BỘ GIÁO DỤC VÀ ĐÀO TẠO

ĐẠI HỌC HUẾ

TRƯỜNG ĐẠI HỌC KHOA HỌC

BÙI THỊ PHƯƠNG THÚY

THIẾT KẾ, SÀNG LỌC MỘT SỐ DẪN XUẤT FLAVONOID VÀ

ĐÁNH GIÁ HOẠT TÍNH GÂY ĐỘC LÊN DÒNG TẾ BÀO HELA

DỰA VÀO CÁC TÍNH TOÁN HÓA LƯỢNG TỬ

Chuyên ngành: Hóa lý thuyết và hóa lý

Mã số: 62.44.01.19

TÓM TẮT LUẬN ÁN TIẾN SĨ HÓA LÝ THUYẾT VÀ HÓA LÝ

HUẾ, NĂM 2018

Công trình được hoàn thành tại Khoa Hóa học, trường Đại học Khoa

học, Đại học Huế.

Người hướng dẫn khoa học: 1. PGS.TS. PHẠM VĂN TẤT

2. PGS.TS. TRẦN DƯƠNG

Phản biện 1:

Phản biện 2:

Phản biện 3:

Luận án sẽ được bảo vệ trước Hội đồng cấp Đại học Huế chấm luận án

tiến sĩ họp tại . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

vào hồi giờ ngày tháng năm

Có thể tìm hiểu luận án tại thư viện: ..................................

1

MỞ ĐẦU

Các phương pháp phòng và trị bệnh ung thư hiện nay như phẫu thuật,

xạ trị, hóa trị. Tuy nhiên các phương pháp này vẫn có những tác dụng

phụ nhất định đối với bệnh nhân. Nhu cầu về dược chất kháng ung thư

có khả năng phòng và trị bệnh đang rất lớn nhưng khả năng đáp ứng

còn hạn chế. Các nhà khoa học, dược học đã và đang quan tâm nghiên

cứu, tìm kiếm các loại dược chất mới. Trong đó nhóm flavonoid nói

chung flavone, isoflavone nói riêng là nhóm dược chất có nhiều trong

thực vật với hoạt tính kháng oxi hóa, kháng ung thư, kháng viêm, …

hiệu quả. Các nghiên cứu thực nghiệm trên thế giới và Việt Nam đã

cung cấp một cơ sở dữ liệu quý giá về nguồn dược chất trong tự nhiên,

nhưng các nghiên cứu thực nghiệm thuần túy còn nhiều hạn chế để tạo

ra hợp chất có hoạt tính kháng ung thư hiệu quả, nhanh chóng, kinh tế.

Các nghiên cứu lý thuyết trên thế giới nói chung, trong nước nói riêng

về nhóm flavone và isoflavone có hoạt tính kháng ung thư cổ tử cung

còn khá khiêm tốn. Nghiên cứu mối quan hệ cấu trúc – hoạt tính nhằm

thiết kế các dẫn xuất flavone, isoflavone mới có hoạt tính được cải

thiện; các nghiên cứu lý thuyết là rất cần thiết để thúc đẩy và làm tiền

đề cho các nghiên cứu thực nghiệm, nhằm tìm kiếm các dược chất

kháng ung thư hiệu quả.

Trong nghiên cứu này, chúng tôi sử dụng các thông tin mô tả cấu trúc

điện tích nguyên tử, độ dịch chuyển hóa học, tính chất hóa lý, tham số

2D và 3D của phân tử kết hợp các kỹ thuật phân tích hồi quy, mạng nơ

ron, phân tích thành phần chính, giải thuật di truyền, bình phương cực

tiểu riêng phần để xây dựng các mối quan hệ định lượng cấu trúc - hoạt

tính (QSAR). Các flavonoid được xây dựng và tối ưu hóa bằng các

phương pháp cơ học phân tử MM+. Các tham số mô tả phân tử 2D, 3D

được sử dụng để xây dựng các mô hình đa biến như hồi quy tuyến tính

đa biến (MLR), phân tích thành phần chính (PCR), bình phương cực

tiểu riêng phần (PLS) và mạng nơ ron nhân tạo (ANN). Xây dựng các

mô hình QSAR nhằm xác định những yếu tố tham số mô tả phân tử ảnh

hưởng đến tác dụng kháng ung thư cổ tử cung từ đó xác định hướng

thiết kế phân tử mang lại hoạt tính cao hơn. Trong nghiên này cũng đã

tiến hành chiết tách và phân lập flavonoid từ gừng gió, đậu nành, tía tô,

xa kê, actiso, một vài kỹ thuật phân tích hóa lý cũng được sử dụng để

xác định cấu trúc phân tử các dẫn xuất flavonoid. Các phân tử flavonoid

đã phân lập sẽ được dự báo hoạt tính, và sử dụng làm chất mẫu để thiết

kế hợp chất mới có hoạt tính cao hơn.

2

Từ các cơ sở trên, chúng tôi nghiên cứu đề tài “Thiết kế, sàng lọc một

số dẫn xuất flavonoid và đánh giá hoạt tính gây độc lên dòng tế bào

Hela dựa vào các tính toán hóa lượng tử”.

Mục tiêu của luận án: Tính toán các tham số cấu trúc phân tử; Xây

dựng các mô hình QSAR; Phân lập và tinh chế một số flavonoid; Dự

đoán tính sinh học của các hợp chất mới.

Ý nghĩa khoa học của luận án:

Việc mô phỏng kết hợp giữa phương pháp lý thuyết với phương pháp

thực nghiệm trong nghiên cứu tìm kiếm hợp chất có hoạt tính kháng

ung thư có nguồn gốc thiên nhiên là một hướng nghiên cứu đáng chú ý

đang được quan tâm và phát triển mạnh mẽ trong thời gian gần đây.

Phương pháp tiếp cận hiện đại, khoa học, mang lại hiệu quả về thời

gian, công sức, tiền bạc trong nghiên cứu thực nghiệm. Kết quả nghiên

cứu đáng tin cậy và có nhiều ứng dụng quan trọng cho các nghiên cứu

lý thuyết cũng như nghiên cứu thực nghiệm.

Đóng góp mới:

Công trình này, chúng tôi đã xác định được cấu trúc và thử hoạt tính

pGI50 in vitro đối với 6 hợp chất flavonoid phân lập từ lá tía tô, lá xa kê,

lá actiso, hạt đậu nành và củ gừng gió. Đã tính toán và sàng lọc được

các tham số mô tả cấu trúc phân tử như tham số điện tích, tham số độ

dịch chuyển hóa học, tham số 2D, 3D ảnh hưởng chính đến hoạt tính

kháng ung thư của các dẫn xuất flavonoid. Đã xây dựng thành công các

mô hình QSAR. Đã dự đoán hoạt tính kháng ung thư và tính chất hóa lý

của các hợp chất mới được thiết kế từ các chất mẫu và hợp chất tự

nhiên. Hoạt tính kháng ung thư của các hợp chất mới tốt hơn hoạt tính

kháng ung thư của chất mẫu, hợp chất phân lập từ gừng gió, đậu nành,

tía tô, xa kê, actiso.

CHƯƠNG 1. TỔNG QUAN TÀI LIỆU

Phần tổng quan giới thiệu về bệnh ung thư cổ tử cung, các hợp chất

flavonoid, mối liên hệ giữa cấu trúc và hoạt tính, tính toán các tham số

cấu trúc, các mô hình QSAR, các dẫn xuất flavonoid, phân lập và tinh

chế flavonoid, ứng dụng hóa học tính toán lượng tử trong nghiên cứa

các dẫn xuất flavonoid.

