小分子化合物3D結構數據庫的構建

于明珠，張鵬莉，呂思凡，杜尚民，高艷鋒，杜江峰

1)鄭州大學生命科學學院 鄭州 450001 2)三門峽職業(yè)技術學院醫(yī)護學院 河南三門峽 472143

高通量藥物篩選在現代藥物研發(fā)中發(fā)揮著舉足輕重的作用，然而，該方法存在成本高、效率低、陽性率低等難以克服的缺點[1]，無法應對現代藥物研發(fā)的需要。隨著計算機計算能力的大幅提升和藥物設計算法的發(fā)展，計算機輔助虛擬篩選得到廣泛應用[2]，該策略既降低了發(fā)現活性先導化合物的成本，又避免了盲目篩選[3-4]。目前有許多商業(yè)化小分子化合物數據庫用于虛擬篩選，如ChemBridge、ChemDiv等，然而，這些數據庫都以2D結構的形式儲存數據，且不同的數據庫在分子組成方面也存在差異，因而在數據庫的選擇上存在一定的不確定性，并且2D結構的數據庫不適合直接用于以分子對接為主的虛擬篩選。因而，本研究對一些比較常用的數據庫中小分子化合物的2D數據進行處理，同時分析其屬性，從而構建一個具有3D結構的數據庫，以期為研究者提供一個直觀的藥物篩選平臺。

1 材料與方法

1.1小分子化合物的收集從6個常用的小分子化合物公司的官方網站上下載小分子化合物庫(ChemBridge、ChemDiv、InterBioScreen、LifeChemicals、Specs和Vitas-m)。其中ChemBridge數據庫包括2部分：核心庫(CORE library)與精選庫(EXPRESS-Pick library)，共2個sdf文件，經過冗余檢索，無冗余分子。ChemDiv數據庫包含3個化合物數據集：公開可用化合物集(DC)、新化合物集(NC)和創(chuàng)新化合物集(IC)，共6個sdf文件，經過冗余檢索，發(fā)現1個冗余分子并去除。InterBioScreen數據庫無明確分類，共4個sdf文件，經冗余檢索，有少量重復并去除。LifeChemicals數據庫包含2個sdf文件，冗余檢索結果表明有近10%的重復并去除冗余。Specs包含1個sdf文件，刪除冗余分子。 Vitas-m包含7個sdf文件，冗余檢索顯示無重復。除了上述商業(yè)數據庫，我們通過文獻檢索和數據庫查詢整理獲得毒理庫、片段庫、上市藥物庫和天然產物庫。毒理庫是一類具有體內代謝毒性的化合物集合，片段庫包含相對分子質量較小的化合物，上市藥物庫是美國食品藥品監(jiān)督管理局(FDA)批準的上市藥物的集合，天然產物庫包含從植物、真菌、細菌等分離純化得到的化合物[5]。

1.2過濾使用小分子化合物數據庫之前需要對數據庫中所有分子做優(yōu)化，除去不相關的鹽離子或者是調整質子化狀態(tài)[6]，使之處于合適的形式而用于后續(xù)建模過程，確保在構象計數或分子對接過程中得到準確優(yōu)良的結果。利用MOE(2016版)軟件計算工具對每個小分子化合物進行清洗過濾，在pH值為7時使所有氨基酸質子化，并使當前帶電粒子總體呈中性進而構建中性體系。通過使用MOE中Computer-Molecular-Wash模塊對所獲得的數據庫分子過濾去除雜原子如水、離子、微小片段等。數據庫中所有小分子化合物均以相同步驟進行優(yōu)化，并以mdb文件格式保存。

1.3 3D結構的生成通過能量函數計算某個構象的內部原子相互作用的能量總和，依能量最小化尋找某個分子最穩(wěn)定的空間構象。本研究中所有化合物3D結構的生成通過MOE中能量最小化模塊(Energy Minimization)實現。該計算過程需要依托于特定的力場。該研究中選擇AMBER-EHT10力場，對小分子化合物進行質子化處理并使分子達到pH值為7.0，在能量最小化之前計算化學結構的電荷，將所有水分子定義為剛性,能量最小化過程將會在滿足條件(均方根梯度為0.1)下停止，從而獲得小分子化合物在特定條件下能量最佳的3D構象。保存每一個小分子化合物的最小能量的3D構象，并把結果儲存于獨立的文件中，其中小分子化合物順序及編號不變。

