洞察市场格局
解锁药品研发情报

免费客服电话

18983288589
试用企业版

助力肿瘤治疗,Uni-FEP 准确评估 CDK4-Cyclin D3 抑制剂的亲和力 | 靶点“探月”计划






FEP 自由能微扰计算因能够精确计算药靶结合自由能而受到业界广泛关注,但其计算结果与体系准备密切相关,如分子间结构差异较大,可通过增加中间分子,提升FEP 计算结果的准确性。在本期 Uni-FEP 靶点“探月”计划中,我们以 CDK4-Cyclin D3 靶点为研究对象,通过引入中间分子来达到优化 FEP 计算的目的。我们选取专利文献中具有代表性的化合物作为配体(其中分子间涉及电荷变化),利用 Uni-FEP 计算方法对其与 CDK4-Cyclin D3 的结合自由能进行了评估,探索并验证了 Uni-FEP 在 CDK4-Cyclin D3 体系中的适用性和准确性。

CDK4-Cyclin D3 

概述

CDK4(Cyclin-Dependent Kinase 4)/Cyclin D3 是细胞周期调控的重要复合物,主要负责推动细胞从 G1 期进入 S 期,是细胞周期早期调控的关键步骤之一。在细胞周期的 G1 期,CDK4 通过与 Cyclin D3 结合而被激活,进而磷酸化视网膜母细胞瘤蛋白(pRb),释放 E2F 转录因子,促进与 DNA 复制和细胞增殖有关基因的表达,推动细胞进入 S 期。由于 CDK4/Cyclin D3 复合物在细胞增殖中的关键作用,其异常活性常与许多类型的癌症相关,因此,阻断 CDK4/Cyclin D3 的活性,如通过使用 CDK4/6 抑制剂(如Abemaciclib),可有效抑制肿瘤细胞的增殖和生长,成为抗癌治疗的一种重要策略。

FEP(自由能微扰)能够以化学精度计算化合物与靶标的结合自由能,主要用于先导化合物优化阶段。本案例选取了 CDK4-Cyclin D3 与abemaciclib的共晶结构(PDB ID:7SJ3[1]作为靶点蛋白,选择专利中具有代表性的分子[2]作为本次计算的配体分子,探究了 Hermite® Uni-FEP 预测结合亲和力及指导先导化合物优化的能力。

Uni-FEP 准确计算

化合物与 CDK4-Cyclin D3 的

结合自由能

  • 计算体系

本文使用 CDK4-Cyclin D3 与 abemaciclib 的共晶结构(PDB ID:7SJ3)快速验证专利报道的已有活性的6个化合物与 CDK4-Cyclin D3 的结合能力。化合物结构及其活性值如图1 所示:

图1 化合物结构及其活性值展示

  • 计算过程

Hermite® Uni-FEP 提供完整的、自动化的 FEP 计算流程和结果分析指导,整个流程包括:蛋白准备、配体准备、化合物对齐(支持刚性对齐、柔性对齐和限制性对接)、最优路径的微扰图构建、原子对的自动 Mapping、结果分析。在 FEP 计算过程中,需要对叠合之后的化合物进行检查,主要检查化合物与氨基酸之间是否存在碰撞(若有,可选择 Constrained Docking 重新进行 Alignment)。

注:本案例中化合物间涉及电荷变化,如微扰图展示中 Pair(9~6) 涉及电荷变化。(带有闪电⚡️标识的连线即为电荷变化的 pairs)

图 2 化合物与靶蛋白结合模式展示(左);微扰图展示(右)

  • 计算结果

表 1 为 Hermite® Uni-FEP 计算 ΔG 与实验 ΔG 的结果比较表格。根据 5 个化合物活性预测结果,除化合物 9 之外,其他 4 个化合物预测结果与实验结果的 ΔG 偏差均小于1.00 kcal/mol(注:对于FEP的计算而言,预测值与实验值间的差值小于1.40 kcal/mol,化合物活性相差10倍左右,属于精度可以接受的范围)。单独分析每个化合物的计算结果和实验结果,从表中可知 Uni-FEP 预测出活性较好化合物与实验结果保持一致

