编辑推荐：
这篇综述从体外（in vitro）、计算机模拟（in silico）和体内（in vivo）三方面，全面分析碳酸酐酶（CAs）抑制作用。探讨其在多种疾病如青光眼、癫痫、癌症等中的治疗意义，也讨论面临的挑战与新策略，为 CA 抑制剂（CAIs）研究提供重要参考。
碳酸酐酶（CAs）概述
碳酸酐酶（CAs）是一类锌依赖的金属酶，能催化二氧化碳（CO?）和水可逆转化为碳酸氢根（HCO??）和质子（H?），这一反应在多种生理过程中至关重要。CAs 在进化上具有多样性，分为 α、β、γ、δ、ζ、η、θ 等多个亚型。在脊椎动物中，α 型 CAs 占主导，哺乳动物体内已鉴定出 15 种不同亚型，它们在组织分布、亚细胞定位和催化特性上各有差异，参与气体交换、离子运输、pH 调节、电解质平衡以及糖异生、脂肪生成等代谢过程 ，对维持细胞和系统的内环境稳定意义重大。
部分 CAs 亚型的调节异常或表达异常与多种疾病相关，像癌症、青光眼、癫痫和骨质疏松症等。例如，环境中的有机磷农药毒死蜱可显著抑制虹鳟鱼鳃和肝脏组织中的 CA 活性，导致组织损伤；一些合成化合物，如噻唑衍生物和 β - 内酰胺取代的苯磺酰胺，对人 CA I 和 CA II 亚型有抑制作用，显示出在癌症和神经系统疾病等治疗方面的潜力。
碳酸酐酶抑制的研究方法
- 分子基础：碳酸酐酶抑制作用主要通过靶向其锌依赖的活性位点来干扰酶催化二氧化碳水合的过程。锌离子在反应中起着关键作用，它与作为亲核试剂的氢氧根离子或水分子配位。抑制剂可以直接与锌离子结合，或者改变活性位点的动态结构，阻止酶促反应中间产物的形成，从而抑制酶的活性。
- 体外抑制活性和抑制动力学：体外评估 CA 抑制作用常借助酶动力学和分光光度法测定。酶动力学通过 Lineweaver - Burk 或 Michaelis - Menten 曲线来确定抑制模式，如竞争性、非竞争性或混合型抑制。分光光度法常通过测量对硝基苯乙酸等底物的水解情况，量化酶活性的降低程度，以此来评估抑制剂的效果。
- 计算机模拟方法的作用：计算机模拟方法为 CA 抑制剂研究带来了变革，它能帮助理解酶 - 抑制剂之间的相互作用，预测结合亲和力，并优化潜在抑制剂的性质。通过对 CA 亚型的结构和化学特征进行建模，这些方法可以高效筛选化学库，减少实验研究的时间和成本，助力设计出更具特异性的抑制剂。
- 动物模型的应用：动物模型对于研究 CA 抑制在体内的效果以及验证通过体外和计算机模拟方法筛选出的 CA 抑制剂（CAIs）的有效性至关重要。啮齿动物模型，尤其是小鼠和大鼠，因其生理相关性和易于进行基因操作而被广泛应用。比如，在青光眼模型中，可用于评估乙酰唑胺和多佐胺等 CAIs 降低眼压的效果，反映其临床应用潜力。
碳酸酐酶抑制剂（CAIs）的临床应用
CAIs 在多种疾病的治疗中发挥着重要作用，这得益于它们能够调节关键生理和病理过程中的 CA 活性。在眼科领域，乙酰唑胺和多佐胺等 CAIs 常用于治疗青光眼，通过抑制 CA II 和 CA IV 来减少房水生成，从而降低眼压。在神经病学方面，CAIs 可调节碳酸氢根依赖的神经元兴奋性，增强抑制性神经传递，有效控制癫痫发作。在肿瘤学中，由于发现了肿瘤相关的 CA IX 和 CA XII 亚型，针对这些亚型的抑制剂在抑制肿瘤生长和转移方面展现出潜力。此外，CAIs 在代谢紊乱疾病，如肥胖症和 2 型糖尿病的治疗中也具有潜在价值，它们可以影响与 CA 活性相关的能量代谢和胰岛素敏感性通路。
面临的挑战与应对策略
- 选择性和脱靶效应问题：开发 CAIs 面临的一大挑战是实现对特定 CA 亚型的选择性抑制，同时不影响其他亚型。众多 CA 亚型的活性位点结构相似，使得开发能够精准靶向疾病相关亚型（如 CA IX 和 CA XII）而不影响广泛表达的亚型（如 CA II）的抑制剂难度很大。这种高度的结构保守性增加了实现亚型特异性抑制的复杂性，容易引发脱靶效应。
- 药物设计策略的进展：近期药物设计策略的进步为 CAIs 的研发带来了新希望。片段基于的药物设计方法逐渐受到关注，该方法先识别能与 CA 活性位点关键区域结合的小化学片段，再对这些片段进行优化，以构建出高特异性和强效的抑制剂，有助于更高效地探索化学空间，开发亚型选择性抑制剂。人工智能驱动的药物发现技术也有望加速新型 CAIs 的研发，通过对大量数据的分析和模型构建，提高筛选和设计抑制剂的效率。
结论
碳酸酐酶作为具有多种生理功能的锌金属酶，在众多生物过程和疾病发生发展中处于核心地位。CAIs 的治疗应用范围广泛，涵盖青光眼、癫痫、癌症、代谢紊乱和传染病等多个领域。通过整合体外、计算机模拟和体内研究方法，能更全面地理解 CA 抑制作用，为开发更有效的 CAIs 提供有力支持。尽管目前在 CAIs 研发中面临亚型选择性和脱靶效应等挑战，但随着片段基于的药物设计、人工智能驱动的发现以及创新实验技术等的不断发展，有望克服这些障碍，推动下一代 CAIs 的研发，为相关疾病的治疗带来新突破。
