药物分子设计.doc

药物分子设计前沿 摘要：近些年来，各种各样的新型疾病依次出现。因此，寻找可以治愈这些疾病的药物对人们来说至关重要。随着计算机技术的高速发展，运用计算机进行新药的模拟实验已经成为一种新的方法。 本文就对这些方法做一个总的综述来介绍这些方法在新药设计过程中的应用过程。计算机辅助药物设计方法cadd是药物分子设计的基础。从 2o 世纪 6o 年代构效关系方法qsar提出以后经过40 多年的努力和探索，cadd 方法已经发展成为一门完善和新兴的研究领域。计算机辅助药物设计是应用量子力学、分子动力学、构效关系等基础理论数据研究药物对酶、受体等作用的药效模型，从而达到药物设计之目的。计算机辅助药物设计方法cadd大体可以分为三类：基于小分子的药物分子设计方法、基于受体结构的药物分子设计方法、计算组合方法。计算机辅助药物设计是研究与开发新药的一种崭新技术， 它大大加快了新药设计的速度，节省了创创新药工作的人力和物力，使药物学家能够以理论作指导，有目的地开发新药。关键词：药物分子设计 计算机模拟 分子模拟 活性位点分析法 abstract：in those past years a variety of new diseases were appeared. soits vary essential for us to find the drugs that can cure these diseases. and with thefast development of computer technology the applying of computer in the simulationsof these new drugs has become a new method. in this paper i will draw a generaloverview of those methods to introduce the applications in the design process of thenew drugs. the method of computer aided drug designaddwas the basis 0fdrugs molecule design which was proposed in 1960during the last 40 years，thecadd method has been widely applied as a burgeoning and potential researchareathe aim of cadd is to design drug according to the pharmacodynamic modelbetween the drugs and the enzyme or receptor which is applied the quantummechanics and molecular dynamics， quantitative structureactivity relationship thecadd includes three methods：method basing on the ligand，method basing on thereceptor，and combinatorial chemistry methodthe cadd is a new technology toresearch drug which can accelerate the speed of drug design ， economize themanpower and material resourceskey words：drug molecular design；computer simulation molecular simulation；active site analysis引言 传统药物设计从总体上来讲，缺乏成熟完善的发现途径，具有很大的盲目性，一般平均要筛选 10000 种以上的化合物才能得到一种新药，因此开发效率很低。随着计算机技术及计算化学、分子生物学和药物化学的发展，药物设计进入了理性阶段，其中药物分子设计是目前新药发现的主要方向。它是依据生物化学、酶学、分子生物学以及遗传学等生命科学的研究成果，针对这些基础研究中所揭示的包括酶、受体、离子通道及核酸等潜在的药物设计靶点，并参考其它类源性配体或天然产物的化学结构特征， 设计出合理的药物分子。运用计算机模拟来进行新药的分子结构设计主要有三种方法：分子对接设计、遗传算法以及计算机辅助分子设计方法（camd）。一 分子对接与药物设计1 原理以及分类 分子对接的原理是互补匹配原理，就是将配体分子放置于受体的活性位点处，寻找其合理的取向和构象。 在分子对接过程中要特别注意考虑的问题有配体与受体如何匹配，如何确定最佳匹配，如何实现最佳匹配。 