具有_双重功效的阿片受体激动剂中药成分筛选研究_王特_朱瑞新_田川_吴平_康廷国

第16卷 第2期 2014 年 2 月

JOURNAL OF LIAONING UNIVERSITY OF TCM

辽宁中医药大学学报

Vol. 16 No. 2 Feb .，2014

DOI ：10.13194/j.issn.1673-842x.2014.02.017

具有μ/δ双重功效的阿片受体激动剂中药成分筛选研究

2

王特1，朱瑞新1，，田川1，吴平1，康廷国1

（1. 辽宁中医药大学药学院，辽宁 大连 116600；2. 同济大学生命科学与技术学院，上海 200092）

摘 要：阿片类镇痛药作用于体内μ、δ和κ三种阿片亚型受体，是中重度疼痛的主要治疗药。目前临床上

使用的阿片类镇痛药大多为μ受体激动剂，但易引起成瘾性、呼吸抑制等副作用。δ受体对μ受体介导的生理效应存在着明显的调节作用，可减少μ受体激动剂副作用的产生。因此，寻找具有μ/δ双重功效的先导化合物势必将为设计低毒副作用镇痛药物提供新的思路。借助于先进的分子模拟技术，该文首先分别构建了这两种受体激动剂的药效团模型。测试集阳性正确率（大于60%）和阴性正确率（大于90%）表明，模型具有较强的预测能力和合理性。由于从天然药物中寻找高效、低毒、无依赖性的镇痛新药已成为新的发展趋势，本课题选择在中药成分数据库中开展μ/δ阿片受体双激动剂先导化合物的虚拟筛选研究。运用空间多样性子集法，首先选取2 000个代表性中药成分作为候选分子。运用构建的2个药效团模型共同过滤，发现38个中药成分可作为潜在的μ/δ阿片受体双激动剂先导化合物。化合物与μ/δ阿片受体蛋白对接的结果显示化合物4、20、23、31、34、38与μ/δ阿片受体的结合活性较好，更有潜力作为μ/δ双重功效的阿片受体激动剂的先导化合物。其中，化合物23来源于小花木瓣树的树皮，小花木瓣树的树皮作为传统的镇痛药广泛地在非洲被使用，而化合物23有可能是其主要的镇痛成分。

关键词：阿片受体激动剂；中药成分；双受体；疼痛

(2014) 02- 中图分类号：R632.1 文献标志码：A 文章编号：1673-842X 0046- 05

Virtual Screening of Chinese Medicine in μ/δ Dual Action Opioid Receptor Agonist

2

WANG Te1，ZHU Ruixin1，，TIAN Chuan1，WU Ping1，KANG Tingguo1

（1. College of Pharmacy, Liaoning University of Traditional Chinese Medicine，Dalian 116600，Liaoning，

China ；2. School of Life Sciences and Technology，Tongji University，Shanghai 200092，China）

Opioid analgesics as a kind of potent pain-killer mainly affect μ，δ and κ three opioid Abstract ：

receptor subtypes. At present, μ opioid receptor agonists were widely used in clinical treatment, but undesired side effects such as physical dependence, respiratory depression limit the use. δ receptors can modulate the physiological effects of μ receptor and reduce the side effects of μ receptor agonist. 随着现代仪器分析和技术的不断提高，通过指纹图谱技术来控制中药质量的研究报道已越来越多，其结果能够更全面的反映中药质量的信息。《中华人民共和国药典》2010年版（一部）项下也对数味中药规定了以指纹图谱方法来控制其质量，可见，指纹图谱测定已逐渐成为中药及其制剂质量控制的重要手段之一。超高效液相色谱（UPLC）法具有分析时间快、灵敏度高等特点，在中药含量测定和指纹图谱建立中应用越来越广泛。以往采用HPLC 建立中药的指纹图谱进样1次一般需要60~70 min左右，而本实验研究采用UPLC 方法，在30 min左右即可完成1次进样色谱分离，且分离效果较为满意。

