跟我学药物设计 | 先导化合物的优化（上）
本期是【跟我学药物设计】专栏第十三篇文章，下面就先导化合物的优化原则与策略，和定量构效（QSAR）方法展开介绍。 药物发现及开发的起点是苗头化合物，它们是通过随机筛选、偶然发现、高通量筛选或者合理药物设计等途径发现的具有初步活性的化合物。通过多重筛选和评估之后，少量的苗头化合物可以成为具备开发前景的先导化合物。 从苗头到先导（From Hit To Lead, H2L）是改善化合物生物活性、完善构效关系并增加新颖性的过程。先导化合物需要在活性上具备明确的构效关系和量效关系，在性质上具备可优化成为药物候选物的基本属性。 file:///C:/Users/HDPAI-~1/AppData/Local/Temp/msohtmlclip1/01/clip_image001.jpg成为先导化合物之后，药物化学家需要考虑其本身存在的问题，包括：生物学或药理活性较差、靶点选择性不理想、体内无活性、可能存在毒性或不良反应、易被代谢失活、口服吸收差，对其进行结构的修饰和优化，以便成为符合要求的药物候选药。 01先导化合物优化的原则与策略 从苗头到先导的药物发现阶段，我们除了需要考察化合物的构效关系、生物活性与结构新颖性，还需通过配体效率和配体亲脂性效率关注化合物的品质。 先导化合物的优化原则与策略 1）配体效率配体效率（Ligand Efficiency，LE）指化合物分子中每个原子对结合的贡献（配体效率 = 结合自由能/配体分子中重原子数）。配体效率是评估片段苗头、高通量筛选苗头、虚拟筛选苗头以及结构优化效果的重要工具。配体效率越高，化合物品质就越好。file:///C:/Users/HDPAI-~1/AppData/Local/Temp/msohtmlclip1/01/clip_image003.jpghttps://doi.org/10.1038/nrd4163 2）配体亲脂性效率配体亲脂性效率（Ligand Lipophilicity Efficiency，LLE）是将化合物的活性强弱与亲脂性同时作为考察度量的方法，从亲脂性考察化合物的品质，可以防止分子“过于肥腻”。LLE定义为：file:///C:/Users/HDPAI-~1/AppData/Local/Temp/msohtmlclip1/01/clip_image005.jpg式中，pIC50是IC50的负对数，数值越大表示活性越强；clgP则为化合物的计算脂水分配系数。在生物活性相同的情况下，亲脂性越高，则LLE值就越低，化合物的品质就越差。反之，在同等生物活性的情况下，亲脂性越低，则LLE值就越高，化合物的品质就越好。在化合物的优化过程中，我们需要在H2L阶段对分子量和亲脂性这两个参数进行有效控制，以利于后继对先导化合物的优化改造。 file:///C:/Users/HDPAI-~1/AppData/Local/Temp/msohtmlclip1/01/clip_image007.jpghttps://doi.org/10.1038/nrd4163 3）类先导性与三倍律除了对化合物的生物活性高低和结构新颖性有要求之外，通过H2L阶段获得的先导化合物还需要满足类先导性的三倍律标准（片段分子量＜300，脂水分配系数＜3，氢键供体受体数量＜3）。其中，分子量和脂水分配系数是需要优先考虑的参数。 4）先导化合物优化原则当化合物完成H2L，进入先导化合物的优化阶段后，生物活性已不再是化合物研究的核心内容，考察重点将转移到与体内活性、生物利用度、代谢稳定性和毒性有关的其他性质方面。在这一阶段，我们需要遵守以下四点优化原则：1）适度修饰原则。在先导化合物优化阶段，随着合成类似物数量的增多，应尽可能避免对骨架进行大幅度改造所产生的难以预期的化合物性质。在实际操作过程中，药物化学家可以通过对现有结构进行小幅度修饰（甲基、乙基、异丙基同系物取代）去解决化合物活性不理想、选择性差的问题。2）替补原则。药物化学家在先导化合物优化时应考虑具有结构多样性的“备选”先导化合物，这样可以维持化合物较大程度的结构差异性，从而避免药物研发后期出现由于无法预期的问题所导致的整个系列化合物“全军覆没”的尴尬境地。3）均衡原则。成功的药物研发取决于对生物活性、化合物能否到达靶点、是否具有代谢稳定性、是否具有安全性等多方面因素。药物化学家需要综合考量以上因素，获得在各种性质方面最为均衡的化合物。4）及早淘汰原则。从市场信誉度和价值的方面考虑，在选定药物候选物进入临床研究之前，有必要安排更多的研究以最大程度确保候选物的安全性和有效性，及早淘汰不合适的药物，降低对药物本身的信誉和市场价值的负面影响。 