CHƯƠNG 2. NỘI DUNG & PHƯƠNG PHÁP NGHIÊN CỨU

2.1. SƠ ĐỒ NGHIÊN CỨU

2.2. CƠ SỞ DỮ LIỆU, NGUYÊN LIỆU VÀ PHƯƠNG PHÁP

2.2.1. Xây dựng cơ sở dữ liệu thông tin phân tử

3

2.2.2. Nguyên liệu và phương pháp

2.2.2.1. Phần mềm ứng dụng

2.2.2.2. Hóa chât, thiết bi

2.2.2.3. Nguyên liệu

2.3. NGHIÊN CỨU LÝ THUYẾT

2.3.1. Phương pháp tính toán thông tin câu trúc

2.3.1.1. Cơ học phân tử

2.3.1.2. Hóa lượng tử

2.3.1.3. Các tham số câu trúc

2.3.2. Xây dựng các mô hinh QSAR

2.4. SÀNG LỌC, PHÂN LẬP FLAVONOID TỰ NHIÊN

2.4.1. Phân lập các hợp chât flavonoid

2.4.2. Xác đinh câu trúc hóa học các hợp chât flavonoid

2.4.2.1. Phương pháp phổ cộng hưởng từ hạt nhân

2.4.2.2. Đo nhiễu xạ tia X đơn tinh thể

2.4.3. Kỹ thuật thử hoạt tính in vitro

2.4.3.1. Nguyên tắc phương pháp Sulforhodamine B

2.4.3.2. Nuôi cây tế bào

2.4.3.3. Nhuộm SRB

2.4.3.4. Xử lý kết quả

2.4.3.5. Xác đinh GI50

2.5. THIẾT KẾ VÀ DỰ BÁO HOẠT TÍNH CỦA FLAVONOID

CHƯƠNG 3. KẾT QUẢ VÀ THẢO LUẬN

3.1. NGHIÊN CỨU LÝ THUYẾT

3.1.1. Phương pháp tính toán thông tin câu trúc

3.1.1.1. Cơ học phân tử

3.1.1.2. Hóa lượng tử

3.1.2. Tham số câu trúc

3.1.2.1. Tham số điện tích

3.1.2.2. Phổ 13C-NMR, 15O-NMR và độ dich chuyển hóa học

3.1.2.3. Tham số hóa lý

3.1.2.4. Tham số hình học 2D, 3D

3.2. XÂY DỰNG MÔ HÌNH QSAR

3.2.1. Khảo sát các biến số mô hình

3.2.2. Xây dựng các mô hinh QESAR

3.2.2.1. Mô hinh tuyến tính QESARMLR

Quan hệ định lượng cấu trúc điện tử - họa tính (QESAR) của 26 dẫn

xuất flavone và isoflavone với hoạt tính kháng ung thư được xây dựng

4

bằng kỹ thuật phân tích hồi quy đa biến sử dụng các thuật toán chọn lựa

biến. Năm tham số mô tả điện tích của các nguyên tử O1, O11, C3, C4, C6

và C7 được chọn lựa sử dụng kỹ thuật thêm dần và loại bỏ dần từng

tường hợp để xây dựng mô hình QESARNMR. Mô hình QESARMLR tốt

nhất với 6 biến số có các giá trị hồi quy gồm R2train = 0,9382, R2

adj =

0,9186, SE = 0,0887, R2pred = 0,9030 và MARE,% = 1,7510%. Mô hình

QESARlinear được đánh giá bằng kỹ thuật đánh giá chéo. Mô hình

QESARMLR với k = 6

pGI50 = 6,7116 – 42,3105O1 – 8,1592O11 + +3,0139C3 – 19,0370C4 +

6,6117C6 + 4,6038C7 (3.2)

Bảng 3.9 Các mô hình tuyến tính QESARMLR và giá trị thống kê k Nguyên tử trong các mô hình R2

train SE R2test

2 O1, C7 0,816 0,1390 0,765

3 O1, C4, C6 0,860 0,1240 0,800

4 O1, C2, C4, C5 0,901 0,1070 0,829

5 O1, C2, C4, C5, C3' 0,924 0,0957 0,873

6 O1, O11, C3, C4, C6, C7 0,938 0,0887 0,903

7 O11, C4, C6, C8, C9, C2', C6' 0,906 0,0743 0,714

8 O11, C3, C6, C7, C8, C9, C10, C3' 0,970 0,0653 0,696

9 O1, O11, C3, C4, C6, C7, C8, C9, C10 0,978 0,0574 0,563

10 O1, O11, C3, C6, C7, C8, C9, C2', C3', C6' 0,978 0,0595 0,358

Hình 3.4 Giá trị đóng góp trung bình toàn cục GMPmxk

3.2.2.2. Mô hinh mạng thần kinh QESARANN

Mô hình QESARANN có kiến trúc mạng I(6)-HL(2)-O(1) với R2fitness là

0.95642 được xây dựng từ các tham số điện tích từ mô hình

QESARANN.

3.2.2.3. Kiểm tra khả năng dự đoán

Hoạt tính kháng ưng thư của flavone và isoflavone dự đoán từ mô hình

QESARNMR và QESARANN với giá trị MARE, % tương ứng là 1,7510%

và 1,1670%, Bảng 3.12.

5

Bảng 3.12 pGI50 của nhóm kiểm tra dự đoán từ mô hình QESARMLR,

QESA RANN

Hợp chất pGI50,exp pGI50,tt ARE,%

QESARMLR QESARANN QESARMLR QESARMLR

1b 5,921 6,008 5,891 1,468 0,513

2b 5,745 5,692 5,743 0,930 0,033

3b 6,097 5,759 5,788 5,549 5,068

4b 5,699 5,651 5,712 0,840 0,221

5b 5,699 5,651 5,735 0,835 0,623

6b 5,137 5,092 5,109 0,883 0,543

MARE,% 1,751 1,167

3.2.3. Xây dựng các mô hinh QSDAR

3.2.3.1. Mô hinh tuyến tính QSDARMLR

Bảng 3.13 Các mô hình QSDAR và các giá trị thống kê k Nguyên tử trong các mô hình R2

luyện R2adj SE R2

thử

2 O1, C4 0,327 0,268 0,287 0,036

3 O1, C4, C11 0,484 0,413 0,257 0,204

4 O1, C4, C5, C6 0,636 0,566 0,221 0,38

5 O1, O11, C4, C6, C7 0,802 0,752 0,167 0,631

6 O1, O11, C3, C4, C6, C7 0,861 0,817 0,143 0,673

7 O1, O11, C2, C3, C6, C7, C2’ 0,906 0,869 0,121 0,800

8 O1, O11, C2, C3, C4, C5, C6, C7 0,909 0,867 0,122 0,713

9 O1, O11, C2, C3, C4, C5, C6, C7, C2’ 0,921 0,877 0,118 0,678

10 O1, O11, C2, C3, C4, C5, C6, C7, C1’,C2’ 0,921 0,869 0,121 0,641

Mô hình QSDARMLR được thành lập bằng cách thay đổi độ dịch chuyển

hóa họci của oxy và cac bon.

Chọn lựa độ dịch chuyển hóa họci bằng thuật toán thêm dần và loại bỏ

dần từng trường hợp kết hợp với thuật toán di truyền (GA).

Quá trình mô hình hóa được thực hiện bằng cách theo dõi các giá trị

thống kê SE, R2adj, R2

test và F-stat với mức độ tin cậy α là 0,05. Tất cả

các mô hình QSDARMLR được đánh giá bằng kỹ thuật đánh giá chéo

loại bỏ dần từng trường hợp. Các mô hình QSDARMLR tốt nhất với k =

5, 6, 7 cho ở bảng Bảng 3.14. Giá trị R2fitness và SE của các mô hình

QSDARMLR (với số biến số k từ 2 đến 9) cho ở Bảng 3.13.

Mô hình QSDARMLR tốt nhất (với k bằng 7) với các biến số i của các

nguyên tố O1, O11, C2, C3, C6, C7 và C2’ với các giá trị R2fitness là 0,9057

và sai số SE là 0.1213 QSDARMLR. Các nguyên tử này cũng đóng góp

quan trọng nhất đối với các hoạt tính kháng ung thư của các chất dẫn

xuất flavone và isoflavone.

6

Bảng 3.14 Giá trị thống kê, các hệ số và phần trăm đóng góp của các độ

dịch chuyển hóa học i trong các mô hình QSDARMLR

Biến số xi QSDARMLR MPxk,%

GMPmxi,% m = 5 m = 6 m = 7 m = 5 m = 6 m = 7

R2luyện 0,802 0,861 0,906 - - - -

R2adj 0,752 0,817 0,869 - - - -

SE 0,167 0,143 0,121 - - - -

R2thử 0,631 0,673 0,800 - - - -

Hằng số 14,459 37,055 32,99 - - - -

O1 0 0,014 0,016 0,133 7,649 9,949 5,91

O11 0,004 0,008 0,006 18,599 11,386 9,501 13,162

C2 - - -0,045 - - 16,448 5,483

C3 - -0,058 -0,063 - 14,348 17,603 10,65

C4 -0,068 -0,078 - 71,64 27,471 - 33,037

C6 0,006 -0,059 -0,047 5,169 16,424 14,965 12,186

C7 -0,005 -0,075 -0,059 4,46 22,722 20,312 15,832

C2' - - -0,037 - - 11,222 3,741

Ba mô hình QSDARMLR (với k từ 5 đến 7) là các nguyên tử O1, O11, C2,

C3, C4, C6, C7 và C2’ trong Bảng 3.14 được chọn để tính toán tỷ lệ phần

trăm đóng góp của các nguyên từ đối với hoạt tính kháng ung thư.

