構象是如何表示的
作者 | 龐超
編輯 | 龐超
今天給大家介紹的是北京大學來魯華課題組在frontiers in Chemistry上發表的文章《LigBuilder V3： A Multi-Target de novo Drug Design Approach》。在文章中，作者提出了第一個從頭多靶點藥物設計程式LigBuilderV3，可用於設計靶向結合多個受體、一個受體的多個結合位點或一個受體的各種構象的配體。為了證明LigBuilderV3的實用性，作者使用LigBuilderV3，並用三種不同的策略，包括多目標從頭設計，多目標增長，和多目標連線，設計了靶向HIV蛋白酶和HIV逆轉錄酶的雙功能抑制劑。設計出的化合物經過MM/GBSA結合自由能估計被驗證為計算上有效，有較高的作為HIV蛋白酶和HIV逆轉錄酶的多靶點藥物的潛力。LigBuilderV3程式可以在“http：//www。pkumdl。cn/ligbuilder3/”上下載。
一、研究背景
在20世紀的大部分時間裡，藥物發現過程主要由“一種疾病，一種靶點，一種分子”的哲學所主導，所以研究人員和醫藥研究所一直在努力針對特定靶點開發藥物。雖然有許多透過這種方法開發的藥物已經投放市場，但在過去的幾十年裡，針對新型靶點的新藥研發速度明顯放緩，被批准的藥物也更少。這意味著以前的單靶點藥物發現策略具有明顯的侷限性和缺陷。由於生物網路的複雜性，疾病通常涉及多種因素和生物途徑，因此直接干擾單個分子靶點的藥物在治療複雜疾病方面往往缺乏有效性。此外，如果針對一種多種病理相關的疾病只關注其一個靶點，則必須調控通路的上游成分，而這則使藥物更有可能具有意想不到的副作用。所以，最近研究人員和製藥行業開始將注意力轉向開發同時調節多個靶點的治療方法。
作者開發了一種創新的多目標設計方法，稱為LigBuilderV3，它使得從頭設計和分子最佳化演算法能夠處理多個目標。他們升級了繼承自LigBuilderV2的化學空間解釋演算法，以探索更復雜的多目標配體的結構空間。從頭開始設計多靶點配體時，模型會考慮到每個組分組團的多重相互作用，這種從頭設計方法有望實現較高的配體效率，這對於多靶點藥物非常重要。在LigBuilderV3中也實現了多目標先導化合物最佳化，這可以幫助研究人員找到可能的多目標最佳化解決方案。
二、模型與方法
2.1 資料結構和定義
LigBuilderV3使用了與LigBuilderV2相同的遺傳演算法（GA）。遺傳演算法是一種受自然選擇過程啟發的最佳化演算法，它模擬了一個種群在選擇壓力下的進化。LigBuilderV3使用了GA的重疊生成模型，即新一代的個體從以前的種群中進化出來，然後用GA迭代替換它們的父代。對於典型的GA重疊生成模型，輪盤賭選擇被用於從當前種群中選擇10%的成員作為下一代的父代，而當前種群中的所有成員都將被丟棄。為了平衡樣本的質量和多樣性，LigBuilder不淘汰當前樣本中前10%的成員，即這些頂級成員將直接轉移給下一代。所以後代成員的質量會更好，至少等於父代。作者將GA化合物池定義為最新一代GA種群進化中的分子集合。在GA演化中使用的資料結構的概述如圖1A所示。
由於多靶點設計方法產生的每個分子都涉及多個蛋白質，因此我們應該考慮與相應靶點結合的分子的多種構象。這與單靶點藥物的設計方法是不同的。為了避免混淆，作者使用“構象群”而不是“分子”和“構象”來表示多靶點分子的多重結合構象（圖1A）。
