methyl 6-(phenoxymethyl)pyridine-2-carboxylate | 1219112-95-4

• 分子结构分类: 有机化合物 - 有机杂环化合物 - 吡啶及其衍生物
• 英文名称: methyl 6-(phenoxymethyl)pyridine-2-carboxylate
• 英文别名: Methyl 6-(phenoxymethyl)picolinate
• CAS: 1219112-95-4
• 化学式: C₁₄H₁₃NO₃
• 分子量: 243.262
• InChiKey: FXHOSKBSIFZOQM-UHFFFAOYSA-N

计算性质

• 辛醇/水分配系数(LogP)：
  2.5
• 重原子数：
  18
• 可旋转键数：
  5
• 环数：
  2.0
• sp3杂化的碳原子比例：
  0.14
• 拓扑面积：
  48.4
• 氢给体数：
  0
• 氢受体数：
  4

反应信息

• 作为反应物：
  描述：

  methyl 6-(phenoxymethyl)pyridine-2-carboxylate 在 lithium hydroxide monohydrate 作用下， 以 四氢呋喃 、 水 为溶剂， 以92.09 %的产率得到6-phenoxymethyl-pyridine-2-carboxylic acid
  参考文献：
  名称：

  利用优化的 AlphaFold 模型进行基于结构的比较虚拟筛选可识别选择性 HDAC11 抑制剂

  摘要：

  HDAC11 是一种 IV 类组蛋白脱酰酶，目前尚无晶体结构报道。HDAC11 的催化结构域与其他 HDAC 亚型具有低序列同一性，这使得传统的同源建模不太可靠。AlphaFold 是一种机器学习方法，即使没有相似结构，也可以高精度地预测蛋白质的 3D 结构。然而，AlphaFold 模型是在不存在小分子和离子/辅因子的情况下预测的，这使得它们在药物设计中的应用变得复杂。以前，我们通过添加催化锌离子并在已报道的 HDAC11 抑制剂存在下最小化来优化 HDAC11 AlphaFold 模型。在目前的研究中，我们实施了一种基于结构的比较虚拟筛选方法，利用先前优化的 HDAC11 AlphaFold 模型来识别新型和选择性 HDAC11 抑制剂。逐步虚拟筛选方法成功地识别了随后使用体外酶测定法测试的命中。命中化合物对 HDAC11 的 IC50 值为 3.5 μM，并且在 10 μM 浓度下可以选择性地抑制

  DOI：

  10.3390/ijms25021358
• 作为产物：
  描述：

  2-溴甲基-6-吡啶甲酸甲酯 、 苯酚 在 caesium carbonate 作用下， 以 N,N-二甲基甲酰胺 为溶剂， 以82.92 %的产率得到methyl 6-(phenoxymethyl)pyridine-2-carboxylate
  参考文献：
  名称：

  利用优化的 AlphaFold 模型进行基于结构的比较虚拟筛选可识别选择性 HDAC11 抑制剂

  摘要：

  HDAC11 是一种 IV 类组蛋白脱酰酶，目前尚无晶体结构报道。HDAC11 的催化结构域与其他 HDAC 亚型具有低序列同一性，这使得传统的同源建模不太可靠。AlphaFold 是一种机器学习方法，即使没有相似结构，也可以高精度地预测蛋白质的 3D 结构。然而，AlphaFold 模型是在不存在小分子和离子/辅因子的情况下预测的，这使得它们在药物设计中的应用变得复杂。以前，我们通过添加催化锌离子并在已报道的 HDAC11 抑制剂存在下最小化来优化 HDAC11 AlphaFold 模型。在目前的研究中，我们实施了一种基于结构的比较虚拟筛选方法，利用先前优化的 HDAC11 AlphaFold 模型来识别新型和选择性 HDAC11 抑制剂。逐步虚拟筛选方法成功地识别了随后使用体外酶测定法测试的命中。命中化合物对 HDAC11 的 IC50 值为 3.5 μM，并且在 10 μM 浓度下可以选择性地抑制

  DOI：

  10.3390/ijms25021358

文献信息

• Comparative Structure-Based Virtual Screening Utilizing Optimized AlphaFold Model Identifies Selective HDAC11 Inhibitor
  作者：Fady Baselious、Sebastian Hilscher、Dina Robaa、Cyril Barinka、Mike Schutkowski、Wolfgang Sippl

  DOI：10.3390/ijms25021358

  日期：——

  drug design. Previously, we optimized an HDAC11 AlphaFold model by adding the catalytic zinc ion and minimization in the presence of reported HDAC11 inhibitors. In the current study, we implement a comparative structure-based virtual screening approach utilizing the previously optimized HDAC11 AlphaFold model to identify novel and selective HDAC11 inhibitors. The stepwise virtual screening approach

  HDAC11 是一种 IV 类组蛋白脱酰酶，目前尚无晶体结构报道。HDAC11 的催化结构域与其他 HDAC 亚型具有低序列同一性，这使得传统的同源建模不太可靠。AlphaFold 是一种机器学习方法，即使没有相似结构，也可以高精度地预测蛋白质的 3D 结构。然而，AlphaFold 模型是在不存在小分子和离子/辅因子的情况下预测的，这使得它们在药物设计中的应用变得复杂。以前，我们通过添加催化锌离子并在已报道的 HDAC11 抑制剂存在下最小化来优化 HDAC11 AlphaFold 模型。在目前的研究中，我们实施了一种基于结构的比较虚拟筛选方法，利用先前优化的 HDAC11 AlphaFold 模型来识别新型和选择性 HDAC11 抑制剂。逐步虚拟筛选方法成功地识别了随后使用体外酶测定法测试的命中。命中化合物对 HDAC11 的 IC50 值为 3.5 μM，并且在 10 μM 浓度下可以选择性地抑制