Содержание к диссертации
Введение
Глава 1. Анализ связи структура-биологическая активность как теоретическая основа оптимизации базовых химических структур для создания новых лекарственных средств. (Литературный обзор) 160
1.1. Общая схема создания лекарственных средств 16
1.2. Развитие исследований связи структура-биологическая активность в историческом аспекте. Используемые модели 19
1.3. Молекулярные дескрипторы и математические методы, применяемые для нахождения и анализа связи структура-биологическая активность 27
1.3.1. Константы заместителей 30
1.3.2. Линейные номенклатуры 32
1.3.3. Структурные фрагменты 32
1.3.4. Топологические дескрипторы 37
1.3.5. Квантовохимические дескрипторы 40
1.3.6. Пространственные дескрипторы и молекулярное моделирование. Концепция фармакофора 44
1.3.7. Дескрипторы межмолекулярных взаимодействий 55
1.3.8. Математические методы анализа связи структура-биологическая активность 59
1.4. Современные подходы к поиску новых базовых структур и созданию новых лекарственных средств 62
1.4.1. Введение 62
1.4.2. Высокопроизводительный скрининг и комбинаторная химия 63
1.4.3. Виртуальный скрининг 68
1.4.4. Оценка биодоступности и концепция «сходство с лекарством» (drug-likeness) 73
1.5. Сопоставление разнообразных молекулярных дескрипторов и математических моделей по их эффективности в различных приложениях 76
CLASS Глава 2. Методы исследования CLASS 82
2.1. Множественный линейный регрессионный анализ (МЛРА) 82
2.2. Линейный дискриминантный анализ (Л ДА) 84
2.3. Метод главных компонент (МГК,) 87
2.4. Факторный анализ (ФА) 88
2.5. Метод экстремальной группировки параметров 89
2.6 Классификация по К ближайшим соседям 90
2.7. Молекулярные дескрипторы 91
Глава 3. Построение зависимостей структура-биологическая активность на основе классической модели хэнча 99
3.1. Противоопухолевая активность и токсичность 99
3.1.1. Производные пиримидина 99
3.1.2. Бензоилдиэтилентриамиды фосфорной кислоты 103
3.1.3. Дифениловые эфиры ди(2-хлорэтил)-амидофосфорной кислоты.. 108
3.2. Антибактериальное действие и пенициллиназоустойчивость фурил-пенициллинов 114
3.3. Метод классификации заместителей в ароматическом кольце для рационального составления первичной выборки соединений при поиске КССА 116
3.4. Изучение связи между структурой и биологической активностью соединений при дискретном выражении биологического действия с учетом характера ошибок классификации 126
Глава 4. Квантовохимические расчеты электронной структуры, физико-химических параметров и реакционной способности физиологически активных модельных соединений 130
4.1. Галогенэтилены 131
4.2. Фосфорорганические соединения 135
4.3. Формилпирролы 139
Глава 5. Анализ зависимости между результатами экспериментального тестирования, молекулярными дескрипторами и видом психотропной активности химических соединений 143
5.1. Введение в классификацию психотропных соединений 143
5.2. Дифференциация 5 видов психотропной активности по результатам тестирования на экспериментальных животных 144
5.3. Взаимосвязь результатов тестирования на экспериментальных животных и модельных ферментных системах 151
5.4. Дифференциация отдельных групп психо- и нейротропных веществ 154
5.5. Классификация психотропных соединений по спектру действия... 156
5.6. Компьютерное распознавание вида психотропной активности соединений на основании физико-химических, подструктурных, топологических и информационно-структурных характеристик молекул 159
Глава 6. Анализ связи структура-активность для инги-биторов фосфодиэстеразы цамф 169
Глава 7. Зависимость канцерогенности ароматических аминов от молекулярной структуры 176
7.1. Классификация канцерогенов 176
7.2. Внеэкспериментальные подходы к оценке канцерогенности 179
7.3. Ароматические амины. Метаболизм и зависимость канцерогенности от структуры (литературные данные) 180
5 7.4. Дискриминантный анализ связи между молекулярной структурой и канцерогенностью ароматических аминов 184
Глава 8. Исследование связи между эмбриотоксичностью и структурой синтетических аналогов биогенных аминов 195
Глава 9. Исследование зависимости гепатопротектор-ного детоксицирующего действия производных адамантана от молекулярной структуры 207
Заключение 229
Выводы 233
Список литературы 236
- Развитие исследований связи структура-биологическая активность в историческом аспекте. Используемые модели
- Бензоилдиэтилентриамиды фосфорной кислоты
- Фосфорорганические соединения
- Компьютерное распознавание вида психотропной активности соединений на основании физико-химических, подструктурных, топологических и информационно-структурных характеристик молекул
Введение к работе
