基于药效团和分子对接筛选D-丙氨酰-D-丙氨酸连接酶抑制剂.pdf

第3 2卷第2期2 0 2 3年6月江苏海洋大学学报(自然科学版)J o u r n a l o f J i a n g s u O c e a n U n i v e r s i t y(N a t u r a l S c i e n c e E d i t i o n)V o l.3 2 N o.2J u n.2 0 2 3 D O I:1 0.3 9 6 9/j.i s s n.2 0 9 6-8 2 4 8.2 0 2 3.0 2.0 0 8基于药效团和分子对接筛选D-丙氨酰-D-丙氨酸连接酶抑制剂*王亚铃1,2,姚明丽1,2,钱晨亮1,2,夏 杰1,2,司鑫鑫1(1.江苏海洋大学 药学院,江苏 连云港 2 2 2 0 0 5;2.中国医学科学院北京协和医学院 药物研究所,北京 1 0 0 0 5 0)摘 要:试图通过虚拟筛选来发现具有抑制D-丙氨酰-D-丙氨酸连接酶(D-a l a n i n e-D-a l a n i n e l i g-a s e,D d l)潜力的新结构类型抗生素。以活性较强的D d l抑制剂作为训练集,使用D i s c o v e r y S t u d i o软件中的H i p H o p模块构建1 0个药效团,以性能最好的药效团对S p e c s化合物库进行虚拟筛选,然后通过L i b D o c k进行基于分子对接(P D B I D:1 I OW)的筛选。结果表明,h i g h_a c t i v e_0 8模型预测性能最佳,该模型含有2个氢键受体和3个氢键供体共5个药效团特征元素。用药效团模型、分子对接对S p e c s库进行高通量筛选,通过结合模式分析最终从约2 1万化合物库中得到3 4个化合物,经过分子聚类确定1 1个有潜力且与药效团匹配度高的多样性D d l小分子抑制剂。h i g h_a c t i v e_0 8药效团模型可以筛选出具有D d l抑制潜力的结构新颖的抗菌化合物。关键词:D d l抑制剂;药效团;分子对接;虚拟筛选中图分类号:R 9 6 6;T P 3 9 9 文献标志码:A 文章编号:2 0 9 6-8 2 4 8(2 0 2 3)0 2-0 0 5 3-0 7H i g h-t h r o u g h p u t V i r t u a l S c r e e n i n g o f D-a l a n y l-D-a l a n i n e L i g a s e I n h i b i t o r s B a s e d o n P h a r m a c o p h o r e a n d M o l e c u l a r D o c k i n gWANG Y a l i n g1,2,YAO M i n g l i1,2,Q I AN C h e n l i a n g1,2,X I A J i e1,2,S I X i n x i n1(1.S c h o o l o f P h a r m a c y,J i a n g s u O c e a n U n i v e r s i t y,L i a n y u n g a n g 2 2 2 0 0 5,C h i n a;2.I n s t i t u t e o f M a t e r i a M e d i c a,C h i n e s e A c a d e m y o f M e d i c a l S c i e n c e s&P e k i n g U n i o n M e d i c a l C o l l e g e,B e i j i n g 1 0 0 0 5 0,C h i n a)A b s t r a c t:N e w s t r u c t u r a l a n t i b i o t i c s w i t h p o t e n t i a l t o i n h i b i t D-a l a n i n e-D-a l a n i n e l i g a s e(D d l)w e r e i d e n t i f i e d b y v i r t u a l s c r e e n i n g.U s i n g D d l i n h i b i t o r s w i t h h i g h a c t i v i t y a s t h e t r a i n i n g s e t,1 0 p h a r m a c o p h o r e s w e r e c o n s t r u c t e d b y u s i n g D i s c o v e r y S t u d i o s o f t w a r e b a s e d o n t h e H i p H o p o f s m a l l l i g a n d m o l e c u l e s,t h e b e s t p h a r m a c o p h