基于遺傳算法DYRK1A抑制劑的定量構效關系研究

畢夢舟 張娜

(北京工業大學環境與生命學部 北京 100124)

阿爾茨海默病（Alzheimer's Disease，AD），也稱作老年癡呆癥，是一種漸進且不可逆轉神經退行性疾病，主要癥狀為記憶和認知功能障礙及生活自理能力喪失，成為嚴重危害中老年人生命健康的頭號公敵。因此，抗AD藥物研發成為腦醫藥領域的刻不容緩的研究課題[1-2]。雙特異性酪氨酸磷酸化調節激酶1A（Dual-Specificity Tyrosine Phosphorylation Regulated Kinase 1A，DYRK1A）因磷酸化多種蛋白底物而參與神經系統的發育過程，已成為重要的抗老年癡呆的治療靶點[3]。然而，目前尚無相關治療藥物上市。因此，靶向DYRK1A 的抗神經退行性疾病藥物的研發，具有重要的學術意義和潛在的臨床應用價值。

迄今為止，已報道的DYRK1A 的ATP 競爭性抑制劑多為芳香雜環類化合物，如噻唑類、吲哚類、吡啶類、嘧啶類等[4-5]。但多數抑制劑存在選擇性較差、毒副作用大及成藥性低等其他缺陷，阻礙其進一步成為候選藥物，因此，兼具高活性及優類藥性的新型DYRK1A抑制劑具有重要的臨床應用價值及良好的應用前景。目前，關于DYRK1A 抑制劑研究主要集中在新型化合物的優化及篩選方面，而相關的構效關系研究較少，進而影響抑制活性的結構因素也尚不明確，導致新型抑制劑優化中存在一定的盲目性和隨機性。

定量結構-活性關系（Quantitative Structure-Activity Relationships，QSAR）模型是將化合物的結構與其生物活性定量相關聯的方法，識別與性質密切相關的結構特征，在現代創新藥物研發領域發揮重要的作用[6-7]。然而，目前DYRK1A抑制劑的構效關系研究局限于單一骨架的某類化合物，所構建的模型僅識別出某類活性基團且適用范圍有限[8]。因此，構建基于多分子骨架抑制劑的構效關系模型，識別多樣性的藥效分子描述符，可為新型優化提供結構素材及理論指導，具有重要的學術意義。

該文綜合考慮化合物骨架多樣性及其抑制活性的廣度，選取了文獻報道的117 個DYRK1A 雜環類抑制劑，運用遺傳算法與多元線性回歸法相結合的方法，構建基于分子描述符的QSAR 模型，揭示影響化合物抑制活性的結構特征，為新型DYRK1A 抑制劑的發現提供了重要的理論支持。

1 研究方法

1.1 化合物數據集及分子描述符計算

從文獻中收集的117 個雜環化合物，包括苯并噻唑類，6-氮雜吲哚類及苯并吡咯類，其pIC50值（pIC50=logIC50）作為模型構建的因變量。數據集的pIC50值范圍為4.444～8.523，表明數據集化合物的生物活性值分布較為廣泛且范圍合理。并將該數據集以3∶1的比例分為訓練集（89）和測試集（28），分別用于模型構建及性能預測。運用DRAGON 7.0[9]軟件計算所有化合物分子描述符，去除具有高度自相關，最終得到634個分子描述符作為QSAR模型的自變量。

1.2 QSAR模型建立

基于上述篩選所得分子描述符，采用軟件QSARINs 2.2.2[10]中GA 與MLR 相結合方法，自動挑選變量個數及最佳變量并進行多元線性回歸，建立QSAR 模型，其中種群大小、突變率、遺傳數分別設置為200、20、2 000，并針對模型進行基于QUIK準則和多標準決策的篩選及排序。

1.3 最優QSAR模型驗證

采用內部驗證和外部驗證方法分別對模型的穩健性及預測能力進行評價。其中，內部驗證采用留一法交叉驗證方法，外部驗證則是基于模型對外部測試集的預測值與實驗值比較。以交叉驗證系數Q2和相關系數R2作為評價標準，當兩者均大于0.5時，說明模型具有良好的穩健性和預測能力。

