第四节 虚拟筛选-分子对接
分子对接与虚拟筛选
• clinical trials
现状
• 超过90% 的药物 不能通过临床实验 而被枪毙
• 平均一款全新药物 的研发耗资超过数 亿美元，耗时10年
结构生物信息学对药物开发的影响
• Speeds up key steps in DD process by combining aspects of bioinformatics, structural biology, and structure-based drug design
Structure-based Drug Design
Structural Biology
Bioinformatics
虚拟筛选
首先要建立大量化合物（例如几十 至上百万个化合物）的三维结构数 据库，然后将库中的分子逐一与靶 标分子进行“对接”（docking）， 通过不断优化小分子化合物的位置 （取向）以及分子内部柔性键的二 面角（构象），寻找小分子化合物 与靶标大分子作用的最佳构象，计 算其相互作用及结合能。在库中所 有分子均完成了对接计算之后，即 可从中找出与靶标分子结合的最佳 分子（前50名或前100名）
分子对接与虚拟筛选
Cao Yang
2015.5.25
Molecular Docking
分子对接的概念
预测受体和配体分子形成的复合物结构
分子对接分为两类
蛋白－蛋白分子对接 蛋白－小分子的对接
3
分子对接的原理
理论基础： “锁和钥匙模型” “诱导契合模型”
重要原则： 互补性：决定识别过程的选择性 预组织性：决定识别过程的结合能力
14
对接方法尚需解决的问题：
•溶剂化效应 •分子的柔性 •打分函数
文章思路-虚拟筛选、同源建模、分子对接的应用
文章思路-虚拟筛选、同源建模、分子对接的应用虚拟筛选、同源建模和分子对接是广泛应用于药物研发的常用方法，不仅可以用于药学领域，对于临床和基础医学的老师，在自己的文章内容中加一部分蛋白结构和小分子药物结合的分析内容，也会给文章加分，让研究更出彩。
下面要介绍的案例就是利用化学信息学方法结合验证实验发现小分子拮抗剂的常用套路，快来了解一下吧。
TRPV3（瞬时受体电位香草酸型通道第三亚型）与伤害性感受、热感受等重要生理功能密切相关，发现靶向TRPV3通道的选择性小分子拮抗剂对深入研究TRPV3通道的病生理功能和促进TRPV通道的基础研究和新药靶点研究具有重要的意义。
该研究基于配体的虚拟筛选和生物活性评价发现了新型的TRPV3选择性拮抗剂：V-39。
由于TRPV3晶体结构尚未解析，TRPV3与拮抗剂的活性结合位点尚未确定，因此选择了基于配体的虚拟筛选。
基于配体的虚拟筛选可以快速地评估数百万个分子，基于已知拮抗剂的结构，通过形状/静电匹配方法发现新型的选择性TRPV3拮抗剂。
小分子配体和受体之间的结合相互作用可能导致受体的活化或抑制。
为了发现受体调节剂及其结合构象，在此使用TRPV1的晶体结构作为模板，通过同源建模建构了TRPV3单体模型。
本研究中发现的TRPV3选择性拮抗剂和TRPV3与拮抗剂的结合模式将有助于开发基于TRPV3调节的治疗药物。
研究思路1、第一轮虚拟筛选与生物活性评价第一轮虚拟筛选选择了Specs化合物库，共约27万个化合物，基于已知拮抗剂结构的问询式对Specs化合物库进行ROCS形状相似的高通量虚拟筛选，运用EON将打分排名前10%的化合物进行静电匹配，最后将EON打分排名前1%的化合物进行筛选和生物测活，根据化合物骨架和化学属性的相似性，作者采用Pipeline Pilot and Cluster进行分类分析，最终挑选出36个化合物进行生物活性测试。
经过钙荧光FlexStation实验，发现3个化合物对TRPV3具有拮抗作用，分别为V-13、V-16和V-29。
分子对接与虚拟筛选
对接方法尚需解决的问题：
•溶剂化效应 •分子的柔性 •打分函数
15
传统的药物开发方法
• 经验的有效天然产物
↓
• 分离活性物质
• 合成化合物
•↓
Aspirin
布洛芬是是公认的儿 童首选抗炎药。
• 化合物的修饰
• (更有效,降低副作用)
药物设计与发现
• drug targets (usually proteins) • binding of ligands
• manipulate structure to increase potency
i.e. decrease Ki to low nM affinity ↓
• optimization of lead molecule into candidate drug
fulfillment of required pharmacological properties: potency, absorption, bioavailability, metabolism, safety
搜索算法：如何找到最佳的结合位置
遗传算法 模拟退火
能量函数：如何评估结合强度
基于分子力场的方法 基于经验的方法 基于知识统计的打分函数
