酶抑制剂

维基百科,自由的百科全书
跳到导航 跳到搜索

酶抑制剂英语:Enzyme inhibitor)是一类可以结合并降低其活性的分子。酶抑制剂与酶的结合可以阻止底物进入酶的活性位点和/或阻止酶催化其反应。并非所有能和酶结合的分子都是酶抑制剂,酶激活剂也可以与酶结合并提高其活性。

酶抑制剂可以分为可逆和不可逆两种。不可逆抑制剂通常与酶发生化学变化(例如形成共价键),并可修改维持酶活性所需的关键氨基酸残基。相反,可逆抑制剂并非与酶共价结合,而是与酶和/或酶-底物复合物结合,产生不同类型的抑制。

由于抑制特定酶的活性可以杀死病原体或校正新陈代谢的不平衡,许多药物分子都是酶抑制剂,它们的发现和改进是生物化学药理学研究的一个活跃领域。评判一个药用酶抑制剂通常以它的特异性(不与其他蛋白质结合)及效价(解离常数,表示抑制酶所需的浓度)为指标。高特异性和高效价是药物具有更小的副作用,因而具有更低的毒性。一些酶抑制剂还被用作除草剂农药

酶抑制剂天然存在并参与代谢调节。例如,代谢途径中的酶可被下游产物抑制。当产物开始积聚时,这种负反馈会减慢生产的速度,并有助于维持细胞稳态。也有的细胞酶抑制剂是特异性结合并抑制标靶酶的蛋白质。这可以帮助控制可能对细胞有害的酶,如蛋白酶和核酸酶。一个典型例子是核糖核酸酶抑制剂,它可以与核糖核酸酶结合,是已知最紧密的蛋白质-蛋白质相互作用之一。天然酶抑制剂也可以作为毒药,用以防御食肉动物或杀死猎物。

可逆性抑制剂[编辑]

可逆抑制剂通过非共价相互作用附着于酶,例如氢键疏水相互作用离子键。抑制剂和活性位点之间的多个弱键结合产生紧密的特异性结合。与底物和不可逆抑制剂相反,可逆抑制剂在与酶结合时通常不发生化学反应,并且可以通过稀释或透析很容易地除去。

分类[编辑]

可逆性抑制剂可以根据改变底物浓度对抑制剂的影响分为四种。

不同的抑制类型。分类参考自[1]。图中,“E”表示酶(Enzyme);“I”表示抑制剂(Inhibitor);“S”表示底物(Substrate);“P”表示产物(Product);“ES”表示酶-底物复合物(E-S Complex)。

竞争性抑制剂[编辑]

竞争性抑制剂(英语:Competitive inhibitor)在结构上通常与底物相似。它和底物不能同时与酶结合,通常是由于它对酶的活性位点具有亲和力,而底物也与该位点结合,故底物和抑制剂竞争结合酶的活性位点。这种类型的抑制可以通过提高底物浓度,即与抑制剂竞争来克服(此时最大反应速度Vmax保持不变)。然而,表观米氏常数Km(反应速度达到Vmax一半时的底物浓度)将增加,因为需要更高的底物浓度才能达到一半的最大反应速度。[2]

非竞争性抑制剂[编辑]

非竞争性抑制剂(英语:Non-competitive inhibitor)通常与酶的非活性部位结合,降低酶的活性,但不影响酶与底物结合。故该抑制剂对反应的抑制程度取决于抑制剂的浓度。由于反应不能有效进行,Vmax将降低,但Km值将保持不变。[2]这是因为Km是酶与底物亲和力的量度,只能通过活性酶来测量。非竞争性抑制中固定量的无活性酶不影响Km,因此不变。[3]

反竞争性抑制剂[编辑]

反竞争性抑制剂(英语:Uncompetitive inhibitor)仅与酶-底物复合物结合,导致最大反应速度Vmax因酶-底物复合物被去除而降低。且由于复合物被去除,根据勒夏特列原理可得出酶与底物的结合速率会变快,因此Km值也会降低,酶与底物表现出更高的亲和力。[2]在反应中VmaxKm的比值保持不变。反竞争性抑制剂在底物浓度高时效果很好。

