针对结直肠癌的5-氟-2-甲基-1-苯基吲哚衍生物计算机模拟研究：结合分子对接、分子动力学模拟、能量计算、密度泛函理论和逆合成分析的综合方法

《Journal of the Indian Chemical Society》：In Silico Investigation of 5-fluoro-2-methyl-1-phenylindole Derivatives Against Colorectal Cancer: A Combined Docking, MD Simulation, Energy Calculation, DFT and Retrosynthetic Approach

　　

• 针对PPAR-δ的氨基酸偶联吲哚衍生物的理性设计。• 对接与MD模拟优先筛选S12和S13进行评估。• S13在综合分析中表现出均衡的计算特征。• 逆合成可行性支持未来的实验研究。

1. 引言

世界卫生组织（WHO）报告称，癌症是全球第二大死因。2022年新增癌症病例超过1900万例，癌症相关死亡近1000万例[1]。在全球范围内，结直肠癌（CRC）是男性第三大常见癌症，女性第二大常见癌症。据认为，结直肠癌是癌症相关死亡的10%的原因[2]。此外，预计到2040年全球将有高达2840万癌症病例。这凸显了现代医学面临的一个新问题，并暗示当前抗癌疗法效果不佳，尤其是对于表现出多药耐药（MDR）表型的癌症[3]。约20-70%的患者发生肝转移，而10-20%发生肺转移。不幸的是，远处转移是晚期结直肠癌患者的主要死因[4]。尽管传统转移性结直肠癌治疗方法有了显著改善，但晚期患者的5年生存率仍然令人担忧。癌症预防和干预被认为是普通人群和高风险人群的可行策略。为改善疗效，新开发的癌症免疫治疗和靶向治疗正在多个方面进行彻底评估[5]。然而，对于开发创新性结直肠癌预防和干预疗法，研究新化合物是必要的。

过氧化物酶体增殖物激活受体（PPARs）是配体激活的核激素受体，调节关键生理过程，包括脂质代谢、葡萄糖稳态、炎症和能量平衡[6]。新兴证据强调了PPAR在癌症进展中的重要作用，特别是在结直肠癌中[7]、[8]。在三种亚型（PPAR-α、PPAR-γ和PPAR-δ）中，PPAR-α因其在细胞增殖、葡萄糖代谢、炎症和肿瘤生长中的作用而备受关注[9]、[10]。PPAR-α是一种由结构多样化的合成化学物质（称为过氧化物酶体增殖物）激活的核激素受体[11]。PPAR-α的激活可抑制癌细胞增殖，诱导细胞凋亡，并增加对化疗药物的敏感性[12]。尽管一些其他研究提出了PPAR-α配体的促癌作用[13]、[14]。

吲哚是药物化学中的一种特权骨架，以其结构适应性和多样化的生物活性而闻名[15]。吲哚类衍生物作为潜在的结直肠癌药物引起了广泛关注，因为吲哚核可以有效容纳相对疏水的配体结合域，同时支持与受体稳定和转录调控相关的关键氨基酸残基的相互作用[16]。多种吲哚类化合物通过不同机制表现出抗癌活性[17]、[18]。吲哚衍生物的结构修饰，特别是通过关键位置的取代，已被证明会显著影响受体结合亲和力和药理学特性。此外，将氟原子引入药物分子中是提高代谢稳定性、脂溶性和目标蛋白疏水口袋中结合相互作用的成熟策略[19]。羧酸官能团的存在进一步有助于与受体活性位点氨基酸残基的氢键和静电相互作用[20]。

本研究采用理性设计策略，将5-氟-2-甲基-1-苯基吲哚的核心骨架（图1）与20种天然氨基酸偶联形成酰胺键。这一方法基于以下假设：氨基酸取代可以通过额外的氢键、离子相互作用以及PPAR-δ结合口袋中改善的空间互补性来增强配体-受体相互作用。每种氨基酸提供独特的理化性质：极性和带电氨基酸（如赖氨酸、天冬氨酸、精氨酸）可以促进静电相互作用；疏水氨基酸（如亮氨酸、缬氨酸、苯丙氨酸）可以改善疏水区域的结合；芳香族氨基酸（如酪氨酸、色氨酸）可以贡献π-π堆积相互作用[21]、[22]。此外，氨基酸偶联可能提高溶解度、生物利用度和生物相容性，从而改善整体药物特性[23]。

下载：下载高分辨率图像（124KB）下载：下载全尺寸图像
图1. 5-氟-2-甲基-1-苯基吲哚-3-羧酸的基本化学骨架，指示氨基酸衍生化的取代位点（R基团）。

因此，本研究旨在设计和评估一系列新型氨基酸偶联5-氟-2-甲基-1-苯基吲哚衍生物作为针对PPAR-α的潜在抗结直肠癌药物。设计的化合物采用分子对接进行评估，随后评价药物样性、吸收、分布、代谢和排泄（ADME）性质以及毒性预测。这种综合计算方法为识别具有癌症治疗应用潜力的候选化合物提供了有价值的见解。

2. 材料与方法

2.1. 5-氟-2-甲基-1-苯基吲哚衍生物设计的依据

设计策略基于吲哚骨架作为受体结合特权核心的结构和药理学相关性。通过偶联天然氨基酸生成了总共20种衍生物（图2），旨在引入结构多样性，并通过氢键、静电相互作用和空间互补性改善配体-受体相互作用。最重要的是，氨基酸的羧酸部分为化合物提供了结构上必需的酸性尾部，这是成为PPAR受体配体的要求[24]。

下载：下载高分辨率图像（484KB）下载：下载全尺寸图像
图2. 通过在R位置偶联不同氨基酸生成的20种吲哚衍生物的化学结构。

2.2. 配体准备

所有设计化合物的化学结构使用ChemDraw v23.1.1（Revvity Signals Software, Inc., Waltham, Massachusetts, USA）绘制。2D结构使用Open Babel v2.4.1[25]转换为3D格式，随后采用通用力场（UFF）[26]进行几何优化和能量最小化。进行能量最小化以获得适合分子对接的稳定构象。配体文件保存为PDBQT格式。

2.3. 蛋白质选择与准备

PPAR-α受体的3D结构（PDBID: 1I7G，X射线衍射分辨率=2.20?，https://www.rcsb.org/structure/1I7G）从蛋白质数据库（PDB）[27]获取。蛋白质使用PDBsum服务器（https://www.ebi.ac.uk/thornton-srv/databases/pdbsum/）通过拉马钱德兰图进行验证。PDBsum服务器提供完整的PROCHECK分析[28]。蛋白质准备使用BIOVIA Discovery Studio Visualizer 2021和AutoDock Tools v1.5.7[29]进行，包括去除水分子、添加极性氢原子、分配Kollman电荷，并将蛋白质准备为PDBQT格式用于对接[30]。

