article技術文章

首頁 > 技術文章 > 解鎖新藥物發現的密碼 | 基于電離常數的化學基因組分析方法

解鎖新藥物發現的密碼 | 基于電離常數的化學基因組分析方法

更新時間：2023-07-24 點擊次數：938

簡介

為了提高藥物發現過程的效率，藥物化學家廣泛應用化學基因組學原理來定制合成或篩選工作，從而使候選分子與其靶點相匹配。將化合物空間與靶標空間相關聯已經促進了這一領域的許多研究，在目前的研究中，通過在大量的化學基因組學數據集中專門探索分子酸堿性質對生物活性的影響來擴展這些研究。此外，我們還通過研究篩選化合物（包括 "天然產品 "組）的酸堿性質來補充這些分析。

分子中存在的酸性和堿性官能團是化學基因組學中的一個重要因素，因為它們會強烈影響分子的理化性質，如親油性和水溶性，反過來，這些因素又會影響化合物在生物系統中的行為，即受體相互作用以及吸收、分布、代謝、排泄和毒理學（ADMET）。酸/堿性質對ADMET特性影響的具體例子包括酸性化合物傾向于表現出更高的血漿蛋白結合力，從而影響分布容積，而堿性化合物則傾向于通過磷脂中毒和蛋白通道結合等機制表現出更大的毒性。

在配體的雜合性與分子量（MW）和分配系數（logP）等特性之間建立聯系時。更大和更親脂的分子有可能與不止一個靶點相互作用，電荷狀態也可能對非靶點選擇性起作用，因此，電離常數從根本上關系到化合物的行為方式及其整體的類藥物特性。此外，酸電離常數（pKa）值和電離狀態對藥物制劑有重要影響，尤其是在化合物需要在溶液中給藥的情況下。在影響水溶性的主要因素中，極性是一個關鍵參數，但它需要與適當的親脂性相平衡，才能使分子穿過膜并與特定的大分子相互作用。受體相互作用同樣需要藥物官能團與大分子結合部位的官能團互補?？傊姾蔂顟B和電離常數深深地影響藥物的性質，因此需要進一步研究藥物的酸/堿特性。

為了更深入地了解藥物的酸堿性質，我們研究了已上市藥物的pKa分布。然而，這一項工作僅探討了當代藥物，將其擴展到更廣泛的化合物將是有益的。

本研究檢查藥物、對于藥物的化學基因組和篩選出的化合物的酸堿特征，對他們進行三個層次的分析。通過化合物的統計以確定具有可電離官能團的化合物，并將這些物質分類?？呻婋x化合物的pKa值以圖表的形式顯示，包括單一酸和單一堿化合物?？傊?，我們希望能夠就篩選化合物或研究化學品是否符合藥物的酸堿特性提出問題。該研究旨在提高我們對酸堿特征及其對生物活性的基本影響的認識。

實驗部分

藥物數據集是來自新墨西哥大學（Albuquerque, NM, USA）的內部收集。剔除了不含碳的化合物、含重金屬的化合物、鹽類、聚合物、混合物以及分子量（MW）大于1000Da的物質，剩下3766種化合物。這些化合物代表了歐洲、亞洲和美國已批準使用的當代臨床使用的單一物質。

商用化合物數據庫選自ZINC數據庫，該數據庫包含超過107種商用化合物的信息。ZINC數據庫提供了從完整數據庫中根據計算性質（如MW、logP、氫鍵供體/受體數量、可旋轉鍵的數量和PSA）推導的子集。

