XÂY DỰNG MÔ HÌNH PHÂN LOẠI VÀ DỰ ĐOÁN HOẠT TÍNH ỨC CHẾ βSECRETASE

BỘ GIÁO DỤC VÀ ĐÀO TẠO

BỘ Y TẾ

ĐẠI HỌC Y DƢỢC THÀNH PHỐ HỒ CHÍ MINH

PHẠM PHAN THÔNG

XÂY DỰNG MÔ HÌNH PHÂN LOẠI VÀ DỰ ĐOÁN HOẠT TÍNH ỨC CHẾ
β-SECRETASE

KHÓA LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

Thành phố Hồ Chí Minh – Năm 2016


BỘ GIÁO DỤC VÀ ĐÀO

BỘ Y TẾ

ĐẠI HỌC Y DƢỢC THÀNH PHỐ HỒ CHÍ MINH

PHẠM PHAN THÔNG

XÂY DỰNG MÔ HÌNH PHÂN LOẠI VÀ DỰ ĐOÁN HOẠT TÍNH ỨC CHẾ
β-SECRETASE

KHÓA LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

Giáo viên hƣớng dẫn: PGS.TS. THÁI KHẮC MINH

Thành phố Hồ Chí Minh – Năm 2016


MỤC LỤC
DANH MỤC TỪ VIẾT TẮT................................................................................... VI
DANH MỤC BẢNG ............................................................................................... VII
DANH MỤC HÌNH ............................................................................................... VIII
LỜI CẢM ƠN ............................................................................................................ X
1.

ĐẶT VẤN ĐỀ .................................................................................................1

2.

TỔNG QUAN TÀI LIỆU ................................................................................3

2.1.

SƠ LƢỢC VỀ ENZYM β-SECRETASE .........................................................3

2.2.

CƠ CHẾ HOẠT ĐỘNG CỦA β-SECRETASE ...............................................4

2.3.

QUÁ TRÌNH SINH TỔNG HỢP β-AMYLOID ..............................................5

2.4.

SƠ LƢỢC VỀ BỆNH ALZHEIMER ...............................................................7

2.5.

SỰ TƢƠNG QUAN GIỮA β-SECRETASE VÀ BỆNH ALZHEIMER ........7

2.6.

CÁC CHẤT ỨC CHẾ β-SECRETASE ............................................................8

2.7.

PHƢƠNG PHÁP XÁC ĐỊNH HOẠT TÍNH ỨC CHẾ β-SECRETASE.........9

2.8. MỐI QUAN HỆ ĐỊNH LƢỢNG GIỮA CẤU TRÚC VÀ TÁC DỤNG –
QSAR ........................................................................................................................10
2.9. MÔ HÌNH MÔ TẢ PHÂN TỬ DOCKING ...................................................11
2.9.1. Khái niệm Docking ........................................................................................11
2.9.2. Docking bằng phần mềm FlexX ....................................................................12
2.10. MÔ HÌNH 3D-PHARMACOPHORE ............................................................16

i


2.10.1.Khái niệm Pharmacophore .............................................................................16
2.10.2.Xây dựng Pharmacophore bằng phần mềm MOE 2008.10 ...........................16
2.10.3.Phân tích mô hình Pharmacophore ................................................................17
3.

PHƢƠNG PHÁP NGHIÊN CỨU .................................................................19

3.1. CÁC BƢỚC TIẾN HÀNH XÂY DỰNG MÔ HÌNH 2D-QSAR ..................19
3.1.1. Cơ sở dữ liệu ..................................................................................................20
3.1.2. Tính toán thông số mô tả................................................................................23
3.1.3. Chia tỷ lệ thông số mô tả ...............................................................................24
3.1.4. Lựa chọn thông số mô tả ................................................................................25
3.1.5. Loại chất gây nhiễu ........................................................................................25
3.1.6. Xây dựng mô hình QSAR ..............................................................................26
3.1.7. Đánh giá mô hình QSAR ...............................................................................27
3.1.8. Dự đoán hoạt tính sinh học ............................................................................29
3.2. XÂY DỰNG MÔ HÌNH QSAR NHỊ PHÂN .................................................29
3.2.1. Các bƣớc tiến hành xây dựng mô hình QSAR nhị phân ................................29
3.2.2. Tiêu chí đánh giá mô hình..............................................................................31
3.3. XÂY DỰNG MÔ HÌNH DOCKING MÔ TẢ PHÂN TỬ .............................33
3.3.1. Chuẩn bị protein bằng công cụ LigX .............................................................33
3.3.2. Chuẩn bị ligand bằng Sybyl – X2.0 ...............................................................33
3.3.3. Chọn lựa thông số cho chƣơng trình mô tả phân tử docking LeadIT ............35
3.3.4. Re-docking (docking lặp lại) .........................................................................36
3.3.5. Đánh giá kết quả ............................................................................................36
3.4. MÔ HÌNH PHARMACOPHORE ..................................................................37
3.4.1. Các bƣớc xây dựng mô hình Pharmacophore ................................................37
3.4.2. Cơ sở dữ liệu ..................................................................................................38
3.4.3. Tạo cấu dạng các hợp chất .............................................................................38
3.4.4. Xây dựng mô hình Pharmacophore ...............................................................39
3.4.5. Đánh giá mô hình Pharmacophore .................................................................39
3.4.6. Ứng dụng mô hình Pharmacophore ...............................................................39
4.

KẾT QUẢ VÀ BÀN LUẬN ..........................................................................40

4.1. MÔ HÌNH 2D-QSAR DỰ ĐOÁN HOẠT TÍNH ỨC CHẾ ENZYM
β-SECRETASE .........................................................................................................40
4.1.1. Mô hình 2D-QSAR dự đoán hoạt tính ức chế enzym β-secretase trên toàn bộ
tập dữ liệu ..................................................................................................................40

ii


4.1.2. Xây dựng và đánh giá mô hình QSAR trung gian từ tập xây dựng ...............41
4.1.3. Xây dựng và đánh giá mô hình QSAR hoàn chỉnh từ toàn tập dữ liệu .........44
4.1.4. Bàn luận về mô hình ......................................................................................45
4.2.

