利用CoMFA和CoMSIA对大肠杆菌DXR抑制剂进行3D―QSAR研究.docVIP

利用CoMFA和CoMSIA对大肠杆菌DXR抑制剂进行3D―QSAR研究 　　摘要：指出了1-脱氧-D-木酮糖醇-5-磷酸还原异构酶（DXR）是细菌细胞壁合成中的关键物质2C-甲基-D-赤藓糖醇-4-磷酸（MEP）合成途径中的限速酶，该酶作为新型的抗菌药物的靶点，被广泛的研究。利用CoMFA和CoMSIA方法建立了大肠杆菌DXR抑制剂的3D-QSAR模型，通过该模型主要分析了化合物的结构对活性的影响。结果表明：CoMFA模型预测值和实验值的交叉验证相关系数q2为0.671，回归相关系数R2为0.950；CoMSIA模型预测值和实验值的交叉验证相关系数q2=0.559，回归相关系数R2=0.973。说明所建立的模型具有较好的预测能力，能为DXR抑制剂的结构优化提供指导。 　　关键词：大肠杆菌；DXR抑制剂；CoMFA；CoMSIA；3D-QSAR模型 　　中图分类号：R284文献标识码：A文章编号2016 　　1引言 　　类异戊二烯以其衍生物在细胞壁的合成和能量代谢过程中具有重要的作用。在绝大多数细菌体内，类异戊二烯的前体异戊酰焦磷（IPP）或二甲烯丙基焦磷酸（DMAPP）只能通过2C-甲基-D-赤藓糖醇-4-磷酸（MEP）途径进行生物合成＼[2，3＼]。其中，1-脱氧-D-木酮糖醇-5-磷酸还原异构酶（DXR）催化MEP途径的第二步反应，并且是该途径中的限速酶.由于人体内不存在MEP途径和DXR类似酶＼[4，5＼]，因此DXR可以作为潜在的靶点进行抗菌药物的研发。 　　研究发现膦胺霉素及其衍生物是DXR的有效抑制剂＼[6，7＼]，对绝大多数革兰氏阴性和某些革兰氏阳性菌具有较强的抗菌活性[8]，但是对大肠杆菌的抑菌作用较弱[9]。因此研究大肠杆菌DXR抑制剂的结构与生物活性之间的关系具有重要的临床意义和应用前景。以大肠杆菌DXR作为靶向蛋白，选择活性较高的化合物进行分子对接，以对接生成的构象作为模板建立CoMFA和CoMSIA模型，使模型的显著性强于经典的分析方法，从而为膦胺霉素类抑制剂的结构优化提供理论依据。 　　2实验部分 　　2.1分子库的准备 　　从相关文献＼[10～12＼]上获取39个大肠杆菌DXR抑制剂的分子结构和生物活性数据， 其中生物活性数据以pIC50表达。对化合物的结构进行初步分析，发现包含A和B两种母核结构.从RCSB PDB下载蛋白质（code：3ROI）的晶体结构，选择分子库中活性最高的化合物（Template，pIC50 = 7.553）与蛋白质进行分子对接。从剩下的38个化合物中随机的选择7个化合物作为测试集，其余的31个化合物作为训练集。 　　2.2分子叠合 　　在3D-QSAR分析中，通常选取能量最小的活性构像作为分子排列的模版。本文选择活性最好的分子（Template）中对接打分最高的构象作为模板，利用Open3DALIGN软件进行分子叠合。将叠合生成的化合物构象输入新的数据库中并加载相对应的生物活性值。 　　2.3CoMFA和CoMSIA分析 　　利用SYBYL-X软件进行CoMFA和CoMSIA分析，对训练集化合物加Gasteiger-Marsili电荷并计算CoMFA场参数。首先运用留一法（LOO）进行交叉验证分析，获得交叉验证相关系数q2和最佳主成分数（ONC）。然后利用获得的ONC做非交叉验证的PLS分析并利用Region Focusing对初始的CoMFA值和PLS分析结果进行优化。在CoMSIA分析中，还需考虑疏水场、氢键供体和氢键受体对化合物活性的影响，CoMSIA的PLS分析过程与CoMFA基本相同。 　　3结果与讨论 　　3.1PLS分析结果 　　如表1所示，利用训练集建立的CoMFA和CoMSIA模型的交叉验证相关系数q2值分别为0.671和0.559。当q2≥0.5时，表明由相应的变量建立的模型具有可靠的预测能力。这说明建立的CoMFA模型和CoMSIA模型可以对化合物的活性进行有效的预测.由于CoMFA模型的q2 值明显大于CoMSIA，因此在理论上CoMFA模型的预测结果会更好。在CoMFA模型中，还获得非交叉验证相关系数（R2）为0.950，标准偏差（SEE）为0.229以及显著性因子（F）为95.309，立体场和静电场对模型的贡献值分别为58.1%和41.9%。在CoMSIA模型中，获得的非交叉验证相关系数（R2）值为0.973，立体场、静电场、疏水场、氢键供体、氢键受体的贡献值分别为19.1%、21.9%、24.8%、27.6%、6.6%。为了进一步检测模型的预测能力，对测试集的化合物活性进行预测。训练集和测试集化合物的结构及实验活性和预测活性见表2。通过对实验活性和预测活性做线性相