對以下ZINC子集進行了檢測：

向上滑動閱覽

由6676776個化合物組成的 "類藥物供應商清潔 "子集。該子集由ZINC數據庫通過篩選得到。這些過濾器結合了各種 "類藥物 "標準，包括以下限制條件：logP≤5、MW≤500和MW>150、可旋轉鍵<8、PSA<150和H鍵受體數量<10。一組條件用于從藥物化學的角度排除某些不需要的官能團（如酸鹵化物、磷烷、硫氰酸鹽、過氧化物、醛等）
供應商清潔先導化合物 "子集包含1716660個化合物，可用于早期發現研究，以確定有用的先導化合物。這些化合物具有以下特征：ClogP<3.5，MW<350，可旋轉鍵≤7，但不包括ClogP≤2.5，MW≤250，可旋轉鍵≤5的化合物。
"天然產品 "數據集包含來自七個供應商的89398個化合物。這些化合物由供應商指定為天然來源或天然產物的衍生物。天然產物數據集中化合物分別來自InterBioScreen（俄羅斯莫斯科）、Molecular Diversity Preservation International（MDPI；瑞士巴塞爾）、TimTec（美國德克薩斯州紐瓦克）、AmbInter（法國奧爾良）、Indofine（美國新澤西州希爾斯伯勒）、Specs & BioSpecs（荷蘭代爾夫特）和AnalytiCon Discovery（德國波茨坦）。應考慮 "天然 "的定義，因為這是由供應商決定的。

化學基因組學數據庫WOMBAT用于生成作用于一系列大分子靶類的生物活性化合物列表。Instant JChem用于化合物搜索和文件處理。研究了以下目標類別：天冬氨酰蛋白酶、半胱氨酸蛋白酶、G蛋白偶聯受體（GPCR）-生物胺、GPCR-大麻素、GPCR-類核苷酸、GPCR-肽、GPCR-類固醇、GPCR-其他（A類）、GPCR-B類、GPCR-C類、整合素、配體門控離子通道、電壓門控離子通道、離子通道-其他、金屬蛋白酶、核激素受體、酪氨酸激酶、激酶（非酪氨酸）、氧化還原酶、氧合酶、磷酸二酯酶、絲氨酸蛋白酶和轉運體。此外，一組未指定靶標的化合物被歸入 "未知 "組?？偣惭芯苛?4個化學基因組學數據集。對每個數據集都進行了過濾以減少列表的大小。去除分子量＞1000的大分子化合物，對特定靶點的效力小于1 mm的化合物被剔除。

對于每個數據集，都遵循以下程序

向上滑動閱覽

A. 確定了含有永*久電離的官能團（如季氮原子）的化合物。在本分析中，這些分子被歸類為 "始終電離"，因此未估算這些化合物的pKa值。

B. 使用Marvin軟件預測每種化合物的pKa值，并使用pKa數據將化合物分為 "始終電離"、"可電離 "和 "中性"。我們的分類系統基于以下內容：具有pKa <0的酸性基團或pKa >12的堿性基團的化合物被添加到始終離子化物質列表中。PKa >10的酸性基團或pKa <0的堿性官能團被視為中性。pKa值在0-10之間的酸和pKa值在0-12之間的堿被歸類為可電離物質。Marvin軟件能夠將這些pKa值估計到一個對數單位之內。用于定義酸和堿的可電離基團的pKa范圍是在與經驗豐富的藥物化學家和藥物開發人員討論后選擇的。這一決定與我們對pKa值的考慮不謀而合，即pKa值應接近人體內的pH值。此外，pKa范圍還與藥物制劑領域的pH值相關。

C. 使用內部算法結合pKa計算進行了進一步的結構搜索，以確定整個數據集中每個可電離基團的身份。

D. 簡單兩性溶解物是含有一個酸性和一個堿性官能團的化合物。通過考慮官能團的pKa值，可將這些化合物進一步劃分為普通兩聚物和齊聚物。如果酸性官能團的pKa值大于堿性官能團的pKa值，則被視為普通兩性溶解物。同樣，如果酸性基團的pKa值小于堿性基團的pKa值，則定義為齊聚物。根據每種簡單兩聚物的pKa值確定普通兩聚物和齊聚物的比例。

