基于數(shù)據(jù)挖掘的二氫查爾酮衍生物降血糖構(gòu)效關(guān)系研究

呂蔚

上海市塑料研究所有限公司（上海 201700）

目前新藥發(fā)現(xiàn)的流程為：藥物作用靶點(diǎn)確定—先導(dǎo)化合物確定—構(gòu)效關(guān)系研究與活性化合物篩選—候選藥物選定。其中構(gòu)效關(guān)系研究與活性化合物篩選往往需要投入巨額的資金且耗時(shí)往往數(shù)十年。為加快研究進(jìn)展，國(guó)際醫(yī)藥巨頭紛紛引入了虛擬藥物篩選技術(shù)。虛擬藥物篩選是在計(jì)算機(jī)上模擬藥物構(gòu)效關(guān)系，對(duì)化合物可能的生理活性作出預(yù)測(cè)，并據(jù)此對(duì)系列化合物進(jìn)行有針對(duì)性的試驗(yàn)篩選，可以有效地縮短藥物開(kāi)發(fā)時(shí)間、降低開(kāi)發(fā)成本。

糖尿病作為一種高發(fā)疾病，主要由于患者體內(nèi)胰島素缺乏或拮抗胰島素的激素增加，或胰島素在靶細(xì)胞內(nèi)不能正常發(fā)揮生理作用，從而引起機(jī)體的葡萄糖、蛋白質(zhì)及脂質(zhì)代謝紊亂。二氫查爾酮類(lèi)化合物被發(fā)現(xiàn)具有較好的胰島素促泌作用，是一種很有發(fā)展前景的降血糖藥物前驅(qū)體。對(duì)不同取代基的二氫查爾酮系列化合物開(kāi)展虛擬藥物篩選，對(duì)于開(kāi)發(fā)活性功能更強(qiáng)、療效更顯著的糖尿病藥物[1-8]具有重要意義。

本研究基于數(shù)據(jù)挖掘方法，通過(guò)對(duì)系列二氫查爾酮類(lèi)[9-11]化合物的促胰島素分泌和降血糖功效數(shù)據(jù)進(jìn)行篩選，建立構(gòu)效關(guān)系的預(yù)報(bào)模型，以達(dá)到提高藥物開(kāi)發(fā)效率的目的。

1 二氫查爾酮類(lèi)化合物的胰島素促泌功能

二氫查爾酮類(lèi)化合物的基本結(jié)構(gòu)如圖1所示，其A，B環(huán)上的羥基與甲氧基的位置、個(gè)數(shù)、分子的對(duì)稱(chēng)性、空間位阻、內(nèi)氫鍵等參數(shù)直接影響化合物促胰島素分泌的強(qiáng)弱。

圖1 二氫查爾酮類(lèi)化合物的基本結(jié)構(gòu)

在本研究中，以前期合成的38個(gè)二氫查爾酮類(lèi)化合物的物理化學(xué)參數(shù)作為分子描述符，對(duì)照其胰島細(xì)胞胰島素促泌性能進(jìn)行構(gòu)效關(guān)系研究[12-13]。采用數(shù)據(jù)挖掘中基于最大相關(guān)性和最小冗余性的CFS（基于相關(guān)性的特征選擇算法）[14-15]進(jìn)行變量的篩選；用SVM（支持向量機(jī)）回歸算法[16-18]進(jìn)行建模，并用留一法驗(yàn)證模型的性能。

2 軟件和方法

2.1 計(jì)算軟件及算法

采用ChemOffice7.5軟件來(lái)繪制38個(gè)二氫查爾酮類(lèi)化合物的分子結(jié)構(gòu)，使用MODEL軟件計(jì)算其物理化學(xué)分子描述符作為變量，選用Weka軟件進(jìn)行變量篩選，最后利用上海大學(xué)在線數(shù)據(jù)挖掘平臺(tái)OCPMDM的SVM回歸功能，建立并優(yōu)化二氫查爾酮衍生物降血糖構(gòu)效關(guān)系模型。

