基于美国零售额排名前200药物的分子特性与代谢研究
一、 作者、机构与发表信息 本研究由内布拉斯加大学奥马哈分校化学系的Haizhen A. Zhong, Victoria Mashinson, Theodor A. Woolman和Mengyi Zha共同完成。该研究成果以题为“Understanding the Molecular Properties and Metabolism of Top Prescribed Drugs”的论文形式，发表于2013年的学术期刊《Current Topics in Medicinal Chemistry》第13卷第11期（页码1290-1307）。
二、 学术背景与研究目的 本研究属于药物化学与计算化学交叉领域，聚焦于药物发现中的关键理化性质与代谢特征分析。
研究背景： 新药研发是一项高成本、高失败率的工程。在临床II期试验中，约有62%的化合物会失败。为了降低损耗率，药物化学家们致力于寻找能够预测化合物成药性（特别是口服生物利用度）的分子描述符（Molecular Descriptors）。其中，最著名的是由Lipinski等人提出的“五规则”（Rule of Five, Ro5），该规则指出，当化合物满足以下条件中任意两条时，其口服吸收或渗透性可能较差：分子量（MW）> 500 Da；脂水分配系数计算值（clogP）> 5；氢键供体数 > 5；氢键受体数 > 10。此外，其他研究（如葛兰素史克团队）也强调了分子柔性（可旋转键数量）和极性表面积（Polar Surface Area, PSA）的重要性。然而，这些规则主要基于经验总结，且许多已成功上市的药物也“违反”了这些规则。因此，更深入地理解成功药物的分子特性范围，特别是结合其临床适应症和给药途径进行分析，对于指导新药设计具有重要意义。
研究目的： 本研究旨在系统性地分析2010年美国零售额排名前200的畅销药物的分子性质（包括分子量MW、脂水分配系数LogP和拓扑极性表面积TPSA）、ADMET评分、盐型/共晶形成情况、联合用药模式以及细胞色素P450（CYP）代谢特征。其核心目标是：1）为不同临床适应症和给药途径的成功药物建立关键分子描述符的参考范围；2）评估Ro5等传统规则的适用性与局限性；3）探索ADMET评分作为一种更综合的筛选工具的潜力；4）揭示不同药物类别在分子性质和代谢酶偏好上的差异，为药物化学家提供实用的设计指南。
三、 详细研究流程与方法 本研究是一项基于公开数据库和计算工具的生物信息学与化学信息学分析，主要包含以下几个步骤：
1. 数据收集与分类： * 药物列表获取： 从Drugs.com网站下载了2006年和2010年美国零售额排名前200的药物列表。该列表包含药品排名、商品名、生产商、销售额及年增长率信息。本研究主要聚焦于2010年的数据。 * 药物信息补充： 利用多个公共数据库对每个药物进行信息补充： * 临床适应症与作用机制（MOA）： 从DrugBank数据库获取。 * 代谢信息： 从SuperCYP数据库获取每个药物的主要代谢酶（特别是CYP450酶）信息，并标注其是底物（Substrate, S）、抑制剂（Inhibitor, inh）还是诱导剂（Inducer, ind）。 * 给药途径： 从美国FDA批准的药品数据库获取。 * 药物分类： 首先根据治疗用途（如抗肿瘤药、降脂药、抗糖尿病药、CNS药物等）对药物进行分类。然后，在每个类别内部，按照LogP值升序排列，以便观察趋势。
2. 分子结构构建与性质计算： * 研究对象： 排除了分子量过大的单克隆抗体和多肽类药物，专注于小分子药物。 * 结构建模与优化： 使用分子操作环境（Molecular Operating Environment, MOE）软件包构建每个小分子药物的三维结构，并进行能量最小化。 * 分子描述符计算： 使用MOE软件计算每个药物的三个关键分子性质： * 分子量（Molecular Weight, MW） * 脂水分配系数（LogP）： 表征分子的疏水性。 * 拓扑极性表面积（Topological Polar Surface Area, TPSA）： 与分子通过被动扩散跨膜的能力相关，是预测口服生物利用度的重要参数。