結果與討論

生物活性化合物的電離狀態強烈影響其在生物系統中的行為--該化合物如何與目標結合位點相互作用，或如何在水環境和脂質環境之間分離?；衔锏膶嶋H電離狀態取決于局部環境的pH值，雖然通常接近中性（~7.4），但pH值范圍很廣。例如，在腸道內，pH值從1到8不等，而在配體結合位點的微環境中，官能團的pKa可能會受到兩個單位或更多單位的干擾。因此，酸性和堿性行為的意義并不是簡單的電離狀態研究，它還必須包括藥物發現過程中遇到的一系列生物制藥情況。

當代藥物

選擇經過批準的藥物數據集來代表當代治療分子。這個精心策劃的數據集由美國、歐洲和亞洲監管機構批準的藥物組成，從制藥和醫學的角度來看，可以被認為是具有國際意義的。

在本研究中，我們對藥物數據集進行了過濾，保留了所有含碳物質，并剔除了含有重金屬、鹽類、混合物、聚合物以及分子量>1000的化合物。預測了每個分子的pKa值，并將化合物分為電荷狀態類別：始終電離（6.3%）、中性（20.2%）、單酸（14.2%）、二酸（3.5%）、單堿（27.8%）、二堿（10.1%）、簡單兩元化合物（含有一種酸和一種堿的化合物；9.5%）和復雜化合物（8.4%；表1，圖1 a）。圖1b, c顯示了藥物數據集中單酸和單堿化合物的pKa分布。

左右滑動，查看更多

圖1.a) 獲準用于人體（藥物）的小分子藥物的酸/堿類別細分。酸/堿類別包括始終離子化（pKa<0的酸、pKa>12的堿和帶永*久電荷的化合物）、中性化合物、單酸物質、單堿物質、含兩個酸性基團的化合物、含兩個堿性基團的化合物、簡單的兩性化合物（一個酸性基團和一個堿性基團）以及其他酸性基團和堿性基團的復雜組合。含有b)單個酸性基團和c)單個堿性基團的化合物的pKa分布。pKa值被劃分為單個對數單位范圍。直方圖柱高表示為化合物總量的百分比。

最常見的酸性基團是羧酸、雜環氮原子、羥肟酸、酚類和磺酰胺，共占酸性基團的93.5%。出現頻率較低的酸是磷酸鹽、酰亞胺、硫酸鹽、碳酸、四唑、氨基甲酸酯、醇、酸性酰胺、酸性苯胺、酰肼和硫醇。最常見的堿性基團是脂肪族胺、胍、脒、苯胺、堿性酰胺和雜環氮原子。

圖2和圖3顯示了屬于這些類別的藥物實例。有趣的是，超過60%的藥物只有一個或沒有可電離的官能團。對含有一個堿性基團的化合物的pKa值分布進行回顧后發現，pKa值低于6.0的單一堿很少（圖1 c）。對于單一含酸物質，pKa值在5-8范圍內的酸性官能團非常少（圖1b）。這與缺乏pKa值在此范圍內的酸性官能團有關--兩種最常見的酸性官能團的典型pKa值分別為：羧酸鹽3.5-5，酚7.5-10.5。

表1.

化學基因組學和篩選化合物數據

集中化合物的電荷狀態類別。

化學基因組學和篩選化合物數據集

向上滑動閱覽

WOMBAT數據庫包含了30多萬個化合物，其相關的靶標生物活性數據是從同行評議的文獻中精心篩選出來的。我們對每組化合物進行了篩選，以選出在濃度為1 mm或更低時具有活性的化合物，并設定了截留分子量。在估算pKa值后，將化合物歸入電荷狀態類別。配體酸堿性質的化學基因組學分析以前沒有進行過。

