23卷8期结构化学（JIEGOU HUAXUE）V ol. 23, No. 8 2004. 8 Chinese J. Struct. Chem. 962~968 α1-AR拮抗剂DDPH类似物的比较分子力场分析①
习保民a②赵文娜b邹建卫b倪沛洲a
a (中国药科大学物化教研室和有机化学教研室, 南京 210038)
b (浙江大学宁波理工学院分子设计与营养工程实验室, 宁波 315104)
利用比较分子力场分析(CoMFA)方法, 建立苯(氧)烷胺类α1-肾上腺素受体拮抗剂DDPH及其类似物的三维定量构效关系模型。交叉验证回归系数q2、非交叉验证回归系数r2
和标准偏差SEE分别为0.457, 0.953, 0.208，研究结果显示立体场比静电场对活性的影响更
大。所得模型具有一定的预测能力，可用来指导设计新的苯氧烷胺类α1-肾上腺素受体拮抗
剂,并为以后进一步的工作提供依据。
关键词: α1-肾上腺素受体拮抗剂, 比较分子力场分析, DDPH
α1-肾上腺素受体(adrenergic receptor,α1-AR)属于鸟苷酸结合蛋白(G蛋白)偶联膜表面受体家族, 激动后通过激活G蛋白引发信号转导。 AR 的典型结构由3个细胞外环、7个疏水性跨膜区段及3个细胞内环组成，其中跨膜区段主要与配体结合功能有关。
本课题组长期致力于苯(氧)烷胺类α1-AR拮抗剂的研究, 合成了大量的该类化合物[1~7], 初步药理筛选发现其中不少化合物具有良好的降压活性。盐酸非洛普(DDPH)是其中一个活性较好的化合物, 是正在研制的国家一类抗高血压新药。经大量的药理和毒理试验表明,DDPH抗高血压活性明显, 缓和, 毒副作用小, 具较强的α1-AR阻断作用兼有弱的钙拮抗作用, 是一个具有双重作用的降压药物。以DDPH为模板合成具有更高亲合力的α1-AR拮抗剂是我们以后的工作重点。
由于α1-AR属于膜蛋白, 不易分离, 它的三维结构很难得到, 而它和配体的相互作用的复合物结构就更难得到。在不了解受体三维结构的情况下进行三维定量构效关系(3D-QSAR)研究可以用比较分子力场分析(CoMFA)[8]法进行。
1 计算方法
1.1 CoMFA的原理
3D-QSAR研究中的比较分子力场分析是1988年Cramer[8]等提出来的，现在已经在药物化学研究中得以广泛应用[9, 10]。依照CoMFA的基本原理，如果一组相似化合物以同一种方式作用于1个受体，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，这种分子场反映了药物分子和受体之间的非键相互作用的特性。传统的CoMFA计算可以简单地分为3个步骤：首先，搭建好的模型化合物并按照一定的规则进行叠合；然后，在叠合好的分子周围产生格点，在每个格点上用一个探针离子来评价点上的分子场特征；最后，通过偏最小二乘(PLS)方法建立化合物活性和分子场特征之间的关系。
1.2 药物分子构象及相关分子三维结构搭建
本文所研究的化合物及其活性数据[2, 5~7]列于表1，它们的活性数据都源于相同试验方法。三维定量构效关系研究的所有计算使用Tripos公司的SYBYL6.8软件，在SGI Octane 2工作站上完成。根据3D-QSAR的一般规律，具有手性碳的化合物应分别用单一的光学异构体进行分子模建。若2个光学异构体活性相同或相近，只用其中1种对映体即可。DDPH具有一个手性碳原子，可拆分为2个光学异构体。经药理实验证明，消旋体与2种光学异构体活性基本相同[6]，因此本文选用了(R)-DDPH单晶衍射数据[11]，再以此为模板，其余化合物修改相应的原子或者基团，对于存在可旋转单键的化合物使用CACHE5.0软件包自带的搜
2003-11-07收到；2004-03-05接受
①本文受863计划2002AA2Z3118资助
②联系人：习保民，男，博士研究生，讲师. E-mail: xibaomin@https://www.doczj.com/doc/2a11582304.html,
2004 V ol. 23 结 构 化 学 （JIEGOU HUAXUE ） Chinese J. Struct. Chem. 963
索程序进行了MM3 multiple-passes 构象搜索，取搜索序列中的最低能构象，然后采用sgi 工作 站中Minimize 分子力学程序进行优化，所选力场为Tripos 力场，分子荷载Gasteiger-H ückel 电荷，优化的收敛条件是RMS 值小于0.001 kJ ?mol －1
? nm －1
。
