关于QSAR的论文.doc

【摘要】近年来，由于化学物质的环境危险性评价的需要，定量结构-活性相关（QSAR)的研究方法愈来愈受到人们的关注。所谓的定量结构-活性相关，研究的是化学品的分子结构与其活性之间的内在定量关系。QSAR方法利用现有的化学知识和实验数据，建立某类化合物的结构与生物活性之间的定量关系，利用这种关系来预测新的化合物的生物活性。从70年代开始，QSAR广泛的应用于环境化学，药物化学，毒理学等领域。本文介绍了QSAR方法的研究意义、发展历史，建模方法等，同时对QSAR的发展趋势作了展望。【关键词】QSAR，发展历史，研究方法，研究步骤1. QSAR的介绍1.1 什么是QSAR？（What is QSAR?)定量结构-活性关系及定量构效关系，是指化学品的分子结构与其活性之间的内在定量关系。这里的生物活性是一个广义的概念，通常是指污染物对水生生物的毒性，另外还包括污染物的一些物理化学性质，比如描述有机污染物在环境中迁移、转化、分布等性质的参数，因此可以概括为污染物在环境中的行为或某种性质。分子的结构通常用结构描述符来定量表征，分子的理化性质参数，如溶解度，正辛醇/水分配系数等也可以用来表征化合物的分子结构特征1-2。QSAR主要应用数理统计的方法，在化合物的分子结构和生物活性之间建立一个数学模型，然后用该数学模型进行未知化合物生物活性的预测3。1.2 QSAR研究的必要性(Why QSAR?)定量结构-活性相关的研究，是因为有机污染物生态风险性评价的需要4。人类社会的发展，给环境带来很多负面的影响，其中就包括向环境中排放了大量有毒的污染物。1999年12月，美国的化学文摘收录的自然界得到的和人工合成的化合物数目已经达到2230万种。据估计，我们人类现在已经合成的日用化学品有70000多种，并且每年这个数字都还会增加500-10005。每一天都有大量的化合物进入我们的环境中，这些化合物在环境中如何进行迁移和转化，它们对生物体和人类具有什么样的毒性，它们对生态系统的结构和功能有怎样的影响，这些都是我们所关心的问题。而要对这些问题作出回答，就必须对这些污染物进行生态风险性评价。传统的生态风险评价包括下列四个步骤2,6：危害识别，剂量-反应评价，暴露评价，风险表征。进行生态风险评价，需要首先获得大量的数据：化合物对生物或人体的毒性，在环境中的迁移和转化等。这些数据的获取要通过实验获得，而面对这么多已存在的和即将生产和使用的化合物，其工作量之大，是可想而知的。因此仅仅依靠实验来完成积累数据并进行生态风险评价，是不可能的，而且在时间上是永远滞后的。具有强大预测功能的QSAR方法为有机物的生态风险评价提供了一个重要的、必不可少的手段。可以说，QSAR的理论研究具有重要的理论价值和实际意义，是污染防治的理论基础，是可持续发展的技术前提1。1.3 QSAR的发展历史构效关系的概念伴随着药物化学的产生而出现。人类历史上第一次认识到药物的理化性质和生理活性的关系可以追溯到19世纪50年代英国的Snow医生对吸入性全身麻醉药物的研究，他在研究过程中，注意到了药物沸点和饱和蒸汽压对药物的药效影响。1863年，法国的Cros在他的博士论文中提出，哺乳动物体内的醇类的毒性和水溶性呈很好的相关关系。1868年，英国药理学家Fraser和化学家Crum Brown提出了化合物的生理活性依赖于其组分的理论，即生物活性应该是化合物组成C的函数:=f(C)，这就是著名的crum-Brown方程。系统的结构-活性相关(SAR)研究，始于上个世纪30年代Hammett等研究有机物毒性与分子电性效应()之间的相关性研究7。Hammett提出有机物芳环上取代基的电性效应可由=log(Kx/Kh)来表示，其中Kx和Kh分别是取代和未取代时化合物的电性常数。到了50年代，Taft把Hammett的思想拓展应用到脂肪族的化合物中，提出分子的空间效应可以用Es=log(Kx/Ko)，其中Kx和Ko分别是取代衍生物和未取代母体化合物的水解速率常数。到了20世纪60年代，Hansch等人站在前人的肩膀上，建立起Hansch-Fujita模型，揭开了QSAR研究的篇章。