本实验研究过程中，首先对样品处理方法进行了考察，课题组前期曾采用过中性氧化铝柱的除杂，但指标成分有少量损失且过程较复杂；本实验采用乙醇沉淀的方法，目标成分几乎无损失，且操作简单、重现性好，效果优于前法，故采用乙醇沉淀法处理样品。实验采用UPLC-PDA 分别对重连口服液样品在200~400 nm 波长范围内进行全波长扫描，结果发现在270 nm左右处峰数目和分离度较合

适，故选择该波长进行测定。实验还分别考察了甲

醇-水、甲醇-0.05%磷酸、乙腈-水和乙腈-0.05%磷酸等流动相系统；以及柱温、流速、色谱柱等色谱条件，结果表明按照优化后的色谱条件，实验所得到的指纹图谱色谱峰的分离度较好，可满足测定的要求。◆

参考文献

[ 1 ] 王桂珍，韩宁林，张宗铭，等.热毒清口服液对病毒性上呼吸

道感染患者淋巴细胞亚群的影响[ J ] .北京中医药，2008，27 ( 12 ) ：919-920. [ 2 ] 周大勇，张宗铭，韩宁林，等.热毒清口服液治疗外感高热（风

热证）临床研究[ J ] .中国中医急症，2008，17 ( 7 ) ：913-914. [ 3 ] 陈莉，汪永忠，夏伦祝，等.重连口服液质量标准研究[ J ] .安

徽医药，2009，3 ( 5 ) ：481-483. [ 4 ] 夏伦祝，汪永忠，陈莉，等.高效液相色谱法测定重连口服液

中重楼皂苷Ⅰ含量[ J ] .安徽中医学院学报，2010，29 ( 4 ) ：64-65. [ 5 ] 邓洁薇，张翠仙，李娜，等.邓老凉茶颗粒的HPLC 指纹图谱及

模式识别研究[ J ] .中草药，2011，42 ( 11 ) ：2231-2234. [ 6 ] 韩燕全，洪燕，桂洁，等. 不同产地生、干、炮姜的UPLC 指纹图

谱比较研究[ J ] .中成药，2013，35 ( 2 ) ：356-359. [ 7 ] 韩燕全，洪燕，高家荣，等.基于UPLC 特征指纹图谱和指标成

分定量测定研究炮姜的炮制工艺[ J ] .中草药，2013，44 ( 1 ) ：42-46.

收稿日期：2013-06-11基金项目：中央高校基本科研业务费专项资金资助项目（2000219083）；国家自然科学基金资助项目（31200986）；高等学校博士学科点专 项科研基金资助项目（2010-0072120050）作者简介：王特（1989-），男，浙江温州人，硕士研究生，研究方向：计算机辅助药物设计。通讯作者：康廷国（1955-），男，内蒙古赤峰人，教授，博士研究生导师，研究方向：中药鉴定与品质评价。

46

16卷 辽宁中医药大学学报

Therefore, seeking a new μ/δ dual action opioid receptor agonist lead compound will provide a new way for

finding analgesics with low toxicity and fewer side effects. With advanced molecular simulation technique, pharmacophore models of both μ/δ receptor agonists were built in our study. Positive accuracy (over 60%) and negative accuracy (over 90%) indicated that models showed preferable prediction ability. Finding high efficiency and low toxicity analgesic from nature product has become a new trend. We performed virtual screening of μ/δ dual action opioid receptor agonist through traditional Chinese medicine database. Diverse subset was utilized to select 2000 compounds as candidates. Pharmacophore models were further employed to obtain 38 compounds which were taken as potential μ/δ dual action opioid receptor agonists. The result of molecular docking indicates that compounds 4, 20, 23, 31, 34, 38 are more like to be μ/δ dual action opioid receptor agonist. Among them, compound 23 derived from the bark of Xylopia parviflora is used as traditional medicine for analgesia in Africa. This study suggests that compound 23 might be the main active ingredient for analgesia.

opioid receptor agonist；Chinese medicine；amboceptor ；pain Key words：疼痛是很多疾病的常见症状，而今，世界卫生

