Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1226-2587(Print)
ISSN : 2288-9507(Online)
Journal of the Society of Cosmetic Scientists of Korea Vol.39 No.4 pp.329-335
DOI :

4-Hydroxybenzyl alcohol 유도체들의 Tyrosinase 활성 저해에 대한 3D-QSAR 분석

김상진, 성낙도*
대전보건대학교 화장품과학과
케모리랩
*충남대학교 평화안보대학원 과학수사학과

3D-QSAR Analyses on the Inhibition Activity of 4-Hydroxybenzyl alcohol Analogues Against Tyrosinase

Sang Jin Kim, Nack Do Sung*

Department of Cosmetic Science, Daejeon Health Science College, 21 Chungjeong-ro, Dong-gu, Daejeon 300-711, Korea.
Chemolee Lab, 3820 Conflans Rd Irving, Texas 75061 USA
*Department of Scientific Criminal Investigation, Chungnam National University, 99 Daehak-ro, Yuseong-gu, Daejeon 305-764, Korea
주 저자 (e-mail: kimsj@hit.ac.kr)
(Received July 15, 2013; Revised July 23, 2013; Accepted August 30, 2013)

Abstract

Three-dimensional quantitative structure-activity relationships (3D-QSARs) models between the substituentswith changing groups (R1 & R2) of 4-hydroxybenzyl alcohol (4-HBA) derivatives as substrate molecule and their inhibitoryactivities against tyrosinase were derived and discussed quantitatively. The optimized CoMSIA FF modelshowed the best predictability and fitness (r2 = 0.858 & q2 = 0.951). The contour maps of the optimized CoMSIA FFmodel showed that, the inhibitory activities of the analogues against tyrosinase were expected to increase when hydrophobic(Hy) favor, negative charge (E) favor, steric (S) disfavor and hydrogen bond donor (HD) disfavor groups weresubstituted at the R2 position. When the hydrogen bond donor (HD) favor groups were substituted at the R1 position,it is predicted that the substituents will be able to increase the inhibitory activity.

1. 서 론

 피부의 색은 melanin이나 hemoglobin과 같은 색소들의 함량에 따라 결정되며 가장 크게 영향을 미치는 색소는 melanin으로 알려져 있다. Melanin은 tyrosine이 tyrosine hydroxylase와 같은 효소의 작용을 받아 dopa로 바뀌면서 합성이 시작되어[1], yellow, yellow-f 및 yellow-f2 protein들에 의해 검정색의 dopa melanin으로 바뀌는데[2,3] 종합적으로는 tyrosinase, TRP-1 (Tyrosine Related Protein-1)과 TRP-2 (또는 DCT : dopachrome tautomerase)와 같은 효소들에 의하여 생합성 되어 자외선을 차단하거나 collagen의 파괴를 막아주는 역할을 한다[4]. 하지만 melanin은 피부를 탁하고 어둡게 보이는 등 미적인 측면에서 기피의 대상이 되고 있어 melanin생성을 차단 또는 저해하기 위한 연구가 요구 되고 있다.

 Melanin생성을 차단 또는 저해하는 방법으로는 자외선차단, tyrosinase 생합성저해[5], tyrosinase 활성저해, 항산화, 생성된 melanin색소 파괴 및 각질박리 등의 다양한 방법이 적용되고 있으며 각각의 방법에 적합한 다양한 소재들이 개발되어 미백용 제품에 적용되고 있다. 자외선을 차단하는 가장 일반적인 성분으로는 TiO2 및 ZnO[6]와 같은 무기물질과 PABA 유도체, cinnamic acid 유도체, benzophenone 유도체 및 salicylic acid 유도체 등의 유기물질이 사용되고 있다. Tyrosinase 활성저해제로는 L-tyrosine과 경쟁적 저해작용을 하는 arbutin 등과 tyrosinase 활성부위의 Cu 이온과 킬레이트를 형성하여 tyrosinase의 활성을 비경쟁적으로 저해하는 kojic acid 등이 많이 알려져 있다[7-9]. Tyrosinase는 tyrosine을 DOPA로 전환시키는 tyrosine hydroxylase 역할과 DOPA를 DOPAquinone으로 산화시키는 DOPA oxidase의 역할을 한다. TRP-2라고 알려진 DCT는 DOPAchrome을 DHICA (5,6-dihydroxyindole-2-carboxylic acid)로 이성화(isomerization)시키는 이성화 효소이고, TRP-1은 DHICA를 indole-5,6-quinone-2-carboxylic acid로 산화시키는 역할을 하는 산화효소이다[10,11]. 한편, tyrosinase 활성저해제 탐색은 melanin 생합성의 출발물질인 tyrosine과 구조가 비슷한 화합물이 연구 대상물질로 거론되고 있다. 이는 tyrosine의 hydroxyl-기가 tyrosinase의 Cu 이온과 반응하여 melanin 생합성을 시작함으로[12], tyrosine과 tyrosine과 tyrosine과 구조가 비슷한 화합물이 tyrosinase에 대하여 경쟁적으로 반응하기 때문이다. 아울러 phenolic monomer가 산화되어 polymer를 형성함으로서 어두운 melanin이 생성되는데[13], 생합성 도중에 고리화합물인 indole이 만들어져야만 polymer를 형성할 수 있는 활성부위가 생기므로[14] indole을 생성할 수 없는 구조를 지닌 화합물을 탐색하는 것도 매우 바람직할 것이다[15].

