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 (tt)

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: ..................................


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.
1


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
2


2.2.2. Nguyên liệu và phương pháp

2.2.2.1. Phần mềm ứng dụng
2.2.2.2. Hóa chất, thiết bị
2.2.2.3. Nguyên liệu
2.3. NGHIÊN CỨU LÝ THUYẾT
2.3.1. Phương pháp tính toán thông tin cấu trúc
2.3.1.1. Cơ học phân tử
2.3.1.2. Hóa lượng tử
2.3.1.3. Các tham số cấu trúc
2.3.2. Xây dựng các mô hình QSAR
2.4. SÀNG LỌC, PHÂN LẬP FLAVONOID TỰ NHIÊN
2.4.1. Phân lập các hợp chất flavonoid
2.4.2. Xác định cấu trúc hóa học các hợp chất 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 cấy tế bào
2.4.3.3. Nhuộm SRB
2.4.3.4. Xử lý kết quả
2.4.3.5. Xác định 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 cấu trúc
3.1.1.1. Cơ học phân tử
3.1.1.2. Hóa lượng tử
3.1.2. Tham số cấu trúc
3.1.2.1. Tham số điện tích
3.1.2.2. Phổ 13C-NMR, 15O-NMR và độ dịch 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 hình QESAR
3.2.2.1. Mô hình 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
3


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, R2adj =
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

R2train

SE

R2test

2
3

O1, C7
O1, C4, C6

0,816
0,860

0,1390
0,1240

0,765
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 hình 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.
4


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 hình QSDAR
3.2.3.1. Mô hình tuyến tính QSDARMLR
Bảng 3.13 Các mô hình QSDAR và các giá trị thống kê
Nguyên tử trong các mô hình

R2luyện

R2adj

SE

R2thử

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

k

Mô hình QSDARMLR được thành lập bằng cách thay đổi độ dịch chuyển
hóa họci của oxy và cac bon.
Chọn lựa độ dịch chuyển hóa họci 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, R2test 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.
5


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 hình 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
6


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 R2luyện = 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
a2

5,745

5,781

5,789

0,636

0,764

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
MARE,%

2,730

1,157

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
7


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 R2thử = 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(isoFlaA19)
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
Hình 3.6. Quan hệ giữa đoán tính chất hóa lý và hoạt tính kháng
tính chất hóa lý dự đoán ung thư của các dẫn xuất flavone và
và dữ liệu thực nghiệm
isoflavone từ mô hình
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 hình QSARMLR (3.16) và QSARANN(1)
3.2.5.1. Dữ liệu
3.2.5.2. Xây dựng mô hình QSARMLR (3.16)

8


Bảng 3.18 Các mô hình QSARMLR (k từ 2 đến 10) với các giá trị R2,
R2pred và MSE
k

R²
0,657

R²pred
0,630

2

xvc3, Dipole

MSE
0,063

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

xp8, ABSQ, SsOH, Hmaxpos, phia, knotp, knotpv, SHBa, LogP

0,012

0,955

0,932

xp8, ABSQ, SsOH, Hmaxpos, nvx, phia, knotp, knotpv, SHBa, LogP

0,012

0,955

0,928

9
10

Tham số mô tả phân tử 2D, 3D trong các mô hình

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
m=8

M=9

MPmxi,%
m = 10

m=8

m=9

m = 10

GMPmxi, %

R2

0,936

0,955

0,955

R2 pred

0,909

0,932

0,928

SE

0,124

0,107

0,110

-13,133

3,044

2,946

k2

-4,926

-

-

23,638

xp6

-2,899

-

-

6,399

xp8

-

4,473

4,282

nvx

3,487

-

0,036

45,229

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

-

-1,203

-1,201

3,439

3,060

2,166

SaaCH

-0,166

-

-

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

4,308

3,624

2,675

Hệ số

Hmaxpos

7,879
2,133
14,301

12.181

8,827

1,138

15,456

1,490

0,093

0,497

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
9


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; R2Pred = 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 hình 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.

10


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

Fla-1

5,699

Fla-11

ARE,%

pGI50,pred
M1
5,3879

M2

M1

M2

5,7371

5,4589

0,6685

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 hình QSARMLR (3.17), QSARPCR; QSARPCA-ANN
3.2.6.1. Dữ liệu
3.2.6.2. Xây dựng mô hình 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)

11


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,%

m

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

-

ABSQon

-

-

MaxQp

3,416

MaxNeg

GMPmxi,
%

m=5

m=6

m=7

-0,257

27,945

18,636

19,005

21,862

0,0143

-

-

0,433

0,144

2,8540

3,588

24,043

25,862

25,908

25,271

-

-

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 hình 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 hình
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
12


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

8,979

7,890

Flav-8

5,921

5,234

5,526

5,471

3,214

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 hình QSARMLR (3.19), QSARPLS (3.20) và
QSARANN(2)
3.2.7.1. Dữ liệu
3.2.7.2. Xây dựng mô hình QSARMLR (3.19) và QSARPLS (3.20)
Bảng 3.24 Các mô hình QSARMLR với các giá trị R2 , SE và R2pred tương
ứng
Điện tích nguyên tử trong các mô hình