MÔ HÌNH QSAR NHỊ PHÂN TRÊN CÁC CHẤT ỨC CHẾ β-SECRETASE
........................................................................................................................46

4.3. MÔ HÌNH DOCKING MÔ TẢ PHÂN TỬ ...................................................50
4.3.3. Kết quả redock ...............................................................................................50
4.3.4. Kết quả docking của nhóm cấu trúc peptidomimetic ....................................50
4.3.5. Kết quả docking của nhóm cấu trúc non-peptid ............................................54
4.4. MÔ HÌNH 3D PHARMACOPHORE ............................................................57
4.4.3. Các mô hình Pharmacophore xây dựng đƣợc ................................................57
4.4.4. Lựa chọn mô hình Pharmacophore ................................................................62
4.5.

ỨNG DỤNG MÔ HÌNH SÀNG LỌC ẢO .....................................................63

5.

KẾT LUẬN VÀ ĐỀ NGHỊ............................................................................65

TÀI LIỆU THAM KHẢO.........................................................................................67

iii


Khóa luận tốt nghiệp Dƣợc sĩ Đại học – Năm học 2015-2016
XÂY DỰNG MÔ HÌNH PHÂN LOẠI VÀ DỰ ĐOÁN HOẠT TÍNH ỨC CHẾ
β-SECRETASE
Phạm Phan Thông
Thầy hƣớng dẫn: PGS. TS. Thái Khắc Minh
Đặt vấn đề
β-secretase là một enzyme thuộc nhóm aspartyl protease, là một trong hai enzyme tham gia
vào quá trình sinh tổng hợp β-Amyloid. β-secretase là BACE (β-site of Amyloid precursor
protein Cleaving Enzyme) hay Memapsin2. BACE gồm 2 loại: BACE1 và BACE2 nhƣng
tập trung với nồng độ cao trong tế bào thần kinh phần lớn là BACE1 nhƣ trong trong hồi
hải mã, tiểu não và vùng thùy trán của não bộ. Vì vậy ức chế β-secretase là một trong
những giải pháp cho bệnh Alzheimer. Trong đề tài này, các mô hình 2D-QSAR, QSAR nhị
phân, docking và 3D-Pharmacophore đƣợc thực hiện nhằm tìm ra các đặc trƣng cấu trúc
cần thiết cho một chất ức chế β-secretase cũng nhƣ giúp dự đoán khả năng ức chế
β-secretase của các thuốc có mặt trên thị trƣờng.
Đối tƣợng và phƣơng pháp nghiên cứu
Mô hình 2D-QSAR đƣợc xây dựng dựa trên thuật toán bình phƣơng tối thiểu toàn phần
PLS (MOE) trên tập cơ sở dữ liệu gồm 315 chất có giá trị IC50. Trên cùng tập cơ sở dữ liệu
gồm 315 chất, mô hình QSAR nhị phân đƣợc tiến hành bằng phƣơng pháp Binary (MOE).
Protein đƣợc chuẩn bị bằng công cụ LigX và ligand đƣợc tối thiểu hóa năng lƣợng bằng
Sybyl X2.0. Công cụ FlexX tích hợp trong LeadIT đƣợc sử dụng để thực hiện docking. Kết
quả đƣợc phân tích dựa trên sự kết hợp giữa điểm số docking và mô hình tƣơng tác Ligand
interactions của MOE. 13 chất có hoạt tính mạnh đại diện cho các cấu trúc khác nhau đƣợc
chọn làm cơ sở dữ liệu xây dựng mô hình Pharmacophore. Tập đánh giá gồm 302 chất

đƣợc sử dụng để kiểm tra độ tin cậy của mô hình.
Kết quả và bàn luận
Mô hình 2D-QSAR bao gồm 12 thông số mô tả với độ sai lệch trung bình giữa giá trị thực
nghiệm và giá trị dự đoán RMSE = 0,57 và mức độ tƣơng quan R2 = 0,67. Kết quả mô hình
QSAR nhị phân cả 3 ngƣỡng hoạt tính có độ đúng trên 0,8 chứng tỏ độ chính xác cao của
mô hình. Kết quả mô hình docking của các chất trên khoang gắn kết và các nghiên cứu cho
thấy các acid amin Asp32, Thr72, Gln73, Tyr198, Asp228, Thr232, Asn233, Arg235 và
Arg307 là những acid amin quan trọng trong khoang gắn kết. Phân tích tƣơng tác cho thấy
vai trò quan trọng của liên kết hydro và ion đặc biệt là khả năng tạo liên kết hydro và ion
của nitơ đối với Asp228. Hai mô hình Pharmacophore đƣợc đề xuất bao gồm mô hình A’1
và mô hình B’1 gồm 2 điểm kỵ nƣớc, 2 vị trí nhận hydro và 1 vị trí cho hydro với khả năng
dự đoán lần lƣợt là 59,60% và 80,13%.
Kết luận
Kết quả mô hình 2D-QSAR tƣơng đối tốt với mức sai lệch của giá trị dự đoán so với các
giá trị thực nghiệm là khoảng 0,73 µM. Kết quả của mô hình QSAR nhị phân trên các chất
có hoạt tính cả 3 ngƣỡng hoạt tính đều cao có thể dự đoán tốt trên các chất có hoạt tính

ức chế β-secretase. Kết quả mô hình docking cho thấy vị trí các acid amin quan
trọng, vai trò của các liên kết hydro, ion, kỵ nƣớc và Van der Waals của tƣơng tác
ligand với protein. Bên cạnh đó, hai mô hình Pharmacophore xây dựng đƣợc có khả
năng dự đoán tốt các chất ức chế β-secretase tiềm năng, góp phần làm giảm công
sức và thời gian nghiên cứu, đồng thời mang loại lợi ích kinh tế trong quá trình
khám phá thuốc mới.

iv


Final Essay for the Degree of B.S. Pharm. – Academic year 2015- 2016
Classification and prediction models for potential β-secretase inhibitors
Phan-Thong Pham

