1、本科毕业设计（20_届）海洋天然产物HYMENIALDISINE及其类似物与CDK5作用模式的研究所在学院专业班级生物技术学生姓名学号指导教师职称完成日期年月目录中英文摘要1引言111细胞周期蛋白依赖性激酶（CYCLINDEPENDENTKINASES,CDKS）1111细胞周期蛋白依赖性激酶5CYCLINDEPENDENTKINASE5,CDK5112来自海洋的ATP竞争性抑制剂1121海洋天然产物HYMENIALDISINEHMD及其类似物113分子对接214定量构效关系（QSAR）2141二维定量构效关系（2DQSAR）2142三维定量构效关系（3DQSAR）22计算方法321化合物及活
2、性数据的选择322分子对接8233DQSAR研究8231分子三维结构的构建8232分子叠合9233COMFA模型建立9234COMSIA模型建立103结果与讨论1031分子对接模型1032COMFA和COMSIA模型1133COMFA和COMSIA模型的三维等势图144结论18参考文献18摘要CDK5是神经系统中重要的蛋白激酶之一，是神经损伤和神经退行性病变的治疗靶点，可作为防治中枢神经系统疾病的靶分子。CDK抑制剂具有良好的ATP竞争性抑制活性，由于大多数激酶ATP结合位点的保守性，使激酶抑制剂缺乏较好的选择性，所以选择性一直是激酶抑制剂研究中的重要难题和研究热点。针对CDK5受体抑制剂HY
3、MENIALDISINE及其类似物，本文采用分子对接、比较分子场分析法COMFA和比较分子相似性指数分析法COMSIA进行化合物活性数据和三维结构参数之间关系的研究，构建了对接模型、COMFA及COMSIA模型。对接结果显示激酶抑制剂与CDK5的结合主要是通过氢键作用来实现的。COMFA模型的交叉验证相关系数Q2为0518，非交叉验证相关系数R2为0885；COMSIA的Q2和R2分别为0507和0928。两组模型均具有较好的预测能力，为激酶抑制剂的结构与活性和选择性的关系及优化改造提供了重要的理论依据和指导意义。关键词CDK5；HYMENIALDISINE；分子对接；COMFA；COMSIA
4、ABSTRACTCDK5ISANIMPORTANTPROTEINKINASEINTHENERVOUSSYSTEM,ANDISANERVEINJURYANDNEURODEGENERATIVEDISEASETHERAPEUTICTARGET,WHICHCANBEUSEDASTARGETMOLECULESFORPREVENTIONANDTREATMENTOFCENTRALNERVOUSSYSTEMDISEASESCDKINHIBITORSHAVEAGOODATPCOMPETITIVEINHIBITORYACTIVITYSINCETHECONSERVATIONINMOSTKINASEATPBINDIN
5、GSITELEADSTOTHELACKOFGOODSELECTIVITYOFKINASEINHIBITORSTHESELECTIVITYHASBEENANIMPORTANTRESEARCHPROBLEMANDRESEARCHFOCUSINKINASEINHIBITORSFORCDK5RECEPTORINHIBITORSHYMENIALDISINEANDITSANALOGUES,MOLECULARDOCKING,COMFAANDCOMSIAWEREUSEDTORESEARCHTHERELATIONSHIPBETWEENCOMPOUNDACTIVITYDATAANDTHREEDIMENSIONAL
6、STRUCTUREPARAMETERSDOCKING,COMFAANDCOMSIAMODELSWEREBULITDOCKINGRESULTDISPLAYEDTHATTHECOMBINATIONOFKINASEINHIBITORSANDCDK5MAINLYACHIEVESBYHYDROGENBONDSTHEQ2OFLEAVEONEOUTCROSSVALIDATIONINCOMFAMODELIS0518ANDR2OFTHENOVALIDATIONINCOMFAIS0885THEQ2ANDR2OFCOMSIAMODELIS0507AND0928,RESPECTIVELYTWOMODELSHAVEGO