R2

SE

R2pred

2

O 1, C 7

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
2

0,059

0,358

k

Mô hình QSARMLR (3.19) với k = 6 với giá trị R 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
13


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

QSARMLR

Biến

MPmxi

m=5

m=6

m=7

m=5

R2

0,924

0,938

0,959

m=6

R2adj

0,905

0,919

0,943

SE

0,096

0,089

0,074

R2pred

0,873

0,903

0,879

Hằng số

−0,933

6,712

4,714

O1

−101,208

−42,311

O11

−

−8,159

C2

−15,426

−

C3

−

C4

−

57,602

24,629

−

27,410

−32,8026

−

18,632

21,462

13,365

−

13,418

−

−

4,473

3,014

−

−

4,216

−

1,405

−6,874

−19,037

−60,070

15,121

42,447

38,387

31,985

−

−

−

−

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

C5

m=7

GMPmxi

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 chất 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
14


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,pred

pGI50,exp

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.

15


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 định cấu 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 định cấu 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.
16

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 định cấu 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 định cấu 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.

17


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-Lrhamnopyranoside) 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-Lrhamnopyranoside) xác định bằng phương pháp phổ NMR, Hình 3.13.
3.3.7. Thử hoạt tính sinh học in vitro của các hợp chất flavonoid
chiết xuất
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)
18


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
GI50 (µg/ml)

GI50 (µM)

pGI50

TB

TB

10,533

4,977

13,839

4,859

17,584

4,755

18,937

4,723

51,223

4,291

75,292

4,123

Flavonoid
Lần 1

Lần 2

Lần 3

TB ± ĐLC

CSL1

4,41

4,79

4,96

4,72 ± 0,280

AIL1

4,36

4,38

3,81

4,18 ± 0,327

POL1

4,75

5,38

4,95

5,03 ± 0,321

GML1

8,09

7,87

7,70

7,88 ± 0,195

ZZL1

15,05

15,24

15,82

15,37 ± 0,401

ZZL2

39,65

38,03

38,90

38,86 ± 0,814

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

fla-1a [103]

-H

QESARANN

-H

5,954

fla-1c

5,709

-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]
isofla-7c

-H

-H

5,092

5,011

-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

19


ZZL2 (*)

-H

-H

Flav-16(n)

-OCH2CONHCH3

Flav-17(n)

-OCH2CONHCH3

Flav-18(n)

4,123 (*)

4,123(*)

-OH

4,139

4,159

-OH

4,398

4,414

-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

pGI50,pred

Nhóm thế
M1

M2

flavone 22 [103]
1b, R1 = Me

5,3570

5,2808

5,4157

5,8444

2b, R1 = C6H5

5,3669
5,3855

5,7736
5,8263

6,0412

6,0728

6,0063
5,9579

6,0622
6,0535

7,5843

5,9761

7,5843
7,6042

5,9749
5,9863

3b, R1 = p-F- C6H4
4b, R1 = Me
5b, R1 = C6H5
6b, R1 = p-F- C6H4
7b, R1 = Me
8b, R1 = C6H5
9b, R1 = p-F- C6H4
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

20


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.

Hình 3.19. Tương quan giữa
giá trị tính chất vật lý dự đoán
và giá trị thực nghiệm

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.

Bảng 3.33 Nhiệt độ nóng chảy thực nghiệm và dự đoán từ mô hình
QSSRMLR của các dẫn xuất flavonoid chiết xuất.
Tm (oC)

Hợp chất

ARE, %

Thực nghiệm

QSSRMLR

CSL1

256,500

257,646

QSSRMLR
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).

21


7

7

6

6

5

5

4

4

pGI50

pGI50

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

3

3

2

2

1

1

0

0
ZZL1

flav-1(n)

flav-2(n)

flav-3(n)

flav-4(n)

ZZL2

flav-5(n)

flav-6(n)

flav-7(n)

flav-8(n)

flav-9(n)

flav-10(n)

Hop chat flavonoid

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

7

7

6

6

5

5

4

4

pGI50

pGI50

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

3

3

2

2

1

1

0
POL1

flav-1(n)

flav-2(n)

flav-3(n)

flav-4(n)

0

flav-5(n)

GML1

Hop chat flavonoid

flav-6(n)

flav-7(n)

flav-8(n)

flav-9(n)

flav-10(n)

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

22


7

7

6

6

5

5

4

4

pGI50

pGI50

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.

3

3

2

2

1

1

0

0

AIL1

Fla-1(n)

Fla-2(n)

Fla-3(n)

Fla-4(n)

Fla-5(n)

CSL1

Hop chat flavonoid

flav-6(n)

flav-7(n)

flav-8(n)

flav-9(n)

flav-10(n)

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,
23