Актуальность проблемы. Недостаточная эффективность многих лекарств, их заметная в ряде случаев токсичность, адаптация патогенных микроорганизмов к используемым препаратам, появление новых опасных заболеваний и другие факторы диктуют постоянную необходимость разработки новых лекарственных средств. В связи с резким возрастанием числа синтезируемых и выделяемых из природных источников химических соединений и практической невозможностью их испытаний на все возможные виды биологической активности во второй половине 20 века остро встала проблема разработки эффективных прагматичных внеэкспериментальных подходов к отбору веществ с заданным биологическим действием среди известных к настоящему времени химических соединений, число которых составляет, примерно, 1,5-107. Начальной стадией процесса разработки лекарственного препарата является поиск и открытие нового биологически активного вещества ( Пирузян Л.А., Руд-зит Э.А.,1972,1976;Баренбойм Г.М.,Маленков А.Г.,1986;Пирузян Л.А. ^Ландау М.А.,1989). Эта стадия является наиболее важной и трудной и в то же время наименее определенной. Добиться снижения финансовых и временных затрат можно только на данном этапе путем оптимизации исследований по выявлению новых перспективных химических структур
На этапе открытия нового биологически актвного вещества следует дифференцировать собственно открытие принципиально новой базовой химической структуры, проявляющей необходимую биологическую активность, и оптимизацию новой базовой структуры, направленную на усиление полезной биологической активности. Для открытия новых базовых структур используют преимущественно следующие стратегии: а) систематический скрининг, реализованный в свое время в НИИ-поБИХС под руководством Л.А.Пирузяна и включающий исследования на различных уровнях; б) прямые и «непрямые» методы виртуального скрининга (Арчаков А.И.ХІоройков В.В. и др.,2000; Bajorath,2001,2002;HBaHOB А.С.,2002). В основе оптимизационных подходов лежит представление о существовании объективной зависимости между структурой химического соединения и его биологической активностью. Эта зависимость может быть установлена анализом структуры и биологической активности уже изученных соединений и далее экстраполирована на новые соединения ( Ландау М.А.,1981,1985;ГолендерВ.Е.,РозенблитА.Б.,1978.1983;Раевский О.А.идр., 1987,1988, 1990; ПоройковВ.В.,1995).
Идея о существовании связи химическая структура-биологическая активность была высказана впервые в конце XIX века (Gram-Brown A.,Frazer Т.). Однако широкое использование этой идеи для целенаправленного поиска новых биологически активных веществ началось лишь в конце 60-х годов 20 века после работ (Hansen С, 1962;Free S.M„ Wilson J.W., 1964),
для построения этой зависимости. Пс іД^наийоУее іМОДМіММіфіх молекулярных дескрип-
SKbJi'OfEXA СПетербург
Внк>
Поскольку биологическая активность соединения предсталяет собой суммарный эффект многочисленных процессов, учесть которые практически невозможно, функциональная зависимость биологической активности от молекулярной структуры сложна для описания и не может быть представлена в явной форме. Для аппроксимации такой зависимости используется простая математическая функция (обычно полином), коэффициенты которой определяют с помощью различных методов многомерного статистического анализа. Процесс нахождения функции, связывающей искомую биологическую активность со структурой, включает выбор способа представления молекулярной структуры рм-гмятришмину пгч-шіітепі.м и m-ffipp математического метода
торов и наиболее эффективных математических методов установления связи структура-биологическая активность остается актуальной проблемой при рассмотрении конкретных классов и групп химических соединений, проявляющих ту или иную биологическую активность.
Цель и задачи исследований. Цель работы заключалась в разработке общих методических подходов к внеэкспериментальному прогнозированию физиологической активности на основе структурных характеристик молекул для групп соединений, принадлежащих к различным химическим классам. Для достижения поставленной цели необходимо было решить следующие задачи:
- выявить информативные молекулярные дескрипторы, наиболее адекватно от
ражающие структурные особенности молекул, ответственные за определенные типы
физиологической активности;
- при исследовании рядов химических соединений определить статистически зна
чимые уравнения, количественно связывающие меру физиологической активности
со структурными параметрами соединений и позволяющие надежно прогнозировать
физиологическую активность новых нетестированных соединений, относящихся к
исследованным рядам;
при дискретном выражении биологического действия в рамках одного вида активности или при дифференциации различных видов биологической активности определить наиболее эффективные решающие правила отнесения новых соединений к тому или иному классу по проявляемой физиологической активности;
разработать метод рационального составления обучающей выборки химических соединений, относящихся к одному ряду, для нахождения количественных соотношений структура-биологическая активность.
исследовать возможности некоторых популярных полуэмпирических квантово-химических методов для изучения электронной структуры и реакционной способности биологически активных соединений.
Научная новизна.