5）先导化合物优化策略在“从苗头到先导”和“先导化合物优化”的过程中，药物化学家通常会采用生物电子等排、同系物、拟似物、拼合、开环/闭环、骨架跃迁、前药原理、软药与硬药设计等方法去调整化合物的分子结构，从而实现优化化合物性质的目标。除此之外，药物化学家会应用基于结构的药物设计思想，依据对生物靶点三维结构的认识，通过“合理药物设计”方法增强配体设计的目的性，避免药物设计过程中的偶然性、盲目性及低效率等问题。 随着计算机技术的发展，计算机辅助药物设计（CADD）的思想也已经融入到先导化合物发现和优化的各个方面。从早期的Hansch定量构效关系（QSAR）到以比较分子场分析法（CoMFA）和比较分子相似性指数分析法（CoMSIA）为代表的三维定量构效关系（3D-QSAR）方法、药效团及基于靶点结构的药物设计，这些方法的发展和改进在提高药物设计者的工作效率、减少化合物合成数量等方面发挥了积极的作用。除此之外，CADD融合了蛋白质结晶学、结构生物学、分子图形学和高性能计算等相关学科的发展成果，在药物的研发过程中发挥了重要的作用。 02定量构效（QSAR）方法介绍 定量构效方法（Quantitative Structure-Activity Relationship, QSAR）是应用最为广泛的药物设计方法。它通过一些数理统计方法建立一系列化合物的生理活性或某种性质与其物理化学性质之间的定量关系。通过这些定量关系，药物化学家可以预测化合物的生理活性或某些性质，设计出具有更高活性的化合物。 早在1867年，Crum-Brow和Fraser就提出了构效关系的概念，1900年前后，Overton和Meyer提出了麻醉作用的类脂学说，即化学结构各异的麻醉剂其活性随着脂-水分配系数的增加而增加的现象，这可能是最早提出的化合物生理活性和物理化学性质之间的定量分配关系模型。直到近几十年，尤其是Hansch法提出后，结合计算机技术的发展和多变量解析技术的引入，定量构效关系方法才逐渐发展和应用起来，现在它已经成为药物研发过程中不可缺少的工具。file:///C:/Users/HDPAI-~1/AppData/Local/Temp/msohtmlclip1/01/clip_image008.jpg https://doi.org/10.3389/fphar.2018.01275 常用QSAR方法介绍 1. Hansch方法（线性自由能相关方法）Hansch方法把药物在体内的运转和与受体的相互作用理解为药物分子与生物大分子之间的物理和化学作用。药物由给药部位到达作用部位（受体位点），需通过若干生物膜，即一定数量的脂-水界面，因此药物的运转过程与药物的脂水分配系数有关，药物到达受点表面的浓度高低会影响生物活性的强度。file:///C:/Users/HDPAI-~1/AppData/Local/Temp/msohtmlclip1/01/clip_image009.jpghttps://doi.org/10.1021/acs.jchemed.5b00270 在受体位点，药物分子会以共价键、离子键、离子-偶极键、氢键、疏水键、电荷转移复合物、螯合作用、范德华力等形式与受体相互作用而产生生物活性。这些作用又与药物分子的化学结构、电性效应、空间效应有关，所以药物的生物活性与药物分子的理化参数（如脂水分配系数、电子效应、空间效应等参数）相关。综合以上所提到的相关作用，Hansch提出了同源物的生物活性与各种取代基的理化参数之间的依赖关系，并用Hansch方程表示：file:///C:/Users/HDPAI-~1/AppData/Local/Temp/msohtmlclip1/01/clip_image010.pngHansch方程可用于预测同源化合物的生物活性、指导药物设计与合成、帮助了解药物的受体图像。Hansch方程的不足之处Hansch方法是2D-QSAR研究方法，只考虑了化合物与受体作用的结合，没有考虑化合物与受体在结合时构象的变化，对研究药物与受体的三维空间作用有一定的局限性；
Hansch方法不能研究药物构象与构型对活性的影响，故不能全面解释生物活性的本质，不能描绘三维结构域生物活性间的关系，达到智能优化先导化合物的目标。
