质谱(Mass Spectrometry, MS)与药学研究 (6)

多少解谱心酸事 都付一三笑谈中 这个坑挖的太久了,好久没填了,真是不好意思!那今天就来点ESI质谱解析中最关键的猛料,可以这么说吧,只要掌握这一点,就掌握了质谱解析的百分之八十以上,其他的就靠自己回去偷着演练了。今天的内容相当于武功里面的“九阴真经”和“葵花宝典”!不过不需要自宫哦~ 首先我们要明白为什么质谱,尤其是多级质谱的解析很难,甚至比核磁还难?!这是因为其提供的信息非常有限,NMR可以提供原子层次的信息,而质谱只能提供到基团(多个原子构成的特定组成)层次。这些有限的信息,少到从理论上就不可能推测出一个唯一的结构!是啊,确实如此,就像我们遇到了无解的方程,难道还有比这更难的吗?举了例子,对绝大多少小分子化合物来说,一套NMR图谱(1H, 13C, HMQC, HMBC),有经验的人就可以推测出其结构;而拿来一套小分子的多级质谱,即便有10级的数据,如果解析的人不知道其他背景知识的话,比如样品是天然产物,还是合成的,若是天然产物,来自什么植物或药材,有没有紫外吸收等等,绝大多数情况没有人可以确切的推出化合物的结构。当然,你们可能会问我,给我一套多级质谱数据,我是否能推出其结构呢?这个问题留待后面回答! 看到这里,是不是感觉很失望!既然这么难,为什么非要用质谱分析呢?用NMR不就得啦!不然,质谱的优势在于其灵敏度高,同时在其与LC联用以后,就成为一种强大的混合物分子工具(LC-MS),这是NMR不可比拟的。LC-MS成熟以前,若要研究清楚一味药材中有哪些成份,不花几年功夫,基本没戏,一般一个植化的硕士或博士研究清楚一个药材就可以毕业了!但有了LC-MS,这个过程可能只需要几个月,甚至几周就可以获得以前需要几年才能获得的信息!因此,质谱是其他技术暂时无法替代的! 虽然普遍意义上的质谱数据没有唯一解,但只要限定研究的范围和条件,那还是有解可循的。就如化合物的浓度与其UV响应的关系我们是没法知道的,可在一个很窄的范围内,就能用直线来近似他们的关系!那么如何限定质谱研究的范围呢?首先我有几项假设,所有的质谱推理都建立在它们之上: 假设1:结构相似的化合物具有相同或相似的裂解规律; 假设2:化合物的裂解行为的外因是质谱构造和碰撞能量,内因是分子结构特性,外因决定几率,内因决定终点; 假设1首先肯定了在某些情况下,即结构相似,质谱的裂解数据是有规律可循的!结构相似,可以指有相同的官能团,或者在天然产物分类上属于一类,比如都属于黄酮、甾体、萜等。这个相似性越接近,那么它们具有相同的裂解形式的可能越大,同属于查尔酮的化合物间的行为就比其他黄酮更接近。 假设2更进一指明了化合物的结构与质谱的关系,主要用来解决“为什么不同质谱仪器获得的质谱数据有很大差别”(NMR不应该有这种情况)的问题,可以肯定一点,不同仪器获得的数据是有规律可循的,这一点也为我们建立不同质谱仪器数据的智能解析程序鉴定了基础(我们正在开发的一种秘密武器)!“外因决定几率”指碎片离子在质谱图上的丰度高低,“内因决定终点”是指可能存在哪些类型的碎片离子。 有了以上两点假设,就可以明白为什么现在的研究论文都是“***类化合物的多级质谱研究”或“质谱法研究**中的***类化合物”了!不这样做,事情就没得玩儿!通过前面两个假设,知道了质谱的规律性在一个很小的范围内是可以成立的,那最关键的就是建立这一小类化合物的裂解规律,而如何建立裂解规律呢?要先从分析已知化合物的多级质谱入手。那么、可是我们还不知道它们的裂解规律啊,怎么分析这些质谱数据呢?我想这就是大多数人遇到的第一个难题了,获得了质谱数据,即便是已知化合物的,也不知道那些棒棒们代表什么!在这里,我假定大家已经知道了最基本的质谱知识,比如full scan, MS/MS, 准分子离子,碎片离子,丰度等。直接进入我们今天题目中所讲的、传说中的、最神秘的“一三断裂”,可以说“一三断裂”是CID(碰撞诱导解析)质谱中最常见的裂解形式,与以往70eV的EI-MS非常不相同。EI-MS中的能量太高了,一般小分子的大部分结构单元都受不起这么高的能量,碎的面目全非;而ESI-MS中的CID温和很多,并且碰撞的能量还不是一气就全招呼上,慢慢来,一点一点的把化合物结构中不稳定的部位给敲掉。正是因为能量不高,化合物结构中不同基团的特异性差异才得以最大化的体现,也让分子有机会摆好“一三”的pose后,才被打掉!说的专业一点,“一三断裂”是一种能垒较低的裂解反应!大家熟知的麥式重排仅是“一三断裂”的一个特列而已,据我所知,现有的小分子内的重排裂解都可归到“一三断裂”中(参看我2007年写的“奇怪的远距离重排”)! “一三断裂”的具体内容在我的硕士论文的第35页,下面是抓图:   你们是不是觉得这个太简单了,好似大家都知道吧!唉,这么多年了,我就靠这么点本事混饭吃啊~以后谁再说质谱解析难,看看上面的图然后回家面壁吧!感兴趣的可以用这个规律去解释我2007年那篇重排文章的例子。当然会有一些例外,比如自由基断裂,还有黄酮中4-CO的丢失等。如果你实验中,遇到一些不符合这个规律的例子,欢迎与我分享。(待续)