7、ODPREDICTIVEABILITY,WHICHWILLPROVIDEIMPORTANTTHEORETICALBASISANDGUIDANCEFORTHERELATIONSHIPBETWEENSTRUCTUREANDACTIVITYANDSELECTIVITYOFKINASEINHIBITORSKEYWORDSCDK5HYMENIALDISINEMOLECULARDOCKINGCOMFACOMSIA11引言11细胞周期蛋白依赖性激酶（CYCLINDEPENDENTKINASES,CDKS）细胞周期蛋白依赖性激酶CDKS是细胞周期调节的核心，与细胞周期蛋白CYCLINS、细胞周期蛋白依赖性激酶
8、抑制因子CKIS等组成细胞周期调控网络系统。CDKS的单体呈非活性构象，首先与其相应的细胞周期蛋白（CYCLINS）结合成CYCLINS/CDKS。组成全酶后仍无活性，CDKS作为催化亚单位，其活性状态由CDKS分子中的THR、TYR残基的磷酸化和去磷酸化修饰决定。首先CDKS分子上游的CDK激活激酶CAK催化其分子上ATP结合点附近的一个保守的苏氨酸被磷酸化，后再由CAK激活激酶CAKAK催化使THR残基磷酸化和TYR残基去磷酸化，CDK即被激活，而活化的THR残基去磷酸化则使CDK失活1。目前已发现十多种CDKS，包括控制细胞周期进程的CDK1,2,3,4,6，控制细胞转录的CDK7,8,
9、9和调控神经元损伤的CDK5。都有一个催化核心，均属丝/苏氨酸蛋白激酶家族，此催化核心的磷酸化和去磷酸化决定了细胞周期的运行。111细胞周期蛋白依赖性激酶5CYCLINDEPENDENTKINASE5,CDK5细胞周期蛋白依赖性激酶5CYCLINDEPENDENTKINASE5,CDK5是小丝氨酸/苏氨酸周期素依赖性激酶家族成员，虽与其他成员序列具有同源性，也可以与细胞分裂周期素D1、D2结合，但结合后没有激酶活性。既非细胞周期素依赖，也不调节细胞周期，却在中枢神经系统的发育和神经元正常功能的维持中发挥重要作用，并与一些神经退行性疾病有密切联系，是神经系统中重要的蛋白激酶之一，是防治中枢神经系
10、统疾病的靶分子。尽管CDK5与其它CDKS在分子结构上很相似，但其活化方式却明显不同于其CDKS家族成员。单体形态的CDK5在真核细胞体内各组织均有分布，但只有脑组织中的CDK5呈现高度的激酶活性。CDK5要与P35、P39等激活因子相结合而被激活，而这些激活因子只特异地分布在中枢神经系统（CENTRALNERVOUSSYSTEM，CNS）中，因此CDK5只在神经元中被激活，在CNS中发挥着尤为重要的作用。CDK5活性失调或异常分布均对神经元有毒害作用,AU蛋白的过度磷酸化导致神经纤维缠结从而参与阿尔茨海默氏病ALZHEIMERSDISEASE,AD、帕金森氏病PARKINSONSDISEAS
11、E,PD、亨廷顿氏病HUNTINGTONSDISEASE,HD以及脊髓侧索硬化症AMYOTROPHICLATERALSCLEROSIS,ALS等众多神经退行性疾病的发生发展过程2。在过度表达人P25的转基因小鼠中，CDK5的激活因子P35裂解成P25，P25过度产生从而形成P25CDK5复合体，致使CDK5过度激活并增强其稳定性及激酶活性，分布部位也发生改变并重新定位，促进AU蛋白的异常磷酸化效应，导致细胞骨架破坏及神经元凋亡或死亡34。因此CDK5可以作为神经损伤和神经退行性病变的治疗靶点，研究针对预防P25过度产生，以及CDK5过度激活的药物，可能是有望从根本上治疗神经退行性疾病的有效途径
12、。12来自海洋的ATP竞争性抑制剂海洋是目前资源最丰富、保存最完整、最具有新药开发潜力的新领域。近年来海洋天然产物越来越引起科学家们的关注，海洋天然产物与陆生天然产物相比具有更加复杂多样、新颖奇特的结构以及多元化的生物活性和机制。在浩瀚的海洋中存在着大量超乎人们想象的化学结构新颖、生物活性多样、作用机制独特的次生代谢产物，将成为发现重要先导药物的主要源泉和研制开发新药的基础56。目前已发现CDKS小分子抑制剂大多是ATP的竞争性抑制剂。121海洋天然产物HYMENIALDISINEHMD及其类似物蛋白激酶在细胞信号转导中扮演重要角色，共同的底物是ATP，因此提高激酶ATP竞争性抑制剂的选择性是