 본 연구에서는 tyrosinase 활성부위의 Cu 이온과 반응하여 melanin생성 저해활성을 나타낼 것으로 예상되는 tyrosine과 구조적으로 유사한 phenol성 화합물로서 4-hydroxybenzyl alcohol 유도체(4-HBA; Figure 1)를 대상으로 3차원적인 정량적 구조-활성 상관관계(3DQSAR)를 분석하였다. 3D-QSAR은 활성과 구조와의 관계를 정량적으로 분석할 수 있는 가장 강력한 약물설계(drug design) 방법 중의 하나로 여기에서 유도한 비교분자장분석(CoMFA)과 비교분자유사성지수분석(CoMSIA) 모델은 tyrosinase 활성저해에 대한 4-HBA 유도체 중 치환기(R1 및 R2)들의 영향을 구체적으로 예측할 수 있게 하였다.

Figure 1. General structure of 4-hydroxybenzyl alcohol (4-HBA) analogues.

2. 재료 및 실험

2.1. 분자 모델링

 기질분자로 사용된 4-hydroxybenzyl alcohol (4-HBA)유도체들의 치환기(R1및 R2)변화에 따른 tyrosinase의 활성저해값(Obs.pI50)은 문헌을 활용하였다[16]. CoMFA 및 CoMSIA 분석은 Sybyl 분자모델링(Tripos Inc.)[17]소프트웨어(Ver.8.0)를 사용하였고, 특정원자의 부분적인 전하는 Gasteiger-Huckel전하를 적용하였으며[18] 3차원 공간상에 분자정렬은 atom base fit (AF)과 field fit (FF)의 2가지 방법을 적용하였다[19,20]. 모델의 상관성을 높이기 위하여 CoMFA는 입체장(S)과 정전기장(E) 그리고 소수성장으로 조합된 모델로 유도하였고, CoMSIA는 입체장(S), 정전기장(E), 소수성장(Hy) 및 H-bond 주게장(HD)과 H-bond 받게장(HA)으로 조합된 모델을 유도하였다[21].

2.2. PLS 및 등고도 분석

 최적의 3D-QSAR 모델은 부분최소자승(PLS)법으로 3차원 공간상에 정렬된 화합물들의 3D 구조적 특징에 관한 설명인자와 생물활성 간의 상관관계를 분석하여 유도하였다[22,23]. 최적의 예측성 값(r2cv. 또는 q2)은LOO 교차확인(leave-one-out cross-validation) 결과로부터 얻어지는 squared prediction errors의 합인 PRESS(predictive residual sum of squares)값을 계산하여 구하였다. 성분수 또한 LOO 교차확인 결과로부터 구하였다. 최적의 상관성(r2ncv.)값은 비교차 확인으로 결정하였는데 CoMFA, CoMSIA (standard 및 column filtering; 2.0 Kcal/mol) 조건으로 구하였다. 유도된 모델의 r2ncv.값과 q2값이 각각 0.90 이상, 0.5 이상이면 안정성과 합리적인 예측성을 가질 것으로 판단할 수 있다[24]. 통계값 중 n은 각 회귀분석에 사용된 화합물의 수이고 r은 상관 계수, r2는 유의성, q2는 예측성, F는 상관율이며 s는 표준편차이다. 아울러 유도된 최적 3D-QSARs 모델들로부터 구조-활성관계에 관련한 정보에 기초한 기질분자의 구조적인 특징과 활성과의 관계를 시각적으로 나타내기 위하여 기질분자 내 tyrosinase 활성저해가 가장 높게 나타난 field fit으로 정렬된 CoMSIA2 모델의 특성을 3차원 공간상에 등고도(contour map)로 표시하였다.