ZINC數據庫是一個虛擬庫，包含了100多個供應商提供的可購買的化學結構，其開發目的是為了方便對接實驗。在本研究中，我們采用了ZINC數據庫中的三組化合物來代表可用于生物篩選的化合物。這些數據集經過了ZINC數據的預過濾，剔除了不適合藥物化學的化合物。最大的數據集來自包括主要供應商的660萬個市售篩選化合物，被稱為 "Vendors-clean "集。這些化合物的一個較小的子集主要根據低分子量和親油性進行篩選，被稱為 "Vendors-clean leads "集。最后，對天然產物集進行了評估，這些化合物被供應商自己歸類為天然產物或天然產物的衍生物。

圖 2. 中性、始終電離、單一酸和二元酸類化合物示例

化學基因組數據集的酸堿特性

向上滑動閱覽

表1總結了藥物、化學基因組學和篩選化合物數據集的電荷狀態類別。表2和表3提供了含單酸和單堿化合物這兩類最大化合物pKa分布的詳細信息。在我們的分析中，最小的數據集包含1000多種化合物，而大多數數據集包含2000多種物質。在本文中，我們選擇了四個化學基因組家族來對比其酸堿性質的差異。這些靶標是G蛋白偶聯受體（GPCRs；生物胺、核苷酸和肽受體）、三個蛋白酶家族（天冬氨酰、半胱氨酸和絲氨酸）、激酶（酪氨酸和非酪氨酸）和離子通道（配體門控、電壓門控和其他種類）。

圖4 a顯示了三個GPCR家族的電荷狀態類別。值得注意的是，這些靶標主要識別含堿化合物。GPCR生物胺數據集包含20 712種化合物，其中50%以上具有單一堿性基團，主要由脂肪族胺和堿性雜環氮原子組成。相比之下，同一數據集中只有4種化合物含有單一酸性基團。天冬氨酸殘基是識別相關（神經）遞質堿性氨基的關鍵，因此堿性基團所占比例較高。相比之下，肽和核苷酸受體確實能識別一些中性和酸性化合物。圖4b顯示了含單一堿基化合物的概況。值得注意的是，核苷酸GPCR配體顯示出與肽和生物胺GPCR配體截然不同的特性。

圖5顯示了蛋白酶實例的概況，說明了各類蛋白酶之間的細微差別。有趣的是，絲氨酸蛋白酶中含有大量pKa值高于8.0的堿性基團的化合物。這些堿性基團（主要是脒基和堿性雜環氮原子）的存在與功能基團與蛋白質（如因子Xa）的S1口袋相互作用的需要相吻合。

激酶類化合物以含有一個或兩個堿性基團的化合物為主（54%）。圖6顯示，無論是堿性基團還是酸性基團，在生理pH值下完全電離的化合物都很少（即pKa值低于6.0的酸和pKa值高于9.0的堿）。同樣，pH值為7.4時帶電的官能團也很少，這與結合位點的氫鍵要求一致。

圖 3. 單堿基、二堿基、簡單兩性化合物和復雜化合物類別中的化合物示例

最后，我們比較了配體門控、電壓門控和其他離子通道（圖7）。這些化合物主要是單堿基或二堿基，但31%的電壓門控通道配體是中性的，23%的 "其他 "類化合物是單酸（主要是弱酸，如苯酚）。配體和電壓門控通道中pKa值高于7.0的堿性化合物比例分別為55.3%和64.4%，而 "其它 "離子通道中僅有14.4%的單堿基在此范圍內。

化學基因組學旨在增加我們對小型有機化合物如何與生物系統相互作用和擾動生物系統的了解。如果能將這些知識轉化為用于篩選目的的定制化合物集，那么我們就能實現改進藥物發現方法的目標。從上面的分析可以清楚地看出，每一類配體都具有不同的酸堿分布。圖8顯示了已知靶標家族的23個化學基因組學數據集的主成分分析（PCA）圖，采用化合物類別、兩性溶解物比例和pKa分布數據作為輸入數據，揭示了靶標家族的聚類。PCA的載荷（附錄1，Supping Information）顯示，PC1與堿基pKa分布數據以及普通兩性離子和齊聚兩性離子的比例相關。酸性化合物位于圖譜的上部區域。PC2與電荷狀態類別數據以及部分酸pKa分布數據相關聯，堿性化合物位于左下象限。酸或堿基團較少的化合物類別位于右下象限。

