用静电分析TYK2 JH1抑制剂铰链结合片段的SAR

摘要：Flare的静电分析技术包括蛋白静电相互作用势(PIP)，配体场与静电互补性（EC）分析。在本文文中，以辉瑞公司的TYK2 JH1抑制剂PF-06826647的铰链结合片段的优化为例，演示如何用静电分析方法来研究、理解不同母核TKY2 JH1抑制剂的SAR，并对这些母核进行排序、优选。

肖高铿/2023-02-10

前言

辉瑞公司的Gerstenberger等人¹报道了Ropsacitinib（PF-06826647, Compound 22）的发现过程。PF-06826647是一种选择性的Tyrosine kinase 2 (TYK2) 的口服抑制剂，结合到TYK2催化活性JH1结构域。当[ATP]=1mM时，PF-06826647抑制TYK2、JAK1、JAK2的IC₅₀值分别为17nM、383nM与74nM。目前PF-06826647已经针对溃疡性结肠炎、银屑病和化脓性汗腺炎等适应症开展II/III期临床试验。

图1. 化合物22（PF-06826647）的化学结构式

在对绞链结合片段母核的优化过程中，考察了图2（上，蓝色部分）所示化合物8-11的四种不同母核。其中五元芳环1位的N作为氢键受体、六元芳环7位C-H作为氢键供体与TYK2的Val981发生氢键相互作用。

图2. 上：从左到右依次为化合物8-11的化学结构式；下：对应绞链结合片段的静电势。图片来源于Gerstenberger等人¹的文章。

用量子力学（QM）方法在HF/6-31G*理论水平计算了四个母核的静电势，结果如图2（下）所示：红色表面对应负静电势区，蓝色表面对应正静电势区。可以发现，四个铰链区结合片段母核的1位N都对应一个代表负静电势的红色表面，而7位C-H对应着代表正静电势的蓝色表面。化合物的这种静电特征有利于与TYK2 Val981发生氢键相互作用。如图3所示的相互作用模式所示，1位N的负静电势与Val981的酰胺NH互补，发生经典的氢键相互作用；而7位正静电势的C-H指向Val981的羰基氧，发生C-H···O=C氢键相互作用。

图3. 铰链结合片段母核与Val981的相互作用模式，图片来源于Gerstenberger等人¹的文章。

尽管化合物8-11的铰链结合片段母核的1位N与7位C-H在静电特征上相似且都与Val981的酰胺NH及羰基O静电互补发生氢键相互作用，但是它们在ATP浓度为1mM时对TYK2的酶学活性（IC₅₀）具有显著差异，如表1所示。

表1. 化合物8-11的TYK2活性与性质

Items	8	9	10	11
TYK2 IC₅₀(nM)^a	290	476	大于10000	10
sfLogD	2.1	2.3	1.2	2.5
TYK2 LipE	4.5	4.0	小于3.8	5.5

a. 酶学测试，取两次测试的平均值，ATP的浓度为1mM。

比较四个母核的QM静电特征与活性，显而易见的，这种活性差异与母核在其它位置存在静电特征差异有关。本文的主要目的是用Flare V6.1的静电分析技术，从配体角度与蛋白角度来分析构效关系，从而对母核进行理性地设计、排序与优选。

数据的准备

化合物11与TYK2 JH1结合的蛋白质-配体共晶结构从Protein Data Bank下载（PDB：6X8G）并在Flare中精心准备。在Flare 3D视窗中检查分子结构的互变异体和质子化状态，然后将X-衍射线晶体结构PDB 6X8G的共晶配体（化合物11）提取到配体表单。在配体表单里复制化合物11，并在结合位点里对11进行原子替换得到结合构象的化合物8、9、10，对铰链结合片段的母核进行力场优化后备用。删除8-11的侧链，则得到化合物8-11结合转态的母核结构。