Supervisors: Assoc. Prof. Khac-Minh Thai
Introduction
Beta-secretase is an enzyme belonging to the aspartyl protease group, it is one of the two
main enzymes responsible for the synthesis of beta-amyloid. Beta-secretase is a BACE
(beta-site of amyloid precursor protein cleaving enzyme) or Memapsin2. BACE consists of
2 types: BACE1 and BACE2, but only BACE1 is at a high concentration in neurons.
Therefore, inhibiting beta-secretase is one of the possible solutions for Alzheimer. In this
study, the 2D-QSAR, binary QSAR, docking, and 3D-pharmacophore models were
generated to figure out the structure(s) of a potential beta-secretase inhibitor, and to predict
the inhibitory effect against beta-secretase, if there were any, of several drugs available in
the market.
Materials and methods
The 2D-QSAR model was built based on the PLS (MOE) method with the database
comprised of 315 compounds along with their IC50 values. On the same database, the
binary QSAR model was built based on the Binary (MOE) method. The proteins were
prepared with the LigX application in the MOE 2008.10 software, and the ligands were
energy-minimized in the Sybyl-X 2.0 software. The FlexX application in the LeadIT 2.0.2
software was used to conduct the docking process. The results were analyzed based on
both the docking scores obtained and the interaction models (ligand interactions) in MOE.
13 compounds with strong predicted inhibitory effects representing different chemical
structures were selected as the database for the design of the pharmacophore models. The
testing set of 302 compounds was used to validate the predictive capacity of the models.
Results and discussion
The 2D-QSAR model consisted of 12 descriptive parameters with an RMSE mean value of
0.57 and R2 = 0.67. The binary QSAR model indicated that all 3 activity thresholds
resulted in an accuracy value above 0.8, inferring that the model’s precision was at a high
level. The docking results suggested that the amino acids Asp32, Thr72, Gln73, Tyr198,
Asp228, Thr232, Asn233, Arg235 and Arg307 were important amino acids in the binding
pocket. The hydrogen bonds and the ionic bonds existing between the ligands and the
receptors were crucial for the ligand-enzyme interactions, especially those involving the

amino acid Asp228. The two generated pharmacophore models including the A’1 and the
B’1 consisted of 2 hydrophobic centers, 2 hydrogen bond receptors and 1 hydrogen bond
donor with the respective predictive capacity being 59.60% and 80.13%.
Conclusion
The generated 2D-QSAR model exhibited high quality with the disparity between the
predicted value and the experiment value being 0.73 mcM. The binary QSAR model also
predicted the potential beta-secretase inhibitors with a high accuracy. The docking model
indicated the important amino acids and different bonds (hydrogen bonds, ionic bonds,
hydrophobic bonds, van der waals interactions) that involved. Besides, 2 generated
pharmacophore models were capable of predicting compounds with a potential inhibitory
effect against beta-secretase, greatly reducing research time and labor work, leading to an
economic advantage during the process of discovering new drugs in the future.

v


DANH MỤC TỪ VIẾT TẮT
Aβ

β-Amyloid (protein beta-amyloid)

AD

Alzheimer disease (bệnh Alzheimer)

APP

Amyloid Precursor Protein (protein tiền chất Amyloid)

BACE

β-site of Amyloid precursor protein Cleaving Enzyme (enzyme cắt

protein tiền chất Amyloid tại vị trí beta)
BQSAR

Binary QSAR (mô hình QSAR nhị phân)

CCC

Concordance Correlation Coefficient (hệ số thống nhất tƣơng quan)

FP

False Positive (số lƣợng chất có hoạt tính dự đoán sai)

FN

False Negative (số lƣợng chất không có hoạt tính dự đoán sai)

IC50

50% Inhibitory Concentration (nồng độ tối thiểu ức chế 50%)

L-20%-O

Leave - 20% - Out (bỏ - 20% - ra)

LOO

Leave One Out (bỏ một ra)

MCC

Matthews Correlation Coefficient (hệ số tƣơng quan Mathew)

PCA

Principal Components Analysis (phân tích thành phần chính)

PDB

Protein Data Bank (ngân hàng protein)

PLS

Partial Least Squares (bình phƣơng tối thiêu từng phần)

QSAR

Quantitative Structure-Activity Relationship (mối quan hệ định lƣợng

giữa cấu trúc và hoạt tính sinh học)
RMSE

Root Mean Square Error (sai số bình phƣơng trung bình)

TP

True Positive (số lƣợng chất có hoạt tính đƣợc dự đoán đúng)

TN

True Negative (số lƣợng chất không có hoạt tính đƣợc dự đoán đúng)

vi


DANH MỤC BẢNG
Bảng 3.1. Cấu trúc của chất đại diện cho các nhóm chất trong tập hợp 315 chất của
cơ sở dữ liệu ..............................................................................................................20
Bảng 3.2. Các nhóm thông số mô tả phân tử 2D tính bằng MOE ............................24
Bảng 4.1. Mô hình QSAR trung gian từ tập xây dựng và các thông số của mô hình ..
.........................................................................................................................42
Bảng 4.2. Các giá trị đánh giá nội trên tập xây dựng của mô hình QSAR trung gian .
.........................................................................................................................43
Bảng 4.3. Các giá trị đánh giá trên tập ngoại của mô hình QSAR trung gian .........43
Bảng 4.4. Mô hình QSAR hoàn chỉnh từ toàn tập dữ liệu và các giá trị đánh giá ...44
Bảng 4.5. Kết quả các mô hình QSAR nhị phân trên các chất ức chế β-secretase ..46
Bảng 4.6. Kết quả xây dựng mô hình Pharmacophore A1 .......................................58
Bảng 4.7. Kết quả đánh giá mô hình Pharmacophore A1 ........................................58
Bảng 4.8. Kết quả xây dựng và đánh giá mô hình Pharmacophore nhóm B............60
Bảng 4.9. Kết quả và so sánh khả năng dự đoán giữa các mô hình .........................62

vii


DANH MỤC HÌNH
Hình 2.1. Trình tự của BACE1 ...................................................................................3
Hình 2.2. Cấu trúc vùng flap và vòng 10s ..................................................................4

