基于分子间相互作用领域的改进对映体的手性选择性鉴定

基于分子间相互作用领域的改进对映体的手性选择性鉴定摘要本文以直链淀粉三氨基甲酸苯酯衍生物的三种手性色谱柱为固定相，对奥美拉唑、兰索拉唑和泮托拉唑这三种手性亚砜类药物在反相模式下进行了层析。保留因子（k）和色谱分析的分配系数（kw）可首先根据斯奈德线性方程外推得到，然后运用洗脱分析物的分子间相互作用领域（MIF）进行分析。基于所产生的MIF，手性拆分试剂可以被鉴定用来提高每种亚砜类药物对映体的拆分性能。这种方法可以用来预测手性固定相与分析物之间的互补性，因此有助于在分离之前选择合适的固定相。关键词：主要成分分析；手性选择器的选择性；疏水性；亚砜类药物1.引言在用来描述高效液相色谱的最常用和通用的手性柱中，最常用的是基于多聚糖的色谱柱。它们不仅在正向条件下起作用，在极性的反向洗脱模式 1-4下也能起作用。在反向条件下，手性识别机制仍然由温度、pH值、缓冲液浓度和种类、有机改性剂所决定。尽管手性拆分试剂可以以多种方式进行分类，因为基于多聚糖的手性固定相PCSP能够通过衍生化分子中合适的部分来提高手性分离能力，因此基于结构的分类能够引发出特别的兴趣。而且，人们知道因为基于多聚糖的手性固定相PCSP没有离子性的官能团，因此分析物必须被保持为中性。一系列在正向以及其他多种条件下分析物被分离的例子被发表 1出来，用于中性、酸性、碱性分子的分离。亲油性在药物的研究领域起着重要的作用，并且它在药物代谢动力学和药物作用阶段的药效 5方面都有着关键性的影响。质子泵抑制剂（PPIs）是用来治疗胃溃疡的一类药物，在肝脏内通过细胞色素P450酶系统而被广泛地代谢。奥美拉唑对映体（R和S构型）的药效阶段都基本相同，而对映体在药物代谢动力学方面则存在着明显的不同。根据摩尔计量的规定，R和S异构体被肝脏代谢的速率有所不同，导致S异构体的血浆浓度比R异构体的高。埃索美拉唑为奥美拉唑的左旋异构体，是耐适恩的有效成分，也是一种抑制胃酸的有效的药物，通过在胃部的细胞壁部分抑制H+/K+-ATP酶，它作为口服释缓胶囊被提供 6-9。在分子水平上的潜在手性识别机制的描述最近已经经过评估 10。先前，我们在手性识别机制导致手性亚砜类化合物的不对称分离的调查中已经描述了定量结构保留关系(QSRR)。这些研究为了解在一些PCSP领域 11超分子手性识别过程控制分析物的界面保留机制提供了基本原理。疏水性、静电性以及拓扑性似乎与保留行为有着重要的关系。对映体的分离被假定为与分子的几何构象有直接的关系 12。每种几何构象对于总的手性识别过程的贡献量依据不同的情况将会有所变动。当使用贡献小的手性拆分试剂时，几何构型似乎“构象驱动”的模型中起主导作用。潜藏在手性识别过程背后的有前景的发现鼓励我们进一步扩展我们的研究。在目前的工作中，我们已经用PCSP色谱柱 13，14 对质子泵抑制剂手性药物奥美拉唑、兰索拉唑、泮托拉唑进行色谱分析，并且已经计算了基于MIF的GRID,根据所用的手性拆分试剂，计算结果还比较符合所公开的立体选择性识别过程。另外，我们已经用VolSurf方法利用所选择的手性拆分试剂描述了这些亚砜类衍生物的改进的对映体的分离效能。2.实验2.1层析法用于高效液相色谱法的所有试剂都进行了分类。水被Milli-Q系统净化。使用了前面所描述 15,16的手性柱（内径为150mm4.6mm）。我们实验中所用到的色谱柱是直链淀粉-三（3,5-二甲基苯基氨基甲酸酯）、直链淀粉-三(S)-1-苯基乙基氨基甲酸酯和直链淀粉-三（3,5-二甲氧基苯基氨基甲酸酯），分别为CSP1-3，涂抹在APS-Nucleosil色谱柱（粒径7微米，孔径500A，20%, w/w）之外。按照MIF质子泵抑制剂和手性拆分试剂的互补性选择了CSP3。 Fig. 1. Chemical structures of the chiral drugs employed in our studies图进行了详尽的描述。