計算機輔助藥物設計及其在新農藥研發中的應用

王家哲，楊藝煒，任 平,2，李英梅，付 博,2

(1.陜西省生物農業研究所 陜西省植物線蟲學重點實驗室，陜西 西安 710043；2.陜西省酶工程技術研究中心，陜西 西安 710600)

農藥在國民經濟發展中具有舉足輕重的作用，目前我國農藥創制研究的基礎比較薄弱，一方面由于新農藥創制存在周期長、投資大、風險高等問題，成功開發一個新農藥品種需要至少10年時間，耗資2.5億美元以上，另一方面人們對高效、低毒、綠色環保農藥的要求越來越高，因此新農藥的創制急需運用新理論、新技術和新方法[1, 2]。近年來，隨著生物信息學和計算機技術的快速發展，推動了計算機輔助藥物設計(Computer aided drug design，CADD)在農藥研發中的應用。通過基于靶標結構的計算機輔助農藥分子設計，可以在成千上萬個分子中快速篩選出結構新穎的活性化合物，對活性化合物進行構效關系分析，并綜合應用計算機輔助分子設計、化學和生物合成的原理最終設計出結構簡單新穎的活性化合物，這不僅能夠顯著降低農藥研發的成本，而且大大縮短新農藥的上市時間，因此CADD在農藥創制中逐漸發揮著重要作用[3, 4]。近年來，CADD逐漸成為新農藥研發的熱點，本文對其研究和應用進展進行了綜述，對其應用中存在的問題進行了概述，并對未來應用前景進行了展望。

1 CADD的方法簡介

計算機輔助藥物設計采用理論計算和分子圖形模擬技術，結合生物信息學等其他學科相關內容，設計出具有一定藥效的新結構分子，其主要基于配體和受體間的相互作用，根據生物大分子受體的結構是否已知可將CADD分為兩種設計方法：基于受體結構的藥物設計(Structure-based drug design，SBDD)和基于配體結構的藥物設計(Ligand-based drug design，LBDD)[5]。

SBDD的核心是分子對接(Molecular docking)和虛擬篩選(Virtual screening)，通過富集活性化合物，快速從幾十到上百萬個化合物中挑選出活性化合物，從而提高藥物篩選效率，節約研究成本[6]。LBDD中最常用的定量構效關系(Quantitative structure-activity relationship, QSAR)，經典的QSAR研究以化合物二維結構為基礎，但實用性有限，因此進一步發展出三維定量構效關系(3D-QSAR)，其中CoMFA是3D-QSAR中應用最廣泛的一種方法，其運用數理統計計算出化合物與生物活性之間的相關方程，最終以三維圖形來表示立體場、靜電場以及疏水作用等因素對活性的影響，在合理藥物設計成效顯著并中得到廣泛應用[7]。

2 CADD方法的優勢

CADD以靶標生物中特定的關鍵生理生化過程為研究模型，采用CADD方法指導生物合理設計，合成對該過程有顯著影響的化合物，并從中篩選出先導化合物，通過對先導化合物的結構進行優化，進而開發出候選新農藥品種[8]。CADD的主要優勢有：①針對關鍵靶標快速篩選，減少藥物篩選的盲目性；②結合計算機甚至是云計算，實現高通量的篩選過程，大大節約研發時間和研究成本；③可為探索多維有效成分、多靶標、多作用模式機制提供指導意見。

3 CADD在新農藥研發中的應用

近年來，隨著計算機科學、分子動力學以及藥物科學的快速發展，CADD已經從基礎理論研究逐漸發展成為實用學科，并逐漸應用于新農藥研發。目前，基于CADD的新農藥發現，正逐步成為當前國際農藥創制研究中最為活躍的前沿課題。

