本文章节


 

基于结构的小分子药物虚拟筛选
Structure-Based Virtual Screening of Small Molecule Drugs   

引用 收藏 提问与回复 分享您的反馈 被引用

摘要:虚拟筛选是一种从大型化合物数据库中识别候选药物的快速且经济的计算方法,已广泛应用于早期药物发现。高通量的虚拟筛选通过有效的部署计算力,平衡计算成本与准确性,使有价值的分子进入高精度的计算步骤中。本文以与肿瘤相关的药物靶标Src激酶为例,使用Schrödinger软件Glide模块简要介绍一种基于结构的小分子药物虚拟筛选方法。

关键词: 虚拟筛选, 药物发现, 分子对接, MM-GBSA

仪器设备

  1. 高性能计算服务器 (浪潮,catalog number: NF5280M5)

软件

  1. Schrödinger v2017-2软件
    Schrödinger作为一个药物发现的软件包,具备较为完备的药物设计相关模块,如Prime、Glide、QikProp、SiteMap等。其中Glide拥有一套配体受体对接的完整解决方案,在与天然共晶结构的RMSD方面优于其他对接程序,它对配体的构象、取向和位置空间进行系统搜索,并使用半经验自由能的综合评价方法来确定最佳构象 (Friesner et al., 2004)。

实验步骤

一、虚拟分子库的建立

  1. 根据需求建立原始虚拟分子库 (可在ZINC、PubChem或TargetMol等数据库获得)。
  2. 使用LigPrep模块对所有分子进行处理 (图1A)。
  3. 可根据需求使用QikProp模块进行成药性分析进而自定义虚拟分子库 (图1B),如去除所有stars > 2 (成药性总体评价)、rtvFG > 0 (代谢、毒性等评价) 和RuleOfFive > 1 (药物五原则评价) 的分子。


    1. 虚拟分子库的处理及成药性分析

二、活性位点的设置

  1. 选择分辨率 < 3.0 Å的PDB结构,例如2H8H ( Hennequin et al., 2006)。
  2. 使用Protein Preparation and Refinement - Protein Preparation Wizard模块对受体结构进行处理 (图2A)。
  3. 若活性位点已知则结合位点即活性位点;若活性位点未知则可通过SiteMap模块预测潜在的结合位点 (图2B)。
  4. 使用Glide - Receptor Grid Generation模块选中活性位点中的配体建立格点文件 (图2C)。


    2.分子对接的活性位点设置

三、分子对接

使用Glide - Ligand Docking模块进行格点文件和虚拟分子库的分子对接 (图3A),通过有效的部署计算力,创建计算漏斗 (HTVS - SP - XP),使有价值的分子进入更高精度的计算步骤中:

  1. 使用HTVS模式筛选出排名前10%的分子。
  2. 使用SP模式筛选出上一步中排名前10%的分子。
  3. 使用XP模式筛选出上一步中排名前10%的分子。

四、MM-GBSA打分 (Li et al., 2011)

使用Prime - MM-GBSA模块针对XP模式下筛选出的受体-配体复合物进行MM-GBSA的计算 (图3B)。


3.分子对接及MM-GBSA打分

五、聚类分析

使用Discovery Informatics and QSAR - Fingerprint Similarity模块中的Cluster方法对MM-GBSA的结果进行聚类分析,根据聚类分析及MM-GBSA打分筛选出候选药物进行下游实验验证 (图4)。