组织将疼痛确定为继血压、呼吸、脉搏、体温之后的“第五大生命体征”，对疼痛的研究越来越被重视。全世界每年大约有5亿人遭受着各种各样的疼痛。根据国际疼痛研究会（IASP）对疼痛的定义：“一种不愉快的感觉和实际的或潜在的组织损伤所引发的情感经历；或者就这一损伤所做的描述”。疼痛可以理解为机体受到来自内外环境的伤害性刺激时出现的一种伴有情绪反应的病理生理过程，常会使患者遭受各种心理痛苦，如惊慌、害怕、焦虑、悲伤、愤怒、烦躁、失眠等。同时它对机体的影响也是多方面的，从局部到整体功能，严重者还可以导致生理功能紊乱，甚至可以引发疼痛性休克，而某些长期的剧烈疼痛，可以促使中枢神经系统发生病理性重构，使疼痛疾病的进展愈加难以控制，对机体而言更是成为一种难以忍受的折磨。

自1973年证实脑内有阿片受体存在以来，阿片受体激动剂由于其具有很强的镇痛作用而被广泛的应用于临床。目前认为阿片受体主要存在μ、κ、

[1]

阿片类药物通δ三种具有独特药理作用的亚型，

过与外周和中枢神经系统内的μ、κ、δ阿片受体结合，产生完全激动、部分激动、激动-拮抗和拮抗等不同作用，抑制伤害性传入信号的产生和传递而产生镇痛作用。目前大多数临床使用的阿片药物主要是μ型阿片受体的完全性激动剂，如吗啡、美沙酮、羟考酮、可待因、芬太尼等。μ阿片受体激动剂具有良好的镇痛效果，具有起效快、持续时间长等优点，但长时间使用此类药物，往往会出现呼吸抑制、便秘、身体和精神依赖等严重的不良反应[2-3]。δ受体激动剂是近几年阿片受体激动剂研究的热点，在阿片受体相互作用的研究中发现δ受体激动剂镇痛活性不强，但能够增强μ受体激动剂的镇痛效果，同时不增加成瘾性等副作用，并且δ受体拮抗剂能够抑制或完全阻断μ受体激动剂导致的呼吸

联合使用μ抑制以及成瘾性等副作用[4-5]。目前，

受体激动剂和δ受体激动剂/拮抗剂已经成为了解决阿片样镇痛药副作用的一种手段，然而联合用药存在着药物相互作用、用药量大、肝肾毒性增加、代

[6]

谢复杂等缺点而使其临床应用受到限制。在药物研发领域，从“单药单靶点”向基于系统生物学理论的“多靶点药物”转变已成为必然趋势[7-8]。从理论上来说，异靶点分子组成的药物在一定程度上存在协同作用，同时相对降低了药物与靶点的亲和力，故而可以起到增效减毒的作用，降低药物毒副作用反

寻找具有μ/δ双重功效的先应和耐受性[9]。因此，

导化合物势必将为设计高效低毒副作用镇痛药物提供新的思路。

药物产生药效或者毒副作用是一系列复杂过程的宏观表现，从微观上表现来说是药物与体内的生物大分子之间产生的特异性相互作用的结果[10]。药物分子与受体的的相互识别和相互结合的强弱程度又取决于两者之间的物化性质和化学结构间相互适配的程度，这种相互适配的程度就决定了药物药效和毒性的高低。同时，药物分子与受体间的相互识别和相互适配，进而相互作用，均是在三维空间进行的。一方面，对同一受体药物分子化学结构的微小变换可能导致完全不能结合，表明有严格的空间分子识别作用；另一方面，化学结构完全不同的而三维结构信息相似的化合物又可能与同一受体结

化合物的三维合，显示类似的生物活性[11-12]。因此，

结构信息决定了其与受体的作用方式，利用化合物的三维结构信息进行药物设计已经成为药物研发的重要手段。

药效团是指一系列化合物共有的特征，药效团模型方法就是利用已知活性化合物的三维结构信息进而筛选出有相同结构特征的其他化合物，从而为

[12-13]