Hình 2.3. Cơ chế hoạt động của BACE1....................................................................5
Hình 2.4. Quá trình phân cắt APP bởi α-secretase hoặc β-secretase và γ-secretase ..6
Hình 2.5. Nhóm chất ức chế peptidomimetic .............................................................8
Hình 2.6. Nhóm chất ức chế non-peptide ...................................................................9
Hình 2.7. Cơ chế phƣơng pháp xác định hoạt tính ức chế BACE1..........................10
Hình 2.8. Cấu trúc của OM99-02 .............................................................................10
Hình 2.9. Giao diện của phần mềm FlexX ...............................................................13
Hình 2.10. Thuật toán xây dựng docking lớn dần ....................................................14
Hình 2.11. Quá trình docking thực hiện bởi FlexX ..................................................15
Hình 2.12. Phƣơng pháp xây dựng mô hình 3D-Pharmacophore ............................17
Hình 3.1. Các bƣớc xây dƣng mô hình 2D-QSAR...................................................19
Hình 3.2. Loại nhiễu bằng PCA ...............................................................................26
Hình 3.3. Các bƣớc xây dựng mô hình QSAR nhị phân ..........................................31
Hình 3.4. Năng lƣợng tối thiểu cục bộ và năng lƣợng tối thiểu toàn phần ..............35
Hình 3.5. Sơ đồ quá trình xây dựng mô hình Pharmacophore .................................37
Hình 4.1. Sự phân bố hoạt tính IC50 của các chất ức chế β-secretase theo số lƣợng ...
.........................................................................................................................41

viii


Hình 4.2. Đồ thị tƣơng quan giữa giá trị pIC50 thực nghiệm và pIC50 dự đoán từ mô
hình QSAR hoàn chỉnh của toàn tập dữ liệu .............................................................45
Hình 4.3. Biểu đồ thống kê điểm số docking của nhóm cấu trúc peptidomimetic ..51
Hình 4.4. Liên kết hydro và ion giữa nhóm NH với Asp228; giữa nhóm SO2 và
Arg307.......................................................................................................................52
Hình 4.5. Mô hình tƣơng tác của BMC-2009-19-3669-11 với acid amin trong
khoang gắn kết ..........................................................................................................52
Hình 4.6. Mô hình tƣơng tác của BMC-2013-23-4674-50 với acid amin trong
khoang gắn kết ..........................................................................................................53

Hình 4.7. Mô hình tƣơng tác của EODD-2013-8-709-39a với acid amin trong
khoang gắn kết ..........................................................................................................54
Hình 4.8. Biểu đồ thống kê điểm số docking của nhóm cấu trúc non-peptid ..........54
Hình 4.9. Mô hình tƣơng tác của BMC-2014-24-2033-18 với acid amin trong
khoang gắn kết ..........................................................................................................55
Hình 4.10. Mô hình tƣơng tác của BMC-2014-24-2033-19 với acid amin trong
khoang gắn kết ..........................................................................................................56
Hình 4.11. Mô hình tƣơng tác của BMC-2013-23-4239-13 với acid amin trong
khoang gắn kết ..........................................................................................................56
Hình 4.12. Mô hình Pharmacophore A1 ..................................................................57
Hình 4.13. Các mô hình Pharmacophore nhóm B....................................................59
Hình 4.14. Các mô hình Pharmacophore .................................................................61
Hình 4.15. Sơ đồ quy trình sàng lọc các thuốc từ ngân hàng Drugbank của mô hình
Pharmacophore A’1 ..................................................................................................63
Hình 4.16. Sơ đồ quy trình sàng lọc các thuốc từ ngân hàng Drugbank của mô hình
Pharmacophore B’4 ...................................................................................................64
ix


LỜI CẢM ƠN
Đầu tiên em xin gửi lời biết ơn sâu sắc đến thầy PGS.TS. Thái Khắc Minh, cô Ths.
Nguyễn Thị Thu Hà đã dành thời gian quý báu để hƣớng dẫn, góp ý, chỉ bảo và
truyền đạt kiến thức cũng nhƣ kinh nghiệm một cách tận tình trong thời gian nghiên
cứu và hoàn thành khoá luận. Bên cạnh đó còn giúp em sửa lỗi và hoàn thiện hơn
phần trình bày khóa luận.
Em xin cảm ơn chân thành đến cô TS.Nguyễn Thụy Việt Phƣơng đã dành thời gian
xem xét và góp ýcho khóa luận của em đƣợc hoàn thiện hơn.
Em xin gửi lời cảm ơn đến các thầy cô ở bộ môn Hoá Dƣợc: Thầy PGS.TS. Lê
Minh Trí, Thầy PGS.TS. Trƣơng Phƣơng, Cô PGS.TS. Huỳnh Thị Ngọc Phƣơng,
Thầy PGS.TS. Trần Thành Đạo, Thầy TS. Trần Ngọc Châu, Chị Đặng Thị Hồng

Chi, Chị Lê Thị Hồng Điệp, Chị Ngô Thị Kiều Khƣơng, Cô Võ Thị Ngọc Thảo
luôn quan tâm và tạo cho chúng em một môi trƣờng học tập và nghiên cứu vui vẻ,
hoà đồng, giàu tình cảm.
Cảm ơn “Super lầy Team” đã hỗ trợ và cùng nhau tạo một môi trƣờng làm việc vui
vẻ.Cảm ơn các bạn khác cùng nghiên cứu tại bộ môn Hoá Dƣợc đã tạo một môi
trƣờng học tập và nghiên cứu hoà đồng, thân thiện.
Em xin cảm ơn Chị Võ Thị Minh Nguyên, Anh Trình Đức Thụ đã hƣớng dẫn bƣớc
đầu cho em về mặt kỹ thuật và vận hành chƣơng trình cũng nhƣ động viên em trong
suốt quá trình làm khoá luận.

x


KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

1. ĐẶT VẤN ĐỀ
Theo báo cáo về bệnh Alzheimer toàn cầu năm 2015 (World Alzheimer Report
2015), ƣớc tính có 46,8 triệu ngƣời trên toàn thế giới đang sống chung với căn bệnh
sa sút trí tuệ. Con số này sẽ tăng gấp đôi sau mỗi 20 năm, cho nên ƣớc tính cho đến
năm 2030 là 74,7 triệu ngƣời và năm 2050 là 131,5 triệu ngƣời. Trong năm 2015,
ƣớc tính có khoảng 9,9 triệu ca mới về bệnh Alzheimer (AD) và các bệnh liên quan
đến hội chứng sa sút trí tuệ trên toàn thế giới (khoảng 3,2 giây có một ca mới).
Trong đó châu Á có 4,9 triệu ca (chiếm 49%); 2,5 triệu ca ở châu Âu (chiếm 25%);
1,7 triệu ca ở châu Mỹ (chiếm 18%); 0,8 triệu ca ở châu Phi (chiếm 8%). Chi phí
phải trả cho bệnh Alzheimer và các bệnh liên quan đến hội chứng sa sút trí tuệ tăng
từ 604 tỷ USD năm 2010 lên 818 tỷ USD năm 2015; tăng 35,4% và chiếm 1,09%
GDP toàn cầu[54]. Trƣớc tình hình phát triển nhanh của AD và các bệnh liên quan
đến hội chứng sa sút trí tuệ, vấn đề cấp thiết là phải tìm ra các phƣơng pháp trị liệu

