D-1-3-4-2 一体化教学模式总结

D-1-3-4-2 一体化教学模式总结（共1篇）

1.D-1-3-4-2 一体化教学模式总结 篇一

关键词：咪唑[2,1-b][1,3,4]噻二唑,ALK5,CoMFA,CoMSIA

转化生长因子 β ( transforming growth factor-beta TGF-β) 是一类广泛存在于细胞中的多功能细胞因子,在细胞增殖,免疫应答,生长,分化等生理活动中发挥着重要作用［1－2］。TGF-β的信号传导异常与多种疾病,如癌症、糖尿病、肾病、充血性心脏坏死、动脉硬化症等相关。因此TGF-β 的信号阻断剂有望在这些疾病的预防和治疗中发挥作用［3－5］。ALK5 是TGF-β信号传导的关键性节点,抑制ALK5 与底物Smad蛋白的结合就可以阻断TGF-β 信号向细胞核的传导,从而达到治疗的目的。因此,寻找高效的ALK5 抑制剂是国内外各大制药公司的研究热点之一［6］。咪唑[2,1-b][1,3,4]噻二唑是ALK5 的强烈竞争性抑制剂,Harun M. Patel等合成了一系列咪唑[2,1-b][1,3,4]噻二唑化合物,这些化合物都有好的抑制ALK5 活性［7］。本文分别应用比较分子场分析( Co MFA)［8］和比较分子相似性分析( Co MSIA)［9］方法对这批咪唑[2,1-b][1,3,4]噻二唑化合物对ALK5 的抑制活性进行了三维定量构效关系( 3D - QSAR) 研究。所建立的模型不仅为咪唑[2,1-b][1,3,4]噻二唑化合物药物在结构改造方面提供一些有利信息,也可以用来预测新合成的咪唑[2,1-b][1,3,4]噻二唑化合物的抗ALK5 活性。

1 计算方法

1. 1 数据集

31 个ALK5 抑制剂的结构和活性都来源于Harun M. Pate等［7］的研究工作。根据随机和均匀分布的原则,将化合物分为两组: 选取23 个化合物作为训练集,用以构建模型; 选取8 个化合物( 以* 号标出) 作为测试集,用以检测模型的可靠性和预测能力。化合物对ALK5 的半抑制浓度IC50值均被转换为p IC50( 化合物9e、9f活性低,在本工作中IC50值设定为10) 。这些化合物的结构和活性值见表1。

1. 2 分子结构构建与叠合

所有的分子模拟过程均使用Tripos公司Sybyl［10］软件包完成。分子结构的优化采用Powell法在Tripos力场中进行,并在计算中加上Gasteiger - Hückel［11］电荷,能量收敛标准设为0. 005 kcal / mol,其余参数均为程序缺省值。优化得到的结构置于数据库进行分子叠合。

分子叠合的好坏直接影响着最终Co MFA和Co MSIA模型的合理性及预测能力的强弱。它的依据是所分析的配体分子以相同或相似作用方式与受体结合部位相互作用,因此必须保证药效团在空间的分布具有相同性。本文选取活性最高的分子6d为模板,以这批抑制剂的刚性主体部分为公共骨架,进行分子叠合。采用此方法叠合可保证每个分子力场的取向具有一致性,叠合构象见图1。

1. 3 3D-QSAR分析

正如前文提到的两模型均采用Tripos标准力场,以sp3杂化碳原子为探针,范德华半径设为1. 52 ,步长设为0. 2 nm。Co MFA模型研究立体场和静电场的贡献,二者的能量阀值和柱滤值分别均设为30 kcal/mol、2. 0 k J/mol。Co MSIA模型除了研究立体场和静电场的贡献外,还引入了疏水场、氢键给体场和氢键受体场的贡献,相关能量阀值和柱滤值的设定和Co MFA相同［12］。进行偏最小二乘法( Partial Least Squares,PLS［13－15］)分析时,首先采用留一法( Leave One Out,LOO［16－17］) 进行交叉验证得到最佳主成分数,然后应用非交叉验证方法验证模型［18］。

