Komputerowe wspomaganie projektowanie leków

Transkrypt

1 Komputerowe wspomaganie projektowanie leków wykład VI Prof. dr hab. Sławomir Filipek Grupa BIOmodelowania Uniwersytet Warszawski, Wydział Chemii oraz Centrum Nauk Biologiczno-Chemicznych Cent-III Strategie projektowania leków Dopasowanie ligandów do miejsca aktywnego receptora (dokowanie) znana Budowa nowych ligandów ab-initio (de-novo) Struktura receptora Dynamika kompleksu receptor-ligand Budowanie modelu miejsc aktywnych liganda (farmakofor) nieznana Przeszukiwanie baz danych (screening) 1D i 3D QSAR (pseudoreceptory i pola molekularne) 2 1

2 Definicja farmakoforu Farmakofor trójwymiarowe ułożenie grup chemicznych wspólnych dla związków aktywnych i niezbędnych dla ich aktywności biologicznej. 3 Pharmacophore-based drug design Założenie -związki działają według tego samego mechanizmu, tj. (1) wiążą się z tym samym celem molekularnym i (2) w tym samym miejscu wiążącym. 4 2

3 Podobieństwo molekularne związki różne chemicznie 2D 5 Podobieństwo molekularne związki różne chemicznie 3D 6 3

4 Nakładanie konformacji bioaktywnych Ważność oddziaływań hydrofobowych i grupy -OH. Brak nałożenia centralnych pierścieni. 7 Techniki nakładania Minimum odległości pomiędzy wybranymi parami atomów (lub minimum kwadratów odległości) Użycie dummy atoms centroidów. 8 4

5 Ważność konformacji bioaktywnej 12 kj/mol 3 kcal/mol 9 Ograniczanie liczby konformacji Końcowy wynik nakładania 10 5

6 Podsumowanie nakładania Struktury 2D molekuł Analiza konformacyjna Wybór konformacji o niskiej energii Systematyczne nakładanie Dalsza analiza 11 Poszukiwanie konformacji bioaktywnej GABA - neurotransmiter Me-GABA związek wciąż labilny agonista receptora GABA (kanał chlorkowy w synapsie) THIP - agonista receptora GABA 12 6

7 Nakładanie w przestrzeni właściwości = R substrat Inhibitor lek przeciwrakowy Struktura chemiczna inhibitora 13 Nakładanie w przestrzeni właściwości Nakładanie według struktur chemicznych Rzeczywiste nakładanie (według struktur krystalicznych) 14 7

8 Poszukiwanie farmakoforu Pierwsza hipoteza Wiele hipotez 15 Poszukiwanie farmakoforu Więcej związków pozwala zidentyfikować właściwą hipotezę Identyfikacja sterycznych bumps w miejscu aktywnym 16 8

9 Przykład identyfikacji farmakoforu Agoniści receptora dopaminowego Farmakofor: fenyloamina w konformacji rozciągniętej 17 Nieprawidłowe użycie informacji strukturalnej Oba związki są aktywne Nieprawidłowa konformacja bioaktywna zw. #2. Wiązanie podwójne jest płaskie 18 9

10 Farmakofor pomaga w wyjaśnieniu mechanizmu działania leków Podobieństwo do dopaminy Modulacja układu dopaminergicznego 19 Różne farmakofory Różne ustawienie H* Takie samo ustawienie H* Oba farmakofory są właściwe 20 10

11 Pochodne fenylo-imidazolu Inhibitory bakteryjnego cytochromu P-450 Kamfora naturalny substrat 21 Nakładanie inhibitorów Identyczny kształt Identyczne własności elektrostatyczne 22 11

12 Nakładanie inhibitorów substrat Rzeczywiste nałożenie (struktury krystaliczne z enzymem) Grupa hemowa Fragment miejsca aktywnego enzymu 23 Rola nieaktywnych molekuł Możliwość określenia wielkości miejsca aktywnego 24 12

13 Rola nieaktywnych molekuł nieaktywny Zmiana konformacji liganda aktywny 25 Zasada aktywnych analogów Definiowanie miejsca aktywnego 26 13

14 Mapowanie receptora Agoniści receptora nikotynowego Samo nakładanie nie wyjaśnia różnic w aktywnościach. Związki mniej aktywne wystają poza miejsce aktywne 27 Dwie generacje farmakoforów I II 28 14

15 Analog design modyfikacje ligandów Grupy bioizosteryczne podobne własności fizykochemiczne 29 Przeszukiwanie baz danych Podobieństwo kształtów 30 15

16 Konstrukcja w oparciu o farmakofor Farmakofor Dużo efektów ubocznych z powodu podobieństwa do struktury steroidu Wynik poszukiwań 31 Ręczne budowanie łącznika do grup farmakoforowych 32 16

17 QSAR 33 QSPR Poszukiwane własności: rozpuszczalność, biodostępność, stabilność metaboliczna, przenikalność przez błony komórkowe, toksyczność, 34 17

18 Przykłady i typy deskryptorów 35 Deskryptory 1D, 2D i 3D 1D 2D związane z topologią (połączeniami między atomami) 3D związane z kształtem cząsteczki 36 18

19 Równanie Hammetta Pochodne kwasu benzoesowego Ph-COOH Stała dysocjacji 37 Równanie Hammetta Brak odniesienia do efektu biologicznego 38 19

20 Parametr Efekt zależny od położenia podstawnika w pierścieniu (dodatkowy efekt rezonansowy w położeniu para) 39 Przewidywanie pka na podstawie równania Hammetta 40 20

21 Współczynnik Hanscha rola hydrofobowości Efekt istotny przy przekraczaniu błon komórkowych przez lek 41 logp miara hydrofobowości 42 21

22 Przykład korelacji z logp Log(1/C) oznacza efekt biologiczny 43 Definicja deskryptora 44 22

23 Zależności liniowe i paraboliczne Niedostateczna liczba związków Wyznaczenie optymalnej hydrofobowości 45 Parametr steryczny Tafta (ES) Większe podstawniki dają niższe wartości ES (reakcja estryfikacji trudniej zachodzi) 46 23

24 Kroki analizy QSAR Wybór związków Wybór deskryptorów Budowanie modelu QSAR Walidacja modelu 47 Wybór związków i deskryptorów 48 24

25 Eliminacja obserwacji odstających (outliers) Outlier: inny mechanizm działania lub błędna wartość 49 Związek log(1/c) z potencjałem termodynamicznym C efektywne stężenie związku. Aktywności biologiczne powinny być dokładne i pokrywać 2-3 rzędy wielkości 50 25

26 Przykład deskryptorów skorelowanych Masa molekularna (MW) i liczba atomów węgla dla serii alkanów 51 Liczba deskryptorów Liczba związków większa od liczby deskryptorów 3-5 razy 52 26

27 Rodzaje regresji 53 Wpływ złożoności równania na predyktywność Niebieski zbiór treningowy Żółty zbiór testowy 54 27

28 Przykład użycia QSAR r uzyskane współczynniki korelacji Ocena ważności deskryptorów Dobre modele: r 2 > 0.5 (r > 0.71) 55 Modele nieliniowe 56 28

29 Metoda kros-walidacji Podział na N części i traktowanie jednej części (za każdym razem innej) jako zbioru testowego 57 Ograniczenia metody 1D-QSAR Niemożność wyjścia poza zakresy deskryptorów dla wyjściowych związków 58 29