o r e w a s u s e d f o r v i r t u a l s c r e e n i n g o f S p e c s c o m-p o u n d l i b r a r y,a n d t h e n t h e m o l e c u l a r d o c k i n g b a s e d(P D B I D:1 I OW)s c r e e n i n g w a s p e r f o r m e d b y L i b D o c k.T h e r e s u l t s s h o w e d t h a t t h e h i g h_a c t i v e_0 8 m o d e l h a d t h e b e s t p r e d i c t i o n p e r f o r m-a n c e,w h i c h c o n t a i n e d a l t o g e t h e r 5 p h a r m a c o p h o r e c h a r a c t e r i s t i c e l e m e n t s i n c l u d i n g 2 h y d r o g e n b o n d a c c e p t o r s a n d 3 h y d r o g e n b o n d d o n o r s.T h e p h a r m a c o p h o r e m o d e l a n d m o l e c u l a r d o c k i n g w e r e u s e d f o r h i g h-t h r o u g h p u t s c r e e n i n g o f t h e S p e c s l i b r a r y.I n t h e e n d,3 4 c o m p o u n d s w e r e o b-t a i n e d f r o m t h e l i b r a r y o f a b o u t 2 1 0 0 0 0 c o m p o u n d s b y b i n d i n g p a t t e r n a n a l y s i s.A f t e r m o l e c u l a r c l u s t e r i n g,1 1 D d l s m a l l m o l e c u l e i n h i b i t o r s w i t h p o t e n t i a l a n d h i g h m a t c h i n g d e g r e e t o p h a r m a-c o p h o r e w e r e a l s o i d e n t i f i e d.I t i s c o n c l u d e d t h a t t h e h i g h_a c t i v e_0 8 p h a r m a c o p h o r e m o d e l h a s t h e p o t e n t i a l t o s c r e e n f o r s t r u c t u r a l l y n o v e l a n t i m i c r o b i a l c o m p o u n d s w i t h D d l i n h i b i t i o n p o t e n-t i a l.*收稿日期:2 0 2 2-1 2-1 5;修订日期:2 0 2 3-0 4-1 3基金项目:江苏省研究生科研与实践创新计划项目(KY C X 2 0 2 1-0 8 5)作者简介:王亚铃(1 9 9 7),女,江苏淮安人,硕士研究生,研究方向为计算机辅助药物设计,(E-m a i l)y a l i n g.w a n g 2 0 2 1h o t m a i l.c o m。通信作者:司鑫鑫(1 9 8 7),女,江苏南通人,副教授,博士,研究方向为分子药理学,(E-m a i l)s i x x j o u.e d u.c n。K e y w o r d s:D d l i n h i b i t o r s;p h a r m a c o p h o r e;m o l e c u l a r d o c k i n g;v i r t u a l s c r e e n i n g0 引言随着细菌耐药率的不断升高和各种超级细菌的出现,研发新型抗菌药物成为人类维护健康的迫切需要1。细胞壁作为细菌区别于人体的独特结构,一直是抗菌药物研究的热点靶点。细菌细胞壁的合成是一个高度保守的过程,肽聚糖是细胞壁合成过程中必不可少的成分2-4。作用于肽聚糖合成、抑制细胞壁形成从而产生抗菌作用的抗菌药物成为人们研究的热点之一。