Khóa luận được nghiên cứu với mục tiêu nhằm xây dựng mô hình QSAR nhằm dự đoán khả năng thẩm thấu qua da thông qua của các hợp chất. Phân tích và đánh giá mô hình tìm được theo 5 tiêu chí của tố chức Hợp tác và Phát triền Kinh tế thế giới (OECD).
TỔNG QUAN
Thiết bị Franz
1.1.1 Vai trò của thiết bị Franz trong thí nghiệm đo khả năng thẩm thấu qua da
Thử nghiệm đo lường sự giải phóng thuốc là bước quan trọng trong phát triển sản phẩm thuốc, xác định kỹ thuật phù hợp với dạng liều lượng và đường phân phối Đối với thuốc rắn, độ tan đã được kiểm tra trong suốt 50 năm qua, trong khi đó, thử nghiệm giải phóng thuốc in vitro (IVRT) gần đây trở thành phương pháp chính để đánh giá tính giải phóng của thuốc bán rắn Tỷ lệ giải phóng in vitro phản ánh hiệu quả của nhiều yếu tố vật lý và hóa học, như độ hòa tan, kích thước hạt và tính chất lưu biến của dạng liều.
Phương pháp IVRT phổ biến hiện nay sử dụng thiết kế buồng mở, như hệ thống thiết bị khuếch tán Franz, cho phép áp dụng với màng tổng hợp, cấu trúc mô, hoặc mẫu sinh học, bao gồm cả da người.
1.1.2 Cấu tạo của thiết bị Franz
Thiết bị Franz là các thiết bị giải phóng riêng biệt, được cấu tạo từ hai phần chính là thủy tinh borosilicate Phần trên, thường gọi là nắp thiết bị hoặc buồng cấp, và phần dưới, được biết đến là buồng thụ thể hoặc thân thiết bị.
Hình 1.2 Cấu tạo gồm hai phần chính của thiết bị Franz
Buồng trên, hay còn gọi là buồng cấp, được kết nối với buồng dưới (buồng thụ thể) thông qua một khớp Ở giữa khớp, có một màng ngăn giúp thẩm thấu hoặc vận chuyển chất, được cố định bằng một chiếc kẹp.
Các thiết bị có vỏ bọc được kết nối với nguồn nước để kiểm soát nhiệt độ hiệu quả, trong khi các thiết bị không có vỏ có thể sử dụng trong máy sấy khô hoặc bồn nước Mặc dù giá thành của thiết bị có vỏ cao hơn, nhưng chúng được ưa chuộng hơn do khả năng kiểm soát nhiệt độ dễ dàng.
Trong các thí nghiệm in vitro, thiết bị Franz thường kết hợp với máy khuấy V-Series Tuy nhiên, nếu chỉ sử dụng một thiết bị Franz đơn lẻ, người dùng cũng có thể thay thế bằng máy khuấy thí nghiệm thông thường.
Các thiết bị tiêu chuẩn của Franz bao gồm tay lấy mẫu, ống dẫn, ống thoát nước nóng và lưu lượng tùy chỉnh, tất cả đều được chế tạo từ ống có đường kính ngoài 6mm và độ dày thành 1,0mm Dung sai của ống được xác định bởi nhà sản xuất.
OD 2mm là kích thước lý tưởng để lấy mẫu từ thiết bị Franz Hiện tại, chưa có quy chuẩn cụ thể cho lượng mẫu lấy từ thiết bị này, vì vậy nên hạn chế lấy mẫu ở mức tối thiểu.
1.1.3 Cách hoạt động của thiết bị Franz
Các sản phẩm thử nghiệm được đặt trong buồng cấp, nơi màng ngăn tách biệt mẫu thử với buồng thụ thể chứa chất trung gian, thường là muối Phosphate Buffered Saline (PBS) Sự thẩm thấu của thuốc bán rắn qua màng được theo dõi bằng cách lấy mẫu từ buồng thụ thể theo thời gian và phân tích bằng HPLC Mỗi lần lấy mẫu, chất trung gian được bù vào để đảm bảo độ chính xác Thử nghiệm nhằm xác định lượng thẩm thấu qua màng tại các thời điểm xác định, với buồng được duy trì ở nhiệt độ 37°C Khả năng thấm của từng chất có thể thay đổi đáng kể và kết quả từ thiết bị Franz không nhất thiết phản ánh hiệu quả của cấu trúc, mà có thể xác định khả năng hoạt động qua da của cấu trúc đó.
Tính thấm qua da
1.2.1 Khó khăn khi nghiên cứu khả năng thẩm thấu qua da
Lớp sừng là rào cản chính ảnh hưởng đến khả năng thẩm thấu qua da, với sự xâm nhập của các hợp chất phụ thuộc vào cấu trúc hóa học của chúng Nhiều yếu tố khác cũng ảnh hưởng đến thẩm thấu qua da, bao gồm cách tiếp xúc với các hợp chất, các phương pháp thay đổi tính chất rào cản của lớp sừng, quy trình trong mô, và các yếu tố sinh học Lớp sừng, nằm trên bề mặt da, là một lớp tế bào chết chứa keratin và được bao quanh bởi lipid ngoại bào Dày từ 7–16 micromet ở hầu hết các vùng cơ thể, nhưng dày tới 400–600 micromet ở lòng bàn tay và bàn chân Lớp sừng chứa 40% protein, trong đó 80% là keratin, và loại cũng như lượng lipid trong lớp này thay đổi theo từng vùng cơ thể, ảnh hưởng lớn đến tính thấm qua da.
