新型分子靶向药物PI3Kδ抑制剂——2-氨基吡啶系列衍生物的体外生物学评价（2）

新药在临床试验中失败的原因主要与不太满意的药代动力学特征和毒性问题有关。因此，本文通过对MR3278进行计算机ADMET分析来进行简单的类药物性探索。

如生物利用度雷达图所示，MR3278的高生物利用度可归因于其最佳的物理化学性质。雷达图包含了口服生物利用度的六个关键参数：LIPO（亲脂性）、SIZE（分子大小）、POLAR（极性）、INSOLU（溶解度）、INSATU（饱和度）和FLEX（柔韧性）。

接下来，使用SwissADME、PreADMET和pkCSM数据库来预测MR3278的不同ADMET参数。

就吸收参数而言，MR3278将是口服药物的良好候选者，因为它具有良好的人体肠道吸收性（HIA，92.73%）。然而，它的CaCo-2模型值为3.14。在分布参数方面，MR3278在血脑屏障中显示出低渗透性，其值为0.053（小于0.1），这意味着它具有减少中枢神经系统不良反应的优势。细胞色素P450（CYP450）是一个主要存在于肝脏中的酶家族，负责对毒素或药物等外源性物质进行解毒，将其从体内清除。根据PreADMET数据， MR3278是不同CYP450酶的潜在抑制剂和底物。此外，根据预测的总清除率（Log CLtot，ml/min/kg）来评估MR3278的排泄，并推断其是否为肾摄取转运蛋白（OCT2）底物。pkCSM结果表明，预期的Log CLtot值为0.17，MR3278不是肾脏OCT2底物，这意味着该药物在体内的稳态肾脏清除和排泄。

采用PreADMET对MR3278的毒性预测进行评估。如上表所示，MR3278对大鼠没有致癌活性，对藻类、鱼类和水蚤的急性毒性预测显示毒性水平较低。Ames试验是一种确定化合物对鼠伤寒沙门氏菌菌株诱变性的简单方法。MR3278的Ames毒性试验呈阴性，表明该制剂毒性程度低，无致突变作用。此外，MR3278没有违反所有药物相似性规则(Lipinski, Ghose,Veber, Egan, and Muegge)。根据计算机预测，认为MR3278将具有理想的类药物性质。

本文利用生物电子等排取代策略，开发了一种基于2-氨基吡啶骨架的新型PI3Kδ抑制剂。MR3278对PI3Kδ具有高活性（IC50=30nM），并且与Idelalisib相比，对大多数AML细胞表现出更好的抗增殖活性。此外，MR3278作为潜在的PI3Kδ抑制剂显著抑制PI3K/AKT通路，并在Mv-4- 11细胞中表现出剂量依赖性诱导凋亡和G2/M周期阻滞。

综上所述，这些结果表明MR3278可能是PI3Kδ抑制剂的一个新的先导化合物，目前正在进一步完善类似结构化合物并评估体内抗肿瘤疗效。

References

1. Daina A, Michielin O, Zoete V. SwissADME: a free web tool to evaluate

pharmacokinetics, drug-likeness and medicinal chemistry friendliness of small molecules. Sci Rep-UK. 

2017;7:42717.

2. Pires DEV, Blundell TL, Ascher DB. pkCSM: predicting small-molecule

pharmacokinetic and toxicity properties using graph-based signatures. J Med Chem. 

2015;58:4066–4072.

3. Lipinski CA, Lombardo F, Dominy BW, Feeney PJ. Experimental and computational approaches to estimate solubility and permeability in drug discovery and development settings (Reprinted from Advanced Drug Delivery Reviews, vol 23, pg 3–25, 1997). Adv Drug Deliver Rev. 

2001;46:3–26.

4. Ghose AK, Viswanadhan VN, Wendoloski JJ. A knowledge-based approach in designing combinatorial or medicinal chemistry libraries for drug discovery. 1. A qualitative and quantitative characterization of known drug databases. J Comb Chem. 1999;1:55–68.

5. Veber DF, Johnson SR, Cheng HY, Smith BR, Ward KW, Kopple KD. Molecular

properties that inffuence the oral bioavailability of drug candidates. J Med Chem. 

2002;45:2615–2623.

6. Egan WJ, Merz KM, Baldwin JJ. Prediction of drug absorption using multivariate statistics. J Med Chem. 2000;43:3867–3877.

7.Muegge I, Heald SL, Brittelli D. Simple selection criteria for drug-like chemical matter. J Med Chem. 

2001;44:1841–1846.