3. 결과 및 고찰

3.1. Tyrosinase 활성저해

 Table 1에 기질분자(Figure 1)인 4-HBA 유도체들의 치환기(R1 및 R2)가 변화함에 따라 관측된 tyrosinase 활성저해값(Obs.pI50)과 두 정렬조건(AF 및 FF)에서 가장 양호한 통계값을 보인 CoMFA 2 모델과 CoMSIA2 모델로 예측한 활성저해값(Pred.pI50)을 정리하였다. 그리고 이들 두 값들의 차(ΔpI50)도 함께 정리하였다. 기질분자 중에서 R1 = H, R2 = OH인 치환체(7)가 가장 낮은 tyrosinase 활성저해값(Obs.pI50 = 2.25)을, R1 = H, R2 = CH2OCOCH2CH3치환체(4)가 가장 높은 tyrosinase 활성저해값(Obs.pI50 = 4.03)을 나타내었는데 활성저해값의 차이는 ΔObs.pI50 = 1.78이었다. 특히, R1 = H 치환체의 tyrosinase 활성저해값을 살펴볼 때, 4-HBA 유도체 중 R1-치환체가 용이하게 탈 양성자화가 일어나야만 즉, 산화되어 활성화되어야만 용이하게 tyrosinase 활성저해 작용을 하게 될 것이라고 예상할 수 있으며, 이를 위해서는 R1-치환기가 비 치환체(H)이어야 함을 측정값은 잘 설명해주고 있다. 또한, R2-치환체들은 입체적으로 크거나(8) 작은 경우(1, 3, 5 및 7)에 활성저해값이 비교적 낮은 값을 나타내는 경향이었다.

Table 1. Observed Inhibition Activity (Obs. pI50) Against Tyrosinase and Predicted Inhibition Activity (Pred.pI50) by the Optimized 3D-QSAR Models

 Tyrosinase의 활성저해값(Obs.pI50)과 최적화된 CoMSIA 2 모델로 예측한 활성값(Pred.pI50)과의 상관관계를 Figure 2에 나타내었다. Figure 2에서 볼 수 있는 바와 같이 training set에 대한 관측값과 예측값과의 관계식(Pred.pI50 = 0.954 Obs.pI50 + 0.134, n = 8, s = 0.171, F = 120.657, r2= 0.953 및 q2= 0.888)으로부터, 유도된 관계식은 유의성(r2)이 > 0.90이고 예측성(q2)이 >0.50 이어서 매우 양호한 관계식이라고 판단할 수 있다.

Figure 2. Relationship between observed inhibition activity (Obs.pI50) against tyrosinase and predicted inhibition activity (Pred.pI50) by the optimized CoMSIA 2 model (For training set : Pred.pI50 = 0.954 Obs.pI50 + 0.134 n = 8, s = 0.171, F = 120.657, r2 = 0.953 & q2 = 0.888).

3.2. 3D-QSAR 모델

 CoMFA장과 CoMSIA장의 조합에 따라 유도된 모델들의 통계값은 Table 2에 정리하였다. 정렬에 따른 모델의 PLS 분석결과를 비교한 바, AF 정렬과 FF 정렬에는 큰 차이가 없었다. 그러나 Grid 1.0 Å에서 CoMSIA 모델(r2cv = 0.85, r2ncv = 0.95, SEncv. = 0.177)의 예측성과 상관성이 Grid 2.5 Å 조건에서 CoMFA 모델(r2cv = 0.79, r2ncv = 0.897, SEncv. = 0.259) 보다 더 양호하였다. 또한, Figure 3에서 볼 수 있는 바와 같이 CoMSIA 모델은 probe atom과 기질분자 내 원자들 사이의 거리에 관련한attenuation factor (α)와 q2(또는r2cv) 값과의 관계로부터 α = 0.6일 때 가장 높은 q2값을 나타내었다. 그러므로 두 정렬조건에서 유도된 3D-QSAR 모델 중에서 가장 양호하게 최적화된 모델은 CoMSIA 2 모델이었다.