Nhiều nỗ lực đã được thực hiện để phát triển các phương pháp thực nghiệm đo lường sự hấp thu qua da, chủ yếu thông qua các thí nghiệm in vitro Dữ liệu in vivo thường được thu thập từ các xét nghiệm sinh học Tỷ lệ chuyển hóa qua da của các loại thuốc thường được nghiên cứu nhiều nhất qua các thí nghiệm in vitro, vì phương pháp này đơn giản hơn so với các phép đo lâm sàng.
Mức độ thẩm thấu có thể được xác định thông qua ba phương pháp chính: đầu tiên là sự chuyển hóa thuốc trong động vật hoặc người thử nghiệm; thứ hai là việc sử dụng da được cắt bỏ từ người hoặc động vật; và cuối cùng là áp dụng mô hình màng tổng hợp trong các thí nghiệm in vitro.
Da người được lấy từ nhiều nguồn khác nhau, bao gồm phẫu thuật thẩm mỹ và phẫu thuật cắt bớt, và đã được sử dụng trong các thí nghiệm in vitro Da từ các loài động vật như lợn, chuột, rắn, thỏ và các loài khác được chọn làm thay thế cho da người Trong số này, da lợn và chuột là phổ biến nhất do có nhiều điểm tương đồng với da người Mặc dù da động vật cho thấy khả năng thẩm thấu hóa chất tốt trong nghiên cứu, nhưng nó thiếu đi sự phức tạp của lớp sừng như ở da người.
1.2.2 Các phương pháp đánh giá khả năng thẩm thấu của các chất hóa học qua da
Các phương pháp ex vivo và in vitro để thử nghiệm tính thẩm thấu của da đã được thiết lập và công bố rộng rãi, được ứng dụng trong nhiều lĩnh vực nghiên cứu Da người từ các nguồn như phẫu thuật thẩm mỹ và phẫu thuật cắt bỏ đã được sử dụng để đánh giá khả năng thẩm thấu qua da Ngoài ra, việc sử dụng da động vật như lợn, chuột, khỉ và rắn cũng được chấp nhận như một sự thay thế thích hợp cho da người Trong đó, da lợn và chuột là những loại thường được sử dụng nhất do có các rào cản thẩm thấu tương tự với da người.
Mặc dù da động vật có khả năng cung cấp các đặc tính rào cản tương tự như da người, nhưng chúng không thể đạt được sự phức tạp và đặc tính rào cản của lớp sừng da người Do đó, nhiều nhà nghiên cứu đã nỗ lực phát triển da nhân tạo với các đặc điểm tương đương nhằm khắc phục những hạn chế này.
Một số loại da nhân tạo đã được áp dụng thành công trong cấy ghép da và điều trị phẫu thuật bỏng Những loại da này có cấu trúc với các vùng ưa nước và kỵ nước, phản ánh đầy đủ các đặc điểm của lớp sừng trên da người.
Mô hình tương đương với da người (LSEs) được sử dụng để đánh giá khả năng thẩm thấu qua da, bao gồm các màng da như biểu bì tái tạo từ nuôi cấy mô, thay thế cho mô động vật Tuy nhiên, các mô này thường yếu hơn và có ít rào cản hơn so với da người do hàm lượng Ceramide 1 và 3 thấp hơn Một số nghiên cứu cho thấy chúng có thể cung cấp đặc điểm thẩm thấu tương tự như da người, nhưng trong nhiều trường hợp, chúng lại vượt quá mức ước lượng thấm qua da.
Khi thiếu da người hoặc động vật, màng tổng hợp như polydimethylsiloxan (PDMS) và cellulose axetat thường được sử dụng trong các thí nghiệm sàng lọc Màng PDMS có đặc tính rào cản tương tự lớp sừng, trong khi cellulose acetate mô phỏng tính thẩm thấu của tế bào với cấu trúc xốp giống như da Tuy nhiên, các màng này có thể làm tăng đáng kể khả năng thẩm thấu của các chất, điều này cần được xem xét khi đánh giá khả năng thẩm thấu qua da Việc so sánh khả năng thẩm thấu của cùng một hợp chất qua các màng khác nhau còn thiếu dữ liệu Để giải quyết vấn đề này, mối quan hệ định lượng giữa cấu trúc và tác dụng (QSARs) có thể được sử dụng để thống kê khả năng thẩm thấu của các hóa chất ngoại sinh dựa trên các thông số hóa lý đã biết, mặc dù vẫn tồn tại một số phản đối về hạn chế trong phát triển mô hình thống kê.
1.2.3 Mối quan hệ định lượng cấu trúc-tác dụng (QSAR) và khả năng thẩm thấu qua da
Mô hình QSAR phân tích mối liên hệ giữa hoạt tính sinh học và các đặc tính hóa lý hoặc cấu trúc của hợp chất Nó cung cấp các mô hình dự đoán nhằm ước lượng hoạt động sinh học Trong hơn một thế kỷ qua, nghiên cứu trong lĩnh vực này chủ yếu tập trung vào tối ưu hóa hoạt động của thuốc và dự đoán độc tính Mục tiêu của luận văn này là nghiên cứu khả năng thẩm thấu qua da của các chất.
Khả năng thẩm thấu của hợp chất qua da được xác định bằng nhiều phương pháp, trong đó định luật Fick đóng vai trò quan trọng, liên quan đến lưu lượng và hệ số thấm.
Kp: Hệ số thẩm thấu
∆C m : Chênh lệch nồng độ giữa 2 bên của màng t: Độ dày của màng
1.2.4 Quá trình phát triển của QSAR trong nghiên cứu tính thấm qua da
Trong hơn ba mươi năm qua, đã có nhiều nghiên cứu về tính thấm của các hợp chất qua da, tập trung vào mối liên hệ giữa tính chất hóa lý của chúng và khả năng thẩm thấu.