作者還定義了“化學簇”和“構象簇”，以描述多靶點分子之間的化學結構和結合構象的關係（圖1B）。從合成的角度來看，具有相同化學結構的分子可以被認為是相同的。但從蛋白質-配體相互作用的角度來看，配體的構象必須被考慮在內，因為配體的結合是基於來自配體和蛋白質的原子之間的空間相互作用。因此，作者在兩個層次上將所有構象進行聚類：（1）化學簇：一個化學簇的每個構象具有相同的二維結構，它們可以透過合成可達性分析模組估計的相同反應來合成。（2）構象簇：一個構象簇中的所有構象也具有相同的二維結構，因此構象簇是化學簇的一個子集。一個構象簇中的所有構象彼此相似，因此可以被認為是共享相同的相互作用模式。雖然從相互作用模式的角度來看，一個構象簇的所有構象都是可以互換的，但我們必須保留這些“重複性”，因為它們可能提供必要的區域性擾動。例如，構象簇中的成員可能具有不同的氫原子的取向。氫原子的取向通常除了參與氫鍵的形成外，對蛋白質-配體的結合的影響很小，但在進一步的進化中它卻非常重要。因為氫原子為生長位點，負責連線新新增的片段。
圖1。 LigBuilderV3中的資料結構示意圖。（A）遺傳演算法演化和遺傳演算法化合物池的概述結構。（B）化學簇和構象簇的定義。（a）所有具有相同化學結構的分子將聚集在同一化學簇，可以透過相同的途徑合成。（b）具有相似的蛋白質-配體相互作用的構象將被聚類為構象簇，代表相同的相互作用模式。
2.2 多目標種子結構對映
種子結構是先導化合物最佳化的起始結構。為單靶點先導化合物最佳化準備種子結構很簡單，但是，為多目標設計準備種子結構需要額外的步驟。由於每個“多目標種子結構”表示一個由配體與每個靶點的不同結合構象組成構象群，因此，有必要在構象群中每個成員的原子之間進行一對一的對應關係。因為只有氫原子在整個設計過程中都是可能的連線位點，所以種子結構對映是基於氫原子的對映，即氫對映。由於分子的對稱性，在兩個結構之間可能有不止一種可能的氫對映。如圖2所示，應考慮兩種對稱性，即分子的氫對稱性和基團的氫對稱性。分子氫對稱是指分子中所有氫的旋轉對稱性，基團的氫對稱性是指與一個重原子相連的多個氫原子的旋轉對稱性。圖2A顯示了1，4-二氯苯的兩個C2對稱軸，它們產生了4個可能的氫對映。圖2B顯示了乙酸的甲基的C3對稱軸，它導致了3種可能的氫對映。雖然一些分子，例如乙酸，不是手性的，但在LigBuilderV3的氫對映中考慮了潛在的手性，因為進一步的生長操作可能會給碳原子帶來手性。換句話說，在氫對映中二維拓撲和三維結構資訊都被考慮到了。
圖2。 氫對映中的對稱性。（A）結構對稱性的例子。（B）基團對稱性的例子。
雖然配體中所有的氫原子都可能是片段生長位點，但由於空間位阻或使用者的偏好，並不是每個氫原子都可以作為生長位點。因此，LigBuilderV3只保留了對映的生長位點最大的可能的氫對映，稱為生長位點對映，這最大程度地增加了進一步生長的可能性。然而，如果有多個合理氫對映的解決方案，LigBuilderV3將把它們視為不同的種子結構，並在子順序設計過程中獨立使用它們。
對於涉及兩個以上目標的情況，LigBuilderV3對第一個目標的構象與每個剩餘目標的構象進行氫對映。因此，該構象群的所有其餘構象都被對映到第一個構象上，因此找到整個構象組的共同生長位點對映是可行的。
2.3 多目標生長
先導化合物最佳化是LigBuilder系列的基本函式。LigBuilder V1和V2都提供了“增長”策略，它基於已預先放置在結合口袋裡的先導結構生成衍生物。在本研究中，作者將“增長”策略擴充套件到多目標增長（多靶點先導化合物最佳化）。