mới có hiệu quả nhằm cải thiện tình trạng cho bệnh nhân.
Nhiều giả thuyết đƣợc đƣa ra về nguyên nhân bệnh AD nhƣ sự xuất hiện của mảng
β-amyloid (Aβ), đám rối thần kinh Tau, giả thuyết về vai trò của hệ cholinergic,
protein REST, các yếu tố liên quan đến di truyền thế nhƣng cơ chế bệnh sinh của
AD vẫn chƣa đƣợc hiểu rõ. Trong đó, sự xuất hiện của các mảng Aβ đƣợc quan tâm
nhiều trong những năm gần đây và enzym β-secretase là nguyên nhân chính gây nên
sự xuất hiện nhiều của các mảng Aβ. Vì vậy mục tiêu của đề tài là nghiên cứu ra
các hoạt chất có khả năng ức chế β-secretase.
Phát triển thuốc mới là một quá trình lâu dài và tốn kém. Bên cạnh việc xác định
chất khởi nguồn, tối ƣu hóa quá trình tổng hợp dẫn chất có hoạt tính, các thử
nghiệm in vitro và in vivo; các dẫn chất tiềm năng còn bƣớc vào giai đoạn thử
nghiệm lâm sàng kéo dài nhiều năm và tốn nhiều chi phí. Trong đó quá trình xác
định chất khởi nguồn là giai đoạn tốn nhiều thời gian, phức tạp nhất và dễ dẫn đến
thất bại. Vì vậy mô hình sàng lọc ảo ra đời nhằm khắc phục những nhƣợc điểm của
quá trình tìm ra chất khởi nguồn.

PHẠM PHAN THÔNG

1


KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

Đề tài “Xây dựng mô hình phân loại và dự đoán hoạt tính ức chế β-secretase” gồm
những mục tiêu sau:
- Xây dựng mô hình 2D-QSAR trên các chất ức chế β-secretase.
- Xây dựng mô hình QSAR nhị phân trên các chất ức chế β-secretase.
- Xây dựng mô hình mô tả phân tử docking trên các chất ức chế β-secretase.

- Xây dựng mô hình 3D-Pharmacophore trên các chất ức chế β-secretase.
-Ứng dụng mô hình sàng lọc ảo trên 1554 thuốc từ ngân hàng Drugbank.

PHẠM PHAN THÔNG

2


KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

2. TỔNG QUAN TÀI LIỆU
2.1. SƠ LƢỢC VỀ ENZYM β-SECRETASE
β-secretase là BACE (β-site of Amyloid precursor protein Cleaving Enzyme) hay
Memapsin2, là một enzym thuộc nhóm aspartyl protease. BACE gồm 2 loại:
BACE1 và BACE2 nhƣng tập trung trong não phần lớn là BACE1.
BACE1 đƣợc khám phá vào năm 1999 bởi vài nhóm nghiên cứu[24], [26], [37],
[41], [48]. BACE1 là enzym type 1 của aspartic protease liên kết màng thuộc nhóm
pepsin. Giống nhƣ những aspartic protease khác, BACE1 cũng chứa vùng hoạt động
kép (D-T/S-G-T/S) trong vùng protein màng.
Trình tự của BACE1 đƣợc mô tả nhƣ hình 2.1:

Hình 2.1. Trình tự của BACE1
Một cấu trúc hoàn chỉnh của BACE1 có một peptid với đầu tận cùng N (từ 1-23),
một vùng Pro-peptid (từ 24-48), vùng catalytic (từ 49-454), một vùng màng trải dài
(từ 455-478) và đuôi tế bào chất tận cùng C (từ 479-501). BACE1 có sáu cystein tạo
thành 3 liên kết disulfid và vùng liên kết N glycosyl hóa. Glycosyl hóa là một sự
biến đổi trong quá trình hậu dịch mã trong đó các glycan đƣợc gắn vào protease.
BACE1 cũng có hai vùng hoạt động trong khu vực protein ngoại bào của nó (acid

amin 93-96 và 289-292), là hai vùng cần thiết cho các hoạt động protease của
BACE1[24].
Vùng hoạt động nằm trong một cấu trúc có hình dạng kẹp tóc β từ acid amin 67-77
đƣợc gọi là flap[47]. Vùng flap mở trong quá trình tiếp nhận các cơ chất, đóng lại
trong quá trình xúc tác và mở ra lại trong quá trình giải phóng sản phẩm đã bị phân
cắt. Từ acid amin 9-14 tạo ra một vòng lặp ngắn giữa hai sợi β ở đáy khoang gắn
kết S3 đƣợc gọi là vòng 10s. Khi vòng 10s mở, nó làm cho liên kết giữa cơ chất và
khoang gắn kết S3 bền vững hơn[5].

PHẠM PHAN THÔNG

3


KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

Hình 2.2. Cấu trúc vùng flap và vòng 10s
BACE1 hiện diện ở khắp nơi trong cơ thể nhƣng tập trung với nồng độ cao nhất ở
tuyến tụy và các tế bào thần kinh[41]. Hoạt lực của BACE1 trong tuyến tụy thấp
mặc dù hàm lƣợng của nó cao bởi vì sự tạo thành của các phiên bản ghép nối khác
nhau tạo thành BACE1 với hoạt tính phân giải protein giảm[29]. Ngƣợc lại hoạt
tính của BACE1 cao hơn trong hồi hải mã, tiểu não và vùng thùy trán của não
bộ[29].