系统由一个日本津岛公司制作的LC-10AD泵，一个SPD-10A可变波长紫外检测器，一个适合20微升环的7125进样阀注射器。为了获得数据，必须使用CLASS LC 10软件。计算所有数据点作为三个独立的峰值测量的平均值。运行温度设为25。22 化合物图1显示了16种手性药物的化学结构，包括奥美拉唑、兰索拉唑、泮托拉唑。这三种化合物以外消旋体的形式被注入高效液相色谱中，它们也是我们研究的目标，因为包含在它们的对映体分离和分辨率中的手性分离机制的测定能够高度引起人们的兴趣 11,13,14。从剑桥晶体学数据中心（CCDC），KOHALM CSD代码所获得的直链淀粉的六聚体的X-射线的结构，在调查工作中被用作模拟CSP色谱柱的所有实验的模板。2.3分子模拟研究两个对映体形式手性药物的3D结构分别生成和优化使用在硅图辛烷值R12000工作站的SYBYL6.8软件包(Tripos公司，美国) 17。所有化合物的结构由所使用的Concord程序产生。每种化合物的所有原子都被定义为Gasteiger-Huckel电荷。但是使用MM2力场而非MM +力场时根据先前公布 11,18的程序，初始结构完全被缩小。每个对映体的最终优化结构用MIF来计算。在建模过程中，不允许异构体互换。MIF是不依赖于3D排列的分子描述，也就是说最容易产生构象变化 19-24。直链淀粉是一种由-(l,4)-D-葡萄糖联动单元所构成的生物大分子。这种联动单元随着螺旋凹槽或空腔的变化而改变其手性行为。用来推导含有六个D-葡萄糖单元的正确立体构型的X-射线结构被用作所有分子模型研究的模板。图2显示了被用作单体的衍生化的直链淀粉结构的代表性。六聚体的直链淀粉和衍生化的直链淀粉CSP1-3作为使用MacroModel4.5 25的模板。为了调整它们的结构，AMBER和MM2在常规的分子力学、逐步模拟的热处理、分子动力学、分子机理和MM-SSA-SSA-MD-MM中作为经验力场被使用。在建模过程中，异构体效应保持不变。使用SHAKE系统限制所有键（氢键）。范德华相互作用力的8A和电荷电荷之间的12A不包括键能。使用依赖距离的=4rij 18,26的形式来模拟溶剂化效应。所有原子电荷来自于AMBER力。因为MM2计算也适用于分析多聚糖色谱柱，而这种柱子是我们以同样路线用力场使用的柱子。然而，当我们使用AMBER力场（AMBER：直链淀粉 0.156，CSP1 0.066，CSP2 0.579，CSP3 0.123；MM2：直链淀粉 0.271，CSP1 0.324，CSP2 0.882，CSP3 0.716）时比较与X-射线晶体学可以为C-叠加得出一个更好的RMSD。通过速度下降和波拉克Ribiere共轭梯度，所有分子被最小化，知道达到0.01kJmol-1的能级。通过遵循分子动力学的逐步模拟的热处理：初始温度为700K两个周期，构象空间被保持；以每秒25K的速率降至100K，200K时安全系数为1.5。Fig. 2. Structural representation of the CSP chiral selectors.表1三种立体的VolSurf描述符 19-21V,体积：总体积（计算机以0.25kcal mol1的速率）S，表面积：总表面积（计算机以0.25kcal mol1的速率）R，粗糙度:总体积/总表面积G,球状：化合物的表面积除以同体积球体的表面积5-12W1-W8,在0.2, 0.5, 1.0, 2.0, 3.0, 4.0, 5.0, and 6.0 kcal mol1时与水相互作用的体积13-20IW1IW8，整合时刻：在以上能量条件下与表面的重心和与水相互作用的体积之间的距离成正比21-28.CW1-CW8，容量因子：与水相互作用的体积除以表面积29-31.Min1-Min3，能量最小值：前三个能量最小的相互作用32-34D12,D13，D23，距离：能量最小值之间的差异35-42.D1-D8，在0.2, 0.4, 0.6, 0.8, 1.0, 1.2, 1.4, and 1.6 kcal mol1时与DRY 相互作用的体积43-50.ID1-ID8，整合时刻：在以上能量条件下与表面的重心和与DRY相互作用的体积之间的距离成正比51-52.HL1，HL2，在-4和-0.8 kcal mol1时所测得的亲水亲油平衡值53.A，两亲时刻54.CP，关键填充物55.POL，分子的极化率56.MW，分子量在300K下恒温，100ps和1.5FS下遵守分子动力学。