4. 聚类分析

失败经验

  1. 根据建立的虚拟分子库大小,来决定分子对接过程中筛选的百分比,最后选出500-1000个结构进行MM-GBSA打分。
  2. 使用Protein Preparation Wizard模块处理受体结构时,需要关注活性位点中的水分子,应保留存在于多个晶体结构中的保守水分子。
  3. 若受体活性位点未知,但受体同家族蛋白具备已知的活性位点,则可直接使用该位点进行对接;若无任何受体活性位点信息,则可根据SiteMap模块预测结果建立多个可以对接的位点。
  4. 虚拟筛选结果的聚类分析,优先覆盖尽可能多的类,根据MM-GBSA打分 (MM-GBSA dG Bind),并参考分子对接的docking score来筛选结构;其次要考虑小分子的购买途径及价格;若聚类分析所得类别过少,可设置Apply Clustering - Number of clusters增加类别。
  5. 分子对接结果的可视化检查是在实验测试之前的最后一步,是依赖经验挑选分子的核心步骤。可视化检查中最常评估的特征主要包括:1) 配体和结合位点之间的互补性;2) 配体-蛋白质相互作用的存在,如疏水相互作用和氢键;3) 配体与特定结合位点残基或辅助因子的相互作用;4) 扭曲的配体构象 (如酰胺键、酯或不利的顺反异构体的扭曲) 也被认为是对接结果的排除标准之一,因为它代表与实际不符的构象 (Fischer et al., 2021)。

致谢

项目经费来源于清华大学生命科学联合中心 (项目编号61020100120),特此致谢。

参考文献

  1. Friesner, R. A., Banks, J. L., Murphy, R. B., Halgren, T. A., Klicic, J. J., Mainz, D. T., Repasky, M. P., Knoll, E. H., Shelley, M. and Perry, J. K. (2004). Glide: a new approach for rapid, accurate docking and scoring. 1. method and assessment of docking accuracy. J Med Chem 47(7): 1739-1749.
  2. Hennequin, L. F., Allen, J., Breed, J., Curwen, J., Fennell, M., Green, T. P., Lambert-van der Brempt, C., Morgentin, R., Norman, R. A., Olivier, A., Otterbein, L., Plé, P. A., Warin, N. and Costello, G. (2006). N - ( 5 - Chloro - 1, 3 - benzodioxol - 4 - yl ) - 7 - [ 2 - ( 4 - methylpiperazin - 1 - yl ) ethoxy ] - 5 - ( tetrahydro - 2H - pyran - 4 - yloxy ) quinazolin - 4 - amine, a novel, highly selective, orally available, dual-specific c-Src/Abl kinase inhibitor. J Med Chem 49(22): 6465-6488.
  3. Li, J. N., Abel, R., Zhu, K., Cao, Y. X., Zhao, S. W. and Friesner, R. A. (2011). The VSGB 2.0 model: A next generation energy model for high resolution protein structure modeling. Proteins 79(10): 2794-2812.
  4. Fischer, A., Smieko, M., Sellner, M. and Lill, M. A. (2021). Decision making in structure-based drug discovery: visual inspection of docking results. J Med Chem 64(5): 2489-2500.
登录/注册账号可免费阅读全文
Copyright: © 2021 The Authors; exclusive licensee Bio-protocol LLC.
引用格式:郭林, 张孝春, 田博学. (2021). 基于结构的小分子药物虚拟筛选. Bio-101: e1010827. DOI: 10.21769/BioProtoc.1010827.
How to cite: Guo, L., Zhang, X. C. and Tian, B. X. (2021). Structure-Based Virtual Screening of Small Molecule Drugs. Bio-101: e1010827. DOI: 10.21769/BioProtoc.1010827.
提问与回复
提交问题/评论即表示您同意遵守我们的服务条款。如果您发现恶意或不符合我们的条款的言论,请联系我们:eb@bio-protocol.org。

如果您对本实验方案有任何疑问/意见, 强烈建议您发布在此处。我们将邀请本文作者以及部分用户回答您的问题/意见。为了作者与用户间沟通流畅(作者能准确理解您所遇到的问题并给与正确的建议),我们鼓励用户用图片的形式来说明遇到的问题。

如果您对本实验方案有任何疑问/意见, 强烈建议您发布在此处。我们将邀请本文作者以及部分用户回答您的问题/意见。为了作者与用户间沟通流畅(作者能准确理解您所遇到的问题并给与正确的建议),我们鼓励用户用图片的形式来说明遇到的问题。