药效团模型构建(下篇)

药效团模型构建(下篇)

基于药效团模型筛选组胺H3受体拮抗剂的研究实例

组胺H3受体(hH3R)是一个晶体结构未知的G蛋白偶联受体。在中枢神经系统以及外周神经系统中,hH3R调控多种神经递质的释放。因此该蛋白被视作多种疾病的潜在治疗靶点。尽管与该蛋白结合的配体分子已知,在药物设计领域中,发现一个替代性的结构仍然是一个有挑战性的目标。下图展示了3个hH3R拮抗剂的分子结构。构效关系研究指出可质子化的氮原子(在芳香咪唑结构中或者在饱和环状结构)以及与固定距离隔开的芳香结构,是hH3R拮抗剂的必备药效基团。此外增加间隔基团的极性可以增强拮抗剂的活性。

药效团模型构建过程

由于hH3R拮抗剂具有高度柔性,以及巨大的结构差异,根据经典方法(发现hH3R拮抗剂的普遍结合特征)生成药效团模型非常困难。故在本例中使用多药效团模型的方法。

1、使用[3H]Nα甲基组胺试剂盒测定了418个hH3R拮抗剂的亲和力;

2、通过Catalyst软件对配体数据集进行构象搜索。能量截断值(cut-off)设定为20 kcal/mol,以免产生高能构象;

3、基于上图提到的hH3R拮抗剂1、2和3(活性最强分子),生成了3个药效团模型。化合物1、2和3的生物活性构象通过构象分析以及基于同源建模的对接产生,对接结果如下图所示。分子对接的结果显示,同源建模获得的蛋白模型有能力解释配体与蛋白之间的相互作用(与点突变的生物活性数据相一致)。但是基于受体的虚拟筛选难以将活性拮抗剂和非活性拮抗剂区分开来,故采用基于药效团的虚拟筛选。

为了克服hH3R拮抗剂的分子多样性问题,在本例中药效团模型被定义的很宽松,以保证药效团能够识别大多数的活性分子。化合物1的药效团模型如下图所示。红色圆球代表正电基团,橙色圆球代表疏水性或者芳香性基团,蓝色圆球代表芳香性基团。由于在活性分子集中,4-氨基喹啉具有高度的化学多样性,该部位没有定义任何药效团元素。

在对化合物库进行筛选时,通过以上方法获得的药效团模型过于宽松。因此将化合物1的范德华体积设定为额外的药效团元素。排斥体积(exclusion volume)的引入是为了解释为何一些化合物结构扩展到该区域,则该化合物失去活性。下图显示了化合物1的完整药效团模型。

使用Catalyst软件通过该模型对拥有418个已知活性化合物的数据集进行药效团搜索。结果指出316个化合物为命中化合物(hits),其中93%具有最高活性的化合物能够被识别。让人不满意的一点是,54%的非活性化合物也可以通过药效团模型的筛选。应用该药效团模型对Maybridge数据库(MDB)以及World Drug Index(WDI)数据库进行筛选,分别获得了249个命中化合物和929个命中化合物。因此,该药效团模型可以识别70%的活性化合物以及适度活性的化合物(pKi> 7),MDB以及WDI数据库中98.9%的化合物可以被排除。

为了在虚拟筛选过程中更进一步提高活性化合物的识别率,使用类似的方法对化合物2 (Ki= 0.33 nM)以及化合物3(Ki=69 nM)构建了药效团模型,如下图所示(上)。联用3个药效团模型,可以识别93%的pKi>7的化合物(总量398,识别数量369)。来自MDB以及WDI数据库的化合物仅命中2668个(2.5%)。通过该药效团模型的筛选,从商业化合物库中识别出少量化合物,表明该模型可以合理地用于虚拟筛选研究。

基于药效团模型筛选化合物库

为了进行更严格的筛选,使用化合物1的药效团元素进行留一法(leaveone out,LOO)筛选。Catalyst的留一法模型,由5个药效团元素构成,每次排除1个来自化合物1的药效团元素。通过使用LOO筛选,将从MDB以及WDI数据库获得的2668个化合物减少到320个。为了确保药效团筛选得到的化合物能与hH3R受体的结合位点合理的结合,使用GOLD软件对化合物进行了分子对接,随后根据对接打分对化合物进行排序。从排名较前的化合物中,根据结构多样性的原则选择7个化合物进行实验验证,七个化合物的结构如下图所示。所有的化合物对组胺H3受体均有活性,活性的范围为7.9nM到6.3uM。其中2个化合物(BTB-08079, RJC-03033)的活性在纳摩尔级别。

为了测定虚拟筛选获得的7个化合物与原有的418个配体的结构相似程度,基于不同分子指纹(MACCS指纹,graph-3-point pharmacophore指纹)计算了分子相似指数。结果指出,通过虚拟筛选获得的活性化合物与原有组胺H3受体的配体之间的相似程度较低,有趣的是亲和力最强的命中化合物BTB-08079,与原有配体之间的相似程度最低。

通过分子对接的仅仅能识别418个活性化合物中66%的化合物。故与基于受体的筛选方法相比,基于药效团的虚拟筛选方法的方法可靠性更高。

结论

尽管药效团模型被普遍接受并且取得相当大的成功,我们不应该忽略药效团模型的局限性。药效团的方法基于分子力场,因此电子相互作用的性质,例如极化效应没有被考虑在内。此外,药效团模型也忽视了蛋白-配体相互作用的动力学性质。虽然部分药效团建模软件(Catalyst,LigandScout)考虑了多药效团和替代药效团,对不同结合模式进行建模仍然是一个问题。对有的蛋白结合位点,必须考虑不同结合模式的影响。

在过去,药效团模型主要是基于配体的建模。目前,由于越来越多的蛋白质晶体结构被成功解析,联合基于配体以及基于受体的策略已经取得了充分的发展,并且被成功应用在药物发现的领域中。

参考文献:Chapter 28 Pharmacophore Identification and Pseudo-Receptor Modeling . In The Practice of Medicinal Chemistry, 3rd Ed, 2008.