Snapshot 1 GRK2抑制剂筛选

筛选GRK2抑制剂总体流程图

Snapshot 2 GRK2抑制剂

分子与蛋白3D结合结合示意图

Snapshot 3 GRK2抑制剂

3种蛋白晶体复合物结构叠加结果示意图

GRK2抑制剂筛选简介

G蛋白偶联受体激酶2 (G protein-coupled receptors kinase 2, GRK2)是一个治疗心衰的潜在靶点, 它在心衰病人中的过表达会使β-AR脱敏,进而影响其对心脏的正性调节,从而恶化心衰。 本仿真实验拟计划应用CADD方法来发现新的GRK2抑制剂来治疗心衰。

上图显示了此次仿真实验的具体流程,本实验拟计划依次利用噪音数据过滤,相似性搜索、 QSAR模型、分子对接和ADMET方法,对ZINC数据库进行筛选,希望以此来找到合适的GRK2抑制剂。 同时也希望通过此次仿真实验,能够让学生对CADD方法有更加深刻的认识,并且能够熟练掌握和使用这些技术。


STEP1: 噪声过滤和相似性搜索

  • 噪音数据过滤:针对筛选化合物库中的噪音数据,如频繁命中化合物, 泛干扰化合物等,可首先应用FAFDrugs4 (https://fafdrugs4.rpbs.univ-paris-diderot.fr/)对 ZINC数据库进行过滤。
  • 相似性搜索:分子相似性搜索是指以“相似性原理”为理论基础,在虚拟化合物库中查找出与给定分子结构相似的化合物的技术。它的核心思想在于结构相似的分子具有相似的生物活性。 具体步骤为:
    1. 选择相似性搜索的模版,比如Paroxetine;
    2. 计算分子指纹,如应用MOE计算FP:BIT_MACCS指纹;
    3. 确定相似性度量指标,常用的相似性度量指标为Tanimoto系数;
    4. 应用Swiss-Similarity( http://www.swisssimilarity.ch/)进行在线相似性搜索;

FAFDrugs4 Swiss-Similarity


STEP2: QSAR建模筛选

与分子相似性搜索方法相同,QSAR也是基于“相似的结构具有相似的性质”这一理论而开展的,但两者在应用中存在很大的差别。QSAR是一种研究化合物的化学结构、物理化学性质与其生物活性之间的关系,从而建立定量(定性)的预测模型的方法。 构建QSAR模型的具体步骤为:

  1. 收集GRK2化合物及其活性数据,并以IC50=5μM为界,把IC50≤5μM的化合物定义为高活性集,Label设置为1;和IC50>5μM的化合物定义为低活性集,Label设置为0;
  2. 计算合适的分子表征,这一步可通过本课题组搭建的ChemDes平台(http://www.scbdd.com/chemdes/)实现;
  3. 选择算法;
  4. 划分训练集和测试集,以训练集构建模型,用测试集来验证和评估模型,可应用在线建模平台ChemSAR(http://chemsar.scbdd.com/);
  5. 应用QSAR模型进行进一步的筛选。

ChemDes ChemSAR


STEP3: 分子对接

通过分子对接技术将化合物对接到具有已知三维结构的蛋白质中, 不仅可以帮助我们更直观的理解蛋白-配体的结合模式,还可以预测蛋白-配体的结合亲和力。对接的主要步骤可分为三步:

  1. 蛋白质预处理:针对某个蛋白,可应用Uniport(https://www.uniprot.org/)来查询蛋白质的功能, 应用PDB数据库(https://www.rcsb.org/)来查询蛋白质的晶体结构, 而对于没有晶体结构的蛋白,可通过同源建模方法(https://swissmodel.expasy.org/)来构建蛋白模型, 然后对对蛋白结构进行预处理,包括去水、加氢和能量最小化;
  2. 小分子预处理:将QSAR筛选到的小分子进行预处理,包括加氢、去盐和能量最小化;
  3. 对接:可应用Swiss-Dock (http://www.swissdock.ch/)实现在线对接;

UniProt PDB Swiss-Dock


STEP4: ADMET评估

在药物发现过程中,许多候选药物由于其不良的ADMET性质而在临床试验中失败, 所以在临床试验前进行ADMET性质的评估是很有必要的。构建QSAR模型的具体步骤为:

  1. 应用本课题组构建的ADMETlab(http://admet.scbdd.com/)来选择和计算相关的ADMET性质;
  2. 确定相关性质的参考范围;;
  3. 评估并确定符合条件的化合物为Hits.

ADMETlab