Trong các nghiên cứu trước đây, việc áp dụng các mô hình dự báo định lượng (QSPR) là rất hiếm Hầu hết các nghiên cứu chủ yếu dựa vào phân tích các chuỗi phân tử tương đồng hoặc có mối liên hệ chặt chẽ.
Nghiên cứu cho thấy chỉ một số lượng nhỏ hợp chất được đánh giá có mối quan hệ tuyến tính với khả năng kỵ nước, trong đó tăng tính kỵ nước liên quan đến tăng cường độ thẩm thấu của da Một số nghiên cứu khác chỉ ra mối quan hệ parabol giữa độ thẩm thấu qua da và tính kỵ nước, đặc biệt với các hợp chất kỵ nước cao Những phát hiện này cho thấy có thể áp dụng các mô hình QSAR cho độ thẩm thấu qua da, với mỗi mô hình được thiết lập cho từng nhóm hóa chất cụ thể hoặc một loạt hợp chất.
Tập dữ liệu Flynn (1990) và các phân tích QSAR sau đó:
Nỗ lực phát triển mô hình QSAR để dự đoán khả năng thẩm thấu qua da đã được thúc đẩy bởi công bố của Flynn vào năm 1990, cung cấp 97 hệ số thấm cho 95 hợp chất qua thí nghiệm in vitro với da người Đây là cơ sở dữ liệu lớn đầu tiên và vẫn là lớn nhất cho đến gần đây, nhưng cần lưu ý rằng dữ liệu này được biên tập từ 15 nguồn tài liệu khác nhau, dẫn đến nguy cơ sai lệch cao giữa các thử nghiệm do sự biến đổi giữa các phòng thí nghiệm, đặc biệt liên quan đến nguồn gốc và vị trí của da Cơ sở dữ liệu của Flynn đóng vai trò quan trọng trong việc phát triển QSAR cho dự đoán tính thấm của da.
Tổng quan về mối quan hệ định lượng cấu trúc-tác dụng của hợp chất (QSAR)
Tên tác giả Số chất R 2 Mô hình
Potts và Guy 93 0,67 Tuyến tính
Pugh và Hadgraft 24 0,935 Tuyến tính
Lien và Gao 22 0,96 Tuyến tính
Potts và Guy 37 0,94 Tuyến tính
Hostynek and Magee 20 0,80 Tuyến tính
Roy và cộng sự 60 0,64 Tuyến tính
Abraham và cộng sự 53 0,96 Tuyến tính
Gute và cộng sự 60 0,67 Tuyến tính
Minghetti và cộng sự 14 0,749 Tuyến tính
Dearden và cộng sự 91 0,83 Tuyến tính
Poulin và Krishnan 47 0,95 Mô hình dựa trên K p
Ghafourian và Fooladi 39 0,94 Tuyến tính
Gonzalez và Helguera 38 0,92 Tuyến tính
Pannier và cộng sự 37 0,97 Lôgic mờ
Pannier và cộng sự 54 0,95 Lôgic mờ
Degim và cộng sự 38 0,997 ANN
Moody và MacPherson 65 0,89 Tuyến tính
Majumdar và cộng sự 62 0,934 Tuyến tính
1.3 Tổng quan về mối quan hệ định lƣợng cấu trúc-tác dụng của hợp chất (QSAR)
1.3.1 Khái niệm và nguyên lý chung của QSAR
QSAR là một phương pháp định lượng mô tả mối liên hệ giữa cấu trúc phân tử và hoạt tính sinh học hoặc hóa học của các hợp chất.
Y = f1(x1) + f2(x2) + + fn(xn), trong đó Y đại diện cho biến đáp ứng sinh học hoặc hóa học, thường được thu thập từ các thí nghiệm và được biểu diễn dưới dạng giá trị log Kp Ở đây, Kp là hệ số thẩm thấu qua da.
Các biến x1, x2,… xn được gọi là tham số phân tử (molecular descriptors) và được sử dụng để mô tả cấu trúc phân tử của hợp chất Hiện nay, đã có hàng ngàn tham số phân tử (TSPT) được áp dụng trong nghiên cứu xây dựng mô hình QSAR Các TSPT này có thể được thu thập thông qua thực nghiệm hoặc tính toán lý thuyết bằng các phần mềm chuyên dụng như Dapt, Dragon, Padell, MOE và Hyperchem.
Mô hình QSAR dựa trên nguyên lý rằng cấu trúc của mỗi phân tử chứa các yếu tố quyết định đặc tính sinh học, vật lý và hóa lý của nó Do đó, các hợp chất có cấu trúc tương tự thường thể hiện hoạt tính tương đồng.
Từ năm 1868, Crum-Brown và Fraser đã đưa ra nhận định tác dụng sinh học là hàm số của cấu trúc hóa học:
f (C) Đến năm 1893, Richet đã rằng sự khác nhau về tác dụng sinh học là do sự thay đổi về tính chất hóa học hay lý hóa [33]:
f (C) Đây là hai tư tưởng nền tảng để thiết lập các mô hình QSAR sau này
Năm 1900, Meyer và Overton tìm ra mối quan hệ tuyến tính giữa mức độ thân dầu và hoạt tính của thuốc gây mê [29]
Và đến năm 1935, phương trình Hammett ra đời, được coi là phương trình đầu tiên biểu diễn mối quan hệ định lượng hoạt tính-cấu trúc [29]:
Với K, Ko là hằng số acid, là hằng số Hammett (thông số hóa lý đặc trưng cho khả năng hút hoặc đấy điện tử của nhóm thế)
Từ những năm 1960, Corwin Herman Hansch đã nghiên cứu mô hình QSAR, một phương trình hồi quy đa tham số thể hiện mối quan hệ giữa hoạt tính sinh học và các thông số hóa lý.