2.4. 网格盒生成

对接活性位点基于共晶配体的坐标定义。网格盒生成使用BIOVIA Discovery Studio 2021进行，确保网格涵盖结合口袋内的所有关键残基[31]。选择适当的网格尺寸以允许对接过程中配体柔性的足够空间（表1）。

表1. 网格尺寸和对接参数。
中心坐标 尺寸
X: 33.857 X, Y & Z: 40
Y: 29.068
Z: 30.740
详尽性: 8

2.5. 对接程序

分子对接使用AutoDock Vina v1.2.0[32]进行。配体和蛋白质的PDBQT格式文件用于对接分析。选择AutoDock Vina进行分子对接研究，因为它是一个广泛认可、经过充分验证且免费可用的对接程序，在预测多种蛋白质靶点的配体结合姿态和结合亲和力方面表现出可靠性能[33]。最佳结合姿态基于对接分数（kcal/mol）和相互作用概况进行选择。对接结果进一步分析以确定关键的氢键和疏水相互作用[34]。

2.6. 对接验证

通过重新对接共晶配体到PPAR-α受体的活性位点来验证对接协议。使用PyMOL v3.1（www.pymol.org/citing）将预测的结合姿态与原始晶体学构象进行比较，并计算均方根偏差（RMSD）。RMSD值小于2.0?确认了对接程序的可靠性[35]。

2.7. 使用Schr?dinger Glide进行对接

为独立评估AutoDock Vina结果，所有设计的衍生物和共晶配体Az242还使用Schr?dinger Suite的Glide模块[36]进行了分子对接。受体结构使用Protein Preparation Wizard进行准备，包括分配键级、添加氢原子、优化氢键网络和受限结构最小化[37]。配体在对接前使用LigPrep进行准备。围绕共晶配体定义的结合区域生成受体网格，并使用Glide[38]将准备好的化合物对接到该位点。所得姿态使用对接分数、Glide分数、Glide能量和蛋白质-配体相互作用概况进行评估。结果与使用AutoDock Vina v1.2.0独立获得的结果进行比较。

2.8. 药物样性与ADME性质

使用ADMETLab 3.0网络服务器预测设计化合物的药物样性和药代动力学性质[39]。评估分子重量、脂溶性（logP）、氢键供体和受体、口服生物利用度、血脑屏障渗透性及其他ADME相关描述符以评估药物样行为[40]。

2.9. 毒性预测

使用StopTox 2.0网络服务器进行毒性评估。评价Ames致突变性和致癌性预测。此外，使用定量构效关系（QSTR）模型分析急性毒性终点，包括经口和吸入毒性[41]。

2.10. MD模拟

使用Schr?dinger Suite的Desmond模块[42]进行分子动力学模拟。蛋白质-配体复合物在正交盒子中用TIP3P水模型溶剂化，并添加Na+/Cl-反离子中和体系。使用OPLS3力场[43]实现能量最小化，随后在NVT和NPT系综下进行平衡。在300K和1atm压力下进行了200ns的生产模拟。进行轨迹分析，包括均方根偏差（RMSD）、波动（RMSF）、回转半径（RGyr）、极性表面积（PSA）、溶剂可及表面积（SASA）、分子表面积（MolSA）和相互作用概况，以评估复合物的稳定性[44]。这种联合工作流程（AutoDock Vina和Desmond）在计算药物发现研究中已被广泛采用，其中对接预测初始结合姿态，分子动力学进一步评估预测复合物的稳定性。

2.11. MM-GBSA能量计算

使用Schr?dinger的Prime MM-GBSA模块[45]计算选定蛋白质-配体复合物的结合自由能（ΔG_bind）。使用最后10ns模拟框架进行计算[46]。使用OPLS3力场和VSGB 2.0溶剂化模型进行计算以估算不同能量分量对配体结合的贡献[47]。

2.12. 密度泛函理论（DFT）计算

使用Gaussian 09软件进行DFT计算以研究选定化合物（S12、S13和共晶配体）的电子特性和化学反应性。采用B3LYP泛函和6-31G(d,p)基组[48]进行几何优化。确定最高占据分子轨道（HOMO）和最低未占据分子轨道（LUMO）能级以评估化合物的电子行为。还生成分子静电势（MEP）图以分析分子内的电荷分布和反应区域[49]。电离势（I）和电子亲和能（A）分别近似为HOMO和LUMO能量的负值[50]。计算附加描述符，包括能隙（ΔE）、化学硬度（η）、软度（S）、电负性（χ）、化学势（μ）和亲电性指数（ω），以评估选定化合物的分子稳定性、反应性和电子转移特性[51]。

2.13. 逆合成路径预测

使用SYNTHIA?逆合成软件（试用版，https://www.synthiaonline.com/）生成化合物S12和S13的逆合成路径。以SMILES格式输入S12和S13的结构，并在默认设置下进行自动逆合成分析。软件算法根据已知化学转化、试剂可获得性和反应规则识别可行的断开策略。基于步骤数、反应可行性和起始材料可获得性评估生成的合成路线。

2.14. 合成可及性（SA）预测

使用SwissADME网络服务器（https://www.swissadme.ch/）预测化合物S12和S13的合成可及性。SA分数范围从1（极易合成）到10（极难合成），基于分子复杂度、片段贡献和结构特征计算[52]。

3. 结果

3.1. 蛋白质验证与对接协议验证

拉马钱德兰图分析显示蛋白质结构具有令人满意的立体化学质量，92.3%的残基位于最有利区域，7.7%位于额外允许区域，而没有残基位于宽泛允许或不允许区域（图3A）。关于平面性的更多信息见补充文件（图S1）。

下载：下载高分辨率图像（701KB）下载：下载全尺寸图像
图3A. 目标蛋白的拉马钱德兰图显示氨基酸残基在有利区域和允许区域的分布，确认了适合计算研究的可接受立体化学质量。

对接配体与天然配体取向的叠加显示出活性位点内可比较的结合模式（图3B），表明合理再现了实验观察到的结合模式。

所得到的RMSD值为2.89 ?，表明对接的可重复性可接受，尽管略高于通常首选的<2.0 ?的阈值（用于高精度构象预测）[35]。这一偏差可能反映了配体的柔性和受体结合腔的构象适应性。因此，该对接方案被认为对于初步的虚拟筛选和比较结合分析具有足够的可靠性，同时结果还通过分子动力学和MM-GBSA研究进行了补充，以提高配体优先级的置信度。

