编辑推荐：
为解决 2 型糖尿病（T2DM）治疗中 α- 葡萄糖苷酶抑制剂现有药物如阿卡波糖（Acarbose）存在胃肠道副作用及疗效有限的问题，研究人员开展新型 α- 葡萄糖苷酶抑制剂研究。合成系列 1,2,4 - 三唑并 [1,5-a] 吡啶衍生物，其中 15j 抑制活性最佳（IC??=6.60±0.09 μM），具竞争抑制机制，为 T2DM 治疗提供新方向。
糖尿病作为全球重大健康挑战，其核心特征之一是血糖调控失衡。α- 葡萄糖苷酶（α-Glucosidase）是位于小肠上皮的关键酶，负责将复杂碳水化合物水解为可吸收葡萄糖，直接影响餐后血糖水平。抑制该酶可延缓碳水化合物分解，减少葡萄糖吸收入血，是治疗 2 型糖尿病（T2DM）及餐后高血糖的重要策略。然而，临床常用药物如阿卡波糖（Acarbose）和米格列醇（Miglitol）存在胃肠道副作用明显、疗效局限等问题，开发高效低毒的新型 α- 葡萄糖苷酶抑制剂迫在眉睫。
在此背景下，德黑兰医科大学（Tehran University of Medical Sciences）等机构的研究人员开展了 1,2,4 - 三唑并 [1,5-a] 吡啶类化合物作为新型 α- 葡萄糖苷酶抑制剂的研究。研究成果发表于《Scientific Reports》，为糖尿病治疗药物研发提供了新视角。
研究采用的关键技术方法包括：①药物合成：通过迈克尔加成 - 环化缩合反应，以 3 - 芳基 -(1,2,4 - 三唑 - 5 - 基) 乙腈和 α- 叠氮查尔酮为前体，高效合成系列 6 - 氨基 - 2,5,7 - 三芳基 - 1,2,4 - 三唑并 [1,5-a] 吡啶 - 8 - 甲腈衍生物（15a–15v）；②酶抑制活性评价：采用分光光度法测定化合物对 α- 葡萄糖苷酶（来自酿酒酵母）的抑制活性，以 IC??值评估抑制效力；③动力学研究：通过 Lineweaver-Burk 作图分析抑制剂对酶动力学参数（K?、V???）的影响，确定抑制机制；④计算生物学方法：运用分子对接（Glide 软件）、分子动力学（MD）模拟（Desmond 模块）及机器学习模型（随机森林算法，Estate 指纹特征），解析化合物与酶的结合模式、复合物稳定性及构效关系。
研究结果
化学合成与结构表征
通过优化反应条件（乙醇为溶剂、碳酸钾为碱、回流 2 小时），成功合成 22 个目标化合物，产率 58%–90%。通过 IR、1H/13C NMR、高分辨质谱（HRMS）及元素分析确证结构，反应机制涉及迈克尔加成、脱氮、互变异构及环化缩合过程。
α- 葡萄糖苷酶抑制活性
所有化合物均表现显著抑制活性，IC??值 6.60±0.09 μM（15j）至 75.63±0.44 μM，显著优于阿卡波糖（750.00±0.56 μM）。构效关系（SAR）表明，Ar2 环 4 位甲基、甲氧基等给电子基团及 Ar3 环 4 位氯原子可增强活性，而吸电子基团（如溴、氯）或杂环取代（如噻吩）则降低活性。
选择性与抑制机制
最优化合物 15j 对 α- 淀粉酶无抑制作用，显示高选择性。动力学研究表明，15j 为竞争性抑制剂，通过与底物竞争结合 α- 葡萄糖苷酶活性位点，使 K?值升高（24.0 mM vs 12.5 mM），而 V???不变，抑制常数 K?=6.6 μM。
计算生物学验证
- 分子对接：15j 与 α- 葡萄糖苷酶（PDB ID: 3A4A）形成三个关键氢键（与 TYR158、GLN353、GLU411），对接分数 - 10.04 kcal/mol，结合能低于阿卡波糖。
- 分子动力学模拟：15j - 酶复合物在 200 ns 模拟中 RMSD 稳定（配体 RMSD<1.0 ?，蛋白 Cα RMSD 1.5–2.0 ?），结合自由能 - 50.50±4.69 kcal/mol，显示强稳定性。
- 机器学习模型：基于 Estate 指纹的随机森林模型 AUC=0.65，可有效预测化合物抑制活性，结构多样性不足为模型局限性。
结论与意义
本研究首次证实 1,2,4 - 三唑并 [1,5-a] 吡啶骨架作为高效 α- 葡萄糖苷酶抑制剂的潜力，尤其是化合物 15j，其高效（IC??=6.60 μM）、高选择性（无 α- 淀粉酶抑制）及稳定的结合特性，为开发新型抗糖尿病药物提供了理想先导化合物。计算生物学与实验结果的结合，不仅阐明了抑制机制，也为后续结构优化提供了理论依据。尽管机器学习模型存在结构多样性限制，但研究建立的合成 - 活性 - 机制研究体系，为杂环类药物设计提供了可借鉴的范式，有望推动 T2DM 治疗药物的创新发展。