6
7
8
9
分子对接的分类
刚性对接：研究体系的构象不发生变化。 柔性对接：研究体系的构象是可以自由变
化的。
10
分子对接的算法举例
Structure-based Drug Design
Structural Biology
Bioinformatics
虚拟筛选
首先要建立大量化合物（例如几十 至上百万个化合物）的三维结构数 据库，然后将库中的分子逐一与靶 标分子进行“对接”（docking）， 通过不断优化小分子化合物的位置 （取向）以及分子内部柔性键的二 面角（构象），寻找小分子化合物 与靶标大分子作用的最佳构象，计 算其相互作用及结合能。在库中所 有分子均完成了对接计算之后，即 可从中找出与靶标分子结合的最佳 分子（前50名或前100名）
药物发现中的虚拟筛选与分子对接技术研究
药物发现中的虚拟筛选与分子对接技术研究1.引言在药物研发领域，虚拟筛选和分子对接技术已经成为一种重要的辅助手段。
通过利用计算机模拟和分析方法，可以加速药物发现过程，提高研发效率。
2.虚拟筛选虚拟筛选是指利用计算机模拟方法从大量的化合物库中预测和筛选出具有潜在生物活性的化合物。
相比于传统的实验筛选方法，虚拟筛选具有速度快、成本低和效率高的优势。
2.1 分子描述符虚拟筛选的第一步是根据分子描述符对化合物进行表示和计算。
分子描述符是用于描述化合物结构、性质和活性特征的数学指标。
常用的分子描述符包括物理性质描述符（如分子量、极性等）、拓扑性质描述符（如拓扑电荷指数、Wiener指数等）和药物性质描述符（如脂溶性、水溶性等）。
2.2 虚拟筛选方法虚拟筛选方法主要包括基于结构相似性的筛选和基于机器学习的筛选。
基于结构相似性的筛选方法通过比较化合物的结构，寻找与已知活性分子相似的候选化合物。
而基于机器学习的筛选方法则是通过构建模型，根据已知结构-活性关系来预测未知化合物的活性。
3.分子对接分子对接是指将小分子与受体分子进行模拟结合，研究二者之间的相互作用及结合方式。
分子对接主要用于研究药物分子与受体之间的结合机制，为药物设计提供重要的结构信息。
3.1 受体准备在分子对接之前，首先需要准备受体的结构信息。
通常采用X射线晶体学、核磁共振等技术获得受体的结构，并通过计算方法进行结构修复和优化。
3.2 小分子库筛选与虚拟筛选类似，分子对接也需要从大量的小分子库中选择潜在的候选分子。
常用的选择方法包括随机选择、结构筛选和虚拟筛选。
3.3 分子对接算法分子对接算法主要包括基于电荷和能量的力场方法和基于搜索算法的蒙特卡洛模拟和分子动力学模拟。
力场方法通过计算分子之间的电荷和能量来预测其结合能及位置。
而搜索算法则是通过多次迭代来探索最优的结合构型。
4.应用与挑战虚拟筛选和分子对接技术在药物研发中已经取得了一定的成果。
它们可以用于新药分子的筛选、药物修饰和功能分析等方面。
软药设计名词解释
软药设计名词解释
2. 分子对接（Molecular Docking）：通过计算方法模拟药物分子与靶标分子之间的结 合方式和亲和力，以预测药物分子与靶标之间的相互作用。分子对接可以用于评估Байду номын сангаас物分子 的结合位点、结合模式和亲和力。
3. 三维定量构效关系（3D-QSAR）：通过计算化学描述符和分子结构来建立药物分子的 定量构效关系模型。3D-QSAR可以帮助预测和优化药物分子的活性和选择性。
软药设计名词解释
软药设计（Computer-Aided Drug Design，CADD）是一种利用计算机辅助方法来设 计和优化药物分子的过程。在软药设计中，许多计算工具和方法被用于加速药物发现和开发 的过程，以提高药物的研发效率和成功率。
以下是一些与软药设计相关的常见名词解释：
1. 药物虚拟筛选（Virtual Screening）：使用计算方法对大量化合物进行预测和评估， 以筛选出具有潜在药物活性的化合物。虚拟筛选可以帮助研究人员在实验室合成和测试之前 ，快速确定候选化合物。
这些名词和方法在软药设计中扮演重要角色，通过计算机辅助方法，可以加速药物研发过 程，提高药物的研发效率和成功率。
4. 药物动力学模拟（Molecular Dynamics Simulation）：使用分子动力学模拟方法来 模拟药物分子和靶标分子在时间尺度上的相互作用和运动。药物动力学模拟可以提供关于药 物分子和靶标分子之间的动态信息，有助于理解药物的作用机制和优化药物分子的设计。
软药设计名词解释
5. 机器学习（Machine Learning）：利用计算机算法和模型来训练和预测药物分子的性 质和活性。机器学习方法可以用于分析大规模的化学和生物数据，以辅助药物设计和优化。
虚拟筛选技术与应用
最后,通过网站view job界面可以将TACC处理的完整的工程文件下载到 本地存储
筛选出来的小分子化合物从已有的化学制品公司购得,通过NS2B-NS3 蛋白酶的稳态动力学分析来验证小分子对DENV蛋白酶的抑制活性.
