摘要：本文演示了如何用SMARTS语言编码羧酸、伯胺以及它们之间的反应，并借助化学信息学软件包RDKit在KNIME界面实现基团识别、化合物过滤以及进行双组份的化学反应，最后生成组合库并保存为SDF格式的文件。

作者：肖高铿
发布：2018-07-25

一.前言

药物化学研究中通常需要根据母核或反应去枚举组合库，后者称为基于反应的组合库，可以帮助化学家了解自己所能掌握、合成的真实化学空间。比如，您想枚举各种取代苯甲酸与各种伯胺反应生成酰胺，你可以使用基于反应的组合库来实现。假设你有10个苯甲酸化合物、10个伯胺，其中一些反应如下图1所示：

Library Design

图1. 部分苯甲酸与伯胺反应的例子

我们可以通过绘制一个反应路线来合成一个化合物库，通过化学信息学技术将反应物枚举出来：每个反应物、产物可以用SMILES1来编码或其它的格式来表征，各种基团可以用SMARTS2来表征、查询、计数数量，反应可以用SMILES、SMARTS、SMIRKS3或RXN来表征。比如，乙醇与乙酸生成乙酸乙酯的反应可以写成下式反应（注意，在不同的浏览器观察反应效果会不同）：

1

CCO.CC(=O)O>>CCOC(C)=O

你会发现用分子语言进行一个反应是非常简单的事情，与写SMILES没什么根本的区别。你可以用这些分子语言让各种试剂、中间体进行“反应”最后得到虚拟的产物库即组合库。组合库设计可以是如图1单步反应，也可以是如图2所示的多步反应。

多步骤反应

图2. 组合库支持多步骤反应

基于反应的组合库设计不仅支持上述的线型分子设计，还可以支持如图3所示成环反应步骤。

成环反应

图3. 成环反应

这些复杂反应的组合库设计主要得益于SMILES、SMARTS与SMIRKS语言及其原子定位（Atom map）功能。利用这些分子语言，可以很容易构建自己的基于反应的组合库，比如用于从头设计5。

获得组合库之后，你可以进一步用各种虚拟筛选技术（比如基于分子对接、药效团、分子形状的虚拟筛选方法）、活性预测技术来研究组合库，从中发现潜在的、有价值的化合物，最后进一步去合成、生物活性测试。

二. 基于反应的组合库生成

本教程以苯甲酸与伯胺反应生成苯甲酰胺为例，举例如何建立苯甲酰胺组合库,包括下面流程：1）读入试剂化合物数据库；2）用SMARTS语言识别试剂数据库中的羧酸/伯胺类化合物、并计算每个化合物的羧酸/伯胺基团数量、保留仅含有一个羧酸/伯胺基团的化合物；3）用SMARTS语言建立羧酸与伯胺的反应、生成产物；4）产物的理化性质计算与过滤；5）保存产物为sdf格式。本教程是根据KNIME自带的组合库枚举（Chemical Library Enumeration 4）改编而来。

2.1 工具与材料

  1. KNIME: http://www.knime.org
  2. RDKit的KNIME组件：见KNIME
  3. 试剂库: reagent.sdf

2.2 预先知识

了解Daylight的SMILES、SMARTS与SMIRKS语言，以及初步的KNIME使用方法。

2.3 工作流

基于反应的组合库工作流

图4. 基于反应的工作流

工作流下载：reaction-based-library-demo.knwf

2.4 工作流中关键节点的解释

  1. 读入试剂库

    2. 图4工作流的第(1)步是用SDF Reader读入试剂库reagent.sdf，这个试剂库里含有210个试剂，各种羧酸与伯胺化合物分别各含100多个。在本教程中，这些羧酸与伯胺要发生图1的反应，生成可能的酰胺。

  2. 设定使用的试剂数量

    3. 图4的操作（2）是用来设定采用的羧酸、伯胺的数量，如果100个羧酸与100个伯胺反应会获得10000个化合物，这本教程中，我们不需要这么多化合物。操作（2）的目的是演示如何控制采用的试剂数量。

  3. 羧酸与伯胺的过滤

    4. 图4的操作（3）是用来提取试剂库中的羧酸与伯胺。SMARTS语言羧酸为“[CX3](=O)[OX2H1]”、伯胺为“[NX3;H2,H1;!$(NC=O)]”，用RDKIT的Substructure可以根据SMART语言将这两类化合物提取出来。

  4. 羧酸与伯胺反应生成酰胺

    5. SMARTS语言结合其原子定位可以精确描述反应（图5）。比如，羧酸与伯胺反应生成酰胺可以描述为：

    1

    [#7;!H0;!$([#7]-C=[O,N,S]);!$([#7]~[!#6]):1].[C:2](=[O:3])-[O;H,-]>>[#7:1]-[C:2]=[O:3]

    RDKIT的RDKit Two Component Reaction（图4步骤4）可以实现这个反应。

    SMARTS 反应

    图5. SMARTS编码的反应

    更多的反应类型编码可以参考Hartenfeller（2012）等人的工作5，在该文的SI中中分享了50种常见反应，采用Reaction-MQL编写。该文虽然不是用SMARTS语言编写反应，但是对如何精准地定义子结构很有帮助。比如，你会从中获得如何定义仲胺的启发，从而更快、更好地利用SMARTS语言。