每10ps保持一个简单的构象。通过充分减少最终构象来发现全球最小的构象能。2.4.网格/VolSurf方法 19-22这是一个完全自动化的计算方法，以成功用于计算和关联的MIF理化性质和药带动力学性质。该网格方案用于计算MIF，MIF后来在VolSurf程序内使用原有的表面产生描述包含探针和目标之间的排斥和吸引力之间的信息。分子的描述符很容易转化为易于解释的2D图形。基本的机理可能部分包含特定的CSP分析物，这些特定的CSP作为表面性质被测定。这些属性由大小、形状、静电和疏水相互作用所决定。形状和大小的描述用来解释体积、表面积、球体以及体积与表面积的比值。亲水区域的描述符包括由水分子和容量因子所获得的分子轨道，其中容量因子由亲水表面的比率和总的分子表面积所代表。容量因子由极性基团相对于总面积的浓度成正比。因此，这些描述符对于所发生的溶解和解离过特别重要。这些表面自由能不包括像偶极矩、重心之间的不平衡性和分子内亲水和亲油区域的重心。由亲水区域计算来的相互作用代表了从分子中心到亲水区域的向量，同时疏水矢量指向分子的疏水区域。强烈的相互作用能表明分子有一个特定的水合区域。图1显示了目前计算它们的相互作用能的描述符。化学计量学的中的一些最常用的方法是主成分分析（PCA）和部分的最小2乘法（PLS）。PCA最适合数据综述而PLS适合于定量建模、分析和预测。PCA 28是一项用来总结和描述包含X-矩阵信息的技术。PCA不包括两个相似矩阵产物的X-矩阵。这些载荷矩阵（P）和得分矩阵（T），分别包含有关变量的信息和对象。PCA是一个了解目标的分布和差异的有用的工具，也是一个包含类似或完全独立信息的变量。通过二维和三维的分数和加载图得到的矩阵最能代表PCA信息，在空间分别代表目标和原始变量的相对位置。如上所述，PCA是一项多变量的技术，只涉及X变量。GRID力场确实是非常适合表征目标分子周围的假定极性和疏水相互作用位点。水探针用来模拟水合和脱水过程，而羰基探针用来模拟待测CSP氢键的相互作用。GRID的分辨率设为0.5A。所有其他的GRID输入参数保留它们原有的内定值。3.结果与讨论图1显示了所有化合物的三维MIF的计算结果。为了描述手性药物亲水-亲油表面的相互作用可以运用GRID/VolSurf方法产生分子的描述符。保留因子(k)包括两种分子对映体和几何选择性贡献。尽管描述符不区分映选择性，几何异构体的贡献却在手性选择性中发挥了重要的作用，这可以通过所产生的MIF揭示出来。起初，56种描述符被使用VolSurf程序进行统计分析，结果三中PC解释了S对映体的61%的方差，R对映体的61%的方差。第一种组分的响应值约为36%，这意味着大多数的信息内容可以归结到这台电脑上。图3显示了最初两个PC绘制的2D分数图（第二个PC相对于第一个PC）。从图三和表二可以看出，在这项研究中，奥美拉唑、泮托拉唑和兰索拉唑这三种药物和甲吡醇对映体使用CSPI被分离开来。表2显示了使用CSPI时所获得的结果 13。保留因子k1在非监督的分类下被广泛地定性分析，结果如图3所示。奥美拉唑、兰索拉唑和泮托拉唑的R型对映体聚集在图3所示的（+ +）和（- +）象限，然而S对映体由于MIF表现出其对映体的特点而呈现出相反的方式。据我们所知，它是一个非常有前途的结果，因为从现在起，我们将能够预测不能合成或在几何性质的基础上不能被测试的对映体。这也应该对药物的开发以及对映体药物制剂的发展是很有用的，对任何结构-性质关系（SPR）的将要出版的研究可以使用MIF。