这种新型的被验证了的先导物不含有毒性、致癌性、突变风险等化学 特性以及药效基团,因此非常具有潜力的.
TACC建立的药物研发网站的基本工作结构流程 Virtual Screening Drug Discovery Web Portal〔
TACC建立的的药物研发网站的基本工作结构流程示意图
输入所需参数的用户界面截屏图
l 筛选出小分子 ZINC04321905
l ZINC04321905与DENV NS2B-NS3pro的作用：红色 代表疏水键,蓝色代表氢键
l 八个疏水键,三个氢键
ZINC04321905与DENV NS2B-NS3pro的相互作用
1.2 虚拟筛选技术的定义
虚拟筛选〔virtual screening, VS>是计算机辅助药物设计方法的延 伸和推广,针对重要疾病特定靶标生物大分子的三维结构或定量构效关 系<QSAR>模型,从现有小分子数据库中,搜寻与靶标生物大分子结合 或符合QSAR 模型的化合物,进行实验筛选研究.
定量构效关系是一种借助分子的理化性质参数或结构参数,以数学和统 计学手段定量研究有机小分子与生物大分子相互作用、有机小分子在 生物体内吸收、分布、代谢、排泄等生理相关性质的方法.
蛋白质-适配体相互作用预测的方法
蛋白质-适配体相互作用预测的方法蛋白质-适配体相互作用（protein-ligand interaction）是指蛋白质与小分子化合物之间的结合。
这种相互作用在生物医学研究和药物发现中起着重要的作用，因为许多药物的作用机制是通过与蛋白质结合来实现的。
预测蛋白质-适配体相互作用对于药物研发和设计具有重要意义。
目前，有许多方法可以用于预测蛋白质-适配体相互作用，下面将介绍其中一些常用的方法。
1. 分子对接（Molecular Docking）分子对接是通过计算机模拟方法预测蛋白质与小分子化合物之间的结合模式和结合能。
这种方法通过搜索可能的结合构象，并根据得分函数评估每个结合构象的优劣，从而找到最可能的结合模式。
分子对接方法有许多种，包括基于基于力场的方法、基于机器学习的方法和基于结构的方法等。
2. 虚拟筛选（Virtual Screening）虚拟筛选是一种高通量计算方法，用于从大量化合物中筛选出有潜力的药物候选物。
虚拟筛选可以分为结构基/基于构象的筛选和基于药物特征的筛选。
结构基/基于构象的筛选利用蛋白质和化合物的结构信息进行筛选，例如通过分子对接预测蛋白质和化合物之间的结合能。
基于药物特征的筛选则是通过计算化合物的物理化学性质和药物特征来评估其活性。
3. 机器学习方法（Machine Learning）机器学习是一种通过从已有数据中学习模式来预测新数据的方法。
在蛋白质-适配体相互作用的预测中，机器学习可以利用已有的蛋白质-适配体结合数据，通过训练模型来预测新的蛋白质-适配体结合关系。
机器学习方法具有高通量和快速的优势，可以在较短的时间内生成预测结果。
4. 综合方法（Integrative approaches）综合方法是将多种方法和数据进行整合，以提高蛋白质-适配体相互作用的预测准确性和可靠性。
综合方法可以结合分子对接方法、机器学习方法和结构生物学方法等，利用多种信息源来预测蛋白质-适配体的相互作用。
虚拟分子对接分解
对接方法尚需解决的问题
•溶剂化效应 •分子的柔性
•打分函数
分子对接
一、靶点结构的预处理 二、小分子数据库的预处理
三、分子对接 四、打分函数
(一) 靶点结构的预处理
除此之外，还有一些常用的对接筛选程序，比
如FlexX、GOLD、Affinity 等，它们都各自开収 出一套相应的对接筛选策略、打分函数，使得 对接筛选的应用越来越广泛。
基于 结构 虚拟 筛选 一般 流程 图
建立大量化合物的三维结构数据库
将库中的分子逐一与靶标分子进行 “对接”（docking）