Trong nghiên cứu, C đại diện cho đáp ứng sinh học, trong khi là hằng số thế kỵ nước Hằng số thế Hammett được ký hiệu là , và Es là hằng số thế Taft Các hệ số k1, k2, k3, k4, k5 được sử dụng trong phân tích hồi quy.
Kể từ đó, số lượng nghiên cứu về xây dựng mô hình QSAR đã gia tăng đáng kể, với sự đa dạng trong các phương pháp xây dựng và ứng dụng mô hình này.
1.3.2 Xây dựng và đánh giá mô hình QSAR
Mô hình QSAR được xây dựng và đánh giá gồm 5 bước như sau:
Bước 1: Chuẩn bị cơ sở dữ liệu
Cơ sở dữ liệu (CSDL) là yếu tố quan trọng trong việc xây dựng các mô hình QSAR, bao gồm thông tin về hoạt tính, độc tính và đặc tính dược động học của các hợp chất từ các nghiên cứu khoa học CSDL cho mỗi mô hình QSAR sẽ chứa cấu trúc phân tử và hoạt tính của các chất, với hoạt tính thường được xác định qua thực nghiệm in vitro.
CSDL ban đầu được phân chia thành hai phần: tập huấn luyện và tập kiểm nghiệm Tập huấn luyện, chiếm khoảng 80-90% tổng CSDL, được sử dụng để phát triển mô hình QSAR, trong khi tập kiểm nghiệm được dùng để đánh giá hiệu suất của mô hình.
Bước 2: Tính toán tham số phân tử
Cấu trúc phân tử của hợp chất có thể được tạo ra bằng phần mềm như Chemdraw hoặc thông qua các tính năng tích hợp trong các phần mềm QSAR chuyên dụng Từ những cấu trúc này, chúng ta có thể thu thập các tham số phân tử (TSPT) để mô tả thông tin liên quan.
Hiện nay, nhiều phần mềm phổ biến như Dragon, Padell, MOE, và Hyperchem được sử dụng để tính toán các Thông số Physico-Chemical (TSPT) Sự phát triển của phương pháp QSAR đã cho phép tính toán ngày càng nhiều nhóm TSPT, giúp mô tả chi tiết và chính xác hơn cấu trúc của hợp chất Đặc biệt, phiên bản cập nhật Dragon 7.0 (2017) có khả năng tính toán lên đến 5270 TSPT.
Các TSPT có thể được phân loại thành 3 nhóm như sau:
Tham số phân tử 1D bao gồm các thông tin như khối lượng phân tử, số nhóm thế và số nguyên tử carbon, có thể thu được từ công thức tổng quát của hợp chất Ngoài ra, các tham số này cũng có thể được tính toán từ sự tổng hợp các nguyên tử thành phần, chẳng hạn như chỉ số khúc xạ và độ phân cực Hệ số phân bố n-octal/nước là một tham số quan trọng thường được sử dụng để đánh giá sinh khả dụng và khả năng thấm qua màng tế bào của hợp chất.
Tham số phân tử 2D là những thông số quan trọng giúp mô tả hình dạng và trật tự liên kết của các nguyên tử trong cấu trúc hợp chất Các tham số này bao gồm số lượng liên kết π-π, số vòng thơm, và số liên kết hydro (H).
Tham số phân tử 3D (TSPT) là những yếu tố quan trọng mô tả cấu trúc không gian của các hợp chất, được xác định qua hệ trục tọa độ của các nguyên tử Các TSPT bao gồm mô men lưỡng cực, diện tích bề mặt cực và thể tích van der Waals, giúp hiểu rõ hơn về tính chất và hành vi của các phân tử trong không gian.
Để xây dựng một mô hình QSAR hiệu quả và đáng tin cậy, bước đầu tiên là xử lý số liệu ban đầu Quá trình này bao gồm việc loại bỏ các giá trị ngoại lai, chuẩn hóa đơn vị và chuyển đổi hàm thức như logarit hóa, mũ hóa hay nghịch đảo Những bước này giúp giảm thiểu ảnh hưởng của các TSPT gây nhiễu trong quá trình xây dựng mô hình.
Bước 4: Xây dựng mô hình QSAR
NGUYÊN LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Nguyên liệu
Cơ sở dữ liệu (CSDL): gồm 93 hợp chất lựa chọn từ dữ liệu trên các bài báo đã được công bố [6, 9, 12, 16, 27, 30]
Bảng 2.1 Giá trị log K p các hợp chất xây dựng mô hình QSAR
- Phần mềm vẽ cấu trúc hóa học: Marvin Sketch 17.27, ChemDraw Pro 8.0
- Phần mềm tính toán TSPT: Dragon 6.0
- Phần mềm xây dựng mô hình QSAR: MobyDigs Professional 1.1
- Phần mềm xử lý số liệu: SPSS 22.0, Excel 2010.
Phương pháp nghiên cứu
2.2.1 Tính toán tham số mô tả phân tử
Tham số mô tả phân tử là kết quả của quá trình toán học và logic chuyển đổi thông tin mã hóa trong cấu trúc hóa học thành một số đặc trưng cho phân tử Để tính toán, các cấu trúc trong cơ sở dữ liệu được chuyển đổi thành hệ thống đơn giản hóa, với đầu vào thể hiện dưới dạng dòng SMILES (Simplified Molecular Input Line Entry System) qua phần mềm ChemDraw Pro 8.0 Dựa trên các mã code, 3764 mô tả phân tử thuộc họ 0D, 1D và 2D đã được tính toán bằng phần mềm Dragon phiên bản 6.0.
