基于TopomerCoMFA方法的姜黄素类化合物的三维定量构效关系研究

刘永香，施海枫

（广西师范学院，广西 南宁 530001）

基于TopomerCoMFA方法的姜黄素类化合物的三维定量构效关系研究

刘永香，施海枫

（广西师范学院，广西 南宁 530001）

易位体比较分子场（TopomerCoMFA）是一种快速、基于片段分析、可以用于预测官能团、优化生物活性或结构的3D-QSAR方法。采用TopomerCoMFA对20个姜黄素及其类似物进行三维定量构效关系研究，建立有效的TopomerCoMFA模型，其交叉验证相关系数q2=0.593，非交叉相关系数r2=0.995，表明该模型合理、可信，并具有良好的预测能力。

易位体比较分子场（TopomerCoMFA）；姜黄素类似物；抗肿瘤活性；定量构效关系

姜黄素(curcumin)是一种天然酚类色素，广泛存在于姜科姜黄属植物姜黄、莪术、郁金等的根茎中。姜黄素具有抗炎、抗肿瘤、抗突变、抗氧化、保肝、保护DNA免受过氧化损伤等[1-5]广泛的药理作用, 且毒性很低, 越来越受到医药工作者的重视。美国国立肿瘤所已将其列为第3代癌化学预防药物。本实验利用Tripos公司Sybyl2.0-X软件包中的TopomerCoMFA方法对20个姜黄素类化合物进行了三维定量构效关系研究,获得该类化合物的结构与活性之间的构效关系,为设计合成新型姜黄素类抗癌药物提供帮助。

1 研究方法

1.1易位体比较分子场

易位体比较分子场（TopomerCoMFA）是一个能够自动生成3D-QSAR模型并且可以预测化合物生物活性或性质的工具。TopomerCoMFA是由Cramer等人[6]基于二维片段分析开发的新型3D-QSAR工具。Topomer被描述成一个分子片段，把整个配体分子看作是可分割的若干片段的集合。Topomer-CoMFA结合了3D-QSAR构建技术和基于配体的虚拟筛选技术，熟练操作后可在短时间内构建3DQSAR模型，具有便捷、快速、准确的特点。所建立的模型可以支持基于配体的虚拟筛选以及对配体分子的官能团（R-group）进行优化。不同于CoMFA和CoMSIA，TopomerCoMFA是通过一系列完全客观一致的叠合规则完成3D-QSAR分析的准备工作。此外，TopomerCoMFA与CoMFA相比，还具有重复性高的优势。利用TopomerCoMFA可快速建立预测模型并进行分析与评价，为同类小分子抑制剂的结构优化提供理论依据。

1.2化合物小分子的搭建

利用SYBYL2.0-X的分子绘图功能绘制出化合物所包含的小分子结构。此时构建的分子是二维平面结构。为了得到三维分子结构，需要将构建好的分子进行能量最小化。加载Gasteiger-Huckel电荷，然后使用标准的Tripos力场和powell能量梯度算法，迭代1000次，能量收敛限定设为0.01kJ·mol-1，能量最小化后即得到化合物分子的最低能量构象。

1.3化合物分子断裂方式

TopomerCoMFA建立模型过程中，断裂方式的选择会大大影响模型的质量。在本实验中，选择的是将每个化合物断裂为两部分的断裂方式，即每个分子选择一个断裂位点，如图1。

图1 断裂结构及相应位置Fig.1 The structure indicating the fractural position

1.4TopmerCoMFA模型的建立

TopomerCoMFA不同于CoMFA和CoMSIA方法，它不是采用基于骨架或场的三维结构叠合，而是在来源化合物库的基础上根据生物活性数据与化合物结构自动生成预测模型[7]。TopomerCoMFA的标准流程可分为两个步骤。第一步是生成训练集分子结构片段的Topomer的三维模型。对每一个化合物来说，TopomerCoMFA可将其分为两个或两个以上的片段。确认化合物结构的断裂方式后，Topomer-CoMFA可以自动识别结构片段的化学结构和电荷排布。第二个步骤是采用偏最小二乘法分析（PLS）[8]，首先通过抽一法（Leave-One-Out）进行交叉验证的CoMFA分析，形成一个预测模型。在生成模型的过程中，CoMFA方法可处理大量数据客观分析和自动匹配相应的化合物结构，以使TopomerCoMFA形成的预测模型更有效。根据交叉验证得到的最佳主成分数，进行非交叉验证回归，建立回归模型的表达式。同时，得到非交叉验证相关系数r2，预测值的标准误差SEE（standard error of estimate），以及显著性检验F。交叉验证系数q2越大，相关系数r2越大，SEE越小，表示相关性越好，方程的预测能力越强。而F主要用于判断样本间是否有显著差别，其值越大，说明差别越显著。对于TopomerCoMFA模型，q2、r2越大越好，而q2的标准误差（q2stderr）和r2的标准误差（r2stderr）越小证明模型质量越高。

表1 化合物的结构和生物活性数据[9]Table l Thestrueture and biological activity data of the compound