13、降低其毒副作用的根本。在众多的激酶抑制剂中，ATP竞争性抑制剂以其亲和性高和作用位点明确而备受关注，也是目前研究最多的激酶抑制剂类型78。CDK抑制剂具有良好的ATP竞争性抑制活性，但由2于激酶ATP位点的保守性，使激酶抑制剂缺乏较好的选择性，所以选择性一直是激酶抑制剂研究中的重要难题和研究热点9。CDKS的晶体结构解析，抑制剂的合成和活性评价，CDKS与抑制剂作用模式分析可以用于研究CDKS抑制剂。海洋天然产物HYMENIALDISINEHMD及其类似物抑制细胞周期蛋白依赖性激酶（CDKS），糖原合酶激酶3GSK3，酪蛋白激酶1CK1和检查点激酶1（CHK1）的活性10。HYMENIALDI
14、SINE对与早老痴呆疾病相关的激酶GSK3和CDK5有很强的抑制活性，很有潜力开发成因激酶GSK3和CDK5的活性过度表达导致的老年痴呆症药物或其前体。HYMENIALDISINE是ATP的一种竞争性抑制剂，与ATP竞争性结合这些激酶，是一种潜在应用治疗神经退行性疾病的新的激酶抑制剂。13分子对接分子对接方法MOLECULARDOCKINGMETHOD已成为药物设计方法中比较成熟的直接药物设计方法，已成为计算机辅助药物研究领域的一项重要技术。是通过研究小分子配体与生物大分子受体相互作用，预测其结合模式和亲和力进而实现基于结构的药物设计的一种重要方法11。分子对接是将小分子对接到受体的活性位点处
15、，寻找小分子配体与生物大分子受体作用的合理取向和构像，使配体和受体的几何形状和相互作用达到最佳匹配。配体药物与受体的相互作用是一个综合平衡的过程，药物必须取得一定构象以适应受体结合部位的空腔形状和构像变化。同时，受体为配合与药物的结合，其构象也发生相应的变化，这就是所谓的诱导契12。分子对接的方法13A刚体对接对接过程中，配体与受体的构象不发生变化，仅仅改变其空间位置与姿态。适合处理大分子间的对接，如蛋白质和蛋白质或蛋白质和核酸等大分子间的对接。B半柔性对接对接过程中，配体的构象可以在一定程度上发生变化，但通常大分子是刚性的，构象不发生变化。适合处理大分子和小分子间的对接，如蛋白质分子与配体小
16、分子的对接。C柔性对接对接过程中，配物和受体的构象允许发生自由变化。一般用于精确考查分子间的识别情况。分子的柔性主要来自于可旋转健的旋转。这种变化包括三个平动自由度、三个转动自由度以及底物分子的部分二面角的变化。14定量构效关系（QSAR）QSAR是从一系列相似结构的分子出发来构造活性与结构的模型，然后运用这种模型去预测化合物的活性性质，用于优化活性、选择性、药代，映射受体结构，推断机理，设计数据库，从而为新分子的设计提供理论依据。141二维定量构效关系（2DQSAR）二维定量构效关系2DQSAR方法是将分子整体的结构性质作为参数，对分子生物活性进行回归分析，建立化学结构与生物活性相关性模型的
17、一种药物设计方法，常见的方法有HANSCH、FREEWILSON、分子连接性方法等，最经典且应用最广泛的是HANSCH方法。二维定量不能精确描述分子三维结构与生物活性之间的关系，因此，1979年，CRIPPEN提出距离几何学方法（DISTANCEGEOMETRY,DG）；1980年HOPFINGER等人提出分子形状分析方法（MOLECULARSHAPEANALYSIS,MSA）；1988年CRAMER等人提出了比较分子场分析法（COMFA）。比较分子场分析法是应用最广泛的基于定量构效关系的药物设计方法；1990年，出现了在比较分子场分析法基础上发展的比较分子相似性指数分析法（COMSIA）以及
18、在距离几何学方法基础上发展的虚拟受体方法等新的三维定量构效关系方法。142三维定量构效关系（3DQSAR）三维定量构效关系（3DQSAR）方法是在定量构效分析中引入生物活性分子的三维结构信息，建立具有较高预测能力的模型，映射受体部位的特征14。31421比较分子场分析法COMFA比较分子场分析法COMFA的基本设想是分子表面与网格接触的各点可以构成假想受体活性部位的空间和表面，被研究分子的构象应该是与受体相结合时所采取的构象，即药效构象1516。基本原理是结构相似的系列化合物以相同的方式作用于受体的结合部位,其作用强弱与化合物周围分子力场包括静电场和立体场的变化以及受体的生物活性密切相关。通过
19、分析系列化合物COMFA模型的静电场及立体场的分布特征，可反映药物分子与受体之间非键相互作用的特性，获得受体生物活性的结构调控因素，从而指导药物分子设计或结构修饰17。COMFA方法主要反映了药物分子与受体之间非键相互作用，是应用较广泛的间接药物设计方法，采用LENNARDJONES612和COULOMB势能函数计算立体场能和静电场能。可用于同类型结构抑制剂的优化改造，以提高抑制剂的活性。近年来，常与对接方法联用，通过分析化合物活性变化趋势与分子对接结果，能很直观地分析影响化合物活性的一些重要因素，更利于设计高活性的抑制剂18。1422比较分子相似性指数分析法（COMSIA）比较分子相似性指数