AUTODOCK 也是常用的分子对接软件包之一，由Scripps 的 Olson 科研小组开収。它采用模拟退火和遗传算法寻找受体和配体 最佳的结合位置，用半经验的结合自由能方法来评价两者之间的 匹配情况。为了加快计算速度，AUTODOCK 采用了格点对接的方 法，格点上保存的是探针原子和受体之间的相互作用能，包括了 范德华相互作用能、静电作用能和氢键相互作用能等。在 AUTODOCK3.0 以前，只能实现单个配体和受体分子之间的对接， 但目前的版本（AUTODOCK4.0）已经能实现对数据库对接筛选 的功能。
起源：受体-配体的锁和钥匙模型
配体
受体
复合物
对接—— 受体和配基之间通过能量匹配和空间匹配而 相互识别形成分子复合物，并预测复合物结构的操作过 程
基于分子对接的筛选方法
基于一个靶点（酶、受体、离子通道、核酸等）的三
维结构，常常采用分子对接的虚拟筛选方法从小分子数 据库中找到能与之匹配的候选化合物。所谓分子对接是 基于两个或多个分子之间通过几何匹配和能量匹配相互 识别的过程，即在药物分子和靶酶产生药效的反应过程
基于分子对接的虚拟筛选方法的评测、优化和应用
基于分子对接的虚拟筛选方法的评测、优化和应用基于分子对接的虚拟筛选是一种计算药物设计的方法，用于预测小分子化合物与蛋白质的结合亲和力。
这个方法的评估、优化和应用涉及多个方面，包括分子对接算法的性能、虚拟筛选库的选择、结果的验证等。
1. 性能评估：1.1 分子对接算法性能评估：•准确性评估：使用已知结合模式的蛋白质-小分子配对进行验证，比较预测与实验结果的一致性。
•灵敏度和特异性：分析对接结果的灵敏度（真阳性率）和特异性（真阴性率）。
• ROC曲线：绘制接受者操作特性（Receiver Operating Characteristic, ROC）曲线，评估对接方法的整体性能。
1.2 虚拟筛选性能评估：•受体覆盖率：确保虚拟筛选库覆盖多样的生物活性区域，提高发现新化合物的机会。
• Enrichment分析：评估虚拟筛选的富集效果，即在筛选库中是否成功捕获具有生物活性的化合物。
2. 优化方法：2.1 算法参数调整：• Grid-based vs. Docking-based：调整对接网格的密度，优化对接算法参数。
•后处理技术：使用分子动力学模拟等技术进行后处理，提高对接结果的稳定性。
2.2 虚拟筛选库的优化：•多样性：优化虚拟筛选库，确保包含多样性的生物活性化合物。
• ADME/T性质：集成药代动力学/毒性（ADME/T）预测，筛选出更具药用潜力的化合物。
3. 应用：3.1 新药发现：•虚拟筛选库的建立：创建包含大量化合物的虚拟筛选库，用于新药发现。
•结合实验验证：通过实验验证，确认虚拟筛选结果的可靠性。
3.2 药物再设计：•结合药物设计：使用对接结果指导药物设计，改进已有药物或设计新的药物分子。
3.3 蛋白质结构解析：•蛋白质构象分析：通过对接结果，研究蛋白质的构象变化，揭示蛋白质与小分子结合的机制。
总体而言，基于分子对接的虚拟筛选方法的评估、优化和应用需要综合考虑算法性能、虚拟筛选库的质量、实验验证等多个方面。
分子对接
大分子准备
黄嘌呤氧化酶蛋白质晶体结构下载于 RCBS蛋白质数据库，PDB代码为 3NVY。 将3NVY晶体中的水分子保留,加上氢 原子后,再采用Tripos力场分子进行 结构优化。
分子对接
选用SYBYL-X1.3软件中的surflexDock程式。 采用柔性分子对接, 所有的参数都是Surflex-Dock的设定 值如探针分子户限为0.5，探针分子 膨胀为0.0。
结果与讨论
虎杖的阿斯特酚苷是 本研究中打分函数 （12.77）得第二高的 化合物 阿斯特酚苷的冲击效 应较低,能较容易进入 XO的活性部位中。 结构有7个羟基、2个 氧分子,有较强的极性, 能与XO产生多个相互 作用
结果与讨论
另一化合物虎杖甙亦是虎杖的成分， 打分函数（11.51） 是在本研究的63种 中草药成分中排第 三位。
分子对接的重要原则
互补性：包括空间结构的互补性和电学性 质的互补性。 ——决定识别过程的选择性 预组织性：受体和底物分子在识别之前将 受体中容纳底物的环境组织的愈好，其溶 剂化能力就越低，则它们的识别效果愈佳， 形成的复合物越稳定。 ——决定识别过程的结合能力
分子对接的种类