Các giá trị phần trăm đóng góp MPmxk,%, và GMPmxk%, cũng như các

giá trị thống kê trong mô hình QSDARMLR (với k từ 5 đến 7) cũng được

chỉ ra trong Bảng 3.14. Các giá trị độ dịch chuyển hóa học của cac bon

à oxy trong phân tử flavone và isoflavone sắp xếp theo giá trị

GMPmxk,% as C4 > C7 > O11 > C6 > C3 > O1 > C2 > C2’. Các vị trị O1, C2,

C3 và C4 là các vị trí quan trọng trong khung phân tử. Bởi vì đây là các

oxy và cac bon của nhóm cacbonyl C4 = O11 và O1 với cặp electron tự

do. Trong trườn hợp này electron của liên kết C2 = C3 và C4 = O11 tạo

thành hệ liên hợp. Nhóm cacbonyl C4 = O11 thực hiện các phản ứng oxy

hóa khử. Nghiên cứu này phù hợp với các nghiên cứu thực nghiệm.

Hơn nữa, các vị trí C6, C7 và C3 cũng cho thấy rằng các vị trí quan trọng

đã khảo sát và nghiên cứu bằng các nhóm thế gắn vào các nguyên tử C3,

C6 và C7 để thiết kế các dẫn xuất mới. Như vậy, để thiết các các dẫn

xuất mới với hoạt tính pGI50 cao bằng cách gắn các nhóm thế mới vào

các vị trí C3, C6 và C7 trong phân tử flavone và isoflavone.

3.2.3.2. Mô hinh mạng thần kinh QSDARANN

Mô hình mạng thần kinh QSDARANN được xây dựng bằng mạng thần

kinh trên phần mềm INForm đã được khảo sát kiến trúc mạng. Kiến

trúc I(7)-HL(2)-O(1) bao gồm lớp nhập I(7) với yếu tố đầu vào đã được

chọn là O1, O11, C2, C3, C6, C7 và C2’ là các biến số trong mô hình tuyến

7

tính QSDARMLR với k = 7 và một lớp xuất O(1) với yếu tố đầu ra

(pGI50) như là biến mục tiêu, cấu trúc một lớp ẩn HL(2) với hai nút.

Giải thuật lan truyền ngược, sai số 0,001 được sử dụng để luyện kiểu

mạng thần kinh này. Các tham số để luyện mạng nơ ron là tốc độ học

0,7; momen = 0,7; vòng lặp 10000 và sai số MSE = 0,0305764. Hàm

truyền sigmoid được sử dụng cho mỗi nơ ron của lớp nhập và lớp xuất.

Sau khi luyện mô hình thần kinh QSDARANN, R2thử = 0,800; giá trị

R2luyện đạt được 0,924 cao hơn giá trị R2

luyện = 0,906 đối với mô hình

tuyến tính QSDARMLR.

3.2.3.3. Kiểm tra khả năng dự đoán

Bảng 3.15 Hoạt tính pGI50,tt của các dẫn xuất kiểm tra và các giá trị

ARE,% từ các mô hình QSDARMLR (với k = 7) và QSDARANN với kiến

trúc I(7)-HL(2)-O(1) Hợp chất pGI50tn pGI50,tt ARE,%

QSADRMLR QSDARANN QSDARMLR QSDARANN

a1 5,745 5,781 5,789 0,636 0,764

a2 5,699 5,758 5,796 1,039 1,697

a3 5,796 5,808 5,708 0,209 1,515

a4 5,921 6,181 5,957 4,389 0,606

a5 5,699 5,394 5,755 5,344 0,975

a6 5,658 5,503 5,723 2,730 1,157

MARE,% 2,391 1,119

Sau khi sử dụng các mô hình QSDARMLR và QSDARANN để dự đoán

hoạt tính kháng ung thư của các dẫn xuất kiểm tra, độ lệch khoảng dự

đoán là có thể chấp nhận. Các mô hình QSDARMLR và QSDARANN thỏa

mãn các đòi hỏi thực tế để dự đoán hoạt tính kháng ung thư pGI50 của

các dẫn xuất mới. Một lần nữa chúng tôi khẳng định khả năng dự đoán

của các mô hình quan hệ cấu trúc hoạt tính là đáng tin cậy.

3.2.4. Xây dựng mô hình QSSRMLR

3.2.4.1. Nguyên tắc xây dựng

3.2.4.2. Tính toán các tham số hóa lý

3.2.4.3. Xây dựng mô hình

Mô hình tuyến tính QSSRMLR cũng được nghiên cứu, phát triển từ các

kỹ thuật hồi quy tuyến tính. Mô hình quan hệ cấu trúc - cấu trúc

(QSSR) là mối quan hệ giữa những hợp chất (y) và các hợp chất có cấu

trúc tương tự (x). Các mô hình QSSRMLR được xây dựng bằng phương

pháp hồi quy tuyến tính. Kỹ thuật hồi quy đa biến tuyến tính được sử

dụng để xây dựng mối quan hệ tuyến tính giữa các hợp chất có cấu trúc

tương tự. Những mối quan hệ tuyến tính này được xây dựng bằng cách

8

sử dụng các bộ mô tả điện tích nguyên tử của các chất dự đoán và các

chất mục tiêu. Tất cả các bộ mô tả điện tích nguyên tử bao gồm các

nguyên tử tính O1, C2, C3, C4, C5, C6, C7, C8, C9, C10, O11, C1', C2', C3',

C4', C5', C6'. Các mô hình tuyến tính QSSRMLR với các giá trị thống kê

rất tốt R2luyện = 0,999 và R2

thử = 0,999:

Fla-A1 = 0,00015+1,018 (Fla-A5)-0,513 (Fla-A21)+0,497 (Fla-A22)

Fla-A2 = -0,00020+1,260 (Fla-A6) + 0,871 (Fla-A14)-1,134 (Fla-A24)

Fla-A3 = 0,00002+0,935 (Fla-A7) + 0,582 (Fla-A16) -0,517 (Fla-A28)

isoFla-A4=-0,000002+0,980(isoFla-A8)-0,233(isoFla-A18)+0,252(isoFla-

A19)

Fla-A5 = -0,00015+0,982 (Fla-A1) +0,499 (Fla-A21) -0,483 (Fla-A22)

Fla-A6 =0,00019+0,682 (Fla-A2)-0,587 (Fla-A14)+0,907 (Fla-A24)

Fla-A7 = -0,00003+1,037 (Fla-A3)+-0,041 (Fla-A16)+0,004 (Fla-A27)

isoFla-A8=0,0000051+1,006(isoFla-A4)+0,253(isoFla-A18)-

0,259(isoFla-A19)

Fla-A9 = 0,000004+0,047 (Fla-A5) +1,025 (Fla-A11) -0,072 (Fla-A23)

Fla-A10 = 0,00012+0,977 (Fla-A9) -1,055 (Fla-A21) +1,079 (Fla-A22)

3.2.4.4. Kiểm tra khả năng dự đoán

Mô hình hồi quy tuyến tính nhận được

từ các dẫn xuất flavone và isoflavone

này có thể ứng dụng để dự đoán tính

chất hóa lý cũng như hoạt tính kháng

ung thư của các flavone và isoflavone có

cấu trúc tương tự. Phân tích ANOVA

một yếu tố cũng chỉ ra rằng kết quả dự

đoán tính chất hóa lý và hoạt tính kháng

ung thư của các dẫn xuất flavone và

isoflavone từ mô hình

Hình 3.6. Quan hệ giữa

tính chất hóa lý dự đoán

và dữ liệu thực nghiệm

QSSRMLR thì không khác các giá trị tính chất hóa lý tham khảo, giá trị

hoạt tính kháng ung thư xác định từ thực nghiệm với (Ftt = 0,0010 <

F0,05 = 3,9423).