  5. 将结果保存为SDF文件

    6. 最后，用SDF Writer节点（图4操作5）将结果保存为SDF文件。

三. 小结

本文演示了如何用SMARTS语言编码羧基、伯胺以及它们之间的反应，并借助化学信息学软件包RDKit在KNIME界面实现基团识别、化合物过滤以及进行双组份的化学反应，最后生成组合库并保存为SDF格式的文件。

四. 从这里开始可以做什么？

有了化合物库，可以接着做什么事？

  1. 用分子对接进行虚拟筛选
  2. 用药效团技术进行虚拟筛选
  3. 用分子形状、静电技术进行虚拟筛选
  4. 用QSAR模型或其它模型预测化合物的活性

五. 应用

1. 枚举组合库与活性预测、微流控辅助合成联用

组合库设计可以枚举产物获得组合库，结合活性预测与微流控辅助合成实现自动药物发现6。

虚拟合成

图6 集中库设计案例6:整合组合库设计、活性预测以及微流控辅助合成技术

2. 大规模枚举组合库发现高活性化合物7

Jiankun lyu等人7通过160多种反应枚举出大规模的组合库，通过虚拟筛选、合成、生物活性验证发现高活性化合物。这些化合物是原先ZINC里没有也购买不到的。

Library

图7 超过规模的组合库枚举进行虚拟筛选发现高活性化合物

六. 从chem-space获得中间体（building block)创建JAK3共价抑制剂集中库

很多网站提供了类药化合物，而不提供building block等试剂，但是试剂对组合库的设计至关重要。我向大家推荐www.chem-space.com：不仅有类药、类先导化合物可以下载，而且有building block可以下载。

以Thorarensen等人8JAK3抑制剂PF-06651600的发现过程中合成路线为例，其中反应式如下图8：

合成路线

图8. 系列化合物的合成路线

Boc-保护哌啶衍生物是关键的中间体。我们在Chem-Space上试试看能有什么样的此类中间体可供购买，这可以用子结构检索(图9)。

子结构检索

图9. 关键试剂的子结构检索

检索结果的首页如下图10。检索完成，我们得到198个中间体，先Mark All，再点击export to file，然后下载sdf格式文件。

子结构检索的首页

图10. 子结构检索的首页

检索到的结果文件：chem-space-jak3-linker.sdf

用knime对下载到的sdf进行去重复，得到185个不重复试剂（实际上有同一个试剂被枚举手性后得到多个对映异构体的情况）。根据图8反应，可以得到185个化合物：jak3-results.smi。

接下来用OpenEye的分子对接软件FRED对这185个化合物进行共价抑制剂虚拟筛选，详细过程见：用常规分子对接进行共价抑制剂的虚拟筛选，最后命中37个化合物（见表2）。其中部分化合物已有文献报道，但还有很大一部分打分好的化合物未见文献报道。

表1. 37个命中的化合物结构

七. 文献

  1. Dave. SMILES Tutorial – A full SMILES Language Tutorial. 2018-07-25访问：http://www.daylight.com/meetings/summerschool98/course/dave/smiles-intro.html
  2. SMARTS Examples. 2018-07-25访问：http://www.daylight.com/dayhtml_tutorials/languages/smarts/smarts_examples.html
  3. SMIRKS – A Reaction Transform Language. 2018-07-25访问：http://www.daylight.com/dayhtml/doc/theory/theory.smirks.html
  4. Chemical Library Enumeration. 2018-07-25访问：https://www.knime.com/knime-applications/chemical-library-enumeration
  5. Hartenfeller, M.; Zettl, H.; Walter, M.; Rupp, M.; Reisen, F.; Proschak, E.; Weggen, S.; Stark, H.; Schneider, G. DOGS: Reaction-Driven de Novo Design of Bioactive Compounds. PLOS Comput. Biol. 2012, 8 (2), e1002380.
  6. Schneider, G. Automating Drug Discovery. Nat. Rev. Drug Discov. 2017, 17:97.
  7. Lyu, J.; Wang, S.; Balius, T. E.; Singh, I.; Levit, A.; Moroz, Y. S.; O’Meara, M. J.; Che, T.; Algaa, E.; Tolmachova, K.; et al. Ultra-Large Library Docking for Discovering New Chemotypes. Nature 2019, 566 (7743), 224–229. https://doi.org/10.1038/s41586-019-0917-9.
  8. Thorarensen, A.; et al. Design of a Janus Kinase 3 (JAK3) Specific Inhibitor 1-((2 S ,5 R )-5-((7 H -Pyrrolo[2,3- d ]Pyrimidin-4-Yl)Amino)-2-Methylpiperidin-1-Yl)Prop-2-En-1-One (PF-06651600) Allowing for the Interrogation of JAK3 Signaling in Humans. J. Med. Chem. 2017, 60 (5), 1971–1993.

八. 联系我们

我们提供基于反应与基于母核的组合库设计服务，根据您对试剂的要求与反应路线为您枚举组合库，欢迎咨询。