【3D-QSAR】创新药物“设计与发现”过程中的一把利器！

一直以来，创新药物的研发都是一项高投入、高风险、费时费力、效率偏低的工作。从药物发现，到合成、表征、筛选，再到临床前研究和临床研究。在这个过程中，往往须花费几年甚至十几年的时间，支付数亿甚至数十亿的研发费用，且面临着研发失败可能随时被叫停的高风险。但为了人类能够抵抗更多疾病的困扰以及更好的迎接未来的挑战，创新药物的开发又是那么的势在必行。因此，为了更快、更为科学的开发新药，人们需要更多、更强、更有效的工具，计算机辅助药物设计(CADD)就是其中之一。而众多设计方法中的定量构效关系(QSAR)，尤其是3D-QSAR，在创新药物研发的过程中得到了广泛的应用，绝对称得上是CADD的得力干将！

1

什么是计算机辅助药物设计？

所谓计算机辅助药物设计(CADD)，是以计算机为工具，应用配体与受体间相互作用(如范德华力、氢键作用、静电作用、疏水作用等)的原理，以理论为基础，以计算为手段，来模拟分子的行为，描述和评价分子的结构特征，从而来指导和辅助新型药物分子的设计和发现。其中，分子模拟的理论依据主要有分子力学(MM)、分子动力学(MD)和量子化学(QM)，主要方法有定量构效关系(QSAR)、分子对接、分子动力学模拟和量子化学计算等。

CADD通过计算、数据处理和预测的方法，不但减少了药物研究者的工作量、极大地降低了药物开发中的投资，而且还大大缩短了药物开发的周期，因此，近年来成为国内外药物研发机构的重要技术和工具，且已辅助多种药物成功上市，如抗菌药物诺氟沙星、老年痴呆症药物Donepizil、抗流感病毒药物Zanamivir、抗癌药物伊马替尼以及HIV蛋白酶抑制剂Indinavir等等。

2

QSAR的发展及分类

近年来，QSAR尤其是3D-QSAR，凭借其可以有效的指导一系列具有共同骨架的化合物的合成，且得到的结果可用于该系列化合物的活性预测以及进一步指导该系列化合物的改造和优化，故其在药物发现的过程中，得到了广泛的应用，值得科研工作者的深入学习和研究。

所谓QSAR，就是“定量”的建立分子结构和性质的关系，通过对现有活性分子进行分析，以化合物的结构和理化参数为自变量，生物活性为因变量，用数理统计的方法建立起化合物的化学结构与生物活性之间的定量关系。其旨在解释化合物生物活性如何随着化合物的结构(如拓扑结构、空间位阻等)及其理化参数(溶解性、疏水性和极性等)的变化而改变，从而推测其可能的作用机理，然后根据新化合物的结构数据预测其活性或改变现有化合物的结构以提高其活性，并借助分子的参数，以数学和统计学的手段，研究小分子在生物体内吸收、分布、代谢、排泄，及其生物活性等性质。

按维数分类，QSAR可分为二维定量构效关系(2D-QSAR)和多维定量构效关系(主要是3D-QSAR)。2D-QSAR是将分子整体的机构性质作为参数，对分子的活性进行回归分析，建立相关模型。典型的2D-QSAR方法有Hansch方法、free-wilson方法、分子连接性方法等，其中最常用的是Hansch。常见的回归分析方法有：遗传算法(GA)、人工神经网络(ANN)、支持向量机(SvM)和投影寻踪回归(PPR)等。而3D-QSAR则是引入了小分子的三维结构，间接反应小分子与大分子相互作用过程中两者之间的非键相互作用特征。相对于2D-QSAR，3D-QSAR可以提供更丰富的信息量，有更明确的物理意义。常见的3D-QSAR方法有距离几何法(DG)、分子形状分析法(MSA、比较分子力场分析法(CoMFA)、比较分子相似性指数分析法(CoMSIA)、全息定量构效关系分析法(HQSAR)和虚拟受体方法(PR)。其中，使用较为广泛的是CoMFA和CoMSIA。

在3D-QSAR中，CoMFA可以说是当今最广泛和最重要的3D-QSAR研究方法，其主要是通过分析药物与受体非共价相互作用时的静电场和立体场来研究药物分子的结构和生物活性的关系。CoMFA认为，作用于同一受体的一系列化合物的生物活性与每个化合物周围分子场有一定的相似性。这些场反映化合物与受体的非共价性相互作用，如范德华力、静电作用和氢键等特征。CoMFA通过对力场的分析，建立分子的生物活性与力场参数的定量关系模型，从而推测受体的某些性质、预测其他类似分子的药效。而CoMSIA，是在CoMFA基础上进一步发展的结果。在计算分子场时，CoMSIA摒弃了CoMFA的Lennard-Jones和Coulomb势函数的形式，采用与距离相关的高斯函数形式。这种形式，可以有效地避免CoMFA分析中难以解决的问题，如分子表面附近格点上能量的显著变化，更容易产生较好的QSAR模型。与此同时，CoMSIA考虑了更多的分子特征，如立体场、静电场、疏水场、氢键供体场和氢键受体场等等。这些分子场包括了配体与受体最主要的相互作用特征，因此，能够较完整的表达配体的生物活性与配体-受体相互作用关系的关联。CoMFA和CoMSIA研究的主要步骤见图一。