2.2. CƠ CHẾ HOẠT ĐỘNG CỦA β-SECRETASE
BACE1 hoạt động theo cơ chế acid-base để cắt các liên kết peptid trong quá trình
xúc tác của nó[39]. Cơ chế hoạt động gồm hai bƣớc:
Trong bƣớc đầu tiên, quá trình không proton hóa của Asp228 hoạt động nhƣ một

base và quá trình proton hóa của Asp32 hoạt động nhƣ một acid. Từ chất phản ứng
(I), Asp228 hút một proton từ phân tử nƣớc xúc tác (W1) và tạo ra một ion hydroxyl
(OH-). Các ion hydroxyl đƣợc sinh ra tạo thành một lực ái nhân tấn công vào
nguyên tử C của gốc carbonyl của các liên kết peptid đồng thời Asp32 cho proton
cho nguyên tử oxygen của gốc carbonyl của các liên kết peptid tạo thành gem-diol
tứ diện (II).

PHẠM PHAN THÔNG

4


KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

Trong bƣớc thứ hai, hai aspartat đổi ngƣợc chức năng cho nhau Asp32 đóng vai trò
nhƣ một base và Asp228 đóng vai trò nhƣ một acid. Asp228 cho proton của nó cho
nhóm NH của liên kết peptid và Asp32 hút một proton của một trong hai OH- của tứ
diện gem-diol. Quá trình này dẫn đến sự phân cắt các peptid tại các liên kết peptid
(III).

Hình 2.3. Cơ chế hoạt động của BACE1[2]

2.3. QUÁ TRÌNH SINH TỔNG HỢP β-AMYLOID
β-Amyloid đƣợc sinh ra sau khi phân cắt APP (Amyloid Precursor Protein) bởi hai
aspartic protease, β-secretase và γ-secretase[14]. β-secretase cắt APP tại vùng β-site
nên đƣợc gọi là "β-site APP cleaving enzyme 1" (BACE1). Tuy nhiên, β-secretase
tƣơng tranh với α-secretase trên bề mặt APP, và thông thƣờng sự phân cắt bởi
α-secretase thƣờng không tạo thành Aβ. Bên cạnh đó γ-secretase là một

multiprotein gồm presenilin, nicastrin, Aph1 và Pen2 và cắt APP tại vị trí γ[45].
Quá trình sinh tổng hợp Aβ bắt đầu khi BACE1 cắt APP tại vị trí Asp+1 của trình
tự Aβ, hình thành phần N tận cùng của peptid. Quá trình phân cắt này tạo thành hai
đoạn: một phân đoạn là vùng protein màng APPsβ đƣợc tiết ra và phân đoạn còn lại
dính vào đầu tận cùng là carboxyl (C99). Tiếp theo, C99 đƣợc cắt bởi γ-secretase
tạo nên các đầu tận cùng C của protein Aβ và vùng nội bào của APP (AICD). Sự
phân cắt này không thật sự đặc trƣng bởi vì hầu hết các peptid Aβ đƣợc tạo bởi hoạt

PHẠM PHAN THÔNG

5


KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

động của γ-secretase thƣờng kết thúc ở amino acid 40 (Aβ40), trong khi một số
khác lại kết thúc tại vùng amino acid 42 (Aβ42). Và việc dƣ thừa peptid cuối có liên
quan đến bệnh AD.

Hình 2.4. Quá trình phân cắt APP bởi α-secretase hoặc β-secretase và
γ-secretase[50]
Rõ ràng, γ-secretase là một protease thích hợp cho việc nghiên cứu và phát triển các
thuốc ức chế bệnh AD[14]. Một số nhóm chất đã đƣợc nghiên cứu và phát triển để
thử nghiệm lâm sàng trên con ngƣời. Tuy nhiên, γ-secretase có nhiều chức năng
sinh lý trong sự tăng trƣởng của tế bào và phá vỡ phân đoạn protein màng. Sau này,
enzym này đƣợc nghiên cứu không những đặc trƣng đối với APP mà còn với những
chất khác bao gồm các thụ thể xuyên màng và protein Notch tín hiệu. Việc làm
giảm hoạt động của protein Notch sẽ cản trở sự tăng sinh và sự phân biệt tế bào[43].

Vì vậy, nhiều chất ức chế γ-secretase thƣờng độc với bệnh nhân, đặc biệt là không
có cách nào khác để bù đắp lƣợng γ-secretase đã mất. Tuy nhiên một vài chất ức
chế γ-secretase đã thành công ở một mức độ nhất định. Điều này giải thích cho việc

PHẠM PHAN THÔNG

6


KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

chọn một protease quan trọng trong việc hình thành peptid Aβ thích hợp để phát
triển thuốc ức chế bệnh AD: β-secretase hoặc BACE1[17].

2.4. SƠ LƢỢC VỀ BỆNH ALZHEIMER
Bệnh AD là một quá trình rối loạn não bộ không thể hồi phục có đặc điểm là sự
khiếm khuyết về thần kinh và hành vi liên quan đến việc sản xuất các mảng bám và
đám rối, mất synap và viêm thần kinh. Hai yếu tố nguy cơ dẫn đến bệnh AD hay
gặp nhất là: tuổi tác và di truyền.
Bệnh AD đƣợc đặt tên theo tên của bác sỹ ngƣời Đức Alois Alzheimer. Căn bệnh
này đƣợc phát hiện lần đầu tiên ở một bệnh nhân nữ là bà Auguste D vào ngày 8
tháng 4 năm 1906 sau khi bà qua đời. Sau khi kiểm tra bộ não của bà Auguste D,
bác sỹ Alzheimer đã phát hiện ba đặc điểm bệnh lý lớn: mảng viêm thần kinh ngoại
bào, đám rối sợi thần kinh nội bào và mất synap thần kinh[1].
Sa sút trí tuệ là bệnh lý đặc trƣng của sự suy giảm khả năng suy đoán, ký ức và khả
năng nhận thức. Khi bệnh tiến triển, bệnh có thể ảnh hƣởng tiêu cực đến những
công việc hàng ngày nhƣ lái xe, làm công việc nhà và thậm chí những công việc cá
nhân nhƣ tắm rửa, mặc quần áo và ăn uống. Cho đến nay đã có hơn mƣời loại bệnh

sa sút trí tuệ đã đƣợc báo cáo: các bệnh sa sút trí tuệ do tai biến mạch máu não;
bệnh sa sút trí tuệ do nhiều nguyên nhân; bệnh sa sút trí tuệ thể DLB (Lewy Body
Disease); bệnh sa sút trí tuệ Parkinson (một số ngƣời mắc bệnh Parkinson sẽ dẫn
đến sa sút trí tuệ và cơ chế nhƣ bệnh sa sút trí tuệ thể DLB); bệnh sa sút trí tuệ tránthái dƣơng; bệnh sa sút trí tuệ CJD (Creutzfeldt-Jacob Dementia); bệnh sa sút trí tuệ
do tràn dịch não áp lực bình thƣờng; bệnh Huntington; hội chứng WernickeKorsakoff; bệnh suy giảm nhận thức thể nhẹ. Alzheimer thƣờng tiến triển theo sau
bệnh suy giảm nhận thức thể nhẹ[53].

