0引言新烟碱类杀虫剂作为烟碱乙酰胆碱受体(nicotinic acetylcholine receptors，nAChR)激动剂，是一类具有新型杂环化学结构的高效杀虫剂，对昆虫神经系统的nAChR选择性作用较强.它不仅对昆虫nAChR显示了高亲和性，而且还具有特殊的物理化学特性，例如：非电离性和中等的水溶性等. 由于它具有独特的杀虫机理及高效低毒的特点，其迅速成为新农药研发的一个重要领域［17］. 目前新烟碱类杀虫剂已经商品化的品种有7个，第一代是以吡虫啉为代表的氯代吡啶烟碱类，该类杀虫剂还有烯啶虫胺、噻虫啉、啶虫脒等，第二代新烟碱是在第一代结构的基础上衍生出的氯代噻唑烟碱类，如：噻虫嗪、噻虫胺等，该类的杀虫活性与吡虫啉相当，但对水生生物更加安全，综合第一代及第二代新烟碱类杀虫剂的结构特征，开发出杂环改变较大的呋喃烟碱类呋虫胺，其安全性更高. 基于新烟碱类杀虫剂的研究仍具有很大的潜力.Kagabu研究小组针对美国蜚蠊（Periplaneta americana）nAChR，选用一系列具有一定多样性及相似性的新烟碱类及相关化合物进行了结构与活性研究，发现该类化合物对美国蜚蠊的神经阻断活性与杀虫活性成正相关［8］. 本研究基于新烟碱类化合物对美国蜚蠊神经阻断活性进行了CoMFA和CoMSIA研究，化合物的结构及生物活性数据均来源于Kagabu实验室［811］，实验数据具有可比性.本实验通过三维定量构效关系分析，比较配体受体之间相互作用的场信息，为设计高活性化合物提供理论依据.
1实验部分本研究选用54个新烟碱类及相关化合物进行了三维定量构效关系研究，其计算工作均在基于Linux平台的sybyl 7.0软件(Tripos Inc.)上完成.计算中除特别指出外，所选用的参数均为默认值. 选用log(1/BC)（Neuroblocking potency，神经阻断活性）作为其活性数据指标，将文献中的活性数据单位nM转换为M，再将其转化为-lgBC进行CoMFA和CoMSIA研究.
1.1分子的选取及活性构象的确定本研究所选取54个分子均为氯代吡啶烟碱类和氯代噻唑烟碱类化合物，化合物具有一定相似性，其右半部分杂环结构具有一定的多样性，包括开环及闭环，闭环部分含有五元或六元杂环，其中1~25为吡虫啉类似物，26~38为噻虫嗪类似物，39~41为噻虫胺类似物，42~54为啶虫脒类似物，所选分子结构如图1所示.分子活性构象一般采用配体分子的最低能量构象来表示其药效构象［1213］.作者用sybyl 7.0软件中的Minimize模块，将分子能量进行局部最小化，然后使用powell能量梯度法，加载GasteigerHückel电荷，能量收敛限定为2.09 kJ/(mol·nm)，最后利用Random Search 模块对分子进行构象搜索，找到分子的最低能量构象.图1所选化合物的结构式
Fig.1Structures of selected compounds第12期陈向阳，等：新烟碱类结构与活性的CoMFA及CoMSIA研究
武汉工程大学学报第31卷
1.2分子叠合化合物的叠合是一个模拟作用位点的过程，一般是根据药效团中的原子对或功能基对进行叠加［14］. 叠合方式的变化以及分子柔性的改变都会对叠合结果产生较大的影响，因此能够成功应用CoMFA和CoMSIA方法的分子大多具有相同的基本骨架，或药效团已经确定了的体系. 由于所涉及的化合物分子中所含疏水基团、负电性原子或基团、空间位阻、扭转张力等影响因素较多，基于配体分子结构的相似性考虑，笔者选用了分子骨架叠合（Fit Atom），对所选定的烟碱乙酰胆碱受体激动剂分子进行CoMFA和CoMSIA研究.选用化合物中活性最高的分子42 (图2)为模板分子，其公共骨架为1位氮原子，6，5，7位碳原子及8位氮原子. 图2模板分子42的分子结构
Fig.2Structure of the template compound
1.3CoMFA研究CoMFA方法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［1314］. CoMFA方法中的分子场是指立体场和静电场，以sp3杂化的C+作为探针离子，网格自动生成，立体和静电作用能的阈值（cut off）均设置为30 kJ/mol，为减少回归计算的噪音，设置柱滤值（column filtering）为2.0 kJ/mol. 进行偏最小二乘法（partial least squares，PLS）回归分析，用抽一法（leaveoneout）进行交叉验证(validation)，最后进行非交叉验证（nonvalidation），计算出交叉验证及非交叉验证的相关系数q2和r2值.
