摘要:以临床药物为先导化合物进行DMPK、结合亲和力与选择性优化是药物发现的一个策略。本文用ADMET Predictor与SPARK重现了和记黄埔的PI3Kγ/δ双重抑制剂的先导化合物优化过程:(1)用ADMET Predictor对化合物进行代谢稳定预测,重现了先导化合物Duvelisib代谢稳定性问题的发现、以及新设计的化合物对代谢稳定性的改进效果;(2)用SPARK重现了新母核发现、环状连接臂发现的过程。总的来说,ADMET Predictor与SPARK的联用可以实现基于DMPK进行先导化合物优化的目的。

作者:
陈涛/上海凡默谷信息技术有限公司
肖高铿/广州市墨灵格信息科技有限公司

前言

博客《OpenEye案例 | 和记黄埔强效、高选择性的PI3Kγ/δ双重抑制剂》介绍了和记黄埔Jia Hong等人的PI3Kγ/δ双重抑制剂的发现案例:作者通过PKPD模拟,推测Infinity制药公司的Duvelisib(图1,化合物4)临床剂量(1 mg和5 mg,每天两次)不能提供足够的药物暴露来抑制这两个靶标(特别是PI3Kγ)以产生临床反应。

用ADMET Predictor与SPARK重现和记黄埔的PI3Kγ/δ双重抑制剂优化的过程-墨灵格的博客

Figure 1. PI3Kγ与PI3Kδ抑制剂

然后作者通过BROOD的基团替换技术以衍生物1为参比分子进行了骨架跃迁,并将开链的连接臂进行环化为五元环的吡咯烷以锁定构象提高结合结合亲和力(Figure 2)。

用ADMET Predictor与SPARK重现和记黄埔的PI3Kγ/δ双重抑制剂优化的过程-墨灵格的博客

Figure 2. 母核替换与开链氨基连接臂环合为五元吡咯烷

生物活性测试结果表明上述的设计思路是对的。虽然如此,化合物6、7依然代谢不稳定。对代谢物的研究表明,疏水性吡咯烷的氧化是关键的代谢途径之一。作者发现用四元环可以克服代谢稳定性问题。比如化合物19(Figure 3)的大鼠与人的肝微粒体代谢稳定性测试RLM与HLM(%)分别为:78.5%与95.4%。

用ADMET Predictor与SPARK重现和记黄埔的PI3Kγ/δ双重抑制剂优化的过程-墨灵格的博客

Figure 3. 化合物19的结构

进一步对四元环类化合物的SAR研究与优化,最终发现了候选药物26(Figure 4)。体外ADME筛选表明,化合物26更加稳定,RLM与HLM分别63.5%与81.5%。化合物26显示出体外强效的活性与选择性,对PI3Kγ、PI3Kδ与PI3Kβ的IC50分别为0.004,0.005,0.590μM。

用ADMET Predictor与SPARK重现和记黄埔的PI3Kγ/δ双重抑制剂优化的过程-墨灵格的博客

Figure 4. 化合物26的结构

本文的目的

和记黄埔发现Duvelisib的DMPK问题、并提出优化方案、最后获得候选药物需要多个学科知识、由训练有素的团队来完成。那么,其他学科不全的小团队如何能够也像和记黄埔一样拥有发现DMPK问题、并提供解决方案的能力呢?本文的目的是通过联合使用Simulation plus的ADMET predictor与SPARK来重现和记黄埔PI3Kγ/δ双重抑制剂的优化过程,为读者提供DMPK问题发现与先导化合物优化的参考方案。

ADMET Predictor进行代谢稳定性预测

本研究的关键点之一是能够发现化合物4具有潜在的DMPK问题并能够对多个衍生物进行代谢稳定性排序。因此用Simulation plus的ADMET Predictor(Version 9.5)对化合物4,6,7,12,19,26进行代谢稳定性预测,以模拟和记黄埔的对化合物DMPK的优化过程,结果如Table 1所示。

