5_甲硫腺苷核苷酶抑制剂的QSAR研究

第27卷第1期2008年3月

大连工业大学学报

Journal of Dalian Polytechnic U niversity

Vol.27No.1Mar.2008

文章编号:167421404(2008)0120010205

5′2甲硫腺苷核苷酶抑制剂的Q SAR 研究

刘　恒1,　王永华2,　丛丽娜1

(1.大连工业大学生物与食品工程学院,辽宁大连　116034;2.大连水产学院生命科学与技术学院,辽宁大连　116023)

摘要:通过构建33个甲硫腺苷(M TA )类似物的化学结构模型,并使用Molconn 2Z 统计的电子拓扑指

数、形状指数和分子连接性指数作为受试化合物分子结构参数,结合多元线性回归(ML R )方法对M TA 类似物的抑制活性进行了QSAR 研究。所得模型的R 和R 2adj 分别为0.862和0.711,表明该模型具有较好的预测和反映真实情况的能力。模型表明,M TA 类似物的抑制活性与其所含硫和氮原子的电子拓扑指数以及分子形状指数相关,这为预测其他类似物的活性和设计新的抑制剂提供了理论依据。

关键词:5′2甲硫腺苷(M TA );多元线性回归(ML R );定量构效关系(QSAR );分子结构参数中图分类号:R914.1文献标志码:A

Q SAR study on 5′2methylthioadenosine nucleosidase inhibitors

LI U Heng 1,　WANG Y ong 2hua 2,　CONG Li 2na 1

(1.School of Biological &Food Engineering ,Dalian Polytechnic University ,Dalian 116034,China ;2.College of Life Science and Biotechnology ,Dalian Fisheries University ,Dalian 116023,China )

Abstract :In order to review t he QSAR model between t he st ruct ure of M TA analogs and t heir activi 2ty ,and provide reference for synt hesize of new inhibitors to M TAN ,t he Molco nn 2Z descriptors have been calculated ,and t he QSAR of 33compounds was analyzed by Multi 2Linear Regression (ML R ).

The o btained model showed a satisfactory statistical significance (R ,R 2adj ;0.826,0.711).The result indicated t hat t he elect rotopological state and molecular shape indices were important to t he activity of inhibitors.

K ey w ords :M TA ;multi 2linear regression (ML R );QSAR ;molecular descriptors

收稿日期:2007211212.

作者简介:刘恒(19822),男,硕士研究生.

0　引　言

5′2甲硫腺苷核苷酶(5′2met hylt hioadeno sine nucleo sidase ,M TAN ,EC 3.2.2.16)专一性催化

底物5′2甲硫腺苷(5′2met hylt hioadenosine ,M TA )生成5′2甲硫核糖(5′2met hylt hioribose ,M TR )和腺嘌呤。M TR 经过一系列酶作用最终

生成甲硫氨酸,从而实现生物体内甲硫氨酸的循环补救[1]。同时,M TA 也是群体效应信号分子和多胺合成途径的副产物[223],如图1所示。M TAN 广泛地存在于病原体微生物内,如肺炎

链球菌、金黄色葡萄球菌、炭疽芽孢杆菌和霍乱弧

菌等,而在哺乳动物体内M TA 的分解是通过

M TA 磷酸化酶(M TA P )实现的[4],这样便导致了病原微生物与其宿主生物间对相同底物采取不同代谢方式的差异,进而引起了人们对抑制M TAN 活性的关注。

国内外研究证明,M TA 底物的积累可以抑制M TAN 的活性。Singh [5]等人合成了一系列的M TA 底物类似物,并测定了它们与M TAN 的平衡解离常数K i 。他们推断化合物的静电状态和结构因子可能是影响抑制剂活性的主要因素。为了阐明影响M TAN 抑制剂活性的关键因素,本文作者使用定量构效关系(QSAR )方法对M TAN 抑制剂活性进行了研究。