Методами линейного регрессионного анализа и линейного дискриминантного анализа с использованием классической модели Хэнча определены зависимости противоопухолевой активности и токсичности производных пиримидина, фосфориль-ных производных пиримидина, бензоилдиэтилентриамидов фосфорной кислоты, дифениловых эфиров ди(2-хлорэтил)амидофосфорной кислоты, а также антибактериального действия и пенициллиназоустойчивости фурилпенициллинов от констант заместителей в указанных рядах.
Методом факторного анализа проведено разбиение на группы 90 различных заместителей в ароматическом кольце, характеризуемых значениями констант заместителей к,
С использованием аппарата дискриминантного анализа предложен метод прогнозирования уровня биологической активности химических соединений при дискретном выражении биологического действия, минимизирующий ошибки классификации первого рода.
Разработан метод распознавания психотропного действия (снотворное, транквилизирующее, психостимулирующее, нейролептическое, антидепрессивное) соединений по результатам первичных фармакологических испытаний с помощью линейных дискриминантных функций. Выявлена связь между результатами тестирования психотропных препаратов на экспериментальных животных и их ингибирующим
действием на некоторые мембранные ферменты (транспортную Na+-, К+-АТФазу, адреналин- и дофаминчувствительную аденилатциклазу).
Показано, что используемый для экспериментального тестирования психотропных соединений набор из 35 тестов может быть представлен 8 факторами, анализ которых позволяет расклассифицировать соединения по типу активности с детализацией механизма развития седативного и стимулирующего эффектов.
Впервые на основании молекулярных дескрипторов достигнуто разделение психотропных соединений на 5 групп активности.
Впервые методом дискриминантного анализа с использованием подструктурных и топологических молекулярных дескрипторов установлена возможность внеэкспери-ментального поиска ингибиторов фосфодиэстеразы циклического АМФ.
Определены классификационные правила, позволяющие на основе топологических дескрипторов или квантовохимических индексов реакционной способности с вероятностью 75-85% классифицировать ароматические амины как канцерогены.
Получены дискриминантные функции, позволяющие на основе расчетных параметров молекул с вероятностью 83-87% прогнозировать феномен сверхактивности эмбриотоксических соединений.
Впервые для производных адамантана проведено сравнительное исследование эффективности различных молекулярных дескрипторов 2D- и ЗО-типа для прогнозирования гепатопротекторной детоксицирующей активности. Более эффективны 2D-дескрипторы. Добавление к этим дескрипторам некоторых 3D-дескрипторов позволяет построить дискриминантные функции с высокой предсказатеоьной способностью (90-96%) в отношении гепатопротекторного действия.
Показано, что в классификационных задачах необходимо учитывать главные компоненты с малым и очень малым вкладом в общую дисперсию исходных дескрипторов.
Практическая значимость.
Полученные эмпирические зависимости биологической активности и токсичности производных пиримидина, фурилпенициллинов, бензоилдиэтилентриамидов фосфорной кислоты, дифениловых эфиров ди(2-хлорэтил)амидофосфорной кислоты от констант заместителей могут быть далее использованы в процедурах виртуального скрининга для отбора более перспективных соединений.
Отбор заместителей из разных групп, полученных при классификации заместителей методом факторного анализа, позволяет спланировать оптимальный состав исходной выборки соединений исследуемого химического ряда для экспериментального тестирования.
Предложенный метод прогнозирования качественной степени выраженности биологического действия в рамках одного вида биологической активности снижает опасность отсева перспективного вещества.
Предложенный метод автоматизированной обработки результатов первичных биологических испытаний при поиске психотропных веществ с помощью линейных дискриминантных функций позволяет значительно сократить необходимое число экспериментальных фармакологических тестов и существенно облегчает интерпретацию экспериментальных данных.
Более высокая эффективность автокорреляционных топологических дескрипторов по сравнению с некоторыми видами ЗО-дескрипторов при прогнозировании канцерогенности ароматических аминов и гепатопротекторной активности производных адамантана имеет большое значение в практическом плане для классифика-
ции новых соединений, так как расчет указанных топологических дескрипторов для новых соединений несравненно проще расчета любых ЗО-дескрипторов.
Дискриминантные функции, полученные при исследовании эмбриотоксичности синтетических аналогов биогенных аминов и канцерогенное ароматических аминов могут быть использованы в качестве фильтров для отсеивания соединений, обладающих контрпродуктивными свойствами.
Апробация работы. Отдельные результаты работы были доложены на Всесоюзном симпозиуме «Биологически активные соединения элементов ГУБ группы (Иркутск, 1975), Всесоюзной конференции «Физиология и биохимия медиаторных процессов» (Москва, 1976), Всесоюзной конференции «Актуальные проблемы оценки фармакологической активности химических соединений» (Ногинск, 1981), 1-м Всесоюзном биофизическом съезде (Москва, 1982), V Всесоюзном симпозиуме «Циклические нуклеотиды и система регуляции ферментативных реакций» (Рязань, 1985). Всесоюзном симпозиуме «Количественные аспекты химических воздействий в онкологии» (Ленинград, 1985), Межреспубликанской научно-практической конференции «Синтез, фармакология и клинические аспекты новых психотропных и сердечно-сосудистых веществ» (Волгоград. 1989), 1-м съезде токсикологов России (Москва, 1998), XI Всероссийском национальном конгрессе «Человек и лекарство» (Москва, 2004)
Публикации. По результатам, изложенным в диссертации, опубликовано 50 научных работ: 37 статей и тезисы 13 докладов.