表 1. DDPH 类似物结构及其生物活性
Table 1. Structures and IC 50 Values of the DDPH Analogues
R
Compound Y n R 1
R 2
R 3
IC 50/ μmol.L －1
1 CHCH 3
2 2-CH 3;6-CH
3 H H 0.15
2 CHCH
3 1 2-CH 3;6-CH 3
OCH 3
OCH 33
H 1.2
3 CHCH 3 1 2-CH 3;6-CH 3
O O
H 0.05
4 CHCH 3 1 2-CH 3;6-CH 3
Br
H 2.3
5 CHCH 3 1 2-CH 3;6-CH 3
OH OCH 3
H 1.2
6 CHCH 3 1 2-CH 3;6-CH 3
H 1.5
7 CHOHCH 2 0 2-CH 3;6-CH 3 -CH(CH 3)2 H 4.6 8 CHOHCH 2 2 2-CH 3;6-CH 3
OCH 3OCH 3
H 12
9 CH 2CH 2 1 2-CH 3;6-CH 3 H CH 3 16 10 CH 2CH 2 1
2-H;6-H
H
CH 3 2.1
11 CHCH 3 2 2-CH 3;6-CH 3
OCH 3OCH 3
O 2S
CH 3
0.34
12 (DDPH)
CHCH 3 2 2-CH 3;6-CH 3
OCH 3OCH 3
H 0.15
13 CHCH 3 2 2-CH 3;6-CH 3 OH OCH 3
H 0.31
14 CHCH 3 2 2-CH 3;6-CH 3
O O
H 0.67
15 CHCH 3 2 /
OCH 3OCH 3
H 0.17
16 CHCH 3 2 2-CH 3
OCH 3OCH 3
H 0.89
964 习保民等：α1-AR拮抗剂DDPH类似物的比较分子力场分析No. 8
18* CHCH3 2 4-
CH3OCH3
OCH3H 0.55
19 CHCH3 2 2-NH2,4- CH3OCH3
OCH3H 0.50
20 CHCH3 2
2-
OCH3
OCH3H 4.19
21 CHCH3 2
4-
OCH3
OCH3H 1.22
22 CHCH3 2 4-Cl OCH3
OCH3H 0.15
23* CHCH3 2 4-Br OCH3
OCH3H 0.10
24* CHCH3 2 2-Cl;4-Cl OCH3
OCH3H 2.57
25* CHCH3 2 2-Br;4-Br;
6-Br
OCH3
OCH3H 30.50
26* CHCH3 2 4-NO2OCH3
OCH3H 38.40
27 CHCH3 2 4-NHCOCH3OCH3
OCH3H 89.80
28 CHCH3 2 4-OCH3OCH3
OCH3H 0.01
1．3 CoMFA分析
在CoMFA分析时，活性构象的选择和样本分子的叠合是非常重要的步骤。所有分子需以一定规则在空间叠合，以减小其空间结构的差别，本文研究以(R)-DDPH的晶体结构为模板分子，在分子叠合中以通式带星号标志的原子作为叠合原子。进行CoMFA计算时，随机选取6个化合物(表1中以*标示)作为预测集，用以检验模型的预测能力，其余化合物作为训练集。用Fit atoms法叠合所有分子, 其叠合情况如图1。将重叠好的分子置于一个三维网格中，用带正电的SP3C原子探针计算分子在每个格点上的立体场和静电场, 其立体作用能与静电作用能的阈值均用默认值。最后用偏最小二乘法(PLS)对样本集的每一种取向每个格点上的分子场进行PLS交叉验证确定最佳主成分数及交叉验证的回归系数r cv2值。
2 结果与讨论2.1 CoMFA模型
三维网格的空间取向、大小、步长对CoMFA 结果有很大[12~15]的影响，因此非常有必要通过进行全空间搜索(all-space searching, ASS)、调整网格大小改变步长得到最佳取向的最优模型(见表2)。进行全空间搜索时，我们用Sybyl中的Static Translate 和 Static Rotate命令通过SPL编写的程序自动地平动和转动叠合好地样本集以覆盖整个三维空间。样本集沿x、y、z轴方向以20° 增量旋转，直至取遍空间所有取向，共有18×9＝162种取向，对每一个取向计算CoMFA场并进行PLS 分析；转动后得到的最佳取向的模型作为平动的初始样本集沿x、y、z轴从0 ?到2 ?以0.5 ?的步长平动，共有4×4×4＝64种可能。同样，对每一种情况计算CoMFA场并进行PLS分析。
2004 V ol. 23 结构化学（JIEGOU HUAXUE） Chinese J. Struct. Chem. 965