在該分析中，GPCR生物胺由于具有相似的單堿基pKa分布而靠近轉運體（主要是單胺轉運體配體）。配體門控離子通道和電壓門控離子通道也聚集在一起。PDE和激酶配體通常模擬嘌呤，這種分組反映了這些化合物的雜環性質。GPCR前列腺素組、GPCR核苷酸組、整合素組、金屬蛋白酶組和核受體組與其他組分開，反映了特定功能基團的高比例。例如，金屬蛋白酶配體含有可與活性金屬（如鋅）結合的特定官能團（最常見的是羥肟酸）。與此類似，GPCR前列腺素配體也以羧酸為主。

表2. 含單一酸性官能團化合物的pKa分布表

表3. 含單一堿性官能團化合物的pKa分布

圖 4. a）GPCR配體的化合物類型概覽

b）含有單一堿性官能團的化合物的pKa分布

左右滑動，查看更多

圖 5. a) 蛋白酶配體的電荷狀態類別概覽。含有b)單個酸性官能團和c)單個堿性官能團的化合物的pKa分布圖

篩選化合物的酸堿性質

向上滑動閱覽

目前的藥物發現在很大程度上依賴于篩選技術。在過去的十年中，商業供應商提供了大量的化合物，并對藥物和先導化合物的理化性質進行了大量的分析，但是對篩選化合物的酸堿性質的系統分析還沒有發表過。在本節中，我們分析了ZINC數據庫中 "供應商-類藥物"、"供應商-清潔先導化合物 "和 "天然產物 "集的酸堿性質。

與藥物和化學基因組學數據集一樣，我們估算了篩選化合物集（供應商-類藥物、供應商-清潔先導物和天然產物）的pKa值，并將其分為電荷態類別（表1-3）。圖9顯示了篩選化合物集的電荷狀態類別，并將其與藥物數據集進行了比較。最明顯的是，與藥物相比，所有篩選集的中性化合物比例更高，總是電離或可電離基團的化合物更少。供應商-類藥物集和供應商-清潔引線集彼此非常相似，這是可以理解的，因為供應商-清潔引線是更大的商用化合物集的一個子集。藥物數據集中包含了相當一部分（6%）永久離子化的化合物，這些化合物在供應商數據中基本不存在，在天然產物數據集中僅占1.4%。完全中性化合物占所有篩選化合物的40%以上，但只占藥物的20%。單酸類，特別是二酸類化合物在供應商集中的比例較低，盡管這些化合物在天然產物集中的比例相當高。與此形成鮮明對比的是，單堿基在篩選集中的比例接近藥物中的比例，盡管天然產物集中的單堿基比例略低，而供應商集中的單堿基比例略高。所有篩選集中的二堿基和兩聚物的數量僅為藥物中的三分之二。其余類別的復雜化合物約占藥物的8%，但只占天然產物的4.1%和篩選化合物的1.5%。

為了進一步突出篩選化合物和藥物組之間的差異，圖9b、c顯示了單酸和含單堿化合物的pKa分布（表2）。圖9b顯示，與藥物和天然產物集相比，篩選化合物供應商有更多pKa值高于6.0的酸。在這種情況下，只有41%的單酸藥物pKa值高于6.0，而供應商數據集的這一比例為82%。藥物和天然產物數據集中pKa值在3-5之間的單酸所占比例相當大，而這些單酸在供應商數據集中所占比例較小。圖9 c顯示了當代藥物和篩選化合物集（表3）的單一堿基pKa分布之間的主要差異。供應商化合物集以 pKa 值低于5.0的弱堿為主，而藥物集則有很大一部分pKa值在7-10之間。天然產物集介于這兩個集之間。