2. Free-Wilson模型Free-Wilson模型假定分子的生物活性是母核和取代基的活性贡献之和，不论其他位置是否变换取代基，每一取代基对生物活性的贡献是恒定且可叠加的，与分子其他部位的基团变换无关。Free-Wilson模型不需要Hansch方法的一系列理化参数，只需将药物的化学结构进行组合，但该模型的结构参数缺乏物理意义，不适合指导新化合物的设计。file:///C:/Users/HDPAI-~1/AppData/Local/Temp/msohtmlclip1/01/clip_image011.jpghttps://doi.org/10.1021/acs.jmedchem.9b01499 在使用Free-Wilson模型做计算时，为了使结果有统计学意义，需要参考以下标准：化合物数目要多于取代基数目至少5倍；每个取代位置上某取代基出现的次数不应低于2次，且各取代基在某位置上出现的次数宜大体相同；为了用最少数目化合物作统计，取代基的组合要合理；统计结果不能引申到未研究的取代基。 在Free-Wilson模型的基础上，Fujita和Ban通过假设氢的活性贡献为零对原有模型进行改良，简化了计算，促进了改良模型对原有模型的替代。 综合Hansch方程和Free-Wilson模型，我们可以发现Hansch方程多用于取代基种类比较多而取代基位置不多的场合，Free-Wilson模型多运用于取代基数目较多且每一取代基变化不多的场合。在Free-Wilson模型的基础上，结合Hansch分析中的理化参数和知识变量，通常可以得到相关性良好的构效关系。
3. 分子连接性分子连接性（Molecular Connectivity）是在拓扑学上发展起来的一种方法。Randix根据图论把分子内各原子相互连接状态的拓扑学性质用简单的字符串表示，将化学结构变成隐氢图（化合物略去氢原子后的分子骨架图），然后把结构信息用字符表达出来，其中反映化合物分支程度的分支指数与化合物的某些性质呈线性关系。量子化学家Kier在此基础上建立起了分子连接性方法，把分子连接性指数χ作为分子拓扑性质的描述符。化合物中各原子的点价等于原子的价电子数减去该原子所连的氢原子数目。根据化合物的点价可以计算出各个不同形式的子图项，再对所有子图项求和计算出分子连接性指数χ。分子连接性指数χ是以数值的形式反映了分子中原子的数目和状态，也反映了这些原子的排列，它与许多物理化学性质如沸点、疏水性参数、立体参数等有显著的相关作用，也与分子的生物活性相关，可用于定量构效关系研究。file:///C:/Users/HDPAI-~1/AppData/Local/Temp/msohtmlclip1/01/clip_image013.jpg 分子连接性法的优势
分子连接性指数X只需靠计算就可以得到，不必做任何实验来获得理化参数，这对于文献中没有相应理化参数可查，或者把不同结构类型的化合物综合在一起进行构效研究的的情况是很有用的。 分子连接性法的不足之处 分子连接性指数χ和Free-Wilson法所采用的结构参数一样缺乏明确的物理意义，因此所得的构效相关式对指导新化合物设计存在一定的问题。 03三维定量构效关系方法（3D-QSAR） 近些年来，随着构效关系理论和统计方法的进一步发展，又出现了一些三维定量构效关系（3D-QSAR）方法。与2D-QSAR比较，3D-QSAR方法把分子图形学与QSAR结合起来，间接地反映药物分子与生物大分子相互作用的过程，以及两者之间的非键相互作用特征，从而获得比经典QSAR更加丰富的信息量和更加明确的物理意义。目前，应用最广泛的3D-QSAR方法是比较分子场分析法（CoMFA）和比较分子相似性指数分析法（CoMSIA）。file:///C:/Users/HDPAI-~1/AppData/Local/Temp/msohtmlclip1/01/clip_image014.pnghttps://doi.org/10.1007/s10822-019-00231-x 3D-QSAR的理论基础
1. 分子的形状在一定程度上影响其生物活性，因此分子的活性构象是研究3D-QSAR的关键；
2. 药物分子与靶标之间的相互作用是通过可逆的、非共价结合的弱相互作用力而实现的，如静电相互作用、疏水相互作用、氢键作用、范德华作用等。3D-QSAR能直接反映出药物分子与靶标在三维空间上的互补性，更准确地表达药物与靶标之间的相互作用。 常用的3D-QSAR方法 1. 比较分子场分析（Comparative Molecular Field Analysis, CoMFA）方法简介基本原理如果一组相似化合物以同样的方式作用于同一靶点，那么它们的生物活性就取决于每个化合物周围分子场的差别。分子场分析方法可以反映药物分子和靶点之间以非键合的形式发生相互作用的特性。file:///C:/Users/HDPAI-~1/AppData/Local/Temp/msohtmlclip1/01/clip_image015.pngDOI:10.3390/ijms11103846 计算步骤（1）确定药物分子的活性构象，再按一定的规则进行药物分子的叠合（一般为骨架叠加或场叠加）；
（2）在叠合好的分子周围定义按一定步长来划分格点，在每个格点上用一个探针离子来评价格点上的分子场特征（一般为静电场和立体场，有时也包括疏水场和氢键场）；
（3）通过偏最小二乘方法建立化合物活性和分子场特征之间的关系并给出各种分子场的等势能面；