3. 数据分析与统计： * 分组统计： 分别计算了不同给药途径（口服、注射、吸入、眼部给药）和不同临床适应症（如CNS药物、抗癌药、抗HIV药、抗高血压药、抗生素等）下，药物MW、LogP和TPSA的平均值及标准偏差。 * ADMET评分计算： 采用了一种基于成功口服药物分子性质分布的ADMET评分公式（公式1），该评分综合了MW和LogP两个参数，旨在提供一个比单一Ro5规则更全面的评估指标。公式定义为：ADMET Score = sqrt[ ( (MW - MW_mean)/MW_sd )^2 + ( (LogP - LogP_mean)/LogP_sd )^2 ]。其中，均值和标准差基于本研究中的152种口服药物计算得出。 * 盐型与共晶分析： 统计了前200名药物中形成各种盐型（如盐酸盐、硫酸盐、钠盐、钙盐等）或溶剂共晶（如水合物、乙醇合物）的频率。 * 联合用药分析： 通过比较通用名和商品名，识别出复方制剂，并分析其组合药物的作用机制，以理解联合治疗的策略。 * 代谢酶谱分析： 统计了所有小分子药物被不同CYP450亚型（如3A4、2D6、2C9、2C8等）代谢的比例。并进一步分析了被主要CYP亚型代谢的药物的平均MW、LogP和TPSA。
四、 主要研究结果 1. 分子性质与给药途径/适应症的关系： * 给药途径： 口服药物（占78%）的平均LogP为2.5，而注射药物的LogP更小（平均1.2），TPSA更大（平均113.7 Ų），表明注射药物通常极性更强、亲水性更高。 * 临床适应症（口服药物）： * 分子量（MW）： 抗HIV药物、抗高血压药和抗生素的平均MW较大（均>400 Da）。中枢神经系统（CNS）药物的平均MW相对较低（289 ± 76 Da）。 * 脂溶性（LogP）： 抗哮喘药（平均3.9）和抗高血压药（平均3.6）的LogP最高，即最疏水。抗HIV药物和抗生素的LogP最低（平均约1），即最亲水。 * 极性表面积（TPSA）： 抗HIV药物和抗生素的平均TPSA最大（>100 Ų），这与它们较大的分子量和亲水性一致。 * 与经典规则的符合度： 大多数CNS药物、抗过敏/哮喘药、激素类药物等严格遵守Ro5和GSK的TPSA规则（TPSA < 140 Ų）。然而，部分药物（如某些抗病毒药、抗生素、降脂药）违反了Ro5的一条或多条规则（如MW > 500或LogP > 5）。这些“违规”药物通常有两种情况：a) 采用注射给药，规避了口服吸收问题；b) 以盐的形式给药（如阿托伐他汀钙），提高了溶解度。
2. ADMET评分作为补充筛选工具的价值： * 计算了152种口服药物的平均ADMET评分为1.5（标准差1.0）。这一数值与一个包含1791种口服药物的更大数据集的结果（1.2 ± 1.0）相近，但显著低于包含大量候选化合物的ChEMBL数据库中的化合物评分（>1.9），表明成功药物的性质空间更为集中。 * 关键发现： 许多违反Ro5规则的药物（如表6所列），其ADMET评分却非常接近口服药物的平均值（1.5），且落在可接受的标准差范围内（例如，达芦那韦、厄贝沙坦等）。只有左甲状腺素和孟鲁司特的ADMET评分超过平均值两个标准差以上。这证明，ADMET评分能够更有效地识别那些虽然违反单一Ro5规则但整体性质仍在“药物空间”内的化合物，避免了因Ro5的严格过滤而错过有潜力的候选分子。
3. 盐型/共晶使用情况： * 在Top 200药物中，形成盐或共晶是提高活性药物成分（API）溶解度的常用策略。 * 最常用的成盐方式： 与盐酸（HCl）成盐最为普遍，占所有阴离子盐形式的42.7%。这与文献中约39%的口服药物为碱性药物的观察一致。 * 其他常用酸根： 包括硫酸盐、富马酸盐、酒石酸盐、磷酸盐、琥珀酸盐等。 * 阳离子盐： 钠盐是最常用的阳离子盐形式，其次是钙盐和钾盐。这一趋势与几十年前的统计数据相似，说明这些成盐策略具有持久性和有效性。
4. 联合用药模式： * 研究发现许多畅销药是复方制剂。其组合策略通常是针对同一疾病的不同病理途径，以实现协同或叠加疗效。 * 典型例子： * 降压药： 如Avalide（厄贝沙坦+氢氯噻嗪），将血管紧张素II受体拮抗剂与利尿剂联用，从不同机制降低血压。 * 降脂药： 如Vytorin（依折麦布+辛伐他汀），同时抑制胆固醇的吸收和合成。 * 抗HIV药： 如Atripla（依非韦伦+恩曲他滨+替诺福韦酯），组合了不同作用机制的逆转录酶抑制剂，以应对病毒突变和提高疗效。 * 这一分析为开发固定剂量复方制剂（Single Pill Combination）提供了思路，即应优先考虑作用于互补通路的药物组合。
