Xây dựng mô hình toán học nhằm phát hiện hợp chất ức chế tyrosinase mới chỉ từ cấu trúc phân tử

_________________ - I »BÀI NGHIÊN cứu ’ ^ Xây dựng mô hình toán học nhằm phát hiện hợp chất ức chế tyrosinase mới chỉ từ cấu trúc phân tử Lê Thị Thu Hường', Phạm Thê' HảP, Bùi Thanh Tù

_ - I »

BÀI NGHIÊN cứu ’ ^

Xây dựng mô hình toán học

nhằm phát hiện hợp chất ức chế

tyrosinase mới chỉ từ cấu trúc phân tử

Lê Thị Thu Hường', Phạm Thê' HảP, Bùi Thanh Tùng', Nguyễn Thanh Hải'

' Khoa Y Dược, Đại học Quốc Gia Hà Nội; ^ Trường Đại học Dược Hà Nội

SUMMARY

In this study, 4 QSAR models are successfully developed and validated for the identification of potential TIs from molecular structures A database of 701 TIs and 728 non-Tls and 2D TOMOCOMD-CARDD molecular descriptors are used The Cluster Analysis and the Linear Discriminant Analysis are employed to obtain models OECD principles are used to validate the QSAR models The global accuracy of individual models in the training set and test set are superior than 85.2% và 83.1 % respectively Taking into account the OECD principles, model quality has been demonstrated, suggesting the suitability of applied methodology The models developed in

particular ƠS well as current research methods in general could be used for saving time and money in early screening phase to identify

new leơd-like compounds amenable for developing ơntidepỊgmentant product

Từ khóa: hợp chất ức chế tyrsosinase, mô hình QSAR, nguyên tốc OECD.

Đặt vấn đề

Màu da của con người được quyết định bởi nhiểu

yếu tố khác nhau, trong đó yếu tố chính là sự sản xuất

và phân bố trên da của sắc tố melanin Melanin được

sản xuất trong tế bào melanocyte của lớp biểu bì, dưới

tác dụng của enzym tyrosinase Vi thế, các hợp chất ức

chế tyrosinase (UT) được sử dụng làm thuốc điều trị

các bệnh về tăng sắc tố da như nám da, sạm da, tàn

nhang, đồi mồi, đốm nâu và trong các sản phẩm mỹ

phẩm làm trắng da Việc tìm kiếm những hợp chất mới

UT luôn thu hút mối quan tâm của các ngành công

nghiệp dược và mỹ phẩm Để tiết kiệm thời gian và

công sức, việc phát triển các nghiên cứu vể mối quan

hệ định lượng giữa cấu trúc và hoạt tính của các hợp

chất {Quantitive Structure Actitity Relationship - QSAR)

có nhiểu ưu thế Các mô hình QSAR có thể được sử

dụng như một công cụ để dự đoán hoạt tính của các

chất chỉ dựa vào thông tin cấu trúc phân tử Ngoài ra,

chúng cũng được sử dụng để xác định các đặc điểm

cấu trúc quan trọng cho hoạt tính Trong nghiên cứu

này, dựa trên mối quan hệ cấu trúc và hoạt tính UT,

các mô hình toán học QSAR được xây dựng nhằm

sàng lọc và phát hiện các hợp chất UT tiểm năng

Nguyên liệu và phương pháp nghiên cứu

Nguyên liệu

C ơ sở dữ liệu (CSDL) gồm: Tập A [701 phân tử

đã được chứng minh tác dụng ức chế tyrosinase

6 Nghỉên cứu dưỢữl hông tin t h u õ c ! Số 1/2015

(active)] và tập B [728 thuốc với các tác dụng dược lý

khác nhau chưa được chứng minh khả năng ức chế

tyrosinase (inactive)] Các hợp chất ƯT này được lựa

chọn từ 153 bài báo khoa học đăng trên tạp chí quốc

tế Các bài báo được tìm kiếm theo từng nhà xuất bản, theo Pubmed và cơ sở dữ liệu của Scopus Quá trình

tìm kiếm sử dụng từ khóa "tyrosinase inhibitor(s)" (hợp

chất ƯT) Kết quả là các công bố từ năm 1974 đến nay

có chứa cụm từ "tyrosinase inhibitor'’trong tên (title), các từ khóa {keywords) hoặc tóm tắt {abstract) Các

công bố là các bài báo đăng trên các tạp chí quốc tế, hay kỷ yếu của các hội nghị khoa học Các hợp chất

inactive được thu thập từ sách Negwer Handbook [1 ]

