论文部分内容阅读
N-亚硝基化合物(Nitroso Compounds,NNCs)是一类广泛存在于环境中的化学物质,通常分为N-亚硝胺(N-Nitrosamines,NNAs)和N-亚硝酰胺(N-Nitrosamides,NNADs)两大类,NNCs已被证实对哺乳动物和人类有毒性作用。人类主要通过食品、水体、烟草制品、药物和化妆品等接触NNCs。人们熟知的亚硝酸盐作为NNAs的前体物质,在熏肉、腌菜和蔬菜中含量较高,极易通过胺化作用生成NNAs,给人类健康带来危害。为了系统全面地阐明NNCs结构与毒性的关系,以及致癌器官特异性的机理,本论文使用定量构效关系(QuantitativeStructure-Activity Relationship,QSAR)、机器学习、量子化学和分子对接方法深入研究了NNCs的结构与急性毒性、致突变性和致癌性的关系。关于NNCs的构效关系研究,迄今未有使用精确的量子化学描述符作为结构参数的构效关系模型,NNCs结构与急性毒性和致突变性的构效关系研究未见报道。论文主要包含以下4个部分内容:
第一,研究了NNCs结构与大鼠口服急性毒性的关系。利用OSAR方法和机器学习分类方法分别建立80个NNCs结构与急性毒性关系的预测模型,分别得到了含有8个描述符的QSAR最优模型(Q2100=0.7533,R2=0.8071,Q2ext=0.7041,R2ext=0.7195),和表现良好的分类模型MACCs-ANN(训练集CA=0.821,AUC=0.905)。所有模型均经过交叉验证评估其内部稳健性,并通过外部验证评价了模型的预测能力。结果表明,NNCs的急性毒性与以下几种分子性质或结构相关:可极化性、电离电势、腈基、非碱性杂环氮、烷基氯和叔胺,这些结构特征并非NNCs导致急性毒性所特有,也存在于其他高毒性化合物中。而亚硝基基团不是NNCs急性毒性的特异性基团。该部分研究建立的OSAR和分类模型能够较好地预测NNCs对大鼠口服急性毒性,有助于进一步了解NNCs在体内的毒性作用机制,对于预评估NNCs对哺乳动物的急性毒性具有重要意义。
第二,研究了NNCs结构与致突变性和致癌性的关系。首先,研究了32个NNCs结构与致突变性的关系,突变数据来自于T1535菌株在无S9酶条件下的Ames试验结果。利用机器学习方法建立分类模型,得到了表现优秀的MACCS-SVM模型(训练集CA=1.000,AUC=1.000),训练集分类准确率达到100%,经过交叉验证和外部测试集验证,证明模型具有良好的稳健性和预测能力。子结构频率分析表明,在无S9条件下具有致突变性的NNCs的结构特征是含有碳酰基、亚硝酰胺基和胍基等基团,含这些结构的NNCs均无需P450酶代谢激活即可产生活性中间体,导致DNA烷化,进而产生突变。之后,对114个NNCs结构与致癌性关系进行了分类研究,得到了多个表现良好的模型,其中训练集分类准确率(CA值)在0.825~0.875之间,测试集分类准确率(CA值)在0.706~0.765之间,对致癌性NNCs的分类预测准确率达到100%。子结构频率分析结果表明,致癌性NNCs的主要特征子结构为短烷基侧链、烯烃、亚硝酰胺和羟基基团。其中短烷基侧链对NNCs致癌性有显著贡献,短烷基侧链的存在能够产生甲基化或乙基化试剂,有利于诱导DNA损伤;烯烃基团会影响NNCs的电子排布,并增加代谢活化位点:亚硝酰胺基团的存在表明一些致癌性NNCs无需酶代谢即可诱导DNA损伤;羟基的存在则影响整个分子的水溶性和极化性,影响NNCs的致癌性。该部分研究建立的分类模型,可以有效预测NNCs的致突变性和致癌性,并获得了具有良好解释性的特征子结构,为进一步阐明NNCs的致癌性机理提供了理论基础。
