Raunarsko dizajniranje lekova

Predava: Prof. dr Slavica Eri

Raunarsko dizajniranje lekova

Dizajniranje lekova na osnovu strukture liganda
-informacije znaajne za dejstvo leka dobijene iz strukture liganda
-upotreba raunara: mapiranje farmakofora, izraunavanje molekulskih
deskriptora, uspostavljanje kvantitativnih odnosa strukture i dejstva leka
(linearni i nelinearni prediktivni modeli)

Dizajniranje lekova na osnovu strukture ciljnog mesta

-korienje znanja o strukturi ciljnog mesta (uglavnom proteina): 3D
struktura dobijena kristalografskim studijama, homologo modeliranje
-upotreba raunara: homologo modeliranje, doking studije interakcija
ligand-ciljno mesto, dizajniranje fragmenata

RAUNARSKO
DIZAJNIRANJE LEKOVA:
METODE

poznat ligand

poznata struktura
ciljnog mesta

Doking protein-ligand

-De novo dizajn

-virtuelni skrinig

A) homologo modeliranje
ciljnog mesta
nepoznata struktura
ciljnog mesta

nepoznat ligand

(na osnovu strukture slinog proteina)

ne moe se primeniti raunarsko

dizajniranje lekova
(druge metode: kombinatorijska
hemija)

B) dizajniranje na osnovu
liganda:
-kvantitativni odnosi strukture i dejstva
(vie od 20 liganada)
-mapiranje farmakofora (nekoliko
liganada)
-istraivanja slinosti (1 ili vie liganada)

Dizajniranje lekova na osnovu liganada

QSAR modeli

uspostavljanje matematikih modela koji ukljuuju molekulske deskriptore

odreenog seta liganada
linearni i nelinearni modeli

Farmakoforni modeli

odreivanje strukturnih karakteristika koje su od znaaja za dejstvo leka

kreiranje farmakofora na osnovu ispitivanja serija liganada
kreiranje farmakofora na osnovu poznavanja strukture ciljnog mesta

QSAR i QSPR
biolo
bioloki efekat = f (molekulska struktura)
QSAR (quantitative structure-activity relationships) definisanje
kvantitativnih odnosa strukture i dejstva leka matematikim modelima
QSPR (quantitative structure-property relationships) definisanje
kvantitativnih odnosa strukture i osobina leka matematikim modelima
QSAR na osnovu strukture liganada:
Y = f (molekulska struktura leka lipofilnost, sterne osobine...)
QSAR na osnovu 3D strukture ciljnog mesta:
Y= f (sile koje opisuju uzajamno delovanje leka i receptora energija
vezivanja za receptor...)

QSAR jednaine
QSAR jednaina:
Y - osobina (aktivnost) leka
X1, X2, X3 - deskriptori koji opisuju karakteristike molekula od znaaja za
datu osobinu (aktivnost)
f razliite matematike metode (linearne i nelinearne) kojima se
uspostavljaju korelacije izmeu osobina (aktivnosti) i molekulskih
deskriptora
Y = f (X , X , X )
1

matematiki modeli se definiu pojedinano za svaku osobinu leka:

Bioraspoloivost = f1 (set deskriptora 1)
Permeabilnost elija = f2 (set deskriptora 2)
Toksinost = f3 (set deskriptora 3)
Afinitet vezivanja za receptor = f4 (set deskriptora 4)

Hansch-ova jednaina
log(1/C)=k1logP + k2 + k3Es +k4
log(1/C)=-k1(logP)2 + k2logP + k3 + k4Es +k5
1//C - aktivnost
logP-deskriptor lipofilnosti
- elektronski deskriptor:
(+) -supstituenti akceptori elektrona
(-) supstituenti donori elektrona
-meta i para supstituenti razliite
Es - sterni deskriptor (Taftov deskriptor)

QSAR modeli

na osnovu poznatih liganada (ispitivanog seta) izraunavaju se deskriptori

koji su od znaaja za datu aktivnost ili osobinu (1D, 2D, 3D deskriptori;
konstitucioni, topoloki, elektronski, geometrijski, kvantno-hemijski)
- 1D deskriptori: broj odreenih atoma, molekulska teina...
- 2D deskriptori: broj donora i akceptora H-veza, broj rotirajuih veza...
- 3D deskriptori: povrina i zapremina, dipolni moment...

uspostavljaju se matematiki modeli izmeu ispitivane osobine i

molekulskih deskriptora (MLR (linearni model), PLS, vetake neuronske
mree (nelinearni model); izbor matematikog modela zavisi od osobine
koja se ispituje, i drugih faktora

zavisnost aktivnosti optih anestetika: linearna (za male vrednosti logP);

parabolina (vee vrednosti logP)

Primena QSAR modela

razumevanje veze strukture i aktivnosti leka (da li su od znaaja

elektronski, sterni, hidrofobni efekti...)

