基于片段的虚拟筛选与药物发现.doc

导语自 1996 年 Shuker 等开创了“基于片段的药物发现( fragment-based drug discovery，FBDD) ”方法以来，人们在发现优质先导化合物的数量方面明显超过了高通量筛选( high throughput screening，HTS)方法，提高了大家对于“基于结构的药物设计( struc-ture-based drug design，SBDD) ”的理性认识，加速了新药创制过程。FBDD 方法通常先测定水溶性好的小分子化合物( 相对分子质量 300，即片段分子) 的亲和力，尽管结合力弱( 通常为几百微摩尔或毫摩尔水平) ，但其结合大都受氢键或盐键等焓因素的驱动，因此化合物的原子利用率高，冗余原子少。同时辅以结构生物学( X-射线衍射或 2D-NMR) 显示片段在靶蛋白的空间取向和结合特征，在微观结构的指导下，通过片段的增长或连接，提高结合强度，获得高活性和高质量的先导化合物分子。FBDD 是将化合物活性筛选、结构生物学技术、分子模拟、化学合成和构效关系整合在一起的综合性技术，用小分子与靶蛋白的结合特征指导优质先导物的生成，为成药性的优化预留了较大的化学空间，因而提高了研发效率。片段对接和片段虚拟筛选实验FBDD仅能筛选数百到数千个片段。然而，至少有25万个市售的片段，其中大部分仍未经过测试。计算作为补充方法，通过分子对接的虚拟片段筛选可以测试大部分市售片段。Carlsson小组对A2A腺苷受体（A2AAR）进行平行的基于NMR的生物物理筛选和基于对接的片段库筛选。结果强调了生物物理和基于计算的片段筛选之间的互补性，因为从NMR和基于对接的虚拟筛选命中的片段之间没有重叠。事实上，片段对接已经与实验片段筛选结合用于药物发现。虚拟片段筛选的主要挑战是片段对接和评分的准确性。首先，难以确定片段的准确结合姿势和结合模式。由于片段尺寸小、内部自由度较低；因此在对接计算期间，碎片可能会被蛋白质表面上的许多口袋所容纳，从而导致对接位置的错误。即使将其放入正确的口袋中也难以预测片段的结合姿势，因为替代的结合可能产生相似的对接分数或计算结合能。其次，针对较大的药物样分子开发和优化了大多数评分功能，其不足以区分许多非活性片段中的弱活性片段。片段库选择片段库选择基于Rule of Three（简称RO3）规则：MW 300H-bond donors 3H-bond acceptors 3 cLogP 3（来自ChemBridge）RO3规则过滤之后，可以根据自己的研究目的进行相关过滤。案例基于片段的药物设计是高通量筛选的有效替代方案。筛选片段优于筛选化合物的主要原因是片段的体外和计算筛选都是有效的；104个不同片段（MW 250 Da）的集合通常比106-107个分子（MW 500Da）的化合物库具有更大的化学多样性。此外，片段倾向于具有良好的溶解度，这对于体外生物物理测定是有利的。基于计算的片段筛选中的一个重要优点是刚性碎片对接总是比具有几个可旋转键的分子对接更有效且通常更准确。1) 首先，2012年版本的ZINC化合物库900万个化合物依据标准：分子量在200和400 Da之间、两个或更多个氢键受体、小于8个可旋转键、两到六个环，减少到约四分之一的相关维结构。剩余460万个化合物通过以软件分解为375,897个片段，然后将这些片段通过60Da和300Da之间的分子量过滤，至少一个氢键受体和最多三个可旋转键。2) 剩余的238,408个片段通过基于遗传算法的对接程序进行BRD4的对接，生成511,417个姿势。根据是否与保守的天冬酰胺存在氢键，移除未参与的片段。3) 含有17,179个结合片段的化合物库，其包含665,184个分子用于柔性配体对接。最终基于预测的结合自由能配体效率进行遴选，获得4,826个候选化合物。4) 每个蛋白-配体复合物进行100 ns分子动力学模拟，分析预测结合模式的结构稳定性，特别注意主要相互作用。模拟显示，其预期的一些结合模式不稳定的（即氢键与Asn140侧链的断裂）的化合物被过滤。5) 最后，遴选了24种化合物用于实验验证，其中4种显示出50mM的抑制活性。且对接预测的结合模式基本与晶体结构中观察到的结合模式相同。参考资料1. Sliwoski G, Lowe Jr E W. fragment-based drug designJ. 2013.2. Spiliotopoulos D, Caflisch A. Fragment-based in silico screening of bromodomain ligandsJ. Drug Discov