虛擬篩選的常見驗證方法及其在新藥研發(fā)領域的應用
瀏覽次數(shù):734 發(fā)布日期:2024-1-25
來源:本站 僅供參考,謝絕轉載,否則責任自負
隨著醫(yī)學的發(fā)展,針對各種疾病靶點展開的藥物篩選已成為藥物研發(fā)的根本策略。目前,基于計算機的虛擬篩選技術因其高效、價格低等優(yōu)勢已經(jīng)在新藥研發(fā)領域嶄露頭角,今天就隨小 M 一起來看下吧~
傳統(tǒng)的高通量篩選需要在實驗室內對大量化合物進行生物活性篩選,實驗及設備操作繁瑣,成本較高。相較之下,虛擬篩選則是通過計算機模擬和預測的方法,在大量化合物數(shù)據(jù)庫中篩選出具有潛在生物活性的化合物,能夠大大加速藥物研發(fā)過程,減少實驗成本和研發(fā)周期,虛擬篩選涉及計算機輔助藥物設計 (Computer-Aided Drug Design,CADD) 技術,包括分子對接、藥物性質預測、藥物相互作用預測等。
圖 1. 各種計算方法在藥物設計上的應用[1]。
虛擬篩選既有基于蛋白結構的篩選方法 (也稱為對接),也有基于數(shù)據(jù)庫中小分子化學結構相似性的配體篩選方法。由于基于配體的虛擬篩選極大依賴于現(xiàn)有的特定活性化合物信息,所以在實際應用上存在很大的局限性;而隨著 AlphaFold 時代的到來,越來越多的蛋白結構已被精準的預測到,基于對接的虛擬篩選的方法已逐漸突破禁錮,在新藥研發(fā)領域大放異彩!
圖 2. 虛擬篩選方法的示意圖[2]。
新藥研發(fā)是一個耗時且成本高昂的研發(fā)過程。與新藥研發(fā)相比,藥物再利用 (也稱為老藥新用) 具有很多優(yōu)勢。首先,基于已知活性化合物的藥物研發(fā),可以降低藥物研發(fā)失敗風險;另外,MCE 活性化合物庫的化合物大都具有明確活性報道或處于臨床試驗階段, 以此進行篩選可以縮短研發(fā)周期,降低研發(fā)成本。
圖 3. MCE 一站式藥篩平臺。
近年來,越來越多的老藥新用的案例已經(jīng)進入臨床研究之中。例如, 米諾地爾最初作為一種治療高血壓的藥物進入臨床,后被研究發(fā)現(xiàn)其具有很好的刺激毛發(fā)生長的療效,現(xiàn)已廣泛用于脫發(fā)的治療之中。此外,作為一種曾經(jīng)廣為人知的解熱鎮(zhèn)痛藥,阿司匹林在 2015 年 9 月也被 USPSTF (美國預防醫(yī)學工作組) 確認具有預防心血管疾病和結直腸癌的作用。已批準上市藥物由于具有良好的生物活性、藥代動力學特性和安全性,特別適合老藥新用的研究。
一般而言,藥物再利用策略需要經(jīng)過三個步驟:(1) 確定具有疾病治療作用的候選分子;(2) 對候選藥物臨床前模型進行機制探究;(3) 臨床試驗的療效評估。通過計算方法和實驗方法初步確定具有療效的候選分子已經(jīng)成為藥物再利用研究中的重要一步。基于結構的分子對接技術已被廣泛用于預測配體 (藥物) 和治療靶點 (通常是蛋白質) 之間的結合親和力中 (圖 4)。
圖 4. 藥物再利用的方法[3]。
前面給大家介紹了虛擬篩選技術及老藥新用策略的應用及優(yōu)勢,那么如何對虛擬篩選得到的候選化合物進行驗證呢?下面跟著小 M 一起看看吧!