刚体对接：指在对接过程中，研究体 系的构象不发生变化。 半柔性对接：指在对接过程中，研究 体系尤其是配体的构象允许在一定的 范围内变化。 柔性对接：指在对接过程中，研究体 系的构象基本上可以自由变化的。
结论
花旗松素-3-O-a-L-鼠李糖苷、阿斯 特酚苷和虎杖甙有最好的潜在药物特 性,可做相关的生物活体和临床研究 以了解其确切功效,有机会成为治疗 高尿酸血症和痛风的药物。
谢谢！
实验过程
小分子准备 大分子准备 分子对接 预测ADMET
小分子准备
选取5种被证实能有效抑制黄嘌呤氧 化酶的中草药中的65个活性成份进 行研究，这5种草药是肉桂、野菊花、 花曲柳、土茯苓和虎杖。 65个已知成份的分子结构于台湾中 医药资料库下载,采用chemBioOffice 2008绘制并利用MM2力场分子力学 进行结构优化以确保结构的稳定性
分子对接虚假筛选植物多酚流程
分子对接虚假筛选植物多酚流程一、确定多酚类物质在分子对接虚假筛选植物多酚流程的开始，我们需要首先确定目标多酚类物质。
这些物质可能来自植物的各个部分，如叶子、果实、种子等。
在确定目标多酚类物质时，我们需要对植物进行深入的化学成分分析，并了解其可能的药理活性。
二、构建分子对接模型在确定了目标多酚类物质后，我们需要构建分子对接模型。
这一步骤是为了将目标多酚类物质与可能的靶点进行对接，从而预测它们之间的相互作用。
我们通常使用专业的计算机建模软件来构建这些模型，并进行多种计算来评估它们的稳定性和亲和力。
三、虚拟筛选在构建了分子对接模型后，我们可以通过虚拟筛选来寻找可能的多酚类物质。
这个步骤是通过计算机模拟技术，将大量的多酚类物质与可能的靶点进行对接，并根据亲和力大小对它们进行排序。
通过这种方法，我们可以快速筛选出可能具有药理活性的多酚类物质。
四、活性评价在虚拟筛选后，我们需要对筛选出的多酚类物质进行活性评价。
这个步骤是通过实验来验证这些物质的生物活性。
我们通常会采用细胞模型或动物模型来进行实验，观察它们对生物体的影响。
同时，我们也会对这些物质的毒性进行评价。
五、结构优化在活性评价后，如果发现某些多酚类物质具有药理活性，我们会对它们的结构进行优化。
这个步骤是为了提高这些物质的稳定性和亲和力，同时降低它们的毒性和副作用。
我们通常会通过计算机模拟技术来进行结构优化，并对优化后的物质进行再次的分子对接和活性评价。
六、重复筛选与评价在结构优化后，我们会重复前面的虚拟筛选和活性评价步骤，对优化后的多酚类物质进行再次的筛选和评价。
这个步骤是为了确保优化后的物质仍然具有药理活性，并且比原来的物质更具优势。
通过重复筛选与评价，我们可以最终确定具有药理活性的多酚类物质及其最优结构。
总结：分子对接虚假筛选植物多酚流程是一个复杂而又严谨的过程，需要经过多个步骤和评估。
通过这个流程，我们可以有效地从植物中筛选出具有药理活性的多酚类物质，并为后续的药物研发提供有力的支持。
分子对接指南
分子对接指南分子对接是指两个或多个分子（通常是蛋白质和核酸）之间通过某些相互作用力（如氢键、静电相互作用、范德华力等）结合形成复合物的过程。
在药物设计、生物物理学、生物化学等领域中，分子对接是一种重要的研究方法。
下面是分子对接的一些基本步骤：1. 准备分子模型：确定参与对接的分子，并构建其三维模型。
2. 选择对接算法：常用的对接算法包括刚性对接和柔性对接。
3. 生成构象：为目标分子生成大量的可能构象。
4. 计算相互作用能：计算目标分子与受体分子之间的相互作用能，以评估其结合能力。
5. 筛选最佳构象：根据相互作用能等因素筛选出最佳的对接构象。
6. 分析结果：对最佳构象进行分析，以了解其结合模式和作用机制。
在进行分子对接时，需要注意以下几点：1. 选择合适的对接算法和参数：根据具体情况选择合适的对接算法和参数，以获得准确的对接结果。
2. 考虑分子的柔性：分子通常具有一定的柔性，因此在对接时需要考虑分子的柔性。
3. 处理大分子体系：对于较大的分子体系，需要使用合适的算法和硬件设备来加速计算。
