BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC HUẾ
TRƯỜNG ĐẠI HỌC KHOA HỌC

BÙI THỊ PHƯƠNG THÚY

THIẾT KẾ, SÀNG LỌC MỘT SỐ DẪN XUẤT FLAVONOID VÀ
ĐÁNH GIÁ HOẠT TÍNH GÂY ĐỘC LÊN DÒNG TẾ BÀO HELA
DỰA VÀO CÁC TÍNH TOÁN HÓA LƯỢNG TỬ

Chuyên ngành: Hóa lý thuyết và hóa lý
Mã số: 62.44.01.19
TÓM TẮT LUẬN ÁN TIẾN SĨ HÓA LÝ THUYẾT VÀ HÓA LÝ

HUẾ, NĂM 2018


Công trình được hoàn thành tại Khoa Hóa học, trường Đại học Khoa
học, Đại học Huế.

Người hướng dẫn khoa học:

1. PGS.TS. PHẠM VĂN TẤT
2. PGS.TS. TRẦN DƯƠNG

Phản biện 1:
Phản biện 2:
Phản biện 3:

Luận án sẽ được bảo vệ trước Hội đồng cấp Đại học Huế chấm luận án
tiến sĩ họp tại . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

tính (QSAR). Các flavonoid được xây dựng và tối ưu hóa bằng các
phương pháp cơ học phân tử MM+. Các tham số mô tả phân tử 2D, 3D
được sử dụng để xây dựng các mô hình đa biến như hồi quy tuyến tính
đa biến (MLR), phân tích thành phần chính (PCR), bình phương cực
tiểu riêng phần (PLS) và mạng nơ ron nhân tạo (ANN). Xây dựng các
mô hình QSAR nhằm xác định những yếu tố tham số mô tả phân tử ảnh
hưởng đến tác dụng kháng ung thư cổ tử cung từ đó xác định hướng
thiết kế phân tử mang lại hoạt tính cao hơn. Trong nghiên này cũng đã
tiến hành chiết tách và phân lập flavonoid từ gừng gió, đậu nành, tía tô,
xa kê, actiso, một vài kỹ thuật phân tích hóa lý cũng được sử dụng để
xác định cấu trúc phân tử các dẫn xuất flavonoid. Các phân tử flavonoid
đã phân lập sẽ được dự báo hoạt tính, và sử dụng làm chất mẫu để thiết
kế hợp chất mới có hoạt tính cao hơn.
1


Từ các cơ sở trên, chúng tôi nghiên cứu đề tài “Thiết kế, sàng lọc một
số dẫn xuất flavonoid và đánh giá hoạt tính gây độc lên dòng tế bào
Hela dựa vào các tính toán hóa lượng tử”.
Mục tiêu của luận án: Tính toán các tham số cấu trúc phân tử; Xây
dựng các mô hình QSAR; Phân lập và tinh chế một số flavonoid; Dự
đoán tính sinh học của các hợp chất mới.
Ý nghĩa khoa học của luận án:
Việc mô phỏng kết hợp giữa phương pháp lý thuyết với phương pháp
thực nghiệm trong nghiên cứu tìm kiếm hợp chất có hoạt tính kháng
ung thư có nguồn gốc thiên nhiên là một hướng nghiên cứu đáng chú ý
đang được quan tâm và phát triển mạnh mẽ trong thời gian gần đây.
Phương pháp tiếp cận hiện đại, khoa học, mang lại hiệu quả về thời
gian, công sức, tiền bạc trong nghiên cứu thực nghiệm. Kết quả nghiên
cứu đáng tin cậy và có nhiều ứng dụng quan trọng cho các nghiên cứu