Tham số mô tả phân tử là giá trị được tính toán thông qua các quy trình toán học và lôgic, chuyển đổi thông tin mã hóa trong cấu trúc hóa học Trong nghiên cứu này, các tham số này được tính toán bằng phần mềm Dragon.
Dragon là phần mềm do công ty Talete của Italia phát triển vào năm 1993, hiện được sử dụng rộng rãi trong nghiên cứu hóa tin và thiết kế thuốc, với khả năng tính toán hơn 5000 TSPT khác nhau Các mô tả phân tử được phân loại theo chiều thông tin cấu trúc: (i) Tham số 0D mô tả thành phần cấu tạo như số lượng nguyên tử C, N; (ii) Tham số 1D thể hiện cấu trúc dưới dạng chuỗi, bao gồm vân tay cấu trúc và số lượng các mảnh cấu trúc; (iii) Tham số 2D mô tả hình học topo, xác định vị trí và thứ tự của nguyên tố trong phân tử, thường dựa trên lý thuyết graph; và (iv) Tham số 3D mô tả đặc điểm cấu trúc qua các phương pháp lý thuyết như MoRSE, GETAWAY, và tính toán lượng tử, liên quan đến bề mặt hoặc thể tích phân tử.
Trong nghiên cứu này, chúng tôi đã chọn sử dụng các tham số phân tử 2D để mô tả cấu trúc của các hợp chất Lý do là mô tả phân tử 2D không yêu cầu thông tin về cấu trúc 3D, đồng thời có độ ổn định cao hơn Điều này là do các hợp chất được mô tả dưới dạng 3D thường có độ linh động về cấu dạng.
2.2.2 Phân chia tập huấn luyện / Tập kiểm tra
Sau khi thực hiện tính toán mô tả phân tử, 93 chất trong cơ sở dữ liệu đã được phân chia ngẫu nhiên thành hai tập: tập huấn luyện (Tr - training set) và tập kiểm tra (Te - test set).
Tập huấn luyện gồm 77 chất, chiếm 83,8% cơ sở dữ liệu, được sử dụng để xây dựng mô hình nhằm phát hiện các mối quan hệ có khả năng dự đoán Trong khi đó, tập kiểm tra bao gồm các phân tử chưa từng được mô hình tiếp xúc, giúp đánh giá độ mạnh và khả năng ngoại suy của các mô hình đã được xây dựng.
2.2.3 Xây dựng mô hình QSAR
Xây dựng mô hình QSAR cho các nhóm chất và đích tác dụng khác nhau thường trải qua năm bước cơ bản, như được tóm tắt trong hình 2.1 [40].
Hình 2.1 Các bước xây dựng mô hình QSAR
Tập huấn luyện gồm 83,8% số hợp chất trong CSDL được lựa chọn ngẫu nhiên để xây dựng mô hình QSAR Các hợp chất còn lại được xếp vào
Chuẩn bị cơ sở dữ liệu
Tính toán tham số phân tử
Mô hình QSAR được xây dựng và đánh giá thông qua phương pháp hồi quy đa biến tuyến tính (MLR) với phần mềm SPSS 22.0 Quy trình lựa chọn TSPT được thực hiện bằng thuật giải di truyền (Genetic algorithm) thông qua phần mềm MobyDigs Professional 1.1, sau đó tiến hành đánh giá để xác định mô hình tối ưu nhất.
Sử dụng phần mềm MobyDigs Professional 1.1, chúng tôi đã lựa chọn tham số phân tử thông qua phương pháp thuật giải di truyền Tiếp theo, mô hình QSAR được xây dựng trên tập huấn luyện bằng phương pháp hồi quy tuyến tính đa biến (MLR) với phần mềm SPSS 22.0, nhằm xác định mối tương quan giữa hoạt tính ức chế và các tham số mô tả phân tử từ Dragon.
Khi lựa chọn TSPT phù hợp, không cần đưa tất cả các biến vào mô hình Việc thêm biến độc lập có thể làm tăng hệ số tương quan R², nhưng chỉ có lợi khi chúng có mối liên hệ mạnh với biến phụ thuộc Mô hình tối ưu là mô hình có Q² cao nhất Sử dụng thuật giải di truyền trong phần mềm MobyDigs Professional 1.1 để chọn mô hình với các biến tối ưu.
Thuật giải di truyền dựa trên cơ chế chọn lọc tiến hóa tự nhiên, trong đó mỗi thế hệ tạo ra một tập hợp sinh vật mới thông qua việc lai ghép các yếu tố phù hợp với môi trường từ thế hệ trước, cùng với các đột biến ngẫu nhiên Thuật toán này mã hóa các tham số của cấu trúc ban đầu vào một nhiễm sắc thể, được biểu diễn dưới dạng một vector.
Quá trình bắt đầu từ một nhiễm sắc thể ban đầu, tạo ra một quần thể ngẫu nhiên Quần thể này được đánh giá để chọn ra các nhiễm sắc thể có khả năng thích nghi cao nhất, tức là những nhiễm sắc thể có giá trị Q2 cao nhất, làm khung cho quần thể tiếp theo Quy trình này giúp nâng cao giá trị Q2 của toàn bộ nhiễm sắc thể bằng cách chuyển giao các đặc tính cấu trúc thuận lợi giữa các quần thể Sau nhiều chu kỳ tìm kiếm và đánh giá, cuối cùng ta sẽ xác định được một nhiễm sắc thể (mô hình) đạt giá trị Q2 cao nhất.
Các bước thực hiện thuật giải di truyền:
Khởi tạo quần thể ban đầu bằng cách sử dụng file đầu vào định dạng mdd, trong đó lưu trữ dữ liệu về tên và mô tả phân tử được tính toán qua phần mềm Dragon 6.0, cùng với giá trị log Kp của các hợp chất trong tập huấn luyện.
