前回に引き続き、2019年度の7号目のネイチャーのハイライトより。
計算創薬：創薬で力を発揮した超大型化合物ライブラリー
Nature 566, 7743
2019年2月14日
創薬は非常に時間がかかることで有名である。リード化合物は、その分野でそれまでに得られている知識によって決まり、よく使われている分子骨格に限定されることが多い。探索可能な化合物空間（chemical space）を広げるために複数の方法が考えられていて、その中に候補分子を標的構造にドッキングさせるものがある。今回B Shoichetたちは、1億7000万種を超える膨大な数の分子からなるライブラリー（2年以内に10億を超えるだろうと推測されている）のドッキングについて報告している。重要なのは、ここに含まれる分子が非常に多様で、市販されていない骨格が膨大な数含まれている点である。このライブラリーが持つと考えられる力量が、AmpC型β-ラクタマーゼ（AmpC）とD_4ドーパミン受容体という2種類の標的を用いて実証された。著者たちはいくつかの化合物を実際に合成して検証し、それによってこれまでで最も強力なAmpC阻害剤と、550 pMという高い親和性を持ち、G_iにバイアスのかかったD_4選択的アゴニストを見つけた。
News & Views p.193
Article p.224
この論文は、ネイチャーのニュースにも取り上げられました。
ネイチャーの日本語版においては、「計算創薬：仮想薬剤スクリーニングでは大きいことはいいことだ」と題されています。
見出しにおいては、「今回、生物学的な標的に対して、数億の薬剤候補（その全てを必要に応じて作ることができる）を計算によってスクリーニングするシステムが考案された。これは、創薬の効率を高めるのに役立つ可能性がある。」と取り上げられています。
フルテキストを直訳しますと・・・
仮想薬物スクリーニングの方が大きいほど良い
となり、見出しを直訳しますと・・・
数億もの薬物候補をコンピューターでスクリーニングするシステムが考案されました。これらはすべて、オンデマンドで作成できますが、生物学的標的に対してです。これは、創薬をより効率的にするのに役立ちます。
となります。本文を少し直訳しますと・・・
有効な薬物のスクリーニングは途方もなく高価で非効率的です。ハイスループット画面は数百万個の化合物をカバーできますが、これは存在すると思われる「薬物のような」分子構造の総数（1063）のほんの一部です[1,2]。さらに、通常、スクリーニングでテストされた化合物の0.5％未満が、選択された生物学的ターゲットでの活性を持つことが判明しました[3]。したがって、研究室で合成および分析する必要がある数を制限しながら、薬物発見プログラムの初期スクリーニング段階で探索できる分子の数を増やすことに大きな関心があります。 Natureで執筆しているLyu et al.[4]は、超大型化合物ライブラリーをコンピューターでスクリーニングして、合成およびアッセイする化合物に優先順位を付けることにより、これらの両方の目標を達成しています。
物理的な薬物スクリーニングライブラリは、主に社内または市販のカタログから市販されている化合物に限定されています。対照的に、リュウ等。ドッキング—計算による結合のシミュレーション—商業的サプライヤーがオンデマンドで作成できる1億7000万の化合物。これらの化合物の97％以上は、他のベンダーのコレクションから入手できませんでした。著者のオンデマンドライブラリの化合物の数はその後増加しており、2年以内に10億を含むと予測されています。著者は、このライブラリを3D分子構造の公開データベースとして利用可能にしました（go.nature.com/2sywxltを参照）。これは、仮想スクリーニングのために研究者が使用できます。
この非常に多数の化学構造で仮想スクリーニングがどのようにうまく機能するかを評価するために、Lyuらはまず、ドッキングスコアを使用して1億7000万人のライブラリ全体で数千から数百の既知のリガンド分子を区別できるかどうかを調査しました。化合物は特定の生物学的標的に結合します。著者らは、酵素AmpCβ-ラクタマーゼとD_4ドーパミン受容体の2つのターゲットに対してライブラリを仮想的にスクリーニングしました。実際、最高得点の分子には、これらの標的およびその密接な構造類似体に対する既知のリガンドが含まれていました。
著者は、これまでリガンドとして同定されていなかったトップスコアの化合物、およびこれらの化合物のいくつかの類似体を合成しました。これらの多くは、アッセイで薬理学的に活性であることがわかった。印象的に、化合物の1つは、酵素に不可逆的に結合しない化合物の中で知られている最も強力なAmpC阻害剤です（効力とは、標的に対するリガンドの結合親和性ではなく、そのリガンドに対する標的の生物学的反応を表します）。