2.3. NGHIÊN CỨU LÝ THUYẾT
2.3.1. Phương pháp tính toán thông tin cấu trúc
2.3.1.1. Cơ học phân tử
2.3.1.2. Hóa lượng tử
2.3.1.3. Các tham số cấu trúc
2.3.2. Xây dựng các mô hình QSAR
2.4. SÀNG LỌC, PHÂN LẬP FLAVONOID TỰ NHIÊN
2.4.1. Phân lập các hợp chất flavonoid
2.4.2. Xác đinh cấu trúc hóa học các hợp chất flavonoid
2.4.2.1. Phương pháp phổ cộng hưởng từ hạt nhân
2.4.2.2. Đo nhiễu xạ tia X đơn tinh thể
2.4.3. Kỹ thuật thử hoạt tính in vitro
2.4.3.1. Nguyên tắc phương pháp Sulforhodamine B
2.4.3.2. Nuôi cấy tế bào
2.4.3.3. Nhuộm SRB
2.4.3.4. Xử lý kết quả
2.4.3.5. Xác đinh GI50
2.5. THIẾT KẾ VÀ DỰ BÁO HOẠT TÍNH CỦA FLAVONOID
CHƯƠNG 3. KẾT QUẢ VÀ THẢO LUẬN
3.1. NGHIÊN CỨU LÝ THUYẾT
3.1.1. Phương pháp tính toán thông tin cấu trúc
3.1.1.1. Cơ học phân tử
3.1.1.2. Hóa lượng tử
3.1.2. Tham số cấu trúc
3.1.2.1. Tham số điện tích
3.1.2.2. Phổ 13C-NMR, 15O-NMR và độ dich chuyển hóa học
3.1.2.3. Tham số hóa lý
3.1.2.4. Tham số hình học 2D, 3D
3.2. XÂY DỰNG MÔ HÌNH QSAR
3.2.1. Khảo sát các biến số mô hình

Hình 3.4 Giá trị đóng góp trung bình toàn cục GMPmxk
3.2.2.2. Mô hình mạng thần kinh QESARANN
Mô hình QESARANN có kiến trúc mạng I(6)-HL(2)-O(1) với R2fitness là
0.95642 được xây dựng từ các tham số điện tích từ mô hình
QESARANN.
3.2.2.3. Kiểm tra khả năng dự đoán
Hoạt tính kháng ưng thư của flavone và isoflavone dự đoán từ mô hình
QESARNMR và QESARANN với giá trị MARE, % tương ứng là 1,7510%
và 1,1670%, Bảng 3.12.
4


Bảng 3.12 pGI50 của nhóm kiểm tra dự đoán từ mô hình
QESARMLR, QESA RANN

Hợp chất

1b
2b
3b
4b
5b
6b

3.2.3. Xây dựng các mô hình QSDAR
3.2.3.1. Mô hình tuyến tính QSDARMLR
Bảng 3.13 Các mô hình QSDAR và các giá trị thống kê
k
2
3


Biến số xi

R

2

R

2

luyện
adj

SE
R

2

thử

Hằng số
O1
O11
C2
C3
C4
C6
C7
C2'

(pGI50) như là biến mục tiêu, cấu trúc một lớp ẩn HL(2) với hai nút.
Giải thuật lan truyền ngược, sai số 0,001 được sử dụng để luyện kiểu
mạng thần kinh này. Các tham số để luyện mạng nơ ron là tốc độ học
0,7; momen = 0,7; vòng lặp 10000 và sai số MSE = 0,0305764. Hàm
truyền sigmoid được sử dụng cho mỗi nơ ron của lớp nhập và lớp xuất.
Sau khi luyện mô hình thần kinh QSDARANN, R2thử = 0,800; giá trị R2luyện
đạt được 0,924 cao hơn giá trị R2luyện = 0,906 đối với mô hình tuyến tính
QSDARMLR.
3.2.3.3. Kiểm tra khả năng dự đoán
Bảng 3.15 Hoạt tính pGI50,tt của các dẫn xuất kiểm tra và các giá trị
ARE,% từ các mô hình QSDARMLR (với k = 7) và QSDARANN với kiến
trúc I(7)-HL(2)-O(1)
Hợp chấtpGI50tn

a1
a2
a3
a4
a5
a6

Sau khi sử dụng các mô hình QSDARMLR và QSDARANN để dự đoán
hoạt tính kháng ung thư của các dẫn xuất kiểm tra, độ lệch khoảng dự
đoán là có thể chấp nhận. Các mô hình QSDAR MLR và QSDARANN thỏa
mãn các đòi hỏi thực tế để dự đoán hoạt tính kháng ung thư pGI 50 của
các dẫn xuất mới. Một lần nữa chúng tôi khẳng định khả năng dự đoán
của các mô hình quan hệ cấu trúc hoạt tính là đáng tin cậy.
3.2.4. Xây dựng mô hình QSSRMLR
3.2.4.1. Nguyên tắc xây dựng
3.2.4.2. Tính toán các tham số hóa lý