第三,研究了NNAs的量子化学参数与致癌性的关系。已知NNAs需P450酶代谢才可发挥致癌作用,且已有研究证实了由P450酶催化的羟基化反应在NNAs代谢活化中的重要性。因此,该部分工作对量子化学计算得到的P450酶催化的NNAsα-位羟基化反应活化能与致癌性的关系进行了研究。首先,对10种代表性NNAs的α-位羟基化反应过程进行了计算,结果表明无论非环状、环状、含芳香环、羟基、烯烃或卤素的NNAs,其α-位羟基化反应历程的共同特点是:具有双态反应性,氢抽提为反应的关键步骤。在此基础上,研究共计算了36个NNAs的高低自旋态α-位羟基化反应活化能参数,得到了NNAs的α-位羟基化高自旋态反应活化能(△EHS)、低自旋态反应活化能(△凰ELS)和平均活化能(△EAVERAGE)。根据上一章的致癌性研究结果,我们利用量子化学计算得到的描述符表征NNAs的极性、反应性和空间性质等特征,建立了精确的量子化学描述符[包括低自旋态α-位羟基化反应活化能(△ELs)、偶极矩(dipo1e)、最高占据轨道能量(EHOMO)、分子体积(V)和分子质量(M)]与23个NNCs致癌性数据pTD50的QSAR模型,其训练集R2为0.9092,Q2为0.7562,模型具有良好的拟合性和稳健性。该部分研究表明精确的量子化学描述符对于NNCs的致癌性QSAR研究具有良好的描述性和机理解释性,对准确预测NNCs的致癌性具有重要理论意义。
第四,研究了NNCs结构与致癌器官特异性的关系。首先利用机器学习方法针对87个NNCs(来自CPDB数据库,物种为大鼠1进行靶器官致癌分类研究,选择4个主要致癌靶器官,分别为肝、食管、肺和鼻腔。87个NNCs根据致某器官癌和不致某器官癌原则进行分类,被分为4个数据集,即肝癌组、食管癌组、肺癌组和鼻腔癌组,每组均含有87个NNCs。分类结果显示,4个靶器官的致癌分类模型均具有良好的预测能力,且得到了NNCs结构中与特定靶器官癌相关的子结构。子结构频率分析表明致同一种癌的NNAs具有相同或相似的结构特征:致肝癌的NNCs以链状和环状烷烃NNAs为主,含亚硝酰胺和芳香基团特征的NNCs较少;致食管癌的NNCs多为芳香NNAs、环状NNAs和含羟基的NNCs;致肺癌的NNCs结构特征为含有单侧甲基侧链;致鼻腔癌的NNCs结构特征为含羟基和烯烃的NNAs。而不导致这4种器官癌的NNCs的典型结构特征为含有碳酸和羧酸基团,这些NNCs对应的靶器官为大鼠的皮肤、神经系统、小肠、子宫等粘膜、腺体。以上特征结构,与P450酶的器官分布、NNCs的吸收、分布、代谢和排泄性质相对应。该部分研究表明机器学习方法建立的分类模型可以有效鉴别NNCs致癌器官特异性的特征子结构,为阐明器官特异性机理提供理论依据。
综上所述,本论文对NNCs结构与急性毒性、致癌性、致突变性以及致癌器官特异性关系进行了系统的理论研究,获得了一系列性能良好的预测模型和特征子结构,为阐明NNCs导致急性毒性、致突变性、致癌性和器官特异性机理提供了新的理论支持,同时为评估NNCs和其它环境毒物的毒性风险提供新思路。
第一,研究了NNCs结构与大鼠口服急性毒性的关系。利用OSAR方法和机器学习分类方法分别建立80个NNCs结构与急性毒性关系的预测模型,分别得到了含有8个描述符的QSAR最优模型(Q2100=0.7533,R2=0.8071,Q2ext=0.7041,R2ext=0.7195),和表现良好的分类模型MACCs-ANN(训练集CA=0.821,AUC=0.905)。所有模型均经过交叉验证评估其内部稳健性,并通过外部验证评价了模型的预测能力。结果表明,NNCs的急性毒性与以下几种分子性质或结构相关:可极化性、电离电势、腈基、非碱性杂环氮、烷基氯和叔胺,这些结构特征并非NNCs导致急性毒性所特有,也存在于其他高毒性化合物中。而亚硝基基团不是NNCs急性毒性的特异性基团。该部分研究建立的OSAR和分类模型能够较好地预测NNCs对大鼠口服急性毒性,有助于进一步了解NNCs在体内的毒性作用机制,对于预评估NNCs对哺乳动物的急性毒性具有重要意义。