單純兩性溶解物約占藥物數據集的10%。兩聚物可定義為普通兩聚物（酸性官能團的pKa值高于堿性官能團）或齊聚兩聚物（相反）。在普通兩聚物中，化合物的中性種類在等電點占主導地位，而在齊聚物中則存在雙電荷種類。表4列出了藥物、化學基因組數據集和篩選化合物中普通和齊聚物的比例。在藥物簡單兩性溶質中，齊聚物占了近一半，但在篩選化合物中發現95%以上的兩性溶質為普通兩性溶質（表4）。化學基因組數據集顯示，存在的兩性離子數量以及普通兩性離子和齊聚物的比例存在很大差異。最值得注意的是，30%以上的整合素的數據集是兩性溶質，而且幾乎全部是齊聚物。

左右滑動，查看更多

圖 6. a) 激酶配體的電荷狀態類別概覽。含有b)單個酸性官能團和c)單個堿性官能團的化合物的pKa分布。

左右滑動，查看更多

圖 7. a) 離子通道配體的電荷狀態類別概覽。含有b)單個酸性官能團和c)單個堿性官能團的化合物的pKa分布圖

該分析表明，藥物和篩選數據集的酸堿構成存在很大差異。我們有理由相信，這種差異主要是由篩選化合物的合成和供應過程造成的。供應商公司受制于化合物的合成可得性和成本。因此，化合物的理化性質受到快速合成必要性的強烈影響。一項對醫藥化學家的研究發現，他們傾向于制備可溶于有機溶劑的中性分子，并在純化過程中容易從有機溶劑中結晶出來。

高通量方法鼓勵減少合成步驟（即避免化學反應性、可電離基團的保護和去保護）和易于純化的化合物（例如，眾所周知，在硅膠柱上難以純化的齊聚物）。包括穩定性在內的其他因素可能會減少某些官能團的數量；例如，胺類化合物在儲存過程中容易氧化?？紤]到這些因素，可以理解的是，篩選化合物中(a)中性化合物較多，(b)普通兩性化合物較多，(c)pKa<7的酸較少，(d)pKa>7的堿較少。一些化合物供應商最近提供的產品開始包含更多種類的藥物化學家友好型物質，同時還出現了基于靶標的產品系列。

天然產物歷來是藥物和藥物線索的重要來源，通常被認為比純合成篩選的化合物更像藥物。一組天然產物的性質與藥物相似，但它們具有更多的可旋轉鍵、立體中心和更高的分子量。盡管天然產物可能帶來任何優勢，但由于處理這些化合物的復雜性，制藥行業已普遍減少在篩選中使用天然產物。在我們的分析中，我們發現天然產物組明顯不同于其他篩選化合物，它們具有藥物的某些特征。盡管ZINC天然產物集含有大量的中性化合物，但與篩選化合物相比，它還包括更高比例的復雜可電離化合物（始終電離、簡單和復雜化合物）以及更多的齊聚物化合物。與篩選化合物相比，單酸和單堿的pKa分布更接近于藥物。總的來說，天然產物數據集不能被認為與藥物的特征非常吻合，但它確實包含了藥物pKa分布的一些特征。該分析也可與Feher和Schmidt產生的數據一起使用，Feher和Schmidt研究了藥物、天然產物和組合化學化合物的各種理化性質。

圖 8. 化學基因組學數據集的主成分（PC）1 和 2 的得分圖。主成分的載荷見 "輔助信息"。PC1 和 PC2 分別與堿和酸的 pKa 值相關。酸性基團比例較高的數據集一般位于圖譜的右上方，而堿性化合物占多數的數據集則位于圖譜的左下方。