20、分析法（COMSIA）的基本原理和过程与COMFA类似，不同的是COMSIA引入了更多的分子场包括疏水场、氢键供体场、氢键受体场，能更好地描述药物与受体的相互作用特征，更加全面地揭示影响生物活性的分子结构信息，同时能量函数采用与距离相关的更加平滑的高斯函数，避免分子表面附近网格点处巨大的势能跳跃，使势能的变化比较缓和，获得比COMFA方法更稳定的3DQSAR模型19。2计算方法21化合物及活性数据的选择本文选择的化合物来源于文献20，共有52个化合物。化合物基本结构及相应的生物活性数据见表1。此类化合物都是HMD的类似物，均具有一定的结构相似性，但取代基团具有一定的结构多样性。建模所选择的化合
21、物均具有CDK5的活性数据和相同的骨架结构，活性之间具有较好的可比性。这些化合物对CDK5的抑制活性均以IC50值表示，IC50值均转换为PIC50PIC50LOGIC50。表1HYMENIALDISINEHMD及其类似物的结构与活性数据TABLE1STRUCTURESANDACTIVITYINDICESOFHYMENIALDISINEHMDANDANALOGUESNOCOMPOUNDSTRUCTUREPIC50CDK5NOCOMPOUNDSTRUCTUREPIC50CDK5114322125230951411024NOCOMPOUNDSTRUCTUREPIC50CDK5NOCOMPOUNDS
22、TRUCTUREPIC50CDK551208606007027380960907521007521107191206721300931401471501671609635NOCOMPOUNDSTRUCTUREPIC50CDK5NOCOMPOUNDSTRUCTUREPIC50CDK51707281800041907082009112119162210172305802411002502742605346NOCOMPOUNDSTRUCTUREPIC50CDK5NOCOMPOUNDSTRUCTUREPIC50CDK5271083281352291365300839310121321092330903
23、3403603513523607477NOCOMPOUNDSTRUCTUREPIC50CDK5NOCOMPOUNDSTRUCTUREPIC50CDK53700613809283914954007254113014213014303644412304510924611258NOCOMPOUNDSTRUCTUREPIC50CDK5NOCOMPOUNDSTRUCTUREPIC50CDK547036048192149046750192151120152075222分子对接目前使用的分子对接软件很多，比如AUTODOCK，DOCK，FRED，SURFLEX，FLEXX，GLIDE，GOLD，ICM，MV
24、D等等，本文使用GOLD50软件进行柔性分子对接。GOLD是一个计算大分子与小分子结合模式的分子对接程序，是SHEFFIELD大学，LAXOSMITHKLINE公司和CCDC协作的产物，它采用遗传算法（GA）进行配体蛋白对接18。本文将活性最好的小分子抑制剂50（配体）和CDK5（受体）进行对接，对接时配体完全柔性，CDK5的活性口袋ASP145和GLN131设置为柔性。打分函数有GOLDSCORE、CHEMSCORE和用户自己定义的打分函数，本文选择分子力场打分函数GOLDSCORE，根据得分FITNESSSCORE高低确定小分子抑制剂50（配体）的最佳构象。选取对接打分最好的构象作为50号
25、抑制剂的对接构象。233DQSAR研究231分子三维结构的构建采用SYBYL73分子设计软件包，以对CDK5活性最好的化合物50的活性构象作为模板，在此基础上进行取代基变换分别构建其余化合物分子的三维结构，然后再用分子力学程序MINIMIZE进行能量局部优化，采用TRIPOS力场，加载GASTEIGERHUCKEL电荷，最大迭代次数为1000次，以POWELL能量梯度法，能量收敛标准为0005KJMOL1，其余值均采用程序的默认值，最终获得各个分子的低能稳定构象。9232分子叠合分子叠合是COMFA建模中最为重要的因素之一，配体以相同或相似作用方式与受体结合部位相作用，叠合规则直接关系到所建模
