用磷脂膜色譜保留因子、解離分數和血清蛋白結合率預測抗生素的人體穩態分布體積南京藥科學院藥大學生物藥劑學研究室，遼南京，摘要目的：構建一種確切簡便的抗生素人體穩態分布體積的預測模型，以推動抗生素候選物的篩選速率，提升抗生素研制的成功率。方式：用磷脂膜色譜保留因子的對數值和解離分數fi、血漿蛋白結合率的對數值構建抗生素的組織中游離分數的預測模型，從而用ie-Tozer多項式估算其人體穩態分布體積。結果：該方式能用于結構各異的化合物，內部和外部驗證的結果表明我們的方式預測性好，有著更廣的應用范圍和更確切的預測能力。推論：構建了一種確切簡便的抗生素人體穩態分布體積的預測模型，有助于減短新藥開發的周期和增加成本。關鍵詞：分布容積；磷脂膜色譜；血清蛋白結合:.erfi7.7.-...canbe國家自然科學基金No.山東省自然科學基金No.作者簡介：北京藥科學院藥劑專業2006級博士研究生email：通信作者：**Tel：Email：※副院長E-mail：acy..:g.隨著組合物理和計算機輔助設計擴展抗生素候選物庫和抗生素開發成本迅速高漲，使在抗生素開發的過程中篩選新化合物的多種性質的同時考慮其人體藥動學行為愈發重要。
抗生素候選物藥動學特點的一個重要方面是抗生素的分布，它反映抗生素從體循環向外周組織的可逆轉運能力，用分布體積VD表示。當體內抗生素含量達到穩態時的VD被定義為穩態分布體積（VDss），與去除率Cl共同決定抗生素平均滯留時間/Cl和生物半衰期t1/20./Cl，從而影響給藥方案設計和病人的迎合性。其預測方式已有文獻綜述1，可概括為i植物數據外推法ii生理藥動學（PBPK）模型和iii計算機技巧據悉，兩種模擬生理膜結合-磷脂結合（人工磷脂膜IAM）和血清蛋白結合（人血清白蛋白HAS）也被用于構建人體VD模型2。在這種方式中，較具前景的方式是的方式3，用測定的體外pH7.4正辛醇/水分配系數對數值Elog離分數fi7.4和血清中游離分數fu構建了體內VDss的模型，但僅適用于酸性和中性化合物，不適用于堿性和兩性抗生素?；诖?，我們提出了一種改進的方式。用取代ElogD，和fi7.4、fu一起構建了人的VDss預測模型。該模型對堿性和兩性化合物與酸性和中性化合物有著同樣的預測確切性，廣泛適用于各種型化合物，建模方式簡單，預測確切。1儀器與試劑抗生素由北京藥科學院抗生素劑型實驗室提供，吡啶或水溶化，約為所用試劑起碼為剖析純。
色譜儀為；LC-10AT型泵；SPD-10A紫外檢查器，測量波IAM.PC..Inc.。2實驗技巧2.的測定流動相為50mM乙酸銨緩沖液pH7.0，可加入不環比例戊烷作為有機調節劑；葡萄柚酸出峰時間記為t0，抗生素的保留時間記為tr，抗生素在上述色譜條件下的保留因子即為：-t0/t0。加入乙醚作為有機調節劑時，測定個不環比例φ下的保留因子，即為。2.2解離分數fi的估算及分布體積和血清蛋白結合數據pKa實驗值。fi7.4值用下述公式估算107..4；兩性化合物，7.410。兩性化合物分為兩類：1起碼有一個酸性pKagt化合物這種化合物的體內分布行為與酸性化合物近似6其他的兩性化合物。堿性化合物的fi7.4值取負值，酸性化合物的fi7.4值取正值。數據來始于文獻。2.3訓練集和驗證集的分類采用降維剖析方式SAS9.0將121個化合物分為8類。分類所用的理化描述符共15個，分別為正辛醇/水分配系數、分子量、可旋轉鍵個數、環數、氧氮原子個數、氫鍵受體數、氧氫、氮電負性數、極性表面積和總表面積、pH7.0的正辛醇/水分配系數和摩爾溶化度由ACD/Labs軟件V8.14估算其他三個描述符是、logfu和fi7.4。
每類中隨機選定4/5的化合物作為訓練集構建預測模型，余下作為驗證集測試所建模型的預測性。2.4預測模型的構建通過變換的ie-Tozer多項式和VDss及fu的文獻值，可以得到估算的fut值：以估算的fut變量，.4和logfu為自變量通過多元回歸方式SAS9.0構建fut的預測多項式細胞膜穩態劑，隨后，通過原型ie-Tozer多項式和預測的fut及實驗fu估算可得/I是細胞外液和血清的結合蛋白百分比取值1.4VP、VEVR分別是血清容積、細胞外液體積和殘余液體積；分別取值0.0436、0.151kg-1。3結果3.1121個化合物所建VDss、fi7.4和logfu通過多元回歸構建了fut的預測多項式見equ3。以后用ie-Tozer多項式估算VDss值。futVDss的平均預測折合偏差AFE分別為1.9271.655。VDss的預測值對實驗值畫圖見圖ut0.21970.04890.31990.0418logIAM0.46990.0715log.8171Q20.8022RMSE0.3095F174.24Plt0.0001.Fig.13.2用訓練集化合物所建的VDss的預測模型為了進一步驗證本方式的預測能力，我們將總化合物數據集分為訓練集和驗證集兩部份進行建模見equ.4和驗證模型。
訓練集和驗VDss的預測值對實驗值畫圖見圖ut0.21680.05510.29080.0518logIAM0.55770.0956log.8266Q20.8083RMSE0.3253F147.8Plt0.0001.訓練集和驗證集的logfutAFE分別是2.0011.7211.605Fig.23.3交叉驗證按降維剖析121個化合物分成類，按毒理活性又可從121個化合物短發出所建新預測多項式預測能力接近，對每一類化合物的預測的futAFE均接近Tab.14討論4.1VDss的新預測模型eq中的三個自變量均具有統計學意義，log且彼此沒有相關性，kIAM和logfu的相關系數最大細胞膜穩態劑，r0.55。酸性和中性化合物的logfur-0.76間的共線性近似與logfur0.80間的，但對所有化合物或僅對堿性化合物而言，這些共線性是不存在的分別為-0.55-0.51。緣由可能是在水相和生物膜間的分布或分配過程中，logkIAM即可反映親脂性8又可反映電荷性預測多項式的回歸系數符號具有生理學意義。fi7.4的回歸系數為負值，由于陽離子更便于荷負電的細胞膜和組織成份結合，而陰離子更易與血清中的白蛋白結合，