Pharmacophore-geleide virtuele screening voor hergebruik van geneesmiddelen

Herbestemming van geneesmiddelen is een al lang bestaande strategie voor het identificeren van nieuwe toepassingen voor goedgekeurde of experimentele therapieën die buiten het bereik van de oorspronkelijke medische indicatie vallen. ¹ Niet sinds de serendipiteuze herpositionering van een medicijn dat is ontworpen voor hypertensie en angina tot Pfizer's beruchte 'kleine blauwe pil', gewoonlijk Viagra genoemd, is de herbestemming van medicijnen zo prominent in de publieke belangstelling geweest. De wereldwijde urgentie voor therapieën om COVID-19 te behandelen, heeft deze medicijnstrategie opnieuw onder massale aandacht gebracht.

3D-eiwitmodellering omvat verschillende moleculaire modellerings- en simulatiemethoden voor herbestemming van geneesmiddelen. Een eerdere post in deze serie onderzocht moleculaire koppeling als een methode voor het identificeren van mogelijke remmers die binden aan het SARS-CoV-2-hoofdprotease. Kan een alternatief in silico methoden zoals farmacofoormodellering vergelijkbare resultaten opleveren en aanvullend bewijs leveren ter ondersteuning van de selectie van de ene kandidaat boven de andere?

Een alternatieve route nemen

Farmacofoormodellering biedt een abstractie van de moleculaire kenmerken die nodig zijn voor de herkenning van een ligand door een eiwitdoelwit. De weergave van moleculaire interacties en binding biedt een perspectief dat contrasteert met klassieke simulatiemethoden.

We hebben een eerste dataset verkregen van verschillende SARS-CoV-2-hoofdprotease-eiwitstructuren van Diamond Light Source. ² We hebben deze structuren uitgelijnd en vervolgens het 'Interaction Pharmacophore Generation'-protocol gebruikt dat beschikbaar is in BIOVIA Discovery Studio om farmacoforen te genereren die de niet-bindingsinteracties van elk receptor-ligandcomplex vertegenwoordigen. Het totale aantal kenmerken in de farmacoforen varieerde van twee kenmerken voor de 5R80- en 5R7Y-kristalstructuren tot een model met negen kenmerken voor 6LU7. We hebben de farmacoforen van de individuele complexen samengevoegd tot een enkel model en nauw geclusterde kenmerken bewerkt. Het uiteindelijke model omvatte 14 kenmerken die intermoleculaire contacten vertegenwoordigen tussen het protease en mogelijke bindmiddelen voor kleine moleculen.

Vervolgens hebben we in silico uitgevoerd alanine-scanning mutagenese op de residuen van de actieve plaats van alle complexen om te identificeren welke residuen de bindingsaffiniteit (hotspot) van dat eiwit-ligandcomplex verminderden bij mutatie. Van alle complexen identificeerden we acht residuen (HIS41, MET49, ASN142, HIS163, MET165, PRO168, GLN189 en GLN192) als hotspots in ten minste één complex en drie residuen die hotspots waren in ten minste vier complexen. In het farmacofoormodel met 14 kenmerken kwamen zes kenmerken overeen met interacties met een van de acht hotspotresiduen. Een tweede dataset van niet-covalente M ^PRO ligandcomplexen vrijgegeven door Diamond Light Source ² onthulde een aantal verschillende bindingsmodi, waardoor we de zes belangrijkste farmacofoorkenmerken in twee groepen konden scheiden voor gebruik in de volgende stap van de virtuele screening.

We hebben dit farmacofoormodel nu gebruikt om virtuele screening uit te voeren van een geselecteerde bibliotheek met 2.650 door de FDA goedgekeurde geneesmiddelen waarvan meerdere ligandbevestigingen vooraf zijn gegenereerd voor snel zoeken. We hebben deze liganden gescreend tegen de farmacofoor met 14 kenmerken, met de vereiste dat ten minste één kenmerk van elk van de twee vereiste groepen overeen moest komen, evenals ten minste twee kenmerken van de overige acht kenmerken, om een ​​treffer te identificeren. Dit is bedoeld om diverse exploratie van verschillende bindingsmodi van de liganden mogelijk te maken, terwijl er ook voor wordt gezorgd dat alleen poses die ten minste twee interacties kunnen vormen met significante residuen die zijn geïdentificeerd in de alanine-scanning-mutagenese, behouden blijven. Het algoritme onderzoekt in wezen meer dan 12.000 mogelijke farmacofoorcombinaties. Vervolgens hebben we de best passende hits voor elke farmacofoorcombinatie in het eiwit geminimaliseerd. Ten slotte hebben we de bindingsenergieën van de geoptimaliseerde van farmacofoor afgeleide houdingen bepaald met behulp van CHARMm met een gegeneraliseerd geboren met behulp van het impliciete oplosmiddelmodel van Molecular Volume (GBMV). Deze methode is in feite een moleculaire koppelingsberekening (zoals in onze vorige blog), maar hier hebben we ons geoptimaliseerde farmacofoormodel gebruikt om de gekoppelde resultaten te beperken en te filteren.

