蜂毒溶血肽类似物定量构效关系计算分析:蜂毒溶血是什么

　　摘 要：采用HyperChem7.0结构分析软件，对蜂毒溶血肽类似物的分子体积等结构参数进行了计算分析，分别利用多元线性回归、BP－神经网络计算法进行统计分析，获得两个相关性好的QSAR(quantitative structure-function relationship)模型，结果显示，蜂毒肽溶血活性与生成热、键合能、表面积、分子体积、极化能、醇水分配系数、水合能相关，为降低溶血作用，指出在设计蜂毒肽结构时应尽量避免螺旋状结构，少用疏水性氨基酸。
　　关键词：蜂毒溶血肽；构效关系；线性回归；BP－神经网络
　　中图分类号：Q786
　　文献标识码：A
　　文章编号：1007-7847(2007)02-0038-06
　　
　　蜂毒溶血肽又称蜂毒素(melittin)，是欧洲蜜蜂(Apis mellifera)蜂毒的主要成分之一，它对20多种革兰氏阴性和阳性细菌有极强的抑杀作用，相对于医药上使用的传统抗生素来说，由于其特殊的作用机理而不易使细菌产生耐药性，然而，生物体存在的天然多肽其结构与功能之间的关系并非最适合，一般认为，蜂毒肽的溶血机理是其在红细胞质膜上穿孔而形成离子孔道，造成膜结构破坏，引起胞内物质大量渗出，导致溶血，本文以蜂毒肽类似物为目标分子，运用半经验计算法对其溶血活性的定量构效关系分析计算，再利用统计方法进行分子建模，找出影响活性的因素，为进一步预测和设计低溶血活性的蜂毒肽分子，避免表达或合成高副作用的蜂毒肽产物提供量化的理论依据。
　　
　　1 方法
　　
　　采用各种理论计算方法和分子图形模拟技术，以计算机为工具，根据累积的大量有关功能分子结构和活性的资料，设计具备某种目标功能的新分子，由于任何分子的生物活性都与它的化学结构密切相关，对目标分子进行结构修饰或改造，有可能使其功能增强、减弱、失活或发生其他改变，定量构效关系(quantitative structure-activity relationship，QSAR)采用数学模型描述分子的生物学活性与结构之间的定量依赖关系，架设分子的化学结构与生物学功能之间的桥梁，在应用上，QSAR能从一系列已知活性的化合物中找出其结构与活性之间的定量关系，进而预测新化合物活性，并指导新功能分子设计，借助多元统计分析方法能够将分子结构描述子和性质联系起来，同时近年来也发展了一些非统计学的方法，如人工神经网络，遗传算法等，本文采用逐步回归与BP神经网络方法分别对蜂毒肽类似物溶血活性进行建模。
　　选择分别删除了不同单一氨基酸的24个蜂毒肽类似物进行计算，溶血活性参考文献[3]，运用Hy-perChem7.0软件进行分子的量子化学与分子力学计算，用DNAstar分析多肽等电点，共计算了19个参数，采用DPS7.0统计软件，用上述两种统计方法建模，未特殊指明的参数均为系统默认值。
　　
　　1.1 多元线性回归
　　采用多元线性回归(multiple linear regres－sion，MLR)，分析多个自变量与因变量之间的线性关系，设自变量为x1，x2，…，XM，因变量为Y，将一个m元线性回归的数学模型表示为：
　　Y=bo+b1X1+b2X2+…+bmXm
　　式中bo为常数项，自变量xj前的系数bj，称因变量Y，对自变量xj的偏回归系数，复相关系数尺为：
　　R=(SSR／SST)1/2
　　式中SSR为回归平方和，SST为总的偏差平方和。
　　
　　1.2 BP人工神经网络
　　利用人工神经网络(artificial neural network，ANN)模拟人脑功能的信息处理系统，借鉴人脑神经系统处理信息的过程，并以数学网络连接的拓扑结构作为理论基础，BP(back-propagation)算法由正向传播和反向传播两个过程组成，正向传播的输入信息由输入层经隐含层传向输出层，如果在输出层不能得到期望的输出，则转入反向传播，将误差信息沿原来的连接通路返回，修改各层节点问的连接权重值，如此往复调整网络参数，使之误差函数达到极小为止，在处理实际问题时，利用一组已知的样本构成训练集(输入一输出模式)令其处理，根据一定处理规则调整连接权重，处理结束时，得到1组固定的连接权重值，并将其表达在网络的权重中，利用这组权重，根据未知样本的输入特性参数，可迅速输出预测结果。