下载：下载高分辨率图片（572KB） 下载：下载完整尺寸图片

**图3B.** 通过将天然共结晶配体重对接至PPAR-α结合口袋来验证分子对接方案。晶体学配体构象（蓝色）与重对接构象（青色）的重叠显示两者具有相似的结合取向。

### 3.2 分子对接分析

分子对接用于研究设计的氨基酸偶联吲哚衍生物在PPAR-α配体结合域内的潜在结合取向和相互作用特征。所设计的5-氟-2-甲基-1-苯基吲哚衍生物系列对PPAR-α受体表现出良好的结合亲和力，分子对接得分证实了这一点。

#### 3.2.1 AutoDock Vina得分

在筛选的衍生物中，S12（?9.6 kcal/mol）和S13（?11.0 kcal/mol）表现出相对有利的预测对接得分，因此被选择进行进一步的计算评估。所有20个衍生物及参考/共结晶配体（?7.7 kcal/mol）的对接得分列于表2中。

**表2. 5-氟-2-甲基-1-苯基吲哚衍生物对PPAR-α的分子对接得分。**

| 序号 | 化合物代号 | AutoDock Vina得分 | 氢键受体残基 | Schr?dinger软件 | Glide得分 | 氢键受体残基 | Glide能量 |
|------|-----------|------------------|------------|----------------|----------|------------|----------|
| 1 | S01 | -8.5 | Gly335 | 5.307 | -5.307 | Tyr464, Hip440, Ser280, Tyr314 | -35.246 |
| 2 | S02 | -8.8 | Tyr334, Gly335 | 5.408 | -5.411 | Lys204, Lys208, Hip411 | -36.114 |
| 3 | S03 | -8.7 | Tyr334, Gly335 | 5.518 | -5.521 | Lys208, Hip411 | -38.095 |
| 4 | S04 | -9.1 | Tyr334, Gly335 | 5.49 | -5.493 | Lys208, Hip411 | -38.997 |
| 5 | S05 | -7.0 | Lys358 | 5.988 | -5.988 | Lys208, Hip411 | -38.397 |
| 6 | S06 | -9.4 | Tyr334, Gly335 | 5.713 | -5.756 | Lys204, Lys208, Hip411 | -38.968 |
| 7 | S07 | -9.2 | Tyr334, Gly335 | 5.502 | -5.502 | Lys204, Lys208, Hip411 | -39.187 |
| 8 | S08 | -9.4 | Tyr334, Gly335 | 5.814 | -5.814 | Lys204, Lys208, Hip411 | -36.347 |
| 9 | S09 | -8.8 | Tyr334, Gly335 | 5.244 | -5.247 | Lys208 | -38.441 |
| 10 | S10 | -9.1 | Tyr334 | 5.639 | -5.687 | Hip411 | -35.436 |
| 11 | S11 | -8.5 | Lys358 | 4.919 | -4.922 | Lys208, Hip411 | -39.571 |
| 12 | S12 | -9.6 | Cys276, Tyr334, Gly335 | 5.988 | -5.889 | Lys208, Hip411 | -43.434 |
| 13 | S13 | -11.0 | Cys276, Tyr334, Gly335 | 6.011 | -6.014 | Hip411 | -45.729 |
| 14 | S14 | -9.0 | Tyr334, Gly335 | 5.756 | -5.775 | Hip411 | -38.845 |
| 15 | S15 | -9.0 | Tyr334, Gly335 | 5.775 | -5.775 | Hip411 | -40.716 |
| 16 | S16 | -9.2 | Asn219, Thr279, Tyr334, Gly335 | 5.265 | -5.268 | Lys204, Lys208, Hip411, Ser414 | -37.433 |
| 17 | S17 | -9.0 | Tyr334, Gly335 | 5.684 | -5.687 | Lys208, Hip411 | -38.446 |
| 18 | S18 | -8.9 | Thr283, Tyr334, Gly335 | 5.203 | -5.203 | Lys204, Asp371, Hip411, Asn415 | -40.974 |
| 19 | S19 | -9.4 | Tyr334, Gly335 | 5.091 | -5.59 | Lys204, Hip411 | -39.962 |
| 20 | S20 | -9.0 | Tyr334, Gly335 | 5.576 | -5.585 | Asn415 | -43.033 |
| 21 | Az242 | -7.7 | Tyr334, Thr283 | 5.238 | -5.238 | Lys204, Hip411 | -39.173 |

在大多数衍生物中观察到一种重复的相互作用模式，特别是涉及Tyr334和Gly335的氢键相互作用，在大多数化合物中均参与（补充文件）。Tyr334和Gly335也与参考配体（Az242，图4B）相互作用。这些接触的保持表明，几种设计的化合物可能采取与天然配体环境兼容的结合取向。同样，化合物S13根据ProteinPlus相互作用分析显示出与Tyr334的π-π堆积相互作用（图4A）。然而，Discovery studio visualizer 2021预测了与Cys276的氢键相互作用，以及Tyr334和Gly335的氢键相互作用，键长分别为3.66?、3.05?和2.26?（图4C和补充文件，图S2-S22）。分子相互作用分析确认S13建立了与天然配体相当甚至更强的稳健相互作用网络。

下载：下载高分辨率图片（992KB） 下载：下载完整尺寸图片

**图4.** PPAR-α受体活性位点内化合物S13（A）和天然共结晶配体Az242（B）的分子对接相互作用特征（AutoDock Vina），突出显示关键的氢键和非键相互作用。注：相互作用数据来自ProteinPlus网络服务器（https://proteins.plus/）。

下载：下载高分辨率图片（610KB） 下载：下载完整尺寸图片

**图4C.** 化合物S12的分子对接相互作用特征（AutoDock Vina）。注：相互作用数据来自ProteinPlus网络服务器。

#### 3.2.2 Schr?dinger Glide对接

Schr?dinger Glide对接在所设计的衍生物间表现出中等程度的差异，对接得分范围为-4.919至-6.011 kcal/mol（表2）。S13表现出最有利的对接/Glide得分（-6.011/-6.014 kcal/mol）和最低的Glide能量（-45.729 kcal/mol），其次是S05和S12，它们也表现出有利的对接和能量特征。几种化合物主要与Lys204、Lys208和Hip411形成氢键，而S13与Hip411相互作用（图4D、图4ED-E）。与共结晶配体Az242（Glide得分：-5.238 kcal/mol）相比，S13显示出更有利的预测得分。Glide分析独立地将S13确定为领先的衍生物，尽管这些计算得分仅代表相对对接预测而非实验结合亲和力。所有Schr?dinger Glide对接相互作用详见补充文件（图S23-S42）。