Hansch等人认为取代基引起化合物分子物理化学性质的变化主要有三种，即电性、立体性和疏水性，因此假设：取代基对分子生物活性的影响是由上述某些或者全部物理性质的变化引起的，并且取代基对生物效应的电性效应、立体效应及疏水效应是彼此独立并可相加的。在此基础上，Hansch等建立起了比较完善结构-活性相关方程。后来在SAR方程中加入了定量计算的部分，这样可以定量预测化合物的活性。QSAR最初被广泛的应用到药物设计当中，根据QSAR结果，可以为设计、筛选或预测任意生物活性的化合物指明方向。另外，根据已有的化学知识，可以探求药物与生物体和环境间的相互作用规律3。70年代之后，QSAR被广泛的应用到化学、环境科学、农业化学、药物化学和毒理学领域。1993年，一本专门为SAR和QSAR创办的杂志SAR and QSAR in Environmental Research在法国创刊，每年都有大量的研究论文发表。1.4 QSAR的研究步骤QSAR的研究程序可以归纳为五个步骤10：（1）待试数据资料的获得（2）结构参数及活性参数的选取（3）建立活性参数和结构参数的定量关系模型（4）模型检验（5）实际应用，预测。 1.4.1数据的获得和整理可靠的预测模型是建立在可靠的数据基础之上的，因此只有保证数据的可靠，建立的模型才具有实际意义。一般要求样本的数量不能低于十个，低于这个数目的样本是没有意义的。除此之外，选取的样本还尽量要具有代表性，尽可能的包括吸电子，推电子等取代基变化比较丰富的化合物7。在QSAR研究中，数据的获得有两个主要的来源:（1）实验测得 （2）由文献资料中收集或者是从数据库下载。Cronin等人认为理想的实验数据应该是用同样的试验条件，甚至应该是同一个实验室的同一个研究者测得的，并且活性数据最好是用当前学术界公认的一些标准样本进行试验测量的，这种高质量的活性数据会有很小的实验误差11。在化学研究中，常用到的数据库有7：化学信息系统（CIS），剑桥结构数据库（CSD），环境化学的数据和信息网ECDIN，生物数据库PIR(Protein Identification Resource)，ACS期刊数据库等。1.4.2 结构描述符在QSAR研究中，化合物的结构不能直接被计算机利用，因此要在结构和活性之间建立起数学模型，就必须把物质的结构表示为数字的形式作为自变量。这种用来反应物质结构的数字形式，我们称之为结构描述符7,11。结构描述符可分为实验参数和理论计算参数。实验参数是要通过一些实验来获得，而理论计算参数则可以根据分子的结构信息，通过计算直接获得。1) 实验参数1 疏水性参数（HP）在19、20世纪之交，Meyer和overton各自独立的发现，一组有机化合物的麻醉镇定作用与其油-水分配系数存在相应关系。Hansch和Leo等更认为在所有可能的因素中，化合物的分配行为最能影响其生物活性11。目前常用到的疏水性参数主要是辛/醇水分配系数，此外，还包括疏水片段常数以及水溶解度。2 电性参数（EP）由于偶极矩引起的分子或离子间的作用力会影响化合物与生物组织之间的强度和范围10。QSAR中常用的点行参数有：Hammett取代基常数、氢键指数、分子折射系数、偶极矩等。3 立体参数（SP）立体参数又称空间参数，表征的是化合物立体结构（或空间结构）对于化合物生物活性的影响。立体参数包含体积参数和形状参数，体积参数主要有分子量、摩尔体积、表面积等，形状参数主要有取代基空间参数等。2） 理论计算参数1 组成描述符12分子的组分对于化合物的活性影响起着关键作用，组成描述符用来表征的就是这个分子中的组分，包括有C、N、O等原子的个数，以及双键和三键的个数。2 拓扑描述符1947年，Wiener 第一次在文献中报道拓扑学参数13。目前为止，发展的拓扑学参数已有很多，主要有14：Wiener指数、Hosoya指数，Randic分子连接性指数等。3 量子化学参数量化参数在QSAR研究中的应用已经非常广泛，其参数易于获得，物理意义明确15。量化参数主要包括：原子电荷、分子轨道能级、前线轨道密度等。2. 分子结构信息参数的选择与确定分子结构信息参数的选择与确定是QSAR研究中非常重要的环节。