1.4指紋圖譜的計算分子指紋可以有效描述分子的化學結構，并在分子聚類和相似性搜索中得到廣泛的應用[7]。本實驗通過MOE軟件中的指紋模型插件構建所有分子的指紋圖譜，其中構建圖譜的算法選擇FP:BIT_MACCS。通過該算法構建的指紋圖譜以6個字符形式存儲。我們以相似性(similarity)和重疊度(overlap)閾值為85%對所有分子進行聚類。

1.5物理性質的計算2D分子物理性質的計算值可作為其他計算如定量構效關系(QSAR)[8]、多樣性分析等的分子特征。為了有效傳遞分子的類藥性信息，本實驗參考“類藥五原則”[9]，根據具有類藥性的小分子化合物的物理屬性表征選擇6個物理屬性進行計算：相對分子質量、氫鍵供體、氫鍵受體、脂水分配系數、可旋轉鍵數、極性表面積。

1.6統(tǒng)計作圖

1.6.1 商用小分子化合物庫 使用Origin 9.1統(tǒng)計6個商用小分子化合物庫中化合物的6個物理屬性值的頻數分布，繪制正態(tài)分布圖，并通過調整橫軸范圍進行截尾，除去超出95%置信區(qū)間的無意義的值。

1.6.2 其他數據庫 使用origin 9.1針對毒理庫、片段庫、上市藥物庫和天然產物庫中小分子化合物的6個物理屬性值，繪制頻數統(tǒng)計直方圖。

2 結果

2.1數據庫文件的獲得通過對6個商用小分子化合物庫子文件合并去冗余，得到各數據庫小分子化合物總數，見表1。去重前共計4 832 735個小分子化合物，去重后為4 779 100個。通過文獻及各種數據庫搜索整理得到了天然產物庫、上市藥物庫、片段庫和毒理庫，它們包含的小分子化合物的數量分別為9 150、1 537、25 174、160。

2.2 3D虛擬篩選數據庫的結構該數據庫平臺信息示例見圖1。

表1 6個商用小分子化合物庫文件的獲得

mol:小分子化合物結構信息；(FP:BIT_MACCS):分子指紋；a_don:氫鍵供體；a_acc:氫鍵受體；b_rotN:可旋轉鍵數; logP:脂水分配系數；TPSA:極性表面積；Weight:相對分子質量

圖1小分子化合物數據庫平臺的信息示例

2.3 6個商用小分子化合物庫化合物物理屬性的統(tǒng)計分析見圖2。結果顯示，6個商用小分子化合物庫中的化合物屬性在氫鍵數、可旋轉鍵數及極性表面積分布上基本一致，而相對分子質量和脂水分配系數的分布有差異。其中大部分化合物的氫鍵受體數為4個，氫鍵供體數為1個。

2.4其他類別數據庫化合物物理屬性的統(tǒng)計分析見圖3。除了脂水分配系數分布相似外，毒理庫、上市藥物庫、天然產物庫和片斷庫在氫鍵數、相對分子質量、可旋轉鍵數及極性表面積上均存在差異。

圖2 ChemBridge(紅)、ChemDiv(綠)、InterBioScreen(藍)、LifeChemicals(藍綠)、Specs(洋紅)、Vitas-m(黃)中的小分子化合物物理屬性的分布

圖3 上市藥物庫(黑)、片段庫(紅)、天然產物庫(綠)、毒理庫(藍)中的小分子化合物物理屬性的分布

3 討論

本研究分為3部分。首先，整合市場常用的6個虛擬篩選數據庫和上市藥物庫、毒理庫、天然產物庫、片段庫，共獲得了4 815 121個可用于虛擬篩選且便于購買的小分子化合物。其次，過濾洗滌所有化合物，計算特定條件下最佳3D構象并生成指紋圖譜，用于之后虛擬篩選、分子對接、相似化合物搜索以及構效關系研究。最后，分析化合物物理屬性，為有特定需要的藥物研究者提供更加友好的選擇策略。

氫鍵相互作用是藥物設計過程中需要考慮的關鍵作用。氫鍵受體數可由N原子數和O原子數粗略衡量。進行藥物設計時，含有太多氫鍵受體會影響小分子化合物在體內穿過細胞膜的能力。對6個商用小分子化合物庫的統(tǒng)計發(fā)現，其氫鍵受體數分布集中度較為一致且集中于4，即在氫鍵受體數的屬性上，對不同數據庫無選擇性，且不同數據庫分子氫鍵受體數都滿足類藥原則。