下载：下载高分辨率图片（538KB） 下载：下载完整尺寸图片

**图4D.** PPAR-α受体活性位点内化合物S13的分子对接相互作用特征（Schr?dinger Glide），突出显示关键的氢键和非键相互作用。

下载：下载高分辨率图片（518KB） 下载：下载完整尺寸图片

**图4E.** PPAR-α受体活性位点内天然共结晶配体Az242的分子对接相互作用特征（Schr?dinger Glide），突出显示关键的氢键和非键相互作用。

#### 3.2.3 比较对接分析

使用AutoDock Vina和Schr?dinger Glide进行的比较对接揭示了预测得分大小和残基水平相互作用模式方面的差异。AutoDock Vina产生了更广泛的得分范围和通常更负的值，而Glide在所设计的衍生物中产生了较窄的分布。尽管存在这些方法学差异，S13仍被一致地识别为排名最高的化合物，AutoDock Vina得分为-11.0 kcal/mol，Schr?dinger对接和Glide得分分别为-6.011和-6.014 kcal/mol。其Glide能量（-45.729 kcal/mol）也是评估化合物中最有利的。S12在两种分析中均表现出良好性能，Glide能量为-43.434 kcal/mol。相比之下，共结晶配体Az242产生了-7.7 kcal/mol的AutoDock Vina得分和-5.238 kcal/mol的Glide得分。两种评分方法的独立识别支持了S13的选择，并与S12一起被选入后续的分子动力学和结合能分析。

### 3.3 类药性

类药性评估显示，所有设计的化合物均符合Lipinski五规则和Pfizer规则，表明具有良好的口服生物利用度和类药特征。氢键供体和受体的数量保持在允许范围内，支持良好的药代动力学潜力。具体数值列于表3中。

**表3. 设计的吲哚衍生物的类药性，包括分子量（MW）、脂溶性（logP）、氢键受体数（nHA）和供体数（nHD），以及符合Lipinski五规则和Pfizer规则的情况。**

| 代号 | MW | logP | nHA | nHD | Lipinski规则 | Pfizer规则 |
|------|------|------|------|------|-------------|-----------|
| S01 | 370.1 | 2.39 | 6 | 3 | 通过 | 通过 |
| S02 | 384.1 | 1.28 | 7 | 3 | 通过 | 通过 |
| S03 | 400.1 | 1.48 | 7 | 4 | 通过 | 通过 |
| S04 | 414.1 | 1.82 | 6 | 4 | 通过 | 通过 |
| S05 | 430.1 | 3.21 | 2 | 7 | 通过 | 通过 |
| S06 | 412.1 | 4.35 | 6 | 7 | 通过 | 通过 |
| S07 | 426.1 | 6.37 | 7 | 3 | 通过 | 通过 |
| S08 | 426.1 | 6.37 | 2 | 7 | 通过 | 通过 |
| S09 | 444.1 | 2.32 | 5 | 7 | 通过 | 通过 |
| S10 | 410.1 | 3.25 | 4 | 7 | 通过 | 通过 |
| S11 | 460.1 | 4.35 | 7 | 6 | 通过 | 通过 |
| S12 | 518.1 | 5.32 | 9 | 4 | 通过（1项违反） | 通过 |
| S13 | 513.1 | 7.37 | 5 | 8 | 通过（1项违反） | 通过 |
| S14 | 428.1 | 2.15 | 7 | 9 | 通过 | 通过 |
| S15 | 442.1 | 2.83 | 5 | 9 | 通过 | 通过 |
| S16 | 427.1 | 2.12 | 8 | 9 | 通过 | 通过 |
| S17 | 441.1 | 3.13 | 4 | 9 | 通过 | 通过 |
| S18 | 441.1 | 7.05 | 5 | 7 | 通过 | 通过 |
| S19 | 450.1 | 3.21 | 0 | 6 | 通过 | 通过 |
| S20 | 456.1 | 8.03 | 3 | 9 | 通过 | 通过 |

**表4. 设计化合物的预测ADME性质，包括分布容积（LogVDss）、未结合分数（Fu）、半衰期（T1/2）、Caco-2渗透性、血脑屏障（BBB）渗透性，以及P-糖蛋白抑制和底物概率。**

| 代号 | LogVDss | Fu | T1/2 | Caco-2 | BBB | pgp_inh | pgp_sub |
|------|---------|------|-------|--------|------|---------|---------|
| S01 | -0.82 | 3.25 | 0.21 | -4.34 | -5.387 | 0.850 | 6.34E-07 |
| S02 | -0.74 | 1.51 | 4.11 | -7.74 | -5.544 | 0.290 | 1.19E-05 |
| S03 | -0.69 | 3.47 | 7.61 | -5.35 | -5.899 | 0.581 | 7.41E-07 |
| S04 | -0.72 | 1.35 | 9.01 | -6.14 | -5.972 | 0.610 | 4.76E-07 |
| S05 | -0.57 | 5.23 | 5.31 | -3.57 | -5.736 | 0.104 | 5.34E-07 |
| S06 | -0.68 | 2.17 | 9.01 | -3.80 | -5.423 | 0.370 | 3.41E-05 |
| S07 | -0.62 | 1.20 | 5.22 | -1.53 | -5.142 | 0.074 | 2.48E-05 |
| S08 | -0.74 | 1.23 | 5.22 | -1.37 | -5.291 | 0.893 | 6.90E-06 |
| S09 | -0.74 | 6.29 | 6.61 | -4.18 | -5.655 | 0.446 | 5.60E-06 |
| S10 | -0.77 | 9.32 | 2.41 | -3.19 | -5.448 | 0.551 | 1.19E-06 |
| S11 | -0.87 | 4.16 | 0.71 | -4.20 | -5.617 | 0.207 | 2.14E-05 |
| S12 | -0.85 | 7.22 | 5.91 | -4.63 | -5.723 | 0.017 | 1.10E-06 |
| S13 | -0.78 | 4.17 | 9.31 | -3.72 | -5.699 | 0.655 | 1.07E-05 |
| S14 | -0.84 | 4.38 | 6.61 | -5.54 | -6.268 | 0.036 | 2.81E-07 |
| S15 | -0.84 | 8.38 | 1.81 | -7.95 | -5.831 | 0.110 | 3.84E-08 |
| S16 | -0.64 | 5.65 | 9.01 | -4.55 | -5.898 | 0.405 | 2.70E-06 |
| S17 | -0.78 | 5.70 | 2.22 | -1.32 | -5.888 | 0.784 | 4.32E-07 |
| S18 | -0.10 | 8.24 | 3.71 | -1.43 | -5.870 | 0.305 | 1.33E-06 |
| S19 | -0.82 | 4.28 | 7.61 | -5.18 | -5.734 | 0.042 | 3.67E-07 |
| S20 | -0.23 | 3.33 | 8.76 | -1.41 | -6.370 | 0.107 | 1.77E-08 |