1.4CoMSIA研究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LennardJones和Coul势能函数计算空间场能和静电场能，但是，许多分子表面的网格点由于范德华斥力迅速增大而被忽略，而CoMSIA 方法分析引入基于距离计算的Gaussian型函数，可避免分子表面附近格点处势能的急剧变化，因此CoMSIA方法可以克服CoMFA方法的一些内在缺陷，可以获得比CoMFA方法更稳定的3DQSAR模型［1517］. 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、氢键给体场及氢键受体场信息.
2结果与讨论
2.1CoMFA结果CoMFA共选用了54个分子，其中训练集49个分子，预测集5个分子.预测集分子具有一定的代表性，化合物活性实测值与预测值结果如表1所示.表1化合物活性实测值与预测值结果
Table 1Results of actual and predicted values
编号实测值CoMFACoMSIA预测值残差预测值残差15.805.450.355.93-0.1325.725.84-0.125.74-0.0233.853.710.143.96-0.1143.853.620.233.91-0.0654.003.990.014.10-0.1065.705.72-0.025.310.3975.995.740.255.330.6685.615.340.275.440.1795.515.320.195.450.06105.305.43-0.135.56-0.26114.985.11-0.134.950.03124.664.73-0.074.96-0.30134.564.460.104.520.04144.464.410.054.86-0.40154.584.530.054.450.13163.593.76-0.173.65-0.06175.255.27-0.025.26-0.01184.664.88-0.225.15-0.49194.514.63-0.124.54-0.03203.793.88-0.093.80-0.01214.464.320.144.80-0.34224.434.320.114.52-0.09续表
编号实测值CoMFACoMSIA预测值残差预测值残差233.924.01-0.094.02-0.10244.594.72-0.134.450.1425*3.605.40-1.804.56-0.96265.225.200.025.150.07274.494.55-0.064.330.16284.704.74-0.044.71-0.01294.644.620.024.640.00304.094.25-0.164.13-0.04313.743.87-0.133.740.00323.804.12-0.324.23-0.4333*3.204.25-1.054.50-1.30345.195.090.105.180.01354.804.83-0.034.89-0.09364.774.430.344.320.45374.083.930.154.10-0.02385.355.50-0.155.40-0.0539*3.175.18-2.015.44-2.27405.005.14-0.145.02-0.0241*5.075.15-0.083.851.22426.196.22-0.036.000.19433.703.72-0.023.96-0.2644*5.874.311.563.642.23455.144.930.214.910.23464.474.52-0.054.460.01475.465.420.045.75-0.29484.484.66-0.184.85-0.37495.014.810.204.850.16504.464.52-0.064.330.13515.235.26-0.035.010.22523.783.640.143.450.33533.443.56-0.123.270.17545.645.91-0.275.320.32注：*测试集化合物.