图3的图显示了每一个结构由PC1聚群中的一个单独的点所表示，能够将药物从-7.57到+11.57进行分类。这包括在（+ +）象限中的R-甲吡醇，然而S-异构体位于（- -）象限。根据它们的MIF ，它们也呈镜像关系。这种分类有着特别的兴趣，因为PCA不明确包含化合物的保留因子。所测的化合物的保留因素显示在表2中:奥美拉唑，1.79；兰索拉唑，1.39；泮托拉唑，1.01；甲吡醇，0.89.这些结果清楚地说明了在CSP1中甲吡醇类化合物较其他亚砜类药物更不易被保留。这是与MIF的协调并且解释了这样一个事实：奥美拉唑、泮托拉唑和兰索拉唑都集中在PC1的正值部分，然而甲吡醇在图的负值部分。结果如图3所示，在图中显示出除了异博定和氨酰心安分别集中在（+，+）象限和（-，+）象限，其他药物的R和S立体异构体都有着相似的图形。56描述符中没有一个能够区分两个PC1的分数太接近的对映体。这可以在图4中得到，代表了VolSurf描述符的图形，包括图形、大小、球形、疏水和亲水区域以及容量因子。这些描述符是正的涉及到洗脱现象，因此在分析CSP复合物的结构中起着重要作用。平均来说，能量峰的高度相似，因此期望建立复杂分析物CSP的理想的亲水亲油平衡值。这是在我们的研究中所考虑的观察到的对映体的情况。描述符HL1和HL2代表在-4kalmol-1(亲水)和-0.8 kalmol-1(亲油)时所测的亲水亲油平衡值。他们同等贡献于复杂分析物CSP的形成。然而，亲水整合时刻（Iw）在PC1中为负值，对于复合物的形成是不利的。亲油整合时刻（ID）是可以忽略的。这些结果表明这些分子在移动阶段往往会停留较长时间，而不是被CSP分割。另一方面，减少，消除或信号反演将有利于复杂分析物的CSP形成。通过分析图5所示的甲吡醇的图形，这种行为的相似观察是可能的。S异构体具有不可忽略的整合时刻，它们与R型异构体完全相反。这意味着甲吡醇位于PC1的负值部分，它比奥美拉唑有着较低的保留因子。相似的行为可以由兰索拉唑和泮托拉唑的对映体所观察到（图中没有显示出来）。由PCI坐标值（图3）所发现的得分值足以表明洗脱顺序：甲吡醇远远小于奥美拉唑、泮托拉唑和兰索拉唑。然而，它们不足以证明PC2中的数值反转。图6显示了为这项研究所有药物下载的PC2得图形。图4与图2形成对比揭示了大小、形状、球形以及亲水区域、整合时刻和容量因子（对复合物的形成有些不利）的描述符在PC2中没有PC1中重要。对于描述PC2中的分子间相互作用亲水-亲油平衡值不再重要。尽管如此，在PC2上疏水性的描述是最重要的。对于所有的S异构体，疏水区域（D1-D4）和这些区域整合时刻的描述符有助于复合分析物CSP的形成。对于R型异构体，在所有能量水平上只有ID描述符是重要的，然而，它们对复合物的形成是不利的。所有异构体之间的D13OH2和D23OH2之间的局部相互作用能的最小值都是相反的。这说明了这样一个事实：对于S异构体，疏水区域是重要的，然而，亲水区域却不那么重要。如本文所述，保留机制的主要特点以及CSP1和CSP2的手性识别过程是吸引力的结果。主要驱动力是氢键、偶极-偶极的相互作用和-的相互作用。尽管水和DRY探针能够区分水合-脱水以及疏水现象，分析物中氢键能量（给予和接受）的存在通过类似探针的杂质，C O（氢键接受体）和酰胺N1（氢键的给体）而进一步被评估。这两个片段在CSP的氨基甲酸酯中呈现出来。因此，通过贡献MIF，所有药物而得到MIF的计算。结果如图7所示。按照它们的PC2数值，奥美拉唑、兰索拉唑和泮托拉唑的对映体不是相反的，但是氨酰心安和异博定（当在PC2中用水和DRY探针时不是相反的）是相反的（图3）。PC1中所呈现的聚集模式不变。根据PC1坐标中的数值，同样的相互作用也适用于保持药物的分配。这些描述符与图4中的相似。然而，通过氢键这两个新探针的加入导致更高的能量的相互作用。另外，氢键的加入有助于分析CSP配合物的形成，但不排除化合物以同样的顺序被洗脱。