### 3.4 ADME性质

ADME分析进一步支持了这些化合物适用于药物开发。分布容积（LogVDss）值表明中等程度的组织分布，而未结合分数（Fu）和半衰期（T1/2）值表明可接受的全身暴露（表3）。Caco-2渗透性值与中等肠道吸收一致，大多数化合物表现出较低的血脑屏障渗透性，这可能减少中枢神经系统副作用。此外，P-糖蛋白抑制和底物特征的较低概率表明与外排相关的耐药风险极小。

### 3.5 毒性预测

毒性预测分析表明，大多数化合物具有较低的致突变和致癌潜力。Ames试验概率普遍较低，其中S15和S14等几种化合物显示出特别小的致突变性风险。该系列化合物的致癌性预测也在可接受范围内（表5）。

**表5. 设计衍生物的计算机毒性预测，显示Ames致突变性和致癌性概率。**

| 代号 | Ames | 致癌性 |
|------|------|--------|
| S01 | 0.660 | 0.466 |
| S02 | 0.154 | 0.288 |
| S03 | 0.174 | 0.278 |
| S04 | 0.126 | 0.273 |
| S05 | 0.328 | 0.097 |
| S06 | 0.162 | 0.322 |
| S07 | 0.122 | 0.310 |
| S08 | 0.123 | 0.365 |
| S09 | 0.138 | 0.608 |
| S10 | 0.127 | 0.454 |
| S11 | 0.123 | 0.234 |
| S12 | 0.174 | 0.331 |
| S13 | 0.257 | 0.454 |
| S14 | 0.115 | 0.225 |
| S15 | 0.049 | 0.222 |
| S16 | 0.177 | 0.249 |
| S17 | 0.133 | 0.308 |
| S18 | 0.152 | 0.259 |
| S19 | 0.170 | 0.337 |
| S20 | 0.294 | 0.123 |

### 3.6 定量结构毒性关系（QSTR）

基于QSTR的毒性评估对表现最优的化合物S12和S13进行了安全性确认，两者在急性吸入和口服毒性模型中均表现出非毒性特征（图5、图6）。这些结果共同表明，所设计的衍生物不仅表现出强结合亲和力和良好的药代动力学特性，而且保持了可接受的安全性特征。

下载：下载高分辨率图片（982KB） 下载：下载完整尺寸图片

**图5.** 化合物S12的预测急性吸入毒性特征（A），基于QSTR分析显示为非毒性分类。化合物S12的预测急性口服毒性特征（B），表明为非毒性行为。

下载：下载高分辨率图片（860KB） 下载：下载完整尺寸图片

**图6.** 化合物S13的预测急性吸入毒性特征（A），显示为非毒性分类。化合物S13的预测急性口服毒性特征（B），表明为非毒性行为。

### 3.7 分子动力学模拟

AutoDock Vina获得的对接复合物被用于分子动力学模拟。

#### 3.7.1 RMSD

分子动力学模拟分析展示了配体-PPAR-α复合物在200 ns模拟期间的稳定性和动态行为。参考Az242-PPAR-α复合物的RMSD轮廓显示在前约70 ns内经历了初始平衡阶段，随后蛋白质骨架围绕2.5-3.0 ?保持相对稳定的波动（图7）。配体RMSD（配体相对于蛋白质的拟合）表现出中等程度的波动（2.5-3.5 ?），表明在结合口袋内稳定容纳并伴随轻微的构象调整。

下载：下载高分辨率图片（1MB） 下载：下载完整尺寸图片

**图7.** 蛋白-配体复合物的分子动力学（MD）模拟分析。Az242-PPAR-α（左上）、S12-PPAR-α（右上）和S13-PPAR-α（中左）复合物在200 ns期间的蛋白质骨架和配体RMSD曲线。RMSF曲线显示Az242（中右）、S12（左下）和S13（右下）复合物的残基水平波动情况。

相比之下，S12-PPAR-α复合物在蛋白质（3.0-3.7 ?）和配体相对于蛋白质拟合（70 ns后6.5-7.0 ?）方面均显示出略高的RMSD值，表明更大的构象灵活性。值得注意的是，S13-PPAR-α复合物在25 ns后表现出相对稳定且已平衡的轨迹，蛋白质Cα RMSD稳定在2.4-2.8 ?左右。配体相对于蛋白质拟合的RMSD也表现出受控的波动（5.0-5.8?），与S12相比表明改进的构象稳定性和更强的结合相互作用。这些观察结果表明S13形成了相对稳定的复合物（图7）。

#### 3.7.2 RMSF

RMSF分析进一步支持了这些发现，突出了残基水平的柔韧性。Az242复合物在各残基中显示出中等波动，而S12表现出更高的配体相关波动，反映了其动态特性（图8）。相比之下，S13复合物在大多数残基中显示出相对较低的波动，表明增强的结构稳定性和结合区域柔韧性的降低（图8）。峰值波动主要出现在环区，而核心结合位点残基保持相对稳定。此外，蛋白质骨架的全局RMSF图显示大多数残基在约0.6-1.5 ?范围内波动，确认了模拟期间的整体结构完整性（图8）。在末端和环区（残基索引25-55）观察到更高的波动（约5-6 ?），这对于柔性片段来说是典型的，不会显著影响配体结合。

下载：下载高分辨率图片（488KB） 下载：下载完整尺寸图片

**图8.** PPAR-α蛋白质骨架（Cα和骨架原子）在MD模拟期间的残基水平RMSF轮廓，显示蛋白质序列中的柔韧性，在环区和末端区观察到更高的波动。

通过基于轨迹的性质分析进一步评估了共结晶配体（Az242）的动态行为。在200 ns模拟期间，配体RMSD保持相对稳定，波动在约0.8-1.3 ?范围内，表明构象偏差最小且在PPAR-α活性位点内结合稳定（图9）。RGyr显示一致的值（约5.8-6.2 ?），表明模拟期间配体结构的紧凑性得以维持。未检测到分子内氢键，表明配体稳定性主要由与蛋白质的分子间相互作用而非内部稳定化决定。MolSA表现出轻微波动，反映出可忽略的结构膨胀或收缩。同样，SASA和PSA显示中等变化，表明溶剂暴露稳定且极性在整个轨迹中保持一致。

下载：下载高分辨率图片（746KB） 下载：下载完整尺寸图片

**图9.** 共结晶配体（Az242）在MD模拟期间的基于轨迹的物理化学性质：RGyr、MolSA、SASA和PSA。

S12的RMSD表现出相对较高的波动（约2.8-3.1 ?），与参考配体相比，表明在结合口袋内具有更大的构象灵活性（图10）。尽管如此，RMSD曲线仍保持在可接受范围内，表明配体维持了结合取向而未出现显著不稳定性。配体RGyr在约75-175 ns附近显示出明显的转变，从约5.2 ?增加到约6.0 ?，表明构象膨胀后趋于稳定。这一行为表明配体进行了结构适应以更好地适应活性位点。未检测到分子内氢键，表明配体稳定性主要由与蛋白质的分子间相互作用决定。MolSA表现出轻微波动，反映出一致的结构完整性。同样，SASA显示中等变化，表明模拟期间溶剂暴露的动态变化。PSA保持相对稳定（260-280 ?2），表明极性和相互作用潜力得以维持。