结果

Vina分子对接打分函数不能区分8-11的活性差异

AutoDock Vina分子对接方法是常用的虚拟筛选与结合亲和力预测方法²。Gaillard³的研究表明证明，在score_only模式下，比之绝大部分分子对接软件的打分函数，Vina的亲和力预测值与实验值具有最好的相关性。用Vina在TYK2-11共晶结构(PDB 6X8G)的JH1“干”结合位点里计算化合物8-11的亲和力，结果如表2所示。

表2. 用AutoDock Vina 1.2打分函数预测8-11对与TYK2 JH1的结合亲和力

Items	8	9	10	11
gauss 1	127.64897	127.03038	127.26082	126.18600
gauss 2	1635.64079	1635.32122	1635.86922	1635.60318
repulsion	2.29394	2.28174	2.21230	2.29136
hydrophobic	34.25257	34.25257	34.25257	23.20991
H-Bond	1.22853	1.22853	1.22853	1.22853
Vina Affinity(kcal/mol)	-10.51240	-10.50150	-10.55757	-10.66299
pIC₅₀	6.54	6.32	5	8

显而易见的，8-11具有相似的结合亲和力预测值，不能将高活性化合物11与另外3个低活性化合物区分开来；此外预测值（Affinity score）与实验值（pIC₅₀）之间没有显著的线性关系，Pearson相关性系数R²=0.376。总的来说，Vina打分值不能对8-11的活性进行排序，不能仅依靠Vina打分值来优选母核结构。

化合物8-11与TYK2的静电互补性（EC）与活性（pIC₅₀）呈线性关系

Bauer等人⁴提出的静电互补性打分(EC Score)的基本思想是：当配体和受体的静电势匹配时(即具有相同的量值和相反的符号)，实现配体和受体之间的最大静电亲和力。已经在很多数据集上做过测试⁴，EC打分值与活性值之间具有从中等程度到非常好的相关性。用Flare静电互补性（EC）对8-11进行打分，可以观察到pIC₅₀与EC_rho具有极其显著的相关性，Pearsion线性相关性系数R²=0.91，如图4所示。

图4. 化合物8-11的pIC₅₀与EC之间具有显著的线性相关性

绘制8-11的分子表面并用EC值着色，结果如图5所示，可以看到在铰链结合片段母核5位处，化合物11呈现互补的绿色，而其它化合物8-10呈现红色。母核5位的更好静电互补决定了化合物11的活性要高于其它化合物。

图5. 化合物8-11的分子表面，用静电互补性（EC）着色：绿色——EC互补；红色——EC不互补。

母核与TYK2的静电互补性与活性成线性关系

相似的，我们可以观察到化合物8-11的母核静电互补性与pIC₅₀也存在线性关系，如图6所示，Pearsion线性相关性系数R²=0.898。

化合物8-11的pIC<sub>50</sub>与母核EC之间具有显著的线性相关性

图6. 化合物8-11的pIC₅₀与母核EC之间具有显著的线性相关性。

绘制8-11的铰链结合片段母核分子表面并用EC值着色，结果如图7所示，在母核5位处，化合物11呈现互补的绿色，而其它化合物8-10呈现红色。再一次，我们看到了母核5位的更好静电互补决定了化合物11的活性要高于其它化合物。

图7. 化合物8-11的铰链结合片段母核分子表面，用静电互补性（EC）着色：绿色——EC互补；红色——EC不互补。

比较蛋白相互作用势(PIP)与配体场

PIP提供了蛋白结合位点详细的静电作用图，因此可以为理解配体结合、SAR和靶向蛋白的新分子设计提供非常有用的见解。可视化比较PDB 6X8G活性位点的PIP（图8左）与化合物11（pIC₅₀=8，四个化合物中活性最强的）的配体场，可以看到化合物11母核5位右侧的负静电场刚好与TYK2活性位点的正PIPs重合（图8右）。同时，从图8右可以发现，配体11的1位下方的负配体场与TYK2活性位点Val981酰胺NH对应的正PIP重合，配体7位C-H下方的正配体场覆盖了TYK2活性位点Val981的羰基氧。化合物11与TYK2的静电互补图也证实了配体场和蛋白静电之间的良好互补性（图5，左上角）。