Phương pháp nghiên cửu

Phương pháp xây dựng các mô hình QSAR

Mô hình QSAR là mô hình biểu diễn mối liên hệ định lượng giữa cấu trúc và tác dụng sinh học của các chất Để xây dựng được các mô hình này thì cả cấu trúc và tác dụng sinh học đểu phải được định lượng hóa Mô hình QSAR sẽ có dạng:

Y-a,{x,) + a(x)+ +a„'(xJ Trong đó, Y là biến đáp ứng (mang 2 giá trị: +1 đối với các hợp chất có tác dụng ức chê' tyrosinase

và -1 đối với các hợp chất không có tác dụng ức chế tyrosinase); X,,XJ,X là các tham số phân tử đặc trưng cho cấu trúc; a,, a là các hằng số thể hiện trọng số của từng tham số phân tửx đối với tác dụng sinh học Tính toán các tham số phân tử đặc trưng cho cấu

trúc (tham số cấu trúc): Tham số cấu trúc là một số

thu được từ một quá trình toán học và logic chuyển

đổi thông tin được mã hóa trong cấu trúc hóa học [2]

Trong nghiên cứu này, các tham số được tính toán sử

dụng phẩn mểm TOMOCOMD-CARDD [3] Các tham

số này được tính toán dựa trên cấu trúc 2D phân tử

Các nguyên tử, được đặc trưng bằng các tính chất

nguyên tử [khối lượng nguyên tử (M), độ phân cực

(P), thể tích Van der Waals (V), độ âm điện Mulliken

(K)] Các chỉ số bậc hai [qk{y), qkL(v), qkH(\/), qkLH

(1^)] [4], tuyến tính [fk(v), fkL(v), fkH(v), fkiH M] [5] và

song tuyến tính [bk{vn,zm), bkL(vn,zm), bkH{vn,zm),

bkLH(vn,zm)] [6] được tính toán.

Thiết kế tập huấn luyện và tập kiểm trơ: CSDL ban

đẩu được phân chia thành tập huấn luyện (để xây

dựng các mô hình) và tập kiểm tra (để đánh giá khả

năng ngoại suy của mô hình) bằng kỹ thuật phân

tích cụm của chương trình STATISTICA 9.0 Phương

pháp này chia mỗi tập A và tập B thành 15 cụm Từ

từng cụm trên, lấy ra 75% các hợp chất để xây dựng

tập huấn luyện và 25% các hợp chất để xây dựng tập

kiểm tra

Phát triển các mô hình QSAR- Kỹ thuật phân tích sự

khác biệt tuyến tính (viết tắt theo tiếng Anh: LDA) của

chương trình STATISTICA 9.0 [7] được sử dụng để xây

dựng mô hình chọn nhóm các phân tử có tác dụng

ức chế enzym tyrosinase Các tham số mô tả phân

tử được lựa chọn theo phương pháp "tập hợp con

tốt nhất" (best subset) Các mô hình được lựa chọn

theo nguyên lý parsimony ‘‘Occam's Razor" (đơn giản

nhưng tốt) và dựa vào các thông số thống kê là: độ

chính xác hay tỉ lệ phần trăm các chẩn đoán chính

xác (Accuracy, Q), độ nhạy (Sentivity, Sè), độ đặc hiệu

{Specificity, Sp) và tỉ lệ dương tính giả (False Positive

Rate, Trong đó,

Độ nhạy= số dương tính thật/(số dương tính thật

+ số âm tính giả)

Độ đặc hiệu = số âm tính thật / (số âm tính thật +

số dương tính giả)

Các hợp chất được phân loại theo kết quả của xác

suất hậu nghiệm (posteriorprobability).ĩror\g trường

hợp này, hiệu của các xác suất hậu nghiệm được tính toán theo phương trình:

AP% = [P (có hoạt tính) - p (không hoạt tính)] X 100

Trong đó: p (có hoạt tính) là xác suất mà mô

hình phân loại một hợp chất là có hoạt tính ức chế tyrosinse, còn p (không hoạt tính) là xác suất mà mô hình phân loại một hợp chất là không có hoạt tính Như vậy, nếu một hợp chất AP% >0, sẽ được dự đoán

là có hoạt tính và AP% <0, sẽ được dự đoán là không

có hoạt tính

Phương pháp đánh giá các mô hình Q5AR:

