大环化合物 Macrocycle：跨越类药规则的分子设计

大环（macrocycle）通常指含 12 元及以上环的化合物。它们在类药空间中占据特殊位置：分子量常超过 Ro5 上限，却能保持良好的口服吸收。理解这个「例外」，对设计难成药靶点的分子很有启发。

大环的两个核心优势

• 构象预组织：环化本身限制了构象自由度。相比同样大小的线性分子，大环结合时损失的构象熵少得多——这直接转化为更高的亲和力。
• 更大的接触面积：能覆盖平坦的 PPI 界面，而常规小分子难以做到。同时保持了足够的构象柔性来适应界面。
• 介于两者之间的性质：比线性肽稳定（抗蛋白酶），比蛋白小得多。

为什么能突破 Ro5

与降解剂类似（见 362《降解剂成药性》），大环靠分子伞效应实现通透：

• 水相中：伸展构象，极性基团朝外与水形成氢键，保持溶解度；
• 膜环境中：塌缩折叠，形成分子内氢键，把极性基团藏进内部，疏水面朝外，从而穿过膜；
• 环化本身促进了这种塌缩——环的几何约束让供受体更容易配对。

环孢素是最经典的案例：MW 1202、11 个氨基酸的环肽，含多个 N-甲基化酰胺，口服生物利用度可观。它的分子内氢键网络在膜环境中形成，是分子伞行为的教科书例子。

影响通透性的设计因素

因素	影响
N-甲基化	减少 HBD + 促进构象塌缩，最有效的手段
分子内氢键能力	决定能否塌缩
暴露的 HBD 数量	越少越好（比 MW 更重要）
环大小	影响柔性与塌缩能力
侧链疏水性	塌缩后需要疏水外表面
构象刚性	过刚则无法塌缩，过柔则熵代价大

计算处理的特殊要求

大环的构象生成是常规工具的弱项，必须专门处理：

from rdkit import Chem
from rdkit.Chem import AllChem
import numpy as np

def generate_macrocycle_conformers(smiles, n_confs=500, seed=0xf00d):
    """大环构象生成 —— 必须启用大环扭转"""
    mol = Chem.AddHs(Chem.MolFromSmiles(smiles))

    params = AllChem.ETKDGv3()
    params.randomSeed = seed
    params.useMacrocycleTorsions = True      # 关键：大环专用扭转知识
    params.useSmallRingTorsions = True
    params.pruneRmsThresh = 1.0
    params.numThreads = 0
    params.maxIterations = 2000              # 大环需要更多迭代

    cids = AllChem.EmbedMultipleConfs(mol, numConfs=n_confs, params=params)
    if not cids:
        # 嵌入失败时的后备方案
        params.useRandomCoords = True
        cids = AllChem.EmbedMultipleConfs(mol, numConfs=n_confs, params=params)

    res = AllChem.MMFFOptimizeMoleculeConfs(mol, numThreads=0, maxIters=5000)
    return mol, cids, res

# 常见问题：
#   1) 嵌入失败率高 —— 大环的距离几何约束更难满足
#   2) 构象覆盖不足 —— 需要更多构象数
#   3) 高能构象 —— 需要充分的力场优化
#   4) 环翻转（ring flipping）—— 不同的环构象可能都重要

评估塌缩能力

def count_intramolecular_hbonds(mol, conf_id, max_dist=3.5):
    """统计构象中的分子内氢键 —— 塌缩能力的关键指标"""
    conf = mol.GetConformer(conf_id)
    donors, acceptors = [], []
    for a in mol.GetAtoms():
        if a.GetSymbol() in ("N", "O"):
            if a.GetTotalNumHs() > 0:
                donors.append(a.GetIdx())
            acceptors.append(a.GetIdx())

    count = 0
    for d in donors:
        for acc in acceptors:
            if d == acc or mol.GetBondBetweenAtoms(d, acc):
                continue
            # 排除通过 2~3 个键相连的（不算真正的分子内氢键）
            path = Chem.GetShortestPath(mol, d, acc)
            if len(path) < 5:
                continue
            dist = np.linalg.norm(
                np.array(conf.GetAtomPosition(d)) -
                np.array(conf.GetAtomPosition(acc)))
            if dist < max_dist:
                count += 1
    return count

# 分析构象系综
mol, cids, _ = generate_macrocycle_conformers(smiles)
hb_counts = [count_intramolecular_hbonds(mol, cid) for cid in cids]
print(f"分子内氢键: 中位 {np.median(hb_counts):.1f}, 最多 {max(hb_counts)}")
print(f"能形成 ≥3 个分子内氢键的构象比例: "
      f"{np.mean([c >= 3 for c in hb_counts]):.1%}")

# 该比例高 → 有塌缩能力，通透性可能优于静态性质的预期

大环的合成来源

来源	特点
天然产物	许多大环药物源自天然产物（大环内酯、环肽等）
大环化线性前体	头尾环化、侧链环化
关环复分解（RCM）	最常用的合成大环方法之一
点击化学	叠氮-炔环加成，条件温和
DNA 编码库	可构建超大规模大环库
mRNA 展示	环肽的超大文库筛选

合成难度是大环的主要限制：关环反应的产率常受构象影响（成环 vs 聚合的竞争），且难以预测。这是设计时必须与合成化学家紧密配合的地方。

适用的靶点类型

• PPI 界面：面积大、相对平坦，大环的接触面积合适（见 382《PPI 抑制剂》）；
• 浅口袋：常规小分子结合太弱，大环能覆盖更大面积；
• 需要高选择性：更多接触点带来更好的区分度；
• 转运体与通道：某些体系适合大环。

延伸资源

• 多肽：372《多肽药物设计》、374《多肽通透性与口服化》；降解剂性质：362《降解剂成药性》；
• PPI：382《PPI 抑制剂》；构象生成：279《OpenEye Omega》。