其中根据分子对接在药物设计中的用途可将分子对接分为两类， 一类是细致对接，它主要用于改造或设计配体分子，对精度要求较高，如考虑较多的分子柔性、溶剂作用等，有时还需要对亲和性作出估计，对速度的要求不很严格，一次对接计算机通常是在几个小时内完成；另一类是粗略对接，它主要用于对化合物数据库的筛选，从中找出可能与受体结合的化合物，对于速度的要求较高，对接时计算机必须以很快的速度完成对单个小分子的对接，因此导致对接精度不高。 根据对接时计算量的简化程度可以将分子对接分为刚性对接、 半柔性对接和柔性对接。刚性对接是指在对接过程中，研究体系的构象不发生变化，只考虑配体分子在受体活性位点处的位置和取向，适合用于考察比较大的体系，计算较为粗略，原理较为简单；半柔性对接是指在对接过程中，研究体系尤其是配体的构象允许在一定程度内变化， 比如考虑配体的可旋转键的变化等，适合用于处理小分子和大分子之间的对接，其中小分子的构象可以发生变化而大分子则不可以，其计算效率较高； 柔性对接是指在对接过程中， 同时考虑受体和配体的柔性信息，即研究体系的构象基本是可以自由变化的， 一般用于精确考察分子之间的识别情况，但是需要耗费较长的计算时间。 根据对接时配体分子的结构可分为两种，一种是整体分子对接方法，是指运用一种特定搜索算法考察配体分子在受体结合部位的能谱， 并找出对应于给定评分函数的最优结合方式，其中有代表性的软件有 dock35，auto dock；另一种是基于片段的分子对接方法， 是将配体分子视为若干个结构片段的集合，先将其中一个或数个基本片段放入受体结合口袋， 然后在活性部位构建分子的其余部分，最终得到理论上最优的结合方式， 其中有代表性的软件是 dock4， dock5，flex x。基于片段的分子对接方法通常较整体分子对接方法快。2 适用领域 分子对接使用的领域有全新药物设计、虚拟筛选、为虚拟筛选构建组合库、分子识别等。 分子对接用于全新的药物设计时，其目的是针对特定的生物活性大分子设计出与之具有较好结合亲和力的小分子药物，因此关键是对接结果的精度，对接的时效性指标可列居其次；分子对接是虚拟筛选的核心技术；组合化学和高通量筛选是近年来迅速发展起来的先导物发现与优化的方法。 但如何提高所构建组合库的有效性和多样性仍是当前组合化学发展的一大难题。 采用分子对接筛选虚拟组合库的策略是解决这一问题的重要途径。3 成功实例1kuntz 等利用 dock 程序研究 hiv-1 蛋白酶体系，根据分子相似性对剑桥晶体数据库进行搜寻，得到 bromperidol 及其同系物氟哌啶醇haloperid01的结构，以及氟哌啶醇的硫缩酮衍生物溴哌啶醇thioketal；2desjarlais 利用改进版 dock 程序target-dock搜寻 hiv-1 蛋白酶抑制剂发现了 hiv-1 蛋白酶环亚砜类抑制剂；3shoichct 对胸苷酸合成酶进行 dock 搜寻，发现了舒利苯酮sulibenzone和酚百里酚酞phenol thymol phthalein的结构；4bodian 用 dock 程序进一步搜索到在体内有抗病毒活性的先导化合物的类似物5ring 利用 dock 程序针对血吸虫丝氨酸蛋白酶和疟原虫半胱氨酸蛋白酶的三维结构进行数据库搜寻，发现有两个化合物对血吸虫丝氨酸蛋白酶活性达 10umoll， 有一个化合物对疟原虫半胱氨酸蛋白酶活性也达 10umo/l， 被用于测定抗寄生虫药理活性。利用 dock 程序产生的结合模型作进一步结构改造，有一个化合物阻断疟原虫传染或在红细胞中成熟 ic50150nmo/l6jefferson 医学院的研究人员利用 dock35 程序，考察 150000 个有机分子与t 细胞表面 cd4 受体结合部位相互作用，考虑了形状上互补和电荷的相互作用，筛选出 41 个化合物，进一步通过生物学实验，成功地确定了其中 3 个结合活性较好的化合物，发展成为候选药物分子；7chen 等利用 dock4 对 nci 数据库进行了计算机筛选， 0 对初筛结果进行更充分构象搜索和能量优化的二次筛选，寻找到对 hiv 整合酶有较强抑制活性的新型结构的化合物；8中国医学科学院药物研究所利用构效关系分析方法和分子对接方法开发的环氧合酶-2 抑制剂已经进入临床前研究；4 发展方向 分子对接技术在运用了这些年后，已经有了一定的发展方向，这些发展方向有柔性对接、溶剂化效应、并行计算和反向对接等几个方面。二 遗传算法1 原理 遗传算法genetic algorithm，ga是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。 它的思想源于生物遗传学和适者生存的自然规律，是具有“生存检测”的迭代过程的搜索算法。 我们习惯上把 holland 1975 年提出的 ga 称为传统的 ga。遗传算法以一种群体中的所有个体为对象， 并利用随机化技术指导对一个被编码的参数空间进行高效搜索。