图一：CoMFA和CoMSIA研究的主要步骤

近年来，4D-QSAR、5D-QSAR甚至是6D-QSAR都有一定的发展。4D-QSAR以每个配体的构象总体，配体的定位和不同的质子化状态作为第4维，5D-QSAR的第5维为受体对配体的诱导契合，而6D-QSAR则再增加一个自由度，即考虑不同的溶剂和模型。尽管多维定量构效关系的软件也已经商品化，但并没有像CoMFA和CoMSIA方法那样立即为许多人所接受，且由于3D-QSAR模型形象、直观、预测能力强，目前已经成为最常用的药物设计方法。

3

3D-QSAR操作流程举例

以文献报道的4-羟氨基吡喃酮甲酰胺类似物作为潜在的抗HCV化合物为例，其母核结构如下：

首先，要“收集”这一系列的化合物，分成“训练集”和“测试集”两组(通常测试集占总样本的25~33%)。文献中，选取了该系列化合物中的42个活性结构，随机选取训练集33个，测试集9个，训练集用于构建3D-QSAR模型，测试集用于对模型进行验证。将训练集中的化合物进行排列，通常以活性最好的化合物结构作为模板，其他化合物向其“对齐”，之后进行COMSIA研究。选择相应工具软件进行系列化合物的构象优化、分子叠合，并应用SYBYL软件，划定所有分子的分子骨架(粗线部分)，相应结构见图二。

图二：活性最好的结构及所有结构

对于CoMSIA，需要计算5种场，分别是立体场、静电场、疏水场、氢键供体场和氢键受体场。在CoMSIA的建模过程中，通常会以sp3杂化的C+为探针，电荷为+1.0e，半径为0.100nm，疏水性为+1.0，氢键供体和受体强度均为+1.0。采用偏最小二乘回归分析(PLS)来建立CoMSIA描述符和抑制剂pEC50值之间的关系，再通过PLS分析与验证。在得到最优的CoMSIA模型后，所有训练集分子和验证集分子的预测pIC50值和实际pIC50值的散点图，见图三。

图三：预测的pIC50值和实际pIC50值

进一步，通过绘制等势图，可以更好的将CoMSIA模型中包含的信息和内容形象化和具体化，更为直观地反映抑制剂小分子的生物活性与其化学结构上的相互联系，从而探究出对药物分子活性有关的重要因素，进而在实际药物设计中提供指导。见图四。

图四：不同场的等势图(依次为立体场、静电场、疏水场、氢键供体场和氢键受体场)

4

个人感触

自2015年，国家食药监总局开始对临床试验数据核查并“发现”了“严重的造假”之后，仿制药的开发可谓进入了从未有过的寒冬，其温度之低，不亚于2007年药品行业的“动荡”。许多企业在感叹“老3类”做不下去的同时，政策大风似乎给出了“明朗”的道路 ~ 开发创新药物！虽然，圈内人都知道新药上市道路的坎坷非同一般，但“大势所趋”之下，似乎也只能硬着头皮上。此时此刻，回过头看看我们这些年对创新药物研发经验的积累，相比于国外大型制药公司，真有些捉襟见肘！我们也因此发觉，更多的“武器”需要配备，而对CADD的学习、研究和使用，是否会对新药的研发带来一丝光明和一份助力，笔者个人认为，多一份思路和意见，总是没有坏处的。

参考文献：

1、TongJ, Wu Y, Bai M, et al. 3D-QSAR and molecular docking studies on HIVprotease inhibitors[J]. Journal of Molecular Structure, 2016, 1129:17-22.

2、Wen L, Fa Q,Ming M, et al. 3D-QSAR study and design of 4-hydroxyamino α-pyranonecarboxamide analogues as potential anti-HCV agents[J]. Chemical PhysicsLetters, 2016, 661, 36-41.

3、Xu F, Yang Z, KeZ, et al. Synthesis, antitumor evaluation and 3D-QSAR studies of[1,2,4]triazolo

[4,3-b][1,2,4,5]tetrazinederivatives.Bioorganic & Medicinal Chemistry Letters, 2016, 26(13):3042.

4、胡荣静.HIV-1逆转录酶及其抑制剂的分子模拟研究[D]. 兰州大学, 2009.

5、赵鑫. 选择性α-(1A)-肾上腺素受体拮抗剂的药物分子计算机辅助设计及细胞模型筛选研究[D]. 广州医学院, 2012. 

作者信息

作者：强森

职业从事新药开发

转载声明：本文为投稿文章，如需转载，必须保留作者信息及本文来源。

投稿详情请点击“10月-11月 | 王牌写手获奖名单”