图 1. 化合物的叠合图
Fig. 1. Map of superimposition
表2. 网格设置对q2的影响
Table 2. q2 Values of Different Grid Boxes and Steps
Grid box A B C D E F G
X/? –8–6 –8–6 –10–8 –7–5 –8–6 –8–6 –8–6 Y/? –8–14 –8–14 –10–16 –5–13 –8–14 –8–14 –8–14 Z/? –3–15 –4–16 –5–17 –3–15 –3–15 –3–15
–3–15 Step/? 2.0 2.0 2.0 2.0 1.0 1.5 3.0 q2 0.457 0.138 0.450 –0.015 0.179 0.149
–0.077 n 4 4 4 4 4 3 4
从表2中可以看出合适的网格A才能收到好的效果，如果网格过大(B、C)，结果并没有提高，反而有所下降，同时增加了计算时间, 而网格太小(D)不能够全部覆盖所有化合物，造成信息的丢失，不具有可信性。确定网格三维大小后，改变步长(A、E、F、G)对比实验表明，合适的步长(A)能够得到较多的信息，而又减少了噪音对结果的影响。最后得到最佳CoMFA
模型的计算分析的结果如表3。
一般认为交叉验证的相关系数大于0.4时，得到的模型具有可信的预测能力，这里交叉验证相关系数达到了0.457，因而我们构建的模型具有较
好的预测能力，因此使用该模型对预测集(化合物19、23、24、25、26、29)进行预测，表4列出了化合物的实验活性、计算活性和残差(实验值与计算值的差值)，其模型的预测值与实验值相关性达到了0.975，如图2。图2 化合物实际活性和预测活性之间的关系
■－训练集；○－预测集
Fig. 2. Comparison between the experimental and calculated biological activities
－training set; ○－ predicted set
表3. CoMFA计算结果
Table 3. Results of the CoMF Analyses of the Training Set
A
Fraction
Model q2 r2 Std. Error of estimate F Num. of componets
Steric Electrostatic A 0.457 0.953 0.208 73.752 4 0.586 0.414
966 习保民等：α1-AR 拮抗剂DDPH 类似物的比较分子力场分析 No. 8
表4. 实验活性值、计算活性值和残差
Table 4. Experimental Biological Activit es, Calculated Activities and the Residual
i
No. Actual PIC 50
Predicted
PIC 50
Residual No. Actual PIC 50
Predicted
PIC 50
Residual
1 6.8
2 6.45 0.37 16 6.05 6.17 –0.12 2 5.92 5.91 0.01 17 6.66 6.74 –0.08
3 7.30 7.26 0.0
4 18* 6.26 6.42 –0.16 4 5.63 5.59 0.40 19 6.30 6.24 0.06
5 5.92 5.88 0.04 20 5.38 5.11 0.27
6 5.82 5.9
7 –0.15 21 5.91
6.30
–0.39
7 5.34 5.32 0.02 22 6.82 6.69 0.13 8 4.92 4.95 –0.03 23* 7.00 6.77 0.23 9 4.80 5.08 –0.28 24* 5.59 5.67 –0.08
10 5.68 5.46 0.22 25* 4.52 4.30 0.22 11 6.47 6.38 0.09 26* 4.42 4.69 –0.27
12 6.82 6.59 0.23 27 4.05 4.04 0.01 13 6.51 6.44 0.07 28 8.00 8.12 –0.12 14 6.17 6.11 0.06 29* 6.96 6.89 0.07 15 6.77 6.78 –0.01
2.2 分子场等值面图
