Refine
Document Type
- Article (2)
- Doctoral Thesis (1)
Has Fulltext
- yes (3)
Is part of the Bibliography
- no (3)
Institute
- Biochemie und Chemie (2)
- Pharmazie (2)
Shape complementarity is a compulsory condition for molecular recognition. In our 3D ligand-based virtual screening approach called SQUIRREL, we combine shape-based rigid body alignment with fuzzy pharmacophore scoring. Retrospective validation studies demonstrate the superiority of methods which combine both shape and pharmacophore information on the family of peroxisome proliferator-activated receptors (PPARs). We demonstrate the real-life applicability of SQUIRREL by a prospective virtual screening study, where a potent PPARalpha agonist with an EC50 of 44 nM and 100-fold selectivity against PPARgamma has been identified...
Im Rahmen der vorliegenden Arbeit sollte mit der Aktivierung des Peroxisomen Proliferator-aktivierten Rezeptors eine Rationale und ein möglicher Wirkmechanismus für die traditionelle Anwendung von Gewürz- und Arzneipflanzen bei der Therapie des Typ 2 Diabetes aufgezeigt werden. Vor diesem Hintergrund wurden über fünfzig traditionell bei Diabetes angewandte Pflanzen ausgewählt und mit Ethanol extrahiert. Die erhaltenen Trockenextrakte wurden daraufhin in einem von mir etablierten Reporter-Gen Assay auf eine mögliche Aktivierung der drei Subtypen des PPAR hin untersucht. Von den getesteten Extrakten wurde für fünfundzwanzig, also annähernd die Hälfte, eine signifikante Aktivierung des PPARgamma nachgewiesen. Von diesen zeigten wiederum vierzehn außerdem eine signifikante Aktivierung des PPARalpha, lediglich drei dieser Extrakte zeigten auch eine signifikante Aktivierung des PPARdelta. Somit konnte ich eine mögliche Rationale und einen potentiellen Wirkmechanismus für die volksmedizinische Anwendung dieser Pflanzen bei Diabetes aufzeigen. Von den wirksamen Extrakten wiesen am PPARgamma sieben eine ausreichend hohe Aktivität auf, dass wir auch bei niedrigeren Testkonzentrationen noch einen signifikanten Effekt und somit eine Konzentrationsabhängigkeit des aufzeigen konnten. Für PPARa konnten wir lediglich für drei der Extrakte eine Konzentrationsabhängigkeit aufzeigen, bei PPARdelta für keinen der Extrakte. Die beiden am stärksten aktiven Extrakte aus Rosmarinus offic. und Salvia offic. zeigten bereits ab etwa 10 mg/L signifikante Aktivität am PPARgamma, so dass wir für diese beiden Extrakte mit 20 bzw. 40 mg/L EC50-Konstanten bestimmen konnten. Diese halbmaximale Aktivierungskonstante liegt damit für den potenteren Rosmarin-Extrakt lediglich um den Faktor 200 höher als die des bei Diabetes eingesetzten Arzneistoffs Pioglitazon (Actos®). Die weitere Untersuchung dieser beiden Extrakte ergab, dass in beiden Carnosolsäure bzw. Carnosol enthalten waren, welche bei der Untersuchung im Reporter-Gen Assay EC50-Konzentrationen von 20 bzw. 40 mikroM für die Aktivierung des PPARgamma aufwiesen. Damit sind diese Reinsubstanzen bereits nur noch um den Faktor siebzig schwächer wirksam als Pioglitazon. Vergleicht man hingegen mit Bezafibrat (Cedur®), einem als Lipidsenker eingesetzten Arzneistoff, welcher aufgrund seiner pan-PPAR-agonistischen Wirkung mit EC50-Konzentrationen von je etwa 50 mikroM von besonderem Interesse ist, so sind die beiden Diterpene Carnosolsäure und Carnosol im Hinblick auf PPARgamma äquipotent oder eher stärker aktiv. Der Gehalt an diesen beiden Diterpenen in den von mir hergestellten Extrakten war nun zwar mit in Summe drei bzw. neun Prozent um den Faktor zehn bzw. drei zu niedrig, als dass sich der PPARgamma Agonismus der beiden Extrakte hierdurch hinreichend erklären ließe. Allerdings konnten wir für einen kommerziell erhältlichen und auf 40% Carnosolsäure angereicherten Rosmarin-Extrakt einen EC50-Wert von 10 mg/L bestimmen für die Aktivierung von PPARgamma bestimmen. Eine Aktivität, welche sich zu 70% allein auf den Gehalt an Carnosolsäure zurückführen lässt. Neben dem Nachweis der PPARgamma Aktivität von Carnosolsäure und Carnosol einerseits und der von ethanolischen Rosmarin- und Salbei-Extrakten andererseits, konnte ich somit einen hinreichenden Beweis führen, dass Carnosolsäure zumindest für Rosmarin, vermutlich auch für Salbei, als eines der aktiven Prinzipien anzusehen ist. Meine Befunde liefern damit eine mögliche Erklärung und Wirkmechanismus für die in Tiermodellen gefundene hypoglykämische Wirksamkeit von Rosmarin, Salbei und Carnosolsäure. Darüber hinaus legen meine Untersuchungen nahe, dass in beiden Pflanzen weitere PPARgamma Aktivatoren enthalten sind. Da Carnosol selbst bereits ein Oxidationsprodukt der Carnosolsäure darstellt, kämen hier weitere auch bereits beschriebene Oxidationsprodukte sicherlich in Frage. Diese Oxidationsprodukte stellen allerdings zumeist nur labile Übergangsprodukte dar und sind aus diesem Grunde auch als nicht Reinstoffe erhältlich. Der Nachweis einer PPAR Aktivität könnte somit angesichts der