Объем и структура диссертации. Работа изложена на 267 страницах, включая 2 рисунка, 36 таблиц и список литературы. Диссертация состоит из введения, обзоров литературы (глава 1, а также небольшие обзоры, предшествующие главам 5-9), описания методов исследования (глава 2), изложения результатов собственных исследований и их обсуждения (главы 3-9), заключения, выводов и списка цитированной литературы, включающего 649 источников.
Развитие исследований связи структура-биологическая активность в историческом аспекте. Используемые модели
Создание нового лекарственного препарата представляет собой сложный процесс, требующий больших финансовых и временных затрат и участия специалистов различного профиля. По различным оценкам стоимость разработки одного препарата в настоящее время составляет 400-900 млн. долларов, а общие затраты времени могут колебаться от 8 до 12 лет. Сообщалось [218], что 50 ведущих фармацевтических компаний мира потратили в среднем 750 млн. долларов на разработку каждого из 21 действительно нового лекарственного препарата, выпущенного на рынок в период 1988-1998 гг.
Традиционный путь создания новых лекарственных препаратов включает три основных этапа [34,202]:
1) Поиск и открытие биологически активного вещества.
2) Предклинические (фармакологические) испытания.
3) Клинические испытания. Открытие нового биологически активного вещества является наиболее важной и трудной и в то же время наименее определенной стадией всего процесса разработки лекарственного препарата. Процесс разработки можно уподобить туннелю с широким входом и узким выходом. Как показывает практика, из 100000 синтезированных соединений только 20 отбираются для пред-клинических испытаний, из них только 5 соединений оставляют для клинических испытаний, и лишь одно соединение успешно проходит все этапы и становится лекарством. Такая низкая эффективность процесса создания новых лекарств обусловлена целым рядом причин [411]. Лекарственный препарат должен иметь не только подходящую физическую структуру, но и обладать надлежащей растворимостью, особенно в липидах и воде, чтобы достигнуть своей биологической мишени, нуждающейся в терапии. Кроме того, препарат должен быть устойчив к деградации и, что еще более важно, не давать побочных эффектов, т.е. не влиять на другие существенные процессы внутри организма. Поэтому правильный выбор химического соединения, проявившего требуемую биологическую активность, для дальнейшей разработки является ответственным стратегическим решением, определяющим успех или неудачу всего проекта.
Финансовые затраты на первом этапе могут составлять от одной трети до половины всей стоимости проекта. Поскольку второй и третий этапы разработки лекарственного препарата достаточно жестко регламентированы законами и контролируются государственными органами, добиться снижения финансовых и временных затрат можно только на первом этапе путем оптимизации исследований по выявлению новых перспективных химических структур.
На этапе открытия нового биологически активного вещества следует дифференцировать две разные задачи: собственно открытие или умозрительное конструирование принципиально новой ключевой ("или базовой) химической структуры (lead generation), проявляющей необходимую биологическую активность - так называемого «лидера», и оптимизацию новой базовой структуры (lead optimization), направленную на усиление полезной биологической ак 18 тивности и улучшение фармакологического профиля. Сама по себе новая базовая структура не обязательно является готовым кандидатом в лекарства, пригодным для предклинических и клинических испытаний. Но она представляет собой важный прототип для дальнейших структурных модификаций, которые, как полагают, приведут к новому лекарству с высокой эффективностью и безопасностью. Таким образом, генерация новой базовой структуры служит начальной точкой, за которой следует оптимизация этой структуры. В основе оптимизационных подходов лежит представление о существовании объективной зависимости между структурой химического соединения и его биологической активностью [279,320,390,565,596]. Подобная зависимость, являющаяся по современным воззрениям фундаментальной характеристикой биологически активных веществ, может быть описана многопараметрическим уравнением, в общем случае нелинейным. Настоящий обзор и диссертация в целом посвящены рассмотрению и использованию методов, относящихся именно к этому классу задач и реализуемых за счет привлечения различных современных методов компьютерной химии, математической статистики и распознавания образов и прогресса в области вычислительной техники. Что касается открытия новых базовых химических структур (лидеров), то эта гораздо более трудная задача по сравнению с оптимизацией уже имеющихся базовых структур не имеет однозначного алгоритма решения. Для данной цели используется целый ряд стратегий (выделение активных ингредиентов из природных источников, модификация и улучшение уже существующих лекарств, а также обнаружение других фармакологических свойств в существующих лекарствах, новая информация о молекулярных механизмах возникновения и развития тех или иных патологий, систематический скрининг, молекулярное моделирование и др.) [8,46,51,64,69,71,187,200,325,409,449,485,486,488,522,569,615,620], часть из которых также основана на использовании зависимости биологической активности от химической структуры в неявной форме. Один из таких подходов базируется на предположении о том, что биологическая активность химического соединения может быть представлена в виде суммы вкладов от состав 19 ляющих данную молекулу подструктур [2,3,64,89,193]. На основании уже имеющихся данных по биологической активности большого числа химических соединений может быть произведена оценка вклада, вносимого конкретной подструктурой в определенный вид биологической активности. Полученная информация в дальнейшем может быть использована для поиска новых базовых структур в существующих или виртуальных библиотеках химических соединений. В качестве примера современного подхода к выявлению новых биологически активных соединений необходимо также назвать систему, разработанную в свое время в НИИпоБИХС под руководством Л.А.Пирузяна [59-62] и включающую исследования на различных уровнях: внеэкспериментальном (компьютерное прогнозирование биологической активности), молекулярном (биохимические, биофизические, физико-химические тесты), субклеточном (взаимодействие исследуемых веществ с биологическими мембранами, митохондриями и другими подобными структурами), клеточном, на уровне отдельных органов и тканей и, наконец, на уровне целого организма.
