Ligandscout教程 | 共价键药效团模型与虚拟筛选 - 墨灵格的博客

摘要：本文以EGFR Kinase-Afatinia复合物为例来演示如何用Ligandscout基于结构的方法生成带共价键特征的药效团模型、以及如何用该药效团模型进行虚拟筛选。

作者：肖高铿
发布:2018-05-15

一. 前言

“我们应当理性对待共价键药物的设计，将其作为一种指导思想，而不仅仅依靠偶然发现，”美国礼莱的药物化学家Renato Bauer如是说^1,2。Ligandscout支持基于结构方式生成带共价键的药效团模型，协助你完成理性设计。在Ligandscout案例 | 共价键结合药物的虚拟筛选一文中，我们已经为您展示了Ligandscout共价键结合不可逆药物的虚拟筛选性能，本文则以EGFR Kinase-Afatinib为例来演示如何用Ligandscout的基于结构方法生成含共价键的药效团模型以及用该药效团模型进行虚拟筛选。

二. 虚拟筛选流程

2.1 Afatinib的结构

Figure 1. Afatinib的化学结构,黄色高亮的原子是发生加成反应的位置，虚拟筛选时将与共价药效团特征匹配

我们已经准备好了现成的SMILES格式文件以及LDB格式文件供直接使用。

2.2 药效团模型的生成

切换到Ligandscout的Structure-based模块，在PDB code处键入4g5j,点击download。在3D视窗会发现有3个黄色的盒子（图2）。将鼠标悬停于黄色盒子上，对应的化合物会以2D的方式图出现。

Figure 2. 4G5J的复合物结构，有3个Afatinib的化学结构，我们只对[A] 0WN1101感兴趣。

点击[A] 0WN1101化合物所在的黄色盒子，则该结合位点被居中显示。点击Create Pharmacophore图标，生成[A] 0WN1101化合物与EGFR激酶复合物的药效团模型，见图3。

Figure 3. 4G5J的药效团模型，其中橘黄色的那个圆球就是共价键的所在位置

更详细的药效团生成流程见：Ligandscout教程——基于结构的方法。

2.3 将药效图复制到虚拟筛选模块

生成药效团之后，点击“Copy to other perspectives”部件的中间那个按钮（图3箭头所示的按钮），选择screening perspective，则将药效团Copy到Vritual Screen模块。

2.4 虚拟筛选

按照虚拟筛选教程，将afatimib.smi准备为构象数据库，读入虚拟筛选模块，进行虚拟筛选。

2.5 结果

将虚拟筛选命中的pose另存为sdf文件，Insert到Structure-based模块，与共晶的pose比较，如图4所示。可以发现，计算的pose与共晶的pose完全一致，双键所在的位置也刚好与橘黄色的共价键特征完美的匹配。

Figure 4. 灰色为PDB结构4G5J的共晶配体，粉红色的为药效团虚拟筛选命中的pose，两者基本完全一致

2.6 方法学验证

2.6.1 数据集

PDB数据库里还有4I24、3IKA、2JIV与2J5F等复合物结构是EGFR与共价抑制剂的复合物结构。这几个晶结构被Toledo等人³用于验证共价Schrodinger的CovDock对接方法，我们也用同样的数据集来验证共价药效团模型的虚拟筛选性能。在Toledo等人数据集里，包含了已知的EGFR共价抑制剂34个，decoy化合物5000个。用Ligandscout的idbgen进行结构准备，以备虚拟筛选使用。

数据集下载：https://pan.baidu.com/s/1vgBfD92TNI8RSdgStWfp1g

2.6.2 药效团模型的生成

按照本文2.2小节的方法，生成4G5J与2JIV的药效团模型，通过aligment模块，生成4G5J与2JIV公共药效团模型。

药效团模型下载：https://pan.baidu.com/s/1vgBfD92TNI8RSdgStWfp1g

注意：本文只是演示，在真正的研究中应该去探索更好的模型。

2.6.3 虚拟筛选与方法学验证

将公共药效团模型复制到Virtual screening模块，筛选2.6.1小节的预先准备好的EGFR共价抑制剂与decoy化合物数据库。Ligandscout会自动绘制ROC曲线、计算EF值，结果见图5。

Figure 5.EGFR激酶共价结合抑制剂的虚拟筛选ROC曲线

在本测试中，如图5所示,虚拟筛选命中了10个已知的抑制剂，ROC曲线与纵坐标重合，说明没有假阳性；在打分靠前的ROC AUC与EF值如下表1所示。(计算方法见：如何进行虚拟筛选的方法学验证)。

Table 1.EGFR激酶共价结合抑制剂的虚拟筛选ROC AUC与富集因子（EF）

X%	1	5	10	100
ROC AUC^X%	1	1	1	0.65
EF^X%	147.6	147.6	147.6	147.6

因为药效团虚拟筛选的打分不像分子对接一样是连续值：如果化合物与药效团不能匹配，则没有分值；而分子对接，不管什么分子，都有一个分值。在本测试中，ROC曲线的Top1的化合物数量为50个超出了命中化合物数（10个），之后的5%、10%的性能值没有意义。但是，ROC曲线与纵坐标重合，说明：早期富集非常完美，没有假阳性。

三. 小结

Ligandscout生成共价键的药效团模型与普通的基于结构的药效团模型完成一模一样；虚拟筛选过程也与普通的虚拟筛选过程完全一致，并不需要特别的准备。用Ligandscout可以轻松地完成共价键化结合化合物的虚拟筛选。在我们测试里，Ligandscout的药效团模型甚至像分子对接一样重现复合物晶体结构的结合模式。在方法学验证里，ROC曲线与纵坐标重合，这表示虚拟筛选命中的化合物都是已知活性化合物，没有假阳性。

四. 文献

Extance, A. Drugs,the permanent way https://www.chemistryworld.com/feature/covalent-inhibitor-drugs/2500494.article (accessed May 15, 2018).
“把钥匙拧断”——共价键药物的崛起?. http://www.x-mol.com/news/6369 (accessed May 15, 2018).
Toledo Warshaviak, D.; Golan, G.; Borrelli, K. W.; Zhu, K.; Kalid, O. Structure-Based Virtual Screening Approach for Discovery of Covalently Bound Ligands. J. Chem. Inf. Model. 2014, 54 (7), 1941–1950.

Ligandscout教程 | 共价键药效团模型与虚拟筛选

一. 前言