26、型的好坏及预测能力的高低，正确地选择叠合部位是影响结果的重要因素21。分子叠合方式分为以下几种1基于公共骨架叠合方式2基于能量场的叠合方式3基于药效团的叠合方式4基于分子对接的叠合方式。本文采取基于分子对接产生合理的活性构象的公共骨架的点对点叠合FITATOMS）方式，以活性最高的化合物50作为模板分子，叠合时选取图1中标记的原子作为公共骨架，所有化合物均一一与模板分子的公共骨架相重叠，保证每个分子力场具有一致的取向。所有化合物分子的叠合图如图2所示。图1分子叠合公共骨架FIG1COMMONSTRUCTUREUSEDINMOLECULARALIGNMENT图252个化合物小分子的空间叠合图FI
27、G2THEFINALALIGNMENTOFTHE52COMPOUNDS233COMFA模型建立本文采用分子对接后的配体分子的最优构象进行COMFA和COMSIA计算。COMFA计算是在SYBYL73中QSAR模块上完成的，以SP3杂化的C作为探针离子，采用系统默认步长02NM，立体场和静电场的截断值CUTOFF均设置为30KCAL/MOL，分别用LENNARDJONES612和COULOMB势能函数计算分子在每个格点上的立体场能10和静电场能22。完成分子场参数计算之后再做偏最小二乘分析（PLS），采用抽一法LEAVEONEOUT，LOO进行交叉验证CROSSVALIDATION，确定模型的最
28、佳主成分数N和交叉验证系数Q2，然后再做非交叉验证NONCROSSVALIDATION回归计算，最终建立COMFA模型。234COMSIA模型建立COMSIA与COMFA计算的原理类似，所不同的主要有两点一是增加3种重要的分子场疏水场、氢键供体场和氢键受体场；二是在COMFA计算分子场能时用到的LENNARDJONES612势能函数本身有一个缺陷是用一个截断值来避免异常的分子场值；而在COMSIA计算分子场能时没有使用CUTOFF，而是引入依赖于距离的高斯GAUSSIAN函数，可避免分子表面附近格点处势能的急剧变化以及异常值的出现2324，使接触面上势能的变化比较缓和，从而降低了取向、位置、格
29、点划分对分析结果的影响。3结果与讨论31分子对接模型对接结果见图3和图4。在整体图中（图3）可以清楚地看到活性最高的小分子抑制剂50对接在CDK5活性口袋中心，即底物ATP的结合口袋。在局部图（图4）中可以明显得看出，配体与受体之间形成四个重要的氢键氮杂环庚酮上的羰基氧作为氢键受体与半胱氨酸CYS83骨架上的氨基形成OHN氢键，它们之间的距离是235；氮杂环庚酮上的NH作为氢键供体与谷氨酸GLU81形成OHN氢键，它们之间的距离分别是247；吡咯环上的NH作为氢键供体与半胱氨酸CYS83形成OHN氢键，它们之间的距离是337；吡啶环上的N与天冬氨酸ASN131的氨基形成NHN氢键，它们之间的距
30、离为328，活性最高的小分子抑制剂50能很好地与CDK5活性口袋中外周的多个活性位点ASN131、GLU81和CYS83作用。11图3化合物50与CDK5的对接作用模式整体图FIG3POSSIBLEOVERALLBINDINGMODEOFDOCKEDCOMPOUND50WITHCDK5图4化合物50与CDK5的对接作用模式局部图FIG4POSSIBLELOCALBINDINGMODEOFDOCKEDCOMPOUND50WITHCDK532COMFA和COMSIA模型对于建立的QSAR模型通常采用交叉验证系数Q2来判定其优劣，Q2是标志模型内部预测能的统计指标25。一般认为交叉验证相关系数Q20
31、5时表明模型具有较好的预测能力。COMFA模型的交叉验证相关系数Q2为0518，主成分数N为6，表明所建立的模型对同系列化合物具有较好的预测能力。非交叉验证相关系数R2为0885，标准偏差SEE为0347，统计方差比F为57580，立体场S和静电场E的贡献分别为0463和0537，揭示基团的立体场和静电场对活性均有影响，主要以静电场作用为主，说明此类化合物在与CDK5受体相互作用时，其周围的静电场分布是影响其生物活性的主要因素。因为COMFA的非交叉验证相关系数R2只有0885，表明所建立的模型对同系列化合物的拟合能力不是很好，所以接下来又用COMSIA建立模型。引入依赖于距离的高斯GAUSS
