基于量子化学计算的类固醇化合物反相色谱QSRR模型构建

《Journal of Pharmaceutical and Biomedical Analysis》：Construction of QSRR Model for Reversed Phase Chromatography of Steroid Compounds Based on Quantum Chemical Calculation

• •
  PM6和DFT首次被用于构建甾体化合物的QSRR模型。
• •
  仅使用两个溶解能描述符即可预测保留时间。
• •
  本研究突破了DFT计算瓶颈，提高了分析效率。
• •
  为分离复杂甾体混合物提供了新的理论基础。

引言

甾体化合物是一类重要的天然存在生物活性分子，也可人工合成。它们广泛分布于动物、植物、真菌和海洋生物中，具有抗炎、免疫调节和激素调节活性[1]。在药物研究领域，甾体是高潜力的药物先导骨架。通过结构修饰和构效关系优化，它们可被开发成各种临床药物，如激素、抗炎药和抗肿瘤药。在临床诊断和治疗中，这类药物被广泛用于自身免疫疾病、过敏性疾病、内分泌疾病和肿瘤的辅助治疗，是控制病情和改善患者预后的核心治疗药物，具有重要的应用价值[2]。因此，准确鉴定此类化合物对于分析其复杂结构至关重要。这些化合物以环戊烷多氢菲骨架为核心结构，官能团取代复杂多样，立体异构体相似，因此实现高效分离和准确定性鉴定极其困难[3]。传统鉴定方法主要依赖色谱保留行为经验判断、标准品对照和UHPLC-HRMS质谱碎片分析，但由于样品基质干扰和异构体结构相似性，容易发生定性偏差。目前，QSRR模型已成功应用于预测黄酮类化合物[4]、[5]、酚酸类[6]等化合物的保留时间。在此基础上，本研究旨在建立甾体色谱保留行为的预测方法，从分子相互作用的角度揭示其色谱保留规律，为复杂甾体化合物的快速定性鉴定和异构体的高效分离提供理论依据，从而实现复杂甾体体系的高效定性分析。

尽管目前对甾体QSRR保留预测的研究已取得了某些进展[7]，但大多局限于胆汁酸和内源性羰基甾体激素等少数亚类[8]，缺乏对甾体的系统建模和验证应用，且普遍存在计算周期长、分析效率低的问题。此外，在构建QSRR模型时，传统模型多采用DFT进行计算。虽然该方法可以精确筛选和确定分子的优势稳定构象[4]、[6]，但甾体化合物结构复杂[9]，分子体系大（通常包含50至100个原子），电子数目多。其α、β环异构体、羟基位置异构体等立体构型差异微妙且能量相近，需要逐一预设可能的位点，并反复进行结构优化和能量比较以逼近稳定构象，该过程繁琐且耗时。此外，Gauss计算[10]、[11]、[12]的核心是求解薛定谔方程（?Ψ=EΨ），电子数越多，哈密顿算符（?）的计算项越复杂，SCF迭代次数显著增加，导致计算过程占用大量内存和计算资源。尤其是当涉及如去氧胆酸、胆酸、20-羟基蜕皮酮等具有多个羟基、羰基等官能团的甾体分子时，容易形成分子内氢键、π-π共轭和静电相互作用，这将改变电子云分布和原子力状态，最终导致结构优化收敛困难。普通计算设备不仅难以快速完成优化，甚至可能出现计算中断。因此，难以使用单一的DFT方法进行建模计算。PM6方法应运而生。

PM6方法已被广泛应用于大分子化合物的构象筛选。Ali H M、Fadhil G F.[13]将PM6和PDDG作为DFT(B3LYP/6-311G(d,p))的定性替代方案制定了评估方案，两者在预测氨基二氯查尔酮反式/顺式异构体稳定性时给出了与DFT一致的结果。建议PM6仅用于初步定性筛选，并需与其他方法进行交叉验证。另一项研究[14]将半经验PM6计算与Δ机器学习校正相结合，通过DFT质量数据集训练来校正能量和梯度。结果显示，该方法在非共价相互作用能和几何优化方面达到了接近DFT的准确性，但计算成本大大降低了，适用于高通量构象筛选。

基于本课题组的研究，本研究首次将两种量子化学计算方法应用于甾体化合物进行系统定量计算。选取了11个代表性化合物作为建模样本，使用两个分子描述符（化合物在水中的溶解能E_W和在甲醇中的溶解能E_M），采用多元线性回归（MLR）进行拟合，建立甾体化合物的QSRR模型。同时，采用留一法进行交叉验证以评估拟合可靠性，使用混合样本测试模型的预测能力、稳定性和应用范围，并将模型应用于混合样本的检测和异构体的鉴定。本研究可为后续甾体及其结构类似物的色谱分离和定性鉴定提供新的理论依据和方法学参考。

章节片段

PM6和DFT方法的构象筛选与对比验证

DFT是一种第一性原理量子化学方法，通过电子密度而非多电子波函数来描述分子的电子结构，从而在计算精度和成本之间达到良好的平衡[15]。本研究采用RB3LYP-D3BJ/6-31G*水平进行精确的几何优化、频率验证和溶剂化能计算。相比之下，PM6方法是一种基于NDDO近似的半经验分子轨道方法，在

QSRR模型的建立

共21个甾体化合物进行了量子化学计算（PM6构象筛选和DFT描述符计算；表S.2，补充材料）。从中，11个化合物（S1-S11）被选为训练集，5个化合物（V1-V5）作为外部测试集用于QSRR建模和实验验证（表S.3，补充材料）。其余5个化合物仅用于描述符计算和构象比较。数据集经过人工

结论

在本研究中，成功构建了一个基于溶剂化能（E_W和E_M）量子化学计算的甾体QSRR模型，验证了甾体色谱保留参数与流动相溶解能之间的显著相关性（R2=0.9898，Q2_LOO=0.9832，外部验证误差<4%）。该模型的建立为结构相似化合物的反相色谱分离研究提供了全新的思路和研究方向，并

基金资助

本研究得到黑龙江省本科高校和大学青年优秀师资基础研究支持计划（YQJH2025243）资助。

本研究获得国家自然科学基金委员会黑龙江省分会（LH2024H004）资助。

CRediT作者贡献声明

穆丽婷：撰写——审阅与编辑，概念化。马晨：撰写——初稿，形式分析。郭鑫：数据管理。孙世源：数据管理。周涛：数据管理。孙长海：撰写——初稿。沈淑双：撰写——审阅与编辑。张馨然：撰写——审阅与编辑，撰写——初稿。

利益冲突声明

作者声明他们不存在已知的竞争财务利益或个人关系，这些关系可能会影响本文报告的工作。

Liting Mu|Chen Ma|Shiyuan Sun|Tao Zhou|Xin Guo|Shushuang Shen|Changhai Sun|Xinran Zhang