圖3為單目標生長操作的簡略示意圖，是多目標生長操作的基礎。圖3A左側的灰色區域代表目標的結合位點，苯是具有代表性的種子結構。右邊盒子中的分子是準備好的片段，可以作為組裝新結構的構建模組。雖然所有的氫原子都可以連線片段，但其中只有少數是沒有空間位阻的潛在連線位點。以圖3A為例，苯上面向結合位點空區域的氫原子用藍色表示，這表示潛在的生長位點，而受體原子附近的其他氫原子將被忽略。同時，預設情況下構建模組的所有氫原子都將被視為潛在的連線位。使用者還可以在種子結構和構建模組上分配或阻止某些“生長位點”，以自定義分子的風格。在準備好種子結構和構建塊庫後，LigBuilder將從構建模組庫中隨機選擇一個片段（圖3A中的虛線框），然後從種子結構和選定的構建塊上各自隨機選擇一個潛在生長位點（圖3B中的紅色氫原子）。構建模組將沿著選定的氫原子的方向附著在種子結構上（圖3B中的紅色氫原子）。沿新形成的鍵（圖3C中的紅色鍵）進行3度-步取樣，考慮到分子的靈活性，將保留幾種具有區域性最小能量的有利構象作為候選構象。GA用於從這些候選人中選擇優秀個體，這些優秀個體將作為下一個成長週期的種子結構。對於每個配體，這個過程將會一直重複直到：（1）配體設計完成，沒有可用的空間來新增任何新的化學基團。（2）配體達到分子量的限制，預設為480Da。（3）GA生成數達到a最大，預設為15。
圖3。 生長操作的示意圖。（A）繫結位點中的種子結構和構建模組庫（實體框）中選擇的片段（虛線框）。（B）隨機選擇的種子結構生長部位和選擇片段（紅色表示）。（C）移動所選的片段，然後連線到種子結構上。
與單靶標設計不同，多靶標設計的先導結構為“種子”構象，由先導結構與每個靶標的結合構象組成。在構象組中每個成員的同一位置上同時生長化學上相同的構建模組，由LigBuilderV3產生的化合物能夠與多個靶標結合。如圖4所示，多目標生長可以看作是多同步單目標生長操作。在生長操作中，相同的構件和相同的生長場地將保持構象組二維結構的一致性。
圖4。生長過程的示意圖。
2.4 整合連線
雖然組裝多個生物活性片段生成有效的配體非常有前途，但連線片段的計算方法充滿了挑戰。為了避免影響各自的生物活性，片段的方向和位置應該是不可改變的。因此，分子中鍵長度和鍵角的剛性限制嚴重限制了連線的可行性。此外，扭轉的不利能量可能會進一步降低其可行性。雖然在巨大的化學空間中可能存在一些解決方案，但尋找這樣的解決方案的效率較低，縮小了片段連線的應用範圍。
在LigBuilderV3中，作者開發了整合連線演算法，以提高片段連線過程的效率，這有望使這種方法更加實用。為了演示新演算法的細節，圖5中展示了以前版本的LigBuilder系列中使用的連線演算法和LigBuilderV3中使用的整合連線演算法的對比示意圖。先前的連線演算法採用了一種直接的連線策略，旨在將某些片段與許多構建模組連線起來。而整合連線演算法採用了一種更靈活的連線策略，它試圖從每個種子片段中獨立推匯出新的結構，然後找到這些結構之間可能的連線方法。雖然在圖5中這兩種演算法能夠生成相同的最終結構，但整合連線策略更有效。
圖5。連線和整合連線過程的示意圖。紅色箭頭表示生長操作，藍色箭頭表示連線操作。
如圖6所示，每一代的整合連線都可以分為兩個步驟，即成長步驟和連線步驟。LigBuilderV3對生長步驟每個化合物池中的所有化合物執行增長操作，然後在連線步驟中找到新形成的化合物和所有以前存在的化合物之間的可能連線方法，包括種子池（圖6中的虛線框）。雖然在這兩個步驟中產生的化合物將被一起收集到新一代的化合物池中，但在連線步驟中（圖6中的連結池）中生成的化合物將有一個GA過程中的優先順序，這使整合連結演算法傾向於連結片段，而不是增長派生。
圖6。LigBuilderV3中的連線過程的流程圖。
2.5 多目標連線