32、IAN函数，可避免分子表面附近格点处势能的急剧变化以及异常值的出现，使接触面上势能的变化比较缓和，从而降低了取向、位置、格点划分对分析结果的影响。因此COMSIA方法克服了COMFA方法的一些内在缺陷，获得了比COMFA方法更稳定的3DQSAR模型。COMSIA方法所选参数与COMFA相同，所构建的COMSIA模型包括配体与受体相互作用的立体场、静电场、疏水场、氢键供体场及氢键受体场。COMSIA模型的交叉验证相关系数Q2为0507，主成分数N为8，非交叉验证相关系数R2为0928，标准偏差SEE为0280，统计方差比F为69519，立体场S、静电场E、疏水场（H）、氢键供体场D及氢键受体场A
33、的贡献分别为0106，0326，0224，0140，0205。COMSIA所建模型具有较好的预测能力和拟和能力。COMFA和COMSIA建模结果如表2所示，化合物活性实验值与预测值结果如表3所示，COMFA和COMSIA模型得出的预测值与实验值的相关关系如图5所示，从图5中也可以看出，COMSIA模型所有数据均集中在直线附近，12表明COMSIA模型具有较好的相关性，其分子的预测值和实验值比COMFA模型拟合得更好。表2COMFA和COMSIA建模结果TABLE2MODELINGRESULTSOFCOMFAANDCOMSIA方法Q2NR2SEEFSEHDACOMFA05186088503475
34、758004630537COMSIA05078092802806951901060326022401400205表3化合物活性实验值与预测值结果TABLE3RESULTSOFACTUALANDPREDICTEDVALUESCOMFACOMSIACOMPDPIC50EXPTPIC50PREDRESIDUALPIC50PREDRESIDUAL1143212910141112803042125210020250117100813095112660315119902484110210290073125101495120812450037121300056060004730127047301277027
35、302840557014801258096008080152052804329075209490197065001021007520846009409730221110719067600430873015412067205870085086401921300930250015702640171140147046403170083006415016702770110006301041609630954000909220041170728050302550134059418000400750079061106151907081340063207640056200911074701641092018
36、121191612600656212302072210171057004007620255230580098704070251032924110014510351132002202502740615034102490025260534015603780357017713COMFACOMSIACOMPDPIC50EXPTPIC50PREDRESIDUALPIC50PREDRESIDUAL2710830631045210560027281352136000081299005329136514910126143600713008390904006508940055310121017900580325
37、020432109205870505066004323309030530037305400363340360046301030521016135135201501202117401783607470916016908530106370061023601750030003138092804700458070902193914951558005813500150400725034403860263046741130114720171144201414213011421012007840517430364077704130653028944123011730057112801024510921028