3.2.5. Xây dựng mô hinh QSARMLR (3.16) và QSARANN(1)

3.2.5.1. Dữ liệu

3.2.5.2. Xây dựng mô hinh QSARMLR (3.16)

9

Bảng 3.18 Các mô hình QSARMLR (k từ 2 đến 10) với các giá trị R2,

R2pred và MSE

k Tham số mô tả phân tử 2D, 3D trong các mô hình MSE R² R²pred

2 xvc3, Dipole 0,063 0,657 0,630

3 xvp3, xvpc4, Dipole 0,034 0,820 0,798

4 xvp6, xvpc4, Dipole, LogP 0,027 0,866 0,843

5 xp8, Dipole, Volume, knotpv, LogP 0,023 0,891 0,867

6 xp8, xvp8, Dipole, knotpv, SHBa, LogP 0,019 0,914 0,890

7 xp8, xvp8, Dipole, Hmaxpos, knotpv, SHBa, LogP 0,015 0,933 0,910

8 xp6, SaaCH, k2, nvx, knotp, knotpv, SHBa, LogP 0,015 0,936 0,909

9 xp8, ABSQ, SsOH, Hmaxpos, phia, knotp, knotpv, SHBa, LogP 0,012 0,955 0,932

10 xp8, ABSQ, SsOH, Hmaxpos, nvx, phia, knotp, knotpv, SHBa, LogP 0,012 0,955 0,928

Bảng 3.19. Các giá trị thống kê và giá trị phần trăm đóng góp MPmxk,%

và GMPmxk,% đối với các tham số mô tả phân tử 2D3, D trong các mô

hình QSARMLR (với k là 8, 9, 10).

QSARMLR MPmxi,%

GMPmxi, % m = 8 M = 9 m = 10 m = 8 m = 9 m = 10

R2 0,936 0,955 0,955

R2 pred 0,909 0,932 0,928

SE 0,124 0,107 0,110

Hệ số -13,133 3,044 2,946

k2 -4,926 - - 23,638 7,879

xp6 -2,899 - - 6,399 2,133

xp8 - 4,473 4,282 14,301 12.181 8,827

nvx 3,487 - 0,036 45,229 1,138 15,456

knotp -8,350 -2,673 -2,794 9,072 7,879 7,325 8,092

knotpv 34,40 15,54 15,917 9,681 11,878 10,813 10,790

SHBa -0,225 0,019 0,016 4,398 1,004 0,770 2,057

Hmaxpos - -1,203 -1,201 3,439 3,060 2,166

SaaCH -0,166 - - 1,490 0,497

ABSQ - -5,982 -5,939 33,101 29,255 20,785

SsOH - 0,359 0,358 2,924 2,609 1,844

phia - 3,067 2,999 21,167 18,413 13,193

logP 0,050 0,839 0,793 0,093 4,308 3,624 2,675

Sự biến thiên các giá trị R2, R2pred và SE trong các mô hình QSARMLR

với các tham số mô tả 2D và 3D, tương ứng chỉ ra trong Bảng 3.18.

Để xây dựng các mô hình QSARMLR, các tham số mô tả 2D và 3D được

chọn lựa bằng kĩ thuật hồi quy từng bước. Các tham số mô tả 2D, 3D

được chọn dựa trên cơ sở các giá trị thống kê R2, SE và F-stat. Các mô hình được đánh giá chéo bằng kĩ thuật loại bỏ dần từng trường

hợp (LOO) để xác định giá trị R2pred. 9 mô hình phù hợp nhất được chỉ

10

ra trong Bảng 3.18. Các giá trị phần trăm đóng góp trung bình

MPmxk,%, GMPmxk, % và các giá trị thống kê khác đối với các mô hình

(với k là 8, 9 và 10), được đưa ra trong Bảng 3.19. Sự xắp xếp mức độ

ảnh hưởng quan trọng của các tham số 2D, 3D trong các mô hình

QSARMLR theo thứ tự là GMPmxk,%: SaaCH < SsOH < SHBa < xp6 <

Hmaxpos < logP < k2 < knotp < xp8 < knotpv < phia < nvx < ABSQ.

Các tham số mô tả ABSQ, nvx, phia, knotpv, xp8, knotp, k2 và LogP

được xem là các tham số mô tả quan trọng nhất trong mỗi phân tử. Mô

hình QSARMLR (3.16) như sau:

pGI50 = 3,044 + 4,473×xp8 -5,982×ABSQ + 0,359×SsOH -

1,203×Hmaxpos + 3,067×phia -2,673×knotp + 15,540×knotpv +

0,019×SHBa + 0,839×LogP (3.16)

Với n = 34; R2 = 0,955; R2Adj= 0,932; R2

Pred = 0,745; SE = 0,107; F =

42,182.

3.2.5.3. Xây dựng mô hình QSARANN(1)

Mô hình QSARANN(1) được xây dựng bằng kỹ thuật neuro-fuzzy với

thuật toán di truyền sử dụng phần mềm INForm. Mô hình mạng thần

kinh nhân tạo có kiến trúc mạng I(9)-HL(5)-O(1) được xây dựng. Kiến

trúc mạng này bao gồm lớp input I(9) với 9 nơ ron tương ứng với 9 biến

độc lập xp8, ABSQ, SsOH, Hmaxpos, phia, knotp, knotpv, SHBa và

LogP; lớp ẩn HL(5) với 5 nơ ron và lớp output O(1) với 1 nơ ron là hoạt

tính sinh học pGI50. Thuật toán lan truyền ngược được ứng dụng để

luyện mạng thần kinh. Hàm truyền cho mỗi nơ ron là đường tiếp tuyến

Hypecbol; mỗi tham số luyện mạng khác nhau được sử dụng cho quá

trình luyện mạng với tốc độ huấn luyện (moment) là 0.7 và tốc độc học

là 0.01; sai số tổng cộng là 0,0003017, sai số dự đoán là 0,00001 với

300000 vòng lặp. Sau khi luyện mạng mô hình mạng thần kinh thu

được có kiến trúc I(9)-HL(5)-O(1), với giá trị thống kê R2train là 0,8963

và R2pred là 0,8883.

3.2.5.4. Khả năng dự đoán của mô hinh QSARMLR (3.16) và

QSARANN(1)

Sau khi sử dụng các mô hình QSARMLR (3.16) và QSARANN(1) để dự

đoán hoạt tính sinh học pGI50 của sáu hợp chất trong nhóm kiểm tra chỉ

ra khả năng dự đoán chính xác của các mô hình QSAR với các sai số

nằm trong khoảng tin cậy của phép đo thực nghiệm. Tuy nhiên, các mô

hình QSARMLR (3.16) và QSARANN(1) đều có khả năng dự báo tốt đối

với hoạt tính sinh học của các hợp chất mới.

11

Bảng 3.20 Hoạt tính sinh học pGI50 của nhóm kiểm tra từ các mô hình

QSARMLR (3.16) và QSARANN(1)

Hợp chất pGI50,exp pGI50,pred

ARE,%

M1 M2 M1 M2

Fla-1 5,699 5,3879 5,7371 5,4589 0,6685

Fla-11 5,699 5,9188 6,0478 3,8568 6,1204

Fla-24 5,6198 5,9316 5,7662 5,5482 2,6051

Fla-25 5,6383 5,8627 5,6843 3,9799 0,8158

Fla-26 5,699 5,8841 5,7058 3,2479 0,1193

Fla-30 5,0862 4,8677 4,9365 4,2959 2,9433

MARE,% 4,3979 2,2121

3.2.6. Xây dựng mô hinh QSARMLR (3.17), QSARPCR; QSARPCA-ANN

3.2.6.1. Dữ liệu

3.2.6.2. Xây dựng mô hinh QSARMLR (3.17), QSARPCR

Bảng 3.21 Các mô hình QSARMLR (k từ 2 đến 10) với các giá trị R2,

R2pred và MSE

k Tham số mô tả phân tử 2D, 3D trong các mô hình R2 R2pred SE

2 a1, a2 0,756 0,731 0,430

3 a1, a2, a3 0,774 0,732 0,417

4 a1, a2, a3, a4 0,805 0,772 0,390

5 a1, a2, a3, a4, a5 0,832 0,756 0,365

6 a1, a4, a5, a6, a7, a8 0,854 0,812 0,342

7 a1, a2, a3, a4, a5, a9, a10 0,836 0,721 0,365

8 a1, a2, a3, a4, a5, a8, a9, a10 0,837 0,693 0,367

9 a1, a2, a3, a4, a5, a8, a9, a10, a11 0,838 0,682 0,369

10 a1, a2, a3, a4, a5, a6, a8, a9, a10, a11 0,841 0,650 0,368

Đối với các mô hình QSARMLR, mức độ quan trọng của mô tả phân tử

2D và 3D được sắp xếp theo các giá trị GMPmxk,%: MaxQp > ABSQ >

ka2 > MaxNeg > LogP > ka3 > SdssC > SdO > Ovality > ABSQon. Mô

hình QSARMLR (3.17) với k = 6:

pGI50 = 8,509 + 2,8540MaxQp + 0,0247SdO + 0,2192LogP -

3,6969Ovality + 0,2969SdssC + 0,3635ka3 (3.17)