但分析计算 ΔG 与实验 ΔG 的相关性时,发现化合物 ΔG 的 Error Bar 偏大( 如图 3 左), 且ΔΔG 的相关性图中也发现Pair(4~9)的计算ΔΔG 和实验ΔΔG相差较大(图 3 右,左上角的点)。通过分析微扰图,可发现化合物 9 与化合物 4 和 5 结构差异较大,从而导致 Pair(4~9)计算误差偏大。为了解决由于结构差异引起的 FEP 计算误差,我们从专利中挑选化合物 120 作为中间分子,并使用 Recalculation 功能构建 Pair( 120~9)和 Pair(120~4),以提高FEP计算的准确性和可靠性

表1 Hermite®  Uni-FEP 计算结果与实验结果比较

图3 Uni-FEP 计算结果与实验值的相关性。横坐标为实验值,纵坐标为计算值。
Cycle closure 所得绝对结合自由能 ΔG 预测值和实验值的相关性 (左)

相对结合自由能 ΔΔG (pair) 预测值和实验值的相关性 (右)

针对 Recalculation 续算得到的 pairs,我们采用“FEP Analysis”模块,对初次计算和续算的 pairs 进行合并分析。需要注意的是,在初次计算中,Pair(4~9)的计算误差较大,由于化合物 120 被选作 4 和 9 之间的过渡分子,因此在最终的微扰图分析中,我们不分析此 pair (如图4所示),以确保计算的准确性和可靠性。

图 4 两次计算 pairs 合并分析后微扰图展示

表 2 为 Hermite® Uni-FEP 计算 ΔG 与实验 ΔG 的对比情况。在所研究的 6 个化合物中,预测值 ΔG 与实验值 ΔG  的偏差均小于1.00 kcal/mol,特别是化合物1、4、5和6偏差更小,这表明 Uni-FEP 在本案例中的计算精度相当高
进一步分析计算值与实验值的相关性(如图5所示)。结果显示,计算 ΔG 与实验 ΔG 的相关性 R² 由 0.52 显著提升至 0.84而相对结合自由能 ΔΔG (pair) 的相关性 R² 由 0 增加到 0.48,表明增加中间分子可提高 FEP 计算的准确性。这进一步表明 Uni-FEP 在 CDK4-Cyclin D3 的预测体系中,已经能够较好地反映化合物的实验亲和力。

表 2 Hermite® Uni-FEP 计算结果与实验结果比较

图5 Uni-FEP 计算结果与实验值的相关性。横坐标为实验值,纵坐标为计算值。

Cycle closure 所得绝对结合自由能 ΔG 预测值和实验值的相关性 (左)

相对结合自由能 ΔΔG (pair) 预测值和实验值的相关性 (右)
  • 结论

本文利用 Hermite® 平台的 Uni-FEP 模块,对 CDK4-Cyclin D3 靶点抑制剂优化过程中具有代表性的一系列化合物进行了自由能计算。结果表明计算的结合自由能与实验值具有较高的相关性,验证了使用 Hermite® Uni-FEP 能够准确评估化合物与靶点的相对结合自由能,从而指导先导化合物的优化的工作。
  • Tips

若待计算的配体分子间结构差异较大,可增加中间分子以提高 FEP 的计算准确度。


Hermite® Uni-FEP 靶点“探月”计划更多靶点案例,请参考:

聚焦免疫亲和蛋白,Uni-FEP精确评估化合物与FKBP12亲和力 | 靶点“探月”计划

Uni-FEP优化Galectin-3抑制剂实录 | 靶点“探月”计划

助力肿瘤治疗,Uni-FEP准确评估PAK4抑制剂亲和力(附1min操作教程) | 靶点“探月”计划

初探罕见病,Uni-FEP助力PKa抑制剂优化 | 靶点“探月”计划

再探GPCR,Uni-FEP精确计算mGluR5抑制剂结合自由能 | 靶点“探月”计划

Uni-FEP辅助BCL6抑制剂优化 (附体系准备避坑Tips)| 靶点“探月”计划

今夜月明人尽望,“靶点探月”膜蛋白

新冠3CLpro抑制剂,看Uni-FEP如何加速其hit to lead?| 靶点“探月”计划

多之“毫厘”,水分子的存在显著提升FEP精度|靶点“探月”计划”