Бензоилдиэтилентриамиды фосфорной кислоты
Фосфорилированные производные этиленимина общей формулы - аналоги известного противоопухолевого препарата бензотэфа - представляют интерес как потенциальные противоопухолевые средства алкилирующего типа. Методами множествен 104 ной регрессии и линейного дискриминантного анализа (ЛДА) проведен поиск зависимости фармакологической активности от физико-химических характеристик молекул. В качестве зависимых переменных регрессионных уравнений использовали следующие величины: \g(]/LD50), lg(7///), \%{1/12\ \g(l/h) (LD$o - токсичность для крыс в мт/кг массы , // - % торможения саркомы 45,12 - % торможения саркомы 180,13 - % торможения карциномы Ге-рена). В качестве независимых переменных, описывающих молекулярную структуру, использовали экспериментальные характеристики соединений (Р - коэффициент распределения в системе октанол-вода, Ем - потенциал полуволны, рКа - кислотность), фиктивный параметр Z,, равный 1 при наличии в ароматическом кольце орто-заместителей относительно группы -СО-NH или 0 при отсутствии таковых, а также табличные значения констант заместителя R (А/К, MR, F и R). F и R - модифицированные параметры Свэна-Лаптона, характеризующие влияние заместителей на электронную структуру ароматического кольца (см. раздел 1.3.1). Все экспериментальные характеристики соединений (противоопухолевая активность, токсичность, физико-химические свойства) определены в Киевском НИИ фармакологии и токсикологии (табл. 1).
Приведенные уравнения статистически значимы, при этом оценки всех коэффициентов регрессии значимы с доверительной вероятностью Р = 0,99. На основании уравнений (3.1.7) и (3.1.8) можно заключить, что токсичность исследованных соединений возрастает с увеличением восстановительного потенциала полуволны (по абсолютной величине) и уменьшением объема заместителей и параболически зависит от липофильности. Вместе с тем необходимо отметить, что какие-то факторы, влияющие на токсичность, остаются пока невыявленными - это следует из сопоставления данных табл. для соединений № 17 и 18; оба соединения имеют одинаковое значение параметра MV и очень близкие значения параметров Ем и IgP , хотя их токсичность различается примерно в полтора раза. Таблииа 1. Экспериментальные физико-химические и биологические харак теристики соединений ряда RC6H4CONHP(0)fN(CH2CH2)J
Для противоопухолевого действия данных соединений на том же множестве структурных параметров статистически значимые количественные уравнения связи структура-активность не обнаружены. Поэтому были предприняты попытки найти критерии качественной классификации, позволяющие относить соединения в группы с заданным интервалом изменения активности в каждой группе. Для этой цели использовали линейный дискриминантный анализ. В рамках каждого рассматриваемого вида проти 106 воопухолевой активности исходный массив соединений был разделен на 2 группы по уровню активности. С теоретической точки зрения желательно, чтобы соединения обучающей выборки были более или менее равномерно распределены по группам. К сожалению, имеющиеся экспериментальные значения противоопухолевой активности (//, І2 и 13) варьируют очень неоднородно: преобладают высокоактивные соединения (/ 90%). Поэтому граница между группами достаточно высока (80-90%), что, с одной стороны, ухудшает исходные условия для нахождения эффективных дискриминант-ных функций (ДФ), с другой - снижает прогностическую ценность получаемых ДФ. Тем не менее для каждой из трех тестовых систем найдены ДФ, содержащие 4-5 параметров и правильно классифицирующие не менее 80% обучающей выборки.