把待求解问题表示成串或称染色体或个体，一般为二进制或整数码串。多个染色体构成一群串或称种群，并将它们置于问题的求解环境中。根据适者生存的原则，从中选出适应环境的串进行复制，且通过选择selection、交叉cssovef和变异mutation操作去繁衍它们的后代。 经过一代代地不断变化，收敛到一个最适应环境的种群上， 即所求问题的最优解集。 在传统的遗传算法中，选择、交叉和变异构成了最基本的遗传操作；参数编码、初始群体的设定、适应度函数的设计、 遗传操作设计、 控制参数设定 5 个要素则组成了遗传算法的核心内容。2 基本步骤1编码： 在进行搜索之前先将解空间的解数据表示成遗传空间的基因型串结 ga构数据，这些串结构数据的不同组合便构成了不同的点。目前，最常用的编码方式为二进制码。2产生初始的种群：一般由计算机随机产生 n 个初始字符串，每个串结构数据称为一个个体，多个个体就构成了一个种群。ga 以这个串结构数据作为初始点开始迭代优化过程。3适应性函数值评估检测：适应性函数表明个体或解的优劣性，根据适应性函数的计算值，可以很好地控制个体生存的机会，以体现适者生存的自然法则。4选择：选择的目的是为了从当前群体中选出优良的个体，使它们有机会作为父代来繁衍下一代。 选择依据的原则是适应性大的个体为下一代贡献一个或多个后代的概率大。5交叉操作：交叉操作是遗传算法中最主要的遗传操作。对于依照复制原则被选中的个体，如果采用的是单点交叉的操作，则通过随机原则选择位置 i1in，交换两个字符串位置左边或右边的部分，产生两个新的个体，这两个新个体分别包含了其父辈的特征。目的在于通过产生新的基因组合，形成新的个体。6变异：变异首先在群体中随机选择一个个体，对于选中的个体以一定的概率随机地改变串结构数据中某个串的值。同生物界一样，ga 中变异发生的概率很低，通常取值在 0001001 之间。变异为新个体的产生提供了机会。当二进制码串某个位置选定为突变位点时，该位从 1 变为 0 或从 0 变为 1。3 在药物设计中的应用 目前， 遗传算法已经成为计算机辅助药物分子设计中应用最为广泛的优化方法之一，其在计算机辅助药物分子设计中的应用主要包括以下几个方面。 1二维定量构效关系2d-qsar qsar 就是通过一些数理统计方法建立起一系列化合物的生理活性或某种性质与其物理化学性质之间的定量关系。在传统的 2d-qsar 研究中，多重线性回归是最为常用的统计方法。 在建立多重线性回归模型的时候，怎样选择合适的参数一直是定量构效关系研究中的一个难题。研究表明，遗传算法是一种非常有效的参数选择方法，此外，通过分析遗传算法的计算结果，还可以得到一些其它方法所不能提供的信息。 2比较分子场分析comparative molecular field analysis 在三维定量构效关系3d-qsar方法中， 比较分子场分析comfa方法可能是目前最为成熟且应用最为广泛的方法。comfa 计算中关键的步骤之一就是如何得到研究分子的活性构象并对这些活性构象进行合理的叠合，它是保证comfa 计算是否成功的前提条件。实验已经证实，药物分子在生物体内的活性构象一般不会采取能量最低的构象，而是处于能量较低的状态。 3虚拟受体方法virtual receptor 虚拟受体方法是近几年来迅速发展的一种 3dqsar 方法。它的基本思路就是用多种探针原子和基团在药物分子表面建立一个虚拟的受体环境， 虚拟受体和药物分子之间相互作用的差别反映了药物分子之间活性的差别。 4药效团模型方法 药效团模型泛指在生物活性分子一般指配体小分子中对活性起重要作用的“药效特征元素”的空间排列形式。这些“药效特征元素”可以认为是配体和受体发生相互作用时的活性部位。药效团模型方法一般包括两个层面的内容：即药效团模型的识别以及基于药效团模型的数据库搜索。 5分子对接（molecular docking 所谓分子对接就是两个或多个分子之间通过几何匹配和能量匹配而相互识别的过程。 分子对接的目的是如何找到底物分子和受体分子的最佳结合位置。因此， 分子对接会面对两个重要的问题：如何找到最佳的结合位置以及如何评价对接分子之间的结合强度。 遗传算法作为一种优秀的并行优化方法，在分子对接中的应用得到了越来越多的关注。 6构象分析conformation analysis 构象分析的目的是得到分子在构象空间中符合要求的一个构象或多个构象。遗传算法最大的特点就是可以有效地处理多变量问题， 而构象搜索正属于这样的问题，因此采用遗传算法进行构象搜索可以充分发挥遗传算法的优势。 7虚拟组合化学virtual combinatorial chemistry 组合化学能够通过化学反应系统平行合成大量的化合物， 能同时产生成千上万的化合物。 而虚拟组合化学方法则是通过计算机辅助产生包含大量化合物的虚拟化合物库。 