。本文就已上市的和处于科药物设计提供指导

学研究阶段的两类阿片受体激动剂，分别构建药效团模型，描述化合物的共有特征。模型验证结果表明，模型具有较强的预测能力和合理性。由于多数

因现有药物仍然直接或间接的来源于中药成分[14]，

此我们将两类模型用于中药成分数据库的筛选，从丰富的中药数据库资源中寻找具有共同结构特征的化合物，结合分子对接的结果从而筛选出潜在的μ/δ阿片受体双激动剂的先导化合物。

1 材料与方法

1.1 药效团模型的建立与筛选

1.1.1 μ/δ受体激动剂训练集选择

收集8个已经上市的μ受体激动剂作为活性样本，20个经文献报道的哌嗪类化合物作为无活性

[15]

。随机选取8个（3个正样样本（化学结构见图1）

本，5个负样本）组成训练集，用于建立药效团模型1，剩余20个化合物作为测试集，用于药效团模型1的验证。收集10个用于科学研究的δ受体激动剂作为活性样本，15个经文献报道的二芳基哌嗪类化

[16]

。随机选合物作为无活性样本（化学结构见图2）

取8个（3个正样本，5个负样本）组成训练集，用于建立药效团模型2，另外17个作为测试集，用于药效

47

辽宁中医药大学学报 16卷

团模型2的验证。

1.1.2 药效团模型的建立

选择molecular operating environment（MOE）[18]

完整度高的构象导入2012软件中快速高效、

法（Conformation Import），生成样本构象库。采用Flexible Alignment方法，运用MOE 缺省立场MMFF94x，对分子进行构象叠合，得到分子的最低叠合构象。用Pharmacophore Query Editor模块，选取缺省的药效团综合注释策略Unified，利用Pharmacophore Consensus面板计算样本的共同的药效特征。针对测试集样本，对已得到的药效团模型进行验证和评估。

1.1.3 基于药效团模型的中药虚拟筛选

运用空间多样性子集法，在中药数据库（Traditional Chinese Medicines Database，TCMdb2009）中的23033种化合物，选取2000个代表性中药成分作为候选分子，利用药效团模型1和2

下，依次与μ和δ受体模型活性位点对接，统计对接过程中产生的分子构象，以待分析。在分子对接过程中，蛋白模型结构保持不变，改变小分子的构象和空间位置，配体和受体间的能量匹配用半经验的自由能计算方法来评价。结合药效团模型1和2选

图2 δ受体激动剂的化学结构

2 结 果

2.1 药效团模型的构建

图1 μ受体激动剂的化学结构

1.2 分子对接

从PDB（PROTEIN DATA BANK）数据库中分别找到μ和δ受体的蛋白分子（ID编号分别为4DKL 和4EJ4），剔除蛋白中的已有的配体化合物，用AMBER99力场进行能量优化。导入2 000个代表性中药成分，采用MOE Dock程序，在MMFF94x 力场

2.1.1 药效团特征

根据μ受体激动剂训练集的结构特征，构建得到药效团模型1；根据δ受体激动剂训练集的结构特征，构建得到药效团模型2。药效团模型1的三维结构如图3所示，包含1个π环（PiN），3个疏水中心（Hyd）,1个氢键受体（Acc）共5个药效特征。药效团模型2的三维结构如图4所示，包含2个π环（PiN），2个疏水中心（Hyd），1个氢键受体（Acc），共5个药效特征。

2.1.2 药效团模型的验证

为检测药效团模型的预测能力，我们利用测试集对得到的模型进行验证，测试结果见表1。阳性正确率（：模型筛选的正样本/总的正样本）×100%；阴性正确率：（1-模型筛选的负样本/总负样本）×100%。一般认为将阴性正确率控制在90%以上的前提下，尽量提高阳性正确率是高通量筛选所期望的的模型。测试结果显示，模型具有较强的

