毛细管电泳手性拆分机理研究进展

·综述·

毛细管电泳手性拆分机理研究进展

杜迎翔1， 2， 3*，严智1

(1. 中国药科大学分析化学教研室，南京210009；2. 中国药科大学药物质量与安全预警教育部重点实验室，南京210009；3. 中国药科大学天然药物活性组分与药效国家重点实验室，南京210009)

摘要：目的阐述近年来毛细管电泳手性拆分的机理研究进展。方法归纳国内外最新的文献报道，对目前主流的三类毛细管电泳手性识别机理研究方法进行综述。结果采用计算机分子模拟，结合毛细管电泳分析法和光谱分析法，可以从分子水平上研究毛细管电泳拆分体系的手性识别机理。结论计算机分子模拟技术已成为毛细管电泳手性拆分机理研究领域中的一种十分有力的工具。

关键词：毛细管电泳；手性拆分；计算机分子模拟

doi:10.3969/j.issn.1004-2407.2015.06.035

中图分类号：R917文献标志码：A

基金项目：国家自然科学基金资助项目(编号.:81373378)

作者简介：严智，女，硕士研究生

收稿日期：(2015-05-12)

Research advance of chiral separation mechanism in capillary electrophoresis

DU Yingxiang1， 2， 3*， YAN Zhi1(1. Department of Analytical Chemistry， China Pharmaceutical University， Nanjing 210009，China； 2. Key Laboratory of Drug Quality Control and Pharmacovigilance (Ministry of Education)， China Pharmaceutical University， Nanjing 210009，China； 3. State Key Laboratory of Natural Medicines， China Pharmaceutical University， Nanjing 210009，China)

Abstract:ObjectiveTo summarize the chiral separation mechanism in capillary electrophoresis(CE). MethodThe latest domestic and foreign literatures of the mechanism research in CE enantioseparation were reviewed. Result Chiral resolution mechanism in CE has been illustrated by computer molecular modeling study at the molecular level， combined with CE analysis and spectral analysis. Conclusion Computer molecular modeling has been proven to be a very powerful tool in chiral separation mechanism research.

Key words: capillary electrophoresis (CE)； chiral separation； computer molecular modeling

*通信作者：杜迎翔，男，教授，博士生导师

随着毛细管电泳(CE)手性拆分技术的发展，关于手性识别的机理研究也在逐渐深入。由于常规CE实验技术的限制，手性拆分的微观机理难以通过电泳实验现象来直接进行解释，本文将着重介绍目前主流的三类毛细管电泳手性识别机理的研究方法。

1毛细管电泳分析法

利用毛细管电泳来研究分子间相互作用的方法被称为毛细管电泳相互作用分析。通过拆分实验现象对分离过程的手性识别机理进行初步推测，主要研究方法有淌度移动法、配体分离法、前沿分析法、空峰法以及Hummel-Dreyer法等[1]。

其中最常用的是淌度移动法，即通过控制受体(或配体)浓度不变，不断改变配体(或受体)的浓度，由受体(或配体)的电泳淌度和配体(或受体)浓度间的关系，用Scatchard方程求解主客体间的结合常数。在此基础上，结合热力学分析，通过计算主客体间的热力学参数来研究分子之间的相互作用[2]。其中焓变(ΔH)反映了主客体分子之间的相互作用的大小，而熵变(ΔS)则反映了主客体分子之间构象变化的程度[3]。理论上，焓变的绝对值越大，说明主客体分子间的相互作用越强，越有利于主客体分子间产生相互作用；而熵变越大，说明主客体分子间发生相互作用的前后其构象变化的程度越高。

Michalcova等[4]利用毛细管电泳前沿分析法、Hummel-Dreyer分析法以及亲和毛细管电泳3种分析方法对牛血清白蛋白和水杨酸之间的亲和力进行了研究，通过对实验现象的比较以及热力学参数的计算，简单阐述了牛血清白蛋白和水杨酸的结合机制，并发现氢键作用及范德华作用是复合物形成的两大主要因素。