38、0064098601064611251004011609540166470360027900810145021548192116610260143104904904670411005601560311501921134205792224030351120112030002112700745207521013026110770325142015100500051015201510050005101520CALCULATEDPIC50ACTUALPIC50ACOMFA201510050005101520210123CALCULATEDPIC50ACTUALPIC50BCOMSIA图5实验值与预测值
39、的相关关系FIG5THERELATIONSHIPBETWEENACTUALPIC50VALUEANDPREDICTEDONES33COMFA和COMSIA模型的三维等势图COMFA和COMSIA模型的结果可以直观地以三维等势图的形式表达，可从分子周围空间看到化合物的各种不同场对活性带来的影响，从中可清晰地观察到构效关系的变化26。在得到的三维等势图的参考下，对药物分子进行结构改造具有一定的指导意义，可以对已有的化合物进行结构改造从而进一步提高活性，达到药物设计的目的。红色和蓝色区域代表静电场效应，红色区域表示在该区域附近引入负电荷基团有利于提高小分子活性，蓝色区域表示在该区域附近引入正电荷基团
40、有利于提高小分子活性。绿色和黄色区域代表立体场效应，绿色区域表示在该区域附近引入大体积基团有利于提高小分子活性，黄色区域表示在该区域附近引入小体积基团有利于提高小分子活性。黄色和白色区域代表疏水场效应，黄色区域表示在该区域附近引入疏水基团有利于提高小分子活性，白色区域表示在该区域附近引入亲水基团有利于提高小分子活性。紫色和青色区15域代表氢键供体场效应，紫色区域表示在该区域附近引入氢键受体基团有利于提高小分子活性，青色区域表示在该区域附近引入氢键供体基团有利于提高小分子活性。洋红色和红色区域代表氢键受体场效应，洋红色区域表示在该区域附近引入氢键受体基团有利于提高小分子活性，红色区域表示在该区域
41、附近引入氢键供体基团有利于提高小分子活性22,27。COMFA模型的三维等势图如图6所示，COMSIA模型的三维等势图如图7所示，其中参照分子为化合物50。图6（A）为立体场等势图。可以看出绿色区域主要分布在苯环上，说明在这个位子上引入比氢原子体积大的取代基会使小分子活性增强，如化合物32、33和34分别引入F、CL、BR取代基，其PIC50均比化合物31和35的PIC50大。黄色区域主要分布在吡啶环上，说明在这个位子上引入比氢原子体积大的取代基会使小分子活性减弱，如化合物40和42的PIC50均比化合物39的PIC50小。ACOMFA立体场等势图16BCOMFA静电场等势图图6COMFA模型
42、的三维等势图FIGURE63DCONTOURPLOTOFTHECOMFAMODELACOMSIA疏水场等势图17BCOMSIA氢键供体场等势图CCOMSIA氢键受体场等势图图7COMSIA模型的三维等势图FIGURE73DCONTOURPLOTOFTHECOMSIAMODEL图6（B）为静电场等势图。在吡啶环上覆盖红色区域,说明该位上存在负电性较强的原子，活性较高，故该位上的氮原子是决定该类化合物活性较高的重要因素。在吡啶环上有一片蓝色区域，说明在这个位子18上引入正电荷取代基OCH3可以提高小分子活性。COMSIA的立体场和静电场的分布与COMFA三维等势图中立体场和静电场分布较为一致。图7
43、（A）为疏水场等势图。吡啶环上的氮原子上存在白色区域覆盖，故此处不宜疏水基团存在，在吡啶环上存在一片黄色区域，说明在该区域引入疏水基团有利于小分子活性的增强，如化合物36、38、42和46上存在疏水基团CL和NO2，其化合物的PIC50比化合物40和49的PIC50大，因为化合物40和49上存在亲水基团OCH3。图7（B）为氢键供体场等势图。青色区域说明此处存在氢键供体基团活性较高，紫色区域说明此处不宜连接氢键供体基团。图7（C）为氢键受体场等势图。洋红色区域表明此处存在氢键受体基团活性较高，吡啶环上的氮原子充分说明是决定该类化合物高活性的重要因素，吡啶环上的红色区域说明该处不宜存在氢键受体原
44、子。4结论采用分子对接、比较分子场分析法（COMFA）以及比较分子相似性指数分析法（COMSIA）对海洋天然产物HYMENIALDISINE及其类似物进行对接和三维定量构效关系3DQSAR研究，建立了合理、可信、有较好预测能力的COMFA和COMSIA模型。对接作用模型显示，HYMENIALDISINE及其类似物与CDK5的结合主要是通过氢键作用来实现的。COMFA模型的参数为交叉验证相关系数Q2为0518，主成分数N为6，非交叉验证相关系数R2为0885，标准偏差SEE为0347，统计方差比F为57580，立体场S和静电场E的贡献分别为0463和0537。COMSIA模型的参数为交叉验证相关