2.2 數(shù)據(jù)集

將38個(gè)二氫查爾酮類(lèi)化合物隨機(jī)分為A，B兩組，A組19個(gè)化合物的胰島素分泌量為訓(xùn)練集樣本，見(jiàn)表1；B組19個(gè)化合物為測(cè)試集樣本，見(jiàn)表2。化合物的活性胰島細(xì)胞胰島素分泌量數(shù)據(jù)由上海大學(xué)生命學(xué)院提供。

表1 A組19個(gè)二氫查爾酮化合物名稱(chēng)、結(jié)構(gòu)式及胰島素分泌量訓(xùn)練集樣本

2.3 分子描述符的篩選

本研究采用新加坡國(guó)立大學(xué)的MODEL軟件，計(jì)算了表1和表2中所有分子的3大類(lèi)45種分子描述符。所計(jì)算的分子描述符主要為電負(fù)性參數(shù)、立體參數(shù)和熱力學(xué)參數(shù)，具體見(jiàn)表3。

表2 B組19個(gè)二氫查爾酮化合物的名稱(chēng)、結(jié)構(gòu)式及胰島素分泌量測(cè)試集樣本

表3 分子描述符的類(lèi)別與名稱(chēng)

隨后基于CFS算法進(jìn)行了上述分子描述符的篩選，挑選出了4個(gè)特征參數(shù)，它們分別為電負(fù)性參數(shù)中的電子能量（Electronic energy）、立體參數(shù)中的疏水性（logP）、摩爾折射率（MR）以及熱力學(xué)參數(shù)中的分子直徑（Diameter），并以此為基礎(chǔ)建立SVR預(yù)測(cè)模型。

2.4 SVR模型的建立

為獲得最佳的模型泛化能力，需要對(duì)SVR模型的函數(shù)進(jìn)行選擇、參數(shù)進(jìn)行優(yōu)化。

圖2至圖4分別給出了線性核函數(shù)、多項(xiàng)式核函數(shù)以及徑向基核函數(shù)的優(yōu)化過(guò)程隨著參數(shù)容忍因子C（C=1～100，step=1）和不敏感損失函數(shù)ε（ε=0.005～0.500，step=0.005）采 用 留 一 法 交 叉 驗(yàn) 證（LOOCV）時(shí)的均方根誤差（RMSE）變化情況。從圖可以看出，3個(gè)函數(shù)中，徑向基核函數(shù)的誤差最小、驗(yàn)證準(zhǔn)確率最高，所以本研究選擇徑向基核函數(shù)開(kāi)展建模。

圖2 線性核函數(shù)隨C（C=1～110，step=1）和ε（ε=0.005～0.500，step=0.005）LOOCV的RMSE變化情況

圖3 多項(xiàng)式核函數(shù)隨C（C=1～100，step=1）和ε（ε=0.005～0.500，step=0.005）LOOCV的RMSE變化情況

圖4 徑向基核函數(shù)隨C（C=1～100，step=1）和ε（ε=0.005～0.500，step=0.005）LOOCV時(shí)的RMSE變化情況

在圖5和圖6中，分別研究了徑向基核函數(shù)條件下，容忍因子C、不敏感損失函數(shù)ε與gamma參數(shù)g對(duì)模型預(yù)報(bào)性能的影響。從圖5和圖6可得：當(dāng)C=8.2，ε=0.1和g=0.01時(shí)，RMSE取得最小值，所以選擇該組參數(shù)進(jìn)行建模。

圖5 徑向基核函數(shù)隨C（C=5～110，step=5）和g（g=0.05～1.1，step=0.05）LOOCV的RMSE變化情況

圖6 徑向基核函數(shù)隨g(g=0.1～1.1，step=0.1)和ε(ε=0.01～0.300，step=0.001)LOOCV的RMSE變化情況

2.5 模型的應(yīng)用研究

通過(guò)變量篩選，挑選出電子能、疏水性、摩爾折射率以及分子直徑，并以此建立了預(yù)測(cè)模型。由于所建立模型是非線性的，無(wú)法直接從模型中分析各變量對(duì)模型預(yù)報(bào)準(zhǔn)確率的影響，但可以敏感性分析來(lái)實(shí)現(xiàn)對(duì)不同分子結(jié)構(gòu)二氫查爾酮類(lèi)化合物降血糖功效的預(yù)測(cè)，見(jiàn)圖7至圖10。

