GPX4是細(xì)胞鐵死亡過程中的重要靶點(diǎn)，GPX4負(fù)責(zé)催化還原的過氧化脂質(zhì)都是嵌入在細(xì)胞膜中的，為了貼合平坦的細(xì)胞膜表面，GPX4的催化口袋非常平坦，類似于蛋白蛋白界面，不是常規(guī)意義上的可藥口袋，這對非共價靶向GPX4的催化口袋造成了很大的難度。
在靶向這類平坦的口袋時，在特大化合物庫中進(jìn)行篩選是非常有必要的，因?yàn)?/span>平坦的口袋能提供的作用力有限，只有極少數(shù)小分子能完美地貼合到口袋上，并充分利用這些作用力來達(dá)到較高的活性。特大化合物庫中的分子一般由化學(xué)砌塊通過不同類型的單步化學(xué)反應(yīng)組合而成，其分子數(shù)量能達(dá)到10億以上，這為找到那些極少數(shù)能靶向GPX4催化口袋的分子提供了足夠大的基數(shù)。
目前還沒有任何濕實(shí)驗(yàn)方法能夠支撐10億級別化合物庫的實(shí)體篩選。
苗頭化合物篩選的濕實(shí)驗(yàn)方法中，目前主流的方法有高通量篩選（HTS）和DNA編碼化合物庫（DEL）等。但和特大化合物庫相比，兩者所覆蓋的化學(xué)空間就小了很多。HTS測試的分子數(shù)量很難超過一百萬，也就是僅有特大化合物庫千分之一的數(shù)量。DEL所包含的分子能達(dá)到一億個，但是因?yàn)槭艿交瘜W(xué)反應(yīng)類型的限制，DEL的分子多樣性遠(yuǎn)遠(yuǎn)不如特大化合物庫。
雖然濕實(shí)驗(yàn)方法無法覆蓋特大化合物庫的所有分子，但在虛擬篩選中，通過采用不同顆粒度的親和力打分算法，并結(jié)合機(jī)器學(xué)習(xí)算法可以實(shí)現(xiàn)對10億分子的高效篩選，并具有高度的準(zhǔn)確性。
但在特大化合物庫中搜索時，傳統(tǒng)的虛擬篩選策略是不適用的。
? 傳統(tǒng)的虛擬篩選方法主要包含以下步驟：
1）分子對接：把庫中所有的小分子對接到要靶向的口袋上，獲得小分子在口袋上的結(jié)合模式。
2）對接打分：對結(jié)合模式用對接打分進(jìn)行評估，并挑選對接打分較好的分子；
3）評估排序：對挑選出的分子用精度更高的方法，如MMGBSA或者FEP進(jìn)行評估；
4）挑選驗(yàn)證：挑選MMGBSA或者FEP打分較好的分子進(jìn)行合成測試。
在傳統(tǒng)虛篩流程的1）和2）步驟中，即使對千萬級別化合物庫中的每個分子進(jìn)行對接打分，也需要花費(fèi)一整天的時間來完成。而對于一個規(guī)模達(dá)到10億的虛擬化合物庫，要完成全部的對接打分則需要長達(dá)3個月的時間。
顯然，這樣的時間成本是不切實(shí)際的。
? 晶泰科技的解決方案——定制化的虛擬篩選策略
在GPX4案例中，晶泰科技使用了針對特大化合物庫開發(fā)的虛篩流程。
1）片段對接：首先用10,000個片段作為“探針”對接到GPX4的催化口袋上，這些片段擁有不同的化學(xué)性質(zhì)和結(jié)構(gòu)，代表了不同類型的藥效團(tuán)。
2）FEP計算：接著用XFEP（晶泰科技自由能微擾技術(shù)）來評估這些片段在口袋上各個位置的結(jié)合強(qiáng)度。
3）主動學(xué)習(xí)：運(yùn)用Active Learning (主動學(xué)習(xí)) 技術(shù)通過多輪迭代，對分子庫進(jìn)行采樣和分析，在一天時間內(nèi)總計進(jìn)行了超過5000個FEP計算，并用預(yù)測的結(jié)合強(qiáng)度訓(xùn)練AI模型，用于加速在化學(xué)空間中的探索。