45、系数Q2为0507，主成分数N为8，非交叉验证相关系数R2为0928，标准偏差SEE为0280，统计方差比F为69519，立体场S、静电场E、疏水场（H）、氢键供体场D及氢键受体场A的贡献分别为0106，0326，0224，0140，0205。两组模型均具有较好的预测能力，COMSIA模型具有较好的拟合能力，其分子的预测值和实验值比COMFA模型拟合得更好、相关性更高。基团的静电场对活性影响最大，说明此类化合物在与CDK5受体相互作用时，其周围的静电场分布是影响其生物活性的主要因素。利用分子对接模型、COMFA及COMSIA模型所给出的信息，为CDK5受体抑制剂HYMENIALDISINE及其
46、类似物的结构与活性和选择性的关系及优化改造提供了重要的理论依据和指导意义。参考文献1田翠孟细胞周期蛋白依赖性激酶与肿瘤关系的研究进展J实用肿瘤杂志,2010,2544995002王英鹏,宋俊峰,饶志仁CDK5与神经退行性疾病J生理科学进展,2004,35145483王颖细胞周期素依赖性激酶25研究进展J国外医学临床生物化学与检验学分册,2004,2565005054KWOKONLAI,NANCYYIPRECENTADVANCESINUNDERSTANDINGTHEROLESOFCDK5INSYNAPTICPLASTICITYJBIOCHIMICAETBIOPHYSICAACTA,2009,17
47、927417455史清文,李力更,王于方海洋天然产物研究与新药开发J药物评价研究,2010,3331651746林文翰我国海洋生物的药学研究思考J中国天然药物,2006,4110147DUMASJPROTEINKINASEINHIBITORSEMERGINGPHARMACOPHORES19972000JEXPERTOPINTHERPAT,2001,1154054298TRAXLERP,FURETPSTRATEGIESTOWARDTHEDESIGNOFNOVELANDSELECTIVEPROTEINTYROSINEKINASEINHIBITORSJPHARMACOLTHER,1999,82219
48、5206199罗蕴,胡永洲细胞周期蛋白依赖性激酶抑制剂J中国现代应用药学杂志,2003,20536036310MEIJERL,THUNNISSENAMWH,WHITEAW,ETALINHIBITIONOFCYCLINDEPENDENTKINASES,GSK3ANDCK1BYHYMENIALDISINE,AMARINESPONGECONSTITUENTJCHEMISTRYBIOLOGY,2000,71516311赵丽琴,肖军海,李松分子对接在基于结构药物设计中的应用J生物物理学报,2002,18326327012郭权,王希诚,李纯莲药物分子对接中应用网格的研究与进展J计算机研究与发展,2004,
49、41122054205513段爱霞,陈晶,刘宏德等分子对接方法的应用与发展J分析科学学报,2009,25447347714钱力,沈勇,王亚学等16取代雌二醇衍生物的三维定量构效关系和分子对接研究J计算机与应用化学,2008,25121511151615朱杰,盛春泉比较分子力场分析法COMFA的研究新进展J化学进展,2000,12220320716侯廷军,徐筱杰比较分子场分析方法研究的最新进展J化学进展,2001,1343644017QIANL,SHENY,CHENJC,ETAL3DQSARSTUDYONASERIESOFINDOLO1,2BQUINAZOLINEDERIVATIVESWITHANTICANCERACTIVITYANDTHEIRMOLECULARDESIGNACTAPHYSCHIMSIN,2006,22111372137618孙倪悦,陆涛,陈亚东等3DQSAR和分子对接研究吲哚咔唑类细胞周期蛋白激酶抑制剂的选择性J物理化学学报,2009,25464565419杨伟华,冯长君N,N二甲基2溴苯乙胺类衍生物活性与COMFA、COMSIA的研究J计算机与应用化学,2007,24568869220NGUYENTNT,TEPEJJPREPARATIONOFHYMENIALDISINE,ANALOGUESANDTHEIREVALU