目前主要有理化参数、拓扑指数和量子化学参数等3种结构信息参数。为了建立稳定可靠的模型,有时综合采用多种结构参数来建模16。只有确定了建模所需要的参数，才能进行模型的构建与检验。下面介绍下，使用比较多的参数方法。2.1理化性质参数法经典的QSAR研究主要采用理化参数来表达分子的结构信息,以分子式为基础,根据实验测得的经验参数(如辛醇-水分配系数、分子折射率、水中溶解度等)与相应的性质(如生物毒性、光解活性、水解活性等)建立定量关系式。这种方法的缺点是所用的理化参数大多仍需实验测定，一方面存在一定的误差，使得预测结果不尽可靠；另一方面逐一实验测定各个有机化合物的理化参数存在很大的难度，甚至很多时候根本行不通。1）辛醇/水分配系数法17在毒理学研究中,辛醇/水分配系数( log P)是最普通、最重要的理化参数。它反映有机物的亲脂性。通常用log P表达的QSAR模型用下式表示：-logLC50= a log P-b(log P)2+ c式中,a、b、c为常数。许多化合物的logP可以进行实验测定,也可以用碎片常数法进行估算。还可以用Hansch和Leo编制的计算机程序(Clog P)计算得到，通常用计算值比较方便。Log P法参数较易获得,计算简单,己成为人们普遍接受的方法。该法缺点是：没有考虑药物分子的三维结构特征和分子的各部分结构特点，不能用来设计新的先导化合物，只能用于先导化合物的优化，提高化合物的活性和提高生物利用度等。2）取代基效应的线性自由能Hammett方程是研究苯衍生物其对位、间位取代基对侧链反应速率常数及平衡常数的影响的.通过大量实验, Hammett L P发现对位、间位取代的苯甲酸酯的水解反应速率常数与相应苯甲酸的电离反应的平衡常数有如下线性关系lgk=lgK+C18。以未取代的酯与酸为基准物,它们参与的两类反应之间亦有类似的线性关系lgk0=lgK0+C。两式相减,可得lg(k/k0) =lg(K/K0)。式中 K/K0为某一取代基的苯甲酸与苯甲酸电离平衡常数之比值,在一定温度下为一定值.令= lg(K/K0)则上式变为lgk= lgk0+这就是著名的Hammett方程19-21，在Hammett方程中,k与K是取代苯衍生物侧链反应的速率常数与平衡常数;k0与K0是元取代基的基准物质侧链反应的速率常数与平衡常数;为取代基常数,其值决定于取代基的结构与位置,是取代基改变侧链反应中心电子密度能力的尺度(0,取代基为吸电子基团,0,则反应被苯环上的亲电基所促进,反应为亲核进攻;0,则反应被苯环上斥电子基所促进,为亲电进攻).脂肪族化合物和邻位取代苯衍生物,一般不服从Hammett方程,这是由于这些化合物中取代基对反应中心的影响比较复杂,除了电子效应外还有空间效应.Taft R W以酯的水解反应为模型,研究了脂肪族酯类及邻位取代的芳香酯类的反应规律,提出了一个表示取代基的极性效应(诱导)及立体因素对反应活性影响公式，即Taft方程lg(k/k0) =*+Es22式中 *取代基的极性效应常数(只反映诱导效应；*反应对极性效应的敏感性； Es取代基的空间效应常数;反应对空间效应的敏感性.Hansch认为如果不考虑有机物在生物体内代谢,那么生物毒性可以认为是该物质的立体效(Taft常数Es)、电子效应(Hammett常数)及疏效应(log P)的函数,可用下式表达:-logLC50= a logP-b(log P)2+ cEs+ d+ e式中a、b、c、d、e为常数。多数Hansch相关方程并不一定同时包logP、Es、三种结构参数。3）LSER法LSER法是由Kamlet等人提出,认为有机物的溶解性与分子体积、极性和酸碱性三方面的结构性质相关,这三方面的性质可由四种溶剂化色散参数来定量描述,它们是:Vi/100:分子体积项;*:分子偶极项;m和m:氢键项。LSER法的表达式为:-logLC50= mVi/100+ s*+ am+ bm+ c式中m、s、a、b、c均为常数。LSER法的局限性在于四种溶剂化色散参数较难获得,除分子体积可通过计算得到外,其它参数需根据核磁共振、紫外光谱等数据计算得到。许多有机物的参数尚未确定,不能从文献中查到。与其它理化参数相比,LSER法参数的获得更困难一些。