下载：下载高分辨率图片（714KB） 下载：下载完整尺寸图片

**图10.** 化合物S12在MD模拟期间的基于轨迹的物理化学性质：RGyr、MolSA、SASA和PSA。

S13的RMSD保持较低且一致（约1.5-1.8 ?），表明结构偏差最小且在PPAR-α活性位点内强有力地保持了其结合构象（图11）。与S12相比，S13表现出显著降低的波动，反映出改进的构象稳定性。S13的RGyr在约5.6-5.8 ?附近逐渐稳定，表明配体紧凑性得以维持，仅伴随轻微的结构调整。与其他系统类似，未检测到分子内氢键，表明配体稳定性主要通过与蛋白质的分子间相互作用来实现。MolSA保持稳定并伴有轻微波动，表明整个模拟期间结构一致性良好。

SASA显示出中等程度的波动，反映了溶剂暴露的受控状态，而PSA则保持相对稳定（205–220 ?2），表明其极性一致，相互作用能力稳定。

下载：下载高分辨率图片（737KB）下载：下载全尺寸图片
图11. 化合物S13在分子动力学模拟期间的轨迹基于物理化学性质：回转半径RGyr、MolSA、SASA和PSA。

3.7.3 蛋白质-配体相互作用

配体-蛋白质相互作用分析为分子动力学模拟过程中复合物的结合行为和稳定性提供了详细的洞察。在Az242–PPAR-α复合物中（图12A），配体与关键活性位点残基表现出一致的相互作用，特别是Tyr334、Thr283和His274，其相互作用分数为中等水平。氢键和疏水接触主导了相互作用特征，而水介导的相互作用则间歇性地贡献，表明在活性口袋内存在稳定但动态的结合。

下载：下载高分辨率图片（870KB）下载：下载全尺寸图片
图12. 配体-蛋白质接触分析，显示了MD模拟过程中关键残基与Az242（A）、S12（B）和S13（C）的相互作用分数。不同的相互作用类型（氢键、疏水接触、离子相互作用和水桥）均有表示。

S12–PPAR-α复合物（图12B）显示出更广泛的相互作用特征，在多个残基中具有较高的累计相互作用分数。值得注意的是，与Arg271、His274、Cys275和Thr279观察到强而持久的相互作用，表明与结合位点有增强的结合。多种相互作用类型的存在，包括氢键、疏水接触和水桥，反映了灵活的结合模式。然而，相互作用在多个残基上的分布表明，相比而言，其结合模式更为动态且不够集中。

相比之下，S13–PPAR-α复合物（图12C）表现出更为集中和稳定的相互作用网络。Thr279、Val281、Tyr334等关键残基及其周围疏水残基显示出较高的相互作用分数，表明在整个模拟过程中持续存在接触。疏水相互作用的占主导地位，辅以稳定的氢键，表明配体在结合口袋内具有牢固的锚定。此外，与S12相比，S13具有更少数目但更强烈的相互作用，表明其结合取向更为优化。总体而言，相互作用分析表明，S12以中等稳定性与多个残基结合，而S13则与关键活性位点残基形成更为一致和稳定的相互作用网络，相当或优于参考配体。这些发现进一步支持了MD模拟研究中观察到的S13优越结合稳定性。

3.7.4 蛋白质-配体接触时间线

为了进一步评估配体稳定性和相互作用持续性，在整个200 ns模拟过程中进行了逐残基接触时间线分析。共结晶配体Az242维持了相对稳定的相互作用网络，主要涉及Asn219、Met220、Thr283、Glu286和Tyr334等残基，表明其在PPAR-α结合腔内持续存在（图13A）。

下载：下载高分辨率图片（1MB）下载：下载全尺寸图片
图13A. 共结晶配体Az242的接触时间线。

S12–PPAR-α复合物显示出更广泛的相互作用特征，与Arg271、His274、Cys275、Cys278、Thr279和Tyr334存在广泛的接触（图13B）。然而，某些相互作用在时间上表现出可变性，表明在模拟轨迹中具有较高的构象灵活性和动态重排。相比之下，S13表现出更为持久和空间集中的相互作用模式，与预测对接区域周围的残基（包括Cys276、Thr279、Thr283、Tyr334、Gly335和邻近的疏水残基）维持了持续的接触（图13C）。在整个模拟期间持续存在的相互作用占据度表明受体结合稳定，配体在结合口袋中的取向得以保持。尽管所评估复合物的MM-GBSA自由能相当，但接触时间线分析表明S13保持了更为一致的相互作用特征，支持将其优先用于进一步研究。

下载：下载高分辨率图片（1MB）下载：下载全尺寸图片
图13B. S12的接触时间线。

下载：下载高分辨率图片（1MB）下载：下载全尺寸图片
图13C. S13的接触时间线。

3.8 MM-GBSA能量计算

MM-GBSA分析显示，共结晶配体、S12和S13的结合自由能相当，ΔG_bind值分别为?75.216 ± 5.020、?75.128 ± 5.049和?75.051 ± 4.922 kcal/mol（表6）。相似的结合能表明三个系统均形成了稳定的复合物。范德华力和亲脂性相互作用是结合稳定性的主要贡献因素，而库仑相互作用提供了额外的有利贡献。氢键能对所有复合物的贡献相对较小。

表6. 共结晶配体、S12和S13与PPAR-α受体形成复合物时的MM-GBSA结合自由能组成。数值表示为分子动力学模拟轨迹获得的均值±标准差。

能量组成 共结晶配体（均值±标准差） S12（均值±标准差） S13（均值±标准差）
ΔGbind ?75.216 ± 5.020 ?75.128 ± 5.049 ?75.051 ± 4.922
ΔGbind_Coulomb ?19.869 ± 4.996 ?19.975 ± 4.952 ?19.993 ± 5.131
ΔGbind_Covalent ?5.054 ± 2.042 ?5.033 ± 1.917 ?5.054 ± 2.049
ΔGbind_Vander ?49.920 ± 4.983 ?49.988 ± 5.152 ?49.898 ± 4.996
ΔGbind_HBond ?1.970 ± 1.015 ?2.002 ± 1.009 ?1.999 ± 0.976
ΔGbind_Lipophilic ?29.900 ± 4.995 ?29.973 ± 5.001 ?29.857 ± 5.130