2 结果与讨论

2.1TopmerCoMFA模型的统计结果及预测能力

TopomerCoMFA模型的统计学参数为交叉验证相关系数q2=0.593，最佳主成分值为5，q2大于0.5，说明通过交叉验证所得到的统计结果能够反映模型有可信的预测能力。非交叉验证PLS分析产生的r2=0.995，很接近于1，同时预测值的SEE为0.039，q2stderr=0.35，r2stderr=0.04，证明所建立的模型具有很高可靠性；F检验值为537.099大于F表值，说明实验样本之间活性数据存在显著差异，表明TopomerCoMFA方法所得到的模型有很好的相关性和预测能力。最后用获得的模型对原20个化合物进行预测，预测结果见表1，用实验值和预测值进行线性分析，结果见图2，实验值和预测值所对应的散点均匀地分布在直线附近，相关系数0.99719，这进一步证明了所做模型具有可靠的预测能力。

图2 TopomerCoMFA模型的实际值与预测值散点图Fig.2 Plots of experimental and predicted activities based on the Topomer CoMFA model

2.2TopomerCoMFA等势图分析

图3显示了化合物19的分子片段的立体场和静电场的等势图。作为一种定量构效关系方法，TopomerCoMFA可以产生类似CoMFA等势图。图3（a）为立体场等势图，在绿色模块处引进大分子基团有利于分子活性的增加，而在黄色模块引进大分子基团不利于分子活性的增加；图3（b）为静电场等势图，蓝色多面体表示引入带正电荷的基团有利于小分子抑制活性，而红色的多面体代表引进带负电荷的基团有利于化合物抑制活性增加。由图3（a）可以看到一个大型的绿色轮廓包裹了苯环的R3取代基，在R1、R5取代位点也各有小块的绿色区域，表明在这3个区域中，可以通过引进大分子基团以增加分子的活性。而黄色的多角体覆盖的区域则表明，苯环上的R2、R4位点不利于大分子基团的引入。中间碳链处亦出现小块黄色区域，说明了中间碳链不宜过长。观察化合物19（pIC50=6.30）的结构，该化合物的R1、R3、R5都被甲氧基取代，而R2、R4上没有取代基，这可以解释为什么化合物19具有较高的活性。图3（b）是化合物19 的静电场等势图，在R1、R5位点都出现了大块的红色模块，R3位点在甲氧基的O附近也有小块红色区域出现，说明这3处甲氧基的引入都是有利于增加化合物抑制活性的。蓝色区域出现在R3取代基甲氧基的末端甲基上，说明在该甲基上取代1个带正电的基团，或者把该甲基换成带正电的基团将有利于化合物活性的增加。在分子断键的羰基处亦出现了蓝色模块，说明在该处引入正电基团会增加化合物的活性，化合物9的活性大于化合物1（姜黄素）也证明了这一点。从图3中，我们可以直接观察到TopomerCoMFA模型的立体场和静电场显示的小分子的基本结构的优势和缺陷，这将对我们设计高活性的姜黄素类似物提供帮助。

图3 TopomerCoMFA模型对于分子19的等势图Fig.3 Contour map of TopomerCoMFA model generated by alignment of compound 19

3 结论

本文利用TopomerCoMFA对20个姜黄素类化合进行了比较系统的三维构效关系分析，在最佳主成分数为5时构建了可靠的预测模型，交叉验证相关系数q2=0.593，以及非交叉相关系数r2=0.995。模型等势面图提供了立体场和静电场的可视化图像，直观地揭示了这一系列抑制剂中不同的取代基结构对其生物活性的影响。在苯环1，3，5位点引入带电负性的基团，在3位点电负性基团末端增加一正电性基团，在碳链中引入正电性基团将有利于化合物抑制活性的增加。

[1] Surh, Y. J. Food Chem. Toxicol., 2002(40): 1091.

[2] Ajaikumar, B. K. Preetha, A. Bharat, B. A. Cancer Letters, 2008(269): 199.

[3] Meghana, M, Sanjeev, G, Ramesh, B. Eur. J. Pharmacol., 2007(577): 183.

[4] Farombi, E. O, Shrotriya, S, Na, H. K. Food Chem. Toxicol., 2008(46): 1279.

[5] Ruby, A. J, Kuttan, G, Babu, K. D, Rajasekharan, K. N, and Kuttan, R. Cancer Lett., 1995(94): 79.

[6] READERJC. Curr Top Med Chem., 2004(4): 671.

[7] CRAMER R D. Journal of Medicinal Chemistry, 2003(46): 374.

[8] CLARK M, CRAMER R D. Quant Struct-ActRel,1993(12): 137.

[9] James R.Fuchs, Bulbul Pandit, Deepak Bhasin, et al. Bioorganic & Medicinal Chemistry Letters, 2009(19): 2065.

Study on Three-dimensional Quantitative Structure-Activity Relationship of Curcuminoids based on TopomerCoMFA Method

LIU Yong-xiang, SHI Hai-feng
(Guangxi Teachers Education University, Nanning 530001, China)

Three-dimensional quantitative structure-activity relationship of 20 curcuminoids and their analogue were studied by TopomerCoMFA. Efficient TopomerCoMFA model were established. The coefficient q2of cross validation was 0.593, and the coeffcient r2of non-cross validation was 0.995. It was showed that this model was reasonable and credible, and had good predictive ability

TopomerCoMFA; curcuminoids; antitumor activity; quantitative structure-activity relationship

TQ 463

A

1671-9905(2014)02-0036-03

2013-12-06