2光谱学分析法

光谱学分析法是通过物质产生的特征光谱来研究物质之间的相互作用，从而得到原子或分子的能级结构、电子分布、分子几何形状、反应动力学等化学成分或物质结构多方面的信息[5-6]。

手性识别机理研究中主要采用荧光光谱法和核磁共振波谱法。两者均可用于测定主客体分子之间的结合常数。荧光光谱法适用于有荧光现象的手性药物，利用手性药物荧光增强或减弱的程度与配体浓度间的关系建立Stern-Volmer方程，并进一步计算配体和受体间结合常数，通过Van’t Hoff方程拟合判断手性识别的作用力类型。核磁共振波谱法则通过主客体结合前后化学位移的变化，判断手性识别的结合位点。

Sohajda等[7]运用CE和1H NMR滴定分析研究阿斯巴甜与多种环糊精的包合物形成，测定主客体相互作用的稳定常数，比较配体与不同环糊精形成的复合物差别，并通过2D ROESY NMR和分子模拟技术确定复合物的包结几何构象。

3计算机分子模拟研究

近年来有不少文献报道了应用计算机分子模拟技术研究毛细管电泳手性拆分机理。利用分子模拟技术，建立分子模型，并通过相关计算机分子模拟软件的使用，模拟分子间的结合过程，以图形的方式更直观地阐述分子之间的相互作用，从而在分子水平上对药物对映体的手性识别机理进行探讨。

计算机分子模拟包括量子力学方法、分子力学方法、分子动力学方法和分子对接技术等。

3.1量子力学方法利用计算机来计算量子力学各种相关分子参数，例如原子的静电荷、分子结构及静电势、各分子轨道的形状及能量、系统总能量、超离域度和离域能等诸多直接或间接的分子相关信息。目前运用较广的量子化学计算方法主要是从头计算法，它将量子化学分子轨道理论作为基础，不需要借助经验参数，计算结果的精度高，可靠性强，但由于其消耗时间过长，处理一些较大的分子体系时常遇到困难[8]。在实际使用过程中常常利用半经验算法来对从头计算法进行简化，从而使其可用于处理较复杂的分子体系，减少计算时间，而相应代价则是计算结果的精度稍差。

Nascimento等[9]采用半经验量子化学方法PM3和密度泛函理论(DFT)，结合分子动力学模拟，在分子水平上研究羧甲基-β-环糊精与4-羟基普萘洛尔对映体的识别机理。结果表明，羧甲基-β-环糊精与药物对映体之间形成的包结复合物的结合能差异可用于评价手性识别作用，并最终导致对映体拆分。Huang等[10]运用PM3和半经验分子轨道计算，探索了CE拆分中手性选择剂β-环糊精和猪毛菜酚等药物对映体的包结作用，并发现CE实验中对映体迁移时间与计算结果相一致。

3.2分子力学方法分子力学将分子看成一组靠谐振力或是弹性力而维系在一起的原子集合，其中每个化学键都有其相应的键长与键角标准。分子必须将其非键作用能处于最低状态，同时使键长值与键角值尽可能地接近标准值，才能对其几何空间构象进行调整[11-12]。通过分子力学计算和能量优化，可以对化合物的空间结构加以确定。

Issaraseriruk等[13]采用分子力学计算和半经验算法PM3，并通过分子对接研究，预测了八联(2，3-二乙酰基-6-叔丁基二甲基甲硅烷基)-γ-环糊精对手性苯乙烯氧化物的对映体差异性。结果表明，该γ-环糊精对苯乙烯氧化物对映体有较高的识别能力，从而也说明该γ-环糊精具有作为色谱分离中手性选择剂的可能性。