設計多靶點配體進一步的挑戰是連線與多個靶點與相互作用的片段。儘管在透過片段連線策略設計單靶點配體方面取得了許多成功，但很少有人研究多目標連線方法。與先導化合物相比，潛在的活性片段更容易透過基於片段的方法來進行選擇，如核磁共振、DSF、X射線晶體學、表面等離子體共振和質譜學。此外，計算方法，如片段對接或CrystalDock也是識別先導片段的有效方法。此外，由於小片段的特異性較低，更有可能與多個靶點相互作用。因此，透過整合多個片段來設計多靶點配體是可行的且很有前途的。基於以上情況，作者試圖改進整合連線演算法來處理多目標片段連線問題。
與多目標生長演算法一樣，多目標連線的片段也應準備為“種子”構象組。連線過程中構象組的準備與生長過程相同。唯一的區別是，至少應該準備2個構象組進行連線，至少1個進行生長。
多目標連線演算法基於整合連線演算法，因此，構成整合連線演算法的增長步驟和連線步驟都將擴充套件到多個目標。多目標整合連線的增長步驟與多目標增長完全相同，而連線步驟與多目標增長中使用的“多目標操作”策略相同。如上所述，多目標生長操作是在構象組中每個成員的同一位置上生長化學相同的構建模組的同時操作。同樣，連線步驟中的多目標連線操作是連線相同連線位點上兩個構象組的相應成員的同時成對操作。（圖7）
圖7。多目標整合連線操作可以看作是多同步單目標整合連線操作。
三、實驗結果
透過設計COX2/LTA4H雙功能抑制劑，實驗驗證了LigBuilderV3生長模式演算法的概念原型，與 COX2和LTA4H的IC50值分別為7。1和7。0M。雖然這項工作是基於LigBuilderV3的開發版本，並且由於演算法的不成熟，涉及了許多人工干預，但本案例的成功表明了使用LigBuilderV3設計多靶點配體的可行性。
在這項研究中，作者透過設計針對兩種特徵良好的病毒酶HIV蛋白酶（PR）和HIV逆轉錄酶（RT）的雙功能抑制劑來測試LigBuilderV3 的三種設計模式。由於PR和RT都是臨床抗逆轉錄病毒治療的重要藥物靶點，核苷逆轉錄酶抑制劑（NRTI）和蛋白酶抑制劑（PI）聯合使用等多靶點策略與每種成分相比具有顯著優勢，並已廣泛用於HIV治療。因此，研究人員一直在開發雞尾酒藥物組合，並追求多靶點抗艾滋病毒抑制劑。因此，作者提出了一個更通用的多靶點設計解決方案，透過LigBuilderV3設計PR和RT雙功能抑制劑的例子。
從每種設計模式中選擇前1000種化合物，進行100ps短時間分子動力學模擬，然後透過MM/GBSA方法估計每種化合物的結合親和力。每種設計模式的前10個化合物和前1個化合物的平均結合親和力見表1。雖然設計的多靶標化合物不能與具有亞納摩爾水平活性的超級PR和RT抑制劑進行比較，但所設計的化合物預計比微摩爾水平的PR和RT抑制劑更有效，也就是說，這些化合物預計是亞微摩爾活性的PR和RT的雙功能抑制劑。
表1。用MM/GBSA方法預測的結合自由能
四、總結
在本文中，作者提出了第一個全新的多靶點藥物設計程式LigBuilderV3。此外，除了從頭構建配體，LigBuilderV3還提供了多靶點先導化合物最佳化和多靶點片段連線的可行性。LigBuilderV3的開發版本已成功應用於設計具有微摩爾水平活性的COX2/LTA4H雙功能抑制劑。在本研究中，作者進一步演示了LigBuilderV3的三種設計策略，並透過設計HIV-PR和HIV-RT雙功能抑制劑進行了計算評估。
參考文獻
Yuan， Yaxia， Jianfeng Pei， and Luhua Lai。
“Ligbuilder v3： a multi-target de novo drug design approach。”
Frontiers in chemistry 8 （2020）： 142。