2.2 拓扑学方法拓扑指数的引入为QSAR研究注入了新的活力，成为QSAR研究的重要方向23-24。它以目标有机物分子的直观结构为基础,以图论的方法通过分子长度、表面积、体积、价键角度、立体空间结构、原子间的连接关系等参数来表征分子结构,不受经验和实验的限制，对所有给定的有机污染物均可获得拓扑指数。应用拓扑指数提炼分子结构信息要经过分子结构的图形化、矩阵化和数字化等3个步骤。迄今为止,文献报道已有百余种拓扑指数，但同时满足选择性和相关性的不多，真正在QSAR研究中常用的指数仅数十种。分子连接性指数(Molecular Connectivity Indexes,简称MCIs)是由Randic提出并由Kier和Hall等人发展形成的指数系列(mxtv，其中m和v分别代表子图的阶和价态；t是子图类型,例如:p是路径，c为分叉, pc代表路径分叉)。目前,在分子结构领域，mxtv指数已经成为一种应用最广泛的拓扑指数。作为mxtv指数的核心,分子结构图顶点原子点价的定义在一定程度决定了拓扑指数的优劣。自从H.wiener于1947年提出表征分子结构“支链性”的拓扑指数W。至今已有数百种拓扑指数出现，在众多的拓扑指数当中，尤其以Wiener指数(W)、Randic的分子连接性指数(x)、Hozoya指数(Z)、Bonchev指数(ID)和balaban(J)最为著名，其中绝大多数是以分子图的邻接矩阵和距离矩阵衍生出来的。拓扑指数由于能根据分子结构的直观概念对分子结构做定量描述，使分子间的结构差异实现定量化，并且它能有效预测物质的理化性质和生物活性，此它在多种领域得到广泛的应用。1) Wiener及修正距离矩阵指数Wiener:指数是Wienerll于1947年提出的25，定义为距离矩阵中元素总和一半: 式中dij是距离矩阵D中的矩阵元，表示第i顶点至第j点的拓扑距离。Wiener提出W指数后，W指数及其改进指数广泛应用于饱和碳氢化合物的性质，但于距离矩阵不能真实反映含杂原子及多重键的结构，应用范围有限。由于Wiener指数具有较高的简并度，并且对于有较多碳原子的分子来说，通常W大，因此利用Wiener指数研究有机物的定量结构-性质/活性研究报道较少2) Balaban指数J及其修正指数1983年，Balaban在距离矩阵的基础上提出了平均距离总和连通性指数J26-27，其定义为:其中:M是分子图的边数，环数，（D)是顶点i到所有顶点的距离和(i=l，2，3，N)，Balaban指数J是目前提出的拓扑指数中简并度较低的一个。但是Balaban指数J只能适用于烷烃等碳氢化合物，后来通过修正适用于含杂原子的化合物3) 分子连接性指数及其修正指数在所有拓扑指数中，由Randic提出并由Kier和Hall发展起来的分子连接性指数是使用最为广泛的指数之一。该指数已成为应用最为广泛的一种拓扑指数28，其定义为式中aij是化合物邻接矩阵的元素。后Kier和Hall扩展了Randi。的分支指数，提出分子连接性指数: 式中，t代表图的种类，即“路径”、“簇”、“路径/簇”等，nm表示阶为m的t类型子图的数目，j是子图序号，i是原子点价。为了考虑含杂原子的有机化合物和含有重键的情况，Kier和Hall等曾对连接性指数进行了改进29，提出了一种价连接性指数mt，原子的价点价定义为:=Zv-h，其中Zv为原子的价电子数目，h为所连接的氢原子数目。对于分子的一级价连接性指数1xt，价连接性指数比连接性指数有更好的区分度，但原子价点价v也存在明显的不足，对于周期表中同一簇元素处于相同价态时就不能区分，必须进行修正。以此为基础，根据研究目标对公式进行调整，得出各项更加有效的计算公式。后来的学者对核心概念“点价”根据需要进行改进,产生了各种形式且用途不同的拓扑指数,这样使得原子结构选择性和区分性更强,其应用更加广泛。拓扑学参数在预测有机污染物的物理、药理和毒性性质等方面得到了广泛的应用。