In silico Identifizierung neuartiger Redoxenzym-Inhibitoren zur Entwicklung von Medikamenten gegen Parasitosen und Krebs

Abstract

Die Methoden der Bio- und der Chemoinformatik sind heutzutage aus der modernen Wirkstoffforschung nicht mehr wegzudenken. Dies belegen zahlreiche Erfolgsbeispiele wie Gleevec oder Tamiflu, bei deren Entwicklung solche in silico-Methoden maßgeblich beteiligt waren. Da die dabei durchgeführten Berechnungen sehr ressourcenintensiv sind, werden leistungsfähige Computer benötigt. Neben den Grid-Computing-Systemen bieten Linux-Cluster eine probate Möglichkeit, die benötigten Ressourcen zur Verfügung zu stellen. Im Rahmen der vorliegenden Arbeit wurde eine Linux-Cluster-Umgebung für virtuelles Hochdurchsatz-Screening validiert und das Setup optimiert. Mit diesem System konnten im Anschluss sowohl Literaturdaten reproduziert, als auch neue bioaktive Enzym-Inhibitoren identifiziert werden. Darüber hinaus konnte eine bemerkenswerte Geschwindigkeitssteigerung bei gleicher Qualität der Ergebnisse gegenüber der bisher verwendeten Hardware erzielt werden. Tropische Infektionskrankheiten wie Malaria, Trypanosomiasis und Lei¬sh¬¬maniose, welche durch Protozoen der Gattungen Plasmodium sp., Trypanosoma sp. und Leishmania sp. hervorgerufen werden, haben massive Auswirkungen auf die Gesundheit des Menschen sowie auf den Wohlstand vieler Länder. Sie fordern pro Jahr mehrere Millionen Todesopfer. Da viele der zurzeit zugelassenen Medikamente für die Betroffenen nicht erschwinglich sind und sie zudem aufgrund von stärker werdenden Resistenzen immer mehr an Wirkung verlieren, ist die Entwicklung neuer Medikamente zur Behandlung dieser Krankheiten dringend notwendig. Die Tatsache, dass die o. g. Protozoen sehr empfindlich gegenüber oxidativem Stress sind, macht die Hauptkomponenten ihrer antioxidativen Netzwerke zu hervorragenden Angriffspunkten für Chemotherapeutika. Dabei sind auch die antioxidativen Netzwerke der Wirtsorganismen von besonderem Interesse, da eine Inhibierung derselben ebenfalls zu erhöhtem oxidativen Stress für den Parasiten führt. Die Hauptkomponenten dieser Netzwerke sind u. a. die Glutathion-Reduktase und die Trypanothion-Reduktase. Ein weiteres Enzym, welches kein Bestandteil dieser Netzwerke ist, aber dennoch für die Entstehung von oxidativem Stress sorgen kann, ist die Liponamid-Dehydrogenase. Um weitere Vorstufen für die Entwicklung neuer Medikamente gegen Malaria, Trypanosomiasis und Leishmaniose bereit zu stellen, wurden in dieser Arbeit mit in silico-Methoden neue Inhibitoren dieser Enzyme id¬en¬tifiziert. Hierzu wurde ein Großteil der aus der Literatur bekannten Inhibitoren in einer Datenbank erfasst und aus diesen Liganden Pharmakophor-Modelle abgeleitet. Mit Hilfe dieser Modelle wurden im Anschluss virtuelle Substanzbibliotheken dahingehend gefiltert, dass die resultierenden Substanzen eine hohe Wahrscheinlichkeit haben, mit dem Zielprotein zu interagieren. Die so erhaltenen Moleküle wurden nun unter Verwendung eines zuvor validierten und optimierten Docking-Setups in das Zielprotein eingepasst und die chemischen Interaktionen zwischen Protein und Ligand bewertet. Eine Auswahl an Substanzen konnte dann mittels in vitro-Tests auf ihre biologische Wirksamkeit überprüft werden. Dabei zeigte sich, dass die Aktivität einiger Inhibitoren mit den besten aus der Literatur bekannten Substanzen vergleichbar war. Anhand dieser Daten war es möglich Struktur-Aktivitäts-Beziehungen abzuleiten, die deutliche Hinweise für die Optimierung der identifizierten Inhibitoren liefern. Bei allen hier durchgeführten Docking-Experimenten konnte eine gute Korrelation zwischen den vorgeschlagenen Bindungsmodi und den gemessenen biologischen Aktivitäten der Inhibitoren beobachtet werden, was eine weitere Bestätigung für die Funktionalität der hier angewendeten Methode liefert. Die vorliegenden Ergebnisse stellen eine wertvolle Grundlage für die zukünftige Entwicklung neuer Wirkstoffe gegen Malaria, Trypanosomiasis und Leishmaniose dar.

Bio- and Chemoinformatic methods are key technologies within the drug discovery process. Such in silico techniques, for example, contributed significantly to the development of Gleevec and Tamiflu, two well-known and successful drugs. Due to the fact that these approaches generally require a lot of computing power, grid-computing systems or Linux clusters are used to fulfil these needs. One part of this dissertation dealt with the validation and optimisation of a Linux cluster for virtual high-throughput screening purposes. Using this optimised setup it was possible to reproduce literature data and to identify new bioactive enzyme inhibitors. Compared to the hardware used till now, a significant speed increase could be observed providing consistent results. Tropical infectious diseases, e.g. Malaria, Trypanosomiasis and Leishmaniasis which are caused by the protozoan parasites Plasmodium sp., Trypanosoma sp. and Leishmania sp. represent an immense social and economic burden leading to millions of deaths annually. Because most of the marketed drugs are too expensive and are subject to efficacy losses due to increasing resistance problems, there is a very strong need for the development of new achievable and resistance-breaking drugs for the treatment of these diseases. The above mentioned protozoa are very sensitive towards oxidative stress. Therefore, the main antioxidant defense systems of these parasites - consisting of Glutathione reductase and Trypanothione reductase - are attractive target proteins for chemotherapeutics. In this context the antioxidant defense systems of the host organisms are considered as promising targets as well, because an inhibition of these proteins leads to an increase of oxidative stress for the parasite. The structurally closely related Lipoamide dehydrogenase, although not a part of the antioxidant defense systems, may contribute to the generation of oxidative stress, either. In order to provide further precursor molecules for the development of new drugs against Malaria, Trypanosomiasis and Leishmaniasis, in silico methods were used to identify new inhibitors of these enzymes. Based on known inhibitors pharmacophore models were generated which could be used to filter a virtual compound library. This step led to an increased interaction probability between the resulting compounds and the target proteins. Afterwards the molecules were fitted into the target proteins and the chemical interactions were scored using a validated and optimised docking setup. With the help of in vitro assays the biological activity of a selection of docked and scored compounds could be determined leading to substances which showed activities comparable to the best inhibitors known from literature. These data enabled the investigation of structure-activity-relationships providing clear hints for further chemical optimisation of the identified inhibitors. Within all docking experiments a good correlation between the proposed binding modes and the biological activities could be observed thereby confirming that these in silico techniques represent important methods for the identification of new enzyme inhibitors. The results in hand establish a valuable basis for the future development of drugs against Malaria, Trypanosomiasis and Leishmaniasis.