　　
　　2 计算与回归分析
　　
　　2.1 参数计算
　　蜂毒溶血肽分子在HyperChem7.0中构建，采用MM+分子力场进行几何优化，用AM1力场进行半经验计算，自洽场(SCF)收敛条件为50个迭代，能量差小于0.01，采用Fletcher-Reeves共轭梯度法收敛，RMSf)、分子键合能(Ebinding)、分子核能(Enuclear)、分子静电能(Ee)、分子最高占据轨道能(EHOMO)、偶极距(Dipole)、分子最低空轨道能(ELUMO)、溶剂可及面积(Surface Area(Grid))，分子体积(Molectilar Volume)、分子范德华面积[Surface Area(Approa)]、水合能(Hydration Energy)、LogP、极化能(Polarizobility)、折光率(Refractivity)，分子质量(Mass)，EHOMO-ELUMO。
　　从24个蜂毒肽类似物中抽出17个作为训练集，另外7个作为预测集，以上述17个参数为自变量，HD50的对数Log(C)为因变量，采用DPS7.5统计软件对所取参数与分子活性的数据进行逐步(stepwise regression)多元线性回归和BP.神经网络分析，得到了蜂毒肽类似物的定量构效关系方程，将经上述过程优化过的蜂毒肽及天然蜂毒肽分子用HyperChem7.0所模拟的分子结构如图1、2所示，优化前蜂毒肽分子近似一种结构紧密的螺旋，分子处于较高能量状态，优化后分子结构相对松驰，分子处于较低能量状态。
　　
　　2.2 逐步多元线性回归
　　从所获得蜂毒肽结构类似物中随机抽出17 本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文 个样本，应用DPS7.5统计软件以溶血活性的对数值标准化后为因变量，17个QSAR参数为自变量进行逐步多元线性回归，选出9个有显著线性关系的变量，得到回归方程，9个结构描述变量与溶血活性数据logHDso见表1。
　　
　　相关系数R=0.888 665，决定系数RR=0.799 069，
　　Y=-13.83171+1.079E-04X1-5.714E-07X2-1.072E-04X3+2.268-04X4+4.048E-04X5-1.299E-03X6-7.916E-03X7-6.144E-01X8-2.179E-01X9
　　其中y表示最小溶血浓度并取其负对数，X1X2，…，9分别表示Total Enerage，Ebinding，Ef，Surface area，Molecular Voltime，Hydration Energy，LooP，Polarizability。
　　
　　2.3 BP-神经网络分析
　　根据DSP7.5统计软件中的BP神经网络所提供的变换参数建模，建立含一个隐含层的神经网络，输入层为蜂毒肽类似物的9个结构参数，输出层为实验所得HD50的对数值，并将输入和输出归一化到(-1.1)之间，挑选17个样本为训练集，建立QSAR模型，神经网络的训练终止情况、学习速率、隐含层数和节点数等的选择对网络的学习和预测都有较大影响，作者采用试算法，经多次训练调整，确定蜂毒肽类似物的QSAR模型为含一个隐含层，节点数为9，训练次数1000，目标误差0.01，学习速率0.1，学习增长率1.05，激活函数为Logistic函数的一个17.10-1的3层网络拓扑结构。
　　
　　2.4模拟统计结果
　　在24种蜂毒肽类似物中随机挑选17种。利用逐步回归与神经网络建立了QSAR模型，拟合结果见表2.以剩余7种类似物为验证集，将变量输入QSAR模型中进行验证，预测结果见表3.