4）藥效團(tuán)模型構(gòu)建：通過FEP預(yù)測出的結(jié)合強(qiáng)度排序這些片段，得到GPX4催化口袋上各個位置所對應(yīng)的藥效團(tuán)。
5）快速檢索：使用這些藥效團(tuán)快速檢索特大化合物庫，并挑出8000+個擁有這些藥效團(tuán)且空間排布正確的分子。
6）虛擬篩選：通過傳統(tǒng)虛篩流程對這8000+個分子進(jìn)行排序，最終挑選了159個分子進(jìn)行自動化庫合成。
根據(jù)藥效團(tuán)和它們的空間排布，研究團(tuán)隊(duì)從晶泰自動化可及的虛擬化合物庫中挑選了8,000多個化合物，并根據(jù)它們的物理化學(xué)性質(zhì)、預(yù)測的ADMET屬性FEP打分和AI模型預(yù)測的可合成性進(jìn)行篩選，最后挑選了159個化合物進(jìn)行合成，成功合成了124個化合物（純度95%，重量5mg）。最后，團(tuán)隊(duì)使用商業(yè)試劑盒對這124個分子的酶活進(jìn)行了測試，在這些全新骨架的分子中，有3個分子的活性達(dá)到了IC50<10μM，活性最好的分子其酶活與已報道的共價抑制劑相當(dāng)。在高通量FEP計算平臺和自動化庫合成技術(shù)的幫助下，整個虛擬篩選+合成的過程僅用了28個工作日。這些苗頭化合物有望作為非共價靶向GPX4的起點(diǎn)，為進(jìn)一步在動物模型中驗(yàn)證GPX4的靶向效果奠定基礎(chǔ)。
正如前文所述，通過在特大化合物庫中進(jìn)行篩選，可以提高針對GPX4等口袋較淺的靶點(diǎn)的成功率。通常情況下，在苗頭化合物篩選階段，每個分子的成本和交付時間都受到嚴(yán)格控制。在成本和交付時間的雙重壓力下，市面上的特大化合物庫中的分子通常是通過不同的分子砌塊進(jìn)行一步合成得到的，這也限制了庫中分子的多樣性。
晶泰科技的特大虛擬化合物庫由200萬個分子砌塊通過化學(xué)反應(yīng)規(guī)則生成得到，除了一步反應(yīng)組合成的分子，也包括需要兩步化學(xué)合成才能得到的分子，這使得晶泰的虛擬特大化合物庫的多樣性遠(yuǎn)遠(yuǎn)大于其他供應(yīng)商。而且，這些兩步反應(yīng)合成的分子的單價和交付周期依然適用于苗頭化合物篩選的場景。一個原因是公司實(shí)現(xiàn)了化學(xué)合成中多個重要環(huán)節(jié)的完全自動化，并且擁有200多臺自動化合成工站。這讓在傳統(tǒng)實(shí)驗(yàn)室中一個合成人員需要3周才能完成的反應(yīng)；而在晶泰，可以在5天內(nèi)用幾臺自動化合成工站輕松完成。第二個原因是，公司使用合成工站產(chǎn)生了大量高質(zhì)量的常用反應(yīng)合成數(shù)據(jù)（每月產(chǎn)生30,000個反應(yīng)數(shù)據(jù)），然后針對不同的反應(yīng)類型訓(xùn)練了反應(yīng)可行性預(yù)測AI模型。根據(jù)這些AI模型預(yù)測結(jié)果，可以直接跳過合成小試，從而大幅縮短人工、物料成本以及交付時間。