图8. 左：蛋白TYK2（PDB 6X8G）JH1结合位点的正PIP；右：蛋白TYK2的正PIP与化合物11的配体场比较。

相比之下，化合物9-10的铰链区结合片段母核5位处红色正的配体场（图9，实心红色区块）与右侧蛋白TYK2的红色正PIP（图9，网格红色区块）重合，这意味着化合物9-10在该处与蛋白TYK2发生静电冲突。从图5的静电互补图也可发现，在化合物8、9、10的5-位处为红色，这是静电不互补的表现。

蛋白TYK2（PDB 6X8G）JH1结合位点的正PIP（网格状红色区块）与化合物8、9、10的静电场比较。

图9. 蛋白TYK2（PDB 6X8G）JH1结合位点的正PIP（网格状红色区块）与化合物8、9、10的配体场比较（红色实心区块：正静电场；蓝色实心区块：负静电场）。

总的来说，化合物8-11的配体场与TYK2结合位点PIP的互补性与前面静电互补性基本一致，也与8-11的活性高低也相一致。

用配体场分析C-H···O=C氢键相互作用

尽管Flare内置了QM方法PSI4可以用于计算配体的静电场以重现Gerstenberger等人¹用DFT方法分析C-H氢键供体的结果，但计算速度很慢；基于XED力场的配体场可以重现DFT方法计算的静电势、快速地完成C-H氢键的分析。氢键供体和受体在官能团周围的分布是相互作用势的良好代表，并且计算获得的场点模式与该信息一致。

在Flare中，可以用两种方式对C-H氢键供体进行分析：定性可视化或定量分析。以活性最强的化合物11为例，如图10所示，可视化11的配体场并与蛋白进行比较（为方便起见，仅呈现Val981相邻的4个残基），可以发现：1位N的蓝色负配体场覆盖了Val981的酰胺NH；而7位C-H的红色正配体场覆盖住了Val981的羰基氧原子。化合物配体场特征与QM计算静电特征一致，可以正确理解11与Val981的相互作用。

图10. 左：化合物11与Val981（球棍模型）相互作用图，右：化合物11的配体场（蓝色为负配体场，红色为正配体场）与Val981的比较

然而，在实践中我们可能需要对很多化合物（比如分子对接后产生的大量化合物pose）进行分析以判断一个化合物是否与Val981的羰基氧发生氢键相互作用，无论是通过经典氢键供体，还是通过非经典的C-H氢键供体。这个问题可以转化为：一个化合物是否在Val981羰基氧的坐标上具有正的配体场。因此，我们仅需要计算化合物在Val981羰基氧坐标上的配体场：如果场值为正，则可能存在氢键相互作用；如果场值为负，则可能静电冲突，不发生氢键相互作用。Flare提供Python API可以实现批量对空间特定坐标点的配体场计算，具体的操作过程请参考之前的分子对接后处理博客文章⁵。结果如表3与图11所示，化合物8-11在Val981羰基氧处的配体场值全部为正，说明化合物8-11均可能与Val981发生C-H氢键相互作用。活性最强的化合物11在Val981羰基氧处的配体场值最强，这与QM计算结果一致：化合物11在对应C-H正静电区的蓝色最为浓郁，相比之下8、9与10的蓝色非常淡。

表3. 化合物8-11在Val981羰基氧原子、酰胺NH氢原子以及Glu979羰基氧原子处的配体场值

Items	8	9	10	11
Val981-C=O Field Value	0.6311	1.7136	1.0156	3.1610
Val981-NH Field Value	-12.1416	-11.2555	-12.8432	-7.02595
Glu979-C=O Field Value	-2.4217	-1.5101	-4.6231	-0.7160

