【摘 要】
:
β-内酰胺类抗生素因杀菌活性强、毒性低、适应症广及临床疗效好等优点,在临床广泛使用。然而,随着细菌对该类药物的耐药性不断增加,已严重影响了此类药物的疗效。致病菌产生的丝氨酸β-内酰胺酶(SBL)和金属β-内酰胺酶(MBL)可水解抗生素化学结构中四元β-内酰胺环,破坏抗生素关键药效团结构,从而使抗生素失效,是β-内酰胺类抗生素最主要的耐药机制。β-内酰胺酶抑制剂(BLI)与β-内酰胺类抗生素联用是克
论文部分内容阅读
β-内酰胺类抗生素因杀菌活性强、毒性低、适应症广及临床疗效好等优点,在临床广泛使用。然而,随着细菌对该类药物的耐药性不断增加,已严重影响了此类药物的疗效。致病菌产生的丝氨酸β-内酰胺酶(SBL)和金属β-内酰胺酶(MBL)可水解抗生素化学结构中四元β-内酰胺环,破坏抗生素关键药效团结构,从而使抗生素失效,是β-内酰胺类抗生素最主要的耐药机制。β-内酰胺酶抑制剂(BLI)与β-内酰胺类抗生素联用是克服细菌耐药的有效措施。截至目前已有6种SBL抑制剂陆续被批准用于临床,但这些药物对表达MBL的耐药菌几乎无效,而产MBL的耐药菌近年来又不断地出现和蔓延,已严重威胁到人类的生命健康。为此,靶向MBL抑制剂的研究受到广泛关注。然而,截至目前仍无MBL抑制剂被批准用于临床,且鲜有进入临床研究的药物。因此,亟待研发更多高活性MBL抑制剂,为靶向抑制MBL克服抗生素耐药的药物研究提供候选化合物。前期研究中,课题组利用基于药效团的药物发现工具Anc Phore发现了一类新型咪唑-2-羧酸类MBL抑制剂,并通过研究咪唑-2-羧酸骨架的1-位、4-位和5-位取代,初步研究了其构效关系,发现了多个对MBL具有高抑制活性的化合物。在此基础之上,本课题针对咪唑-2-羧酸骨架的咪唑环N1-位Linker取代(系列一),确定Linker后芳香环的单取代、双取代(系列二)以及确定Linker后咪唑环替换为噻唑环后芳环取代(系列三)这三方面设计并合成了36个新化合物。接着,对所合成的化合物测试了其包括VIM-1、VIM-2、VIM-5、NDM-1和IMP-1的体外酶水平活性。发现了多个化合物活性优于先导化合物1。最后,我们挑选了一些活性较好的目标化合物测试了它们在10μg/m L和1μg/m L两个浓度下对表达VIM-2和IMP-1的大肠杆菌工程菌逆转美罗培南耐药的活性情况。测试结果发现多个化合物在10μg/m L浓度下可降低美罗培南对表达VIM-2的工程菌株E.coli C1541和E.coli C1542的MIC值至少64倍,且化合物10、13、22和24在1μg/m L浓度时,也可降低美罗培南对E.coli C1542的MIC值至少64倍,但所测这些化合物对表达VIM-2的工程菌株E.coli C1541均无逆转美罗培南耐药效果。相信本论文中的相关研究能为克服MBL介导的β-内酰胺类抗生素耐药的药物开发奠定一定基础。
其他文献
随着人口老年化的逐步加剧,牙齿的保留时间逐渐延长。口腔内科疾病发病率的上升使得牙疾病的诊断和治疗成为一个不容忽视的全国性问题。牙隐裂(Cracked Tooth)是一种常见的牙齿疾病,但是一些在牙体内部和牙体根部的裂纹,无法被直接观察,因此需要借助放射影像进行诊断。锥形束CT(Cone Beam Computed Tomography,CBCT)是牙放射影像中最先进的设备。能够识别牙体内部微小的裂
需求响应作为智能电网技术的重要组成部分,是缓解电网供需平衡矛盾的手段之一,国内外研究者对此开展了大量研究和项目实践,以进一步挖掘需求响应技术的潜力。近年来,研究群体行为的同伴效应理论引起了各领域学者的广泛关注,研究人员利用个体间的相互影响设计机制引导个体行为以获得整个群体的效果优化,为我们提升需求响应性能的工作目标提供了新的思路。本文将同伴效应的理论应用于智能电网中的需求响应机制设计,主要的研究工