1.分子動力學模擬
分子動力學 (Molecular Dynamics,MD) 模擬是一種基于牛頓力學、綜合了物理,數(shù)學和化學等多種學科的計算機模擬方法,用于研究分子體系的運動和相互作用、預測分子體系的行為和結構性質。通過計算機分子模擬,研究人員能夠在分子水平上理解生物大分子的運動與生物功能、蛋白-小分子之間相互作用機理。目前,MD已廣泛用于生物醫(yī)藥、物理、化學和材料科學領域,是對理論計算和實驗的有力補充。
圖 5. 化合物與蛋白在結合 100 ns 的模擬圖[4]。
2. 親和質譜篩選
“精準” 靶向藥物分子設計策略是以疾病相關的藥物靶標-配體精確相互作用為理論基礎,通過藥物活性成分與疾病相關的特定生物靶點相互作用, 發(fā)現(xiàn)對靶蛋白具有親和力、特異性強的小分子配體。親和質譜技術(Affinity Selection Mass Spectrometry)作為一種間接篩選小分子配體的方法, 已經(jīng)成功應用于許多受體、酶等靶蛋白的配體篩選,并且得到了廣泛應用。
圖 6. 親和質譜篩選流程。
3. SPR 檢測
表面等離子共振 (Surface Plasmon Resonance,簡稱 SPR) 是借助傳統(tǒng)光學現(xiàn)象,利用光在不同介質中產(chǎn)生消逝波后與等離子波產(chǎn)生共振,進而可以構建生物分子相互作用的生物傳感分析技術,用以檢測生物傳感芯片上配位體與分析物之間的相互作用情況。簡單來說,SPR 就是根據(jù)金屬表面偶聯(lián)的配體是否與分析物結合而產(chǎn)生不同的共振角,通過監(jiān)測共振角度的變化,可以推斷出生物分子相互作用的親和性、親合常數(shù)、結合動力學等信息。
SPR 技術在藥物篩選、蛋白質-蛋白質相互作用研究、抗體-抗原結合等領域具有廣泛應用和重要價值。
圖 7. SPR 技術原理與結果示意圖。
案例一
南京大學鼓樓醫(yī)院 Zhang Wenlong 團隊發(fā)現(xiàn) MCE 活性化合物庫中的 Wedelolactone 具有潛在的 GPD1 激動活性,實現(xiàn)藥物再利用[5]。
發(fā)表期刊:Journal of Hematology & Oncology (IF= 28.5)
圖 8. 靶向 GPD1 的虛擬篩選及驗證[5]。
在這項研究中,作者通過進行虛擬篩選,從 MCE 活性化合物庫中獲得了 GPD1 變構激活劑 Wedelolactone,并在體外和體內證明了其抑制膀胱腫瘤生長的能力:GPD1 酶活性分析系統(tǒng)確定化合物對 GPD1 酶活性的激活作用(圖 G-H),選擇酶活實驗中活性最強的 Wedelolactone,利用 MST 法證明其與 GPD1 具有較好的結合親和力(Kd=505 nM)(圖 F)。使用 10 µM 的 Wedelolactone 處理 5637 和 T24 細胞,發(fā)現(xiàn) Wedelolactone 可以顯著增加細胞內的 G3P 和 NAD+,Wedelolactone 激活了膀胱癌細胞中內源性 GPD1 的催化活性。
案例二
香港中文大學 Wang Yifei 團隊利用 MCE 活性化合物庫順利找到能夠作用于 MCM6 靶點抑制劑[6]。
發(fā)表期刊:Theranostics(IF=12.4)
圖 9. 靶向 MCM6 的抑制劑 Purpureaside C 的虛擬篩選[6]。
在該研究中,作者首先通過 RNA 測序 (RNA-seq) 和基因芯片篩選 YAP 的下游靶點,并通過 ChIP PCR 和熒光素酶報告基因檢測,進一步驗證發(fā)現(xiàn) MCM6 是 GC 中潛在的 YAP 下游靶點。由于目前沒有已知可用的 MCM6 抑制劑,作者對 MCE 活性化合物庫進行了虛擬篩選,確定了 Purpureaside C 這一新的 MCM6 抑制劑,并對其進行了活性驗證,證實了二者之間的相互作用。
案例三
湖南省人民醫(yī)院聯(lián)合復旦大學兒童醫(yī)院聯(lián)合研究找出 MCE 活性化合物庫中的 PALB2-BRCA2 PPI 抑制劑 Pentagalloylglucose[7]。
發(fā)表期刊:Cancer Letters(IF= 9.756)
圖 10. 通過高通量虛擬篩選和基于 NanoBiT 的報告篩選鑒定 PGG 作為 PALB2-BRCA 2 抑制劑[7]。
在本研究中,作者對 HTS Compound Library 和 MCE Bioactive Compound Library Plus 兩個數(shù)據(jù)庫約 200 萬個小分子進行了基于結構的虛擬篩選和基于nanobit的篩選,通過SPR實驗驗證,確定了 Pentagalloylglucose (PGG) 這一化合物,可以破壞 PALB2-BRCA2 的蛋白-蛋白相互作用:PGG 可以結合在 BRCA2 肽與 PALB2 的結合口袋中,減少 BRCA2 向 DNA 損傷位點的募集,抑制 RAD51 病灶的形成,抑制同源重組修復。
此外,PGG 還能抑制包括乳腺癌和髓母細胞瘤細胞在內的多種癌細胞系的增殖和存活,并抑制腫瘤異種移植物的體內生長,在癌癥治療中具有潛在的價值,可以提高腫瘤對 PARP 抑制劑和放療敏感性。
MCE 擁有專業(yè)的虛擬篩選團隊、高性能的計算機服務器、高度標準的數(shù)據(jù)隱私管理,可提供專業(yè)的分子對接、虛擬篩選及后續(xù)驗證實驗的一站式藥篩服務服務。更有 40 余種高通量化合物庫,涵蓋 600 萬有現(xiàn)貨、可重復供應、結構多樣、具有類藥性的化合物,任您挑選。虛擬篩選技術在挖掘已知活性化合物新用途上優(yōu)勢多多,下一個發(fā)現(xiàn)新藥的人就是你!