3.1 基于虛擬篩選的新農藥研發

隨著蛋白質結構鑒定技術的日益成熟，已解析出越來越多的蛋白質晶體結構，以其為農藥靶點，通過分子對接軟件，能夠從化合物數據庫中篩選出具有潛在活性的分子結構。

張俊欽等[9]以昆蟲幾丁質酶為模板，通過兩輪的篩選策略對SPECS小分子數據庫中43 423個分子進行虛擬篩選，獲得了5個具有不同程度酶抑制活性的小分子，為設計新型、高效的以幾丁質酶為靶標的殺蟲劑提供指導。陳洋燕等[10]采取基于受體結構的分子對接方法，以β-N-乙酰己糖胺酶晶體結構為模板，對多個商品化小分子數據庫使用多種對接軟件進行三輪篩選，挑選打分較高的化合物購買，最終經實驗驗證發現兩個抑制活性較高的小分子。姚停停等[11]以真菌中JAK激酶為靶標受體，構建了一個基于JAK激酶結構的選擇性殺菌先導化合物的虛擬篩選方法，并通過該方法發現了一個具有選擇性殺菌先導化合物，該化合物對水稻紋枯病菌絲具有很強的抑菌活性。蔣丹平等[12]分別以新煙堿和乙酰膽堿結合蛋白的復合物結構來模擬昆蟲煙堿型乙酰膽堿受體，進行基于多重靶標策略的虛擬篩選，最終發現了6個對苜蓿蚜具有一定活性的化合物。杜新凱[13]以甾醇載體蛋白-2(Sterol carrier protein-2，SCP-2)為靶標，通過虛擬篩選技術，從218 780個小分子化合物中篩選出45種潛在的HaSCP-2蛋白抑制劑，并根據化學結構多樣性和生物活性檢測，最終得到5種具有較強的殺棉鈴蟲效果的新型HaSCP-2蛋白抑制劑，其不僅能夠顯著抑制棉鈴蟲生長，還能夠有效推遲幼蟲化蛹時間、降低成蟲產卵率，且環境毒性小。

這些研究結果表明，計算機虛擬篩選技術利用軟、硬件能夠實現快速、高效篩選，在先導化合物的發現中發揮著舉足輕重的作用，同時也可以為基于特定靶標酶進行農藥的開發提供研究思路，為基于配體的藥效團模型建立在農藥先導化合物的快速篩選方面提供技術借鑒[14]。

3.2 基于定量構效關系的新農藥研發

由于目前大多數受體結構未知，而大量的化合物結構和活性數據不斷積累，因此，基于農藥化合物結構活性關系的研究逐漸成為熱點，通過對各類農藥化合物建立不同的模型，有助于指導新農藥的設計合成。

Yong Xie等[15]對3-(-2-基)苯磺酰胺系列類衍生物采用基于結構的比對建立了此類化合物的3D-QSAR模型，并進一步驗證了計算的合理性，通過模型分析對該類衍生物進行了設計和結構優化以及合成，得到了4個高除草活性的化合物，為開發3-(吡啶-2-基)苯磺酰胺衍生物提供理論基礎。Yueting Zhou等[16]基于已經得到的Tschimganin活性結構，用CoMFA模型進行3D-QSAR 分析，表明較高的電負性有利于殺螨活性，具有2-羥基-3,5-二硝基苯基部分的化合物顯示出較好的殺菌活性，具有給電子基團的化合物對棉鈴蟲的生長發育具有很好的抑制活性，這些結果為開發雙功能農用化學品提供很好的理論支撐。楊華錚和楊光富等[17, 18]在乙酰乳酸合成酶(ALS)受體三維結構未知的情況下，全面系統地研究了磺酰脲、稠雜磺酰胺和嘧啶(硫)醚三大類典型的ALS除草劑的結構與活性關系，并由此初步提出了這三類除草劑與ALS的作用模型，這為設計新型高效的 ALS酶抑制劑提供了重要的指導。Danping Jiang等[19]結合CoMFA方法，基于殺蟲劑氯蟲酰胺的活性構象構建3D-QSAR模型，通過分析模型得到了某一區域取代基空間體積和電荷對化合物活性影響的關系，對進一步優化設計提供參考依據。

現有的研究結果顯示，3D-QSAR已成為一種高效實用的預測工具，其構建的模型具有良好的穩定性和預測能力，對解析藥物與受體的作用機制及研發新型農藥分子具有重要的指導意義。

4 小結與展望

新農藥研發需要綜合考慮環境生物、防治對象、保護對象和環境生態的多樣性以及風險評估等復雜因素，因此急需更加高效的研究方法和手段。如今基于CADD技術的新農藥研發能夠快速的篩選先導化合物，并通過指導先導化合物的結構改造，極大的加快新型農藥的開發速度，具有十分廣闊的應用前景。

盡管計算機輔助藥物設計方法已經成功應用于農藥設計領域，但是尚存在如下問題：首先，CADD 中關鍵的方法技術還有待改進和提高，如何快速建立準確的模型，以及對模型和結果的分析評價方法，都是建立在大量的經驗基礎之上而不是一成不變的；其次，CADD只是從理論上指導藥物設計，其準確性和合理性還需要實驗來進行驗證，所以一定要理論與實驗相結合。雖然CADD 技術在藥物研發中還存在問題，但毋庸置疑CADD 確實為一條有效的途徑，必將在新農藥的創制研究中扮演著越來越重要的角色，它將與其他研究手段一起推動我國的農藥研究的不斷創新與發展。