(2): Xác định hàm mục tiêu (fitness) cho mỗi cá thể trong quần thể
Hàm mục tiêu trong nghiên cứu này là giá trị Q 2
Tạo ra quần thể mới thông qua lai ghép chéo từ các cá thể hiện có được chọn lọc, đồng thời kích thích các đột biến trong quần thể mới theo xác suất nhất định Quá trình này được thực hiện thông qua việc cài đặt giải thuật di truyền.
(4): Các cá thể trong quần thể mới được sinh ra thay thế cho các cá thể trong quần thể cũ
(5): Nếu điều kiện dừng, giải thuật dừng lại và trả về cá thể tốt nhất cùng với giá trị hàm mục tiêu của nó
Lập mô hình hồi quy đa biến tuyến tính (MLR) với số biến đã chọn bằng phần mềm SPSS 22.0 là một phương pháp phổ biến trong thực tế MLR thể hiện mối quan hệ tuyến tính giữa biến phụ thuộc (Y) và nhiều biến độc lập (x) Trong nghiên cứu này, các biến độc lập x là các TSPT đặc trưng cho cấu trúc hợp chất trong cơ sở dữ liệu, trong khi Y đại diện cho giá trị log Kp, với Kp là hệ số thẩm thấu qua da Phân tích hồi quy không chỉ giúp ước lượng mà còn cung cấp những hiểu biết quan trọng về mối quan hệ giữa các biến.
KẾT QUẢ VÀ BÀN LUẬN
Kết quả
3.1.1 Mô hình toán học thu được
Mô hình QSAR (Quantitative Structure-Activity Relationship) thể hiện mối liên hệ định lượng giữa cấu trúc và hoạt tính của các hợp chất thông qua một phương trình toán học Sử dụng các TSPT, kỹ thuật xác suất thống kê và trí tuệ nhân tạo, QSAR xây dựng các mô hình dựa trên giả thuyết rằng cấu trúc phân tử chứa những đặc điểm liên quan đến tính chất hóa học, vật lý và sinh học Nhờ vào các mô hình QSAR, hoạt tính sinh học của các phân tử mới hoặc chưa được kiểm nghiệm có thể được dự đoán từ cấu trúc của những hợp chất tương tự đã được kiểm nghiệm.
Phương pháp QSAR (Quantitative Structure-Activity Relationship) là kỹ thuật xây dựng các mô hình toán học để dự đoán hoạt tính của các hợp chất dựa trên cấu trúc hóa học của chúng QSAR cho phép dự đoán kết quả của các thử nghiệm trước khi tiến hành trong phòng thí nghiệm, cung cấp thông tin quan trọng về khả năng của các hợp chất và giúp xác định thứ tự ưu tiên cho các chất mới trong quá trình thử nghiệm.
Các mô hình QSAR được phát triển từ 93 hợp chất trong cơ sở dữ liệu, với cấu trúc hóa học được trình bày ở phụ lục và giá trị log Kp của các hợp chất được liệt kê trong bảng 2.1 Phần mềm Dragon 6.0 đã tính toán 3764 TSPT cho mỗi phân tử, sau khi loại bỏ các TSPT gây nhiễu, còn lại 1152 TSPT được kiểm tra mối quan hệ phi tuyến với biến đáp ứng log Kp Sử dụng chức năng lựa chọn ngẫu nhiên của SPSS 22.0, 77 hợp chất được chọn vào tập huấn luyện và 16 hợp chất còn lại vào tập kiểm nghiệm Các mô hình QSAR đã được xây dựng trên tập huấn luyện bằng các phương pháp MLR và GA, cho kết quả đáng chú ý.
Kết quả mô hình MLR xây dựng được như sau:
Log Kp = -2.49869 - 3.18926 x nR07 - 0.06478 x CATS2D_04_LL - 0.97246 x B03[O-O] + 1.25602 x B06[N-O] - 0.19308 x F02[C-N] + 0.50869 x MLOGP Đơn vị Kp: cm/h
Thông số thống kê của 10 mô hình tốt nhất được tóm tắt trong bảng 3.1
Bảng 3.1 Thông số thống kê của các mô hình QSAR log K p
Ký hiệu mô hình R 2 Q 2 Q 2 ext
Cả 10 mô hình đều đáp ứng yêu cầu thống kê với các thông số R², Q², Q² ext đạt tiêu chuẩn Trong số đó, mô hình M2 nổi bật với độ chính xác và độ bền vững cao nhất, thể hiện qua các giá trị R², Q², Q² ext cao nhất, đồng thời đảm bảo tính chính xác và độ tin cậy trong đánh giá ngoại.
Thông số mô hình M2 tốt nhất:
Mô hình đạt R² = 0,84, cho thấy độ chính xác vượt trội so với yêu cầu tối thiểu là 0,6 Q² = 0,79 chỉ ra rằng mô hình có độ ổn định tốt và khả năng dự đoán nội hiệu quả Đặc biệt, khả năng dự đoán ngoại đạt 73,56%, chứng minh mô hình có khả năng dự đoán hoạt tính tốt.
Như vậy mô hình thoả mãn các tiêu chí đánh giá nội và ngoại về độ chính xác, độ ổn định và khả năng dự đoán tốt
3.1.3 Đánh giá mô hình theo 5 tiêu chí của OECD
Tiêu chí 1: Có đích cụ thể
Mục tiêu của tiêu chí này là đảm bảo rằng mô hình QSAR được xây dựng để dự đoán giá trị log Kp cho một tác dụng và hoạt tính cụ thể trong điều kiện nhất định Các mô hình này được áp dụng để dự đoán khả năng thẩm thấu qua da của các chất dựa trên cấu trúc phân tử, với đơn vị của giá trị Kp là cm/h.