肽聚糖的生物合成过程大约包含2 0步,根据发生部位的不同可分成3个阶段:第一个阶段以N-乙酰葡萄糖胺(G l c NA c)为底物合成UD P-N-乙酰胞壁酸五肽,发生在细胞质内;第二个阶段主要是合成脂质(l i p i d)和脂质(l i p i d),发生在细胞膜内表面;第三个阶段l i p i d 被运输到细胞膜外,多糖链通过转糖基作用在横向上延伸成一个双糖单位,再通过转肽酶作用交联相邻的两条多糖链形成最终的网状结构3。肽聚糖生物合成途径中的关键酶是研发新型抗菌药物的重要靶点,针对肽聚糖合成过程中的关键酶开发抑制剂是目前研发新型抗菌药物一个重要途径5-7。与肽聚糖生物合成有关的酶中,D-丙氨酰-D-丙氨酸连接酶(D-a l a n i n e-D-a l a n i n e l i g a s e,D d l)作为肽聚糖合成第一阶段的关键酶之一,负责D-A l a-D-A l a二肽的合成,该二肽会进入到个体肽聚糖链内,在肽聚糖交联时充当酰基转移的位点8,这个过程是细菌细胞壁合成所必须的。目前研究发现了一些D d l抑制剂,如临床上用于抗结核分支杆菌的恶唑烷酮类化合物环丝氨酸,可通过与D-A l a竞争底物结合位点抑制D d l7,9,还发现了其他类型的化合物,如类黄酮类中的芹菜素1 0、香豆素类1 1、蒽醌类1 2、酰胺类1 3、硫脲类等,其中硫脲类抑制剂表现出较强的体外抗菌活性,可抑制耐甲氧西林、利奈唑胺、红 霉素、环丙沙 星和莫西沙 星耐药菌的 生长1 4,这些抑制剂大多数都是AT P竞争性抑制剂。近年来,虚拟筛选已成为可靠且相对廉价的用于发现先导化合物的一种重要技术手段9,1 4-1 6。很多研究人员也通过虚拟筛选技术得到了一些D d l抑制剂1 2,1 7,但是并没有通过药效团模型来发现D d l抑制剂。随着药效团技术的不断深入研究,利用药效团和分子对接进行虚拟筛选发现潜在活性化合物的方法在近几年得到了广泛应用1 6,1 8。本研究基于分子共同特征方法构建出可靠性高、预测效果好的药效团模型,并通过分子对接技术,最终筛选具有潜在活性的D d l小分子抑制剂。1 材料与方法1.1 药效团模型的构建使用D i s c o v e r y S t u d i o 2 0 1 6(D S)软件中的C a t-a l y s t/H i p H o p模块,基于训练集中的化合物生成共同特征药效团。本研究从文献1 4 中收集了6个高活性的化合物(如图1所示训练集),通过D S中P r e p a r e L i g a n d模块将氢原子加入到化学结构中,并在p H为7.4时产生质子化。根据化合物对D d l的半抑制浓度值(I C5 0)定义小分子的P r i n c i p a l和M a x Om i t F e a t属性1 9,将化合物2的P r i n c i p a l定义为2,M a x Om i t F e a t定义为0,表示该化合物为高活性;其他中等活性化合物M a x Om i t F e a t定义为1,P r i n c i p a l也定义为2。考虑到分子在与受体作用时构象的柔性,采用G e n e r a t e C o n f o r m a t i o n s模块将每个化合物快速生成了最多2 5 5种不同的低能构象。运用F e a t u r e M a p p i n g模块从2 7 2个特征中识别训练集中配体的特征,计算每个特征出现的次数。在C o mm o n F e a t u r e P h a r m a c o p h o r e G e n e r a t i o n模块中,选择出现此数量最多的特征(H B_A C C E P-TO R,H B_A C C E P TO E_l i p i d,H B_D ONO R,R I-I NG_A R OMAT I C,H B D_1,H B A_P R O J E C-T I ON),并设置每个特征在一个药效团中的允许数量为05,共构建1 0个药效团模型。测试集数据由同篇文献中其他化合物组成(如图1所示)。测试集包括有活性和无活性两类化合物。采用D S中的L i g a n d P r o f i l e r模块,将所有化合物映射到每个生成的药效团模型上。在该模块中将“M a x i m u m Om i t t e d F e a t u r e s”的参数设为0,表示模型评价时考虑了药效团特征子集。其他参数为默认值。用F i t V a l u e值对活性化合物和无活性化合物进行区分,能够通过F i t V a l u e值很好地区分活性化合物和无活 性化合物的 药 效 团 模 型 为 最 佳模型。45江苏海洋大学学报(自然科学版)2 0 2 3年6月注:n.a表示无活性化合物。图1 训练和测试药效团模型数据集F i g.1 D a t a s e t s u s e d t o t r a i n a n d t e s t t h e p h a r m a c o p h o r e1.2 基于药效团的虚拟筛选本研究筛选了S p e c s化合物库(超过2 1万个化合物)。