奥美拉唑、兰索拉唑、泮托拉唑和甲吡醇的描述符本身很相似，但是氨酰心安和异博定的描述符却不同，如图8所示。在酰胺心安中氢键位点的出现有助于复合物的形成，这可以从HB2N1的高峰中看出，它代表了负的亲水体积（水探针）和N1以及羰基探针的相互作用的区别。它对于强调这个描述符对异搏定是不利的，极化率对复合物的形成是有利的。CSP的手性识别的普遍机理包括亲水-疏水和氢键的相互作用。对于分析复合物CSP形成的不利因素似乎涉及到整合时刻是多点的本质。杂质的力量起了很大的作用同时也被大小、形状和分子的球形所驱动。总的来说，这两种手性识别过程似乎是（i）通过空间的配合而产生相互吸引的作用（ii）遵循相互作用吸引力的杂质。使用不同浓度相同流动相组成的有机改性剂和同样的分析物进行两个色谱柱的研究对于在分析复合物CSP的形成中起重要作用的互补作用的建立是有必要的。在此基础上，我们已经评估了在工作中使用CSP的可能性，也把实验条件设定到一个有助于手性药物奥美拉唑、泮托拉唑和兰索拉唑对映体分离的更有希望的第三种CSP。如上面所详尽描述，这是通过为CSP所产生的MIF，其次通过与亚砜类化合物的互补相互作用的鉴别而进行的。直链淀粉柱是含有-D-葡萄糖的生物聚合物，这些聚合物的手性在含有三个手性中心的葡萄糖聚合物也在葡萄糖单元之间的螺旋和空腔中所发现。然而，对于手性识别力 30-33衍生化的直链淀粉（氨基甲酸酯）比没衍生化的有着更好的性质。两种柱子的立体结构通过遵循Session2所描述的程序得到。羰基和N1探针适合于描述氢键的相互作用，也适用于筛选CSP。S O探针像羰基探针一样也可以被使用，除了没有较低的相互作用能之外，可以产生相似的结果，有着相似的形状。图9显示了MIF沿着CSP1柱螺旋分散，直链淀粉本身就是一个例子。MIF位于葡萄糖和氨基甲酸酯单元，后者的峰面积普遍超过CSP1，这种CSP1使用N1探针作为一个更好的氢键接受体的柱子，这显示了更好的性质。在更高能量的相互作用（例如，在更高的能级值下可能会发生更好的相互作用）下，MIF清楚地描述了在所有情况（N1和羰基）下氢键受体和给体的相互作用。对于低能级的相互作用，极化率和色散力在（c）和（d）中起主导作用。为了进一步讨论VolSurf程序注释性价值的细节和选择合理的手性拆分试剂以提高亚砜类药物对映体的拆分，通过使用直链淀粉（目标）的一个单体单元我们已经使用了CSP1-CSP5（如图3）为模型。GRID/PCA是一个设计合理的手性拆分试剂的合适的方法。这五个目标使用由代表独特化学基团不同探针获得的GRIDMIF被表征。由含有所有目标探针的X模型所提取的信息可以由图10获得。描述CSP3的两个PCs（PC1和PC2）图在（+，+）象限，CSP2在（+，-）象限，CSP1和五个目标在（-，-）象限，CSP4在（-，+）象限。这种模式的识别允许按照他们的探针的相互作用能对CSP进行分类，也按照建立分析包括一些目标之间的相似程度。例如，在CSP1和CSP5中可以假定手性拆分试剂在对PC2上的相互作用能的区分上有着相同的作用，然而如果PC1被单独考虑，则CSP2将被包含在聚集模式中。然而，仔细观察这两个CSP将会引导我们的化学直觉在相同的聚集体中评价CSP1和CSP5而不是CSP2。图11显示了CSP1和CSP5描述符的图形。很明显，这两个图有着高度的相似性，这使得我们相信它们聚集在一起。为了帮助我们辨别它们聚集模式的合适的图形，加载的图形可以在PCA中以较高的浓度在聚集体中区分是识别变量。图2显示了大小和亲水区域的描述符对于互补作用的相互性，然而整合时刻是可以忽略的。通过识别目标周围空间的变量，选择了分析物互补作用的相关区域。因为相互作用是互补的，用来描述亲水-亲油和氢键给体/受体能力的相同配套探针被用来评价研究中的三个手性亚砜类药物。目前，图13中所显示的描述符的刻度值强调了这种模式。