Sáu biến số MaxQp, SdO, ka3, LogP, Ovality and SdssC được chọn để

xây dựng mô hình QSARPCR (3.18).

pGI50 = 5,48356 + 0,38027×PC1 - 0,11868×PC2 + 0,34789×PC3 +

0,06995×PC4 + 0,21850×PC5 + 0,35057×PC6 (3.18)

12

Bảng 3.22 Các giá trị thống kê và phần trăm đóng góp MPmxk,%,

GMPmxk,% của các tham số mô tả phân tử 2D, 3D trong các mô hình

QSARMLR (với k = 5, 6, 7)

Biến số QSARMLR MPmxi,% GMPmxi,

% m m = 5 m = 6 m = 7 m = 5 m = 6 m = 7

R2 0,832 0,854 0,836

R2adj 0,820 0,841 0,820

SE 0,365 0,342 0,365

R2pred 0,756 0,812 0,721

Hệ số 3,883 8,509 4,790

ABSQ -0,222 - -0,257 27,945 18,636 19,005 21,862

ABSQon - - 0,0143 - - 0,433 0,144

MaxQp 3,416 2,8540 3,588 24,043 25,862 25,908 25,271

MaxNeg - - 6,122 - 24,203 23,890 16,031

SdO 0,0125 0,0247 0,0126 6,192 3,792 3,665 4,550

ka2 0,133 - 0,143 27,484 17,617 17,426 20,842

LogP 0,156 0,2192 0,163 15,651 9,829 9,672 11,717

Ovality - -3,6969 - 5,292 4,393 2,315 4,000

SdssC - 0,2969 - 4,382 5,613 7,236 5,744

ka3 - 0,3635 - 5,351 9,324 3,473 6,049

3.2.6.3. Xây dựng mô hinh QSARPCA-ANN

Mô hình QSARPCA-ANN được xây dựng bằng kỹ thuật neurofuzzy với

thuật toán di truyền bằng chương trình INForm. Kiến trúc mạng nơ-ron

nhân tạo I(6) -HL(9) - O(1) đã được xây dựng. Mô hình QSARPCA-ANN

bao gồm lớp đầu vào I(6) với 6 nơ ron là các biến độc lập PC1, PC2,

PC3, PC4, PC5 và PC6 tương ứng với các tham số MaxQp, SdO, ka3,

LogP, Ovality và SdssC; lớp ẩn HL(9) với 9 nơ ron thần kinh và lớp

đầu ra O (1) với 1 nơ ron là hoạt tính sinh học pGI50. Thuật toán lan

truyền ngược được sử dụng để luyện mạng nơ ron. Hàm truyền trên mỗi

nơ ron được sử dụng là hàm truyền sigmoid; các thông số khác được sử

dụng để huấn luyện mạng thần kinh này bao gồm tỷ lệ luyện là 0,7 và

tốc độ học 0,7; sai số MSE = 0,003447 với số vòng lặp là 5000. Sau khi

luyện mạng nơ ron I(6) - HL(9)- O(1), giá trị R2 là 0,897298 và R2pred là

0,88718.

3.2.6.4. Khả năng dự đoán của các mô hinh

Các hoạt tính dự báo từ các mô hình QSAR được so sánh với các hoạt

tính thực nghiệm và so sánh với nhau bằng cách sử dụng giá trị trung

bình sai số tương đối MARE%. Các giá trị MARE,% cho thấy rằng khả

13

năng dự báo của mô hình QSARMLR (3.17) thấp hơn cả hai mô hình

QSARPCR và QSARPCA-ANN, như trong Bảng 3.23.

Bảng 3.23 Hoạt tính sinh học pGI50 của nhóm kiểm tra từ các mô hình

QSARMLR (3.17) (M1), QSARPCR (M2) và QSARPCA-ANN (M3) Hợp chất pGI50,exp pGI50,pred ARE,%

M1 M2 M3 M1 M2 M3

Flav-8 5,921 5,234 5,526 5,471 3,214 8,979 7,890

Flav-22 5,745 5,485 5,699 5,556 3,755 0,001 2,513

Flav-32 6,097 5,423 5,697 5,351 5,567 10,895 4,161

Flav-74 5,699 5,815 5,895 5,736 1,964 3,362 0,585

Flav-80 5,699 6,034 6,288 6,086 0,773 3,399 0,083

MARE,% 3,055 5,327 3,045

Do giá trị MARE,% mô hình QSARPCR (3.18) là cao nhất. Sau khi sử

dụng các mô hình QSARMLR (3.17), QSARPCR(3.18) và QSARPCA-ANN để

dự đoán các hoạt tính sinh học pGI50 của sáu hợp chất trong nhóm thử

nghiệm khả năng dự đoán chính xác của một mô hình QSAR được thể

hiện bởi các sai số có thể chấp nhận được trong khoảng tin cậy của phép

đo thực nghiệm. Do đó, các mô hình QSARMLR (3.17), QSARPCR (3.18)

và QSARPCA-ANN có khả năng dự đoán tính sinh học của các chất mới.

3.2.7. Xây dựng mô hinh QSARMLR (3.19), QSARPLS (3.20) và

QSARANN(2)

3.2.7.1. Dữ liệu

3.2.7.2. Xây dựng mô hinh QSARMLR (3.19) và QSARPLS (3.20)

Bảng 3.24 Các mô hình QSARMLR với các giá trị R2 , SE và R2pred tương

ứng k Điện tích nguyên tử trong các mô hình R2 SE R2

pred

2 O1, C7 0,816 0,139 0,765

3 O1, C4, C6 0,86 0,124 0,8

4 O1, C2, C4, C5 0,901 0,107 0,829

5 O1, C2, C4, C5, C3’ 0,924 0,096 0,873

6 O1, O11, C3, C4, C6, C7, 0,938 0,089 0,903

7 O11, C4, C6, C8, C9, C2’, C6’ 0,959 0,074 0,879

8 O11, C3, C6, C7, C8, C9, C10, C3’ 0,97 0,065 0,696

9 O1, O11, C3, C4, C6, C7, C8, C9, C10 0,978 0,057 0,563

10 O1, O11, C3, C6, C7, C8, C9, C2’, C3’, C6’ 0,978 0,059 0,358

Mô hình QSARMLR (3.19) với k = 6 với giá trị R2 là 0,938 và giá trị

R2pred cao nhất là 0,903.

pGI50 = 6,7116 − 42,3105 O1 − 8,1592O11 + 3,0139 C3 −19,0370 C4 +

6,6117 C6 + 4,6038C7

14

Bảng 3.25 Các giá trị thống kê và phần trăm đóng góp MPmxk,%,

GMPmxk,% của điện tích nguyên tử trong các mô hình QSARMLR

Biến QSARMLR MPmxi

GMPmxi m = 5 m = 6 m = 7 m = 5 m = 6 m = 7

R2 0,924 0,938 0,959

R2

adj 0,905 0,919 0,943

SE 0,096 0,089 0,074

R2

pred 0,873 0,903 0,879

Hằng số −0,933 6,712 4,714

O1 −101,208 −42,311 − 57,602 24,629 − 27,410

O11 − −8,159 −32,8026 − 18,632 21,462 13,365

C2 −15,426 − − 13,418 − − 4,473

C3 − 3,014 − − 4,216 − 1,405

C4 −6,874 −19,037 −60,070 15,121 42,447 38,387 31,985

C5

− −

− −

C6 − 6,612 20,877 − 6,572 5,779 4,117

C7 − 4,604 − − 3,505 − 1,168

C8 − − 16,902 − − 5,696 1,899

C9 − − 95,421 − − 22,597 7,532

C2' − − −24,472 − − 2,497 0,832

C3' −16,117 − − 11,801 − − 3,934

C6' − − −25,422 − − 3,582 1,194

Đối với 3 mô hình QSARMLR với k = 5 – 7 biến số, vị trí các nguyên tử

quan trọng sắp xếp theo các giá trị GMPmxk,%: C4 > O1 > O11 > C9 > C2

> C6 > C3. Các nguyên tử C4, O1, O11 là các các vị trí quan trọng nhất

trong các phân tử, Bảng 3.25.