S p e c s中的化合物由D S中的P r e p a r e L i g-a n d s模块准备,将配体质子化(p H=7.0)并产生所有潜在的立体异构体,然后运用D S中的B u i l d 3 D D a t a b a s e模块设置每个配体产生不超过2 5 5个构象组成一个S p e c s 3 D数据库。通过D S中S e a r c h 3 D D a t a b a s e模块将3 D数据库中所有的化合物用最佳药效团模型进行过滤。药效团特征相似度采用F i t V a l u e值来评价,保留所有F i t V a l u e大于零的构象。本研究选择F i t V a l u e大于3.5的化合物。1.3 基于分子对接的虚拟筛选1.3.1 晶体结构的确定 D d l的晶体结构数据来源于P D B晶 体 结 构 数 据 库(h t t p s:/www.r c s b.o r g)。从C h EMB L数据库(h t t p s:/www.e b i.a c.u k/c h e m b l)中 确 定 了 大 肠 杆 菌 来 源 的 单 蛋 白 的U n i P r o t编号(P 0 7 8 6 2),然后在P D B数据库中收集了与P 0 7 8 6 2相关的6个大肠杆菌来源的晶体结构复合 物(P D B c o d e分 别 为:1 I OV,1 I OW,2 D L N,4 C 5 A,4 C 5 B,4 C 5 C)。运用D S软件将晶体结构的杂原子、水分子去除,含有多条肽链的晶体结构删除多余的肽链,最终每个晶体结构中只保留一个配体和一条肽链。将准备好的晶体结构运用S u p e r i m-p o s e P r o t e i n 模块叠合到晶体结构1 I OV中,查看配体的结合位点。选择分辨率较高的晶体结构作为分子对接筛选的晶体结构。1.3.2 受体准备 叠合后发现所有的配体在同一活性位点,选择大肠杆菌原始株来源的且分辨率较高的晶体结构(P D B c o d e:1 I OW)作为分子对接受体,1 I OW的分辨率为0.1 9 0 n m。运用D S软件D f i n e a n d E d i t B i n d i n g S i t e模块定义受体活性位点,活性位点如图2 a所示。1.3.3 分子对接 采用D o c k L i g a n d s中的L i b-D o c k模块进行分子对接,L i b D o c k根据小分子构象与受体相互作用热区(H o t s p o t)匹配的原理,将这些构象刚性对接到受体的结合口袋中。将药效团筛选得到的化合物对接到编号为1 I OW的D d l晶体结构受体中,基于L i b D o c k S c o r e打分函数对每个化55 第2期王亚铃等:基于药效团和分子对接筛选D-丙氨酰-D-丙氨酸连接酶抑制剂合物进行打分。以受体-配体复合物中原来的配体构象为参考,计算配体新生成构象与参考构象之间的RM S D值,其重原子RM S D=0.0 8 7 n m,此时配体的L i b D o c k S c o r e分数为9 8.5,因此选择化合物的L i b D o c k S c o r e分数大于9 8.5的化合物。1.4 候选化合物的选择1 I OW晶体结构复合物中受体与配体的结合模式如图2 b所示,配体与受体氨基酸残基A r g 2 5 5,L e u 2 8 2,S e r 2 8 1,S e r 1 5 0和L y s 2 1 5等有氢键相互作用,其中氨基酸残基A r g 2 5 5较为重要2 0,优先选择与A r g 2 5 5有氢键相互作用的化合物。为保证筛选化合物的结构多样性,将筛选得到的化合物使用D S中的“C l u s t e r L i g a n d s”功能采用F C F P_6指纹进行分子聚类。通过观察,从每类中选择12个化学结构,优先考虑具有较高F i t V a l u e值和L i b D o c k S c o r e值的化合物。a b 注:a图所示为 6个晶体结构叠合结果,所有配体均在相同结合位点,中间红色球形为活性位点,内部为叠合后的小分子;b图所示为D d l晶体结构(P D B I D:1 I OW;分辨率:0.1 9 0 n m)受体与配体的结合模式,配体与多个氨基酸有氢键相互作用。图2 晶体结构叠合及活性位点F i g.2 C r y s t a l s t r u c t u r e s u p e r p o s i t i o n a n d a c t i v e s i t e2 结果与讨论2.1 1 0个药效团模型药效团模型的特征见表1,各药效团模型排名非常接近,最高8 6.0 1 3,最低8 3.5 9 6。1 0个药效团模型的直接命中数、部分命中数和最大命中数相同。