用磷脂膜色谱保留因子、解离分数和血清蛋白结合率预测抗生素的人体稳态分布体积南京药科学院药大学生物药剂学研究室，辽南京，摘要目的：构建一种确切简便的抗生素人体稳态分布体积的预测模型，以推动抗生素候选物的筛选速率，提升抗生素研制的成功率。方式：用磷脂膜色谱保留因子的对数值和解离分数fi、血浆蛋白结合率的对数值构建抗生素的组织中游离分数的预测模型，从而用ie-Tozer多项式估算其人体稳态分布体积。结果：该方式能用于结构各异的化合物，内部和外部验证的结果表明我们的方式预测性好，有着更广的应用范围和更确切的预测能力。推论：构建了一种确切简便的抗生素人体稳态分布体积的预测模型，有助于减短新药开发的周期和增加成本。关键词：分布容积；磷脂膜色谱；血清蛋白结合:.erfi7.7.-...canbe国家自然科学基金No.山东省自然科学基金No.作者简介：北京药科学院药剂专业2006级博士研究生email：通信作者：**Tel：Email：※副院长E-mail：acy..:g.随着组合物理和计算机辅助设计扩展抗生素候选物库和抗生素开发成本迅速高涨，使在抗生素开发的过程中筛选新化合物的多种性质的同时考虑其人体药动学行为愈发重要。
抗生素候选物药动学特点的一个重要方面是抗生素的分布，它反映抗生素从体循环向外周组织的可逆转运能力，用分布体积VD表示。当体内抗生素含量达到稳态时的VD被定义为稳态分布体积（VDss），与去除率Cl共同决定抗生素平均滞留时间/Cl和生物半衰期t1/20./Cl，从而影响给药方案设计和病人的迎合性。其预测方式已有文献综述1，可概括为i植物数据外推法ii生理药动学（PBPK）模型和iii计算机技巧据悉，两种模拟生理膜结合-磷脂结合（人工磷脂膜IAM）和血清蛋白结合（人血清白蛋白HAS）也被用于构建人体VD模型2。在这种方式中，较具前景的方式是的方式3，用测定的体外pH7.4正辛醇/水分配系数对数值Elog离分数fi7.4和血清中游离分数fu构建了体内VDss的模型，但仅适用于酸性和中性化合物，不适用于碱性和两性抗生素。基于此，我们提出了一种改进的方式。用取代ElogD，和fi7.4、fu一起构建了人的VDss预测模型。该模型对碱性和两性化合物与酸性和中性化合物有着同样的预测确切性，广泛适用于各种型化合物，建模方式简单，预测确切。1仪器与试剂抗生素由北京药科学院抗生素剂型实验室提供，吡啶或水溶化，约为所用试剂起码为剖析纯。
色谱仪为；LC-10AT型泵；SPD-10A紫外检查器，测量波IAM.PC..Inc.。2实验技巧2.的测定流动相为50mM乙酸铵缓冲液pH7.0，可加入不环比例戊烷作为有机调节剂；葡萄柚酸出峰时间记为t0，抗生素的保留时间记为tr，抗生素在上述色谱条件下的保留因子即为：-t0/t0。加入乙醚作为有机调节剂时，测定个不环比例φ下的保留因子，即为。2.2解离分数fi的估算及分布体积和血清蛋白结合数据pKa实验值。fi7.4值用下述公式估算107..4；两性化合物，7.410。两性化合物分为两类：1起码有一个酸性pKagt化合物这种化合物的体内分布行为与酸性化合物近似6其他的两性化合物。碱性化合物的fi7.4值取负值，酸性化合物的fi7.4值取正值。数据来始于文献。2.3训练集和验证集的分类采用降维剖析方式SAS9.0将121个化合物分为8类。分类所用的理化描述符共15个，分别为正辛醇/水分配系数、分子量、可旋转键个数、环数、氧氮原子个数、氢键受体数、氧氢、氮电负性数、极性表面积和总表面积、pH7.0的正辛醇/水分配系数和摩尔溶化度由ACD/Labs软件V8.14估算其他三个描述符是、logfu和fi7.4。
每类中随机选定4/5的化合物作为训练集构建预测模型，余下作为验证集测试所建模型的预测性。2.4预测模型的构建通过变换的ie-Tozer多项式和VDss及fu的文献值，可以得到估算的fut值：以估算的fut变量，.4和logfu为自变量通过多元回归方式SAS9.0构建fut的预测多项式细胞膜稳态剂，随后，通过原型ie-Tozer多项式和预测的fut及实验fu估算可得/I是细胞外液和血清的结合蛋白百分比取值1.4VP、VEVR分别是血清容积、细胞外液体积和残余液体积；分别取值0.0436、0.151kg-1。3结果3.1121个化合物所建VDss、fi7.4和logfu通过多元回归构建了fut的预测多项式见equ3。以后用ie-Tozer多项式估算VDss值。futVDss的平均预测折合偏差AFE分别为1.9271.655。VDss的预测值对实验值画图见图ut0.21970.04890.31990.0418logIAM0.46990.0715log.8171Q20.8022RMSE0.3095F174.24Plt0.0001.Fig.13.2用训练集化合物所建的VDss的预测模型为了进一步验证本方式的预测能力，我们将总化合物数据集分为训练集和验证集两部份进行建模见equ.4和验证模型。
训练集和验VDss的预测值对实验值画图见图ut0.21680.05510.29080.0518logIAM0.55770.0956log.8266Q20.8083RMSE0.3253F147.8Plt0.0001.训练集和验证集的logfutAFE分别是2.0011.7211.605Fig.23.3交叉验证按降维剖析121个化合物分成类，按毒理活性又可从121个化合物短发出所建新预测多项式预测能力接近，对每一类化合物的预测的futAFE均接近Tab.14讨论4.1VDss的新预测模型eq中的三个自变量均具有统计学意义，log且彼此没有相关性，kIAM和logfu的相关系数最大细胞膜稳态剂，r0.55。酸性和中性化合物的logfur-0.76间的共线性近似与logfur0.80间的，但对所有化合物或仅对碱性化合物而言，这些共线性是不存在的分别为-0.55-0.51。缘由可能是在水相和生物膜间的分布或分配过程中，logkIAM即可反映亲脂性8又可反映电荷性预测多项式的回归系数符号具有生理学意义。fi7.4的回归系数为负值，由于阳离子更便于荷负电的细胞膜和组织成份结合，而阴离子更易与血清中的白蛋白结合，