形状描述符R、包含在D4中的疏水性和中的疏水性和其他与DRY探针的相互作用、两亲时刻以及CSP1的极化率，这些都是主要的描述符，当与化合物16（化合物14和化合物15也可以）相比较时，它们都有着相互互补的峰信号。在CSP3和CSP5中也可以发现相似的趋势，而CSP2和CSP4却没有。图3显示了奥美拉唑、兰索拉唑和泮托拉唑在三种柱子中以不同浓度流动相洗脱所获得的结果。从数据可以看出，我们的化学计量学的模型与k的对数的实验值相符合，识别CSP1和CSP3是分离质子泵抑制剂药物对映体的合适的选择。另一方面，CSP2可能不适合。图4显示了在三个CSP中洗脱的亚砜类药物的色谱分配系数（kw的对数）。因为疏水性在洗脱过程中可能起着重要的作用，因此这有助于辨别和理解反向柱的性质。疏水性反映了流动相基与两种片段亲油性对总的logP的贡献而将它们分开的趋势。图4描述了logP的值，也可以由在pH=7.4时摇晃瓶子而获得。正如所期望的，相比于logkw的数值，logP的数值较高。这是由于所研究的CSP比辛醇-水的分配体系有较低的疏水性。另外，可能是由于斯奈德方程 34 (log k =S + log kw)的偏差，因为流动相中的有机改性剂可能导致线性度的缺少，也可以通过增加或减少有机改性剂的浓度来实现。极端的流动相组成的非线性行为可以通过包括2的斯奈德方程来评估。因此，我们已经得出保留因子来解释CSPI的在高浓度ACN(0.8 1.0)下的曲率。Logkw值可以由图4中的柱3获得。图14中数据的散点图显示了在log k 在 ACN 0.9时出现了一个戏剧性的反转。可以引起注意的是在斯奈德方程的线性范围内进行洗脱，logkw的值比预期的要低。另一方面，可以通过包含2ACN观察到相反的行为，然而，在线性曲线中的平滑的行为证明疏水性包含亲水-亲油疏溶剂效应。混合保留机理的概念（分子的立体和几何选择性）再一次被强调了。非手性的相互作用发生在异构体和在氨基甲酸酯部分的衍生化的手性固定相上，它可以提高对映体的选择性。通过本文所描述的结构-性质关系就没有问题了。我们能够预测通过MIF本身在互补作用下选择合理的手性拆分试剂来分离质子泵抑制剂的对映体。然而，在这项研究中在手性中心上不能辨别对映体选择性是由于缺少合适的分子描述符。然而，新的改进的CSP的设计可以设想通过MIF围绕在识别过程第一阶段其起主导作用的其他重要的相互作用力。总结通过衍生化的CSP对映体选择性不仅仅依赖于吸引力和杂质。在这项研究中我们已经证明：流动相组成和用于手性拆分部分的种类在分析CSP复合物的结构上起着重要的作用。而且，衍生化的条件、载体的形态和洗脱温度都是关键的。分析CSP复合物的描述符包含合适的信息，这些信息可以描述在一定条件下亚砜类药物的保留机理。图像的描述可以产生在分析物和CSP之间的相互作用的机理，这使得我们可以正确的描述CSP将是在反相模式下三个质子泵抑制剂对映体的拆分试剂，而不是在正相模式 13下观察到的。线性斯奈德方程在CSP的低的疏水条件下模拟色谱图的logkw，当与logP的值相比较时CSP比辛醇有更高的亲水性。外推logk使得logkw模拟数据点的曲率。正确的PCA图可以描述质子泵抑制剂药物奥美拉唑、兰索拉唑、泮托拉唑和甲吡醇的正确洗脱顺序。因为这可以方便地预测基于药物分子结构预测性质，GRID/VolSurf方法可以直接用于大量的手性化合物。总的来说，在讨论中这是一个基本问题，需要被提出来。因为对映体有着相似的物理化学性质，因此疏水性将不是手性拆分的原因，那么VolSurf描述符对这项研究中所发现的趋势的作用是什么？问题的答案在于选择性对于保留因子有着双倍的贡献，这是混合物的手性识别过程。混合过程是对映体和几何选择性的首要原因。首先是因为手性中心的分子性质，其次是因为构象的限制也就是整个化学结构显示了其他手性中心。正如所提出的这里有一种静电的束缚驱使着构象调整，结果导致疏水性的产生。只要分子被束缚了，构象的调整导致硫原子的手性位置变化到与直链淀粉单元的手性结构相互作用。