通过fit atom 叠合，得到的CoMFA模型其交叉验证相关系数q2值为0.563，非交叉验证相关系数r2值为0.950，说明所建模型具有较好的预报能力的拟和能力.另外，从表中立体场值（0.594）和静电场值（0.406）对模型的贡献值可知立体场的影响略高于静电场的影响，CoMFA结果如表2所示.表2CoMFA结果
Table 2Results of CoMFA
方法Nq2nr2sFS.E.Fit Atom490.56360.9500.167133.5520.5940.406注：N—训练集化合物的个数； q2—交叉验证相关系数； n—最佳组分数； r2—非交叉验证相关系数； s—标准差； F—F-检验值； S.—立体场贡献； E.—静电场贡献.图3a，3b分别给出了由CoMFA和CoMSIA模型得出的预测值与实测值的相关关系，从图中也可以看出分子的预测值和实测值的拟合较好. 图中横坐标代表实测值，纵坐标代表预测值，所有数据如表1所示.a.CoMFA模型实测值与预测值的相关性b.CoMSIA模型实测值与预测值的相关性
图3预测值与实测值的相关关系
Fig.3Plot of predicted versus actual pIC50 values以下CoMFA模型图分别为化合物Fit Atom叠合的立体场（图4a）和静电场等势图（图4b），绿色区域表示增加基团的体积有利于提高分子活性，黄色区域表示减小基团的体积有利于提高分子活性，红色区域表示增加负电荷基团有利于提高分子活性，蓝色区域表示增加正电荷基团有利于提高分子活性.图中加入的化合物为模板分子42.a.CoMFA立体等势图b.CoMFA静电等势图
图4CoMFA等势图
Fig.4Contour maps of CoMFA以42作为参考分子，分子结构中各原子的位置如图2.从图4a中可知，参考分子中吡啶环的2，3位上覆盖有较大绿色区域，说明该区域增加基团的体积有利于化合物活性的提高，2，3位吡啶环上有适当取代基的化合物活性明显较高，但随着吡啶环3位取代基团体积增加，超过了受体的容纳范围，其活性明显降低，如化合物活性排列为18>19>20.模板分子10位的氰基周围覆盖大面积绿色区域，说明增加10位上取代基的体积，可以提高化合物活性. 模板分子7位上方的黄色区域说明减少该位的体积，可提高化合物活性. 模板分子9位相连的甲基上方也覆盖一块黄色区域，说明该位不宜存在较大体积的取代基，如化合物52，53活性明显降低. 图4b所表示的是静电场等势图，参考分子 1位上覆盖红色区域，说明该位上存在负电性较强的原子，可以提高化合物活性，该位上的负电性原子是决定该类化合物活性的重要因素之一，已商品化的第一代及第二代新烟碱类杀虫剂，该位均为负电性较强的氮原子，近年商品化的第三代杀虫剂呋虫胺该位为氧原子，也具有较高的杀虫活性. 吡啶环3位上交盖的蓝色区域说明提高该位碳原子的正电性有利于提高化合物活性，该位碳原子上的取代基分别为氟、氯、溴、碘原子，其化合物活性为7>8>9>10充分说明这一点.4位上覆盖较大面积红色区域，说明增加该位负电性可提高化合物的活性，目前吡啶环4位取代的研究还未见报道.参考分子10位的氮原子上交盖大面积的蓝色，说明增加该位的正电性有利于化合物活性提高，因此，与10位上的氮原子连接强的吸电子集团对该类化合物的活性起非常重要的作用，所选化合物大部分其10位氮原子上均连有强吸电子基团，如硝基或氰基.