左右滑動，查看更多

圖 9. a) 藥物、化合物供應商（Vendors-clean、供應商-清潔線索）和天然產品數據集之間電荷態類別的差異對比。b) 含有單一酸性或單一堿性官能團的化合物的 pKa 分布：藥物、化合物供應商（Vendors-clean、供應商-清潔線索）和天然產物數據集。

表 4. 存在于藥物、化學基因組和篩選數據集中的普通和齊聚物兩性溶質的比例

表5. 化學基因組學數據集和篩選化合物庫中存在的酸性官能團

表6. 化學基因組學數據集和篩選化合物庫中存在的基本官能團

功能集團

哪些官能團對藥物和篩選化合物的酸堿性質負責？表5和表6顯示了對藥物、化學基因組和篩選數據集的分析。表5和表6顯示，對于藥物來說，最主要的酸性基團是羧酸（17%）、酚類（8%）、雜環（4%）和磺胺（3%），而最重要的堿是脂肪胺（29%）、雜環胺（28%）和苯胺（5%）。

化學基因組數據集揭示了酸堿特性的巨大多樣性，反映了結合位點對配體酸堿特性的影響。例如，整合素和GPCR類原生質集之間具有極高比例的羧酸；GPCR核苷酸和激酶非酪氨酸集具有高比例的酸性雜環氮原子，而且引人注目的是，金屬蛋白酶集一半以上含有羥肟酸（表1）。最后，核受體數據集顯示酚酸的比例較高，而酚酸在很大程度上是雌激素配體。在所有這些情況中，特定官能團的高比例可以通過考慮其大分子結合位點的性質來合理解釋。例如，金屬蛋白酶組中羥肟酸的高比例與該基團需要與酶內的鋅原子結合有關。值得注意的是，相對于藥物數據集，供應商篩選集合中的羧酸和酚類都很缺乏，分別只有~3%和2%。

對堿性基團的分析也提供了配體與其結合位點之間的類似聯系。整合素配體具有較高比例的堿性脒基和胍基（表6）。絲氨酸蛋白酶數據集偏愛脒基，而半胱氨酸蛋白酶數據集富含苯胺基。酪氨酸激酶配體含有大量堿性雜環氮原子。有幾類配體含有較高比例的脂肪胺：GPCR胺、GPCR肽、GPCR A類其它和轉運體。在后一種情況下，這些大分子的天然配體的基團與化學基因組中的脂肪胺之間存在著明顯的聯系。在藥物組和篩選組中，含有脂肪族胺的化合物比例再次出現明顯差異，分別為29%和2%。

結果與討論

生物活性化合物的電離狀態強烈影響其在生物系統中的行為--該化合物如何與目標結合位點相互作用，或如何在水環境和脂質環境之間分離。化合物的實際電離狀態取決于局部環境的pH值，雖然通常接近中性（~7.4），但pH值范圍很廣。例如，在腸道內，pH值從1到8不等，而在配體結合位點的微環境中，官能團的pKa可能會受到兩個單位或更多單位的干擾。因此，酸性和堿性行為的意義并不是簡單的電離狀態研究，它還必須包括藥物發現過程中遇到的一系列生物制藥情況。

結論

藥物的酸性和堿性基團是大部分藥物/受體相互作用的主要識別元素。在化學基因組類別中觀察到的特定酸性和堿性官能團的聚集就證明了這一點，例如在GPCR類前列腺素配體中羧酸基團占優勢。

配體與其結合位點之間的酸堿互補性在很大程度上決定了藥物設計者所期望的親和力。配體的酸堿性質也是親脂性的基本決定因素，親脂性對生物制藥性質（ADMET）和非靶標活性都有很大影響。藥物設計者還需要注意強離子化化合物可能會導致以下開發問題：吸收和分布不良、血漿蛋白結合力過高、hERG通道親和力明顯、磷脂中毒和制劑前景不佳。酸/堿特性也深深影響著制劑考慮因素和化學穩定性。因此，在藥物發現領域進一步了解電荷狀態和pKa值有可能提高效率。

