先睹為快
靶點
FLAP：5-脂氧合酶激活蛋白（PDB ID：2Q7M）
數據庫
Molport數據庫（6255980個小分子）
ChEMBL數據庫（267個已知FLAP抑制劑分子）
計算方法
分子對接
藥效團
化學多樣性聚類
隨機森林方法
分子動力學模擬
計算軟件
Schrödinger Suite、Canvas、KNIME、Desmond、Gromacs
計算流程
作者結合基於結構和配體的組合策略建立多步驟虛擬篩選流程，依次通過分子對接、藥效團過濾、化學多樣性聚類分析、3D-QSAR和隨機森林法篩選、目視篩選等方法，篩選了Molport庫中約62萬個小分子，選出了20個化合物進行生物活性測試以及分子動力學模擬，20個分子中有12個在10μM時具有生物活性，其中4個分子的IC50值<1μM。本研究建立的多步驟虛擬篩選方法提高了陽性分子的命中率，篩選的HIT分子與已知的FLAP抑制劑相比，具有明顯不同的化學類型，可作為開發新型FLAP抑制劑的先導化合物。
虛擬篩選流程
作者結合基於結構和配體的方法建立新型多步驟虛擬篩選流程發現潛在的FLAP抑制劑。具體篩選流程如下（圖1）：
分子對接：對接6255980個分子，保留得分小於-6.00的小分子；
藥效團過濾：剩餘的4640523個分子使用藥效團進行過濾；
化學多樣性聚類：通過化學差異和聚類對剩餘的359497個分子進行選擇；
3D-QSAR和隨機森林方法：通過藥效團比對評分、三維定量結構定量構效關係(3D-QSAR)模型和隨機森林方法對剩餘的20000個分子進行評估，根據其預測的活性類別對抑制劑分子進行分類；
目視篩選：對剩餘的1000個分子進行深度目視檢查，並選擇100個具有所需結合輪廓的配體；
根據新穎性、可獲得性和化學多樣性，最終獲得了20個分子；
分子動力學模擬：使用分子動力學模擬進一步評估所選分子的結合性質。
分子對接
作者評估了活性化合物是否可以在誘餌化合物產生的結合分數的分佈方面表現出更好的結合分數。分析表明，有效抑制劑(IC50或Ki值<1μM)的對接分數均小於−6，該值被設定為虛擬篩選中的第一過濾器。總共，6255980個來自Molport的化合物被對接到的FLAP的結合位點中，通過表徵配體−蛋白結合的相互作用能對化合物進行排序。在這一輪虛擬篩選中，篩選出的分子數量為4640523個。
藥效團過濾
作者以已有的FLAP抑制劑分子構建了4個具有相似藥效團特徵但具有不同3D構象排列的藥效團模型，這4個模型被用於分子對接後產生的小分子結合姿勢的進一步過濾。這一策略的目的是成功地覆蓋屬於不同化學簇的所有有效的FLAP抑制劑，這些化學簇具有不同的結合模式。最終保留了359497個獨特的分子。
化學多樣性聚類
用Canvas軟件計算剩餘359497個小分子四點藥效團的指紋圖譜，化合物根據其多樣性使用相同的軟件包進行聚類，分成了100個簇。然後考慮化學多樣性並進行目視檢查選擇了其中20個簇總共20000個小分子進入下一步篩選。
3D-QSAR和隨機森林方法
由於對接得分的預測能力較低，作者使用已知的FLAP抑制劑進行3D-QSAR建模，以提高計算模型對虛擬篩選研究的預測能力。作者基於56個訓練集分子與9個測試集分子構建了比較分子相似指數分析(CoMSIA)模型（圖2）。使用Canvas計算ChEMBL數據庫中的267種FLAP抑制劑的物理化學和拓撲描述符，在生成的數據集的基礎上，用KNIME程序應用隨機森林方法。然後，根據藥效團比對得分、CoMSIA模型和隨機森林方法對上步的20000個分子集進行篩選。結果，這些分子被進一步分類為預測的活性/非活性化合物兩種類別，篩選獲得了1000個分子。
目視篩選
肉眼觀察1000個分子在結合口袋內的姿勢與結合方式，以選擇最佳的100個配體，使配體−蛋白與殘基H28，D62，Y112，K116和F123發生有利的相互作用。在這些化合物中，考慮到現有技術、合成可行性和化學多樣性標準，精心挑選了20個小分子進行生物篩選（圖3）。
分子動力學模擬
作者首先運行了10ns的分子動力學模擬，20個小分子均具備穩定的結合模式，隨後對這20個分子進行了生物活性測試，生物測試中最活躍的四個分子的為化合物4、11、16和20。之後將分子動力學模擬延長至100ns。100ns運行的結果與10ns的模擬結果相似，且這20個分子的佔有值與作者課題組以前發表的分子的結合性質相似。在結合模式上，化合物4(圖4A)的羧酸鹽陰離子與H28形成水橋，與K116形成鹽橋，該分子的N-苄基與F123產生π−π相互作用。化合物11(圖4B)顯示硝基與H28形成氫鍵，咪唑環的第三個氮原子與Y112形成水橋，該分子的2-(三氟甲基)苯基與F123產生π−π相互作用。化合物16(圖4C)的甲氧基苯基部分與H28形成水橋，噻吩和三唑片段與F123產生π−π相互作用。對稱化合物20(圖4D)的苯胺中的一個與H28形成π−π相互作用，另一個苯胺基團與D62形成氫鍵和水橋，D62位於活性中心的內部疏水口袋中。
圖1.虛擬篩選發現新型FLAP抑制劑的工作流程
圖片來源JCIM
圖2.CoMSIA模型顯示在FLAP結合部位
圖片來源JCIM
圖3.命中的20個小分子的化學結構
圖片來源JCIM
圖4.化合物(A)4、(B)11、(C)16和(D)20的分子動力學模擬分析
圖片來源JCIM
參考文獻：
Olgac A, Carotti A, Kretzer C, et al. Discovery of novel 5-lipoxygenase-activating protein (FLAP) inhibitors by exploiting a multistep virtual screening protocol[J]. Journal of Chemical Information and Modeling, 2020. DOI: 10.1021/acs.jcim.9b00941
閱讀更多 中大唯信 的文章