Tiêu chí 2: Thuật toán rõ ràng
Tiêu chí này đảm bảo rằng mô hình QSAR được phát triển dựa trên một thuật toán cụ thể, từ đó tính lặp lại của mô hình sẽ phụ thuộc vào điều kiện này.
Một số mô hình thương mại hóa không công bố thuật toán sử dụng, điều này có thể tạo ra rào cản pháp lý do kết quả không thể được công bố độc lập Đánh giá được thực hiện bằng phần mềm Dragon 6.0, với các TSPT được liệt kê và định nghĩa rõ ràng Các mô hình này được xây dựng dựa trên thuật toán MLR, một thuật toán thống kê phổ biến trong việc phát triển các mô hình QSAR.
Để đạt được khả năng dự đoán chính xác trong sàng lọc ảo, việc xác định miền cấu trúc ứng dụng của mô hình QSAR là rất quan trọng Miền ứng dụng này bao gồm không gian cấu trúc được mô hình hóa, và chỉ những dự đoán liên quan đến các hợp chất có cấu trúc nằm trong miền này mới được coi là đáng tin cậy.
Miền ứng dụng được xác định dựa trên mối quan hệ giữa phần dư chuẩn và giá trị đòn bẩy (h), với biểu đồ minh họa mối liên hệ này Chỉ số h cho biết mức độ ảnh hưởng của một chất đối với không gian cấu trúc của biến Giá trị giới hạn h* (h* = 3p/N, trong đó p là số biến độc lập và N là số lượng quan sát) là ngưỡng quan trọng để tham chiếu các dự đoán của mô hình QSAR cho các hợp chất trong Tr và Te Miền ứng dụng được xác định bởi khung vuông ± 3 phần dư chuẩn đối và h* bằng 0.6.
Standerized residuals (Te) Standerized residuals (Tr)
Stan d er iz e d R es idua ls
Mô hình QSAR đã được áp dụng để đánh giá các chất, cho thấy 100% (77/77) hợp chất trong tập huấn luyện nằm trong miền ứng dụng Đối với tập kiểm tra, toàn bộ 16 hợp chất cũng nằm trong miền ứng dụng, khẳng định rằng các dự đoán của mô hình là hoàn toàn đáng tin cậy.
Tiêu chí 4 yêu cầu có thước đo phù hợp để đánh giá độ chính xác, độ bền vững và khả năng dự đoán của mô hình QSAR Các giá trị R², Q² và khả năng dự đoán nội, ngoại là những thước đo phổ biến được các nhà nghiên cứu QSAR khuyến nghị Kết quả cho thấy các mô hình đã xây dựng không chỉ đáp ứng yêu cầu thống kê mà còn đảm bảo độ chính xác và bền vững với R² đạt 0.8438, Q² là 0.7894, cùng với độ chính xác dự đoán nội và ngoại cao, cụ thể là Q² ext = 0.7356.
Tiêu chí 5 yêu cầu giải thích cơ chế tác dụng nếu có thể, nhưng đây không phải là yêu cầu bắt buộc Theo các nhà nghiên cứu QSAR, không phải lúc nào mô hình QSAR cũng chỉ ra được một hoặc nhiều cơ chế tác dụng, điều này không có nghĩa là mô hình không thể áp dụng Tiêu chí này chỉ nhằm đảm bảo rằng nếu mô hình xác định được cơ chế tác dụng cụ thể, thì cần được công bố cùng với mô hình Nghiên cứu này tập trung vào việc xây dựng các mô hình QSAR để dự đoán khả năng thẩm thấu qua da dựa trên cấu trúc phân tử, không nhằm phân tích cơ chế tác dụng.
Bàn luận
QSAR hiện đang được ứng dụng rộng rãi trong các lĩnh vực như dược phẩm, y học và hóa học Kỹ thuật này kết hợp giữa TSPT, các phương pháp xác suất thống kê và trí tuệ nhân tạo để xây dựng mô hình tham số phân tử thông qua giải thuật di truyền Phương pháp này giúp tối ưu hóa mô hình nhằm xác định mối quan hệ tốt nhất giữa biến đáp ứng và các tham số phân tử.
Mô hình xây dựng giúp giảm thiểu thời gian và chi phí trong nghiên cứu và phát triển thuốc Bằng cách sử dụng cơ sở dữ liệu các hợp chất đã được công bố, chúng ta có thể nhanh chóng xác định các hợp chất phù hợp cho các mục tiêu nghiên cứu tiếp theo.
Mô hình QSAR gặp một số hạn chế, bao gồm việc dữ liệu thu thập từ nhiều nguồn khác nhau có thể dẫn đến sai số trong quá trình xây dựng Việc giải thích các biến TSPT cũng gặp khó khăn do cơ chế phức tạp, yêu cầu kiến thức chuyên sâu về hóa lượng tử Hơn nữa, sự thiếu hụt tài liệu tham khảo hiện có khiến cho việc giải thích các kết quả trở nên không đầy đủ.
Phương pháp này gặp nhược điểm khi chỉ khai thác mối tương quan tuyến tính giữa cấu trúc hóa học và tác dụng sinh học của các hợp chất, trong khi thực tế, mối tương quan có thể phi tuyến tính Nhiều nghiên cứu đã chỉ ra rằng việc khám phá mối tương quan phi tuyến tính trong tính thấm qua da có thể mang lại kết quả khả quan.