chất hóa lý cũng như hoạt tính kháng
ung thư của các flavone và isoflavone có
cấu trúc tương tự. Phân tích ANOVA
một yếu tố cũng chỉ ra rằng kết quả dự
Hình 3.6. Quan hệ giữa đoán tính chất hóa lý và hoạt tính kháng tính
chất hóa lý dự đoán ung thư của các dẫn xuất flavone và
và dữ liệu thực nghiệm
isoflavone từ mô hình
QSSRMLR thì không khác các giá trị tính chất hóa lý tham khảo, giá trị
hoạt tính kháng ung thư xác định từ thực nghiệm với (F tt = 0,0010

hình QSARMLR (với k là 8, 9, 10).

R2
R2 pred
SE
Hệ số
k2
xp6
xp8
nvx
knotp
knotpv
SHBa
Hmaxpos
SaaCH
ABSQ
SsOH
phia
logP

Sự biến thiên các giá trị R2, R2pred và SE trong các mô hình QSARMLR
với các tham số mô tả 2D và 3D, tương ứng chỉ ra trong Bảng 3.18.
Để xây dựng các mô hình QSAR MLR, các tham số mô tả 2D và 3D được
chọn lựa bằng kĩ thuật hồi quy từng bước. Các tham số mô tả 2D, 3D
được chọn dựa trên cơ sở các giá trị thống kê R2, SE và F-stat.


Các mô hình được đánh giá chéo bằng kĩ thuật loại bỏ dần từng trường
hợp (LOO) để xác định giá trị R2pred. 9 mô hình phù hợp nhất được chỉ
9

là 0.01; sai số tổng cộng là 0,0003017, sai số dự đoán là 0,00001 với
300000 vòng lặp. Sau khi luyện mạng mô hình mạng thần kinh thu
được có kiến trúc I(9)-HL(5)-O(1), với giá trị thống kê R2train là 0,8963
và R2pred là 0,8883.
3.2.5.4. Khả năng dự đoán của mô hình QSARMLR (3.16) và
QSARANN(1)
Sau khi sử dụng các mô hình QSARMLR (3.16) và QSARANN(1) để dự
đoán hoạt tính sinh học pGI50 của sáu hợp chất trong nhóm kiểm tra chỉ
ra khả năng dự đoán chính xác của các mô hình QSAR với các sai số
nằm trong khoảng tin cậy của phép đo thực nghiệm. Tuy nhiên, các mô
hình QSARMLR (3.16) và QSARANN(1) đều có khả năng dự báo tốt đối với
hoạt tính sinh học của các hợp chất mới.

10


Bảng 3.20 Hoạt tính sinh học pGI50 của nhóm kiểm tra từ các mô hình
QSARMLR (3.16) và QSARANN(1)

Hợp chất

Fla-1
Fla-11
Fla-24
Fla-25
Fla-26
Fla-30

3.2.6. Xây dựng mô hình QSARMLR (3.17), QSARPCR; QSARPCA-ANN
3.2.6.1. Dữ liệu


a1, a2, a3, a

9

a1, a2, a3, a

10

a1, a2, a3,

Đối với các mô hình QSARMLR, mức độ quan trọng của mô tả phân tử
2D và 3D được sắp xếp theo các giá trị GMPmxk,%: MaxQp > ABSQ >
ka2 > MaxNeg > LogP > ka3 > SdssC > SdO > Ovality > ABSQon. Mô
hình QSARMLR (3.17) với k = 6:
pGI50 = 8,509 + 2,8540MaxQp + 0,0247SdO + 0,2192LogP 3,6969Ovality + 0,2969SdssC + 0,3635ka3 (3.17)
Sáu biến số MaxQp, SdO, ka3, LogP, Ovality and SdssC được chọn để
xây dựng mô hình QSARPCR (3.18).
pGI50 = 5,48356 + 0,38027×PC1 - 0,11868×PC2 + 0,34789×PC3 +
0,06995×PC4 + 0,21850×PC5 + 0,35057×PC6 (3.18)