48

16卷 辽宁中医药大

学学报

预测能力和合理性，可用于后续中药成分数据库活性化合物的筛选（结果见表1）

。

图3 药效团模型1

三维结构图

图4 药效团模型2三维结构图

表1 模型验证结果

项目药效团模型1（4DKL）药效团模型2（4EJ4）测试集样本数20（5正，15负）17（7正，10负）正样本35负样本11阳性正确率（%）60.071.4阴性正确率（%）93.390.0

图5 命中的天然产物分子化学结构

表3 根据分子对接及药效团模型结果筛选到的天然产物编号

化学结构

μ

δ

4

-27.0555

-30.4403

2.1.3 中药成分虚拟筛选

基于上述2个药效团模型，对2 000个代表性中药成分进行搜索，药效团模型1搜索得到了95个分子，药效团模型2搜索得到了62个分子。我们对2个模型筛选得到的化合物，进行分析比较，共同的化合物有38个（结果见表2，化学结构见图5）。

表2 基于药效团模型的天然产物数据库搜索结果项目筛选化合物共同化合物

药效团模型1

95

38

药效团模型2

62

20

+

-27.6225-28.7932

23

-26.3728-27.5652

31-28.3990

-28.3432

2.2 分子对接

选取2 000个代表性中药成分作为候选分子，与两类受体分子依次进行分子对接，筛选中药活性化合物。根据S 值结合药效团模型1和2选取打分排名前100的化合物，发现化合物4、20、23、31、34、38对μ受体及δ受体活性位点的匹配性均较强（结果见表3）。

34

-27.4767-29.9719

-38

+

-27.3989-28.3210

49

辽宁中医药大学学报 16卷

3 讨 论

quest for the Holy Grail[ J ] . British journal of Pharmacology，2006，147：153-162.

[ 2 ] Ramsin B. Opioid complications and side effects[ J ] . Pain

physician，2008，11：105-120.

[ 3 ] S Ananthan. Opioid ligands with mixed mu/delta opioid receptor

interactions ：An emerging approach to novel analgesics[ J ] . AAPS Journal，2006，1 ( 8 ) ：118-125.

[ 4 ] Vaught JL.Differential effects of Leueine and Methionine

Enkephalin on Morphine-induced analgesia，acute tolerance and dependence[ J ] . J Pharmacol Exp Ther，1979，208 ( 1 ) ：86-90．[ 5 ] Zhu Y. Retention of supraspinal δ-like analgesia and loss of

morphine tolerance in δ opioid receptor knockout mice[ J ] . Neuron，1999，24 ( 1 ) ：243-52.

[ 6 ] 沈庆，刘慧芳.μ/δ阿片受体相互调节作用及药物发现与设

计策略[ J ] . 中国药理学通报，2010，26 ( 1 ) ：4-8.

[ 7 ] Wu D. Screening of selective histone deacetylase inhibitors by

proteochemometric modeling[ J ] . BMC bioinformatics，2012，13：212.

[ 8 ] Huang Q. Proteochemometric modeling of the bioactivity spectra

of HIV-1 protease inhibitors by introducing protein-ligand interaction fingerprint[ J ] . PLoS one，2012，7：e41698.

[ 9 ] Ohlson S. Designing transient binding drugs：a new concept

for drug discovery[ J ] . Drug Discov Today，2008，13 ( 9/10 ) ：433-439.

[ 10 ] Wu Q. Binding Mechanism of Inhibitors to CDK5/p25 Complex：

Free Energy Calculation and Ranking Aggregation Analysis[ J ] . Mol Inform，2013，32：251-260.