注:ap IC50实验值;bCo MFA模型预测值;c相对误差(实验值-预测值);dCo MSIA模型预测值;*测试集。

2 结果与讨论

2. 1 3D-QSAR模型的可靠性

所建立Co MFA和Co MSIA模型,交互检验结果分别为q2=0. 803 和0. 765,最佳主分数均为6,使用偏最小二乘法得出的非交互验证相关系数( r2) 分别为0. 969 和0. 938,标准偏差( SEE) 分别为0. 197 和0. 277。为了检验模型的稳定性和预测能力,我们选用了8 个化合物来作测试集。各个化合物预测的结果都列于表1 中。从建立的模型预测的结果和统计学参数,我们可以看出,Co MSIA模型和Co MFA模型都有很好的预测能力。图2 显示了模型的预测值与实验值的相关图,A表示的是Co MFA模型,B表示的是Co MSIA模型。

2. 2 3D-QSAR模型的统计结果

在Co MFA模型中,立体场和静电场的贡献分别是36. 4%和63. 6% 。Co MSIA模型中,立体场、静电场、疏水场、氢键给体场和氢键受体场的贡献分别是0. 538% 、9. 72% 、20. 2% 、68. 7% 和0. 788% 。由以上的一些统计参数可知,我们建立的模型是可靠的。

2. 3 三维等值图分析

Co MSIA和Co MFA模型的三维等值图可以提供一些结构上的信息来解释各种官能团对化合物活性的影响。因此,通过等值图,我们可以有效地设计新的可能具有高活性的抑制剂。

在立体场的等值图中,绿色区域表示立体效应是有利的,黄色区域表示立体效应是不利的,即绿色区域表示大的基团可以增加化合物的活性,相反的黄色区域表示小的基团可以增加化合物的活性。类似的,在静电场的等值图中,蓝色区域表示正电性的基团可以增加化合物的活性,红色区域表示负电性的基团可以增加化合物的活性［10，18］。为了更好的观察,我们把化合物6d放入了等值图中,Co MFA的三维等值图见图3。

从图3 可见,在C-2、C-6 取代基附近的黄色区域表示在这些位置引入大的官能团会降低活性,在C-2 取代位置,环丙基被苯基取代后,活性降低( 化合物的活性: 5 系列的均高于9、12 系列的) 。在静电场的等值图中,C-2 取代位置蓝色的区域表示正电性的官能团是有利的,C-6 的苯环上蓝色色区域表面正电性的官能团是有利的,而苯环的对位取代上的红色区域表示负电性的官能团是有利的,这也说明了苯环的对位取代上的卤素对咪唑[2,1-b][1,3,4]噻二唑类抑制剂抗ALK5 的活性是很重要的。

Co MSIA的立体场和静电场的等值图大体上和Co MFA的是一致的,见图4( A和B) 。在立体场的等值图中C-5 取代基周围出现绿色区域,说明此处引入大的取代基会增加活性。相比较于化合物5 系列,化合物6 系列的甲酰基被丹宁-3-乙酸取代后,其活性升高。图4C展示了疏水场的等值图。黄色的区域和白色的区域分别表示疏水的官能团和亲水的官能团可以增加活性［10，18］。从图4 中可知,C-2 取代基附近的白色区域表示亲水取代基是有利的。C-6 的苯环上白色区域表示亲水取代基是有利的,而苯环的对位取代上的黄色区域说明疏水官能团对活性是有利的。

图4D和4E分别显示了Co MSIA的氢键给体和氢键受体场。在给体场中,蓝绿色的区域表明此处氢键给体能够增加化合物的活性,反之,紫色的区域表明此处氢键给体会降低化合物的活性［10，18］。在C-6 的苯环周围的蓝绿色区域表示在这些地方适合加入氢键给体取代基。在氢键受体场中,紫红色的区域表示氢键受体可以增加活性,而红色的区域表明氢键受体会降低化合物的活性［10，18］。在图中,咪唑[2,1-b][1,3,4]噻二唑主体环周围大块的红色区域表明在这些地方引入氢键给体可以增加活性。

由Co MFA和Co MSIA的三维等值图,我们可以得到很多结构信息来研究化合物的活性和它们的结构之间的关系,综合考虑各种场的影响,用这些结果来指导化合物结构上的修饰,以期望得到新的高活性的抑制剂。

3 结论