11


Bảng 3.22 Các giá trị thống kê và phần trăm đóng góp MPmxk,%,
GMPmxk,% của các tham số mô tả phân tử 2D, 3D trong các mô hình
QSARMLR (với k = 5, 6, 7)
Biến số


PC3, PC4, PC5 và PC6 tương ứng với các tham số MaxQp, SdO, ka3,
LogP, Ovality và SdssC; lớp ẩn HL(9) với 9 nơ ron thần kinh và lớp đầu
ra O (1) với 1 nơ ron là hoạt tính sinh học pGI 50. Thuật toán lan truyền
ngược được sử dụng để luyện mạng nơ ron. Hàm truyền trên mỗi nơ ron
được sử dụng là hàm truyền sigmoid; các thông số khác được sử dụng
để huấn luyện mạng thần kinh này bao gồm tỷ lệ luyện là 0,7 và tốc độ
học 0,7; sai số MSE = 0,003447 với số vòng lặp là 5000. Sau khi luyện
mạng nơ ron I(6) - HL(9)- O(1), giá trị R2 là 0,897298 và R2pred là
0,88718.
3.2.6.4. Khả năng dự đoán của các mô hình
Các hoạt tính dự báo từ các mô hình QSAR được so sánh với các hoạt
tính thực nghiệm và so sánh với nhau bằng cách sử dụng giá trị trung
bình sai số tương đối MARE%. Các giá trị MARE,% cho thấy rằng khả


12


năng dự báo của mô hình QSARMLR (3.17) thấp hơn cả hai mô hình
QSARPCR và QSARPCA-ANN, như trong Bảng 3.23.
Bảng 3.23 Hoạt tính sinh học pGI50 của nhóm kiểm tra từ các mô hình
QSARMLR (3.17) (M1), QSARPCR (M2) và QSARPCA-ANN (M3)
Hợp chất
Flav-8
Flav-22
Flav-32
Flav-74
Flav-80

Do giá trị MARE,% mô hình QSARPCR (3.18) là cao nhất. Sau khi sử



Bảng 3.25 Các giá trị thống kê và phần trăm đóng góp MPmxk,%,
GMPmxk,% của điện tích nguyên tử trong các mô hình QSARMLR

Biến

R

2

R

2

adj

SE
R

2

pred

Hằng số
O1
O11
C2
C3
C4

của cả hai mô hình QSAR MLR (3.19) và QSARPLS. Vì vậy, khả năng dự
báo của mô hình QSARANN (2) tốt hơn so với mô hình QSAR MLR (3.19)
và QSARPLS.
Bảng 3.26 Hoạt tính pGI50 trong nhóm kiểm tra dự đoán từ các mô hình
QSARMLR (3.19) (M1), QSARPLS (M2) và QSARANN(2) (M3)

Hợp chất

Fla 2
Fla 9
Fla 12
Fla 15
Fla 16
Isofla 32

Sau khi sử dụng các mô hình QSARMLR (3.19), QSARPLS, QSARANN(2) để
dự đoán các hoạt tính sinh học pGI 50 của 6 hợp chất trong nhóm thử
nghiệm, sai số của dự đoán nằm trong khoảng sai số cho phép của các
phép đo thực nghiệm. Do đó, các mô hình QSAR MLR (3.19), QSARPLS
và QSARANN(2) thích hợp để dự đoán các hoạt tính sinh học của các chất
mới.
3.3. SÀNG LỌC, PHÂN LẬP FLAVONOID TỰ NHIÊN
3.3.1. Phân lập cynaroside từ actiso
Cynaroside phân lập từ lá actiso, cấu trúc cynaroside xác định bằng
phương pháp phổ NMR, Hình 3.8.

Hình 3.8 Cấu trúc phân tử cynaroside, C12H20O11
3.3.2. Phân lập quercetin từ xa kê
Quercetin phân lập từ lá xa kê, cấu trúc quercetin xác định bằng phương
pháp phổ NMR, Hình 3.9.