基于喹唑啉衍生物的乙酰胆碱酯酶抑制剂设计及其抗阿尔茨海默病潜力研究

本研究针对阿尔茨海默病(AD)治疗中乙酰胆碱酯酶(AChE)抑制剂的开发难题，通过结合计算模拟与实验验证，设计并评估了六种喹唑啉衍生物的AChE抑制活性。研究采用机器学习(ML)模型、分子对接(mVina)和分子动力学(MD)模拟预测结合亲和力，发现五种化合物ΔGFEP≤?10.33 kcal mol-1，优于临床药物加兰他敏(ΔGFEP=?10.02 kcal mol-1)。实验测得IC50为302.05-1778.59 μM，证实其AChE抑制潜力，同时评估了血脑屏障穿透性等药代特性。该研究为AD治疗提供了新型候选化合物。

　　

阿尔茨海默病（Alzheimer's disease, AD）作为全球最常见的神经退行性疾病，正以惊人的速度侵蚀着老年群体的健康。随着人口老龄化加剧，AD患者数量已突破690万，仅2023年美国护理成本就高达3600亿美元。这种疾病潜伏期长达20年，一旦出现记忆和认知障碍，患者大脑已遭受不可逆损伤。尽管科学界投入巨大努力，现有治疗药物如多奈哌齐（donepezil）和加兰他敏（galantamine）仅能缓解症状，无法阻止疾病进展。

在这一背景下，乙酰胆碱酯酶（acetylcholinesterase, AChE）作为AD治疗的核心靶点备受关注。AChE通过水解神经递质乙酰胆碱影响认知功能，其活性位点包含催化活性位点（CAS）、外周阴离子位点（PAS）和峡谷区域。与此同时，喹唑啉衍生物因其独特的双氮杂环结构，在抗癌、抗炎等领域展现广谱生物活性，近年更被发现具有显著AChE抑制潜力——某些衍生物IC₅₀可达5.8 μM，其喹唑啉骨架能与CAS区的Trp86形成关键π-π堆积作用。

来自胡志明市科学技术厅资助的研究团队创新性地将计算化学与实验验证相结合。研究首先采用XGBoost机器学习模型快速评估六种喹唑啉衍生物与AChE的结合自由能（ΔG_ML=-8.32至-9.25 kcal mol^-1），随后通过mVina分子对接（成功率90%）和全原子分子动力学模拟揭示结合机制。特别值得注意的是，自由能微扰（FEP）计算显示五种化合物ΔG_FEP≤?10.33 kcal mol^-1，超越临床对照药物加兰他敏。实验验证发现这些化合物通过π-堆积和侧链接触主导范德华力（vdW）相互作用，其中对催化三联体的扰动显著改变AChE生物活性。

化学合成
研究以邻氨基苯甲酸为起始原料，通过多步反应合成喹唑啉-4(3H)-酮衍生物VIII和IX，所有化合物经TLC和UV254 nm监测纯度。

结果与讨论

1. 结合亲和力预测：机器学习模型显示所有设计化合物均具有AChE抑制潜力，FEP计算进一步证实其结合强度优于现有药物。
2. 作用机制：MD模拟揭示化合物通过喹唑啉核心与Trp86的π-π堆积锚定在CAS区，C4-苄氨基作为连接臂延伸至PAS区，形成双位点结合模式。
3. 实验验证：酶活实验测得IC₅₀为302.05-1778.59 μM，与计算结果高度一致。
4. 多靶点评估：虽然对β-分泌酶（BACE1）抑制效果不佳，但药代预测显示良好血脑屏障穿透性和安全性。

这项研究的重要意义在于：首次系统整合知识驱动与物理计算方法，证实喹唑啉衍生物通过双重作用机制抑制AChE活性。研究不仅提供了ΔG_FEP≤?10.33 kcal mol^-1的高效候选分子，更建立了从虚拟筛选到实验验证的标准化流程。尽管对BACE1的抑制效果有限，但针对AChE的优异表现使其成为AD联合治疗的潜在选择。该成果发表于《Journal of Molecular Structure》，为神经退行性疾病药物开发提供了新思路。