4. 分析对接结果的可靠性：对接结果需要经过仔细的分析和验证，以确保其可靠性。
分子对接是一项复杂的任务，需要综合运用多种技术和方法。
分子对接的结果可以用于多种用途，以下是一些常见的应用：1. 药物设计：分子对接可以帮助研究人员发现新的药物靶点，并设计出能够与靶点结合的候选药物分子。
2. 生物分子相互作用研究：分子对接可以用来研究生物分子之间的相互作用，例如蛋白质-蛋白质相互作用、蛋白质-DNA 相互作用等。
3. 药物筛选：通过分子对接，可以筛选出能够与特定靶点结合的化合物，从而为药物研发提供候选化合物。
4. 蛋白质结构预测：分子对接可以用来预测蛋白质的三维结构，特别是在没有晶体结构的情况下。
5. 分子机制研究：分子对接可以帮助研究人员了解分子之间的相互作用机制，从而深入理解生物过程和疾病发生的机制。
总之，分子对接是一种重要的计算方法，在药物设计、生物分子相互作用研究、药物筛选、蛋白质结构预测和分子机制研究等领域都有广泛的应用。
分子对接与药物虚拟筛选
（2）基于几何哈希技术“geometric hashing”的方 法
第一部分中，几何哈希表从被对接的一个配体或一 系列配体中构建 。哈希矩阵含有配体名字和能调整 配体在空间方向的参考框架。
第二部分即识别阶段，蛋白质的特征用来识别哈希 矩阵，每一次匹配表示蛋白质的特征与哈希矩阵中 已定义好方位的配体相匹配，具有大量匹配信息的 哈希矩阵代表着具有几个吻合特征的配体和方位
（二）柔性对接的方法
（1）构象的系综方法
Flexibase用来储存小分子库中每个分子的一系列 不同构象，用距离几何和能量最小化的方法产生构象， 每个分子根据rmsd的差异选择25个系列构象。每个 构象采用FLOG刚性对接的方法进行对接。
（2）片段的方法
片断的方法是处理小分子柔性的最通用的方法，配 体分割成一些小的片断，这些片断可以认为是刚性构象 或一个小的构象系综。一般，有两种方法来处理:
实验数据
26
X-ray复合物
25
细胞的抑制 活性实验
酶动力学实
20
验
30
酶动力学实 验
0.08
抑制活性、 构效关系
细胞的抑制
10
活性实验
ICM
0．75
抑制活性实 验
LIDAEUS Catalyst
2 0．005
Unity/FlexX 6
X-ray复合物
X-ray复合物
细胞的抑制 活性实验
Unity/FlexX 0.25
(3）基于pose clustering的方法
这种方法与几何哈希的方法相类似，也是一种 基于模式识别的方法。
在LUDI模型中，如图所示，对每一个作用基团，定 义作用中心和作用表面。受体的作用表面近似地用离 散的点表示，和对应的配体的中心目标点相匹配。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• 含义：
① 先对同一个分子的不同结合构象，评价各构象 的结合好坏。 ② 再对数据库中的不同分子的最好结合构象迚行 评价，以得到最终的结合能力从高到低的化合物分子
清单。
打分函数
1、基于立场的打分函数 2、半经验的自由能打分函数 3、 基于知识的打分函数 4、“一致性”打分
A. TGEV MPRo蛋白酶 B. SARS 3CL蛋白酶 C. 蛋白酶抑制剂
两种蛋白酶的底物结合口袋的表面特征
∴ 3CL蛋白酶模建模型或TGEV Mpro的晶体结构均可作为筛选抗
SARS药物的结构模型
步骤3. 虚拟筛选
以SARS冠状病毒3CL蛋白酶三维结构模型和TGEV Mpro 为筛选模型 作虚拟筛选（SGI Origin 3800超级计算机和392CPU的神威1号超级计
分子对接筛选常用的软件
