Phenotypic Screening of Chemical Libraries Enriched by Molecular Docking to Multiple Targets Selected from Glioblastoma Genomic Data
作者:David Xu、Donghui Zhou、Khuchtumur Bum-Erdene、Barbara J. Bailey、Kamakshi Sishtla、Sheng Liu、Jun Wan、Uma K. Aryal、Jonathan A. Lee、Clark D. Wells、Melissa L. Fishel、Timothy W. Corson、Karen E. Pollok、Samy O. Meroueh
DOI:10.1021/acschembio.0c00078
日期:2020.6.19
approaches to create focused libraries tailored to tumor targets has limited its impact. Here, we create rational libraries for phenotypic screening by structure-based molecular docking chemical libraries to GBM-specific targets identified using the tumor’s RNA sequence and mutation data along with cellular protein–protein interaction data. Screening this enriched library of 47 candidates led to several
与大多数实体瘤一样,多形性胶质母细胞瘤 (GBM) 含有多个过度表达和突变的基因,影响多个信号通路。在没有毒性的情况下抑制 GBM 等实体瘤的肿瘤生长可以通过小分子来实现,这些小分子选择性地调节不同信号通路上的靶标集合,也称为选择性多药理学。表型筛选可能是发现此类化合物的有效方法,但缺乏创建针对肿瘤靶点的针对性文库的方法限制了其影响。在这里,我们通过基于结构的分子对接化学文库与使用肿瘤的 RNA 序列和突变数据以及细胞蛋白质-蛋白质相互作用数据识别的 GBM 特异性靶标来创建用于表型筛选的合理文库。筛选这个包含 47 种候选药物的丰富库,产生了多种活性化合物,其中包括1 种(IPR-2025),它 (i) 抑制低传代患者来源的 GBM 球体的细胞活力,其 IC 50值为个位数,明显优于标准护理替莫唑胺,(ii) 以亚微摩尔 IC 50值阻断 Matrigel 中内皮细胞的管形成,并且 (iii)