（4）计算新化合物分子周围的立场分布，输入到该模型中，用得出的3D-QSAR方程预测新化合物的活性。
近年来，研究人员对传统的CoMFA进行了大量的改进，其中涉及到活性构象的确定，分子叠加规则、分子场势函数的定义以及分子场变量的选取等等，在很大程度上提高了CoMFA计算的成功率。其中最具有代表性的就是比较分子相似因子分析（Comparative Molecular Similarity Indices Analysis, CoMSIA）方法。 2. 比较分子相似因子分析（Comparative Molecular Similarity Indices Analysis, CoMSIA）方法简介与CoMFA方法相比，CoMSIA方法最大的不同就是分子场的能量函数采用了与距离相关的高斯函数的形式，而不是传统的Coulomb 和Lennard-Jones 6-12势函数的形式。CoMSIA方法中共定义五种分子场的特征，包括立体场、静电场、疏水场以及氢键场（包括氢键给体场和氢键受体场）。这五种分子场可以通过公式计算得到。file:///C:/Users/HDPAI-~1/AppData/Local/Temp/msohtmlclip1/01/clip_image016.jpg CoMSIA方法的优势
CoMSIA采用与距离相关的高斯函数形式，因此可以有效地避免在传统CoMFA方法中由静电场和立体场的函数形式所引起的缺陷。除此之外，由于分子场能量在格点上的迅速衰退，CoMSIA方法不需要定义能量的截断（cutoff）值。又由于引入了疏水场，三维结构模型更优。
实际应用时，如何选择以上两种方法呢？
有研究者对一些实际体系进行CoMFA和CoMSIA方法的比较研究，尝试在计算中采用不同的格点数，并对体系均采用全空间搜索策略。
结果发现CoMFA计算对格点大小和分子空间取向非常敏感。采用不同的空间取向时，回归系数的差值最大可以达到0.3以上。而CoMSIA方法的结果则稳定得多。
因此，在一般情况下，CoMSIA计算会得到更加满意的3D-QSAR模型。 参考文献1.Hopkins, A., Keserü, G., Leeson, P. et al. The role of ligandefficiency metrics in drug discovery. Nat Rev DrugDiscov 13, 105–121 (2014).
2.Neves BJ, Braga RC, Melo-Filho CC, Moreira-Filho JT, Muratov EN andAndrade CH (2018) QSAR-Based Virtual Screening: Advances and Applications inDrug Discovery. Front. Pharmacol. 9:1275. doi:10.3389/fphar.2018.01275
3.J. Chem. Educ. 2015, 92, 10, 1745–1750 Publication Date:August 7,2015
4.J. Med. Chem. 2019, 62, 22, 10402–10422
5.Elyashberg, Mikhail. (2015). Identification and structure elucidation byNMR spectroscopy. TrAC Trends in Analytical Chemistry. 69. 88-97.10.1016/j.trac.2015.02.014.
6.Ragno, R. www.3d-qsar.com: a web portal that brings 3-D QSAR to allelectronic devices—the Py-CoMFA web application as tool to build models frompre-aligned datasets. J Comput Aided Mol Des 33, 855–864(2019).
7.Int. J. Mol. Sci. 2010, 11, 3846-3866; doi:10.3390/ijms11103846
8.P. Tosco, M. Mackey, in Comprehensive MedicinalChemistry III, 2017 以上就是本周的学习内容了。我们下周将进入先导化合物的优化（下）的学习。敬请留意！
工欲善其事必先利其器，殷赋云计算平台为广大科研工作者提供了专业的计算方案，帮助用户打破学术壁垒，解决计算难题，提升研究效率，在科研竞争中取得领先优势。
页:
[1]