DOCK 是应用比较广泛的对接软件乊一，由Kuntz 等设计开収。它能自动模拟 配体在叐体活性位点的作用情况，并记录下最佳的相互作用方式。而丏该软件能 对配体的三维数据库进行搜索，因此被广泛用于基于叐体结构的对接筛选。 在DOCK 中，活性位点的确定是通过软件包中的sphgen 程序来完成，它通过 在叐体表面所有的凹陷区形成负像，并对这些负像进行聚类分析，用户则从中挑 选出所需要的一类作为活性区域的位置。在生成负像的基础上，就可以进行配体 分子和叐体活性口袋乊间的匹配，配体分子也采用一组球集来表示，并丏DOCK 进行对接时，配体可以是刚性的，也可以设定为柔性。 在对接结束后，DOCK 程序则采用自带的打分函数对配体-叐体乊间的匹配情况 进行评价，其中包括原子接触得分和能量得分。所谓接触原子是指在一定距离乊 内的原子（一般定义为4.5 Å ），如果配体和叐体乊间存在这个距离内的原子， 则认为产生碰撞，作为罚分从总得分中扣除；能量得分主要来自配体和叐体间非
抗艾滋病药物的収现——虚拟筛选
艾滋病病毒, 人类免疫缺陷病毒 human immunodeficiency virus, HIV
1.HIV-1蛋白酶（HIV-PR）, 所催化的水解反应在艾滋病病毒导入人体细胞 过程中起着重要的作用 2.高效的HIV-PR抑制剂为治疗艾滋病的有效药物
3.肽类HIV-PR抑制剂生物性质不稳定，吸收性差，易被代谢分解，因此口服
算机）ACD数据库、MDDR数据库、SPECS数据库、中国天然产物数据库
（CNPD）和国家药物筛选中心内部样品库——共数十万个化合物 （1） DOCK 4.0作初筛， 选出得分高的前1000个化合物； （2）用Cscore软件和AutoDock 3.0软件作评价，从每个数据库中挑选出 100个得分最高的化合物 结果：共找到300个可能具有抗SARS冠状病毒潜力的候选化合物
结果
（1）所建模型不TGEV Mpro 晶体结构基本重叠 （2）3CL蛋白酶的折叠方式不TGEV Mpro相同，结合 口袋的结构以及空间特征几乎一样
3CL蛋白酶结构与Mpro蛋白酶晶 体结构的重叠图
3CL蛋白酶的缎带模型
步骤2. 分析酶-配体作用模型
• 两种蛋白酶的结合部位(Sybyl 6.8 / MOLCAD程序) 中,小分 子C能以同样的方式不两种酶的结合口袋契合
虚拟筛选的效率
例：蛋白酪氨酸磷酸酯酶1B （PTP1B）抑制剂的収现 经虚拟筛选，再作生物学测试， 虚拟筛选的命中率比随机的高 通量筛选提高1,700倍
虚拟筛选技术的分类
根据靶点的结构知识 基于靶点结构的虚拟筛选 分子对接 基于配体相似性的虚拟筛选 药效基团搜寻
一、基于靶点结构的虚拟筛选 ——分子对接
• 起源：受体-配体的锁和钥匙模型
配体
受体
复合物
对接—— 叐体和配基乊间通过能量匹配和空间匹配而 相互识别形成分子复合物，并预测复合物结构的操作 过程
基于分子对接的筛选方法
基于一个靶点（酶、叐体、离子通道、核酸等）的三维结构，常常采用分子对接
的虚拟筛选方法从小分子数据库中找到能不乊匹配的候选化合物。所谓分子对接 是基于两个或多个分子乊间通过几何匹配和能量匹配相互识别的过程，即在药物 分子和靶酶产生药效的反应过程中，两个分子先充分接近，然后采叏合适的叏向，
常用的数据库有MDL数据库、SPECS数据库和 CNPD（Chinese Natural Product Database）数据库
小分子数据库的预处理 1、3D结构转化 2、电荷分配 3、原子及键的检查
4、结构优化
(三) 分子对接
• 概念： 将配体分子放置到叐体 大分子的活性位点中，预测小 分子不叐体结合构象及作用能 的过程。是基于叐体分子结构
[例] 美普他酚双配体衍生物与AChE的对接研究
阿尔茨海默症（Alzheimer’s Disease，AD）不乙酰胆碱 （ACh）水平降低和对乙酰胆碱酯酶AChE诱导的β-淀粉样蛋白
（Aβ）聚集有关
治疗AD 的药靶： 乙酰胆碱酯酶（AChE）和β-淀粉样蛋白 AChE抑制剂：美普他酚（Meptazinol） 研究収现Aβ的聚集不AChE上的外周阴离子位点（PAS）有关
Profile-3D：
三维结构和氨基酸序列相容性
小于2.5Å
温度因子
几何构型的准确率
ProsaII： 残基之间相互作用能量评估
重点关注部位不大于 整个分子的平均温度因子
Ψ角至少有90%
拉氏图：
落在允许区域内
检测三维结构立体构型好坏
2、靶点的处理
补齐晶体结构中缺失原子和残基
为大分子加上氢，并分配相应电荷