D_4刺激化合物の1つは、D_4に対する前例のない親和性と、関連するD_2およびD_3受容体サブタイプに対する選択性を持っています。さらに、他の同定されたD_4リガンドの一部は機能的に選択的であり、D_4から誘導されるG_iタンパク質またはβ-アレスチン細胞シグナル伝達経路を優先的に活性化しました。このような機能的選択性を示す薬剤は、現在入手可能なものよりも安全である可能性が提案されています5。全体として、これらの結果は、高度に最適化された薬物に匹敵する生物学的活性を持つ化合物を、スクリーニングライブラリーのサイズと構造の多様性を拡大するだけで特定する方法を示しています。
Lyu et al. 最も生物学的に活性な化合物を発見するためにライブラリ全体をスクリーニングすることが不可欠であり、それによって将来の仮想スクリーニング研究の水準が上がることがわかりました。小さなライブラリをスクリーニングすると最高の化合物が失われ、同定された化合物はあまり良くありません。巨大な仮想スクリーンには高い計算要求がありますが、十分な計算リソースがあれば高速になります（D4のスクリーニングは、約190台のデスクトップコンピューターに相当する処理能力を使用してわずか1.2日で完了しました）。
ドッキング研究の主な障害の1つは、化合物を実際のアッセイほど正確にランク付けできないことです。これにより、ドッキングスコアが生物活性とどの程度相関するかという問題が生じます。Lyuと同僚の研究は、この問題の最大かつ最も体系的で有用な評価の1つを提供します。著者は、実験的に決定されたヒット率（ターゲットで活性を有するアッセイされた化合物の割合）が、最高スコアの化合物の約25％からボトムスコアラーの0％の範囲であることを示しています。これに基づいて、Lyu等。データベース内のD_4リガンド（受容体に対して1マイクロモルの最小親和性を持つ化合物）の総数は、158,000であると推定されました。
ほぼすべての仮想スクリーニング研究は、人間の目視検査で化合物の機械選択を補完します-科学者は高得点化合物を「目で見て」、薬物発見の独自の知識を使用して、どの化合物を優先するかを優先します。予想外に、Lyuと同僚の研究は、人間の入力で選択された化合物のヒット率（約24％）はドッキングスコアのみを使用して選択されたものと類似していましたが、人間が検査した化合物は親和性、有効性、および効力が高いことを明らかにしました。これは、人間の専門知識の利点を示しています。それでも、スコアリングだけで、多くの場合、類似体の後続のテストでさらに優れた化合物を見つけることができる優れた化合物が識別されるため、専門知識が限られているユーザーは仮想スクリーニングのアプローチから恩恵を受けるでしょう。
Lyuと同僚の計算アプローチは強力ですが、いくつかの制限があります。まず、すぐにデータベースに追加されると予想される10億個の分子のスクリーニングには、必然的にかなりの計算リソースが必要になります。クラウドコンピューティングとグリッドコンピューティング（広く分散したコンピューターネットワークの使用）は、この問題を解決できますが（たとえば、参考文献6を参照）、すべてのラボで手頃な価格ではない場合があります。スクリーニング時間は使用するドッキングソフトウェアに依存し、一部の研究グループは、その使用に関連するライセンスの問題のために独自のソフトウェアを使用できない場合があります（著者は自由に利用可能なドッキングプログラムを使用しました）。
バーチャルスクリーニングから開発された医薬品の特許も問題になる可能性があります。Lyuと同僚のデータベースは、ライブラリメンバーのすべての合成的にアクセス可能な構造類似体を効果的に公開します。 。より一般的には、先例がほとんどないため、メークオンデマンドライブラリにリストされている化合物を製造する独占的権利を企業が取得できるかどうかは不明です。
さらに、D_4およびAmpCアッセイで物理的にテストされた化合物でそれぞれ得られた24％および11％の実験的ヒット率は、強力な分子をすぐに見つけるために多数の化合物を合成する必要があることを示しています。 AmpCのヒット率が低いことは、閉じ込められた空洞のない結合部位に高い親和性を持つ化合物を見つけることの一般的な困難を反映しています。原則として、この問題はペプチドをスクリーニングすることで克服できますが、ペプチドドッキングは、低分子仮想スクリーニングよりもスループットと精度が大幅に低下します[7]。
ドッキング方法の今後の開発では、ヒットの品質を向上させるために、人間の優先順位付けの側面を自動スコアリング機能に組み込むことができるかどうかを検討する必要があります。トップスコアの化合物を目撃した科学者たちは、主にドッキング構造が歪んだ分子をフィルターで取り除き、ターゲットと特定の相互作用を形成する化合物を支持しました。また、巨大な画面で他のドッキングソフトウェアを使用する可能性や、Lyuと同僚の方法がさまざまな他の分子標的に対してどれだけうまく機能するかをテストするための研究も必要です。