Table 2. Summary of the Statistical Parameters of 3D-QSAR Models with Two Alignments

Figure 3. Variation of q2 upon changing the attenuation factor, α used in the distance dependence between the probe atom and the atoms of the molecules in CoMSIA 2 model (The number on top of the point indicates the optimum number of components).

 Table 3에는 각 정렬조건에서 유도된 모델에 따라  tyrosinase의 활성저해에 미치는 특성장(field)에 따른 기여도의 비율(%), 예측값과 관측값과의 평균편차(Ave.) 및 PRESS값을 정리하였다. FF 정렬조건과 입체장(S), 정전기장(E), 소수성장(H)과 수소결합 주게장(HD) 및 수소결합 받게장(HA)이 조합된 조건에서 유도된 최적화된 CoMSIA 2 모델을 분석한 결과 tyrosinase 활성저해에 미치는 영향력은 입체장이 25.3%, 정전기장이 34.1%, 소수성장이 21.0%, 수소결합 주게장이 19.5%로 분석되어 정전기장 > 입체장 > 소수성장 > 수소결합 주게장의 순서로 영향을 미치는 것을 알 수 있었다.

Table 3. Summary of Field Contribution, Ave. and PRESS of 3D-QSAR Models

3.3. CoMSIA 등고도

 기질 유도체 중에서 tyrosinase의 활성저해를 가장 잘 설명하는 최적화된 CoMSIA 2 모델의 입체장과 정전기장에 대한 등고도를 Figure 4에 그리고 소수성장과 H-bond 주게장에 대한 등고도는 Figure 5에 각각 나타내었다. 입체장과 정전기장에 관한 등고도(Figure 4)에서 기질분자의 R2-치환기에는 입체적으로 크기가 작고, moiety의 끝 부근은 음전하를 띄며, R1-치환기가 인접한 부근에는 R1-치환기와 반응할 수 있도록 양전하를 띄는 작용기가 위치할수록 효과적으로 tyrosinase 활성저해 작용을 할 것으로 예상되었다. 소수성장과 수소결합 주게장에 대한 등고도(Figure 5)에서 R1-치환기는 수소결합을 선호하는(Cyan) 치환체가 위치하여야 활성저해가 가능함을 암시하며, R2-치환기의 첫 번째 탄소에는 크기가 작은 친수성이고 그 주위와 치환기의 끝 부분은 소수성으로 둘러싸였으며, C1과 C3 주위에는 수소결합 주게장을 싫어하는 작용기가 위치할때 효과적으로 tyrosinase 활성저해 작용을 나타낼 것으로 예상되었다.

Figure 4. The contour map for the steric field (Yellow; steric disfavor) and electrostatic field (Green; positive charge favor, Red; negative charge favor). The most active compound (4) is shown in capped sticks.

Figure 5. The contour map for the hydrophobic field (Brown; hydrophobic favor, Gray; hydrophilic favor) and H-bond donor field (Cyan; H-bond donor favor. Green; H-bond donor disfavor). The most active compound (4) is shown in capped sticks.

 다음에는 본 연구를 바탕으로 4-HBA 유도체들을 tyrosinase에 bio-docking과 virtual screening을 시도하여 기질-수용체 사이의 상호작용에 관하여 검토하고자 한다.