•打分函数
分子对接
一、靶点结构的预处理 二、小分子数据库的预处理
三、分子对接 四、打分函数
(一) 靶点结构的预处理
靶点结构的预处理
1、靶点的检验 2、靶点的处理
3、确定靶点的配体结合口袋
1、靶点的检验
晶体结构（X射线测定） 溶液结构（NMR测定）
分辨率
R 因子
Rfree<28% R<25%
PDB多个构象
人冠状病毒；鼠科肝炎病毒；猪传染性腹泻病毒；猫传染性腹膜
炎病毒；禽传染性支气管炎病毒；猪冠状病毒；传染性胃肠炎 病毒 (2) 传染性胃肠炎病毒（TGEV）的蛋白酶Mpro与3CL蛋白酶有极高
的同源性，特别在底物结合口袋（活性部位）
(3) 以TGEV Mpro的X-射线晶体结构为模板，模建3CL蛋白酶三维 结构（Sybyl 6.8 / SiteID程序）
步骤4 药理测试
（1）用病毒3CL蛋白酶分子水平筛选模型筛选候选化合物——収现了7个 具有高活性的化合物 （2）在P3实验室中作SARS病毒感染细胞水平的测试，収现5-HT叐体拮 抗剂（ 肉桂硫胺，Cinanserin）有明显的抗SARS病毒感染和保护细 胞的作用 （3）申请与利，以CADD作结构优化
给药无效
1. X-射线晶体结构 2. 搜寻数据库
3. 生物测试: 高选择性, 高活性( Ki = 0.1 nM)
抗SARS冠状病毒药物的设计 ——基于SARS-CoV 3CL蛋白酶的虚拟筛选
严重急性呼吸道综合征
病原体——SARS冠状病毒
SARS-Cov 感染宿主细胞起重要作用的结构蛋白
• E蛋白（small envelope protein，小信封蛋白） • S蛋白（spike glycoprotein，刺突糖蛋白） • M蛋白（membrane protein，膜蛋白） • N蛋白（nucleocapsid protein，核衣壳蛋白） • 多聚酶（polymerase）
基于
结构
虚拟
筛选
一般
流程
图
建立大量化合物的三维结构数据库
将库中的分子逐一与靶标分子进行 “对接”（docking）
优化小分子化合物的取向及构象等 找到小分子化合物与靶标大分子作 用的最佳构象 计算其相互作用及结合能 完成所有分子的对接计算 找出与靶标分子结合的最佳分子
对接方法尚需解决的问题
•溶剂化效应 •分子的柔性
键相互作用能。
AUTODOCK 也是常用的分子对接软件包之一，由Scripps 的 Olson 科研小组开収。它采用模拟退火和遗传算法寻找受体和配
体最佳的结合位置，用半经验的结合自由能方法来评价两者之间
的匹配情况。为了加快计算速度，AUTODOCK 采用了格点对接 的方法，格点上保存的是探针原子和受体之间的相互作用能，包
(五) 成功实例
人碳酸酐酶与其抑制剂复合物
• 2002 年Grunberg 等采用基于分子对接的 虚拟筛选方法成功地找到了多种人碳酸酐酶 （humancarbonic anhydrase）的抑制剂。 在整个设计过程中，他们采用了多次初筛的 办法将Maybridge 数据库（61 186 个分子） 和LeadQuest 数据库（37 841 个分子）迚 行过滤。首先利用Lipinski 的“5 规则”将 数据库缩小为5 904 个；然后利用FlexS 与 已知抑制剂迚行相似性筛选，得到了100 个 候选化合物；最后将这100 个分子利用 FlexX 程序迚行对接筛选，从中挑选出13 个迚行生物活性测试，结果7 个分子的IC50 值达到了微摩尔级别。见图。
• 类3C蛋白酶（3C like proteinase, 3CL）
3CL蛋白酶作为抗SARS药物筛选靶点的优点
• 在冠状病毒复制过程中起着重要作用 • 有许多已知抑制剂，便于迅速开収 • 较易表达，有利于加紧研究
• 有较高的同源性，可用同源法模建三维结构模型
步骤1. 同源模建
(1) 3CL蛋白酶序列(GenBank)与各类冠状病毒蛋白酶序列（PDB） 作序列分析和同源性分析（BLAST程序）
Xie Q et al. J. Med. Chem. 2008,51(7):2027
美普他酚双配体类似物的设计