从立体与静电作用能分数比0.586/0.414可以看出，对化合物活性的影响，立体效应起主要作用。CoMFA 等值面图是由不同颜色折线组成的多面体区域，如 CoMFA 等值面图分子立体场等值面图3(a)和静电场等值面图3(b)。 立体场等值面图3(a)中，越是接近绿色区域的取代基体积越大而接近黄色区域的体积越小，则对活性越有利, 可以看出与氧相连的苯环2个邻位引入小的基团，在间对位之间和苯乙胺部分取代大的基团有利于提高化合物的活性。静电场等值面图3(b)中则是越接近蓝色区域的取代基越是正电性而接近红色区域(苯环上下方)的取代基越是负电性，则对活性越有利。因此对照化合物的结构、活性差别与等值面图可以得到合理的解释。化合物20、21的差别在于R 1基团的取代位置不同，化合物20的环己基在苯环的邻位，上方是要求体积小的取代基，而化合物21的环己基在要求大取代基的苯环的对位，环己基是个体积较大的取代基，因此化合物21的活性较化合物20的活性好的多。化合物 27活性差，是立体场和静电场共同作用的结果。R 1(–NHCOCH 3)基团虽然在苯环的对位，从构象看－CH 3折向上方的黄色区域，而负电性的羰基氧原子伸向要求正电性的蓝色区域，因此导致活性差。而化合物28的活性较好，R 1(4－methoxy)、R 2都伸向大片的绿色区域，同时R 2上的其中一个甲氧基伸向要求正电性的蓝色区域，因此活性较高。化合物16、17、18具有相同的取代基，不同
之处就是R 1的取代位置，分别是邻位、间位、对位，由于邻位上方是要求体积越小越好，间位和对位之间有绿色区域，化合物17间位的甲基比化合物18的对位甲基更接近绿色区域，因此活性顺序是17>18>16。化合物22、23、26的R 1基团分别是苯环对位取代的–Cl 、–Br 、–NO 2，基团所带电荷分别为：–0.080、–0.060、–0.1159，负电性顺序为–NO 2>–Cl>–Br ，而从静电场图中得到苯环对
位要求正电性的基团，因此活性顺序应该为23>22>26。化合物24、25的区别在于2、4、6位取代基都是卤素原子，从静电场图中可以看到2位要求负电性， 4、6位要求正电性，而化合物25的2、4、6位都是负电性的－Br ，因此化合物25的活性要低于化合物24的活性值。化合物12、13、14的R 2取代基如表1所示， 大小为12>13> 14，立体场中显示R 2取代基为体积大的取代基有利于活性，因此3个化合物的活性次序应该为12>13>14，实验值和预测值也是这个次序。而化合物11与12不同在于R 3基团，化合物11的R 3为－SO 2C 6H 4CH 3，负电性强的原子－SO 2反而伸向要求正电性的蓝色区域，从而导致活性降低。化合物9、10不同在于化合物9的R 1取代基为2，6－dimethyl ，2位要求小的基团，而6位则要求大基团，但从综合影响结果来看化合物9的活性比化合物10的活性低。化合物8的Y 基团为－CHOHCH 2－，其中的羟基伸向要求正电性的蓝色区域，因而导致活性较化合物12的活性差许多。而化合物7的n = 0，导致分子较短，其取代基R 2
2004 V ol. 23 结构化学（JIEGOU HUAXUE） Chinese J. Struct. Chem. 967
周围全是要求大基团的绿色区域，因此活性较同样Y基团的化合物8要高。化合物2、4、5、6的n = 1使芳香性取代基R2周围被绿色区域包围，因而活性相当。从立体场来看，化合物3同化合物2、4、5、6很相似，但从构象上看，R2基团的2个O原子与上方的要求负电性的红色区域较化合物2、4、5、6的R2基团接近，而且亚甲基负电性较甲基大，因而活性要相对化合物2、4、5、6的好。
(a) (b)
图3 化合物立体场的CoMFA等值面图(a)和静电场的CoMFA等值面图(b)图中参考分子为化合物12 Fig. 3. CoMFA contour maps of steric field (a) and electrostatic field (b) with compound 12 being embedded
3 结论
通过对DDPH类似物的定量构效关系的比较分子力场分析(CoMFA)研究，构建了一个预测能力较强的模型，发现体积因素起主要作用。根据立体场等值面图，在绿色区域引入体积大的基团，黄色区域引入体积小的基团；根据静电场等值面图，在蓝色区域引入正电性的基团，在红色区域引入负电性的基团，可以提高化合物的生物活性，对合成新的具有高活性的化合物有一定的指导作用。
参考文献
(1) Xia, L.; Ni, P. Z.; Qian, J. Q.; Tang, W. F. CN Patent, 92107623,1992–07–04.