We hebben de niet-gebonden interacties van elke pose berekend en gefilterd om ons te concentreren op alleen die poses met interacties met vier belangrijke residuen - HIS41, MET49, CYS145 en MET165. HIS41, MET49 en MET165 waren de drie residuen die gemeenschappelijk zijn voor ten minste vier eerder geïdentificeerde complexen, en CYS145 is het tweede residu in de significante HIS41/CYS145 katalytische dyade die in elke subeenheid van het belangrijkste protease-homodimeer wordt gevonden. We sorteerden de hits met de berekende bindingsvrije energie om de top tien van plausibele kandidaten voor verder onderzoek te identificeren. Ritonavir was de enige veel voorkomende ligand die hier en in de vorige blog werd geïdentificeerd. Ritonavir had de zevende beste bindende vrije energie en stond eerder ook op de zevende plaats in de docking-studie. Ritonavir ondergaat momenteel een aantal klinische onderzoeken naar COVID-19. ³

Video 1 :Positie met de beste score voor Ritonavir in wisselwerking met HIS41, MET49, SER144, CYS145, MET165, GLU166 en GLN189.

De best scorende ligand in de hier gepresenteerde methode was Montelukast, een cysteïnylleukotrieenreceptorantagonist. Een recent gepubliceerd artikel heeft de hypothese geopperd dat het de progressie van de ziekte bij een COVID-19-infectie kan beperken. ⁴

Drie andere topscorende verbindingen waren de geneesmiddelen Telmisartan, Moexipril en hydroxycloroquine. Het potentieel van al deze verbindingen als hergebruikte medicijnen voor COVID-19 is onlangs onder de loep genomen, ⁵ waarbij hydroxychloroquine de meeste controverse opriep. Een bijkomend verschil tussen de top tien hitlijsten van de twee methoden is de diversiteit van de opgenomen medicijndoelen. De top tien van dockingresultaten omvat zeven HCV- of HIV-proteaseremmers. De hitlijst met farmacofoorprioriteit bevat medicijnen met zeven verschillende doelklassen.

Onze van farmacofoor afgeleide virtuele screening produceerde een geprioriteerde hitlijst met verschillende nieuwe potentiële COVID-19-medicijnen die niet zijn geïdentificeerd in ons vorige dockingwerk. Met deze aanpak demonstreren we het gebruik van in silico alanine-scanning mutagenese als een bruikbare techniek voor het verfijnen van het farmacofoormodel. Ook hebben we de eis gesteld dat bepaalde kenmerken aanwezig moeten zijn voor een fit tijdens het screeningsproces. De resultaten van deze twee onderzoeken zijn niet direct vergelijkbaar - niet zozeer vanwege de verschillen in de basisalgoritmen, maar eerder vanwege de implementatie van verschillende ondersteunende strategieën.

De korte vergelijking van de resultaten tussen de twee methoden toonde weinig overlap in leads om op te focussen. Men zou kunnen zeggen dat de gemeenschappelijkheid van ritonavir, geïdentificeerd door beide methoden, bewijs levert om de selectie van deze kandidaat voor verder onderzoek te ondersteunen. Eerdere onderzoeken hebben aangetoond dat het gebruik van een consensus over de scorefuncties voor het koppelen van eiwitten en liganden de identificatie van mogelijke kandidaat-geneesmiddelen verbetert. ⁶ Om deze reden konden onderzoekers de unieke best scorende verbindingen van elke methode gebruiken om prioriteit te geven aan verbindingen voor experimenteel testen.

Concluderend, van farmacofoor afgeleide virtuele screening biedt een aanvullende en complementaire methode voor docking, wat bijdraagt ​​aan een consensus en meer vertrouwen in de selectie van kandidaten voor experimentele validatie. Naast de urgentie van het leveren van een kandidaat-geneesmiddel voor herbestemming, kan deze farmacofoorgestuurde methode ook liganden identificeren die diverser zijn voor daaropvolgende leadoptimalisatie.