5. 药物代谢特征： * 主要代谢酶： 在185个小分子药物中，55.7%由CYP3A4代谢，34.1%由CYP2D6代谢，31.9%由CYP2C9代谢，23.2%由CYP2C8代谢，14.1%由CYP3A5代谢。值得注意的是，CYP2D6虽然仅占肝脏CYP总量的约4%，却代谢了超过三分之一的畅销药，凸显其重要性。 * 代谢酶偏好与分子性质的关系： * CYP3A4： 倾向于代谢分子量较大的化合物（平均MW 377.2 Da）。 * CYP2D6： 倾向于代谢分子量较小的化合物（平均MW 344.8 Da）。 * CYP2C8： 倾向于代谢亲水性更强、极性更大的化合物，其代谢药物的平均LogP最低（2.0），TPSA最高（85.7 Ų）。 * 被CYP3A4、2D6和2C9代谢的药物的平均LogP非常接近（约3.0）。
五、 研究结论与价值 结论： 本研究通过对2010年美国Top 200畅销药的系统性分析，成功绘制了不同治疗类别和给药途径下成功药物的关键分子性质（MW, LogP, TPSA）图谱。研究证实，虽然Lipinski五规则等经验法则具有重要指导意义，但存在局限性。提出的ADMET评分能够更综合地评估化合物的类药性，尤其适用于识别那些“违反”Ro5但其他性质仍属优良的候选药物。研究还明确了增加药物溶解度的最常见策略（形成盐酸盐），揭示了复方制剂的常见组合逻辑（作用互补通路），并详细阐述了主要CYP450代谢酶对不同理化性质药物的偏好性。
科学价值与应用价值： 1. 提供设计参考： 为药物化学家在针对特定靶点或适应症进行先导化合物优化时，提供了具体的、基于成功药物的分子性质范围参考，有助于将化合物性质导向更可能成功的“化学空间”。 2. 优化筛选策略： 倡导将ADMET评分与Ro5等规则结合使用，作为早期药物发现阶段的筛选工具，有助于减少因过于严格的单一规则而导致的潜在优质化合物损耗。 3. 指导剂型开发： 关于盐型和联合用药的分析，为药剂学家和制剂科学家提供了关于如何改善药物溶解度和设计复方产品的实用见解。 4. 预警药物相互作用： 详细的CYP450代谢谱分析有助于预测潜在的药物-药物相互作用（DDI），对临床合理用药和联合用药方案设计具有警示和指导意义。 5. 反映行业趋势： 通过对2006与2010年销售数据的对比，间接反映了药物研发重点向抗癌、神经精神类疾病（如ADHD、阿尔茨海默病）、糖尿病等领域转移的趋势。
六、 研究亮点 1. 数据权威且聚焦成功药物： 研究对象是基于真实世界销售数据的Top 200畅销药，而非化合物库或临床前候选物，其结果更能代表“成功药物”的特征，指导意义更强。 2. 多维度的关联分析： 不仅分析了分子性质，还将其与临床适应症、给药途径、代谢特征、盐型、联合用药等多个维度进行关联，提供了立体化的洞察。 3. 提出并验证了ADMET评分的实用性： 通过计算证明，许多违反Ro5的成功药物在ADMET评分上仍处于“安全区”，为Ro5的局限性提供了一个有效的补充解决方案。 4. 更新了对CYP450代谢的认识： 明确了CYP2C8和CYP3A5在畅销药代谢中的重要作用（位列前五），并量化了不同CYP亚型对底物分子性质的偏好，为设计具有理想代谢特征的分子提供了数据支持。 5. 方法可重复性强： 研究基于公开数据库和商业软件，其分析流程和方法可供其他研究者复现或应用于其他药物数据集。
七、 其他有价值的内容 研究在讨论部分提及，虽然本研究聚焦小分子，但也注意到生物大分子药物（如单克隆抗体、多肽）的重要性正在上升（例如在2010年FDA批准的23个新药中占9个）。作者指出，计算化学和分子描述符在小分子药物发现中已广泛应用，但其在指导肽类药物开发方面的成功与否仍有待观察。这暗示了未来研究的一个潜在方向。此外，作者也承认，使用更大的数据集（如所有FDA批准药物）可能会使平均分子性质略有变化，但他们通过对比部分类别药物在更大数据集（1500个FDA批准药）中的性质，证明了本研究所用Top 200数据集得出的LogP和TPSA趋势具有代表性，增强了结论的可靠性。