(2) Xu, J. Y.; Xia, L.; Ni, P. Z. Journal of China Pharmaceutical University1992, 23, 203–208.
(3) Ni, P. Z.; Peng, J. H.; Xia, L.; Fu, J. H.; Chen, Y. F. Journal of China Pharmaceutical University1996, 27, 395–400.
(4) Sun, H. B.; Zhu, J. W.; Ni, P. Z.; Xia, L. Journal of China Pharmaceutical University 1993, 24, 11–17.
(5) Ni, P. Z.; Sun, H. B.; Peng, J. H.; Xia, L.; Qian, J. Q. Journal of China Pharmaceutical University 1996, 27, 462–465.
(6) Song, W.; Zhang, Y. J.; Xia, L.; Liu, G. Q. Acta Pharmaceutica Sinica 1998, 33, 102–105.
(7) Xia, L.; Ni, P. Z.; Song, W.; Liu, G. Q. Acta Pharmaceutica Sinica 1990, 25, 150–153.
(8) Cramer, R. D.; Patterson, D. E.; Bunce, J. D. J. Am. Chem. Soc.1988, 110, 5959–5967.
(9) Lee, K. W.; Briggs, J. M. J. Comput. Aided Mol. Des. 2001, 15, 41–55.
(10) Sippl, W. J. Comput. Aided Mol. Des. 2000, 14, 559–572.
(11) Song, S. Y.; Lin, X. Y.; Zhao, H. Y. Chinese J. Struct. Chem. 1997, 16, 102–106.
(12) Wang, R. X.; Liu, G.; Lai, L. H. ACTA PHYSICO-CHIMICA SINICA1998, 14, 1–3.
(13) Hou, T. J.; Xu, X. J. Chemometrics and Intelligent Laboratory Systems 2001, 56, 123–132.
(14) Jung, M.; Kim, H. Bioorganic & Medicinal Chemistry Letters2001, 11, 2041–2044.
(15) Cho, S. J.; Tropsha, A. J. Med. Chem. 1995, 38, 1060–1066
968 习保民等：α1-AR拮抗剂DDPH类似物的比较分子力场分析No. 8 Comparative Molecular Field Analysis (CoMFA) of
α1-Adrenocepter Antagonist DDPH and Its Analogues
XI Bao-Min a ZHAO Wen-Na b ZOU Jian-Wei b NI Pei-Zhou a
a (Departments of Physics Chemistry and Organic Chemistry,
China Pharmaceutical University, Nanjing 210038, China)
b (Key Laboratory for Molecular Design and Nutrition Engineering,
Ningbo Institute of Technology, Zhejiang University, Ningbo 315104, China)
Abstract
For a series of phenoxyalkylamines α1-adrenocepter antagonist (DDPH and its analogues), a three- dimensional quantitative-structure activity relationship (3D-QSAR) model is established by using the compa- rative molecular field analysis (CoMFA), with the cross-checking and noncross-checking regression coeffi- cients, q2 and r2, of 0.457 and 0.953, respectively, and standard deviation SEE of 0.208. This model indicates that the steric field factor is more important than the electrostatic one and provides valuable predictive information for designing new α1-adrenocepter antagonist.
Keywords: α1-adrenocepter antagonist, CoMFA, DDPH