中文摘要：

雌激素受体属于核受体家族，与癌症、代谢疾病等密切相关，是非常重要的药物作用靶标。该受体具有α和β两种亚型，二者在人体内的分布和生理功能各不相同，因而开发选择性配体研究具有重要的意义。但二者配体结合区域的结构高度相似，使得选择性配体的发现非常困难。计算机辅助药物设计技术在药物发现过程中的重要作用已被实践所证明，尤其是对相似靶标的选择性药物设计更具优势。针对雌激素受体，我们已采用分子动力学模拟方法研究了配体对两个亚型受体的选择性作用机理，并采用虚拟筛选与实验筛选相结合手段发现了多个活性化合物，包括2个选择性配体。本课题拟在前期研究的基础上，进一步采用计算机辅助手段对发现的2个选择性配体进行结构优化设计、然后进行化学合成和生物活性测试，以获得活性和选择性更好的衍生物，并进行构效关系研究，以阐明化合物的选择性作用机理。对发现的高选择性活性化合物还将在细胞水平测试其抗乳腺癌细胞增殖活性。

结论摘要：

雌激素受体（ER）是一类重要的疾病靶标，与乳腺癌、前列腺癌、骨质疏松症、阿尔茨海默症等密切相关。雌激素受体有两种亚型（ERα和ERβ），分别含有595和530个氨基酸残基，两者高度同源，尤其是配体结合口袋只有两个残基不同。但是二者在人体组织分布和生理功能上都有较大的差异性，因此研究发现选择性ER配体具有重要的意义。我们课题组多年来一直致力于选择性雌激素受体配体的发现和设计研究。在前期研究中，我们采用基于结构虚拟筛选方法，从商用化合物库SPECS中获得了20个对ERβ具有较好生物活性和选择性的化合物（其中两个化合物暂未公开，其余18个化合物于2010年7月发表于著名期刊Journal of Medicinal Chemistry，53(14): 5361-5365）。本项目即在前期研究的基础上，一方面针对两个暂未公开的活性化合物，采用相似性搜索等虚拟筛选技术，从商用化合物库SPECS中进一步获得了21个高活性化合物；另一方面建立两类受体选择性配体的药效团模型，然后采用药效团搜索等技术从商用化合物库Maybridge和Enamine中获得了高活性化合物20个；在对上述活性化合物进行构效关系分析的基础上，设计了一系列类似物结构进行化学合成和生物测试，已发现3个活性类似物。与此同时，我们开发了药物-靶标相互作用预测方法及化合物ADMET性质预测方法。为了验证方法的可靠性，我们针对雌激素受体发现了4个具有良好ER活性的老药，包括酮康唑和伊曲康唑。在此基础上我们也对酮康唑进行了结构优化设计和化学合成、生物测试研究。对部分活性化合物，我们还进一步在细胞水平测试了其抑制乳腺癌细胞增殖活性，并探究了活性分子抑制癌细胞增殖的分子机制。本项目累计已发现高活性化合物48个，其中具有较好抑制乳腺癌细胞增殖活性的化合物17个，另有170个样品正在生物活性测试中；已发表标注有基金批准号的SCI收录论文17篇，申请并公开专利1项，已毕业研究生7名（其中博士生2名）。本项目已圆满完成预定目标，所获得的研究成果对新型选择性雌激素受体配体的发现及抗乳腺癌药物设具有重要的价值。