基于量子化學的藥物共晶虛擬篩選方法研究進展*

于銘超，王志鵬，楊世穎，楊德智，呂揚

(北京協和醫學院、中國醫學科學院藥物研究所晶型藥物研究北京市重點實驗室，北京 100050)

藥物共晶作為一種新興的前沿技術，可以在不改變藥物活性成分(active pharmaceutical ingredient，API)共價結構[1]的前提下，定向改善藥物的理化性質[2]、降低毒副作用[3]、增強藥效活性[4]。此外，參與共晶形成的共晶形成物(cocrystal former，CCF)的多樣性在一定程度上擴大了共晶的種類和數量[5]，在延長API專利保護期的同時，創造了新的商業價值[6]。這些獨特的優勢，使其在近年來受到學術界、產業界和藥品監督管理部門的廣泛關注。隨著人們對共晶研究興趣的不斷增加，高通量篩選藥物共晶的實驗技術隨之迅速發展[7]，例如基于溶液生長的篩選方法[8]、溶劑滴磨法[9]、成漿[10]及實驗測定相圖法[11]等。然而，這些以實驗為基礎的共晶篩選方法普遍存在耗時長、操作復雜、成本昂貴以及污染環境的缺點，無法適應藥物研究開發與社會發展的需要。隨著多學科的交叉發展，量子化學融合并應用于分子結構研究中，在分析共晶物的組成、構象和分子內/分子間相互作用等方面發揮重要作用[12-13]。因此，基于量子化學理論的虛擬篩選技術應運而生，例如基于球形原子電子密度之和的Hirshfeld表面分析，被認為是研究共晶物所表現出的非共價相互作用的有效工具[14-15]；基于密度泛函理論的分子表面靜電勢可以用來識別分子表面上可能的分子間相互作用位點[16]；分子中原子的量子理論計算提供了包含氫鍵在內的大量信息，鍵臨界點有助于識別化學鍵和原子間相互作用，這些拓撲性質有助于表征氫鍵的強度和性質[17-19]；Hansen溶解度參數( Hansen solubility parameter，HSP)描述了分子通過分子間作用力的可能性，成為預測共晶形成的常用工具[20]；基于液相熱力學理論的COSMO-RS(conductor-like screening model for real solvents) 計算模型由于其考慮了氫鍵等分子相互作用[21]，也廣泛用于藥物共晶的高通量篩選。隨著理論計算的發展和計算機技術的不斷進步，共晶虛擬篩查技術正在不斷完善。

筆者綜述3種常用的基于量子化學計算方法的虛擬共晶篩選方法的原理及其在藥物共晶的預測與篩選方面的作用，旨在通過介紹3種方法的原理、適用范圍及優缺點，為其在藥物共晶虛擬篩選方面的合理應用提供參考。

1 基于分子表面靜電勢(molecular electrostatic potentials，MEPs)的虛擬共晶設計方法

1.1MEPs MEPs通常是指依據Bader定義的電子密度為0.001 e/Bohr＾3的等值面[22]，根據不同區域靜電勢大小通過不同顏色進行繪制，從而得到可以三維描述分子表面電趨的圖譜。長時間以來，MEPs一直被用作分析和闡釋小分子化合物[23]及大分子絡合物[24]等多種體系的各種結構特征[25]和非共價相互作用[26]。20世紀80年代開始，MEPs在藥物設計領域開始嶄露頭角[27]，但是直到最近，MEPs對超分子相互作用的識別才廣泛應用于晶體工程領域[28-32]。

對于大多數共晶來說，氫鍵在API與CCF的識別與連接中發揮重要作用[33-37]，因此可以以氫鍵為基礎來設計和篩選藥物共晶。根據氫鍵形成規律[38]，MUSUMECI等[16]提出了虛擬共晶設計理論，通過MEPs計算識別分子表面上可能的分子間相互作用位點。

假設API和CCF分子表面所有可能相互作用位點都可以彼此相互作用，通過對所有相互作用位點配對能進行簡單求和來評估這些分子的總相互作用位點配對能量(E)。比較兩種純組分和共晶之間的能量差異ΔE是評估共晶形成可能性的一個重要策略。

(1)

(2)

式中，MEPmax和 MEPmin分別為 MEPs 上的局部最大值和最小值，單位kJ·mol-1。

E=- ∑ αiβj

(3)

式中，αi為氫鍵供體參數；βj為氫鍵受體參數；E為這些分子的總相互作用位點配對能量。

ΔE=Ecc-nE1-mE2

(4)

式中，E1為化合物1純態相互作用位點配對能；E2為化合物2純態相互作用位點配對能；Ecc為化學劑量比為1n2m的共晶相互作用位點配對能。

根據用氫鍵參數αi和βj乘積估算的化合物分子相互作用位點配對能，從而對氫鍵供體位點和受體位點進行等級劃分，最佳的氫鍵供體與最佳的氫鍵受體配對、次佳的氫鍵供體與次佳的氫鍵受體配對，以此類推，這為分子間識別提供了可靠的指導原則。