Các nguyên tắc của OECD [8] (quy định về thực hành tốt xây dựng các mô hình QSAR) được sử dụng

để đánh giá các mô hình

Kết quả nghiên cứu

Các mô hình QSAR biểu diễn mối quan hệ giữa cấu trúc và tác dụng ức chế tyrosinase:

Thông tin cấu trúc từng hợp chất của CSDL được

mã hóa trong 2200 tham số cấu trúc TOMOCOMD- CARDD CSDL ban đẩu được chia ra làm tập huấn luyện gổm 1027 chất (526 chất ư ĩ và 546 chất không UT)

và tập kiểm tra gổm 357 chất (175 chất UT, 182 chất không UT) Trước tiên, một tập hợp gổm 10 mô hình QSAR được xây dựng trên tập huấn luyện, trong đó 3

mô hình sử dụng các tham số TOMOCOMD-CARDD bậc hai (ngẫu nhiên và không ngẫu nhiên), 3 mô hình

sử dụng các chỉ số tuyến tính (ngẫu nhiên và không ngẫu nhiên), 3 mô hình sử dụng các chỉ số song tuyến tính (ngẫu nhiên và không ngẫu nhiên), và 1 mô hình là

sự kết hợp của tất cả các chỉ số trên.Từtập 10 mô hình ban đẩu, 4 mô hình tốt nhất được chọn và sử dụng để

dự đoán tập kiểm tra Các thông số đặc trưng cho 4

mô hình này trên tập huấn luyện được biểu diễn trong bảng 1 Tất cả các mô hình này đểu đạt độ chính xác trên tập huấn luyện cao hơn 88,0 % và có tỉ lệ dương tính giả trên tập huấn luyện thấp nhất là 8,25%

Bảng 1 Thông sỗ tháng kê của 4 mô hình cho kết quở tốt nhốt trên tộp huấn luyện.

Q%: độ chính xác; Se%; độ nhạy; Sp%: độ đặc hiệu; %: ti lệ dương tính giả; Mô hình 1 sử dụng các chỉ số TOMOCOMD-CARDD bậc hai; Mô hình 2

sử dụng các chỉ sỗ TOMOCOMD-CARDD tuyến tính; Mô hình 3 sử dụng các chỉ số TOMOCOMD-CARDD song tuyến tính; Mô hình 4 là sự kết hợp tất cả cácchlsỗ TOMOCOMD-CARDD

SỐ 1/2015 Nghiên cứu dượcĩhông tin thuõc

BÀI NGHIÊN CỨU % '

Phương trình (1) là một minh họa cho mô hình 4 Mô hình toán học này kết hợp tất cả các chỉ SỐTOMOCOMD- CARDD (chỉ số đôi, chỉ số tuyến tính, chỉ số song tuyến tính) Theo như bảng 1, mô hình này có khả năng dự đoán chính xác 91,72% các hợp chất của tập huấn luyện và tỉ lệ nhám lẫn khi dự đoán một chất không có tác

dụng ức chế là có tác dụng (ti lệ dương tính giả) là 8,25%.

Hoạt tính ư t = -0.156 -0.001 +2.193 x10 +1.524 Xl

- 1 2 1 8 x 1 - 7 9 1 8 Xl O +0.593'^f3^«{Xg.„)

+0.833“-^b3,H^,yJ- 1 +0.222^'^b}(x^_^,yJ (1)

Trong đó: là các chỉ số bậc 2 cục bộ dựa mô hình tổng hợp, có thể được sử dụng để tìm kiếm Vc_ /„\ Mc_ /.A IX _ u?

vào ma trận không ngẫu nhiên/"q,(x), ^%(x) là các chỉ

số bậc 2 tổng dựa vào ma trận ngẫu n h i ê n ; J là

chỉ số tuyến tính cục bộ dựa vào ma trận không ngẫu

nhiên, ’’fjM là chỉ số tuyến tính tổng dựa vào ma trận

không ngẫu nhiên, là chỉ số tuyến tính cục

bộ dựa vào ma trận ngẫu nhiên,

là chỉ số song tuyến tính cục bộ dựa vào ma trận ngẫu nhiên

Đánh giá các mô hình QSAR

Để sử dụng và được thông qua các mô hình QSAR

bởi các cơ quan quản lý, các mô hình phải thỏa mãn

các nguyên tắc của OECD (tổ chức kinh tế thế giới) [9],

Tiêu chí 1 (có đích xác định)

