抗病毒药物小分子库推荐:RNA-Targeted Library

简介: 抗病毒药物小分子库推荐:RNA-Targeted Library

核苷(酸)类似物


核苷(酸)类似物(Nucleos(t)ide Analogue)是最大的一类抗病毒药物,也是最重要的抗病毒药物。治疗疱疹(HSV)的阿昔洛韦(Acyclovir),第一种治疗艾滋病(HIV)的药物齐多夫定(Zidovudine),治疗乙肝(HBV)的恩替卡韦(Entecavir)以及Gilead的明星丙肝药(HCV),史上最贵的药片索菲布韦(Sofosbuvir)都属于这一类药物。除了抗病毒,核苷(酸)类似物还可以用于治疗癌症。


image.png

image.png

核苷类抗病毒药物原理


核苷(酸)类似物针对的是病毒的聚合酶(Polymerase)。RNA病毒复制所需的RNA复制过程和逆转录病毒复制所需的逆转录过程在人体细胞中不会发生。因此病毒如果要复制,必须用自己的聚合酶,如RNA病毒的RNA复制酶(RdRp)和逆转录病毒的逆转录酶(RT)。而核苷(酸)类似物通过选择性的抑制病毒的聚合酶来阻止病毒的复制。


核苷酸(Nucleotide)是核酸,也就是DNA和RNA的基本组成单位,它由磷酸,五碳糖,碱基构成。其中,只含五碳糖和碱基的部分叫核苷(Nucleoside)。

image.png

腺嘌呤脱氧核苷酸的结构


核苷(酸)类似物就是一种结构修饰过的核苷(酸),这种修饰通常对五碳糖进行。比如齐多夫定就是胸腺嘧啶脱氧核苷的修饰,拉米夫定(Lamivudine)就是胞嘧啶脱氧核苷的修饰。下图是它们和对应的核苷的对比图,可以看出它们的结构其实是非常相似的,只是做了一点小小的修改。然而不要小看这小小的修改,背后可能是数十人的努力和数亿美元的研发成本。


image.png

当然,这种修饰不仅仅发生在五碳糖上,有时候碱基也是可以修饰的。比如恩曲它滨(Emtricitabine),它是一种胞嘧啶核苷类似物:

image.png

核苷(酸)类似物这种药物在药学上被归类为竞争性抑制剂(Competitive Inhibitor)。竞争性抑制剂的原理就是设计一种和底物(Substrate)结构相似的药物,让它“欺骗”病毒的酶,代替底物和酶结合,使酶不能和底物结合。然而,核苷(酸)类似物是一种特殊的竞争性抑制剂,它不仅能与病毒的聚合酶结合,还能作为反应物参与到反应当中。


无论是人体的DNA聚合酶,RNA聚合酶,还是病毒的RdRp和RT,它们核酸合成的原理都是一样的,都是沿着核酸的5’端到3‘端进行合成。作为原料的核苷酸,首先被三磷酸化(Triphosphorylation),变成三磷酸核苷(NTP),如图所示。除了ATP,其它的NTP都是细胞中的激酶(kinase)合成的。


image.png

三磷酸核苷与模板链发生配对,之后聚合酶水解掉两个磷酸,并利用释放出的能量连接磷酸和上一个核苷酸的羟基,使核酸链延长,如图所示:

image.png

核苷(酸)类似物要想发挥作用,首先也要被三磷酸化,因为三磷酸化合物不稳定,不能直接服用。三磷酸化的核苷(酸)类似物也能像三磷酸核苷那样,被病毒聚合酶添加到核酸链上。


然而,当病毒聚合酶试图加入下一个核苷酸时,问题出现了。像Zidovudine,Lamivudine由于在3‘碳原子的位置上缺乏羟基,下一个核苷酸无法添加到上面。这导致病毒聚合酶无法继续延长核酸链,于是反应中止。如图所示:

image.png

因此,一个核苷(酸)类似物要产生效果,需要满足三个条件:


能被细胞的酶三磷酸化(Triphosphorylation)


能作为反应物加入到新合成的核酸链上(Incorporation)


能阻止下一个核苷酸的加入(Chain Termination)


由于核苷(酸)类似物的这些特点,这使得它们相比一般的竞争性抑制剂有更强的效果。它能直接中止反应的进行,而不是减缓反应的速度。因此,核苷(酸)类似物是高效抗逆转录治疗(HAART)的主体。HAART就是由两种核苷(酸)类似物搭配另一种药物组成的。


RNA靶向分子库

药物筛选已知的靶向RNA的小分子化合物库是个不错的起点,这里推荐chem-space网站的RNA-Targeted Library,包含4500个靶向RNA的小分子。

image.png



目录
相关文章
|
3月前
|
存储 数据可视化 Java
单细胞|Signac 进行 Motif 分析
单细胞|Signac 进行 Motif 分析
82 2
|
3月前
|
存储 算法 数据可视化
单细胞分析 | Cicero+Signac 寻找顺式共可及网络
单细胞分析 | Cicero+Signac 寻找顺式共可及网络
41 0
|
8月前
|
存储 数据可视化 数据挖掘
单细胞分析(Signac): PBMC scATAC-seq 基因组区域可视化
单细胞分析(Signac): PBMC scATAC-seq 基因组区域可视化
58 0
|
8月前
|
数据可视化 数据挖掘 Serverless
单细胞分析(Signac): PBMC scATAC-seq 聚类
单细胞分析(Signac): PBMC scATAC-seq 聚类
78 0
|
8月前
|
机器学习/深度学习 SQL 数据可视化
单细胞分析(Signac): PBMC scATAC-seq 整合
单细胞分析(Signac): PBMC scATAC-seq 整合
92 0
|
8月前
|
存储 Shell 索引
单细胞分析(Signac): PBMC scATAC-seq 质控
单细胞分析(Signac): PBMC scATAC-seq 质控
77 0
|
8月前
单细胞分析|在 Seurat 中使用 sctransform
单细胞分析|在 Seurat 中使用 sctransform
95 0
|
8月前
|
数据采集
R语言处理RNA等位基因不平衡(二)
该文档介绍了通过RNA测序数据检测和量化等位基因不平衡的R语言分析流程。首先,RNA测序技术用于研究基因表达的细微变化,包括等位基因特异性表达。接着,通过加载和预处理CSV文件中的计数数据,去除映射错误较多的位点,然后利用二项贝塔分布和优化统计模型(如L-BFGS-B方法)估计等位基因不平衡和分散参数。接下来,为每个基因整合位点信息,通过似然函数最小化计算等位基因不平衡程度,并进行似然比测试以确定显著性。最后,对P值进行FDR校正并输出结果到CSV文件。整个过程涉及数据过滤、建模和统计分析。
60 0
|
机器学习/深度学习 数据采集 存储
Nat. Mach. Intell. | 基于神经网络的迁移学习用于单细胞RNA-seq分析中的聚类和细胞类型分类...
Nat. Mach. Intell. | 基于神经网络的迁移学习用于单细胞RNA-seq分析中的聚类和细胞类型分类...
221 0
Nat. Mach. Intell. | 基于神经网络的迁移学习用于单细胞RNA-seq分析中的聚类和细胞类型分类...
|
算法 数据可视化
跟NBT学Scissor| bulk RNA + scRNA鉴定与目标表型相关的细胞亚群
跟NBT学Scissor| bulk RNA + scRNA鉴定与目标表型相关的细胞亚群
381 0