2.5. SỰ

TƢƠNG

QUAN

GIỮA

β-SECRETASE

VÀ

BỆNH

ALZHEIMER
Các mảng Aβ đóng vai trò quan trọng trong AD. Nồng độ và quá trình lắng đọng
Aβ theo tuổi tác là nguyên nhân gây ra AD. Quá trình lắng đọng Aβ là do sản xuất
quá mức Aβ bởi sự đột biến APP hay sự tăng sinh quá mức APP trong cả AD và hội
PHẠM PHAN THÔNG

7

KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

chứng Down. Bên cạnh đó, BACE1 đóng vai trò quan trọng trong quá trình sinh
tổng hợp Aβ. Vì vậy nhiều khả năng nồng độ BACE1 cao có thể dẫn đến tăng quá
trình lắng đọng Aβ và gây ra AD.
Hoạt tính của BACE1 tăng theo độ tuổi ở não chuột, khỉ và ngƣời bình thƣờng đã
đƣợc báo cáo[13] và có một sự tƣơng quan thuận giữa hoạt tính của BACE1 và
nồng độ Aβ ở não chuột và ngƣời bình thƣờng. Hơn nữa, việc tăng đáng kể cả về
số lƣợng cũng nhƣ hoạt tính của BACE1 đã đƣợc nghiên cứu ở não ngƣời AD. Li
và cộng sự báo cáo đã quan sát đƣợc sự tƣơng quan giữa hoạt tính tăng cao của
BACE1 với quá trình sinh tổng hợp Aβ 1-x và Aβ1-42 ở thuỳ trán của não[25] cho
thấy rằng sự tăng cao BACE1 có thể dẫn đến tăng cƣờng sản xuất và lắng đọng Aβ.
Có nhiều thông số sinh hoá bất thƣờng trong AD và có khoảng 100 protein rối loạn
hay thay đổi bất thƣờng trong AD[12]. Vì vậy rất khó xác định chính xác nếu
nghiên cứu trên não ngƣời đã chết đặc biệt là trong giai đoạn sớm và trong giai đoạn
cuối của bệnh. Để giải quyết vấn đề này, thực hiện kiểm tra nồng độ BACE1 trong
hai mô hình chuyển gen của AD: mô hình chuột 5XFAD[33] với sự phát triển các
mảng Aβ ở độ tuổi trẻ và sự thiếu hụt những tế bào thần kinh quan trọng; mô hình
chuột Tg2576[23] với sự phát triển các mảng Aβ ở độ tuổi già và đầy đủ những tế
bào thần kinh quan trọng. Kết quả là nồng độ BACE1 tăng cao ở não trong mô hình
Tg. Vì vậy có thể kết luận sơ bộ nồng độ cao BACE1 liên quan đến bệnh lý amyloid
hơn là gây chết các tế bào thần kinh.

2.6. CÁC CHẤT ỨC CHẾ β-SECRETASE

Hình 2.5. Nhóm chất ức chế peptidomimetic

PHẠM PHAN THÔNG

8


KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

Hình 2.6. Nhóm chất ức chế non-peptide
Các chất ức chế β-secretase bao gồm hai nhóm chất lớn là peptidomimetic có cấu
trúc đƣợc mô tả trong hình 2.5 và các chất có cấu trúc non-peptide đƣợc mô tả nhƣ
hình 2.6. Các chất có cấu trúc hydroxyethylene và hydroxyethylamine của nhóm
peptidomimetic và nhóm non-peptide đƣợc nghiên cứu nhiều bởi cấu trúc không
cồng kềnh so với những chất có cấu trúc statine, norstatine, tert-hydroxyl. Vì vậy
các chất có cấu trúc hydroxyethylene, hydroxyethylamine và nhóm non-peptide sẽ
là đối tƣợng nghiên cứu của đề tài này.

2.7. PHƢƠNG

PHÁP

XÁC

ĐỊNH

HOẠT

TÍNH

ỨC

CHẾ

β-SECRETASE
Hoạt tính ức chế enzym BACE1 bằng phƣơng pháp truyền năng lƣợng cộng hƣởng
huỳnh quang (fluorescence resonance energy transfer) trong đó sử dụng BACE1 tái
tổ hợp từ baculovirus và chất nền Rh-EVNLDAEFK-Quencher trên APPswe đã đột
biến. Chất nền peptid này sẽ trở nên phát quang mạnh hơn sau phản ứng phân cắt
của enzym BACE1. Độ hấp thu trên máy đo hấp thu huỳnh quang tại bƣớc sóng
kích thích 545 nm và bƣớc sóng phát quang 585 nm.

PHẠM PHAN THÔNG

9


KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

Hình 2.7. Cơ chế phƣơng pháp xác định hoạt tính ức chế BACE1
Cơ chế của quá trình truyền năng lƣợng cộng hƣởng huỳnh quang: Chất nền bao
gồm một chất cho năng lƣợng huỳnh quang và một chất nhận năng lƣợng huỳnh
quanh. Huỳnh quang của chất nền giảm đáng kể vì truyền năng lƣợng cộng hƣởng
nội phân tử với nhóm dập tắt huỳnh quang. Sau khi phản ứng phân cắt của enzym,
năng lƣợng truyền qua bị phá vỡ và năng lƣợng của chất cho năng lƣợng đƣợc phục
hồi sẽ làm tăng mức năng lƣợng huỳnh quang so với ban đầu[49].

Hình 2.8. Cấu trúc của OM99-02
OM99-02 là một chất ức chế BACE1 có cấu trúc hydroxyethylene thƣờng đƣợc

dùng làm chất chuẩn để so sánh với các chất khác khi đo hoạt tính ức chế BACE1
bằng phƣơng pháp truyền năng lƣợng cộng hƣởng huỳnh quang có IC50 = 41,6 nM.