Ингибированипе саркомы 45. 16 соединений исходного массива были разделены на 2 группы. 1-я группа содержала 10 соединений (№№ 1-6, 9-11, 13, 14) с /7 90%, 2-я - 6 соединений (№№ 7, 8, 10, 15, 17, 18) с I, 90%. Наилучшая дискриминантная функция, которая положительна для соединений 1-й группы, т.е. более активных, и отрицательна для менее активных соединений 2-й группы, содержит следующие параметры: D = - 4,441Я + 6,88 IgP - 2J4(lgP)2 - 0,162 MV + 9,859
Данная функция правильно классифицирует 8 соединений в 1-й группе (80%) и 5 соединений во 2-й группе (83%). Исходя из знаков коэффициентов функции Д можно сделать вывод, что соединения, более активные в отношении саркомы 45, должны иметь меньшие значения параметра Е1/2{т\о абсолютной величине) и молярного объема заместителей MV . Действительно, среднее значение параметра А/К для соединений 1-й группы (30,85) значительно меньше соответствующей величины для соединений 2-й группы (60,16), хотя для параметра Е!/2 имеем обратную картину: среднее значение Е}/2 в 1-й группе (1,23) несколько больше среднего значения во 2-й группе (0,95). Это значит, что параметр MV более существенно влияет на активность соединений в отношении саркомы 45, чем параметр Е\л.
Ингибирование саркомы 180. 1-я группа содержала 8 соединений (№№ 1-6, 9, 12) с 12 80%, 2-я группа-9 соединений (№№7, 8, 10, 11, 13-15, 17, 18) с 12 80%. Наилучшая дискриминантная функция имеет вид: D = - 2,450у + 4,748(/#Р)3 - l,9l2(IgP)A - 0,0936MF+ 0,755/, + 4,607 Эта функция правильно распознает все соединения из 1-й группы и 7 из 9 соединений (78%) во 2-й группе. Физический смысл включения параметров типа {IgP)3 и (IgP)4 в уравнения обсуждался в работах [Franke, 1978,1978] (см. раздел 1.2). Анализ знаков коэффициентов функции D позволяет заключить, что, как и для саркомы 45, соединения, более активные в отношении саркомы 180, должны обладать меньшими значениями параметров Е]/2 и MV по сравнению с менее активными соединениями, причем более существенное влияние на активность также оказывает параметр MV. Ингибирование карциномы Герена. В этом случае подавляющее большинство составляют высокоактивные соединения, поэтому в количественном отношении две получающиеся группы крайне неравноценны. 1-я группа содержит 11 соединений (№№ 1-6, 9, 11, 13-15) с /j 83%, причем 10 из этих 11 соединений имеют активность 13 96%, 2-я группа содержит лишь 3 соединения (№№ 7, 10, 16) с 13 58%. Соответствующая дискриминантная функция выглядит так:
D=-529l73EJ/2 + l8,796(lgPf-S,527(lgP) -Qy575MV - 13,7511 + 85,987 Эта функция правильно классифицирует все соединения обучающей выборки, причем средняя вероятность правильного отнесения соединений для 1-й группы составляет 0,97, а для 2-й группы - 0,999. Это очень хороший результат, однако он получен при очень малой населенности одной из групп. Анализируя данную функцию, приходим к тем же выводам о влиянии параметров Ем и MV на противоопухолевую активность соединений, что и в первых двух случаях.
Таким образом, для всех рассмотренных тестовых систем противоопухолевая активность бензоилдиэтилентриамидов фосфорной кислоты определяется гидрофобными (IgP), стерическими (MV, V) и электронными (Ем ) эффектами заместителей. Более высокой противоопухолевой активностью в целом обладают соединения, имеющие меньшие (по абсолютной величине) значения Ею и заместители с малым молярным объемом. Этот вывод справедлив лишь при условии постоянства параметра IgP, различные степени которого входят во все отобранные дискриминантные функции. Гиперповерхности Д разграничивающие подпространства для высокоактивных и менее активных соединений, имеют экстремумы по координате lgPy поэтому однозначно определить качественный характер влияния липо-фильности соединений на их противоопухолевую активность, исходя из полученных функций Д не представляется возможным. Как уже отмечалось выше, найденные дискриминантные функции позволяют выделять лишь высокоактивные соединения. Это обстоятельство в определенной степени ограничивает применимость полученных ДФ, так как более активные соединения, имеющие малые значения параметра MV, должны быть в тоже время и более токсичными, как это следует из уравнения (3.1.7).
Фосфорорганические соединения
Фосфорорганические соединения (ФОС) обладают разнообразной биологической активностью и находят применение в медицине [35]. Хорошо известно также их токсическое и антихолинэстеразное действие [21,36,57,80]. Поэтому ФОС различной структуры широко используются в сельском хозяйстве в качестве инсектицидов, пестицидов, фунгицидов и регуляторов роста растений, а также были взяты на вооружение в качестве боевых отравляющих веществ (табун, зарин, зоман).