3.3分子动力学方法通过分子动力学得到分子轨迹，在模拟时间足够长的情况下，可以得到体系在空间中的全部构象。在分子动力学方法中，模拟退火法被认为是最有效的构象搜索方法之一。它可以跨越较大的能垒，搜索出能量更低的构象，从而有效地找出分子的优势构象。模拟退火法在取舍构象时，不仅考虑能量降低的变化，同时也考虑部分能量上升的构象，因而有可能跳出局部势阱，达到全局优化，提高构象搜索的效率和准确性[8，12]。

Suliman等[14]在以β-环糊精为手性选择剂，对巴氯芬对映体的CE拆分中，通过PM6半经验算法和分子动力学模拟，并结合对接计算来阐述对映体的手性识别机理。分子模拟结果表明，对映体与β-环糊精形成的复合物结合稳定性之间的差异导致了手性拆分，而分子间的氢键作用是影响复合物稳定性的主要因素之一。

3.4分子对接技术分子对接是2个或多个分子之间通过几何匹配及能量匹配从而相互识别的过程，已成功应用于药物设计领域[15]。分子对接计算即是找到底物分子和受体分子的最佳结合位置，通过将配体分子放在受体分子的活性位点处，利用几何互补、能量互补以及化学环境互补来实时评价配体与受体相互作用的好坏，从而找到2个分子之间的最佳结合模式。通过分子对接计算，可以预测分子间的结合模式和作用力，从而探究手性识别机理[16]。分子对接方法和软件有很多，如AutoDock、Gold、DOCK、FlexX等。

Li等[17]采用分子对接方法，确定羟丙基-γ-环糊精与艾迪康唑及其结构类似抗真菌活性化合物的主客体包结过程，研究可能的手性识别机理，并采用分子力学计算结合能，建立数学模型，结合CE实验的实际情况探索其预测拆分的可能性。该课题组[18]后采用分子对接软件Gold，研究七-(2，3，6-三-O-甲基)-β-环糊精与三唑醇类抗真菌活性化合物的主客体包结过程，并计算结合自由能，以期用对映体之间结合能的差异，对对映体拆分进行预测。

3.5量子力学法和分子力学法相结合分子力学法和分子动力学法可以较为准确地描述分子间的范德华作用力、静电作用或是氢键作用力等，但由于没有考虑到电子的运动，忽视了电子在化学键的形成和断裂以及电荷转移中的作用，从而影响计算结果的精度。量子化学法虽然能对各种小分子和中型分子的性质进行精确预测，但其耗时过长，在实际使用中仍有一定的局限性。

量子力学与分子力学相结合的方法是近年来兴起的一种同时兼具高精度和高效率的新型分子模拟技术，现已被广泛地应用于生物体系和较大的化学体系研究中[19]。Elbashir等[20]比较了CE中β-环糊精单体系和β-环糊精与18-冠-6二元混合体系对3种伯胺化合物(1-氨基茚满、1-(1-萘基)乙胺、1，2，3，4-四氢-1-萘胺)的拆分能力，并结合运用分子力学和半经验算法PM6来阐述手性识别机理及预测拆分过程。理论计算表明，在二元混合体系中，18-冠-6、伯胺化合物以及β-环糊精三者形成了一个稳定的夹层化合物，且结合能较单体系有显著提高。

4小结

随着计算机技术的飞速发展，以计算机作为工具，通过分子模拟技术对受体与配体间的相互作用进行研究，已经成为十分重要和活跃的前沿领域。采用计算机分子模拟和毛细管电泳分析法，结合光谱分析方法，可以从分子水平上对毛细管电泳拆分体系的手性识别机理进行研究和探讨，从而进一步指导手性分离工作。目前大部分CE手性拆分机理研究都集中在环糊精及其衍生物与客体分子的包结作用机制上，对于其他手性选择剂的拆分机理研究仍十分缺乏。

参考文献：

[1]赵艳芳， 傅崇岗， 刘爱林. 毛细管电泳法测定结合常数的研究进展 [J]. 色谱， 2003，21(2):126-130.