当它的手性行为决定了总的选择性，溶质进入了螺旋槽或是空腔，这种相互作用就发生了。这可能产生主要的立体结构决定着发生在对映体选择之前的手性识别的机理。References1 K. Tachibana, A. Ohnishi, J. Chromatogr. A 906 (2001) 127.2 N. Matthijs, C. Perrin, M. Maftouh, D.L. Massart, Y.Y. Heyden, J. Chromatogr. A 1041 (2004) 119.3 B. Chankvetadze, T. Ikai, C. Yamamoto, Y. Okamoto, J. Chromatogr. A 1042 (2004) 55.4 M.E. Anderson, D. Asian, A. Clarke, J. Roeraade, G. Hagman, J. Chromatogr. A 1005 (2003) 83.5 C. Hansch, A. Leo, D. Hoekman (Eds.), Exploring QSARs. Fundamentals and Applications in Chemistry and Biology, American Chemical Society, Washington, DC, 1995, Chapter 8.6 I. Fernandez, N. Khiar, Chem. Rev. 103 (2003) 3651.7 X.Q. Li, T.B. Andersson, M. Ahlstrom, L. Weidolf, Drug Metab. Dispos. 32 (2004) 821.8 I. Agranat, H. Caner, A. Caldwell, Nat. Rev. Drug Discov. 1 (2002) 753.9 T. Andersson, Clin. Pharmacokinet. 43 (2004) 279.10 C. Yamamoto, Y. Okamoto, Bull. Chem. Soc. Jpn. 77 (2004) 227.11 C.A. Montanari, Q.B. Cass, M.E. Tiritan, A.L.S. Souza, Anal. Chim. Acta 419 (2000) 93.12 R. Kafri, R.D. Lancet, Chirality 16 (2004) 369.13 Q.B. Cass, A.L.G. Degani, M.M. Cassiano, J. Liq. Chromatogr. Rel. Technol. 26 (2003) 2083.14 Q.B. Cass, F. Batigalhia, J. Chromatogr. A 987 (2003) 445.15 S.A. Marlin, M.E. Tiritan, A.J. Crawford, Q.B. Cass, D.R. Boyd, Chirality 6 (1994) 135.16 S.A. Marlin, M.E. Tiritan, Q.B. Cass, D.R. Boyd, Chirality 8 (1996) 147.17 Tripos, Inc., St. Louis, USA.18 C.A. Montanari, J.O. Trent, T.C. Jenkins, J. Braz. Chem. Soc. 9 (1998) 175.19 G. Cruciani, P. Crivori, P.-A. Carrupt, B. Testa, J. Mol. Struct. (Theochem.) 503 (2000) 17.20 G. Cruciani, M. Pastor, R. Mannhold, J. Med. Chem. 45 (2002) 2685.21 C. Cruciani, S. Clem