表1 1 0个药效团模型及特征T a b l e 1 1 0 p h a r m a c o p h o r e m o d e l s a n d f e a t u r e s药效团模型药效团特征分数直接命中有效命中最大匹配h i g h_a c t i v e_0 1H Z Z D D8 6.0 1 31 1 1 1 1 10 0 0 0 0 05h i g h_a c t i v e_0 2A Z Z D D8 4.8 1 31 1 1 1 1 10 0 0 0 0 05h i g h_a c t i v e_0 3H Z Z D D8 4.4 5 81 1 1 1 1 10 0 0 0 0 05h i g h_a c t i v e_0 4HH Z D D8 4.4 5 81 1 1 1 1 10 0 0 0 0 05h i g h_a c t i v e_0 5H Z D D D8 4.4 5 81 1 1 1 1 10 0 0 0 0 05h i g h_a c t i v e_0 6HH Z D D8 3.9 6 91 1 1 1 1 10 0 0 0 0 05h i g h_a c t i v e_0 7H Z Z D D8 3.5 9 61 1 1 1 1 10 0 0 0 0 05h i g h_a c t i v e_0 8HHD D D8 3.5 9 61 1 1 1 1 10 0 0 0 0 05h i g h_a c t i v e_0 9H Z D D D8 3.5 9 61 1 1 1 1 10 0 0 0 0 05h i g h_a c t i v e_1 0HD D D D8 3.5 9 61 1 1 1 1 10 0 0 0 0 05 注:药效团特征,Z表示疏水性,D表示氢键供体,H表示氢键受体;直接命中,1表示配体完全匹配药效团,1 1 1 1 1 1表示所有配体都直接匹配药效团;有效命中,1表示与药效团部分匹配的配体,0 0 0 0 0 0表示无配体匹配药效团。为了测试模型是否能区分化合物的活性和非活性,用构建的测试集测试1 0个药效团的性能。由图3 a可以看出,h i g h_a c t i v e_0 8模型将最大值(4.7 7 1)分配给了活性化合物,最小值(0)分配给了非活性化合物,模型的性能最好,能够较好地区分活性和非活性化合物。h i g h_a c t i v e_0 8药效团模型如图3 b所示,该模型有2个氢键受体和3个氢键供体。a 65江苏海洋大学学报(自然科学版)2 0 2 3年6月b 注:a为测试集验证药效团结果热图;b为h i g h_a c t i v e_0 8药效团模型,模型由2个氢键受体和3个氢键供体组成。图3 药效团测试结果及最佳模型F i g.3 P h a r m a c o p h o r e t e s t r e s u l t s a n d b e s t m o d e l2.2 高通量筛选虚拟筛选过程包括两个筛选流程,即药效团模型过滤和分子对接过滤。通过药效团筛选过程从S p e c s化合物库中得到了约1 3万个与药效团h i g h_a c t i v e_0 8匹配的化合物,根据结果选择F i t V a l u e大于3.5的化合物共2 0 2 6个。将上述化合物基于热区匹配对接到受体(P D B c o d e:1 I OW)中,每个化合物保留1个构象,从S p e c s化合物库中选出L i b-D o c k S c o r e大于9 8.5的化合物共1 0 0个,并且选择与受体A r g 2 5 5氨基酸有氢键相互作用的化合物共3 4个。将得到的化合物基于F C F P_6指纹将其聚成1 0类,每一类中挑选出12个化合物,结果如表2所示。在虚拟筛选挑选出的1 1个化合物中,观察对接分数高且F i t V a l u e高的化合物与受体的作用模式及药效团匹配情况。如图4 a所示,A P-8 5 3/4 1 8 7 2 9 4 3与 受 体 中 的A r g 2 5 5,A s n 2 7 7,S e r 2 8 1,S e r 1 5 0和G l u 1 5氨基酸残基之间存在氢键相互作用,与口袋中的其他氨基酸残基之间存在疏水作用;如图4 b所示,该分子与药效团模型(h i g h_a c t i v e_0 8)中的4个特征匹配度都很高。本研究还从P u b-C h e m数据库中查询了1 1个化合物的活性结果,发现所有化合物均没有做过以D d l为靶点的研究,说明筛 选 出 的 化 合 物 结 构 新 颖 性 较 高。另 外 从S c i F i n d e r数据库中查询了与每一个候选化合物相似度在8 0%以上的化合物的活性,发现AO-3 6 5/4 3 4 0 3 0 6 92 1,AO-0 2 2/4 3 5 1 3 4 6 82 2和A P-8 5 3/4 2 1 6 0 6 6 82 3的衍生物具有抗菌活性,其中L i u等2 3的文章中提到与A P-8 5 3/4 2 1 6 0 6 6 8相似度在8 5%以上的化合物1 1(M I C=1 6 g/m L)对大肠杆菌表现出了初步的抗菌活性。