[2]王钊， 王欣， 杨静，等. 甲基化-β-环糊精与齐墩果酸的超分子包合常数的测定及热力学稳定性的研究 [J]. 西北药学杂志， 2013，28(3):290-293.

[3]李霞， 周智明， 孟子晖.β-环糊精衍生物的超分子体系识别机理及其在手性分离中的应用 [J]. 色谱， 2010，28(4):413-421.

[4]Michalcova L， Glatz Z. Comparison of various capillary electrophoretic approaches for the study of drug-protein interaction with emphasis on minimal consumption of protein sample and possibility of automation [J]. J Sep Sci， 2015，38(2):325-331.

[5]Shamsipur M， Dastjerdi L S， Haghgoo S， et al. Chiral selectors for enantioresolution and quantitation of the antidepressant drug fluoxetine in pharmaceutical formulations by F-19 NMR spectroscopic method [J]. Anal Chim Acta， 2007，601(1):130-138.

[6]Tsui H W， Willing J N， Kasat R B， et al. Infrared spectroscopy and molecular simulations of a polymeric sorbent and its enantioselective interactions with benzoin enantiomers [J]. J Phys Chem B， 2011，115(44):12785-12800.

[7]Sohajda T， Beni S， Varga E， et al. Characterization of aspartame-cyclode-xtrin complexation [J]. J Pharmaceut Biomed， 2009，50(5):737-745.

[8]江峰， 施介华， 严巍，等. 分子模型及其在手性识别机理研究上的应用 [J]. 分析化学， 2004，32:1550-1555.

[10]Huang M J， Quan Z， Liu Y M. Computational modeling of inclusion complexes ofβ-cyclodextrin with enantiomers of salsolinol，N-methyl-salsolinol， and 1-benzyl-tetrahydroisoquinoline [J]. Int J Quantum Chem， 2009，109(1):81-90.

[11]Lipkowitz K B. Theoretical-studies of brush-type chiral stationary phases [J]. J Chromatogr A， 1994，666(1-2):493-503.

[12]仇缀百， 万维勤， 叶德泳，等. 药物设计学 [M]. 北京: 高等教育出版社，1999:211-224.

[13]Issaraseriruk N， Shitangkoon A， Aree T. Molecular docking study for the prediction of enantiodifferentiation of chiral styrene oxides by octakis(2，3-di-O-acetyl-6-O-tert-butyldimethylsilyl)-gamma-cyclodextrin [J]. J Mol Graph Model， 2010，28(6):506-512.

[14]Suliman F O， Elbashir A A. Enantiodifferentiation of chiral baclofen byβ-cyclodextrin using capillary electrophoresis: a molecular modeling approach [J]. J Mol Struct， 2012，1019:43-49.

[15]李利华， 赵蔡斌， 闵锁田，等. 基于配体-受体理论的计算机辅助药物分子设计方法及应用[J]. 西北药学杂志， 2007，22(5):282-285.

[16]徐筱杰， 侯廷军， 乔学斌,等. 计算机辅助药物分子设计 [M]. 北京: 化学工业出版社，2004:325-327.

[17]Li W， Tan G， Zhao L， et al. Computer-aided molecular modeling study of enantioseparation of iodiconazole and structurally related triadimenol analogues by capillary electrophoresis: chiral recognition mechanism and mathematical model for predicting chiral separation [J]. Anal Chim Acta， 2012，718:138-147.

[18]Li W， Zhao L， Zhang H， et al. Enantioseparation of new triadimenol antifungal active compounds by electrokinetic chromatography and molecular modeling study of chiral recognition mechanisms [J]. Electrophoresis， 2014，35(19):2855-2862.

[19]Lin H， Truhlar D G. QM/MM: what have we learned， where are we， and where do we go from here? [J]. Theor Chem Acc， 2007，117(2):185-199.

[20]Elbashir A A， Suliman F O. Computational modeling of capillary electrophoretic behavior of primary amines using dual system of 18-crown-6 and beta-cyclodextrin [J]. J Chromatogr A， 2011，1218(31):5344-5351.