1.4 2.5模型適用域

在OECD 準則[11]的指導下，針對研究所建立的QSAR 預測模型需要存在一個具有明顯意義的適用域（Applicability Domain，AD）來度量模型預測值是否在AD的范圍內，這也是驗證QSAR預測模型是否可靠的重要標準之一。在初始化合物變量環境里，利用杠桿值和標準化模型確定AD 值。化合物的杠桿距離被描述為帽值（hat values，h），警示杠桿值h*是衡量QSAR預測模型準確性的重要參數。當h＜h*時，可認為數據集化合物在正常范圍內；當h＞h*時，則認為有個別數據集化合物被判定為異常值。標準殘差值也是判定效應離散區間的重要參數，一般情況下標準殘差的邊界數值是±3。當數據集化合物的標準殘差值在-3 到3 之間時，可被認定為正常值。

2 結果與討論

2.1 最優QSAR模型選擇與驗證

運用GA 與MLR 相結合的方法產生了100 個QSAR模型，并基于QUIK準則和MCDM進行自相關性模型的剔除及打分排序，最終獲得含4 個分子描述符的QSAR模型。由表1可知，影響芳香雜環類抑制劑活性的結構因素包括矩陣描述符SpAD_B(m)，自相關描述符GATS5m，功能組計數描述符nCb-和原子對描述符B02[C-O]。該研究中最優模型的訓練集化合物數量與分子描述符數量的比例約為22，符合訓練集化合物的數量與QSAR模型所用分子描述符數量的比例應大于等于5這一規則。同時，這4個描述符中的任意兩個描述符的相關性均小于0.7，表明這些描述符相互獨立，多重共線性的問題并不顯著。

表1 最優QSAR 模型的分子描述符、相關系數及其化學意義

內部和外部驗證的統計學參數Q2和R2均大于0.5，說明最優模型具有較高的可靠性和預測能力。基于模型的活性預測值和實驗值的散點圖，實驗值與預測值均勻分布在擬合線附近且無明顯偏差，說明所建立的最優QSAR 模型具有良好的穩定性和預測性，見圖1（a）。

圖1 最優模型預測能力評價及適用域分析圖

圖2 與分子描述符相關的DYRK1A抑制劑

2.2 模型適用域及異常值分析

圖1（b）所示為最優模型適用域結果，該模型的預測活性標準化殘差在-3 到3 之間。由圖可知，無論是訓練集還是測試集化合物都不存在效應異常值，均在AD 范圍內。值得注意的是，訓練集化合物（114）的帽值大于杠桿閾值（h*=0.169），說明此數據點為結構異常值。從結構上看，可能因其4 號位為氫原子而其他相同公共骨架化合物的4號位為芳香環而導致結構上出現差異，但其誤差僅為-0.191 5，說明此模型具有較為可靠的預測能力。

2.3 最優QSAR模型分析

由表1 可知，SpAD_B(m)是基于Burden 矩陣絕對偏差值的分子量加權，與抑制活性正相關，此值的增加則會提高化合物的抑制活性。GATS5m表示基于拓撲距離為5的Geary自相關的分子量加權，與抑制活性呈負相關。nCb-描述符是指苯環（sp2雜化狀態）上取代基的數目，與抑制活性呈負相關，即化合物中苯環上取代基越多，其DYRK1A 抑制活性越弱。如不含苯環的化合物24（IC50=0.093 8 μm），其抑制活性優于含有取代苯的化合物33（IC50=3.86 μm）。負相關系數B02[CO]則表示拓撲距離小于2 的C-O 鍵的存在與否，即化合物中存在拓撲距離小于2 的C-O 鍵，則其DYRK1A抑制活性越小。例如：不含C-O鍵的化合物105（IC50=0.01 μm），其抑制活性是含有C-O 鍵的化合物108（IC50=0.233 μm）的23倍。故綜上可知，以上4個描述符被識別為影響化合物DYRK1A抑制活性的關鍵因素。

3 結語

該研究運用遺傳算法（GA）和多元線性回歸（MLR）相結合的方法，構建了具有較高可靠性和預測能力的DYRK1A 雜環類抑制劑QSAR 模型，且識別出了與抑制活性相關的藥效分子描述符，為新型DYRK1A抑制劑的優化提供了結構素材及理論指導。