MUSUMECI等[16]首先利用Spartan '06軟件對化合物MEPs進行計算，得到MEPs局部最大值和最小值。近年來，更多科研工作者選擇功能強大的Gaussian程序先優化分子構象，再利用免費的Multiwfn程序從MEPs提取局部極大值和極小值來進行計算[39-41]。獲得MEPs局部最大值和最小值后，使用公式(1)、(2)將MEPs轉換成相應的氫鍵參數α和β，然后利用公式(3)用氫鍵參數α和β的乘積來近似表示相互作用位點總配對能量，之后根據公式(4)計算純組分與共晶的相互作用配對能的差值，-ΔE越大，其共晶的形成率越高，從而估算兩個化合物形成共晶的概率。

1.2MEPs在藥物共晶的預測與篩選中應用與發展 MEPs的應用實際上是假設固體優化了所有可能的相互作用[16]，即分子表面上的所有氫鍵位點都是獨立的，相鄰的氫鍵位點不會相互影響，并且可以自由地在固體中找到它們的最佳配對位點。忽略晶體中分子的三維結構和空間排列，即接觸沒有空間限制，沒有堆積效應，分子表面空間相近的位點之間沒有協同性。這種方法比較粗糙，涉及了許多假設，并且基于主要的近似值，但是它的優點是應用起來十分快速、簡便，可以對備選共晶配體進行大規模、快速地篩選。

近年來，MEPs理論計算在共晶形成的預測作用得到了廣泛的應用，例如ZHANG等[29]通過對黃酮類化合物和4，4′-乙烯基二吡啶的MEPs進行計算，預測了共晶中可能存在的氫鍵雜合子以及API與共晶配體的摩爾比，在此基礎上，成功合成了10種4，4′-乙烯基二吡啶-黃酮類化合物共晶的單晶。GRECU等[42]對18種藥物活性成分進行MEPs分析計算，根據ΔE的值對共晶配體進行排序篩選，篩選結果與API的實驗性共晶篩選文獻數據基本一致，驗證了MEPs理論計算在共晶配體篩選過程中的可行性。

然而，值得注意的是，基于MEPs的虛擬計算雖然計算簡單、耗時短，但是計算過程忽略了分子構象對MEPs上極值點分布的影響，計算結果的偏差會對預測晶體形成的成功率產生影響。鑒于在影響共晶分子間相互作用的因素中，分子構象至關重要，YANG等[30]將構象分析引入到MEPs分析中，選取化合物熱力學穩定的主要構象開展研究，并結合化合物氫鍵供受體的官能團數量優化了相互作用配對能的算法，使得化合物產生相互作用后體系能量與各組成單體成分能量和的差值ΔE更能體現藥物與配體間相互作用的強弱。該法針對于以靜電相互作用為主導的1：1共晶的形成，預測成功率接近80%。該研究為提高MEPs共晶預測的成功率提供了新思路。

2 依據HSP的共晶設計方法

2.1HSP 溶解度參數(δ)的概念由HILDEBRAND等[43]首次提出，他們認為具有相同δ的溶劑是可互溶的。1967年，HANSEN等[44]提出了HSP概念，HSP模型將總內能(Et)分解為色散能(Ed)、極化能(Ep)和氫鍵能(Eh)。

Et=Ed+Ep+Eh

(5)

通過將方程兩邊除以摩爾體積V即可得到總溶解度參數(δt)，也稱為三維溶解度參數，可定義如下：

(6)

(7)

(8)

(9)

其中，i是分子內的結構基團，Fdi是基團對色散力的貢獻，Fpi是基團對極性力的貢獻，Fhi是基團對氫鍵能的貢獻，Vi是基團對摩爾體積的貢獻。

化合物分子的相溶性是由各種標準來估計的，它們都是基于“相似相溶”的原理，即具有相似δ值的化合物可能是可混溶的，δ值越接近，它們的相似性就越大，親和力就越強，這種理論分析適用于聚合物溶解也適用于藥物共晶領域[20]。

(10)

此外，BAGLEY等[49]注意到δd和δp在熱力學上是相似的，而δh與兩者的性質不同，因此引入了體積相關的溶解度參數δv，并提出了另一個標準，用Ra(v)因子測定了兩種化合物的相溶性：

(11)

Ra(v)=[4(δv2-δv1)2+(δh2-δh1)2]0.5

(12)

在后來的研究中，GREENHALGH等[50]利用API與CCF總溶解度參數的差異(Δδt)作為預測混溶性的工具：

Δδt=|δAPI-δCCF|

(13)

漢森溶解度參數由ICAS程序計算[51]，基于Gani的基團貢獻法的20.1版本[52]。

2.2HSP在預測共晶的形成和篩選中的應用 HSP是一種簡單的理論方法，只需要了解分子的化學結構[53]。鑒于HSP的獨特優勢，許多科研工作者[54-56]報道使用HSP作為共晶篩選方法的計算結果。GRECU等[57]甚至認為它是比晶格能第一原理計算更好的高通量篩選方法，然而GADADE等[58]則認為HSP是一種有限使用的篩選方法。

HSP在共晶篩選方面是一種很有前途的方法，只要使用一系列CCF與API進行混溶計算驗證，并研究其他制備方法和條件，以確定混溶性是共結晶的先決條件[60]，然而在該方法成為藥物共晶篩選的常規方法之前，臨界值需要重新評估和細化。