Tại Việt Nam, lần đầu tiên đã xây dựng và đánh giá các mô hình QSAR dự đoán khả năng thẩm thấu qua da dựa trên cấu trúc phân tử, mặc dù trên thế giới đã có nhiều nghiên cứu tương tự Các mô hình này không chỉ đảm bảo tính chính xác và bền vững mà còn đáp ứng các tiêu chí đánh giá của Tổ chức Hợp tác và Phát triển Kinh tế thế giới (OECD), cho thấy khả năng dự đoán tốt trong lĩnh vực này.
3.2.2 Về kết quả của thu được
Mô hình log K p thu được sau quá trình tính toán:
Log Kp = -2.49869 - 3.18926 x nR07 - 0.06478 x CATS2D_04_LL - 0.97246 x B03[O-O] + 1.25602 x B06[N-O] - 0.19308 x F02[C-N] + 0.50869 x
Mô hình QSAR có sự tham gia của 6 biến, là các tham số phân tử 2D
Tham số phân tử 2D thể hiện các cấu trúc dựa trên kích thước, độ phân nhánh và hình dạng tổng thể Các tham số này bao gồm nR07, CATS2D_04_LL, B03[O-O], B06[N-O], F02[C-N] và MLOGP.
nR07: Số vòng 7 cacbon có trong hợp chất
CATS2D_04_LL: CATS2D Lipophilic-Lipophilic tại khoảng cách tôpô
B03[O-O]: Sự hiện diện / vắng mặt của liên kết O-O tại khoảng cách tôpô 3
B06[N-O]: Sự hiện diện / vắng mặt của liên kết N-O tại khoảng cách tôpô 6
F02[C-N]: Tần số C - N ở khoảng cách tôpô 2
MLOGP: Hệ số phân chia octanol – nước Moriguchi
Các dấu (+) ở TSPT B06[N-O] và MLOGP cho thấy sự hiện diện của nhiều liên kết N-O, cùng với hệ số phân chia octanol-nước Moriguchi, sẽ làm tăng khả năng thẩm thấu qua da của hợp chất Tuy nhiên, với hệ số TSPT MLOGP chỉ ở mức trung bình (0.50869), điều này không phải là yếu tố quyết định ảnh hưởng đến log Kp và kết quả của mô hình.
Các dấu (-) ở các TSPT như nR07, CATS2D_04_LL, B03[O-O], và F02[C-N] cho thấy rằng biến gắn với tham số âm ảnh hưởng ngược chiều tới giá trị log Kp Số liên kết N-C với hệ số nhỏ (-0.19308) có tác động ít nhất đến tính thấm, trong khi hợp chất có vòng chứa 7 carbon với hệ số cao (-3.18926) dường như ảnh hưởng mạnh nhất đến tính thấm Điều này có thể được giải thích bởi khả năng phân cực, vì các vòng thơm thường có mật độ electron cao, dễ gây phân cực trong phân tử Bản chất màng phospholipid của da là không phân cực, khiến cho các hợp chất này khó có thể thẩm thấu qua màng.
K p lại là một chỉ số của khả năng thân dầu, một hợp chất có tính thân dầu sẽ dễ dàng thấm qua màng
3.2.3 So sánh với các mô hình khác trên thế giới
Mô hình nghiên cứu được xây dựng theo các nguyên tắc của OECD với các chỉ số R² = 0.84 và Q² = 0.79, cho thấy khả năng dự đoán ngoại đạt 73,56% Điều này chứng tỏ mô hình đáp ứng đầy đủ các tiêu chí về độ chính xác, độ ổn định và khả năng dự đoán hiệu quả.
So với các mô hình khác trên thế giới, lượng hợp chất trong cơ sở dữ liệu nghiên cứu của chúng tôi lớn hơn đáng kể, như thể hiện qua bảng 1.2 Điều này cho thấy tính khái quát và khả năng dự đoán của mô hình đối với nhiều hợp chất Với khả năng dự đoán đạt 73,56%, mô hình có thể được áp dụng để phát triển các nghiên cứu thuốc điều trị qua da, điều trị tại chỗ và các hóa mỹ phẩm.
KẾT LUẬN VÀ KIẾN NGHỊ KẾT LUẬN
Từ những kết quả nghiên cứu đã trình bày trên đây chúng tôi rút ra các kết luận sau:
Nghiên cứu đã phát triển một mô hình toán học hiệu quả, thể hiện mối quan hệ định lượng giữa cấu trúc hóa học và khả năng thẩm thấu qua da, dựa trên 93 hợp chất được lưu trữ trong cơ sở dữ liệu.
Mô hình đạt R² = 0.84 và Q² = 0.79, với khả năng dự đoán ngoại là 73.56%, cho thấy tính chính xác, độ ổn định và khả năng dự đoán tốt Nó hoàn toàn phù hợp với các nguyên tắc của OECD và có tính ứng dụng cao.
Mô hình này sở hữu một lượng dữ liệu lớn hơn hầu hết các nghiên cứu trước đây trên thế giới, giúp tăng cường tính ứng dụng và khả năng khái quát của nó.
Để phát triển các kết quả nghiên cứu từ khóa luận về mô hình toán học dự đoán khả năng thẩm thấu qua da dựa trên cấu trúc phân tử, chúng tôi đề xuất một số biện pháp tiếp theo.
1 Mở rộng cơ sở dữ liệu xây dựng mô hình giúp tăng miền ứng dụng của mô hình từ đó mô hình mang tính khái quát cao hơn nữa và khả năng ứng dụng thực tế sẽ tốt hơn rất nhiều
2 Khai thác các phương pháp mô hình hoá phi tuyến tính làm giảm các nhược điểm của phương pháp xây dựng mô hình tuyến tính hiện nay
3 Kiểm chứng bằng thực nghiệm để xác định chính xác hơn khả năng dự đoán của mô hình xây dựng được.