基于這兩個因素，晶泰科技成功地將兩步化學(xué)合成所需的成本和時間降低到與傳統(tǒng)實(shí)驗(yàn)室中完成一步合成相當(dāng)?shù)乃?。這一創(chuàng)新使得公司的虛擬化合物庫能夠擴(kuò)展到那些只能通過兩步合成才能獲得的分子，從而在分子總量和多樣性方面實(shí)現(xiàn)了突破。
另一個技術(shù)關(guān)鍵點(diǎn)在于使用了FEP進(jìn)行結(jié)合親和力的打分，根據(jù)晶泰內(nèi)部的實(shí)踐經(jīng)驗(yàn)和文獻(xiàn)報道【1】，FEP在虛擬篩選中對親和力的評估精度遠(yuǎn)遠(yuǎn)高于對接打分，根本的原因在于對接打分作為上世紀(jì)90年代的產(chǎn)物，在算法上采用了大量的近似來適應(yīng)當(dāng)時的計算機(jī)算力。而相對于對接打分，F(xiàn)EP在預(yù)測親和力時，不但考慮了基本的蛋白配體相互作用力，同時也考慮了配體分子內(nèi)能、去溶劑化能和結(jié)合口袋的柔性變化等對接打分不考慮的部分，對于決定親和力的因素描述更完整。FEP在虛擬篩選中的應(yīng)用可以說讓虛擬篩選的成功率相比于過去得到了數(shù)量級的飛躍。
據(jù)統(tǒng)計，在晶泰內(nèi)部60多個虛擬篩選項(xiàng)目的應(yīng)用表明, XFEP的精度超越現(xiàn)有的大部分商業(yè)軟件，并得到了國際頭部藥企的普遍認(rèn)可。得益于XFEP的使用，晶泰的虛擬篩選成功率達(dá)到90%以上（IC50<100μM），有70%的虛篩項(xiàng)目達(dá)到了IC50<10μM。
當(dāng)然，F(xiàn)EP能有更高的精度也需要更大的算力來支撐。晶泰的XFEP平臺通過優(yōu)化硬件利用率，相對于開源的FEP軟件提升了一倍的計算效率。同時，晶泰擁有大規(guī)模云平臺調(diào)度能力，覆蓋全球主流的云平臺供應(yīng)商，來保證5000個分子/天的親和力評估通量。目前，只有極少數(shù)虛擬篩選服務(wù)供應(yīng)商，如晶泰，具備進(jìn)行大規(guī)模FEP計算的能力。盡管市場上普遍使用的是上個世紀(jì)開始應(yīng)用的傳統(tǒng)虛擬篩選流程，這種流程在許多靶點(diǎn)上已被證明有效，并能夠降低化合物篩選的成本，但與HTS和DEL篩選相比，傳統(tǒng)虛擬篩選流程并不能提供差異化的結(jié)果。一些供應(yīng)商在傳統(tǒng)虛擬篩選流程中引入了FEP計算，在對接打分篩選之后，對于對接打分排名TOP100的分子進(jìn)行FEP計算。然而，由于對接打分的精度限制，對于像GPX4這樣難以靶向的小分子靶點(diǎn)，這100個分子中可能沒有任何陽性分子，因此這100個FEP計算對虛擬篩選結(jié)果沒有任何幫助。虛擬篩選是一種基于AI和計算化學(xué)的高效藥物發(fā)現(xiàn)工具，能夠加速新藥的發(fā)現(xiàn)和開發(fā)過程。隨著AI技術(shù)和計算能力的不斷提升，以及自動化技術(shù)的快速發(fā)展，虛擬篩選在藥物設(shè)計領(lǐng)域?qū)⒗^續(xù)發(fā)揮重要作用。晶泰科技將致力于進(jìn)一步優(yōu)化篩選方法，大力發(fā)展AI模型和自動化技術(shù)，提高篩選的準(zhǔn)確性和效率，為藥物研發(fā)持續(xù)賦能。
信息來源：醫(yī)藥魔方
聲明：本文系轉(zhuǎn)載內(nèi)容，版權(quán)歸原作者所有，涉及作品問題，我們將在第一時間刪除！