Trong nghiên cứu này, đích là sự phân loại các hợp

chất thành 2 nhóm: chất UT và chất không UT Trong

CSDL, nhiều phương pháp khác nhau được sử dụng

để đo lường mức độ ức chế, khả năng ức chế được

biểu diễn dưới nhiểu hình thức khác nhau, như nổng

độ ức chế 50% (ICji,), phẩn trăm ức chế (1%) hay hằng

số ức chế (K|) Tham khảo [8], [9] để có thêm thông

tin chi tiết Vi thế các mô hình được xây dựng là các

Hình 1 Kết quả của quá ừình đánh giá LGO trên tập huổn luyện.

các hợp chất mới trên các sườn cơ bản khác nhau và cung cấp các hợp chất dẫn đường mới cho quá trình nghiên cứu và phát triển thuốc mới

Tiêu chí2 (thuật toán rõ ràng)

Phương pháp xây dựng các mô hình trong nghiên cứu này được mô tả trong phần 2 Mô hình toán học được phát triển sử dụng kỹ thuật LDA để biểu diễn mối quan hệ giữa đích (ức chế enzyme tyrosinase) và các tham số phân tửTOMOCOMD-CARDD Các chỉ số TOMOCOMD-CARDD được phát triển và được định nghĩa rõ ràng trong các nghiên cứu trước đây [4]-[6]

Vì thế mô hình có thể được xây dựng lại và được sử dụng để phát hiện các hợp chất mới UT

Tiêu chí3 (miên cấu trúc xác định)

Miền cấu trúc là khoảng không gian cấu trúc bao gổm trong mô hình Chỉ những dự đoán đối với các hợp chất có cấu trúc nằm trong miền cấu trúc này mới đáng tin cậy Còn dự đoán đối với các cấu trúc nằm ngoài miển cấu trúc là quá trình ngoại suy Sử dụng

kết quả của chương trình AMBITDiscovery, có 42 hợp

chất (của 1072 hợp chất của tập huấn luyện) nằm

Băng 2 Các thông số thống kê của 4 mô hình ữên tập kiếm nghiệm.

Mô hình 1 sử dụng các chỉ số TOMOCOMD-CARDD bậc hai; Mô hình 2 sử dụng các chỉ số TOMOCOMD-CARDD tuyến tính; Mô hình 3 sử dụng các chỉ số TOMOCOMD-CARDD song tuyến tính; Mô hình 4 là sự kết hợp tất cả các chi sổ TOMOCOMD-CARDD

8 ! Nghiên cứu duợcThống tin thuõc' Số 1 /2015

ngoài miền cấu trúc của các mô hình Kết quả này có

thể chấp nhận được theo nhưcông bố của các nghiên

cứu trước đây [10]

Tiêu chí4

Kết quả của quá trình đánh giá nội (để 1 nhóm hợp

chất ở bên ngoài-viết tắt theo tiếng Anh: LGO) được

mô tả trong hình 1 Hình 1 là một ví dụ biểu diễn độ

chính xác của mô hình 4 trên tập huấn luyện đã được

thay đổi (loại bỏ 5-30% tập huấn luyện ban đầu) và

trên phần tập hợp được để lại ở bên ngoài Theo như

quan sát trên hình độ chính xác của mô hình có sự

thay đổi ít Điểu này chứng tỏ, mô hình tương đối ổn

định với những thay đổi của tập huấn luyện và không

phụ thuộc vào một phẩn nào của tập huấn luyện

Quá trình đánh giá ngoại sử dụng mô hình để dự

đoán các hợp chất trên tập kiểm nghiệm Tập kiểm

nghiệm bao gồm những phán tử mà mô hình chưa

bao giờ nhìn thấy trong quá trình huấn luyện Kết quả

của quá trình đánh giá ngoại được mô tả trong bảng 2

Theo như quan sát trên bảng 2, các mô hình có

khả năng dự đoán tương đối cao (mô hình 4 dự đoán

chính xác 88,79%) và khả năng nhắm lẫn khỉ kết luận

một chất không có hoạt tính là có hoạt tính tương đối

thấp (10,44%)

