых лекарственных средств, влияющих на систему гемостаза // Вопросы гематологии/онкологии и иммунопатологии в педиатрии, 2019, Том 18, № 4, 136-152.

Импакт-фактор по Scopus 0,2

3. Подоплелова Н.А., Сулимов В.Б., Тащилова А.С., Ильин И.С. и др. Свертывание крови в XXI-м веке: новые знания, методы и перспективы для терапии // Вопросы гематологии/онкологии и иммунопатологии в педиатрии, 2020, Том 19, № 1, 139-157.

Импакт-фактор по Scopus 0,2

4. Sulimov V.B., Kutov D.C., Taschilova A.S., Ilin I.S., Tyrtyshnikov E.E., Sulimov A.V. Docking paradigm in Drug Design // Current Topics in Medicinal Chemistry, 2021, Том 21, № 6, с. 507-546.

Импакт-фактор по Scopus 3,218

ТЕЗИСЫ ДОКЛАДОВ НА МЕЖДУНАРОДНЫХ И ВСЕРОССИЙСКИХ НАУЧНЫХ КОНФЕРЕНЦИЯХ, опубликованные в журналах:

1. Ильин И.С., Липец Е.Н., Сулимов А.В., Кутов Д.К., Тащилова А.С. и др. «Разработка новых антикоагулянтов с использованием методов молекулярного моделирования ингибиторов белков системы свертывания крови» в сборнике Сборник материалов XXVРоссийского национального конгресса « Человек и лекарство». Тезисы докладов/ Главный редактор Чучалин А.Г, серия Секция "Разработка и создание новых лекарственных препаратов", с. 69-70. 2018 г.

СПИСОК КОНФЕРЕНЦИИ, НА КОТОРЫХ БЫЛИ ДОЛОЖЕНЫ РЕЗУЛЬТАТЫ ДАННЫХ ИССЛЕДОВАНИЙ:

1. Ломоносовские чтения - 2020. Секция «Вычислительная математика и кибернетика», Москва, Россия, 21 октября - 2 ноября 2020. Доклад «Разработка новых антикоагулянтов с помощью методов молекулярного моделирования»

2. Ломоносовские чтения - 2018. Секция «Вычислительная математика и кибернетика», Москва, Россия, 16-27 апреля 2018. Доклад «Новые синтетические антикоагулянты: молекулярное моделирование и экспериментальная проверка»

3. XXV Российский национальный конгресс "Человек и лекарство", Москва, Россия, 9-12 апреля 2018. Доклад «Разработка новых антикоагулянтов с использованием методов молекулярного моделирования ингибиторов белков системы свертывания крови»

Благодарности

Автор выражает искреннюю благодарность и признательность своему научному руководителю доктору физико-математических наук Сулимову Владимиру Борисовичу за помощь на всех этапах подготовки диссертации.

Автор благодарит Сулимова Алексея Владимировича за помощь в овладении методами докинга, квантовой химии, проведении вычислений на суперкомпьютере Ломоносов-2, в анализе результатов докинга и квантово-химических расчетов, отборе соединений для эксперимента, а также благодарит сотрудников лаборатории Вычислительных систем и прикладных технологий программирования НИВЦ МГУ имени М.В. Ломоносова: Ильина Ивана Сергеевича, Кутова Данила Константиновича, Григорьева Федора Васильевича и Кондакову Ольгу Анатольевну, за помощь и ценные замечания в течение работы над исследованием.

Автор также благодарит кафедру органической химии Воронежского Государственного университета и ее заведующего, доктора химических наук Шихалиева Хидмета Сафаровича за предоставление библиотек химических соединений для скрининга.

Также автор благодарит сотрудника лаборатории клеточного гемостаза НМИЦ ДГОИ имени Дмитрия Рогачева, Подоплелову Надежду Александровну, за экспериментальную проверку потенциальных ингибиторов фактора Х1а.

Автор выражает благодарность сотрудникам и преподавателям кафедры медицинской физики физического факультета МГУ имени М.В. Ломоносова и доктору физико-математических наук Пантелееву Михаилу Александровичу за поддержку данной научно-исследовательской работы и помощь в формулировке задач и интерпретации результатов.

Приложение 1. Идентифицированные ингибиторы фактора XIa с подтвержденной активностью в in vitro эксперименте. Ингибирование фактора XIa активным соединением увеличивается с возрастанием процента ингибирования.

