Wilforine可增强MDR癌细胞对化疗药物的敏感性

一两二三四_

摘要：多重耐药(MDR)是目前癌症治疗的主要障碍，p-糖蛋白(P-gp)的过度表达是导致化疗耐药性的最常见原因之一。从天然产物中开发新的P-gp抑制剂是对抗MDR癌症的一种有前景的策略。在天然倍半萜化合物中，倍半萜吡啶类生物碱表现出多种生物特性。因此，在本研究中，我们评估了wilforine对P-gp表达和功能的调节作用。进一步研究了wilforine介导的P-gp抑制的分子机制和动力学模型。

分子对接(Molecular docking)是基于结构药物设计的核心模拟手段，依据受体与配体作用时的几何匹配和能量匹配过程，模拟受体-配体相互作用，预测两者间最佳的结合模式和结合亲和力。采用分子对接模拟技术，科研人员可以进行基于结构的药物虚拟筛选，药物分子的结构改造，配体和受体相互作用的机理研究等工作，从而大大提高实验效率。在Discovery Studio这一分子模拟的综合平台中，分子对接程序包含Libdock、CDOCKER、Flexible Docking，这三种对接算法各有优势，能够满足广大科研工作者的多种应用需求，为其提供配体受体间相互识别的“利器”。

Wilforine可增强MDR癌细胞对化疗药物的敏感性

Ref：Phytomedicine. Accepted 30 April 2020, IF=4.268

链接：https://doi.org/10.1016/j.phymed.2020.153239

一、研究背景

多重耐药(MDR)是目前癌症治疗的主要障碍，广泛研究了MDR的多种细胞机制，例如调节细胞凋亡的转录信号通路，恢复DNA修复能力，改变肿瘤微环境诱导获得性耐药各种疗法，以及并减少药物的细胞内积累增加磷酸腺苷的流出活动盒(ABC)转运蛋白。在人类ABC转运蛋白超家族中，p-糖蛋白(P-gp, ABCB1)、多重耐药相关蛋白1 (MRP1, ABCC1)和乳腺癌耐药蛋白(BCRP, ABCG2)是最常见的耐药原因。P-gp的分子活性必须由ATP水解的能量引发。P-gp广泛分布于全身，可保护细胞免受异种生物和有毒物质的侵害。然而，已在多种类型的MDR癌症中发现P-gp的过度表达，许多抗癌药物(例如紫杉烷、长春花生物碱和蒽环类药物)是P-gp的底物。因此，联合使用低毒性P-gp抑制剂是治疗MDR癌症的一个有前景的方法。

雷公藤是一种木本藤本植物，它含有许多具有重要生物活性的天然成分，其中倍半萜吡啶类生物碱如wilforine、wilfordine、wilforgine是主要的生物活性成分，但是并没有对他们的机制做过多的阐明。另外，尚未研究人癌细胞中的MDR逆转能力。在本研究中，我们评估了wilforine对P-gp表达和功能的调节作用。进一步研究了由wilforine介导的P-gp抑制的分子机制和动力学模型。此外，在MDR癌细胞系中评估了wilforine的MDR逆转能力，证明了将wilforine与现有的化学治疗药物联合使用可被认为是抗MDR癌症的潜在治疗方法。

二、研究过程

在这项研究中，作者做了一系列生物实验验证了Wilforine是P-gp底物，竞争性结合导致了P-gp构象的变化。Wilforine对P-gp外排功能表现出显著的抑制作用，并且以剂量依赖的方式刺激P-gp ATP酶活性，但在实验的过程中发现Wilforine并不影响verapamil对P-gp ATP酶的活性。由于P-gp的结构包含两个疏水性跨膜结构域(TMD)和两个亲水性核苷酸结合结构域(NBD)，作者猜测Wilforine和verapamil与P-gp的结合位点不同。为了验证这一假设，作者采用BIOVIA Discovery Studio程序中的CDOCKER进行了分子对接。结果显示wilforine可与P-gp中的LYS177、LYS185、GLU180和LYS883形成相互作用，而维拉帕米与P-gp中的ARG258、SER1073、GLN1077、VAL1076和ILE1111形成相互作用。并且Wilforine和verapamil与P-gp的结合能力很强，结合能分别为98.66 Kcal/mol和54.89 Kcal/mol。总之，Wilforine可能通过与TMD结合而影响P-gp的外排功能。

三 结论

在这项研究中，研究表明Wilforine通过竞争性抑制P-gp外排功能，并以剂量依赖性方式刺激基础P-gp ATP酶活性。由于它使MDR癌细胞对化疗药物重新敏感，因此在MDR癌症中，Wilforine可能是化学疗法的潜在辅助疗法。

图1 wilforine和verapamil与P-glycoprotein的相互作用图

MaXFlow分子模拟与人工智能平台以“数据自由，模型自由”为理念，在结构模型与预测模型进行融合的基础上，实现模拟与AI需求的合并，为研发赋能。