benötigten Inkubationsdauer im Reporter-Gen Assay so nicht geführt werden. Neben den bereits angeführten Ergebnissen ist die hohe Rate von positiven Treffern in meinem Screening selbst einer der interessantesten Befunde. Die signifikante Aktivierung von PPARgamma durch nahezu die Hälfte der getesteten Extrakte lässt die Vermutung zu, dass PPAR agonistische Substanzen im Pflanzenreich sehr weit verbreitet sein könnten. Zwar bestehen zu Recht Vorbehalte gegenüber der Testung von Vielstoff-Gemischen bzw. den hierbei erhaltenen Ergebnissen. Viele pflanzliche Inhaltsstoffe z.B. Gerbstoffe können zu einer unspezifischen Hemmung der Aktivität von Enzyme führen. Das verwendete Testsystem setzt allerdings neben Membrangängigkeit der aktiven Prinzipien die spezifische Aktivierung der Expression eines Gens, dessen Aktivität anschließend bestimmt wird, voraus. Die Art des verwendeten Assay macht damit die Erfassung unspezifischer Effekte eher unwahrscheinlich. Darüberhinaus mag für die Güte der Ergebnisse meines Screenings sprechen, dass unabhängig von uns für einige der gescreenten Pflanzen z.B. Kurkuma und Chili mit den Kurkuminoiden und Capsaicin kürzlich PPAR aktive Prinzipien beschrieben wurden. Vielmehr lässt sich die Hypothese formulieren, dass eine ganze Reihe sekundärer pflanzlicher Inhaltsstoffe zumindest mäßig aktive PPAR Agonisten darstellen. An prominenter Stelle wäre hier die Substanzklasse der Terpene zu nennen, von denen eine ganze Reihe sowohl linearer etwa Farnesol und Phytansäure, als auch cyclischer z.B. Tumeron, Abietansäure, Oleanolsäure und Ursolsäure bereits als PPAR-Aktivatoren beschrieben wurden. Angesichts der hohen Lipophilie dieser Substanz-Klasse und einer relativ großen und wenig selektierenden Bindungstasche des PPAR lässt sich auch für andere Terpene ein PPAR Agonismus erwarten. Der positive Effekt, den eine überwiegend pflanzliche Ernährung nach epidemiologischen Erkenntnissen auf die Gesundheit bewirkt, mag deshalb in Teilen auf PPAR-agonistische Prinzipien zurückzuführen sein. Neben dem höheren Anteil an mehrfach ungesättigen Fettsäuren im Vergleich zu tierischer Nahrung könnten enthaltene Terpene hier durchaus einen relevanten Beitrag leisten. In einem weiteren in Kooperation durchgeführten Projekt konnte darüber hinaus gezeigt werden, dass die schwache Aktivität des phenolischen Stilben-Derivats Resveratrol am PPARgamma einen Beitrag leistet zur Beeinflussung des Polyamin-Stoffwechsels und der hierdurch bedingten Regulation der Zell-Proliferation. Weiterhin konnte mit Hilfe der in unserem Reporter-Gen Assay erhaltenen Ergebnisse gezeigt werden, dass ein virtuelles Computer-basiertes Screening einer Substanzbibliothek effektiv ist, bei der Findung von PPAR Leitstrukturen.
Poster presentation at 5th German Conference on Cheminformatics: 23. CIC-Workshop Goslar, Germany. 8-10 November 2009 We demonstrate the theoretical and practical application of modern kernel-based machine learning methods to ligand-based virtual screening by successful prospective screening for novel agonists of the peroxisome proliferator-activated receptor gamma (PPARgamma) [1]. PPARgamma is a nuclear receptor involved in lipid and glucose metabolism, and related to type-2 diabetes and dyslipidemia. Applied methods included a graph kernel designed for molecular similarity analysis [2], kernel principle component analysis [3], multiple kernel learning [4], and, Gaussian process regression [5]. In the machine learning approach to ligand-based virtual screening, one uses the similarity principle [6] to identify potentially active compounds based on their similarity to known reference ligands. Kernel-based machine learning [7] uses the "kernel trick", a systematic approach to the derivation of non-linear versions of linear algorithms like separating hyperplanes and regression. Prerequisites for kernel learning are similarity measures with the mathematical property of positive semidefiniteness (kernels). The iterative similarity optimal assignment graph kernel (ISOAK) [2] is defined directly on the annotated structure graph, and was designed specifically for the comparison of small molecules. In our virtual screening study, its use improved results, e.g., in principle component analysis-based visualization and Gaussian process regression. Following a thorough retrospective validation using a data set of 176 published PPARgamma agonists [8], we screened a vendor library for novel agonists. Subsequent testing of 15 compounds in a cell-based transactivation assay [9] yielded four active compounds. The most interesting hit, a natural product derivative with cyclobutane scaffold, is a full selective PPARgamma agonist (EC50 = 10 ± 0.2 microM, inactive on PPARalpha and PPARbeta/delta at 10 microM). We demonstrate how the interplay of several modern kernel-based machine learning approaches can successfully improve ligand-based virtual screening results.