圖7 二氫查爾酮化合物促胰島素分泌活性與電子能量的關(guān)系

圖10 二氫查爾酮化合物促胰島素分泌活性與分子直徑的關(guān)系

由圖7可見(jiàn)，隨著電子能的升高，化合物的活性值逐漸降低。因此，可以初步認(rèn)為，不考慮其他因素，一些低電子能的二氫查爾酮類(lèi)似物可能具有更高的活性。

疏水性logP反映了化合物在人或動(dòng)物體內(nèi)的富集和積累。由圖8可見(jiàn)，隨著疏水性的增加，化合物的活性逐漸升高，但在疏水性達(dá)到2.5時(shí)，出現(xiàn)了一個(gè)拐點(diǎn)，隨后化合物的活性隨著疏水性的增加而逐漸降低。因此，當(dāng)疏水性為2.5左右時(shí)所設(shè)計(jì)的化合物可得到比較高的活性值。

圖8 二氫查爾酮化合物促胰島素分泌活性與疏水性的關(guān)系

在QSAR研究中,常用摩爾折射率來(lái)表征取代基的立體結(jié)構(gòu)或者空間效應(yīng)。由圖9可見(jiàn)，隨著摩爾折射率的增大，活性值逐漸上升；但當(dāng)摩爾折射率為9.3時(shí)，出現(xiàn)了一個(gè)拐點(diǎn)，隨后活性值隨摩爾折射率的增大而平緩下降。因此，可以認(rèn)為摩爾折射率9.3附近的化合物可能具有令人滿(mǎn)意的活性。

圖9 二氫查爾酮化合物促胰島素分泌活性與摩爾折射率的關(guān)系

由圖10可見(jiàn)，隨著分子直徑的增大，活性值逐漸上升；當(dāng)分子直徑為13.7時(shí)，出現(xiàn)了一個(gè)拐點(diǎn)，隨后活性值隨分子直徑的增大而平緩下降。可以認(rèn)為分子直徑13.7附近的區(qū)域內(nèi)，所設(shè)計(jì)的化合物可能具有令人滿(mǎn)意的活性。

使用敏感性分析法分析各變量對(duì)模型預(yù)報(bào)準(zhǔn)確率的影響，首先以二氫查爾酮活性SVR模型的留一法交叉驗(yàn)證的平均相對(duì)誤差作為多模型優(yōu)劣的判據(jù)，通過(guò)留一法驗(yàn)證預(yù)報(bào)的準(zhǔn)確率，得到A組19個(gè)化合物活性值預(yù)報(bào)的平均預(yù)測(cè)偏離度為10.67%，然后以B組19個(gè)二氫查爾酮化合物作為獨(dú)立測(cè)試集，得到平均預(yù)測(cè)偏離度為11.63%（見(jiàn)表4）。

表4 B組19個(gè)二氫查爾酮化合物測(cè)試集預(yù)報(bào)率的預(yù)測(cè)偏離度

A，B組的平均預(yù)測(cè)偏離度相近，表明所建立的預(yù)測(cè)模型可以得到相對(duì)滿(mǎn)意的預(yù)報(bào)準(zhǔn)確率。

3 總結(jié)

本研究通過(guò)數(shù)據(jù)挖掘，采用SVR算法研究二氫查爾酮衍生物的構(gòu)效關(guān)系，建立了該類(lèi)化合物降血糖性能與其分子參數(shù)之間的模型，為進(jìn)一步篩選出生物活性強(qiáng)的化合物提供了依據(jù)，利用該模型將有望篩選出降血糖更強(qiáng)的二氫查爾酮化合物。