“骨架跃迁”不难算!Uni-FEP破解化合物优化计算难题

Uni-FEP靶点“探月”计划 | 聚焦热休克蛋白HSP90

Uni-FEP如何“破解”难成药靶标KRAS G12D?| 靶点“探月”计划

药物设计“手术刀”Uni-FEP解析Eg5靶点变构口袋分子 | 靶点“探月”计划

从虚拟到现实,Uni-FEP助力HNE靶点先导化合物优化 | 靶点“探月”计划

精准解析无难度!Uni-FEP聚焦FXR激动剂优化| 靶点“探月”计划


参考文献

[1] Gharbi S I, Pelletier L A, Espada A, et al. Crystal structure of active CDK4-cyclin D and mechanistic basis for abemaciclib efficacy[J]. NPJ Breast Cancer, 2022, 8(1): 126.

[2] Jing Li. (2023). Substituted 7- (pyrimidin-4-yl) quinolin-4 (1h) -one compounds as cyclin dependent kinase inhibitors. WO2023208172A1

关于Hermite® Uni-FEP

Uni-FEP 是 Hermite® 最新推出的药物结合自由能计算模块,将自由能微扰理论、分子动力学、增强采样算法与高性能计算相结合,能够以化学精度高效评估蛋白质与配体的结合亲和力,实现工业规模的先导化合物优化,并支持 R 基团变化、电荷变化、大环成环、骨架跃迁等复杂场景的计算和使用。近期,FEP Calculation 模块实现了算法的全面优化和升级,在保持相同精度的情况下,相比上一版本计算速度有效提升约 4 倍


如何试用:
开通试用或加入 Hermite® 官方交流群,请扫码添加平台官方微信:



关于Hermite®

Hermite® 是深势科技打造的基于人工智能、物理建模和高性能计算的新一代药物计算设计平台,致力于为药物研发工作者提供一站式解决方案。

Hermite® 以网页应用的形式,提供多种药物设计功能,帮助药物设计人员完成从靶点结构解析、预测与精修,到苗头化合物筛选,再到先导化合物优化和性质预测的一体化工作,并提供蛋白、抗体设计解决方案。Hermite® 提供友好的可视化交互界面、功能实时更新,同时支持本地和云上的私有化部署。


推荐关注




关于深势科技

深势科技是“AI for Science”科学研究范式的引领者和践行者。AI for Science 即运用 AI 学习一系列的科学原理和科学知识,并进一步解决科学研究和工业研发领域的关键问题。

深势科技依托在交叉学科领域的深耕,构建了“深势 · 宇知®”AI for Science 大模型体系,将众多学科的科研方法从“实验试错 / 计算机”时代带入了“预训练模型时代”,并以“微尺度工业设计与仿真”为切入点,打造了 Bohrium®玻尔®科研空间站、Hermite® 药物计算设计平台、RiDYMO® 难成药靶标研发平台及 Piloteye® 电池设计自动化平台等科研和工业研发基础设施,形成了 AI for Science 的“创新 - 落地”链路和开放生态,赋能“千行百业”,为人类经济发展最基础的生物医药、能源、材料和信息科学与工程研究打造新一代工业设计与仿真系统。

深势科技是国家高新技术企业、国家专精特新“小巨人”企业,在北京、上海、深圳等城市布局研发中心。科研技术团队由中国科学院院士领衔,汇集了超百位数学、 物理、化学、生物、材料、计算机等多个领域的优秀青年科学家和工程师,其中博士及博士后在公司成员中占比超过 35%。核心成员获得过2020年全球高性能计算领域的最高奖项“戈登贝尔奖”,相关工作入选2020年中国十大科技进展和全球 AI 领域十大技术突破。

<END>
*版权声明:本网站所转载的文章,均来自互联网,旨在传递更多信息。鉴于互联网的开放性和文章创作的复杂性,我们无法保证所转载的所有文章均已获得原作者的明确授权。如果您是原作者或拥有相关权益,请与我们联系,我们将立即删除未经授权的文章。本网站转载文章仅为方便读者查阅和了解相关信息,并不代表我们认同其观点和内容。读者应自行判断和鉴别转载文章的真实性、合法性和有效性。
综合评分:0

收藏

发表评论
评论区(0
    添加收藏
      新建收藏夹
      取消
      确认