复合抑制剂[编辑]

复合抑制剂(英语:Mixed inhibitor)可以与酶的底物同时结合酶。然而,抑制剂的结合影响底物的结合,反之亦然。这种类型的抑制可以被克服,但不能通过增加底物浓度来克服。尽管复合抑制剂可能与酶的活性位点结合,但这种类型的抑制通常是由抑制剂结合酶上的多个位点而产生的变构效应导致。抑制剂与该变构位点的结合改变了酶的构象,从而降低了底物对活性位点的亲和力。

定量描述[编辑]

可以根据抑制剂与酶和酶-底物复合物的结合及其对酶的动力学常数的影响来定量描述可逆抑制。在下面的经典米氏动力学模型中,酶(E)与其底物(S)结合以形成酶-底物复合物(ES)。催化后,该复合物分解释放产物(P)和游离酶。抑制剂(I)可以分别以解离常数KiKi结合E或ES。

可逆酶抑制剂的动力学模型
  • 竞争性抑制剂可以与E结合,但不与ES结合。竞争性抑制增加Km(抑制剂干扰底物结合),但不影响Vmax(抑制剂不能与ES结合,足够多的底物仍可使反应达到原最大速度)。
  • 非竞争性抑制剂对E和ES具有相同的亲和力(Ki = Ki)。非竞争性抑制不改变Km(抑制剂不影响底物结合),但降低Vmax(抑制剂与ES的结合阻碍催化作用)。
  • 反竞争性抑制剂与ES结合,同时降低Km(提高酶与底物亲和力)和Vmax(阻碍催化作用),二者比值保持不变。
  • 复合抑制剂与E和ES结合,但它们对二者的亲和力是不同的(KiKi)。复合抑制剂干扰底物结合(增加Km)并阻碍ES复合物中的催化作用(降低Vmax)。

当酶具有多种底物时,抑制剂可以根据所抑制的底物表现不同类型的抑制。这是由于活性位点内含有不同的结合位点产生的,每个底物对应一个。例如,某抑制剂可能与底物A竞争第一个结合位点,但在第二个结合位点是底物B的非竞争性抑制剂。

解离常数测量[编辑]

如上所述,酶抑制剂的特征在于对酶和酶-底物复合物的两个解离常数KiKi。酶抑制剂常数Ki可以通过各种方法直接测量:一种极其准确的方法是等温滴定量热法,这种方法将抑制剂滴定到酶溶液中并测量释放或吸收的热量以测定解离常数。[4]然而,解离常数Ki难以直接测量,因为酶-底物复合物的存在时间较短,并且易发生生成酶与产物的化学反应。因此,Ki通常通过观察各种底物和抑制剂浓度下的酶活性,并将数据[5]拟合到稍有改动的米氏动力学方程

中间接测量,其中修饰因子α和α′由抑制剂浓度和它的两个解离常数

来定义。

因此,在抑制剂存在下,酶的有效KmVmax分别变为(α/α′)Km和(1/α′)Vmax。然而,改动的米氏动力学方程假定抑制剂与酶的结合已达到平衡,这对于具有亚纳摩尔级别解离常数的抑制剂可能是非常缓慢的过程。在这些情况下,将紧密结合的抑制剂作为不可逆抑制剂通常更为实际(参见下文);然而,如果Ki是独立测量的,那么仍然可以动态地估计Ki

可以使用米氏动力学方程的图象表示来显示不同类型的可逆酶抑制剂对酶活性的影响,例如双倒数图和Eadie-Hofstee图象。然而,从这些图中准确估计KiKi可能很困难[6] ,因此使用非线性回归方法估算这些常数更为可靠,如上所述。

不可逆性抑制剂[编辑]

不可逆抑制剂通常通过与酶形成共价键来抑制酶的活性,因此这种抑制不能逆转。不可逆抑制剂通常含有活性官能团,例如氮芥卤代烷烯烃迈克尔受体苯磺酸盐,MAFP等。这些亲电体与氨基酸侧链反应形成共价加合物,修饰含亲核体(如羟基巯基)侧链的残基,包括氨基酸丝氨酸半胱氨酸苏氨酸酪氨酸等。[7]