图1　5′2甲硫腺苷的微生物代谢途径

Fig.1　Biological metabolism pathway of5′2methylthioadenosine

QSA R研究就是把化合物构效关系的研究从定性阶段上升到定量水平,为化合物有机合成设计提供方法。化合物的生物活性与其理化性质间有密切关系,因而可用化合物取代基的各种理化参数来描述化合物结构与生物活性间的定量关系。本文作者收集了33个M TA类似物的结构和它们抑制活性数据,使用Sybyl6.9中的Mol2 conn2Z[6]程序计算这些化合物的结构特征。Mol2 conn2Z能够计算300多种基于结构的描述符,这些描述符广泛应用于化学、生物学和环境科学等研究领域,它们能与统计学方法结合来产生QSAR模型,进而预测化合物的生物活性或物理性质。目前用于产生QSA R模型的统计学方法很多,常用的有多元线性回归(ML R)、偏最小二乘法(PL S)和神经网络等[7]。本文使用多元线性回归(ML R)方法研究收集到的结构和活性数据,该方法能够直观地反映化合物的理化参数与活性之间的关系,为阐明影响M TA类似物抑制活性的因素提供理论依据,同时得到的QSAR模型可以作为预测新M TAN抑制剂活性的工具。

1　结构参数计算

本文使用的33个M TA类似物的化学结构和它们的活性值K i均取自文献[5]。这33个分子在基本结构上主要分为A和B两类,它们的基本结构和活性值见表1,A类为5′2met hylt hio2 Immucillins(M T2ImmA),B类为5′2met hylt hio2 4′2deoxy24′2aza22′2deoxy2met hylene2Immucillins (DADMe2ImmA)。化合物的抑制活性以K i表示,K i为竞争性抑制酶促反应方程的平衡解离常数。在QSAR的研究中以抑制剂的抑制常数K i 的对数Log K i为活性指标,即Log K i值越小,其对应的抑制剂的活性越高。

首先使用ISISDraw 2.4重新构建33个M TA类似物的平面结构模型,为得到这些类似物的二维(2D)结构信息,每一个化合物都单独保存为.mol格式,然后应用在线的SM IL ES结构转化与文件生成服务(http://cact us.nci.nih.

11

第1期刘恒等:5′2甲硫腺苷核苷酶抑制剂的QSAR研究

gov/services/t ranslate )将所有.mol 格式分子转

化成SM IL ES 格式,最后使用Sybyl 6.9中的

Molconn 2Z 程序计算得到了全部化合物的基于.S 文件的描述符指数。这些描述符指数充分反映了分子和其所含原子的静电状态以及它们之间的关系。其中表征结构信息的指数对于研究性质与结构之间的关系非常重要,在传统QSAR 研究中,

可以有效地预测化合物的生物活性、物化性质和毒性等。Molconn 2Z 能够计算300余种分子描述符的拓扑指数,而本文得到了198个描述符的计算值,手工去除计算值为零的描述符,最后收集到57个有统计学意义的描述符。它们从连接性指数、分子形状指数和静电状态指数三方面反映了所研究分子的特性。

表1　M TA 类似物的活性数据和预测值

Tab.1　Active data of M TA analogs and their predicted

values

2

1大　连　工　业　大　学　学　报

第27卷

(续表

)

2　多元线性回归结果与讨论

以结构参数计算得到的57个拓扑指数描述

符为自变量,以33个M TA 类似物与M TAN 解离常数的对数Log K i 为因变量,采用SPSS13.0统计软件中的逐步回归(stepwise )法进行ML R 分析。其中随机选取5个化合物作为检测集(在表1中以3标志),其余28个化合物作为训练集。取F 值表中α≤0.05的F 值作为自变量选入模型的F 临界值,取α≥0.1的F 值作为从模型中剔除自变量的F 临界值。所得模型如下:

模型一: Log K i =-0.517SHsssN Hp +11.764(n =33,R =0.651,R 2adj =0.400,P =1.8e -04)

模型二:

Log K i =-0.549SHsssN Hp -1.073SssS +

13.637

(n =33,R =0.794,R 2adj =0.601,P =3.9e -06)

模型三:

Log K i =-0.459SHsssN Hp -0.924SssS -0.784Ka 3+15.437

(n =33,R =0.862,R 2adj =0.711,P =2.8e -07)

上面表达式中SHsssN Hp 和SssS 是分子中N H +-

和—S —原子集团的电子拓扑状态指

数,Ka 3是描述分子形状特征的指数,这3个指数对应各个化合物的参数列于表1。n 为QSAR 模型的样本数,多元回归时一般要求观测值的个数至少是自变量的5倍以上,否则容易产生偶然相