統(tǒng)計氫鍵供體數具有重要意義。氫鍵供體數太多會阻止小分子化合物穿過生物膜，太少會降低其活性。和氫鍵受體數的分布范圍不同，絕大多數分子的氫鍵供體數小于4，不同數據庫分子氫鍵供體數峰值也具有一致性。因為配受體的氫鍵相互作用具有明確的方向，比起氫鍵供體，氫鍵受體具有更大的可變性，因而氫鍵受體數目整體偏大。另外我們注意到，除InterBioScreen數據庫之外，其他數據庫分子集中分布在含有1個氫鍵供體數的位置。就分布趨勢來說，在ChemDiv數據庫中分子氫鍵供體數更加集中，而InterBioScreen數據庫分子氫鍵供體數分布更為均勻。

脂水分配系數描述分子的親脂/親水能力，其值越大，說明該分子越親脂，過高或者過低都會影響藥效。6個商用小分子化合物庫化合物分子的脂水分配系數具有一定的差異，具體體現在ChemBridge和LifeChemicals數據庫中的化合物分子脂水分配系數值主要集中在2和3之間，而其他數據庫則集中在3和4之間，故就整體上來說，ChemBridge和LifeChemicals數據庫的化合物分子親脂性較小，較難透過生物膜。另外，Specs數據庫脂水分配系統(tǒng)較其他數據庫化合物分子的分布范圍略窄，因而利用其虛擬篩選出的可適用的藥物分子要比其他數據庫少。

可旋轉鍵數描述的是分子柔性，可預測藥物的口服利用度。6個商用小分子化合物庫中絕大多數化合物含有6個可旋轉鍵數，不同數據庫中分布范圍和分布趨勢大致相同。

極性表面積衡量了一個分子在體內的可運輸性，所以也是類藥性的重要指標。6個商用小分子化合物庫的極性表面積分布范圍、峰值、趨勢大致相同，并且絕大部分數據庫的分子都滿足小于140 ?。對于神經類藥物，需要通過血腦屏障，其極性表面積需小于60 ?。根據各數據庫峰值分布情況判斷可用于開發(fā)神經類藥物的分子接近分子總量的40%。

這6個數據庫的相對分子質量具有一定的差異。ChemBridge數據庫分子的相對分子質量整體偏小，絕大多數分布于350，而ChemDiv數據庫分子的相對分子質量整體偏大，集中分布于425附近，其他數據庫的分布多集中于400。ChemBridge數據庫分子的相對分子質量分布范圍相對較窄，大多數相對分子質量都在550以下。

上市藥物庫、毒理庫的物理屬性和其他商業(yè)數據庫具有很高的相似性，因而利用該平臺進行虛擬篩選的小分子化合物極大程度上具有類藥性，但也不排除分子同時具有毒性。片段庫中的化合物的相對分子質量小(<250),這造成該數據庫的物理屬性統(tǒng)計值普遍偏小，如氫鍵供體/受體數分布小于5。天然產物庫的分子相對于上市藥物庫分子，其屬性值分布范圍更廣，而集中性和分布趨勢都大致相同，因而利用該庫分子進一步設計藥物具有相當程度的合理性。

虛擬篩選依賴優(yōu)質合理的小分子化合物數據庫。其中小分子化合物數目越大，獲得理想分子的機會就越大。本實驗所構建的篩選平臺擴大了虛擬篩選數據庫的數據量，包含上市藥物庫等其他化合物，同時保留初始分子分類信息，因而也可根據需要類型來選擇。該平臺包含化合物的2D及3D結構，研究者可根據不同實驗需求，自定義與本實驗不同的力場或者其他參數從而生成3D構象，也可根據需要直接利用本實驗中得到的3D構象進行分子柔性對接。該平臺上可供下載的文件中包含分子指紋，可用于比較分子相似度、分子聚類，提高遍歷速度和效率。今后，我們將定時維護該平臺，并根據補充的小分子化合物進一步調整類藥屬性的統(tǒng)計，以提高選擇數據庫以及小分子化合物的效率。另外，對片段庫、天然產物庫、上市藥物庫和毒理庫的屬性分析進一步擴大了該平臺的實用性。

該小分子化合物3D結構數據庫可提供小分子化合物的3D結構，為藥物篩選、藥物設計提供一個小分子化合物信息的標準化數據平臺，簡化虛擬篩選的流程，避免對數據庫進行復雜及重復的處理，從而為發(fā)現具有特定結構和屬性的先導化合物節(jié)省成本。