发现与设计[编辑]

用于高通量筛选化合物库以发现新化合物的机器人。

新的药物是长期药物研发过程中的产物,而发现新药的第一步往往是发现新的酶抑制剂。在过去,发现新抑制剂的唯一途径是反复实验:筛选大量的化合物对抗靶酶 ,并希望出现一些有效的引物。这种暴力的方法仍然是成功的,甚至通过组合化学方法扩展,快速生产大量的新化合物,并使用高效筛选技术快速筛选这些巨大的化合物库来寻找有效的抑制剂。[8]

最近,一种新方法被广泛应用:合理药物设计利用酶活性位点的三维结构来预测哪些分子可能是抑制剂。[9]对这些预测出的化合物进行测试,新型抑制剂就可能会从这些化合物中产生。然后,对这种抑制剂与酶形成的抑制剂—酶复合物进行测试并获得酶的结构,以显示分子如何与活性位点结合,从而可以对抑制剂进行修改以优化其与酶的结合。重复该测试和改进,直到产生足够有效的抑制剂。[10]使用计算机预测酶抑制剂亲和力的方法也正在开发中,例如分子对接分子力学

应用[编辑]

酶抑制剂存在于自然界中,也在药理学生物化学等领域设计和生产。天然毒物通常是酶抑制剂,它们的进化得以保护动植物免受捕食者的侵害。这些天然毒素包括一些已知的毒性最强的化合物。人工抑制剂通常用作药物,但也可以是杀虫剂(如马拉硫磷),除草剂(如草甘膦),或消毒剂(如三氯生)。其他人工酶抑制剂可抑制乙酰胆碱酯酶(一种分解乙酰胆碱的酶),可用作化学战中的神经毒剂

参考文献[编辑]

  1. ^ (英文)Cleland, W.W. The Kinetics of Enzyme-catalyzed Reactions with two or more Substrates or Products 2. {I}nhibition: Nomenclature and Theory. Biochim. Biophys. Acta. 1963, 67: 173–187. 
  2. ^ 2.0 2.1 2.2 Enzyme 3,4. 
  3. ^ BB 450 Oregon State University (英语). 
  4. ^ Holdgate, GA. Making cool drugs hot: isothermal titration calorimetry as a tool to study binding energetics. BioTechniques. 2001, 31 (1): 164–6, 168, 170 passim. PMID 11464510 (英语). 
  5. ^ Leatherbarrow, RJ. Using linear and non-linear regression to fit biochemical data. Trends in Biochemical Sciences. 1990, 15 (12): 455–8. PMID 2077683. doi:10.1016/0968-0004(90)90295-M (英语). 
  6. ^ Tseng, SJ; Hsu, JP. A comparison of the parameter estimating procedures for the Michaelis-Menten model. Journal of Theoretical Biology. 1990, 145 (4): 457–64. PMID 2246896. doi:10.1016/S0022-5193(05)80481-3. 
  7. ^ Lundblad R. L. Chemical Reagents for Protein Modification CRC Press Inc (2004) ISBN 0-8493-1983-8
  8. ^ Koppitz M, Eis K; Eis. Automated medicinal chemistry. Drug Discov. Today. 2006, 11 (11–12): 561–8. PMID 16713909. doi:10.1016/j.drudis.2006.04.005. 
  9. ^ Scapin G. Structural biology and drug discovery. Curr. Pharm. Des. 2006, 12 (17): 2087–97. PMID 16796557. doi:10.2174/138161206777585201. 
  10. ^ Gohlke H, Klebe G; Klebe. Approaches to the description and prediction of the binding affinity of small-molecule ligands to macromolecular receptors. Angew. Chem. Int. Ed. Engl. August 2002, 41 (15): 2644–76. PMID 12203463. doi:10.1002/1521-3773(20020802)41:15<2644::AID-ANIE2644>3.0.CO;2-O. 

参看[编辑]

外部連結[编辑]