№ Идентифи- Структура молекулы Скоринг- AH (PM7 Процент

кационный функция +COSMO), ингибирования

номер SOL, ккал/моль ккал/моль фактора XIa при концентрации 30 мкМ, %

1 VGY 0003720 -5.53 -40.18 61,5

2 VGY 0004348 i -6.04 -50.39 83,3

3 VGY 0006208 £ -5.82 -51.47 82,4

4 VGY 0006212 t -5.96 -52.07 94,1

№ Идентификационный номер Структура молекулы Скоринг-функция SOL, ккал/моль АН (РМ7 +COSMO), ккал/моль Процент ингибирования фактора Х1а при концентрации 30 мкМ, %

5 УОУ 0006939 -4.96 -43.41 67,9

6 УОУ 0013778 -5.13 -53.22 89,8

7 УОУ 0015015 -5.38 -44.40 90,9

8 УОУ 0016696 с, F -5.95 -38.86 72,5

9 УОУ 0018019 4 -5.16 66,0

Идентификационный номер

Скоринг-функция

SOL, ккал/моль

АН (РМ7 +COSMO), ккал/моль

Процент ингибирования фактора Х1а

при концентрации 30 мкМ, %

10

УОУ 0030176

-5.27

77,0

11

УОУ 0030889

-5.30

-30.65

71,0

12

УОУ 0031666

-5.84

98,0

13

УОУ 0032715

-5.30

57,0

14

УОУ 0041437

-3.50

-26.27

82,0

№ Идентификационный номер Структура молекулы Скоринг-функция SOL, ккал/моль АН (РМ7 +COSMO), ккал/моль Процент ингибирования фактора Х1а при концентрации 30 мкМ, %

15 УОУ 0224827 -5.57 -39.63 80,0

16 УОУ 0224828 -5.75 -47.74 94,0

17 УОУ 0224829 -6.48 -46.34 91,0

18 УОУ 0224873 -5.98 -46.94 85,0

19 УОУ 0224879 -5.70 -39.47 76,0

20 УОУ 0224892 -6.75 -45.98 90,0

21 УОУ 0224895 ЛЙРО -4.74 94,0

22 УОУ 0224919 -5.26 -31.81 58,0

№ Идентификационный номер Структура молекулы Скоринг-функция SOL, ккал/моль АН (РМ7 +COSMO), ккал/моль Процент ингибирования фактора Х1а при концентрации 30 мкМ, %

23 УОУ 0225224 -4.27 -41.19 65,3

24 УОУ 0225271 -5.67 -32.29 54,0

25 УОУ 0225272 -4.82 96,0

26 УОУ 0225274 -6.57 -22.50 71,0

27 УОУ 0225275 / -5.84 -25.71 64,0

№ Идентифи- Структура молекулы Скоринг- АН (РМ7 Процент

кационный функция +COSMO), ингибирования

номер SOL, ккал/моль ккал/моль фактора Х1а при концентрации 30 мкМ, %

28 УОУ 0225296 / -5.29 89,0

29 УОУ 0225310 Г' -4.83 -40.18 82,6

30 УОУ 0225613 № -5.05 -33.58 69,0

31 УОУ 0225620 г -5.03 -32.25 71,0

32 УОУ 0225621 № -4.74 66,0

№ Идентификационный номер Структура молекулы Скоринг-функция SOL, ккал/моль АН (РМ7 +COSMO), ккал/моль Процент ингибирования фактора Х1а при концентрации 30 мкМ, %

33 УОУ 0225676 -4.72 -56.82 58,4

34 УОУ 0225718 ** -6.63 -58.83 56,0

35 УОУ 0225840 -5.64 -33.20 87,0

36 УОУ 0225893 # -4.56 86,0

37 УОУ 0225898 -5.76 -27.55 87,0

38 УОУ 0226808 -5.30 96,0

№ Идентифи- Структура молекулы Скоринг- АН (РМ7 Процент

кационный функция +COSMO), ингибирования

номер SOL, ккал/моль ккал/моль фактора Х1а при концентрации 30 мкМ, %

39 УОУ 0226809 -5.65 99,0

40 УОУ 0226811 -5.41 98,0

41 УОУ 0226812 -5.05 96,0

42 УОУ 0226814 -4.85 -30.25 78,0

43 УОУ 0226844 Л -4.19 -44.02 57,0

№ Идентификационный номер Структура молекулы Скоринг-функция SOL, ккал/моль АН (РМ7 +COSMO), ккал/моль Процент ингибирования фактора Х1а при концентрации 30 мкМ, %

44 УОУ 0226856 - -4.28 66,0

45 УОУ 0226901 щ -4.85 -39.28 90,0

46 УОУ 0226902 -4.85 -27.23 86,0

47 УОУ 0226936 -4.96 -35.23 94,0

48 УОУ 0226939 -4.63 -36.70 72,0