当多样性空间的前体反应物被选定之后，从此获得的虚拟组合化学库所含有的产物数量极大。 近些年，遗传算法在虚拟库的设计和筛选方面也得到了一些进展， 这其中比较有代表性的就是 sheridan 提出的基于遗传算法的组合库优化方法。4 特点和缺陷 遗传算法作为一种快捷、简便、容错性强的算法，在各类结构对象的优化过程中显示出明显的优势，它的主要特点有1搜索过程不直接作用在变量上，而是在参数集进行了编码的个体；2搜索过程是从一组解迭代到另一组解，采用同时处理群体中多个个体的方法，降低了陷入局部最优解的可能性，并易于并行化；3采用概率的变迁规则来指导搜索方向，而不采用确定性搜索规则；4遗传算法优化的过程具有隐含的并行性。 虽然遗传算法具有很多的优点，也已在实际中得到了广泛的应用，但它也存在许多需要解决的问题，主要包括：如何避免遗传优化的过早收敛；如何改进遗传操作手段以及引入新的遗传操作来提高算法的效率； 如何把遗传算法和其它优化算法相结合来产生更加有效率的算法； 如何在理论上对遗传算法进行更加完善有效的理论分析； 如何更加有效地开辟遗传算法以及其改进算法在实际应用的新领域。 对于上述问题， 随着近些年遗传算法研究的不断深入，有些问题已经基本解决，有些问题则已部分解决或正在解决当中。三 计算机辅助药物设计方法（cadd）1 一般原理 计算机辅助药物设计方法cadd是药物分子设计的基础。从 20 世纪 60 年代构效关系方法qsar提出以后，经过 40 多年的努力和探索，尤其是 20 世纪90 年代以后，随着多种新的方法的出现，cadd 方法已经发展成为一门完善和新兴的研究领域， 它大大提高了药物开发韵效率，为人们攻克一些顽症提供了崭新的思路和成功的希望。 计算机辅助药物设计的一般原理是，首先通过 x 一单晶衍射技等技术获得受体大分子结合部位的结构，并且采用分子模拟软件分析结合部位的结构性质，如静电场、疏水场、氢键作用位点分布等信息。然后再运用数据库搜寻或者全新药物分子设计技术，识别得到分子形状和理化性质与受体作用位点相匹配的分子，合成并测试这些分子的生物活性，经过几轮循环。即可以发现新的先导化合物。因此，计算机辅助药物设计大致包括活性位点分析、数据库搜寻、全新药物设计。2 分类（1）基于小分子的药物分子设计方法：主要是针对受体结构未知的药物分子，主要包括定量构效方法和药效团模型方法。（2）基于受体结构的药物分子设计方法：随着分子生物学和结构生物学的发展，越来越多的生物大分子结构被解析，因此对于一些未知三维结构的受体大分子，它们的结构常常也可以通过同源蛋白质建模的方法得到。在这种情况下，就可以采用基于受体结构的药物分子设计方法来寻找新的先导化合物。 基于受体结构的药物分子设计方法的思路是通过研究受体结构的特征以及受体和药物分子之间的相互作用方式来进行药物设计。常用的方法是分子对接方法和从头设计方法。（3）计算组合方法：主要包括两部分的内容。一方面是采用计算机技术设计合成组合库的构造块， 通过计算机生成包含足够分子多样性的虚拟组合库；另一方面则是把得到的虚拟组合库和其它分子设计方法结合起来进行药物分子设计。3 在药物分子设计中的应用研究 近年来，国内药物设计与分子模拟研究工作取得了长足的进展，其中，定量构效关系在药物研究中的应用广泛，已成为药物结构改造的一个有力工具；分子模拟研究发展较快。在一下几个方面取得了较高水平的成果。（1定量构效关系：一旦确定已知的化合物的生物活性与其结构之间的定量关系芯空呔涂梢砸谰菡庖还叵刀曰衔锝峁菇懈脑欤曰竦酶叩幕钚浴?3dqsar尤其是比较分子力场分析方法由于其预测能力强，模型形象、直观，已成为最常用的药物设计方法之一（2基于结构的药物设计：是寻找新结构的药物先导化合物的方法之一，国内运用基于结构的药物设计方法发现活性化合物的例子也越来越多。 在对已知抑制剂与磷脂酶 a2 的复合物晶体结构的分析的基础上，设计了新的抑制剂。并利用score 程序对其生物活性进行了预测。随后进行了化学合成及药理测试，结果表明设计的两种化合物都有一定的活性，并且实验值与 score 的预测值具有对应关系；（3分子模拟：通过对生物大分子的结构和动力学行为的模拟，为阐明其结构、生物功能提供了丰富的信息。 一般来说，这些信息用实验方法获取是比较困难的，因此，分子模拟已成为研究生物大分子结构和功能的一种重要手段；（4数据库与虚拟筛选： 如果已经掌握了足够的有关靶标以及与靶标结合的化合物的信息， 针对大的化合物数据库的虚拟筛选非常具有吸引力，并可作为一种与高通量筛选互为补充的寻找先导化合物的方法。4 设计方法中的难题 计算饥辅助全新药物设计是药物设计向前发展的一个新的阶段， 目前尚存在以下问题需要解决： 蛋白质受体三维结构的真实性问题；设计出来的药物分子能否顺利地化学合成以及合成的成本问题； 药物在体内的稳定性问题；药物的毒副作用问题。 这些问题仍然需要我们在今后进行不断地探索和实验已找到令人满意的解决方法。四 展望 计算机辅助