表2 虚拟筛选结果T a b l e 2 V i r t u a l s c r e e n i n g r e s u l t sS p e c s编号结构药效团匹配度(F i t V a l u e)对接分数(L i b D o c k S c o r e)A P-8 5 3/4 1 8 7 2 9 4 33.5 6 5 0 61 1 3.8 9 4AO-3 6 5/4 3 4 0 3 0 6 93.9 1 8 6 91 0 9.7 5 5AO-3 6 5/4 3 2 6 4 4 9 43.7 2 9 7 61 0 9.1 4 3AN-3 2 9/4 0 8 0 5 4 8 83.7 7 3 7 11 1 2.6 1 3AO-0 2 2/4 3 5 1 3 4 6 83.7 3 2 2 61 1 1.1 1 4AK-9 1 8/4 1 7 7 8 8 0 93.6 8 6 9 51 1 0.9 4 175 第2期王亚铃等:基于药效团和分子对接筛选D-丙氨酰-D-丙氨酸连接酶抑制剂续表S p e c s编号结构药效团匹配度(F i t V a l u e)对接分数(L i b D o c k S c o r e)A P-8 5 3/4 2 1 6 0 6 6 83.6 3 8 4 31 0 5.4 9 3AO-3 6 5/4 3 4 7 4 6 2 14.2 0 4 8 41 1 8.7 6 9A I-2 0 4/3 1 6 8 3 0 0 94.3 3 9 2 11 2 0.4 0 6AO-3 6 5/4 3 4 7 4 0 8 33.7 8 5 2 51 2 0.2 8 4A E-5 6 2/4 3 4 5 8 5 5 93.6 8 6 6 61 1 7.9 6 4a b 注:a为A P-8 5 3/4 1 8 7 2 9 4 3与受体的结合模式(P D B I D:1 I OW),其中绿色为残基,紫色为配体;b为筛选结果A P-8 5 3/4 1 8 7 2 9 4 3与药效团(h i g h_a c t i v e_0 8)的匹配度,绿色为氢键受体,紫色为氢键供体。图4 化合物与受体的作用模式及与药效团匹配情况F i g.4 C o m p o u n d-r e c e p t o r m o d e o f a c t i o n a n d p h a r m a-c o p h o r e m a t c h i n g3 结论近年来,随着细菌耐药率的不断升高,研发新型抗生素变得十分迫切。细胞壁作为细菌区别于人体的独特结构,其合成高度保守。肽聚糖是细胞壁合成过程中必不可少的成分,在肽聚糖生物合成有关的酶当中,D d l是合成肽聚糖的关键酶之一。本研究收集了6个D d l抑制剂作为训练集,使用D S软 件 中“C o mm e n t F e a t u r e P h a r m a c o p h o r e G e n e r a t i o n”功 能 基 于 配 体 小 分 子 共 同 特 征(H i p H o p)构建了1 0个药效团,并用3 6个D d l抑制剂验证药效团是否能够明显区分活性和非活性化合物。测试结果显示h i g h_a c t i v e_0 8药效团能够准确识别活性化合物,因此选择h i g h_a c t i v e_0 8药效团对S p e c s化合物库进行虚拟筛选,得到2 0 2 6个匹配度高的化合物。然后通过D S软件的L i b D o c k模块将上述化合物对接到编号为1 I OW的D d l蛋白晶体结构中,通过对接分数和结合模式分析筛选得到3 4个化合物。随后将其聚成1 0类,从每类选择12个,共得到1 1个具有D d l潜在抑制活性的化合物。从P u b C h e m数据库中查找1 1个化合物是否测过D d l抑制活性,发现这些化合物并没有测过该靶点的抑制活性,但是发现A P-8 5 3/4 2 1 6 0 6 6 8的衍生物对大肠杆菌表现出了抗菌活性(M I C=1 6 g/m L),这类化合物在很大程度上具有革兰氏阴性菌的抑制活性。本研究为发现D d l抑制剂提供了药效团筛选方法,并给出了1 1个具有抑制D d l潜力的化合物可以用来测试抑菌活性和酶抑制活性。参考文献:1 沙国萌,陈冠军,陈彤,等.抗生素耐药性的研究进展与控制 策 略 J.微 生 物 学 通 报,2 0 2 0,4 7(1 0):3 3 6 9-85江苏海洋大学学报(自然科学版)2 0 2 3年6月3 3 7 9.2 向思琴.细菌细胞壁肽聚糖的结构与作用J.技术与市场,2 0 1 7,2 4(1):1 6 9.3 刘芳,杨跃寰.细菌细胞壁肽聚糖的研究J.四川理工学院学报(自然科学版),2 0 1 1,2 4(6):6 2 8-6 3 1.4 武大雷,沈旭.针对细胞壁合成途径的抗菌药物研究进展J.微生物与感染,2 0 0 8(2):1 0 3-1 0 6.5 S I L V E R L L.D o e s t h e c e l l w a l l o f b a c t e r i a r e m a i n a v i a b l e s o u r c e o f t a r g e t s f o r n o v e l a n t i b i o t i c sJ.B i o-c h e m i c a l P h a r m a c o l o g y,2 0 0 6,7 1:9 9 6-1 0 0 5.6 高丽,刘艾林,杜冠华.