dizajniranje lekova sa poboljanim osobinama (optimizacija onih efekata

koji su od znaaja za aktivnost ili neku osobinu leka)

primenom uspostavljenih matematikih modela predvia se aktivnost i

osobine novih molekula (novi molekul, izraunavanje deskriptora,
predvianje aktivnosti); mogue je predvideti aktivnost ili osobine leka pre
sinteze;

preciznost predvianja modela:

validacija eksternim test setovima podataka

Farmakofore
-substrukture koje su odgovorne za bioloku aktivnost (skup strukturnih
delova u prostoru koji definiu vezivanje za odreeni target)
-geometrijski raspored substruktura

Tipine farmakoforne karakteristike:

-hidrofobne
-aromatine
-akceptorske (H-veze)
-donorske (H-veze)
-polarne, pozitivno ili negativno naleketrisane

Farmakoforni trouglovi
Dopamin:

Basic
NH2

NH2

NH2

HBD/HBA
HO

HO

HO

HO

HO

HO

Ar

Ar

HBD/HBA

Kreiranje i istraivanje farmakofora

Kreiranje farmakofora:
-identifikacija farmakofornih karakteristika (donori i akceptori vodoninih
veza, lipofilne grupe, naelektrisanja...)
-istraivanja geometrijskih aspekata farmakofora (rastojanja izmeu FH)

Istraivanja farmakofora:
-molekule u bazama podataka koje se poklapaju sa farmakoforama u
konformacijama sa minimalnom energijom (neki programi predviaju
aktivnost, veina programa samo odreuje slaganje sa farmakoforom)
-dizajniranje novih skeleta, osnovnih struktura (nije potrebna strukturna
slinost sa aktivnim molekulama, samo slaganje sa farmakoforom)

Farmakofore dobijene na osnovu

aktivnog mesta
H-bond
donor or
acceptor

basic or
positive
center
H-bond
donor or
acceptor

basic or
positive
center
aromatic
center

aromatic
center
Pharmacophore

TIPOVI FARMAKOFORA

Farmakofore supstrata za CYP3A4

(Catalyst program)

Hidrofobne oblasti, donori H-veze,

akceptori H-veze

Sakvinavir (najaktivnije jedinjenje)

fitovano za farmakoforu

Ekins et al., Three-Dimensional Quantative Structure Activity Relationship Analyses of Substrates for CYP2B6, J.
Pharmacology and Experimental Therapeutics, 1999, 288:21-29

Dizajniranje leka na osnovu strukture

ciljnog mesta

karakterizacija trodimenzionalne atomske strukture proteina

(kristalografskom metodom, NMR metodom, ukoliko je mogue)

homologo modeliranje trodimenzionalnih ciljnih mesta, ukoliko struktura

nije poznata; modeliranje se bazira na strukturi slinih proteina ija je 3D
struktura poznata, kao i razlike u sekvencama AK izmeu poznatog i
nepoznatog proteina

korienje trodimenzionalne strukture ciljnog mesta kao osnove za

skrining (testiranje) malih molekula (mesto vezivanja, nain vezivanja,
energija vezivanja)

redizajniranje struktura koje e se bolje (sa veim afinitetom i boljom

selektivnou) vezati za ciljno mesto

Strukture targeta
3D strukture targeta odreuju se:
Kristalografijom (X-ray)
NMR-om
Homologim modeliranjem

Protein Data Bank (PDB)

Arhiva eksperimentalno odreenih
3D struktura bilokih makromolekula

Kristalografska struktura

NMR struktura

Priprema proteinske strukture

PDB (Protein data bank) baza podataka proteinskih struktura

strukture proteina ili kompleksa proteina i liganda

Priprema proteina za doking:

-proteinske strukture sadre vodu koju je potrebno ukloniti,
osim ako je utvreno da je uloga vode znaajna
-PDB strukture bez H atoma (mogu se dodati)
-oznaavanje protonovanih struktura (COOH ili COO-, da li moe da
bude donor H-veze)
-tautomerni oblici, npr. histidin
-druge korekcije (boni lanci, neprecizna struktura)

Doking protein-ligand
MESTO VEZIVANJA (AKTIVNO MESTO)
-deo proteina gde se vezuje ligand, upljina na povrini proteina
-identifikuje se prouavanjem kristalne strukture proteina u kompleksu sa poznatim ligandom (inhibitor)

Doking je raunarska metoda koja simulira interakcije izmeu liganda i proteina

Na osnovu doking studija mogue je predvideti:

-poloaj liganda u kompleksu sa proteinom
-jainu interakcija liganda sa proteinom,
na osnovu izraunatih energija vezivanja

Doking analiza
PRIMENA PROTEIN-LIGAND DOKING ANALIZE:
-VIRTUELNI SKRINING (identifikacije potencijalnih vodeih molekula iz velikog seta
podataka)
-PREDVIANJE INTERAKCIJE PROTEIN-LIGAND (mesta i jaine interakcije)