Bioactive Compound Library
這類化合物一般比較容易透過細胞膜,作用于細胞內特定的靶蛋白,調控細胞內信號通路,進而引起細胞表型的一些變化。Bioactive Compound Library 包含 17212 種具有明確報道的、活性已知、靶點明確的小分子化合物,包括天然產(chǎn)物,新型化合物,已上市化合物及處于臨床期化合物等,可以用于信號通路研究,新藥研發(fā),老藥新用等不同的篩選目的。
|
Drug Repurposing Compound Library
新藥研發(fā)是一個耗時且成本高昂的研發(fā)過程,此庫包括 4313 種批準上市藥物及臨床Ⅰ期以后化合物,這些化合物已經(jīng)完成了廣泛的臨床前和臨床研究,具有良好的生物活性、安全性和生物利用度,特別適合藥物新適應癥的研究。
|
FDA-Approved Drug Library
與新藥研發(fā)相比,藥物再定位 (也稱為老藥新用) 具有很多優(yōu)勢。首先,降低了藥物研發(fā)失敗風險;其次,可以縮短研發(fā)周期;最后,降低研發(fā)成本。批準上市藥物由于具有良好的生物活性、藥代動力學特性和安全性,特別適合老藥新用的研究。此庫包含 2772 個批準上市的化合物,這些化合物已經(jīng)完成了廣泛的臨床前和臨床研究,具有良好的生物活性、安全性和生物利用度。MCE FDA 上市庫是一種很好的藥物再利用工具,可以顯著加快藥物開發(fā)進程。
|
EMA-Approved Drug Library
此庫包含 647 種具有藥理多樣性EMA批準上市藥物。該化合物庫中所有藥物均已完成廣泛的臨床前和臨床研究,具有良好的生物活性、安全性和生物利用度,是進行藥物重定位的一個有用工具,可以大大加快藥物開發(fā)速度。
|
|
MCE的所有產(chǎn)品僅用作科學研究或藥證申報,我們不為任何個人用途提供產(chǎn)品和服務。
參考文獻:
[1] Cox PB, et al. Contemporary Computational Applications and Tools in Drug Discovery. ACS Med Chem Lett. 2022 Jun 1;13(7):1016-1029.
[2] Polgár T, et al. Integration of virtual and high throughput screening in lead discovery settings. Comb Chem High Throughput Screen. 2011 Dec;14(10):889-97.
[3] Pushpakom S, et al. Drug repurposing: progress, challenges and recommendations. Nat Rev Drug Discov. 2019 Jan;18(1):41-58.
[4] Liu S, et al. In silico-determined compound from the root of Pueraria lobate alleviates synaptic plasticity injury induced by Alzheimer's disease via the p38MAPK-CREB signaling pathway. Food Funct. 2021 Feb 15;12(3):1039-1050.
[5] Zhang W, et al. Allosteric activation of the metabolic enzyme GPD1 inhibits bladder cancer growth via the lysoPC-PAFR-TRPV2 axis. J Hematol Oncol. 2022 Jul 14;15(1):93.
[6] Wang Y, et al.MCM6 is a critical transcriptional target of YAP to promote gastric tumorigenesis and serves as a therapeutic target. Theranostics. 2022 Sep 6;12(15):6509-6526.
[7] Zeng J, et al. Pentagalloylglucose disrupts the PALB2-BRCA2 interaction and potentiates tumor sensitivity to PARP inhibitor and radiotherapy. Cancer Lett. 2022 Oct 10;546:215851.