2.8. MỐI QUAN HỆ ĐỊNH LƢỢNG GIỮA CẤU TRÚC VÀ TÁC
DỤNG – QSAR
Mối quan hệ định lƣợng giữa cấu trúc và tác dụng (Quantative Structure – Activity
Relationship, QSAR) là một quá trình mang tính định lƣợng mối liên hệ giữa cấu
trúc, tính chất hóa học và hoạt tính sinh học của các hợp chất. Từ đó tìm ra những
quy luật tƣơng quan để đánh giá hoạt tính sinh học của những hợp chất mới.

PHẠM PHAN THÔNG

10


KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

Công việc của QSAR là xác định những tham số C0, C1, C2, …. Cn trong phƣơng
trình:
Hoạt tính sinh học (Biological activity) = C0 + C1*P1 + C2*P2 + … + Cn*Pn
Với sai số dự đoán là nhỏ nhất cho một tập dữ liệu có sẵn.
Phƣơng pháp đƣợc áp dụng để xác định các tham số trên là phƣơng pháp hồi quy
(hồi quy tuyến tính hay hồi quy phi tuyến), trong đó thuật toán bình phƣơng tối
thiểu từng phần (PLS), tính toán máy vector hỗ trợ (SVM) và mạng neuron nhân tạo
(ANN) thƣờng đƣợc áp dụng.
Khái niệm QSAR nhị phân (BINARY QSAR, BQSAR)
Phƣơng pháp QSAR nhị phân đƣợc sử dụng để đánh giá mức độ quan hệ giữa cấu
trúc và tác dụng nhằm hạn chế những sai lầm do đầu vào và đƣa ra mô hình với độ

chính xác cao. Trong binary QSAR, hoạt tính sinh học đƣợc thể hiện dƣới dạng “nhị
phân” (1: có tác động; 0: không có tác động) và có tƣơng quan với mô tả phân tử.
Phƣơng pháp này ƣớc lƣợng mật độ xác suất Pr (Y = 1│X=x), trong đó Y là một
biến nhị phân (Y = 1 có tác động; Y = 0 không có tác động) và X là một n-vector
chứa các giá trị mô tả (n) cho một phân tử trong tập dữ liệu. Một mô hình nhị phân
giả định rằng các kết quả thử nghiệm là một giá trị nhị phân (1 hoặc 0), đại diện cho
khả năng đạt/ không đạt hoặc khả năng hoạt động/ không hoạt động. Nghiên cứu
này sử dụng phần mềm MOE 2008.10 để ƣớc tính mật độ xác suất nêu trên bằng
cách áp dụng công thức Bayes:

(

| )

(

)

(

)

( )

2.9. MÔ HÌNH MÔ TẢ PHÂN TỬ DOCKING
2.9.1. Khái niệm Docking
Docking là phƣơng pháp thiết kế thuốc dựa vào cấu trúc mục tiêu tác động, nghiên
cứu khả năng gắn kết của một hay nhiều phân tử hợp chất (ligand) vào mô hình
điểm gắn kết (binding site, active site) của protein, enzym, DNA… trong không

PHẠM PHAN THÔNG

11


KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

gian ba chiều. Docking tìm các tƣơng tác giữa phân tử hợp chất và điểm tác động
theo ba hƣớng sau:
- Xem hợp chất và protein đều là những phân tử cứng (docking cứng).
- Xem hợp chất là những phân tử linh động (docking bán linh động).
- Xem cả hợp chất và protein đều linh động (docking linh động hoàn toàn), nhƣng
tính linh động chỉ giới hạn ở những chuỗi bên đặc trƣng nào đó của điểm gắn kết.
Phƣơng pháp đƣợc sử dụng phổ biến là docking bán linh động. Các phần mềm
docking nhƣ Gold, FlexX, Dock, AutoDock đƣợc sử dụng cho docking bán linh
động[20].

2.9.2. Docking bằng phần mềm FlexX
2.9.2.1. Giới thiệu chung
FlexX là một chƣơng trình dự đoán tƣơng tác giữa protein-ligand (hình 2.7). FlexX
dự đoán cấu trúc hình học của phức hợp protein-ligand cũng nhƣ ái lực gắn kết.
Protein đƣợc giữ cứng. Thuật toán docking trong FlexX hoạt động mà không có sự
can thiệp thủ công. FlexX hoạt động trên phức hợp protein-ligand và sàng lọc tập
hợp lớn các chất để tìm ra định hƣớng cho thiết kế thuốc. Tóm lại, FlexX rất hữu
dụng trong trƣờng hợp đã có cấu trúc 3D của protein và vị trí cụ thể của vùng hoạt
động, có tập hợp phân tử các chất và FlexX sẽ phân tích việc gắn kết (có hay không
và bằng cách nào) của mỗi chất với protein. FlexX hỗ trợ tốt cho phần mềm thiết kế
thuốc dựa vào cấu trúc với kết quả dự đoán đáng tin cậy, xây dựng cách thức gắn

kết của phân tử trong điểm gắn kết trên protein khá chính xác, có thể dock một phân
tử hợp chất với sai lệch nhỏ hơn 2 Å từ cấu trúc sinh học có sẵn; tốc độ nhanh, thích
hợp cho sàng lọc ảo đầu vào cao[51].

PHẠM PHAN THÔNG

12


KHOÁ LUẬN TỐT NGHIỆP DƢỢC SĨ ĐẠI HỌC

BỘ MÔN HOÁ DƢỢC

Hình 2.9. Giao diện của phần mềm FlexX

2.9.2.2. Nguyên tắc docking trong FlexX
Trong FlexX, cấu trúc của mục tiêu tác động (protein) đƣợc giữ cứng còn phân tử
chất gắn kết (ligand) đƣợc thiết kế linh động bằng cách tạo ra tập hợp nhiều cấu
dạng khác nhau. FlexX sử dụng thuật toán xây dựng lớn dần (Incremental
Construction Algorithm) nhƣ sau: chia ligand thành từng mảnh cứng, dock các
mảnh cứng vào túi gắn kết của protein, cuối cùng lắp ráp ligand lại từ các mảnh ở
những cấu dạng năng lƣợng thấp (Hình 2.10)[28].

PHẠM PHAN THÔNG

13