原文链接
https://pubs.acs.org/doi/epdf/10.1021/acs.cgd.2c01289
药物活性成分（API）固体形式筛选和选择是在工艺开发过程中的关键步骤。晶型的独特物理化学特性（例如颜色、熔点、溶解度、稳定性、体积密度、流动性和生物利用度）在药物发现和药物开发中发挥着重要作用。因此，通过使用多种不同溶剂结晶，优化结晶的温度、压力等条件，以及使用新技术来筛选合适的原料药的固体形式。那么问题是需要花费多长时间和投入多少精力来获得一个分子的所有多晶型，并确定热力学上最稳定的多晶型呢？在本文献的研究中，作者以达拉菲尼（DBF，由美国葛兰素史克（GSK）研发的一种治疗转移性黑色素瘤药物，属BRAF抑制剂类癌症药物，以甲磺酸盐的形式供药用）为模型化合物，开展了多晶型筛选和研究。根据McCrone的说法，一种化合物的多晶型的数量与研究该化合物所花费的时间和精力成正比。作者使用多种溶剂和条件进行了广泛的多晶型筛选实验，最终得到了三种无水晶型（晶型I, II, III），一种一水合物，以及9种溶剂合物。
作者从晶体工程学的角度，通过对分子构象和晶体堆积的分析来理解多晶型现象，并辅助预测进一步发现多晶型的可能性。DBF晶型的氢键情况见Figure 1，可以观察到 DBF 三种无水晶型中末端芳环之间均存在分子间 π···π 堆积，但区别在于芳环相对于分子主链的取向不同。
Figure 1. Selected interactions in DBF polymorphs (a) form I, (b) form II, (c) and form III, (d) π···π stacking between central aryl rings in form II,I exo π···π stacking of terminal aryl rings in form I and II, (f) endo π···π stacking of terminal aryl rings in form III, (g) voids in the crystal packing of form III, (h) molecular structure overlay of form I (red), II (blue), and III (green) on central aryl ring, and (i) stack plot of DSC thermogram ofform I (red), II (blue), and III (green).
三种多晶型的晶体结构中DBF分子的堆积及其相互作用不同。根据单晶数据计算(Table S2)，晶型II密度最高而晶型III密度最低。通常，在柔性分子的多晶型中，随着晶体密度的降低，结构具有更开放的构象。根据Burger- Ramberger规则，晶体密度越大的晶型绝对零度下越稳定，但在DSC中，晶型I，II，III在加热时都观察到了相变，无法直观判断三种多晶型的熔点，进而不能得出三种多晶型之间的热力学关系。
作者随后用两种计算模型对晶型I，II，III的热力学关系进行了计算。与Burger- Ramberger规则得到的结论相反，周期密度泛函理论 (DFT) 晶格能量计算与色散校正 B86bPBE-XDM 函数均预测晶型 III 是其中最稳定的多晶型。然而，当构象的 π 共轭程度不同时，广义梯度近似 (GGA) 密度泛函（如 B86bPBE）固有的离域误差无法很好地预测构象能量。为了克服这种构象能量问题，作者使用了基于域的局部对自然轨道耦合簇理论 (DLPNO-CCSD(T)) 进行了构象能量校正，如下所示eq 1。
通过计算晶胞中每个单体的晶体能量和气相单体能量，将这些项相加，然后计算每个分子相对于最稳定的晶型（晶型II）的相对能量来评估eq 1。因为这里的每个晶体在不对称单元中仅包含一个分子（Z′=1），所以气相计算只需要运行一次，结果可以乘以对称等效单体的数量。对晶体的0K内部（电子）能量的校正相当于用DLPNO-CSD（T）模拟分子内构象能量，而分子间相互作用用DFT描述。DLPNO对CCSD（T）的近似通常很好地再现了传统的CCSD（T），尽管计算成本要低得多，这使得它对于像DBF这样的大分子是可行的。DLPNO-CSD（T）不像DFT模型那样存在离域误差，因此它预测的构象能量应该更为可靠。
Figure 3. Calculated relative lattice energies of forms Ia, I, II, and III using B86bPBE-XDM directly and after applying the DLPNOCCSD(T) intramolecular conformational energy correction.
对三种 DBF 多晶型物进行构象能校正后，预测的稳定性排序为晶型 II > 晶型 III ≫ 晶型 I > 晶型 Ia （Figure 3），尽管从能量计算的角度晶型 II 相对于晶型 III 的能量低0.7 KJ/mol，但计算模型的精度限制以及对晶格能量而不是有限温度焓或自由能的关注阻碍了这两种晶型能量高低的准确排序。应该指出的是，对这两种晶型预测的相似能量与实验观察结果是一致的（观察到的两种晶型的伴随结晶）。
小结
为了满足药物开发和监管的需求，通过系统多晶型筛选确定API的晶型及晶型的稳定性关系至关重要。DBF从多种溶剂中结晶产生三种无水晶型（I、II和III）， 使用 B86bPBE-XDM + ΔDLPNOCCSD(T) 进行的第一性原理计算表明，晶型II 和III的能量非常接近（晶型II比晶型III略低），且明显低于晶型I。进一步验证最稳定晶型还是需要借助实验，比如混悬竞争、溶解度测定等方法。
晶云药物研发团队具有多年的晶型筛选和晶型转化关系研究经验，期待在药物固态研究领域中与业界同行有更多的交流。关于晶型筛选和晶型转化关系我们也已经推送相关技术分享文章（【晶彩·分享】晶型研究的“筛”与“选”（一）和【晶彩·分享】晶型研究的“筛”与“选”（二）），欢迎大家关注了解。
此外，对于晶型稳定性预测，期待对力场和量子力学这两种基本计算工具有更深入的理解，开发出更准确更高效的计算模型，借助计算能力的突飞猛进，希望实现目前还无法涉足的复杂体系运算。关于晶型预测我们也已经推送相关技术分享文章（他山之石可以攻玉——晶体结构预测之What/Why/How 和 案例篇|工欲善其事必先利其器——晶体结构预测之算法小议），欢迎大家一起学习进步。
参考文献
1. Altomare, A.; Cuocci, C, et al. “EXPO2013: a kit of tools for phasing crystal structures from powder data,” J. Appl. Crystallogr.2013,46, 1231-1235.
2. Wavefunction, Inc. Spartan ’18 Version 1.4.5, Wavefunction Inc., 18401 Von Karman Ave., Suite 370, Irvine CA 92612, 2020.
3. Toby, B. H.; Von Dreele, R. B. “GSAS II: the genesis of a modern open source all purpose crystallography software package,” J. Appl. Crystallogr.2013, 46, 544-549.
4. Sykes, R. A.; McCabe, P, et al. “New software for statistical analysis of Cambridge Structural Database data,” J. Appl. Crystallogr.2011,44, 882-886.
5. Dassault Systèmes. Materials Studio 2021 (BIOVIA, San Diego CA), 2021.
原文请点击查阅