Химическое строение большинства ФОС может быть выражено общей схематической формулой XYZP=0(S). Фосфорорганические соединения относятся к веществам с очень высокой реакционной способностью и легко вовлекаются в различные метаболические превращения. Как и в случае га-логенэтиленов, нами на примере простых фосфорсодержащих соединений проанализированы возможности полуэмпирических методов типа CNDO/2 для исследования реакционной способности и направленности возможных химических превращений.
Методом ССП МО ЛКАО в валентном приближении CNDO/2 в стандартной параметризации с учетом и без учета af-орбиталей атома фосфора проведен расчет шести молекул четырехкоординационного фосфора с использованием экспериментальной геометрии молекул: POHF2, РО(СНз)з, РО(ОН)(СН3)2, PO(NH2)3, РОрз и РО(ОН)3. Проведен также расчет пяти молекул пятикоординационного фосфора (фторфосфоранов) , имеющих три 136 гонально-бипирамидальную структуру: HPF4, CH3PF4, (CH3)2PF3, PF5, (CH3)3PF2. Использовали реальную геометрию молекул с учетом отклонения в некоторых случаях угла FjPFa от 90 (F3 означает экваториальный, а Fa - аксиальный атом фтора в тригональной бипирамиде). В табл. 6 и 7 приведены рассчитанные заряды атомов и энергии граничных молекулярных орбиталей. Во всех рассмотренных молекулах наибольшим положительным зарядом обладает атом фосфора, т.е. в соответствии с экспериментом атака нуклеофильного реагента идет на атом фосфора. Атака электрофильного реагента должна идти на фосфорильный атом кислорода, обладающий наибольшим отрицательным зарядом. То же самое справедливо и для молекул, имеющих, кроме того, гидроксильные атомы кислорода, что полностью согласуется с экспериментом. Действительно, при экстракции катионов тяжелых металлов фосфорильными соединениями основное взаимодействие происходит через фосфорильный, а не эфирный атом кислорода, что доказано уменьшением частоты валентных колебаний связи Р=0 в комплексе по сравнению с исходным соединением при практической неизменности частоты P-OR. Уменьшение экстракционной способности в ряду R3PO R2(OR )PO (OR)3PO можно объяснить уменьшением энергии высшей заполненной МО и соответствующим уменьшением донорной способности этих соеди 137 нений (поскольку экстракционная способность молекул ФОС определяется их донорными свойствами). Относительно высокие скорости щелочного гидролиза фторидов четы рехкоординационного фосфора по сравнению с другими фосфорильными молекулами могут быть, по-видимому, объяснены относительно низким значением энергии низшей вакантной молекулярной орбитали ELUMo- В то же время высокие значения Ешмо соединений со связями P-N и Р-С (табл.6 ) могут быть одной из причин того, что щелочной гидролиз с разрывом этих связей осуществить не удается. В случае фторфосфоранов экспериментально наблюдаемое увеличение скоростей щелочного гидролиза в ряду F2PR3 F3PR2 F4PR, вероятно, также связано с увеличением положительного заряда на атоме фосфора и уменьшением энергии низшей вакантной молекулярной орбитали в этом ряду (табл. 7), что облегчает перенос электронов от молекулы нуклеофила (в частности, гидроксила) к молекуле фторфосфорана. Относительная легкость разрыва связей P-F (причем в первую очередь аксиальных) может быть объяснена большей подвижностью атомов фтора за счет ионного характера связи, как это следует из соответствующих значений зарядов (табл.7 ).
Таким образом, квантовохимические расчеты простых фосфорсодержащих соединений полуэмпирическим методом CNDO/2 позволили объяснить отдельные детали механизма некоторых реакций этих соединений и изменение их реакционной способности.
Дипольные моменты фтор- и фосфорсодержащих соединений. Полярность молекул является немаловажным фактором при взаимодействии с различными биополимерами. Поэтому дипольный момент ц может быть использован в качестве молекулярного дескриптора при поиске взаимосвязей между структурой и биологической активностью. Значения \х можно попытаться определить с помощью квантовохимических расчетов, поскольку экспериментальные методы определения дипольных моментов весьма трудоемки. В табл. 8 приведены вычисленные нами методом CNDO/2 дипольные моменты некоторых фтор- и фосфорсодержащих соединений. Все расчеты проведены с учетом -орбиталей атомов фосфора и хлора. В целом наблюдается неплохое согласие с опытными данными. Для части молекул дипольные моменты были вычислены также методом INDO. Метод INDO дает в общем худшие результаты по сравнению с методом CNDO/2 .