3.2.7.3. Xây dựng mô hình QSARANN(2)

Kiến trúc mạng nơ ron nhân tạo bao gồm ba lớp I(6)-HL(4)-O(1); Lớp

đầu vào I(6) bao gồm sáu nơ ron là các tham số O1, O11, C3, C4, C6 và

C7; Nơ ron lớp đầu ra O(1) là hoạt tính sinh học pGI50; Lớp ẩn HL(4)

bao gồm bốn nơ ron. Mạng thần kinh đa lớp sử dụng thuật toán lan

truyền ngược để luyện mạng. Hàm truyền sigmoid trên mỗi nút của

mạng; Các thông số mạng thần kinh bao gồm tỷ lệ luyện 0,7 và tốc độ

học 0,7; sai số MSE = 0,000816 với 10,000 vòng lặp. Sau khi luyện

mạng thần kinh, giá trị R2 là 0,993 và R2pred là 0,971 trong khi đối với

mô hình QSARMLR (3.19), giá trị R2 là 0,938 và R2pred là 0,903.

3.2.7.4. Dự đoán hoạt tính sinh học của các hợp chât mới

Khả năng dự báo của mô hình QSARMLR (3.19), thấp hơn các mô hình

QSARPLS và QSARANN (2) tương ứng như trong Bảng 3.26. Mô hình

15

QSARANN (2) có sai số với giá trị MARE % là 1,161 nhỏ hơn MARE,%

của cả hai mô hình QSARMLR (3.19) và QSARPLS. Vì vậy, khả năng dự

báo của mô hình QSARANN (2) tốt hơn so với mô hình QSARMLR (3.19)

và QSARPLS.

Bảng 3.26 Hoạt tính pGI50 trong nhóm kiểm tra dự đoán từ các mô hình

QSARMLR (3.19) (M1), QSARPLS (M2) và QSARANN(2) (M3)

Hợp chất pGI50,exp pGI50,pred ARE,%

M1 M2 M3 M1 M2 M3

Fla 2 5,921 6,008 5,801 5,851 1,472 2,020 1,180

Fla 9 5,745 5,692 5,608 5,741 0,925 2,376 0,070

Fla 12 6,097 5,759 5,842 5,814 5,548 4,188 4,646

Fla 15 5,699 5,651 5,652 5,712 0,840 0,828 0,236

Fla 16 5,699 5,651 5,655 5,719 0,835 0,775 0,347

Isofla 32 5,137 5,092 5,083 5,112 0,877 1,046 0,490

MARE,% 1,749 1,872 1,161

Sau khi sử dụng các mô hình QSARMLR (3.19), QSARPLS, QSARANN(2)

để dự đoán các hoạt tính sinh học pGI50 của 6 hợp chất trong nhóm thử

nghiệm, sai số của dự đoán nằm trong khoảng sai số cho phép của các

phép đo thực nghiệm. Do đó, các mô hình QSARMLR (3.19), QSARPLS

và QSARANN(2) thích hợp để dự đoán các hoạt tính sinh học của các chất

mới.

3.3. SÀNG LỌC, PHÂN LẬP FLAVONOID TỰ NHIÊN

3.3.1. Phân lập cynaroside từ actiso

Cynaroside phân lập từ lá actiso, cấu trúc cynaroside xác định bằng

phương pháp phổ NMR, Hình 3.8.

Hình 3.8 Cấu trúc phân tử cynaroside, C12H20O11

3.3.2. Phân lập quercetin từ xa kê

Quercetin phân lập từ lá xa kê, cấu trúc quercetin xác định bằng phương

pháp phổ NMR, Hình 3.9.

16

Hình 3.9 Cấu trúc phân tử quercetin, C15H10O7

3.3.3. Phân lập luteolin từ tía tô

Luteolin phân lập từ lá tía tô, cấu trúc luteolin xác định bằng phương

pháp phổ NMR, Hình 3.10.

Hình 3.10 Cấu trúc luteolin, C15H10O6

3.3.4. Phân lập daidzin từ đậu nành

3.3.4.1. Xác đinh câu trúc daidzin bằng phương pháp NMR

Daidzin phân lập từ hạt đậu nành, cấu trúc daidzin xác định bằng

phương pháp phổ NMR, Hình 3.11.

Hình 3.11 Cấu trúc phân tử của daidzin, C21H20O9

3.3.4.2. Xác đinh câu trúc phân tử daidzin bằng phương pháp đo

nhiễu xạ tia X

Daidzin phân lập từ hạt đậu nành, cấu trúc daidzin xác định bằng

phương pháp đo nhiễu xạ tia X đơn tinh thể, Hình 3.12.

17

Hình 3.12 Cấu trúc phân tử của daidzin dưới dạng elipxoit với xác xuất

50%

3.3.5. Phân lập kaempferol-3-O-methylether từ gừng gió

3.3.5.1. Xác đinh câu trúc kaempferol-3-O-methylether bằng

phương pháp NMR

Kaempferol-3-O-methylether phân lập từ củ gừng gió, cấu trúc

kaempferol-3-O-methylether xác định bằng phương pháp phổ NMR,

Hình 3.13.

Hình 3.13 Cấu trúc phân tử của kaempferol-3-O-methylether, C16H12O6

3.3.5.2. Xác đinh câu trúc kaempferol-3-O-methylether bằng

phương pháp đo nhiễu xạ tia X

Kaempferol-3-O-methylether phân lập từ củ gừng gió, cấu trúc

kaempferol-3-O-methylether xác định bằng phương pháp đo nhiễu xạ

tia X đơn tinh thể, Hình 3.14.

18

Hình 3.14 Cấu trúc phân tử của ZZL1 dưới dạng elipxoit với xác xuất

50%

3.3.6. Phân lập kaempferol-3-O-(2,4-O-diacetyl-alpha-L-

rhamnopyranoside) từ gừng gió

Hình 3.15 Cấu trúc phân tử của ZZL2 (C25H24O12)

Kaempferol-3-O-(2,4-O-diacetyl-alpha-L-rhamnopyranoside) phân lập

từ củ gừng gió, cấu trúc kaempferol-3-O-(2,4-O-diacetyl-alpha-L-

rhamnopyranoside) xác định bằng phương pháp phổ NMR, Hình 3.13.

3.3.7. Thử hoạt tính sinh học in vitro của các hợp chât flavonoid

chiết xuât

Các hợp chất chiết xuất với GML1 là daidzin, POL1 là luteolin, CSL1

là cynaroside, AIL1 là quercetin, ZZL1 là kaempferol-3-O-methylether

và ZZL2 là kaempferol-3-O-(2,4-O-diacetyl-alpha-l-rhamnopyranoside)

19

phân lập từ actiso, xa kê, đậu nành, tía tô và gừng gió được thử

nghiệm in vitro hoạt tính kháng ung thư Hela trên tế bào Hela, kết

quả cho ở Bảng 3.28.

Bảng 3.28 Giá trị GI50 (µg/ml) và pGI50 của các mẫu flavonoid khảo sát

từ thực nghiệm in vitro

Flavonoid GI50 (µg/ml)

GI50 (µM) pGI50

Lần 1 Lần 2 Lần 3 TB ± ĐLC TB TB

CSL1 4,41 4,79 4,96 4,72 ± 0,280 10,533 4,977

AIL1 4,36 4,38 3,81 4,18 ± 0,327 13,839 4,859

POL1 4,75 5,38 4,95 5,03 ± 0,321 17,584 4,755

GML1 8,09 7,87 7,70 7,88 ± 0,195 18,937 4,723

ZZL1 15,05 15,24 15,82 15,37 ± 0,401 51,223 4,291

ZZL2 39,65 38,03 38,90 38,86 ± 0,814 75,292 4,123

3.4. THIẾT KẾ VÀ DỰ BÁO HOẠT TÍNH TỪ CÁC FLAVONOID

TỰ NHIÊN

3.4.1. Mô hình QESAR

Bảng 3.29 Hoạt tính pGI50 của các flavone và isoflavone mới được dự

đoán từ mô hình QESARMLR và QESARANN

Hợp chất Nhóm thế pGI50,tt

vị trí C6 vị trí C3' QESARMLR QESARANN

fla-1a [103] -H -H 5,954 5,709

fla-1c -OCH2CONHCH3 -OH 5,928 5,795

fla-2c -OCH2CONHCH3 -H 5,954 5,814

fla-3c -OCH2(CH3)C=NOH -OH 5,974 5,816

fla-4c -OH -OCH2CONHCH3 6,128 5,873

fla-5c -OH -OCH2CH3C=NOH 6,172 5,886

isofla-6b [103] -H -H 5,092 5,011

isofla-7c -OCH2CONHCH3 -OH 5,328 5,308

isofla-8c -OCH2CONHCH3 -H 5,367 5,341

isofla-9c -OCH2(CH3)C=NOH -OH 5,369 5,350

isofla-10c -OH -OCH2CONHCH3 5,502 5,452

isofla-11c -OH -OCH2CH3C=NOH 5,543 5,486

ZZL1 (*) -H -H 4,291(*) 4,291(*)