第二,研究了NNCs结构与致突变性和致癌性的关系。首先,研究了32个NNCs结构与致突变性的关系,突变数据来自于T1535菌株在无S9酶条件下的Ames试验结果。利用机器学习方法建立分类模型,得到了表现优秀的MACCS-SVM模型(训练集CA=1.000,AUC=1.000),训练集分类准确率达到100%,经过交叉验证和外部测试集验证,证明模型具有良好的稳健性和预测能力。子结构频率分析表明,在无S9条件下具有致突变性的NNCs的结构特征是含有碳酰基、亚硝酰胺基和胍基等基团,含这些结构的NNCs均无需P450酶代谢激活即可产生活性中间体,导致DNA烷化,进而产生突变。之后,对114个NNCs结构与致癌性关系进行了分类研究,得到了多个表现良好的模型,其中训练集分类准确率(CA值)在0.825~0.875之间,测试集分类准确率(CA值)在0.706~0.765之间,对致癌性NNCs的分类预测准确率达到100%。子结构频率分析结果表明,致癌性NNCs的主要特征子结构为短烷基侧链、烯烃、亚硝酰胺和羟基基团。其中短烷基侧链对NNCs致癌性有显著贡献,短烷基侧链的存在能够产生甲基化或乙基化试剂,有利于诱导DNA损伤;烯烃基团会影响NNCs的电子排布,并增加代谢活化位点:亚硝酰胺基团的存在表明一些致癌性NNCs无需酶代谢即可诱导DNA损伤;羟基的存在则影响整个分子的水溶性和极化性,影响NNCs的致癌性。该部分研究建立的分类模型,可以有效预测NNCs的致突变性和致癌性,并获得了具有良好解释性的特征子结构,为进一步阐明NNCs的致癌性机理提供了理论基础。
第三,研究了NNAs的量子化学参数与致癌性的关系。已知NNAs需P450酶代谢才可发挥致癌作用,且已有研究证实了由P450酶催化的羟基化反应在NNAs代谢活化中的重要性。因此,该部分工作对量子化学计算得到的P450酶催化的NNAsα-位羟基化反应活化能与致癌性的关系进行了研究。首先,对10种代表性NNAs的α-位羟基化反应过程进行了计算,结果表明无论非环状、环状、含芳香环、羟基、烯烃或卤素的NNAs,其α-位羟基化反应历程的共同特点是:具有双态反应性,氢抽提为反应的关键步骤。在此基础上,研究共计算了36个NNAs的高低自旋态α-位羟基化反应活化能参数,得到了NNAs的α-位羟基化高自旋态反应活化能(△EHS)、低自旋态反应活化能(△凰ELS)和平均活化能(△EAVERAGE)。根据上一章的致癌性研究结果,我们利用量子化学计算得到的描述符表征NNAs的极性、反应性和空间性质等特征,建立了精确的量子化学描述符[包括低自旋态α-位羟基化反应活化能(△ELs)、偶极矩(dipo1e)、最高占据轨道能量(EHOMO)、分子体积(V)和分子质量(M)]与23个NNCs致癌性数据pTD50的QSAR模型,其训练集R2为0.9092,Q2为0.7562,模型具有良好的拟合性和稳健性。该部分研究表明精确的量子化学描述符对于NNCs的致癌性QSAR研究具有良好的描述性和机理解释性,对准确预测NNCs的致癌性具有重要理论意义。
第四,研究了NNCs结构与致癌器官特异性的关系。首先利用机器学习方法针对87个NNCs(来自CPDB数据库,物种为大鼠1进行靶器官致癌分类研究,选择4个主要致癌靶器官,分别为肝、食管、肺和鼻腔。87个NNCs根据致某器官癌和不致某器官癌原则进行分类,被分为4个数据集,即肝癌组、食管癌组、肺癌组和鼻腔癌组,每组均含有87个NNCs。分类结果显示,4个靶器官的致癌分类模型均具有良好的预测能力,且得到了NNCs结构中与特定靶器官癌相关的子结构。子结构频率分析表明致同一种癌的NNAs具有相同或相似的结构特征:致肝癌的NNCs以链状和环状烷烃NNAs为主,含亚硝酰胺和芳香基团特征的NNCs较少;致食管癌的NNCs多为芳香NNAs、环状NNAs和含羟基的NNCs;致肺癌的NNCs结构特征为含有单侧甲基侧链;致鼻腔癌的NNCs结构特征为含羟基和烯烃的NNAs。而不导致这4种器官癌的NNCs的典型结构特征为含有碳酸和羧酸基团,这些NNCs对应的靶器官为大鼠的皮肤、神经系统、小肠、子宫等粘膜、腺体。以上特征结构,与P450酶的器官分布、NNCs的吸收、分布、代谢和排泄性质相对应。该部分研究表明机器学习方法建立的分类模型可以有效鉴别NNCs致癌器官特异性的特征子结构,为阐明器官特异性机理提供理论依据。
综上所述,本论文对NNCs结构与急性毒性、致癌性、致突变性以及致癌器官特异性关系进行了系统的理论研究,获得了一系列性能良好的预测模型和特征子结构,为阐明NNCs导致急性毒性、致突变性、致癌性和器官特异性机理提供了新的理论支持,同时为评估NNCs和其它环境毒物的毒性风险提供新思路。