Reference

1.T. R. Wright, The genetics of biogenic amine metabolism, sclerotization, and melanization in Drosophila melanogaster, Adv. Genet., 24, 127 (1987).
2.P. J. Wittkopp, J. R. True, and S. B. Carroll, Reciprocal functions of the Drosophila yellow and ebony proteins in the development and evolution of pigment patterns, Development, 129, 1849 (2002).
3.P. J. Wittkopp, K. Vaccaro, and S. B. Carroll, Evolution of yellow gene regulation and pigmentation in Drosophila, Curr. Biol., 12(18), 1547 (2002).
4.Melanins and melanosomes: Biosynthesis, structure, physiological and pathological functions, eds. J. Borovansky and P. A. Riley, 87, John Wiley & Sons, Hoboken NJ (2011).
5.R. Bazl, M. R. Ganjali, H. Derakhshankhah, A. Saboury, M. Amanlou, and P. Norouzi, Prediction of tyrosinase inhibition for drug design using the genetic algorithm–multiple linear regressions, Med. Chem. Res., 11(22), 5453 (2013).
6.S. E. Cross, B. Innes, M. S. Roberts, T. Tsuzuki, T. A. Robertson, and P. McCormick, Human skin penetration of sunscreen nanoparticles: In-vitro assessment of a novel micronized Zinc Oxide formulation, Skin Pharmacol Physiol., 20(3), 148 (2007).
7.G. Battaini, E. Monzani, L. Casella, L. Santagostini, and R. Pagliarin, Inhibition of the catecholase activity of biomimetic dinuclear copper complexes by kojic acid, J. Biol. Inorg. Chem., 5(2), 262 (2000).
8.T. S. Chang, An updated review of tyrosinase inhibitors, Int. J. Mol. Sci., 10(6), 2440 (2009).
9.W. J. Hu, L. Yan, D. Park, H. O. Jeong, H. Y. Chung, J. M. Yang, Z. M. Ye, and G. Y. Qian, Kinetic, Structural and molecular docking studies on the inhibition of tyrosinase induced by arabinose, Int. J. Biol. Macromol., 50(3), 694 (2012).
10.H. Z. Hill, W. Li, P. Xin, and D. L. Mitchell, Melanin: A two edged sword?, Pigment Cell Res., 10(3), 158 (1997).
11.M. Seiberg, Keratinocyte-melanocyte interaction during melanosome transfer, Pigment Cell Res., 14(4), 236 (2001).
12.N. D. Sung, H. S, Jung, and S. J. Kim, Hydrolytic reactivity and holographic quantitative structure-activity relationship analysis on the melanogenesis inhibitory activities of Alkyl-3,4-dihydroxybenzoate and N-Alkyl-3,4-dihydroxy benzamide derivatives, J. Soc. Cosmet. Scientists Korea, 30(4), 491 (2004).
13.A. L. Vagstad, E. A. Hill, J. W. Labonte, and C. A. Townsend, Characterization of a fungal thioesterase having claisen cyclase and deacetylase activities in melanin biosynthesis, Chem. Biol., 19(12), 1525 (2012).
14.Korea Patent 10-1154233-0000 (2012).
15.N. W. Boaz and S. K. Clendennen, A Green, Solvent-free biocatalytic method to produce cosmetic esters, Cosmetics & Toiletries, 124(7), 56 (2009).
16.R. R. Mittal, L. Harris, R. A. McKinnon, and M. J. Sorich, Partial charge calculation method affects CoMFA QSAR prediction accuracy, J. Chem. Inf. Model., 49(3), 704 (2009).
17.H. Waterbeemd, Advanced computer-assisted techniques in drug discovery, 9, Wiley online library, Hoboken NJ USA (2008).
18.Statistical modelling of molecular descriptors in QSAR/QSPR, eds. M. Dehmer, K. Varmuza, and D. Bonchev, 293, Wiley-Blackwell, Hoboken NJ USA (2012).
19.J. H. Lee, P. K. Myung, S. J. Kim, and Nack-Do Sung, Minimum structural requirements for herbicidal evaluation of 5-(R1)-6-(R2)-N-(R3-phenyl)-pyrazine- 2-carboxamide analogues as new class potent herbicide, J. Korean Soc. Appl. Biol. Chem., 53(4), 440 (2010).
20.R. D. Cramer, J. D. Bunce, and D. E. Patterson, Crossvalidation, Bootstrapping, and partial least squares compared with multiple regression in conventional QSAR studies, Quant. Struct. Act. Relat., 7(1), 18 (1988).
21.J. Verma, V. M. Khedkar, and E. C. Coutinho, 3D-QSAR in drug design - a review, Curr. Top. Med. Chem., 10(1), 95 (2010).
22.R. D. Clark, and P. C. Fox, Statistical variation in progressive scrambling. J. Compt. Aided. Mol. Des., 18(7), 563 (2004).