药效团引导的药物再利用虚拟筛选

药物再利用是一项长期确立的策略，用于识别超出原始医学适应症范围的已批准或研究性疗法的新申请。 ¹ 自从一种专为高血压和心绞痛设计的药物意外地重新定位成为辉瑞臭名昭著的“蓝色小药丸”，通常被称为伟哥，药物再利用在公众眼中如此突出。全球对治疗 COVID-19 的紧迫性使这种药物策略再次引起了大众的关注。

3D 蛋白质建模包括几种用于药物再利用的分子建模和模拟方法。本系列的前一篇文章探讨了分子对接是一种识别与 SARS-CoV-2 主要蛋白酶结合的可能抑制剂的方法。可以替代硅片 药效团建模等方法获得了可比较的结果，并提供了额外的证据来支持选择一个候选者而不是另一个候选者？

另辟蹊径

药效团建模提供了对蛋白质靶标识别配体所必需的分子特征的抽象。它对分子相互作用和结合的表示为经典模拟方法提供了对比视角。

我们从钻石光源获得了几个 SARS-CoV-2 主要蛋白酶蛋白结构的初始数据集。 ² 我们对齐这些结构，然后使用 BIOVIA Discovery Studio 中可用的“相互作用药效团生成”方案来生成代表每个受体-配体复合物的非键相互作用的药效团。药效团的特征总数从 5R80 和 5R7Y 晶体结构的两个特征到 6LU7 的九个特征模型不等。我们将来自单个复合物的药效团合并到一个模型中，并编辑了紧密聚集的特征。最终模型包括 14 个特征，代表蛋白酶与可能的小分子结合物之间的分子间接触。

我们随后进行了计算机模拟 对所有复合物的活性位点残基进行丙氨酸扫描诱变，以确定哪些残基在突变时降低了该蛋白质-配体复合物的结合亲和力（热点）。从所有复合物中，我们确定了 8 个残基（HIS41、MET49、ASN142、HIS163、MET165、PRO168、GLN189 和 GLN192）作为至少一个复合物中的热点，以及至少四个复合物中作为热点的三个残基。在 14 个特征的药效团模型中，六个特征对应于与八个热点残基之一的相互作用。非共价 M ^PRO 的第二个数据集 金刚石光源释放的配体复合物 ² 揭示了许多不同的结合模式，导致我们将六个关键的药效团特征分为两组，用于下一步的虚拟筛选。

我们现在使用此药效团模型对包含 2,650 种 FDA 批准的药物的选定库进行虚拟筛选，这些药物具有预先生成的多个配体确认以进行快速搜索。我们针对 14 个特征的药效团筛选了这些配体，要求来自两个所需组中的每一个的至少一个特征需要匹配，以及来自其余八个特征的至少两个特征，以识别命中。这是为了允许对配体的不同结合模式进行多种探索，同时还确保仅保留可以与丙氨酸扫描诱变中鉴定的显着残基形成至少两种相互作用的姿势。该算法基本上探索了 12,000 多种可能的药效团组合。然后，我们最小化了蛋白质中每个药效团组合的最佳拟合命中。最后，我们使用 CHARMm 和使用分子体积 (GBMV) 隐式溶剂模型的广义出生来确定优化的药效团衍生姿势的结合能。这种方法实际上是一种分子对接计算（如我们之前的博客中所述），但在这里我们使用了我们优化的药效团模型来抑制和过滤对接结果。

我们计算了每个姿势的非键相互作用，并过滤以仅关注那些与四个关键残基相互作用的姿势——HIS41、MET49、CYS145 和 MET165。 HIS41、MET49 和 MET165 是早先鉴定的至少四种复合物共有的三个残基，CYS145 是在主要蛋白酶同二聚体的每个亚基中发现的重要 HIS41/CYS145 催化二元组中的第二个残基。我们用计算出的结合自由能对命中进行排序，以确定前十名可能的候选者以供进一步探索。利托那韦是此处和上一篇博客中确定的唯一常见配体。利托那韦的结合自由能排名第七，之前在对接研究中也排名第七。利托那韦目前正在进行多项针对 COVID-19 的临床试验。 ³

视频 1 ：利托那韦与 HIS41、MET49、SER144、CYS145、MET165、GLU166 和 GLN189 相互作用的最佳得分姿势。

此处介绍的方法中得分最高的配体是孟鲁司特，一种半胱氨酰白三烯受体拮抗剂。最近发表的一篇论文假设其用于限制 COVID-19 感染的疾病进展。 ⁴

另外三种得分最高的化合物包括药物替米沙坦、莫西普利和羟氯喹。所有这些化合物作为 COVID-19 重新利用药物的潜力最近受到了审查， ⁵ 其中羟氯喹引起的争议最大。两种方法的前十名命中列表之间的另一个区别是所包括的药物靶点的多样性。前十名对接结果包括七种 HCV 或 HIV 蛋白酶抑制剂。药效团优先命中列表包括具有七种不同目标类别的药物。

我们的药效团衍生的虚拟筛选产生了一个优先命中列表，其中包括我们之前的对接工作中未发现的几种新的潜在 COVID-19 药物。通过这种方法，我们展示了 in silico 丙氨酸扫描诱变作为改进药效团模型的有用技术。我们还要求在筛选过程中存在某些特征以进行拟合。这两项研究的结果没有直接的可比性——与其说是基本算法的差异，不如说是实施的支持策略不同。

两种方法之间结果的简要比较表明，在关注的线索方面几乎没有重叠。可以说，两种方法确定的利托那韦的共性为支持选择该候选药物进行进一步研究提供了证据。先前的研究表明，使用蛋白质-配体对接评分函数的共识可以提高对推定候选药物的识别。 ⁶ 因此，研究人员可以使用每种方法中唯一得分最高的化合物来确定用于实验测试的化合物的优先级。

总之，药效团衍生的虚拟筛选为对接提供了一种补充和互补的方法，有助于在实验验证的候选者选择中达成共识和更大的信心。除了提供用于重新利用的候选药物的紧迫性之外，这种药效团驱动的方法还可以识别出更加多样化的配体，用于后续的先导优化。