Tiêu chỉ5

Giải thích cơ chế (nếu có thể) Trong trường hợp

này do đặc thù của CSDL và các tham số phân tử được

sử dụng nên nghiên cứu này không tiến hành giải

thích cơ chế Ngoài ra, các mô hình QSAR có 2 mục

đích, một là để giải thích cơ chế, hai là để dùng cho

sàng lọc ảo để dự đoán khả náng có hoạt tính Trong

nghiên cứu này, các mô hình QSAR được xây dựng để

sử dụng cho mục đích hai

Bàn luận

Quá trình nghiên cứu và phát triển thuốc thường

tốn kém thời gian, công sức và tiền bạc Theo thông

tin mới nhất chi phí cho toàn bộ quá trình này ước

tính khoảng 1 tỉ đô la Mỹ [11].Trong đó, tốn kém nhất

là quá trình phát hiện hợp chất dẫn đường mới (lead

compounds) Hàng loạt phương pháp mới ra đời giúp

sàng lọc nhanh và hiệu quả các hợp chất có hoạt

tính sinh học Hiện nay, nhiều trung tâm/viện nghiên

cứu đã tiến hành sử dụng hệ thống sàng lọc tự động

thông lượng cao [High-throughput screening (HTS)]

với khả năng sàng lọc hàng nghìn kết quả chỉ trong

vòng một tuần Tuy nhiên, phương pháp này vẫn

không hiệu quả do tỉ lệ dương tính giả vẫn cao và vẫn

tốn kém Theo hướng này, các phương pháp lý thuyết

đã được phát triển và ứng dụng rộng rãi, ra đời khái

niệm in siHco bổ sung cho các khái niệm in vivo, in vitro,

in situ đã tổn tại từ lâu.

Việc phát triển các mô hình QSAR, là một bước tiến quan trọng trong các nghiên cứu này Các mô hình QSAR giúp phát hiện các hợp chất mới có hoạt tính sinh học một cách nhanh chóng Hơn nữa chúng lại rất hiệu quả, do chỉ cần thông tin vể cấu trúc của hợp chất

Trong nghiên cứu này, 4 mô hình QSAR mới đã được xây dựng, các mô hình này đã có khả năng dự đoán rất cao, trên tập huấn luyện - là tập hợp các phân

tử dùng để xây dựng mô hình (khả năng phát hiện chính xác là thấp nhất là 85,2%, và khả năng nhẩm lẫn một chất không có khả năng ức chế thành có khả năng chỉ có 8,25%)

Các mô hình cũng được đánh giá theo các tiêu chí của tổ chức kinh tế thế giới (OECD) [9] Đáng chú ý

là mô hình có khả nâng phát hiện chính xác tới 89% các hợp chất của tập kiểm tra Tập kiểm tra bao gồm các phẩn tử mà mô hình chưa bao giờ gặp Điểu này, chứng tỏ mô hình có khả năng phát hiện/dự đoán tốt Và có thể được sử dụng để sàng lọc hoạt tính cho các hợp chất Các mô hình được phát triển cũng dựa trên các thuật toán tương đối rõ ràng, các tham số cấu trúc được sử dụng có thể được tính toán sử dụng phần mềm TOMOCOMD-CARDD miễn phí sử dụng

tại {http://tomocomd.conn/) Ngoài ra, các mô hình

còn là công cụ hỗ trợ đắc lực cho việc thiết kế các hợp chất mới nhằm cải thiện khả năng ức chế (hoạt tính sinh học)

Kết luận

Trong nghiên cứu này, 4 mô hình toán học đã được xây dựng thành công để biểu diễn mối quan hệ định lượng giữa cấu trúc và tác dụng ức chế tyrosinase Các

mô hình đảm bảo độ chính xác và thỏa mãn các đánh giá theo các nguyên tắc của OECD Do đó, các mô hình này có thể được sử dụng bởi bất kỳ trung tâm hay viện nghiên cứu nào trong quá trình tìm kiếm hợp chất mới ux mà chỉ cắn thông tin về cấu trúc phân tử Việc sử dụng các mô hình này nói riêng cũng như các phương pháp trong nghiên cứu này nói chung có thể giúp tiết kiệm thời gian và tiền bạc trong việc sàng lọc nhằm phát hiện các hợp chất dẫn đường mới trong quá trình nghiên cứu và phát triển các sản phẩm làm sáng da, chống nám

_ — "ồ"

BÀI NGHIÊN CỨU * ^

TÀI LIỆU THAM KHÀO

1 M, N., (1987), Orgơnic-chemicol drugs and their synonyms Berlin: Akademie-Verlag.

2 Todeschini, R and V Consonni (2000), Hondbook of Molecular Descriptors 1 St ed Methods and Principles in Medicinal Chemistry, ed

R Mannhold, H Kubinyi (2002), and H Timmerman Vol 11., D-69469 Weinheim, Federal Republic of Germany: WILEY-VCH Verlag GmbH 667.