本研究的主要重點是比較藥物、化學基因組學數據集和篩選化合物的酸堿特征。具體來說，我們詳細描述了電荷狀態類別、單酸和單堿化合物的pKa分布、普通和齊聚物的比例，并確定了每個數據集的可電離官能團。我們發現藥物和篩選化合物的特征存在差異，例如，在篩選化合物集中pKa值高于7.0的堿性化合物很少。此外，中性化合物在篩選化合物集中占主導地位，其數量是藥物數據集的兩倍。由于藥物發現是以靶點為導向的，我們還研究了23個化學基因組學數據集，以提供這些蛋白質家族的酸堿概況。這些數據集顯示了酸/堿譜的巨大多樣性，反映了其結合位點的要求。這項工作是在我們以前研究藥物pKa譜的基礎上進行的。

鑒于酸堿性質對藥物行為的深刻影響，在藥物發現過程中考慮電荷狀態和pKa值具有深遠的意義。特別是，篩選化合物的選擇非常重要，因為它們的選擇會影響命中率效率和后續的優化過程。在選擇化合物之前對其進行過濾的目的是避免將不適合測試或進一步化學處理的分子納入其中。化合物篩選通?？紤]化合物的理化性質、結構多樣性、毒性或其他不受歡迎的官能團。盡管人們意識到要平衡酸堿的比例，但在篩選化合物時對pKa分布的考慮卻較少關注。例如，阿斯利康公司用于基于片段篩選的兩個文庫。這兩個文庫被選擇為包含1:1:4的陽離子/陰離子/中性比例，以中性化合物為主。在pH值為7.0的條件下，我們的藥物數據集的酸性定義為pKa低于7.0，堿性定義為pKa高于7.0，結果陽離子/陰離子/中性的比例為2:1:2.5。

我們認為在篩選化合物時需要考慮pKa分布以及酸性和堿性官能團的多樣性。如果不注意這一點，那么化合物將反映供應商數據庫的酸堿特征，并將明顯偏離藥物特征，或者更重要的是，偏離特定化學基因組家族的一般需求?？梢哉f，通過模仿已知藥物和靶點的特征，發現將偏向于以前探索過的化學生物學。然而，通過在篩選方案中加入特定的酸/堿信息，而不是僅僅使用簡單的性質篩選，有可能選擇出成功概率更大的化合物，從而提高化學基因組初篩的成功率。

我們進行這項研究的主要目的是提供信息，擴大藥物設計者考慮的理化性質的廣度。我們認為這將有助于篩選出高質量的化合物，并突出酸堿性質在藥物開發中的普遍影響。

而對于生物活性物質以及設計出的新藥的pKa，在數據庫中不能找到類似數據的情況下，需要我們對它們的pKa進行準確的測量來評估其在生物體內的ADMET。基于這個目的下，銳拓重磅打造，歷時24個月研制的NCE P3 能完美解決這一問題。

物化參數分析儀

NCE P3

點擊視頻了解

通過對藥物進行酸堿滴定，對滴定過程中溶液pH以及光譜的變化進行檢測確定滴定終點，在計算機模型的輔助計算下得到樣品的pKa,利用藥物的酸堿性質確定pKa的大小，能保證測量結果的準確性，因為在利用計算機預測pKa時，對于新型化合物基團以及基團間的相互影響不能進行全面考慮，并且在藥物給藥后，體內pH值的變化會影響藥物的pKa。這對藥物的pKa預測帶來一定誤差，影響藥物的后期開發。因此利用藥物的酸堿滴定，以酸堿滴定結果得到真實的pKa結果,并且在滴定過程中，我們可以改變溶劑PH來模仿藥物進入體內后的不同pH值的環境，這能更好反映藥物的實際理化情況。為此NCE P3能預先設計不同的pH環境，更好的準確檢測藥物的pKa,這能很好的滿足對藥物pKa的檢測，準確預測藥物在體內的理化性質。