Table 1. 化合物4,6,7,12,19,26进行代谢稳定性预测

用ADMET Predictor与SPARK重现和记黄埔的PI3Kγ/δ双重抑制剂优化的过程-墨灵格的博客

结果表明,化合物4、6、7、12、19、26均被预测为CYP3A4的底物;此外化合物6和19还预测为CYP2C9的底物;但总体的代谢清除率分别为51.467、25.553、28.956、24.795、22.176以及21.276 μL/min/mg HLM。按照ADMET Predictor对化合物代谢风险的控制标准:化合物4具有较大的CYP_HLM_CLint数值(大于50 μL/min/mg HLM),提示会被CYP混合酶过高的代谢,此外CYP_Code的结果还提示化合物1会被CYP2C9酶过高的代谢;化合物6,7,12都提示被CYP3A4酶过高的代谢(大于20 μL/min/mg HLM);虽然化合物19也提示会被CYP3A4酶过高代谢,但对比其CYP3A4_ HLM_CLint的数值(21.200)要比化合物6,7,12小的多,且CYP_HLM_CLint数值也较小,因此化合物19仅超出稍超出风险下限,可能仍具有较好的稳定性;化合物26无代谢风险的提示。表明所研究的化合物中,化合物19和26具有较小的代谢作用,较为稳定,这与实验的代谢稳定性趋势一致。

用SPARK重现骨架跃迁过程

新母核的发现是和记黄埔在本研究中的重点,下面的视频重现了用SPARK进行母核替换的过程:生成了化合物6与12连接臂环化前的结构。你会发现:按score列排序后,该类化合物排名第3,化合物6、12(连接臂未环化)为其中打分最高的两个化合物。

说明:因为尚未有Duvelisib与PI3Kδ的复合物晶体结构,因此用其类似化合物1与PI3K的复合物晶体结构(PDB code:4XE0)中的配体40L作为基团替换的起始化合物。其中复合物结构用Flare准备(下载复合物的Flare项目文件),并导出配体(下载已经准备好的配体:ligand.sdf)。直接用SPARK从下载PDB 4XE0开始进行骨架跃迁的流程,请参考:PPT版的流程说明

用SPARK重现引入五元环获得化合物6的设计过程

化合物6-26的合成路线如Scheme 1所示:环状的连接臂是通过脯氨酸或对应的四元氨基酸引入的;化合物母核由起始原料29、氨基酸与取代苯基硼酸环合而来。

用ADMET Predictor与SPARK重现和记黄埔的PI3Kγ/δ双重抑制剂优化的过程-墨灵格的博客

Scheme 1. 化合物6-26及其中间体25a, 36a-b的合成路线

这些化合物及其衍生物可以通过下面的基于反应的组合库设计策略(Scheme 2)来实现:

用ADMET Predictor与SPARK重现和记黄埔的PI3Kγ/δ双重抑制剂优化的过程-墨灵格的博客

Scheme 2. 化合物6-26基于反应的组合库设计策略

根据路线2,化合物6-26的连接臂部分可以通过SPARK搜索羧酸试剂库而生成组合库来实现。因此,连接臂部分的替换仅需要对羧酸试剂库进行搜索就足够了。SPARK实现该组合库构建的具体过程如下视频所示:

出于演示的目的,仅让SPARK给出打分最高的500个结构。如视频所示,和记黄埔文章提到的目标化合物6、12等关键的创意出现在打分最高的前几个化合物中。这表明,SPARK通过组合库的设计策略,可以将目标化合物模拟出来、并富集在打分最高的一类化合物里。

总结

以临床药物为先导化合物进行DMPK、结合亲和力与选择性优化是药物发现的一个策略。本文用ADMET Predictor与SPARK重现了和记黄埔的PI3Kγ/δ双重抑制剂的先导化合物优化过程:(1)用ADMET Predictor对化合物进行代谢稳定预测,重现了先导化合物Duvelisib代谢稳定性问题的发现、以及新设计的化合物对代谢稳定性的改进效果,正确地对化合物进行代谢稳定性的排序;(2)用SPARK重现了新母核发现、环状连接臂发现的过程,目标化合物被SPARK推荐在打分最靠前的位置。总的来说,ADMET Predictor与SPARK联用可以实现基于DMPK进行先导化合物优化的目的。

相关软件与测试

ADMET Predictor

ADMET Predictor是Simulation plus公司的产品,代谢稳定性由上海凡默谷信息技术有限公司提供计算支持,需要测试请联系上海凡默谷。

SPARK

SPARK是一款领先的基团替换、分子连接、分子生长、水分子替换软件,更多算例请点击这里。试用请联系我们。