3 Marrero-Ponce, Y and V Romero (2002), TOMOCOMD software (TOpologicơl Molecular COMputer Design) for Windows: Central

University of Las Villas Villa Clara Cuba p (http://tomocomd.com/).

4 Marrero-Ponce,Y.(2004),Total and local (atom and atom type) molecular quadratic indices: significance interpretation, comparison to

other molecular descriptors, and QSPR/QSAR applications Bioorg Med Chem 12 (24): p 6351-69.

5 Marrero-Ponce, Y., et al (2005), Non-stochastic and Stochastic Linear Indices of the"Molecular Pseudograph's Atom Adjacency Matrix":

Application to'in silico'Studies for the Rational Discovery of New Antimalarial Compounds Bioorg Med Chem 13 (4): p 1293-304.

6 Marrero-Ponce, Y and F Torrens (2008), Novel 2D TOMOCOMD-CARDD Descriptors: Atom-based Stochastic and non-Stochastic Bilinear Indices and their QSPR Applications J/Wứf/7 Chem 44 (3): p 650-673.

7 STATISTICA (data analysis software system) V 9.2009, Tulsa,OK:: StatSoft Inc.

8 OECD Principles for the Validation, for Regulatory Purposes, of (Quantitative) Structure-Activity Relationship Models, in 37^^ Joint Meeting of the Chemicals Committee and Working Party on Chemicals, Pesticides ond Biotechnology 17-19 November 2004 Paris.

9 OECD, in Guidance Document on the Validation of (Quantitative) structure-Activity Relationship [(Q)SAR] Models, Series on Testing

and Assessment No 692007: Poris p 154pp.

10 Alvarez-Ginarte, Y.M., et al (2008), Chemometric and Chemoinformatic Analyses of Anabolic and Androgenic Activities of Testosterone

and Dihydrotestosterone Analogues Bioorg Med Chem 16 (12): p 6448-6459.

11 Paul, S.M., et al (2010), How to improve R&D productivity: the pharmaceutical industry's grand challenge Nature Reviews Drug Discovery, March 9: p 203-214.

Xây dựng quy trình xác định bufalin

trong sản phẩm có chứa bột cóc

bằng LC-MS/MS

Lê Đình Chi', Lê Thị Hổng Hảo^

Irường Đại học Dược Hà Nội, ^Viện Kiểm nghiệm an toàn Vệ sinh thực phẩm quốc gia

SUMMARY

A selective LC-MS/MS method has been developed to determine the residue of bufalin, a toxin of Vietnamese toad, in products containing toad powder In this method, bufolin was extracted from sample with methanol, the methanol extraction was then centrifuged twice at 6000 rpm and gone through the Supm-poly® HLB SPE column for pre-treatment before a no lysing by LC-MS/MS The chromatographic procedure using C IS column as stationary phase with a gradient elusion using acetonitrile -0.1% (m/v) formic odd mixture The ESI(-\-)-MS/MS detection using the primary ion (m/z = 387) and 2 secondary ions (m/z = 351 and 255) to identify bufalin and the secondary ion (m/z = 351) for quantitative determination of bufalin The limit of quantification (LOQ) and limit of detection (LOD) for bufolin of the established method were 4.16 ng/ml and 1.25 ng/ml, respectively The method was also validated

in terms of specificity, linearity, accuracy and precision, and has been proved to be reliable enough for identification and quantitative determination ofbufalin in products containing toad powder.

Từ khóa: bufalin, độc tố cóc, sốc ký lỏng, khối phổ, LC-MS/MS.

Bufalin, tên khoa học là (sp, 5(ỉ)-3, [4] Các hợp chất nhóm bufadienolid cũng chính là 14-dihydroxỵbufa-20, 22-dienolide (công thức phân thành phẩn chủ yếu tạo thành độc tố cóc (bufotoxin) tử: khối lượng phân tử: 386,52, công thức gây nên nhiều trường hợp tử vong do án thịt cóc bị cấu tạo được trình bày ở hình 1 là một chất thuộc nhiễm độc tại Việt Nam [2] Thịt cóc đã từ lâu được sử nhóm bufadienolid và đã được xác định là thành phần dụng để tăng cường dinh dưỡng [1 ] và hiện đang có