Flav-11(n) -OCH2CONHCH3 -OH 4,345 4,387

Flav-12(n) -OCH2CONHCH3 -OH 4,789 4,715

Flav-13(n) -OCH2(CH3)C=NOH -OH 4,963 4,960

Flav-14(n) -OH -OCH2CONHCH3 5,528 5,512

Flav-15(n) -OH -OCH2CH3C=NOH 5,530 5,513

20

ZZL2 (*) -H -H 4,123 (*) 4,123(*)

Flav-16(n) -OCH2CONHCH3 -OH 4,139 4,159

Flav-17(n) -OCH2CONHCH3 -OH 4,398 4,414

Flav-18(n) -OCH2(CH3)C=NOH -OH 4,615 4,870

Flav-19(n) -OH -OCH2CONHCH3 4,980 5,103

Flav-20(n) -OH -OCH2CH3C=NOH 5,100 5,231

20 dẫn xuất mới được thiết kế từ vị trí C3’, C6 còn trống của flavone 1a,

flavone 6b, và ZZL1, ZZL2 from Zingiber zerumbet L,. Các hoạt tính

kháng ung thư dự đoán pGI50 của các dẫn xuất mới cao hơn hợp chất

mẫu. Các mô hình QESARMLR và QESARANN đã phát triển là tin cậy và

có thể ứng dụng để dự đoán hoạt tính kháng ung thư pGI50.

3.4.2. Mô Hình QSDAR

18 dẫn xuất mới được thiết kế từ vị trí C3, C6 và C7 còn trống của

flavone 22 và isoflavone 26. Các hoạt tính kháng ung thư dự đoán pGI50

của các dẫn xuất mới cao hơn flavone 22 và isoflavone 26, tương ứng.

Các mô hình QSDARMLR và QSDARANN đã phát triển là tin cậy và có

thể ứng dụng để dự đoán hoạt tính kháng ung thư pGI50.

Bảng 3.30 Hoạt tính pGI50 của flavone và isoflavone mới được thiết kế

và dự đoán từ mô hình QSDARMLR (M1) và QSDARANN (M2)

Cấu trúc phân tử Nhóm thế pGI50,pred

M1 M2

flavone 22 [103] 5,3570 5,2808

1b, R1 = Me 5,4157 5,8444

2b, R1 = C6H5 5,3669 5,7736

3b, R1 = p-F- C6H4 5,3855 5,8263

4b, R1 = Me 6,0412 6,0728

5b, R1 = C6H5 6,0063 6,0622

6b, R1 = p-F- C6H4 5,9579 6,0535

7b, R1 = Me 7,5843 5,9761

8b, R1 = C6H5 7,5843 5,9749

9b, R1 = p-F- C6H4 7,6042 5,9863

isoflavone 26 [103] 5,0698 5,08715

10b, R1 = Me 5,1145 5,1742

11b, R1 = C6H5 5,0957 5,1716

12b, R1 = p-F- C6H4 5,0973 5,1724

13b, R1 = Me 5,8170 5,4754

14b, R1 = C6H5 5,7985 5,4744

15b, R1 = p-F- C6H4 5,8204 5,4704

16b, R1 = Me 7,2093 5,2362

17b, R1 = C6H5 7,1880 5,2312

18b, R1 = p-F- C6H4 7,1716 5,2219

21

3.4.3. Mô hình QSSR

Phân tích ANOVA một yếu tố chỉ ra rằng kết quả dự đoán tính chất hóa

lý của các dẫn xuất flavone và isoflavone từ mô hình QSSRMLR không

khác các giá trị tính chất hóa lý tham khảo (Ftt = 0,004 < F0,05 = 4,149).

Tínhn chất hóa lý và hoạt tính kháng ung thư dự đoán từ mô hình

QSSRMLR của các flavone và isoflavone mục tiêu trình bày trong Hình

3.19.

Các mô hình QSSRMLR của các

hợp chất flavonoid phân lập được

sử dụng để dự đoán nhiệt độ nóng

chảy của các hợp chất phân lập

Bảng 3.33. Nhiệt độ nóng chảy

thực nghiệm được so sánh với giá

trị dự đoán với giá trị sai số trung

bình MARE, % là 0,243 % cho

thấy khả năng dự báo rất tốt của

các mô hình QSSRMLR.

Hình 3.19. Tương quan giữa

giá trị tính chất vật lý dự đoán

và giá trị thực nghiệm

Bảng 3.33 Nhiệt độ nóng chảy thực nghiệm và dự đoán từ mô hình

QSSRMLR của các dẫn xuất flavonoid chiết xuất.

Hợp chất Tm (oC) ARE, %

Thực nghiệm QSSRMLR QSSRMLR

CSL1 256,500 257,646 0,447

POL1 327,500 327,607 0,033

ZZL1 249,500 248,456 0,418

ZZL2 112,500 112,688 0,167

AIL1 315,000 315,236 0,075

GML1 247,000 247,789 0,319

MARE, % 0,243

Với GML1 là daidzin, POL1 là luteolin, CSL1 là cynaroside, AIL1 là

quercetin, ZZL1 là kaempferol-3-O-methylether và ZZL2 là

kaempferol-3-O-(2,4-O-diacetyl-alpha-l-rhamnopyranoside).

22

3.4.4. Mô hình QSARMLR (3.16) và QSARANN(1)

ZZL1 flav-1(n) flav-2(n) flav-3(n) flav-4(n) flav-5(n)

0

1

2

3

4

5

6

7p

GI 5

0

Hop chat flavonoid ZZL2 flav-6(n) flav-7(n) flav-8(n) flav-9(n) flav-10(n)

0

1

2

3

4

5

6

7

pG

I 50

Hop chat flavonoid a) b)

Fig. 3.20 So sánh giữa các giá trị pGI50 của năm flavonoid mới với chất

mẫu a) ZZL1, b) ZZL2

Kết quả dự đoán giá trị pGI50 của các hợp chất mới được chuyển đổi về

giá trị GI50 (µM) và so sánh với giá trị thực nghiệm của ZZL1, ZZL2

xem Hình 3.20. Hoạt tính GI50 (µM) của 10 hợp chất mới bằng cách

gắn nhóm thế vào các vị trí C6, C2’ và C3’ của ZZL1 và ZZL2 cao hơn

hợp chất mẫu tương ứng. Từ đây, các hợp chất mới thiết kế hứa hẹn

trong tổng hợp các dược phẩm mới từ hợp chất tự nhiên.

3.4.5. Mô hình QSARMLR (3.17), QSARPCR và QSARPCA-ANN

POL1 flav-1(n) flav-2(n) flav-3(n) flav-4(n) flav-5(n)

0

1

2

3

4

5

6

7

pG

I 50

Hop chat flavonoid

GML1 flav-6(n) flav-7(n) flav-8(n) flav-9(n) flav-10(n)

0

1

2

3

4

5

6

7

pG

I 50

Hop chat flavonoid a) b)

Hình 3.21 So sánh giữa các giá trị pGI50 của năm flavonoid mới với

chất mẫu a) POL1; b) GML1

Kết quả dự đoán hoạt tính sinh học pGI50 đối với các chất mới được so

sánh với hoạt tính thử nghiệm của POL1 và GML1, như được mô tả

trong Hình 3.21. Hoạt tính kháng ung thư của năm hợp chất mới được

thiết kế bằng cách gắn nhóm thế vào các vị trí C6, C2' và C3 của luteolin

23

mạnh hơn hoạt tính của POL1 và GML1. Các hợp chất mới được thiết

kế nhằm tạo ra các sản phẩm dược phẩm mới từ các sản phẩm tự nhiên

có hoạt tính sinh học được cải thiện.

3.4.6. Mô hình QSARMLR (3.19 ), QSARPLS (3.20) và QSARANN(2)

Các hợp chất được thiết kế mới cũng dự đoán với các hoạt tính sinh học

pGI50 sử dụng mô hình QSARANN (e). Sau đó, các hoạt tính dự báo

pGI50 đã được chuyển về dạng ban đầu GI50 (μM), như Bảng 3.39.

