LigandScout应用案例第四期

药效团建模、虚拟筛选及体外测试揭示氟哌啶醇、依普拉酮及芬布酯是神经激肽受体配体

文献来源

Yvonne Krautscheid et al. Pharmacophore Modeling, Virtual Screening, and in Vitro Testing Reveal Haloperidol, Eprazinone, and Fenbutrazate as Neurokinin Receptors Ligands. J. Chem. Inf. Model. 2014, 54, 1747 −1757

摘要

神经激肽受体(Neurokinin receptors,NKRs)被报道参与多种生理过程,因此是有前景的药物靶标,但是它同时也可能是许多药物的副作用的诱因。作者在亚型选择性和非选择性NKR拮抗剂的基础上,使用LigandScout构建了一组基于配体的公共特征药效团模型。使用该模型对已批准药物进行虚拟筛选。该前瞻性研究结果得到体外实验的证实,他们发现氟哌啶醇、依普拉酮及芬布酯是NKR的配体。该研究表明,药效团模型不仅用于常规的药物发现,还可用于建立化合物的活性谱,同时本文也是药效团在老药新用开发的典范。

LigandScout应用案例四,摘要配图

计算步骤

一、准备NKR配体

从ChEMBL数据库上收集人类的或豚鼠的NKR的选择性和非选择性配体共30个化合物作为训练集和测试集(图1)。

LigandScout应用案例四,部分训练集与测试集化合物

图1,部分训练集与测试集化合物

二、准备Decoy数据

从ChEMBL数据库上提取decoy化合物,即物理性质(分子量、clogP、柔性键个数、氢键受体和供体个数等)与上述准备的NKR配体接近,但没有NKR活性的化合物,结果得到超过61000个化合物。为了缩小decoy数据库的规模,使用Accelry Discovery Studio对decoy数据库进行基于FCFP4分子指纹的聚类,得到3000个结构多样性良好的化合物。

三、准备筛选库

使用内部的数据库,共2638个化合物,包括已批准药物、化学合成化合物和天然产物。

四、准备Drugmatrix数据库

使用来自美国卫生部国家毒性项目的Drugmatrix数据库,包括830个药物和生物活性化合物,已经针对132个药物靶标进行实验测试。

五、产生构象

使用LigandScout内置的OMEGA产生构象,对每个NKR配体产生500个构象,对每个decoy化合物产生25个构象,对内部数据库每个化合物产生100个构象,对Drugmatrix数据库每个化合物产生25个构象。

六、产生模型

使用LigandScout从训练集中挑选不同的配体产生一组包含NK1R、NK2R和NK3R活性的药效团模型,以识别大多数NKR活性化合物。

七、检验模型

使用上述药效团模型对内部数据库进行筛选,使用若干度量指标来评价模型的质量,包括:回收率、敏感度、特异度以及富集率等等,并绘制ROC曲线。保留具有良好回收率且富集率大于5的模型并合并,得到7个不同的药效团模型(图2)。采用这些药效团模型,能够从由30个活性化合物和2981个decoy化合物组成的化合物库中识别出168个苗头化合物,其中包含29个活性化合物(图3)。

为了检验药效团模型能否对非活性化合物正确分类,对Drugmatrix数据库进行虚拟筛选,结果表明818个化合物中仅有少量非活性化合物被筛选出来,因此这些药效团模型具有足够的区分能力。

Ligandscout应用案例四 经过decoy检验得到的7个最好的药效团模型的测试结果

表1,经过decoy检验得到的7个最好的药效团模型的测试结果

Ligandscout应用案例四 7个药效团模型

图2,经过过滤和合并得到的7个不同的药效团模型,它们的筛选结果存在较少的重叠

Ligandscout应用案例四 ROC曲线与ACU

图3,对模型进行验证的结果ROC曲线和AUC

 八、体外实验验证

由于模型1具有最好的富集率和最佳的active/decoy率,因此其对内部数据库的筛选结果中挑选了5个化合物用作体外实验验证,包括:放射性配体结合实验、受体亚型特异性结合实验及NK1R激动相关的钙释放拮抗实验。实验表明:其中3个化合物氟哌啶醇(化合物31)、依普拉酮(化合物32)及芬布酯(化合物33)是NKR配体。

Ligandscout应用案例四 体外实验结果

表2,模型1筛选结果中的5个化合物的体外实验结果

LigandScout应用案例四 活性化合物与模型叠合

图4,体外实验证实有NKR活性的3个化合物与药效团模型1的叠合图

 结论

在已知NKR配体的基础上构建基于药效团模型,经过精心设计的检验,良好的模型可用于药物的副作用预测。实验证明,3个已批准的药物同时是NKR的配体。

亮点

  • 通过精心准备的数据库的检验,从众多药效团模型中挑选命中结果较少重叠的一批药效团,进行组合模型筛选,以达到更大的命中覆盖面;
  • 通过药效团模型筛选的方法,从老药中寻找新功能(副作用)。

关键软件与技术

LigandScout的药效团识别技术,decoy检验的构建,放射性配体结合实验、受体亚型特异性结合实验及NK1R激动相关的钙释放拮抗实验等多种生物学技术。

相关资源

1,Ligandscout介绍

http://www.molcalx.com.cn/ligandscout

2,LigandScout应用案例

http://www.molcalx.com.cn/category/ligandscout_case_study/

3,LigandScout相关文章

http://www.molcalx.com.cn/ligandscout_publication/