3 以液相熱力學理論COSMO-RS計算模型為基礎的共晶設計方法

3.1COSMO-RS COSMO-RS 是通過對量子化學COSMO溶劑化模型的改進，結合統計力學方法延伸出來的一種定量計算溶劑化現象的新方法[61]，通過量子化學連續溶劑化計算，對極性鍵和氫鍵的相互作用能進行了量化[62]。改善了COSMO溶劑化模型原有的一些缺陷[63]，廣泛用于液相系統的熱力學平衡性質的預測[64-65]。由于COSMO-RS理論考慮分子重要的相互作用，如氫鍵、范德華力和靜電相互作用等[21]，因而COSMO-RS可用于實現藥物共晶的快速、高通量篩選。

COSMO-RS是一個液相熱力學模型，因此可以計算共晶組分的虛擬過冷液體的相溶性，并獲得由純組分A和B產生的化學計量m：n混合物的過量焓(Hex)。

Hex=HAB-xmHpureA-xnHpureB

(14)

Hpure和HAB分別代表純物相和m：n混合物中的摩爾焓，摩爾分數xm=m/(m+n)和xn= n/(m+n)。Hex是一個優于純氫鍵相互作用的描述符，Hex包含的焓貢獻，并不局限于氫鍵相互作用，這些可以通過COSMOtherm軟件從總焓中分離出來[63]。在COSMO-RS計算中，API和CCF數據可直接從BP-TZVP-COSMO化合物數據庫導出，然后導入COSMOthermXver2019以獲得混合物的ΔHex[66]。

ABRAMOV 等[62]經過大量的實驗計算，證明了Hex<0的化合物在溶液(過冷液體)中具有很強的相互作用，在焓值上更傾向于混合物而不是其純液體。Hex可以解釋為兩種組分在共結晶之前在混合物中結合的趨勢，Hex越負，這兩個組分就越有可能形成多組分晶體，如共晶或鹽[62，67]。此外，ABRAMOV 等[62]還證明了COSMOtherm允許對共晶配體進行合理的排序，以提高API的溶解度。與確定共晶的潛在共晶配體類似，形成固體溶劑化物的可能性最低的溶劑可根據API的最高Hex確定。此類溶劑體系可直接用于穩定形式的漿液結晶，以及通過重結晶實驗實現溶劑化物的去溶劑化，以促進溶劑介導的轉化和轉化為穩定的無水非溶劑化物。

3.2COSMO-RS在藥物共晶預測與篩選中的應用 盡管COSMO-RS也包含不可忽略的參數，但它們是元素特異性的，不受限于官能團，在使用前不需要任何重新參數化。COSMO-RS理論及其軟件實現的獨特預測能力[68]使其在藥物共晶篩選研究中發揮重要的作用。

ROCA-PAIXAO等[67]應用COSMO-RS方法對API卡馬西平和75種備選共晶配體進行了親和力預測計算。將計算結果與實驗結果進行了直接比較，對COSMO-RS方法用于縮短共晶設計的可能性和局限性進行了評估。結果表明，COSMO-RS理論在COSMOTherX軟件中的實現為通過計算篩選預選共晶共形物提供了一種高效的方法。CHENNURU等[69]運用COSMO-RS理論及其軟件成功預測并篩選了4種新新型乙酸阿比特龍酯共晶，極大地優化了乙酸阿比特龍酯自身的溶解性。LIU等[70]運用COSMOTherX 19程序對難溶性營養物乳清酸和41種備選共晶配體進行親和預測，在親和力預測和實驗結果的基礎上，選擇甘氨酸、丙氨酸、4-氨基丁酸、5-氨基戊酸和6-氨基己酸作為共晶配體，與乳清酸進行共結晶研究，成功獲得5 種新的共晶物。共晶物粉末體外溶解實驗表明，共晶物與乳清酸自身相比，溶解性均得到明顯提高。

盡管大量文獻已經證明COSMO-RS方法在CCF的預測、篩選方面的獨特優勢，但COSMO-RS方法僅能預測分子間的親和力，不能完全確保共晶的形成。事實上，除了共晶外，實驗篩選后的最終結果可能是共無定形狀態，或者僅僅是這2種化合物的物理混合物(沒有2個分子之間的相互作用)[67]。因此，雖然理論計算可以為快速篩選提供方向和選擇，但仍需實際的實驗操作來驗證。

4 結束語

近年來，隨著學科之間不斷地交叉、滲透，量子化學理論計算逐漸與實驗化學相結合，成為新的研究熱點?；诹孔踊瘜W的藥物共晶虛擬篩選策略可以極大地減少實驗篩選次數、縮小篩選范圍、加快實驗進程、提高藥物共晶的篩選成功率。值得注意的是，任何基于理論計算初期的預測與實驗實際篩選結果都存在一定的偏差，需要大量的實驗結果補充數據庫，對計算理論不斷優化，才能實現高準確率的快速高通量篩選。不斷優化、創新理論計算方法仍是實現高效共晶篩選面臨的巨大挑戰。