Các kết quả dự đoán pGI50 đối với các chất mới so sánh với hoạt tính

thử nghiệm của hợp chất AIL1 và CSL1 mẫu, trong (Hình 3.21). Do đó,

các hợp chất mới với nhóm thế ở vị trí C6 và C3' trong phân tử quercetin

cho thấy hoạt tính mạnh hơn GI50 (μM) so với mẫu. Ở đây, các hợp chất

được thiết kế mới sẽ hứa hẹn đưa ra một kế hoạch thiết kế cho các sản

phẩm dược phẩm mới từ các sản phẩm tự nhiên.

AIL1 Fla-1(n) Fla-2(n) Fla-3(n) Fla-4(n) Fla-5(n)

0

1

2

3

4

5

6

7

pG

I 50

Hop chat flavonoid CSL1 flav-6(n) flav-7(n) flav-8(n) flav-9(n) flav-10(n)

0

1

2

3

4

5

6

7

pG

I 50

Hop chat flavonoid a) b)

Hình 3.22 So sánh giữa các giá trị pGI50 của năm flavonoid mới với

chất mẫu a) AIL1; b) CSL1

NHỮNG KẾT LUẬN CHÍNH CỦA LUẬN ÁN

Luận án đã đạt được các mục tiêu đề ra:

1) tính toán và sàng lọc được các tham số cấu trúc phân tử ảnh

hưởng đến hoạt tính kháng ung thư bao gồm: các tham số điện tích (O1,

O11, C3, C4, C6 và C7), các tham số độ dịch chuyển hóa học (O1, O11, C2,

C3, C6, C7 và C2’); các tham số 2D và 3D (xp8, ABSQ, SsOH,

Hmaxpos, phia, knotp, knotpv, SHBa, LogP; MaxQp, SdO, ka3, LogP,

Ovality và SdssC)

2) Đã xây dựng được các mô hình QSAR có khả năng dự báo

rất tốt hoạt tính kháng ung thư gồm: mô hình QESARMLR, QESARANN,

24

QSDARMLR, QSDARANN, QSSRMLR, QSARMLR (3.16), QSARMLR

(3.17), QSARPCA-ANN, QSARMLR (3.19), QSARPLS (3.20), QSARANN(1),

QSARANN(2).

3) Đã phân lập và sàng lọc được các dẫn xuất flavonoid có

nguồn gốc tự nhiên có hoạt tính kháng ung thư gồm 6 hợp chất daidzin,

luteolin, cynaroside, quercetin, kaempferol-3-O-methylether và

kaempferol-3-O-(2,4-O-diacetyl-alpha-l-rhamnopyranoside) phân lập từ

actiso, xa kê, đậu nành, tía tô và gừng gió..

4) Đã thử nghiệm in vitro hoạt tính kháng ung thư của các dẫn

xuất flavonoid phân lập.

5) Đã đánh giá hoạt tính kháng ung thư, tính chất hóa lý, của

các dẫn xuất flavonoid của các dẫn flavonoid phân lập.

6) Đã nghiên cứu, thiết kế các dược chất mới bằng cách gắn các

nhóm thế quan trọng vào các vị trí phân tử ảnh hưởng lớn đến hoạt tính

ung thư gồm các vị trí C3, C6 và C7 và C3’ và các nhóm thế -

OCH2CONHC6H4F; -OCH2CONHC6H4OCH3; -OCH2(CH3)C=NOH; -

OCH2CONHCH3; -OCH2CH3C=NOH; CH3CO- ; -CH3 ; -OCH3; -NO2; -

OH.

7) Đã sàng lọc được các hợp chất mới có hoạt tính kháng ung

thư cao hơn hợp chất ban đầu.

NHỮNG ĐỊNH HƯỚNG NGHIÊN CỨU TIẾP THEO

Những kết quả đạt được trong luận án đã mở ra những định hướng

nghiên cứu triển vọng có thể tiếp cận trong thời gian tới: 1) Mở rộng

các kỹ thuật xây dựng mô hình QSAR. 2) Tiến hành tổng hợp các dẫn

xuất flavonoid mới.

DANH MỤC CÁC CÔNG TRÌNH LIÊN QUAN ĐẾN LUẬN ÁN

1. Bui Thi Phuong Thuy, Nguyen Thi Ai Nhung, Tran Duong, Phung

Van Trung, Hoang Thi Kim Dung, Pham Van Tat (2015),

"Prediction of anticancer activities of luteolin flavonoid daidzin in

leaf of plants Perilla ocymoides L. flavonoid Glucine max L. using

2D, 3D descriptors", Viet Nam Journal of Chemistry, 6e4(53), pp,

232-239.

2. Bui Thi Phuong Thuy, Nguyen Thi Ai Nhung, Vo Thanh Cong,

Phung Van Trung, Hoang Thi Kim Dung, Tran Duong, Pham Van

Tat (2016), "Anticancer agents of kaempferol-3-O-methylether

flavonoid kaempferol-3-O-(2,4-O-diacetyl-alpha-L-

rhamnopyranoside) in leaf of plants Zingiber zerumbet Sm. using

25

2D, 3D descriptors", Viet Nam Journal of Chemistry, 54(6), pp,

710-718.

3. Bui Thi Phuong Thuy, Nguyen Thi Ai Nhung, Tran Duong, Phung

Van Trung, Nguyen Minh Quang, Hoang Thi Kim Dung, Pham

Van Tat, (2016), "Prediction of anticancer activities of cynaroside

flavonoid quercetin in leaf of plants Cynara scolymus L. flavonoid

Artocarpus incisa L. using structure–activity relationship", Cogent

Chemistry Taylor & Francis 2(1), pp, 1-12.

4. Bùi Thị Phương Thúy, Phùng Văn Trung, Hoàng Thị Kim Dung,

Trần Dương, Phạm Văn Tất (2017), "Nghiên cứu hoạt tính kháng

ung thư của kaempferol-1, daidzin từ Zingiber zerumbet Sm. và

Glucine max L. sử dụng các tham số mô tả phân tử 2D và 3D", Tạp

Chí Khoa học và Công nghệ Trường Đại học Khoa Học Huế:

Khoa học Tự nhiên, pp. 1-10. (Đã có giấy nhận đăng)

5. Bùi Thị Phương Thúy, Phùng Văn Trung, Hoàng Thị Kim Dung,

Trần Dương, Phạm Văn Tất (2017), " Dự báo hoạt tính kháng ung

thư cổ tử cung của các hợp chất flavonoid phân lập từ Cynara

scolymus L. Và Artocarpus incisa L. Sử dụng mô hình QSAR 2D

và 3D ", Tạp chí khoa học đại học Huế, 126 (S 1D), pp. 1-9.

6. Pham Van Tat, Bui Thi Phuong Thuy, Tran Duong, Phung Van

Trung, Hoang Thi Kim Dung, Pham Nu Ngoc Han (2017), "In

silico Modelling of 2D, 3D Molecular Descriptors for Prediction

Of Anticancer Activities Of Luteolin And Daidzin From Plants

Perilla ocymoides L and Glucine max L", Organic & Medicinal

Chemistry International Journal (OMCIJ), pp. 1-13. ISSN: 2474-

7610.

7. Pham Van Tat, Bui Thi Phuong Thuy, Tran Duong, Phung Van

Trung, Hoang Thi Kim Dung, Pham Nu Ngoc Han (2017),

"Prediction Of Anticancer Activities Of Kaempferol-3-O-

Methylether And Kaempferol-3-O-(2,4-O-Diacetyl-Alpha-L-

Rhamnopyranoside) Isolating From Plant Rhizome Zingiber

Zerumbet Sm using QSDAR Models from 13C-NMR and 15O-NMR

Simulation Spectra Data", Organic & Medicinal Chemistry

International Journal (OMCIJ), pp. 1-15. ISSN: 2474-7610.

8. Thuy, B.T.P., Chau, H.V., Dai, T.T., Nhung, N.T.A., Trung, P.V.,

Dung, H.T.K., Duong, T., Tat, P.V. (2018), "Appreciation of

cytotoxic activity on hela cell of flavonoid derivatives using

multiple linear regression and artificial neural network", The 4th

26

International Integated (Web & offline) Conference & Concert on

Convergence (IICCC2018) (ISSN 2384-4418), 4, pp. 323-332.