[ 11 ] Zhu RX. Quantitative Structure-Activity Relationship of

IOPY/ISPY Analogues as HIV-1 Non-Nucleoside Reverse Transcriptase Inhibitors[ J ] . Acta Chim Sinica，2011，69：

从药效团模型1和2的研究结果推测可知，

μ受体激动剂和δ受体激动剂与μ/δ受体蛋白的活性位点相互作用的方式基本一致，都是通过π-π环（PiN），疏水中心（Hyd）和氢键受体（Acc）与受体结合从而产生药物活性。这从分子水平也解释了为什么某一类阿片受体激动剂或拮抗剂对其他不同类型的阿片受体会同时存在激动或者拮抗的作用。如μ受体拮抗剂纳络酮对Serl 96突变型μ受体有镇痛活性，但没有耐受性产生，而导致这一现象原因可能是纳络酮激活μ受体的同时拮抗了δ受体[17]。

用药效团模型1和2对中药成分数据库进行筛选，分别得到了具有潜在μ受体或δ受体激动作用的活性化合物。其中，2个模型共同筛选到38个化合物，可作为潜在的具μ/δ双重功效的阿片受体激动剂潜在的先导化合物（化学结构见图6）。通过观察化学结构发现，38个化合物兼具药效团模型1和2的部分药效特征。进一步的分子对接的结果显示，化合物4、20、23、31、34、37对μ受体及δ受体活性位点的匹配性较强，更有可能作为具μ/δ双重功效的阿片受体激动剂的先导化合物。其中23来源于小花木瓣树的树皮，作为传统的镇痛药广泛地在非洲使用[18]。通过观察化合物23我们发现，其母核的化学结构与传统的μ受体激动剂和δ受体激动剂有惊人的相似之处（见图6），这进一步印证了所建立的药效团模型的可靠性，也从侧面说明了化合物23很有可能是天然植物小花木瓣树主要的

1731-1736.

[ 12 ] Gao Q. Pharmacophore based drug design approach as a practical

process in drug discovery[ J ] . Curr Comput Aided Drug Des，2010，6 ( 1 ) ：37-49.

[ 13 ] Tian C. Virtual Screening of Dual-Mechanism Proton Pump

Inhibitors of Traditional Chinese Medicine[ J ] . Journal of Liaoning University of Traditional Chinese Medicine，2013，15 ( 11 ) ：283-287.

[ 14 ] Wu Q. AT1R-based Virtual Screening Model for Bioactive

Components from Traditional Chinese Medicines and Its Mechanism Study[ J ] . Acta Chim Sinica，2012，70：796-802.

[ 15 ] Niklas P. New Diarylmethylpiperazines as Potent and Selective

Nonpeptidic δ Opioid Receptor Agonists with Increased In Vitro Metabolic Stability[ J ] . J Med Chem，2000，43：3878-3894.

[ 16 ] Chad MK. Discovery of N-{4-[(3-Hydroxyphenyl)-3-methylpiperazin-1-yl]methyl-2-methyl-propyl}-4-phenoxybenzamide Analogues as Selective Kappa Opioid Receptor Antagonists[ J ] . Med Chem，2013，56：4551-4567.

[ 17 ] Roy S. In vivo activation of a mutant mu-opioid receptor by

nahrexone produces a potent analgesic effect but no tolerance：role of mu-receptor activation and delta-receptor blockade in morphine tolerance[ J ] . J Neurosci，2005，25：3229-33.

[ 18 ] Yumi N.Quaternary isoquinoline alkaloids from Xylopia

parviflora[ J ] . Phytochemistry，2004，65：939-944.

图6 化合物23与传统阿片受体化学结构的对比

4 结 论

本研究针对两类不同阿片受体激动剂，μ受

体激动剂和δ受体激动剂，分别构建了药效团模型1和2。测试集对模型的验证和评价结果表明，模型具有较强的预测能力和合理性。将这2个模型用于2 000个代表性中药的筛选，得到38个潜在的具有μ/δ双重功效的阿片受体激动剂。进一步的分子对接的结果显示，化合物4、20、23、31、34、37对μ受体及δ受体活性位点的匹配性较强，更有可能成为具μ/δ双重功效的阿片受体激动剂的先导化合物。其中化合物23来源于小花木瓣树的树皮，有可能是其主要的镇痛成分。◆

参考文献

[ 1 ] Alistair DC. 75 years of opioid research：the exciting but vain

50