Компьютерное распознавание вида психотропной активности соединений на основании физико-химических, подструктурных, топологических и информационно-структурных характеристик молекул
При организации массового скрининга соединений с психотропным действием, неизбежно ориентируемого на максимально простые тест-системы, даже описанный выше частично автоматизированный подход может оказаться сравнительно трудоемким, так как требует на стадии первичных фармакологических испытаний значительного количества экспериментальных животных и испытываемых соединений. Поэтому встает вопрос о поиске и использовании эмпирических зависимостей, связывающих те или иные молекулярные дескрипторы соединений с проявляемой этими соединениями психотропной активностью.
Для некоторых отдельных видов психотропной активности внутри химически родственных классов соединений выявлены корреляции между электронными, стереохимическими, топологическими, топографическими, некоторыми физико-химическими характеристиками соединений и степенью выраженности соответствующего психотропного действия [10,24,113,227, 282,286,339,340,373,498,583]. Успешными были также попытки различить транквилизаторы и седативные средства с помощью различных вариантов теории распознавания образов на основе экспериментальных или теорети 160 ческих характеристик соединений [20,182,566]. Проблема одновременного распознавания 5 видов психотропной активности на основе только расчетных молекулярных характеристик является несравненно более сложной задачей ввиду многообразия химических структур и механизмов действия психотропных соединений.
Методом линейного дискриминантного анализа (ЛДА) нами проведено систематическое изучение информативности молекулярных дескрипторов различных типов при распознавании вида психотропной активности и поиск дескрипторов, наиболее адекватно описывающих особенности молекулярной структуры психотропных соединений. Обучающая выборка была составлена из 116 применяемых в клинической практике препаратов, распределенных по группам следующим образом (табл. 15): снотворные препараты - 19 соединений, транквилизаторы — 21, нейролептики - 36, антидепрессанты - 18, психостимуляторы - 22 соединения.
Для всех указанных соединений были вычислены и исследованы следующие массивы молекулярных дескрипторов (см. раздел 2.6):
A) подструктурные дескрипторы (58 параметров); Б) топологические индексы (60 параметров);
B) набор числа вершин разных классов в мультиграфе (70 параметров);
Г) параметры, учитывающие степень цикличности и количество внутримолекулярных невалентных взаимодействий (40 параметров); Д) информационно-структурные индексы (34 параметра).
В массив подструктурных дескрипторов (А) были включены также такие аддитивные характеристики как молекулярная масса (ММ), молекулярная рефракция (MR)y ван-дер-ваальсов объем (Vw)9 вычисленные суммированием соответствующих инкрементов, и отношение MM/VW.
При расчете дескрипторов массива В молекула каждого соединения рассматривалась как мультиграф, т.е. граф, содержащий кратные ребра. Кроме того, учитывались атомы водорода. В мультиграфе выделяли подграфы, образованные каждой вершиной и связанными с ней другими вершинами, расположенными на расстоянии в 1 связь. Каждому і-му подграфу была приписана координата [CtV(t); CiV(l); ...C„V(n)], где V(t) - валентность (связность) связанного с мл атомом ґ-го атома, равная сумме исходящих из /-го атома связей с учетом их кратности; Ct - кратность связи между между атомами і и г. Далее все вершины были были распределены по классам, так что вершины с одинаковой координатой оказались в одном классе. В качестве дескрипторов использовали величины N[C(V(t); CiV(l); ...CnV(n)J, обозначающие число вершин определенного класса в молекуле. При анализе указанной обучающей выборки было выделено 70 типов вершин.
Массив Г содержал дескрипторы двух типов: 1) описывающие особым способом степень цикличности соединений; 2) обозначающие число внутримолекулярных невалентных взаимодействий, определяющих равновесную конформацию молекулы. Дескрипторы первого типа отражают специфическим образом наличие циклов в молекуле и их взаимное расположение. Для расчета таких дескрипторов были выявлены все содержащиеся в молекуле циклы, включая максимально возможные. Тогда С(0) обозначает число связей в молекуле (число ребер в молекулярном графе), не входящих ни в один цикл, С(1) - число связей, входящих только в 1 цикл, С(2) - число связей, входящих одновременно в два цикла, и т.д. Для рассматриваемой выборки было выявлено 10 типов C(i). Дескрипторы второго типа характеризуют некоторым образом конформационную подвижность молекул и в неявной форме частично отражают особенности пространственной структуры. Для расчета этих дескрипторов, обозначаемых N(X...Y)y подсчитывали число соответствующих внутримолекулярных атом-атомных пар X.. К (например, С...С, C...N и т.д.), расстояние между которыми изменяется при вращении фрагментов молекул вокруг простых связей в предположении о сохраняющейся жесткости фрагментов и возможности свободного вращения вокруг всех имеющихся простых связей, не входящих в циклы. Для исследуемой обучающей выборки были выделены 30 различных дескрипторов N(X...Y).
Похожие диссертации на Исследование внеэкспериментальных подходов к оптимизации химических структур для создания новых лекарственных средств