例如，Mihalic和Trinajstic30报导40种烷烃类的沸点同J指数和W指数具有很好的相关性,方程如下:bp=-186.68+139.4J-14.61J2 (n=20,r=0.8824,SE=29.89,F=65)bp=77.93W0.3089-3.5310-5W3-164 (n=40,r=0.9969,s=5.09,F=1906)Basak应用分子连接性指数预测10种脂肪醇对鱼的急性毒性,获得了很好的相关方程: logLC50=0.839-1.03(1) (n=10,r=0.99,s=0.26,F=551)logLC50=0.398-1.02(1v) (n=10,r=0.99,s=0.26,F=544)2.3 量子化学量子化学参数用于QSAR研究是当前相当活跃的研究领域31-32。量子化学参数能够描述分子微观的电子构型和空间形态方面的性质,有着其它参数不可比拟的优势,通过对有机物分子的量子化学计算,可以全面获得有关分子的电子结构和立体结构信息, 如分子轨道能级、原子的电荷密度、偶极矩、分子净电荷以及优势构象等，具有明确的物理意义以及客观、准确等优点,对化合物的描述更加全面且理论性更强,有助于深入探讨有机污染物结构-活性关系的机理。目前常用的量子化学计算法有MNDO法、MOPAC-AM1分子轨道法等。常用的量子化学计算软件主要有HyperChem、MOPAC、Gaussian、ADF等系列软件,常用的量子化学参数有电性参数、轨道参数、能量参数等几十种。相比于传统的经验参数,采用量子化学参数对化合物的描述更加全面,理论性更强,因而将量子化学方法引入QSAR研究成为目前QSAR发展的一个新方向。纯化学方面的理论研究，较少与环境科学结合。随着近年来计算机计算速度和量子化学计算算法的改进,采用高精度的计算方法计算较大的分子不再困难,不借助任何经验参数的量子化学从头算受到了研究者的青睐。已有研究表明,采用较高精度的从头算能获得比半经验计算要好的结果，采用从头算进行QSAR研究将是未来的发展方向。 量子化学方法的不足之处在于量化参数复杂多样，使得人们在模型参数的选择、定量模型的确定及毒性机理的解释方面遇到一定困难,目前量子化学方法仍处于探索阶段。2.4 基团贡献法(Free-Wilson 法)基团贡献法是由Free-Wilson 在对有机物亚结构信息和生物毒性的相关研究基础上建立的。这种模式基于有机物与受体间的毒性效应是该有机物特定位置上不同取代基团毒性贡献的加和32。数学表达式：-logLC50 = Ni* Ti + T0这里Ni 是i 取代基的数目，Ti 是i 取代基的毒性贡献；T0是母体化合物的毒性值。Hall等33用free-wilson模型对65个取代苯的呆鱼的毒性数据进行回归，得到了较好的结果。Free-Wilson 法不必计算化合物的理化参数,通过回归分析，将数据拟合成上述模式进行计算，从而确定每一种可能的取代基在特定取代位置上的影响。该法仅适用于具有相同母体结构的有机物。尽管该法不能直接给出活性机制，但因其方法简单，常被用来对有机物的毒性进行预测。但是该模型未假定任何模型参数，仅物理性质作为决定生物活性的关联因素，因而所得结果提供信息不多。由于该法是建立在对已知活性有机物回归分析基础上，对于不属于该系列的化合物用处不大，无法预知新化合物的毒性。3. 问题与展望QSAR方法体系在近年来取得了长足的进展,已渗透到药物化学、计算化学、环境化学等各个领域并日趋完善。 QSAR已被广泛应用于化合物的风险评价中,这种方法能有效地减少实验室和野外实验的化合物的数目,节约大量的人力、物力和资金。可以预见，QSAR方法在以后的环境科学中的应用将越来越重要。然而,也还有许多问题有待进一步的研究和探讨16。(1)污染物活性数据库的建立。 QSAR研究需要以大量高质量的活性数据为基础,而由于实验条件和方法的差异,不同来源的数据可比性差,往往不能综合起来建模.活性数据样本量直接影响着模型的好坏,一般认为模型训练集的样本量应高于建模参数个数的5倍以上,即至少需要5个以上样本的活性数据才能建立相对稳健的单参数模型.由于化合物的活性通常受到多个因素的制约,因而建模时又应考察尽量多的相关结构参数以获得高拟合精度和强预测能力的模型。因此,建立有机污染物环境活性的权威、可比的数据库是今后QSAR研究的一个重要任务.(2)新型结构描述符的寻找。