基于抑制内质网应激的新型抗糖尿病药物的合成及构效关系研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    81903438
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    20.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    H3401.合成药物化学
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

The death of insulin-producing pancreatic β-cells are critical elements in the pathogenesis of diabetes. Increasing evidence indicates that a severe endoplasmic reticulum stress plays an important role in the decline in pancreatic β-cell function and mass, resulting in the decrease of insulin secretion, increase of blood glucose, and diabetes. Thus, the inhibition of the endoplasmic reticulum stress and β-cell apoptosis becomes a new strategy of diabetes treatment. In previous study, compound 13d, was achieved by a β-cell survival-based high throughput screening approach. To solve the low activity in vivo, further studies will be carried out: 1) After the study on the metabolic stability of 13d, we found that the position that is easily to be metabolized. 2) Replace the aide bond with five-membered aromatic rings. 3) Evaluate the in vitro, in vivo potency and metabolic stability of the compounds. 4) Study the effect on ER stress and apoptosis of the compounds. Thus, our study is not only focus on improving the in vivo potency, but also on the research about how the target compounds affect the ER stress. And the result would provide a promising therapeutic approach for patients with diabetes.
糖尿病的发生发展与胰岛β细胞的凋亡密切相关。β细胞内剧烈的内质网应激会引起β细胞凋亡,胰岛素分泌减少,血糖升高。因此,抑制β细胞内质网应激和凋亡是糖尿病治疗的新策略之一。我们通过高通量筛选获得一类β细胞凋亡抑制剂,得到先导化合物13d。体外实验显示,13d可以有效抑制内质网应激和β细胞凋亡,是目前发现效应最强的化合物。但该化合物口服后活性较弱,酰胺键易被水解可能是其口服活性较低的原因。为克服上述缺陷,本课题继续进行深入研究:1)对13d进行代谢稳定性研究,确定其口服活性下降的原因;2)针对易代谢的酰胺键,利用生物电子等排原理引进五元芳香环替换掉酰胺结构,以增加化合物的代谢稳定性;3)评估新化合物的体外活性、代谢稳定性以及口服给药活性;4)考察新化合物对内质网应激的影响以及抑制凋亡的作用机制。这一研究不仅能够克服先导化合物口服活性较弱的缺陷,而且将深入研究其作用机制,为糖尿病治疗提供新思路。

结项摘要

内质网应激引起的β细胞凋亡是引起糖尿病的重要原因之一。因此,抑制β细胞内质网应激和凋亡是糖尿病治疗的新策略之一。我们通过高通量筛选获得一类β细胞凋亡抑制剂,得到先导化合物口服后活性较弱,酰胺键易被水解可能是其口服活性较低的原因。为克服上述缺陷,针对易代谢的酰胺键,利用生物电子等排原理引进五元芳香环替换掉酰胺结构,以增加化合物的代谢稳定性;经过改造得到的化合物显示了良好的体外活性、代谢稳定性以及口服给药活性。这一研究不仅能够克服先导化合物口服活性较弱的缺陷,而且将深入研究其作用机制,为糖尿病治疗提供新思路。

项目成果

期刊论文数量(8)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Reproducing the invention of a named reaction: zero-shot prediction of unseen chemical reactions
重现命名反应的发明:看不见的化学反应的零样本预测
  • DOI:
    10.1039/d1cp05878a
  • 发表时间:
    2022
  • 期刊:
    Physical Chemistry Chemical Physics
  • 影响因子:
    3.3
  • 作者:
    An Su;Xinqiao Wang;Ling Wang;Chengyun Zhang;Yejian Wu;Xinyi Wu;Qingjie Zhao;Hongliang Duan
  • 通讯作者:
    Hongliang Duan
Heck reaction prediction using a transformer model based on a transfer learning strategy
使用基于迁移学习策略的 Transformer 模型进行 Heck 反应预测
  • DOI:
    10.1039/d0cc02657c
  • 发表时间:
    2020
  • 期刊:
    Chemical Communications
  • 影响因子:
    4.9
  • 作者:
    Ling Wang;Chengyun Zhang;Renren Bai;Jianjun Li;Hongliang Duan
  • 通讯作者:
    Hongliang Duan
Data augmentation and transfer learning strategies for reaction prediction in low chemical data regimes
低化学数据体系中反应预测的数据增强和迁移学习策略
  • DOI:
    10.26434/chemrxiv.13383275.v1
  • 发表时间:
    2021
  • 期刊:
    Organic Chemistry Frontiers
  • 影响因子:
    5.4
  • 作者:
    Yun Zhang;Ling Wang;Xinqiao Wang;Chengyun Zhang;Jiamin Ge;Jing Tang;An Su;Hongliang Duan
  • 通讯作者:
    Hongliang Duan
Transfer Learning: Making Retrosynthetic Predictions Based on a Small Chemical Reaction Dataset Scale to a New Level
迁移学习:基于小型化学反应数据集规模的逆合成预测达到新水平
  • DOI:
    10.3390/molecules25102357
  • 发表时间:
    2020
  • 期刊:
    Molecules
  • 影响因子:
    4.6
  • 作者:
    Renren Bai;Chengyun Zhang;Ling Wang;Chuansheng Yao;Jiamin Ge;Hongliang Duan
  • 通讯作者:
    Hongliang Duan
Providing direction for mechanistic inferences in radical cascade cyclization using a Transformer model
使用 Transformer 模型为自由基级联环化的机械推论提供方向
  • DOI:
    10.1039/d2qo00188h
  • 发表时间:
    2022
  • 期刊:
    Organic Chemistry Frontiers
  • 影响因子:
    5.4
  • 作者:
    Jiangcheng Xu;Yun Zhang;Jiale Han;An Su;Haoran Qiao;Chengyun Zhang;Jing Tang;Xi Shen;Bin Sun;Wenbo Yu;Silong Zhai;Xinqiao Wang;Yejian Wu;Weike Su;Hongliang Duan
  • 通讯作者:
    Hongliang Duan

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码