　　
　　3 讨论
　　
　　由表2、3可见，用逐步线性回归与神经网络建立的QSAR模型得到蜂毒肽类似物溶血参数值HD50，其拟合值及验证值均较理想，图3，图4分别是用两种方法建模所得预测值和观测值的过原点回归曲线，其斜率均接近于1，用未参与建模的6个蜂毒肽类似物进行双侧显著性相关检验，发现4种方法均能在一定程度上使观测值与预测值在0.01水平上高度相关，表明所建模型正确。
　　
　　比较表2、3中所列相对误差及图3、4的回归曲线可见，用BP-ANN建立的QSAR非线性模型优于多元线性回归线性模型，说明蜂毒肽类似物由于其相对分子质量大，不同于小分子化合物，且其作用机理也与小分子药物不同，从而使其分子结构与活性之间呈现出某种非线性关系，但BP-ANN近似黑箱操作形式，通过已有数据进行训练，并把记忆的信息存储到连接神经元之间的连接权值上，即将蜂毒肽的溶血活性数据与结构物理参数之间关系的信息存储在神经元连接的权值和阈值上，而建模者却无法从权值和阈值中读取与蜂毒肽活性有关的相关信息，也无法分析哪些因子如何影响多肽活性，所以神经网络也有其不足之处，相对而言，多元线性回归属于开放型统计方法，它可以得出蜂毒肽的各种结构参数的回归系数，使我们知道哪些结构参数对其溶血活性起促进或抑制作用。
　　
　　由线性回归得到的QSAR方程显示，蜂毒肽类似物表面积及体积对其溶血活性有重要影响，而表面积与活性呈负相关，与体积呈正相关，表明当分子的体积大而面积小时活性高，因此，只有在分子结构为中空管状结构时，才能满足这一要求，本文的计算结果表明，其活性状态的结构应主要为α－螺旋，通过对蜂毒肽的24个氨基酸进行逐个删除，测定观察其抗菌及溶血活性变化发现：除Pro－14外，删除组成两个α－螺旋的任一氨基酸(1－9，13－20)都明显地降低溶血活性，而删除组成“铰链”及C－端氨基酸对溶血活性影响不大，此外，N－端α－螺旋长度较短时，蜂毒肽的溶血活性也会降低，所以，兼性螺旋对溶血活性是必要的，而对抗菌作用并非如此，对蜂毒肽的非对映异构体、顺式和反式对映体的研究证实，非对映异构体蜂毒肽螺旋性很低，不具溶血性，但有抗菌作用，这些前人研究结果都与本模型得到的结论相符。
　　本文所建QSAR模型显示，醇水分配系数与溶血活性呈正相关，有研究表明，醇能诱导α－螺旋的形成，因为醇能够降低溶剂极性，在低极性环境中，醇的疏水基团与蜂毒肽上的疏水基团相互作用，屏蔽了蜂毒肽与水分子接触，使其与水形成分子间氢键的几率下降，增加了蜂毒肽分子内形成氢键的几率，醇分子在水溶液中一般倾向于形成微团结构，以减少与水的接触面，这种微团结构有可能增加醇分子疏水部位与蜂毒肽的接触面，在醇溶液中的蜂毒肽倾向于形成四聚体，对一些特殊的卤代醇(如HFIP)该作用尤为明显，提高醇水分配系数有利于增加蜂毒肽类似物的活性，从另一方面也说明蜂毒肽在细胞膜上易形成α－螺旋，并以四聚体形式存在，使膜穿孔导致溶血，删去任一疏水性氨基酸对溶血活性都有很大影响，当删去69、1520及13位氨基酸后，使溶血活性下降75％－90％，但删除亲水氨基酸Lys-21和23，则还保留94％和99％的溶血活性，模型还显示，蜂毒肽类似物的分子极性在溶血过程中起重要作用，分子的极化能与活性呈一定的负相关，即分子极性增强时有利于溶血活性下降，因此蜂毒肽C－端的正电荷区有利于与膜结合。
　　在模型中发现，另外两个能量参数，即分子总能量与水合能也涉及到分子体系的稳定性，能量越高的分子越不稳定，其活性相应下降，在QSAR模型中溶血活性与总体能量成负相关很好地说明了这一问题，分子水合能即水合焓，是物质溶于水后释放的能量，其值越大，溶解度就越大，模型显示它与溶血活性呈正相关，表明蜂毒肽的溶解度增大时，其水溶液中的浓度上升，形成四聚体机会越多，圆二色谱研究已证实，蜂毒肽的单体没有二级结构，4个单体聚集形成四聚体，每个单体疏水面向里，围成一个中心疏水区域，亲水面向外，单体之间相互接触的部位几乎全部是疏水区域，我们推测，当蜂毒溶血肽四聚体在细胞膜上的疏水作用力和各氨基酸基团间的相互吸引与电荷排斥力达到平衡时，其分子构象是有利于溶解破坏膜结构的形式。
　　综上所述，本文建立的蜂毒肽QSAR模型能够用于预测蜂毒肽类似物的溶血活性，为降低该分子溶血活性，可从以下几方面进行分子设计，1)结构上应避开中空的管状螺旋结构；2)性质上应尽量少用疏水性氨基酸；3)由于分子极性对溶血活性影响很小，但对抑菌活性又必不可少，故可适当增加带正电荷氨基酸比例，利用蜂毒肽类似物生物活性所建立的QSAR模型，可以大大减少筛选高抑菌低溶血蜂毒肽的繁琐程度，降低研究成本，不失为一种寻找和筛选优良活性肽的有效方法。
　　
　　注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。 本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文