计算机辅助药物设计在新药研发中的应用进展J.中国药学杂志,2 0 1 1,4 6(9):6 4 1-6 4 5.7 石诚,郑珩.计算机辅助药物设计在抗耐药菌药物研发中的应用进展J.药学进展,2 0 1 9,4 3(3):2 0 2-2 0 8.8 P E D E R I C K J L,THOMP S ON A P,B E L L S G,e t a l.d-A l a n i n e-d-a l a n i n e l i g a s e a s a m o d e l f o r t h e a c t i v a-t i o n o f A T P-g r a s p e n z y m e s b y m o n o v a l e n t c a t i o n sJ.T h e J o u r n a l o f B i o l o g i c a l C h e m i s t r y,2 0 2 0,2 9 5(2 3):7 8 9 4-7 9 0 4.9 吴可柱,李昆,李爱秀.虚拟筛选技术与新药开发J.武警医学院学报,2 0 1 1,2 0(5):4 1 5-4 1 9.1 0 WU D a l e i,KONG Y u n h u a,HAN C o n g,e t a l.D-A l a n i n e:D-a l a n i n e l i g a s e a s a n e w t a r g e t f o r t h e f l a-v o n o i d s q u e r c e t i n a n d a p i g e n i nJ.I n t e r n a t i o n a l J o u r n a l o f A n t i m i c r o b i a l A g e n t s,2 0 0 8,3 2:4 2 1-4 2 6.1 1 CHA T E A V,R E D L AWA R A A,B ON D L E G M,e t a l.A n e w e f f i c i e n t d o m i n o a p p r o a c h f o r t h e s y n-t h e s i s o f c o u m a r i n-p y r a z o l i n e s a s a n t i m i c r o b i a l a g e n t s t a r g e t i n g b a c t e r i a l d-a l a n i n e-d-a l a n i n e l i g a s eJ.N e w J o u r n a l o f C h e m i s t r y,2 0 1 9,4 3:9 0 0 2-9 0 1 1.1 2 KOVA C A,KON C J,V EHA R B,e t a l.D i s c o v e r y o f n e w i n h i b i t o r s o f D-a l a n i n e:D-a l a n i n e l i g a s e b y s t r u c t u r e-b a s e d v i r t u a l s c r e e n i n gJ.J o u r n a l o f M e-d i c i n a l C h e m i s t r y,2 0 0 8,5 1(2 3):7 4 4 2-7 4 4 8.1 3 L I U S h e n p i n g,CHAN G J S,HE R B E R G J T,e t a l.A l l o s t e r i c i n h i b i t i o n o f S t a p h y l o c o c c u s a u r e u s D-a l a-n i n e:D-a l a n i n e l i g a s e r e v e a l e d b y c r y s t a l l o g r a p h i c s t u d i e sJ.P r o c e e d i n g s o f t h e N a t i o n a l A c a d e m y o f S c i e n c e s o f t h e U n i t e d S t a t e s o f Am e r i c a,2 0 0 6,1 0 3(4 1):1 5 1 7 8-1 5 1 8 3.1 4 AM E R Y C K X A,THA B A U L T L,P O C H E T L,e t a l.1-(2-H y d r o x y b e n z o y l)-t h i o s e m i c a r b a z i d e s a r e p r o m i s i n g a n t i m i c r o b i a l