3.9 DFT分析

DFT分析为S12、S13和共结晶配体的电子性质和化学反应性提供了重要洞察。HOMO和LUMO分布显示，S12和S13的电子密度主要集中在取代吲哚和酰胺区域，表明这些区域是与受体发生分子间相互作用的潜在位点。S12和S13表现出相当的HOMO-LUMO能隙（分别为4.254 eV和4.259 eV），高于共结晶配体的能隙（1.385 eV）（表7和图14）。

表7. DFT计算中S12、S13和共结晶配体的分子描述符。

参数 化合物 S12 S13 共结晶
HOMO (Ha) -0.215 -0.206 -0.142
LUMO (Ha) -0.059 -0.049 -0.091
能隙ΔE (Ha) 0.156 0.157 0.051
能隙ΔE (eV) 4.254 4.259 1.385
电离势(I) 0.215 0.205 0.142
电子亲和力(A) 0.059 0.049 0.091
化学硬度(η) 0.078 0.078 0.025
软度(S) 6.397 6.390 19.658
电负性(χ) 0.137 0.127 0.116
化学势(μ) -0.137 -0.127 -0.116
亲电性指数(ω) 0.120 0.103 0.266

下载：下载高分辨率图片（875KB）下载：下载全尺寸图片
图14. 共结晶配体（Az242）、S12和S13的前沿分子轨道分布，显示了HOMO和LUMO的局部化模式。HOMO和LUMO表面分别指示与电子供体和电子受体相关的区域。

S12和S13的电离势和化学硬度值也较高，表明其具有更好的电子稳定性和抗电荷转移能力。相比之下，共结晶配体表现出较高的软度（19.658）和亲电性指数（0.266）。尽管S12和S13的亲电性较低，但其平衡的电负性和化学势值支持其在受体环境中稳定的相互作用行为。

3.10 静电表面势

ESP分析显示了共结晶配体、S12和S13中电子富集区域和电子缺失区域的分布。负电位区域主要分布在含氧基团周围，表明可能存在氢键受体位点，而正电位区域则与含氮基团相关。S12在分子上表现出较广泛的电荷分布，这可能支持多种分子间相互作用。相比之下，S13在羰基和芳香区域显示出更为集中的静电分布，表明其具有平衡的极性和疏水性特征（图15）。共结晶配体显示出相对分散的静电区域。

下载：下载高分辨率图片（632KB）下载：下载全尺寸图片
图15. 共结晶配体（Az242）、S12和S13的ESP图和前沿分子轨道能级。

3.11 逆合成和SA

所提出的路线采用了常见的反应条件和合成可及的起始原料，支持了两种化合物的实际可行性。S13的合成路线如图16所示。同样，S12的合成路线通过SYNTHIA?软件预测，如图17所示。此外，SwissADME预测的S12和S13的合成可及性得分分别为3.96和4.09，表明其中等的合成难度，支持使用常规合成方法制备的适用性。

下载：下载高分分辨率图片（640KB）下载：下载全尺寸图片
图16. 由SYNTHIA?逆合成软件生成的化合物S13的逆合成树。自动逆合成ID：37d05e78-a431-4ac8-a71e-0f9997efe001。

下载：下载高分辨率图片（512KB）下载：下载全尺寸图片
图17. 由SYNTHIA?逆合成软件生成的化合物S12的逆合成树。

4. 讨论

PPAR-α越来越多地被确认为一种多功能性核受体，参与细胞代谢、增殖、炎症和肿瘤进展。PPAR-α的激活与多种恶性肿瘤相关，包括结直肠癌、乳腺癌和胃癌，在这些癌症中，它促进了代谢适应和存活信号传导。因此，鉴定具有改进结合特征和良好药代动力学特性的新型PPAR-α结合物仍然是药物化学研究的重要领域。本研究设计了氨基酸偶联的吲哚衍生物，在保持合成可行性和类药性质的同时，提高受体相互作用能力。

4.1 PPAR-α/δ调控在结直肠癌中的生物学相关性

PPAR-δ/α调控在结直肠癌（CRC）中的治疗相关性仍是一个积极研究的领域，因为该核受体在肿瘤生物学中具有复杂且依赖于微环境的作用。PPAR-δ活性增强与CRC细胞的增殖增强、转移潜能和代谢适应相关，表明抑制或调节受体活性可能带来治疗获益[53]。相反，一些研究报告了PPAR-δ在特定生理条件下具有抗炎和促进分化作用，表明其生物学作用可能因配体类型、受体激活状态、肿瘤分期和细胞环境而异。更重要的是，激动剂和拮抗剂活性取决于配体与特定氨基酸及腔臂的结合[54]、[55]。此外，研究表明，通过部分激活和上调PPARγ表达可实现抗癌活性[56]。另一方面，PPAR-α在CRC中发挥肿瘤抑制作用。其激活可限制肿瘤生长、减少炎症并调节免疫逃逸[57]。研究表明PPAR-α在结直肠组织中有表达，其激活——通常使用非诺贝特等激动剂——通过抑制增殖、增强免疫活性[10]以及预防致癌作用[13]、[58]表现出抗癌特性。

因此，本研究并未将PPAR-α的普遍抑制或激活作为绝对的治疗策略。相反，我们专注于鉴定结构多样的吲哚类配体，使其能够在PPAR-α配体结合域内建立稳定的相互作用，从而为未来CRC生物学评估提供化学基础。

4.2 类药性

类药性和ADME评估进一步支持了所设计吲哚衍生物的治疗相关性。吲哚衍生物经常因溶解度、吸收或亲脂性方面的局限性而被报道[59]、[60]。尽管S12和S13表现出有利的计算ADME性质，但其分子量（>500 Da）略微超过了Lipinski五规则提出的经典阈值[61]，这可能限制被动膜渗透性和口服吸收。然而，Lipinski规则的违反并不一定排除药物开发，特别是在抗癌疗法中（紫杉烷和其他天然成分）[62]，许多临床成功的药物超过了这些限制[63]、[64]。A. Radhi等人还报告了吉西他滨衍生物通过计算机模拟和体外方法表现出良好的抗癌活性，尽管其分子量较高[65]。由于分子量增加是由于旨在增强受体相互作用的氨基酸偶联所致，未来的制剂策略如脂质纳米颗粒、脂质体或自乳化药物递送系统（SEDDS）可能有助于改善溶解度、渗透性和全身生物利用度[66]、[67]。