3

1第1期

刘恒等:5′2甲硫腺苷核苷酶抑制剂的QSAR 研究

关。本文对33种M TA类似物进行了研究,即因变量有33个样本观测值,则要求模型中自变量的个数不能超过7个,所以3个模型的自变量个数都比较合理。R为复相关系数,它表示模型的预测值和样本实测值间的相关度。R值越接近1,表明模型的预测能力越强。R2adj为相关系数的矫正,其与R2的差值越小,表明新引入变量与模型中已有变量的相关性越低,越有利于提高模型反映真实情况能力。P为检测的显著性水平,一般情况下0.01≤P<0.05被认为是具有统计学意义,而P≤0.01被认为具有高度统计学意义。综上模型参数分析,逐步回归得到的3个模型都具有高度的统计学意义,其中模型三的统计参数最为合理,预测能力也最强,其预测值列于表1,预测值与实际值的相关性见图2。

图2　预测值与实验值的相关性曲线

Fig.2　Plots of actual and predicted activities

模型三中引入了SHsssN Hp、SssS和Ka3三个变量,它们都与因变量Log K i呈负相关,也就是3个自变量值越大,Log K i和K i值越小,即因变量所代表的M TA类似物与M TAN的解离常数越小,所以模型中3个变量值的增加均有利于提高抑制剂的活性;反之3个自变量值越小,它们所代表的化合物抑制活性就越低。SssS反映了硫的静电指数对整个化合物抑制活性的影响。这一影响可以从化合物B8与B16和B18的比较中得到证实,B16和B18分别用氧和碳取代了B8中的硫,它们的SssS值均为0,使得两者的Log K i值分别为7.69和10.362,而B8的SssS值为1.874,Log K i值为6.38,远小于前两者的解离常数。同理,SHsssN Hp所反映的氮对整个化合物抑制活性的影响可以通过B4和B8的比较得到证实。Ka3反映的是化合物分子结构中含有3个键片段的特征指数,它表征的化合物的几何结构特性,与实际的生化意义间不存在直接的联系。

3　结　论

采用多元线性回归(ML R)方法,以Mol2 conn2Z计算得到的分子描述符参数为自变量,建立了M TA类似物对M TAN抑制活性的QSAR 模型。所建立的模型,其R值为0.862,表明模型具有较好的预测能力,可以用来初步预测其他M TA类似物对M TAN的活性。研究结果还阐明了影响M TA类似物对M TAN抑制活性的因素,其中硫和氮原子的静电指数对抑制剂的影响与文献[5]的报道取得了一致的结果,而模型同时引入了分子形状指数作为相关变量,证明了Singh 等人关于分子形状与抑制剂活性相关的推断。

参考文献:

[1]RA GION E D,PORCELL I F M,CARTEN I F M,

et al.Escherichia coli S2adenosylhomocysteine/5′2 methylthioadenosine nucleosidase:Purification,sub2 strate specificity,and mechanism of action[J].Bio2 chem,1985,232(2):3352341.

[2]WIT H ERS H,SWIFT H S,WILL IAMS P.Quorum

sensing as an integral component of gene regulatory networks in Gramnegative bacteria[J].Microbiol, 2001,4(2):1862193.

[3]PAJ UL A R L,RA INA A.Methylthioadenosine,a

potent inhibitor of spermine synthase from bovine brain[J].FEBS Lett,1979,99(2):1532156.

[4]SIN GH V,SHI W,EVANS G B,et al.Picomolar

transition state analogue inhibitors of human5′2meth2 ylthioadenosine phosphorylase and X2ray structure with M T2Immucillin2A[J].Biochemistry,2004,43

(1):9218.

[5]SIN GH V,WU XIAN S,STEV EN C,et al.Struc2

ture and inhibition of a quorum sensing target from streptococcuspneumoniae[J].Biochemistry,2006,45

(43):12929212941.

[6]HOFFMAN B T,KOPAJ TIC T,KA TZ J L,et al.

2D QSAR modeling and preliminary database search2 ing for dopamine transporter inhibitors using genetic algorithm variable selection of Molconn Z descriptors [J].Med Chem,2000,43(22):415124160.

[7]GEL ADI P.Notes on the history and nature of partial

least squares(PL S)modeling[J].Journal of Chemo2 metrics,1988,2(4):2312246.

41大　连　工　业　大　学　学　报第27卷