2.2CoMSIA结果为使CoMSIA与CoMFA结果具有可比性，选择的分子总数、训练集及预测集均相同.CoMSIA涉及配体与受体的相互作用场为：静电场、立体场、疏水场、氢键给体及氢键受体作用，在考虑五种场综合作用及分别忽略立体场或静电场作用的CoMSIA结果如下表3. 三组模型的q2 和r2值均较高，说明这三组模型均具有较高的预测能力及拟合能力. 对比场组合1和2的结果，可知在不考虑立体场的情况下，各场的贡献值变化如下：静电场0.205→0.240；疏水场0.254→0.299；氢键给体场0.179→0.227；氢键受体场0.199→0.234，立体场的贡献平均增加到其余四个场，每个场的增加值均约为0.04.然而，对比场组合1和3的结果，去掉静电场后，各场的贡献值变化如下：立体场0.163→0.204；疏水场0.254→0.322；氢键给体场0.179→0.218；氢键受体场0.199→0.256，静电场的贡献分配并不均等. 然而考虑到疏水、氢键给体、氢键受体的效应中会包含立体效应的影响因素，因此立体效应的影响相对较小.如表3所示，选用q2 和r2最高的场组合1进行结果分析，预测值如表1所示，所得模型的预测值与实测值的相关性较好（图3b）. 各分子场的贡献为：立体场(0.163)，静电场(0.205)，疏水场(0.254)，氢键给体场(0.179)，氢键受体场(0.199).表3CoMSIA结果
Table 3Results of CoMSIA
编号场q2Nr2S.E.H.D.A.1S+E+H+D+A0.657120.9730.1630.2050.2540.1790.1992E+H+D+A0.56180.892―0.2400.2990.2270.2343S+H+D+A0.573120.9720.204―0.3220.2180.256注：q2—交叉验证相关系数； n—最佳组分数； r2—非交叉验证相关系数； S.—立体场贡献值； E.—静电场贡献值； H.—疏水场贡献值； D.—氢键给体场贡献值； A.—氢键受体场贡献值.疏水场的贡献高于其它场的贡献，说明疏水效应对模型的影响相对较大.针对五个场的特征，以化合物42为参考分子，其CoMSIA等势图如图5所示.图5为CoMSIA等势图，加入的化合物为模板分子42.图5a和5b中绿色区域表示增加基团的体积有利于提高分子活性，黄色区域表示减小基团的体积有利于提高分子活性，红色区域表示增加负电荷基团有利于提高分子活性，蓝色区域表示增加正电荷基团有利于提高分子活性.图5c中黄色区域表示疏水集团有利于化合物活性的提高，白色区域相反.图5d和5e中紫色区域表示氢键给体不利于化合物的活性提高，青色区域相反，洋红色区域表示氢键受体原子有利于化合物活性提高，红色区域相反.从图5a立体场等势图可以看出，参考分子周围的两块黄色区域被大块的绿色区域覆盖，反映了立体场对分子活性影响在CoMSIA模型中没有明确的信息.在静电场等势图5b中，参考分子1位上覆盖红色区域，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.
a.CoMSIA立体场等势图b.CoMSIA静电场等势图c.CoMSIA疏水场等势图d.CoMSIA氢键给体场等势图e.CoMSIA氢键受体场等势图
图5CoMSIA等势图
Fig.5Contour maps of CoMSIA图5c表示疏水场的影响，3、4位上存在黄色区域覆盖，说明该处的疏水基团有利于提高化合物活性；8位的氮原子上存在白色区域覆盖，故此处不宜疏水基团存在.图5d为氢键给体场等势图，9位上的青色区域说明此处存在氢键给体基团活性较高；11位的紫色区域说明此处不宜连接氢键给体基团.图5e为氢键受体场等势图，1位的洋红色区域表明此处存在氢键受体原子活性较高，1位的氮原子充分说明是决定该类化合物高活性的重要因素；9位上方的红色区域说明该处不宜存在氢键受体原子，12位上覆盖较大洋红色区域，说明该处存在氢键受体基团活性较高.结合模板分子42的结构可以看出，吡啶环4位引入疏水基团及9位碳原子上引入氢键给体，均可进一步提高活性.3结语应用CoMFA和CoMSIA方法分别对一系列具有一定结构多样性及相似性的烟碱乙酰胆碱受体激动剂进行了结构与活性的研究，均得到了较高的q2和r2值，表明这两组模型均表现出较高的预报及拟和能力. CoMFA及CoMSIA模型得到的结论一致，但CoMSIA模型得到的结论更有参考价值，特别是针对配体-受体作用的五大场信息给出了满足高活性化合物的基本因素，其中静电场和疏水场影响较大，立体场影响较小.从CoMSIA模型可以看出，配体分子中至少存在一个氢键受体原子，一个氢键给体及一个疏水基团才具备高生物活性的特征.利用CoMFA及CoMSIA模型所给出的信息，为设计、合成高活性的烟碱乙酰胆碱受体激动剂提供了理论依据.