[藏书千卷不如读书一卷]基于酶和转运体的DDI研究(4)

Chapter 3 ADME Pharmacogenetics and Its Impact on Drug–Drug Interactions Abstract CYP酶CYP2B6, CYP2C9, CYP2C19, and CYP2D6和转运体 ABCB1 and OAT1B1具有genetic polymorphisms, 约占人群的1% 3.1 Introduction pharmacogenetics的关注重点已由最开始的药物代谢酶(M),扩展到影响ADE的膜转运体 Genetic variants not only determine to which extent a…

[藏书千卷不如读书一卷]基于酶和转运体的DDI研究(3)

Chapter 2 Transporters: Importance in Drug Absorption, Distribution, and Removal Introduction:transporters的分类 SLC (solute carriers, 溶质运载蛋白家族) and ABC (ATP-binding cassette,  ATP结合盒转运载体)  SLC有380多个成员,48个subfamilies,其中约19个gene families的转运活性已被研究,如SLCO, SLC15, SLC22, SLC47 已被鉴定的ABC转运体有7个subfamilies,49个蛋白,一些对药物有特异性,如ABCB, ABCB,and ABCG subfamilies. Tables 2.1和2.2总结了对药物的处置、PK差异、DDI有巨大影响的转运体。…

能否通过单纯IV或IG计算药物体内代谢的比率呢?

问题:假定药物在体内是一室分布,通过IV或IG给药,同时测定parent和metabolite随时间变化的浓度(摩尔浓度),能否根据这些数据计算出药物代谢的比例,即有多少百分比的药物生成了代谢产物! 有人建议通过计算代谢物与原型药物峰面积的比值,来估算生成代谢物的比率。Metabolism Rate (MR%) = 100*AUC_m/(AUC_m+AUC_p) 这种方法基于线性PK的一种外推,因为线性PK的剂量与AUC是成正比的,所以代谢物AUC与代谢物和原型AUC和的比值就是MR%. 这种估算方法是否正确呢?!我们下面进行一下推导,先是考虑IV的情况,假定药物生成代谢物的速率恒定,只与浓度有关,这种假设代谢酶远远没有饱和的情况下是合适的。推导过程借助matlab的符号工具箱完成: %根据微分方程组求解原型A和代谢物B与时间的关系 % A,B为药物的摩尔浓度,V1和V2为原形和代谢物的分布容积,Km代谢物生成速率,Ka和Kb为原形和代谢物的消除速率 % C为原形累积量,D为代谢物累积量 >> syms A B C D Ka Kb Km V1 V2 >> Y=dsolve('DA=-Ka*A-Km*A','DB=Km*A*V1/V2-Kb*B','A(0)=100','B(0)=0') % 化简 >> A=simplify(Y.A)…

[藏书千卷不如读书一卷]基于酶和转运体的DDI研究(2)

Chapter 1: Enzymatic Basis of Phase I and Phase II Drug Metabolism 本章综述一相和二相解毒酶,它们潜在的诱导和抑制功能,以及基因改变在DDI中的角色。 人体内的酶种类繁多,普遍存在polymorphisms;基因水平的改变会影响药物的处置和DDI,这通常被成为idiosyncratic drug reactions (特异性药物反应)。 代谢酶分为Phase I和Phase II,Phase I主要为CYP酶系,除了肝脏外,其他肠道等器官的分布也很重要; Phase II有UGTs, SULTs, GSTs and NATs. FDA批准的药物有60%是CYP酶系代谢的 Fig.1.1 为CYP450的通用代谢过程图。…

[藏书千卷不如读书一卷]基于酶和转运体的DDI研究(1)

去年(2013年)我在空余时间读完了14本书,其中5本为英文原著,不过多是一些科普、宗教和小说类的书籍,今年想把自己计划阅读的书单偏重于专业书。专业书多为七八百页,甚至上千页的大部头,给自己的要求是,不仅要看,还要做好每章内容的摘要和笔记。我相信一个看法,只有用自己的话,把书中的内容写出来,才算学到了东西。第一本书,我选择的是“Enzyme- and Transporter-Based Drug–Drug Interactions”,书相当于一系列主题的综述,多是事实性的内容,有助于增加自己在DDI方面的知识面和系统性。我争取每周读一章,并摘录要点。   该书的主编Sandy Pang前段时间来找我现在的老板,好似谈组织什么会议的事情。她是一个非常严谨的老太,有企业界的人问她有没有毕业生推荐,她回答说“We don't graduate students easily!”我的师兄曾去她那里受苦过一年,被逼得都不行了,呵呵。不过,在学术方面,Sandy Pang确实是一个优秀的科学家。 这本书共有4个部分,28章,700多页,即便每周一章,也需要半年时间。暂时不给自己太多压力,2014年只要读完2本专著就算完成任务啦。   About the Author K. Sandy Pang Ph.D. is Professor of Pharmacy and Pharmacology, Faculties of…