4.3 结构-相互作用关系

对接结果表明，设计的化合物与通常与PPAR-α配体识别相关的残基相互作用，包括Tyr334、Gly335、His323和Cys276（AutoDock Vina相互作用）。M. Liu等人在其研究中通过计算定义了针对PPAR受体的激动剂和拮抗剂的分子识别。他们报告了U形结合口袋通过C275、Q277、T279、L321和V332的结合促进激动剂行为，而通过I272、I317和I354实现拮抗作用[68]。此外，配体的化学特性也决定了其与PPAR受体的结合性质。配体应具有酸性头部以结合腔内氨基酸并赋予激动剂特性。在这种情况下，芳香连接基在疏水相互作用以及与PPAR的整体键距和分子构象中发挥着关键作用[69]。

早期关于含磺酰亚胺和酰胺的PPAR抑制剂的研究报道，羰基氧或羟基基团和苯磺酰胺基团分别通过氢键和疏水相互作用建立锚定相互作用至关重要[70]。另一项研究报告了PPAR蛋白上的三个不同位点（入口、臂I和臂II），磺脲类基团负责形成氢相互作用[71]。此外，关于吲哚衍生物合成和体外研究强调了取代基对活性的重要性，有助于建立构效关系（SAR）[72]。取代模式和连接基修饰强烈影响PPAR活性。邻位取代通常降低激动剂活性，而疏水基团如5-氯、5-三氟甲基和5-甲基则增强活性。相反，5-甲氧基和6位取代则不利。间位和对位取代提高了PPAR-γ活性。将链延长至三个碳会降低PPAR-α活性但增加PPAR-δ/γ活性，而更长的链或杂原子引入则导致活性丧失。此外，α-羰基取代产生了选择性PPAR-α激动剂[73]。

S12和S13的氨基酸连接侧链可能通过额外的氢键供体和受体位点增强了这些相互作用。与缺乏极性氨基酸基团的常规吲哚衍生物相比，本化合物在模拟研究中预计具有改进的相互作用持续性。最重要的是，所有设计的20种衍生物均遵循与共结晶配体相同的结合模式，并且它们能够适合进入结合口袋。

所有化合物均通过氢键、疏水作用或其他相互作用与Tyr334氨基酸发生相互作用（图18）。相互作用分数分析表明，疏水接触和氢键在整个模拟过程中得以维持。该观察结果与此前关于PPAR-δ/α配体结合口袋的研究[74]、[75]一致。极性接触可在控制基因转录下激活受体[76]。芳香吲哚环对核受体内的范德华相互作用和π型接触贡献显著。下载：下载高分辨率图像（673KB）下载：下载全尺寸图像 图18. 结合口袋及全部20种衍生物在结合口袋上的叠合图（AutoDock Vina）比较对接分析突出了预测配体结合对接算法和评分函数的依赖性。AutoDock Vina与Glide在绝对分数幅度和部分预测残基接触方面存在显著差异，这是意料之中的，因为这两个程序采用了不同的构象搜索策略和经验评分项。因此，两个平台获得的分数不应直接等同或视为实验结合能。与本筛选策略更相关的是先导化合物优先级的趋同：S13在两种方法中均保持最高排名，而S12也保持了有利的能量特性。相反，若干在Vina中表现优异的化合物在Glide中排名较低，这体现了正交对接相较于依赖单一评分函数的重要性。不同的残基层面相互作用模式进一步表明，对接姿态应被视为结构假设。分子动力学模拟进一步支持了所设计复合物在动态条件下的稳定性。S13在整个模拟期间保持了相对稳定的构象行为，表明其与受体腔室具有相容性。残基波动主要出现在柔性环和末端区域，而非活性位点内，表明结合环境得到了保持。早期计算研究[77]、[78]中报告的稳定PPAR复合物也描述了可比的波动特征。MM-GBSA是一种广泛用于估算配体与蛋白质结合自由能的计算方法。它在对接的速度与显式溶剂自由能模拟的严谨性之间取得了最佳平衡[79]、[80]。MM-GBSA计算显示S12、S13与共结晶配体之间的结合自由能相当，相互作用持久性分析为配体行为提供了预测性机制见解。分子动力学模拟期间的持续接触占有率通常与稳定的受体结合相关，可能比单纯的对接分数更能反映结合的稳健性。DFT描述符对于理解配体反应性、稳定性以及与生物分子靶点的相互作用倾向非常有用[81]。S12和S13有利的电子稳定性可能有助于维持受体制动结合并减少非特异性反应。HOMO-LUMO分布和静电势图对于识别参与蛋白质-配体相互作用的活性区域非常有用[82]。在我们的研究中，富电子区域主要分布在含氧基团和取代芳香区域附近，支持它们参与氢键和静电相互作用。S12和S13观察到的中等HOMO-LUMO能隙表明具有平衡的电子稳定性，这可能有利于可控的分子间相互作用而不过度化学活性。此外，本研究还纳入了逆合成可行性分析。S12和S13的提议合成路线涉及成熟的转化反应，如N-芳基化、氧化、氨甲酰化和酯修饰，并使用商业可获取的前体。中等的合成可及性评分进一步支持了这些衍生物在未来实验室合成和生物评估中的实际可行性。因此，优先选择S13并非因为其结合能量有显著改善，而是由于其平衡的计算特征，整合了对接行为、相互作用持久性、动态稳定性、可接受的药代动力学特性以及合成可行性。总体而言，综合计算分析表明，氨基酸偶联含氟吲哚衍生物代表了PPAR-α的前景支架。在设计的化合物中，S13展现了受体相互作用、稳定性、药代动力学适宜性和合成可行性的最佳平衡组合，支持其被选用于进一步的实验研究。5. 结论在本研究中，成功设计并评估了一系列氨基酸偶联5-氟-2-甲基-1-苯基吲哚衍生物作为潜在的PPAR-α调节剂，采用了综合计算机模拟方法。在所筛选的化合物中，S13表现出最有前景的预测候选特征，显示出优越的结合亲和力、稳定的相互作用特征以及有利的药代动力学和毒性特性。MD模拟表明S13-PPAR-α复合物具有结构稳定性，而MM-GBSA分析进一步验证了其强预测结合亲和力。重要的是，中等的合成可及性评分和逆合成途径表明S13可以方便地通过常规有机方法合成。引入氨基酸被证明是增强配体-受体相互作用和改善类药性质的有效策略。总体而言，研究结果突出了S13作为计算预测先导化合物在开发新型PPAR-α靶向治疗药物中的潜力。进一步的实验验证，包括体外和体内研究，是必要的以确认其生物活性和安全性。CRediT作者贡献声明Shankar M：写作 – 审阅与编辑，监督。Shankar Thapa：写作 – 初稿撰写，软件，方法论，形式分析，概念化利益冲突所有作者声明无利益冲突。伦理批准不适用。数据可用性数据应通讯作者要求提供。资金无资金。Shankar Thapa|M. Shankar