Ako znamo gde i kako se vezuje ligand

moemo da:
-utvrdimo delove koji su od znaaja za
vezivanje
-predloimo promene strukture koje e
poveati afinitet vezivanja
-izbegnemo promene koje bi onemoguile
fitovanje sa proteinom

Programi za doking

Softveri za doking studije uobiajeno sadre dva algoritma:

-algoritam za istraivanje poloaja liganada u vezivnom mestu proteina
-algoritam za procenu energija vezivanja (afinitet vezivanja)
Protein - ligand doking ukljuuje mnogo stepeni slobode (rotacija molekule,
konformacije liganda i proteina, uloga rastvaraa u geometriji proteina i liganada)

Razliite konformacije molekule

Doking: tipovi algoritama

klasifikovani su na osnovu broja stepeni slobode

RIGIDNI DOKING
ligand se tretira kao rigidna struktura tokom dokinga
generie se veliki broj konformacija za svaki ligand i doking se vri za svaku
konformaciju

FLEKSIBILNI DOKING

konformacije za svaku molekulu se generiu tokom dokinga

ne uzimaju se u obzir konformacije koje ne fituju
prouavanje fitovanja svake konformacije veoma dugotrajno
stohastika metoda (ne garantuje se optimalno reenje, ve dovoljno dobro
reenje u odreenom vremenskom intervalu, u izvesnom stepenu sluajno
odabiranje)

Homologo modeliranje

Homologo modeliranje (komparativno modeliranje) proteina predstavlja

konstruisanje proteinskog modela iz sekvenci amino kiselina pri emu kao
osnova slui trodimenzionalna struktura slinog proteina (template)

Uslovi da bi se dobio dobar model: odgovarajua slinost sekvenci AK

izmeu target proteina i bazinog proteina; mogunost dobrog
preklapanja bazinog i target proteina;

Stepen homologije

Koraci u homologom modeliranju

traenje slinog proteina ija 3D struktura je poznata; taj protein slui kao osnova (template)
preklapanje struktura poznatog i nepoznatog proteina, uoavanje razlika u sekvencama
aminokiselina i razlika u strukturi heliksa i petlji, potreban je veliki stepen slaganja (oko 70%
homologije)

graenje strukture nepoznatog korienjem osnovnog proteina i njegova optimizacija

evaluacija i podeavanje dobijenog modela
optimizovani model se dalje koristi za molekulski doking

Virtuelni skrining

Virtuelni skrining je raunarski ili in silico analog biolokog skrininga

Cilj: selektovanje (filtriranje) struktura sa potencijalnom biolokom

aktivnou upotrebom raunarskih metoda
UPOTREBA:
-koje komponente odabrati za bioloki skrining
-koje komponente sintetisati za hemijske biblioteke
-koje komponente kupiti od eksternih kompanija
-analiza eksperimenta, npr. rezultata visoko-propusnog skrininga

ta se odabira virtuelnim skriningom?

Virtuelni skrining vri filtriranje tako to odabira komponente koje:

mogu da budu vodee molekule

su sline lekovima (drug-like)
su sline vodeoj molekuli
imaju potencijal za dobru bioraspoloivost

METODE: Lipinskijevo pravilo petice, neuronske mree (klasifikovanje

podataka), analiza farmakofora, analiza slinosti, doking

Znaajne osobine lekova

komponente e biti odabrane ukoliko poseduju odreene
osobine:

aktivnost i selektivnost
mogunost sinteze
bez reaktivnih hemijskih grupa
oralna bioraspoloivost
pogodne farmakokinetike osobine
metabolizam
putevi eliminacije
manje neeljenih efekata i toksinosti

Filteri za virtuelni skrining

za otpatke (reaktivne grupe itd...)

ostaje 90%
slini leku/neslini leku
ostaje 60%
bioraspoloivost
ostaje 40%
citotoksinost
dejstvo na antitargete (neeljeni efekti)
inhibicija CYP (3A4, 2C9, 2D6)
__________%

HIT

LEAD

CANDIDATE

De novo dizajniranje

1. Generisanje mesta interakcije; donorska i

akceptorska mesta obeleena crticama; mesta
hidrofobnih interakcija obeleena polukrugovima;
2. Fitovanje molekula (vodeih molekula) ili
fragmenata na mesta interakcije;
3. Dodavanje drugih fragmenata na fitovanu vodeu
molekulu
OGRANIENJA:
-ne uzima u obzir dinamiku
-ne uzima u obzir ADME osobine
-ne uzima u obzir mogunost sinteze dizajniranih komponenata

Dizajniranje fragmenata

-odreivanje lokacija za atome ili fragmente

unutar aktivnog mesta
-dizajniranje fragmenata
-spajanje fragmenata