联用多步骤虚拟筛选方法发现具有新母核的GABA_A受体正性变构调节剂

摘要

GABA_A受体主要介导哺乳动物中枢神经系统的抑制性信号传递，是镇静催眠药的关键靶点。在寻找具有新母核的镇静催眠药的过程中，计算机辅助药物设计（CADD）方法显示出巨大的优势。在这项研究中，首先，我们通过机器学习模型、分子对接模型和分子力学广义玻恩比表面积（MMGBSA）方法筛选了来自于商业数据库中的41112种化合物。经过筛选，我们得到了16个化合物，然后我们通过全细胞膜片钳电生理学实验验证了4个结构新颖的化合物确实为有效的GABA_A受体正性变构调节剂。其中，化合物GPR120在细胞水平和动物水平都得到了实验验证。在重组表达α1β2γ2型受体的皮层神经元中，在10和50μmol·L^-1浓度下，GPR120可将GABA EC3-10电流分别增强71.5%和163.8%。通过全分解贡献分析和点突变实验，我们发现GPR120与GABA_A受体结合的关键位点是H102，与阳性药物地西泮相似。为了进一步验证GPR120在动物水平上的功能，我们进行了运动活动测试和翻正反射消失（LORR）实验。GPR120对小鼠的运动活动有抑制作用，6 h后可恢复，说明GPR120是一种中度镇静剂。在戊巴比妥钠（PB）诱导的翻正反射消失实验中，与生理盐水组相比，GPR120 (20 mg·kg^-1)可显著缩短开始LORR的时间并延长LORR的持续时间。综上所述，通过联用多种虚拟筛选方法，我们发现了GPR120是一种具有新型母核的中度强度镇静剂。

关键词

机器学习 / 离子通道 / 分子对接 / 虚拟筛选 / GABA_A受体