虽然已报道有许多用于QSAR研究的结构参数,但远不能满足QSAR研究的需要。 QSAR方法的研究不会只是停留在采用一些经验参数定量描述有机化合物的活性,而是会向着更加注重模型的理论性、智能化和程序化方向发展。如何提取出表达物质结构特征的结构描述符是QSAR研究的关键.对于进入模型的每一个参数,应该要有明确的物理意义,需要对化合物活性的影响作出理论上的解释。(3)定量构效模型的稳定性验证。 QSAR模型的稳定性验证有外部样本预测法和内部交互校验法两种,在过去的10余年间, QSAR模型的验证问题成为学者们讨论的热点。严格上讲,每一个模型都应该在验证的基础上给出其适用范围。然而,此前的许多建模工作只是简单的给出模型的拟合相关性,没有给出具体的验证指标和适用范围,难以与其他研究者的结果进行比较。因此,今后的QSAR模型应该给出详细的验证说明和适用范围。【参考文献】1林志芬，混合有机物定量结构-活性相关M，北京：科学出版社，2005:6-7.2王晓栋，部分有机污染物的结构-活性关系，南京：南京大学，20023李颖娇等，定量构效关系在农药设计合成中的应用进展，农药科学与管理，2002，23（6）：20-234陈景文，有机污染物定量结构-性质关系与定量结构-活性关系M，大连：大连理工大学出版社，1999：1-5.5Blum D J W,Speece R E,1990,Determining chemical toxicity of aquatic species. Environ.Sci. Technol. 24:284-2936朱琳译，环境毒理学M，北京：高等教育出版社，2007：465-4727赵春燕，QSAR研究在生命分析化学和环境化学中的应用，兰州：兰州大学，20068刘征涛等，生态毒理学研究中分子构效相关的应用，环境科学研究，2001，14，53-56.10王飞越等，有机物的结构-活性定量关系及其在环境化学和环境毒理学中的应用，1994，2（1）：26-5211李加中，QSAR研究中提高模型预测能力的新方法探讨及其在药物化学中的应用，兰州：兰州大学，200912Katritzky, A.R. Lobanov, V.S., Karelson, M. CODESSA:Reference Manual,Version 2, University of Florida,1994.13WieenrH，Structural determination of paraffin boiling points，JAmChemSoc., 1947,69:172014戴家银等，分子拓扑学参数及其在定量结构-活性相关（QSAR）研究中的应用，环境科学进展，1998，6（4）：56-6215籍国东等，量化参数及其在定量结构-活性-性质相关研究中的应用，东北师大学报自然科学版，1998，4：47-5316陶雪琴,卢桂宁. 定量构效关系研究方法及其在环境科学中的应用J. 仲恺农业技术学院学报, 2008,21(1): 65-7017马尧,孙占学,胡宝群.环境化学中的QSAR研究方法J.四川化工,2006,9(2):22-2518袁履冰.物理有机化学导论.大连:大连理工大学出版社, 1989. 110-11819Hammett L P，1 9 3 5，Chem .Re v ，1 7,125 20Hammett L P，1 9 3 7，J,Am Che m .Soc,59,96 21Hammett L P，1 9 4 0，Physical Organic ChemistryMcGraw HillNew York 22Shorter J. Correlation Analysis in Organic Chemistry. An Introoluction to Linear Free-Energy Relationships, Clarendon Press. Oxford, 1973.512723陈勇生,陈丽侠,杨杰,等.拓扑指数在定量结构生物降解性关系中的应用J.环境化学, 1997, 16(3): 208-213.24ZHAO H X, ZHANG Q, CHEN J P, et a.l Predi