<正>《义务教育语文课程标准(2022年版)》提出:“以促进学生核心素养发展为目的,以识字与写字、阅读与鉴赏、表达与交流、梳理与探究等语文实践活动为主线,综合构建素养型课程目标体系。”语文指向核心素养培育的单元整体教学需要教师深挖文本,做好单元内课文“1+X”的整合,将核心素养的培育反复落实到多次的课文整合教学中。由此,学生才能提高语言文字运用能力和思维品质,在大量的审美感知中发展审美能力,涵养文
在基于可穿戴传感器的人类活动识别实际应用中,设备的位置、朝向是多样且不确定的。在人类活动识别领域内缺乏拥有足够丰富变化的数据集,这对由数据驱动的深度学习模型的泛化能力提出了很大的挑战。提高模型的鲁棒性、使模型能够快速适应环境条件变化的方法,具有很高的研究价值。本文主要研究内容包括以下方面。缺乏足够丰富的人类活动数据集会导致训练出的模型存在过拟合、泛化能力弱的问题。mixup方法是一种新颖的正则化方
跨模态检索是指给定一种模态(如图像)的查询项,在另一种模态(如文本)下检索其相关项的技术,近年来已成为多媒体、多模态领域的研究热点。由于不同模态数据具有不同的分布和表示,异构数据之间的相似性难以有效度量。深度学习可以被视为一种多层非线性映射函数,具有比传统浅层映射方法更好的非线性映射能力,在目标检测、对象识别等多个领域取得了出色的成果。本文采用基于深度学习的方法,将来自不同模态的数据映射到公共子空
计算机视觉作为人工智能的主要方向之一,其目的是使得电脑能够自动的识别出图片里的物体,让机器具识别物体的能力。近年来随着大数据和计算机运算能力突破性的发展,加上研究人员对深度卷积网络的不断研究,计算机视觉已经在很多领域中取得了成功,如人脸识别、智慧城市、图片搜索等等。然而,目前的计算机视觉技术仍然是以有监督学习的模式为基础,即需要大量的高质量标注样本来对模型进行训练。但是在大部分实际应用场景中,获取
随着互联网的快速发展,数据灾备成为信息系统不可或缺的一部分。数据灾备旨在保证用户的数据安全,在用户数据发生灾难时,降低企业因此造成的损失。如何使灾备系统更高效、成本更低廉,让用户数据得到更好的保护具有很强的现实意义。本文在数据灾备系统背景下进行研究,研究内容主要包括以下几个方面:针对灾备系统中文件数量庞大,而在实际情况下,无需对所有文件都采用实时备份策略进行备份的问题。本文提出了一种基于votin
刻痕或切割球囊属于修饰性球囊,在临床使用中可以作为辅助准备治疗(预处理)或最终治疗的选择方式,随着腔内治疗外周血管疾病(Peripheral Artery Disease,PAD)在我国的开展与普及,刻痕或切割球囊已成为介入治疗中重要的医疗器械。本文旨在通过归纳刻痕或切割球囊的工作原理、技术特点和发展过程,以及在PAD(主要包括下肢动脉狭窄、动静脉透析瘘管狭窄、肾动脉狭窄)的临床应用的专家共识,以
氢化吡啶是一种重要的含氮杂环结构单元,在药物化学和材料化学等领域有重要的应用,基于吡啶的缺电性而进行的亲核去芳构化反应被认为是构建氢化吡啶及其衍生物最重要和最直接的手段。其中,吲哚里西啶作为核心骨架存在于各类天然生物碱以及药物活性分子中,具有显著的生物活性。螺环吲哚里西啶作为吲哚里西啶的重要亚型之一,也具有广泛的生物活性以及重要的研究价值。目前,通过吡啶叶立德与缺电烯烃的1,3偶极环加成反应是构建
Sirtuins(SIRTs)是一类NAD+依赖的赖氨酸ε-N去酰基化酶,包含SIRT1-SIRT7七个亚型。与SIRTs家族其他成员相比,SIRT5因结构中包含特异性精氨酸Arg105和酪氨酸Tyr102,具有较强的去琥珀酰化、去戊二酰化和去丙二酰化等酸性酰基化活性,且催化效率约为去乙酰化的上千倍。SIRT5主要位于线粒体,可催化多种代谢相关酶的去酰化作用,从而参与三羧酸循环、糖酵解、脂肪酸β-