それにもかかわらず、新しい研究は、薬物開発のリードとして適した強力で選択的な分子を発見するために、超大型ライブラリーを使用する利点を明確に示しています。特に、Lyu et al。薬物発見プログラムまたは生物学的実験での使用のために高度に最適化されたものと同等です（図1）。さらに、標的-リガンド複合体の実験的に決定された構造の数は増加しています。たとえば、低温電子顕微鏡9を使用するか、結晶学を使用して、タンパク質のリガンドを繰り返して別の複合体と交換することにより形成された一連の複合体を捕捉します。これらの構造は、ドッキング研究で使用するための多くのテンプレートを提供するため、創薬の主要ツールとしての仮想スクリーニングの有用性が高まります。
となります。
フルテキストは下記です。
Full Text：News & Views p.193
Bigger is better in virtual drug screens
本論文においては、ネイチャーの日本語版本誌では、「計算創薬：超大型ライブラリーを使った新規化学種発見のためのドッキング実験」と題されています。
フルテキストを直訳しますと・・・
新しい化学型を発見するための超大型ライブラリーのドッキング
となり、Abstractを直訳しますと・・・
化学空間を拡大することに強い関心があるにもかかわらず、数百万から数十億の多様な分子を含むライブラリーにはアクセスできません。ここでは、130のよく特徴づけられた反応からの1億7千万のオンデマンド化合物の構造ベースのドッキングを調査します。結果として得られるライブラリは多様であり、それ以外では利用できない1,070万を超える足場を表します。ライブラリ内の各化合物について、AmpCβ-ラクタマーゼ（AmpC）およびD_4ドーパミン受容体に対するドッキングをシミュレートしました。トップランクの分子から、44および549の化合物が合成され、それぞれAmpCおよびD_4ドーパミン受容体との相互作用がテストされました。 AmpCのフェノラート阻害剤を発見しました。これにより、先例のない阻害剤のグループが明らかになりました。この分子は77 nMに最適化されており、既知の最も強力な非共有AmpC阻害剤の1つとなっています。これおよび他のAmpC阻害剤の結晶構造により、ドッキング予測が確認されました。 D_4ドーパミン受容体に対して、ヒット率はドッキングスコアでほぼ単調に低下し、ヒット率とスコアの曲線は、ライブラリに453,000のD_4ドーパミン受容体リガンドが含まれることを予測しました。発見された81の新しいケモタイプのうち、30がD_4ドーパミン受容体の180 pMサブタイプ選択的アゴニストを含むサブマイクロモル活性を示しました。
となります。
フルテキストは下記です。詳細が必要な方は購入をお願いいたします。
Full Text：News & Views p.193
Ultra-large library docking for discovering new chemotypes
Data availabilityによりますと・・・
ここで報告されている活性分子は、B.K.S。またはエナミンから直接。新しいドッキングヒットで決定されたAmpCの4つの構造は、アクセッション番号6DPZ、6DPY、6DPX、および6DPTのPDBから入手できます。この研究でドッキングされた化合物は、ZINCの鉛のようなメークオンデマンドライブラリ（http://zinc15.docking.org）から無料で入手できます。すべての活性化合物は、著者から入手できるか、エナミンから購入できます。関連する生データを含む図は次のとおりです。図2については、電子密度と反射ファイルがPDBに登録されています。図3、4、および拡張データ図5。ソースデータは、オンライン版のペーパーで入手できます。拡張データ図1、補足データ1にデータが含まれています。拡張データ図6には、生のクラスタリングまたは非クラスタリングのランク番号が補足表8、9に含まれています。追加データは、補足表3、5（AmpC阻害剤およびD4リガンドの凝集アッセイ）にあります。拡張データ表1（結晶学的データの収集と改良）;補足表9、10および補足データ12〜15（活性リガンドの化学純度とそのスペクトル）。補足データ11および14（化合物への合成経路）。他のすべてのデータは、リクエストに応じて著者から入手できます。
究極に溜まりに溜まったネイチャー。次回は、「応用物理学：ナノフォトニック冷却」を取り上げます。
※明日も通院地なっていますので、大幅に巡回等が遅れることが想定されます。申し訳ございません。