相似的，我们还可以计算与化合物8-11在TYK2 Val981酰胺NH供体氢（见图11）位置上的配体场值。我们可以预期Val981-NH氢原子上的配体场值应该为负，因为对应着化合物母核1位氮原子的孤对电子。结果如表3与图11所示，8-11在该处的配体场确实为负。还可以注意到，活性最强的化合物11在该点的场值并非最低，这与图2所示QM计算结果一致：化合物11的1位氮原子对应的红色区块面积似乎更小、颜色也没有那么浓郁。

图11. 化合物8-11在Gul979羰基氧原子、Val981酰胺羰基氧原子与NH氢原子上的配体场值。蓝色数值：负配体场；红色数值：正配体场。

根据图8、9的配体场可以发现，Glu979的羰基氧靠近配体的蓝色负配体场，这让人疑心配体与Val979的羰基氧是否在静电上有冲突。因此有必要计算Glu979碳基氧处的配体场，结果如表3与图11所示：化合物8-11在该处的配体场值均为负值，这说明在该处蛋白与配体之间可能存在静电冲突。化合物8-11的活性pIC₅₀与该点的配体场值具有极强的线性相关性，Pearson相关性系数R²=0.843。其中活性最强的化合物11在该点的配体场值（-0.72）最低，也就是静电冲突最低；活性最低的化合物10在该点的配体场值（-4.62）最大，也就是静电冲突最大。这进一步说明了场分析的优势：配体场与蛋白相互作用场（PIP）分析可以揭示经典相互作用不能发现的重要分子间相互作用。作为gatekeeper残基Glu979的C=O从经典分子间相互作用模式看似没有参与相互作用，但是从配体场角度看实则参与，甚至决定了活性强度。

总的来说，Flare可以方便地将经典的氢键相互作用与非经典的C-H···O=C氢键相互作用问题转化为统一的配体场问题进行可视化分析或数值定量分析。

结论

Flare的静电分析技术包括蛋白静电相互作用势(PIP)，配体场与静电互补性分析。在本文中，成功地用这些静电分析方法来研究、理解不同母核TKY2 JH1抑制剂的SAR，并对这些母核进行可视化分析、排序与优选。

文献

Gerstenberger, B. S.; Ambler, C.; Arnold, E. P.; Banker, M.; Brown, M. F.; Clark, J. D.; Dermenci, A.; Dowty, M. E.; Fensome, A.; Fish, S.; et al. Discovery of Tyrosine Kinase 2 (TYK2) Inhibitor (PF-06826647) for the Treatment of Autoimmune Diseases. J. Med. Chem. 2020, 63 (22), 13561–13577. https://doi.org/10.1021/acs.jmedchem.0c00948.
Trott, O.; Olson, A. J. AutoDock Vina: Improving the Speed and Accuracy of Docking with a New Scoring Function, Efficient Optimization, and Multithreading. J. Comput. Chem. 2009, 31 (2), 455–461. https://doi.org/10.1002/jcc.21334.
Gaillard, T. Evaluation of AutoDock and AutoDock Vina on the CASF-2013 Benchmark. J. Chem. Inf. Model. 2018, 58 (8), 1697–1706. https://doi.org/10.1021/acs.jcim.8b00312.
Bauer, M. R.; Mackey, M. D. Electrostatic Complementarity as a Fast and Effective Tool to Optimize Binding and Selectivity of Protein-Ligand Complexes. J. Med. Chem. 2019, acs.jmedchem.8b01925. https://doi.org/10.1021/acs.jmedchem.8b01925.
肖高铿. 分子对接后处理——与指定残基发生特定相互作用配体的过滤. 墨灵格的博客. http://blog.molcalx.com.cn/2021/11/02/docking-post-filtering.html

用静电分析TYK2 JH1抑制剂铰链结合片段的SAR

前言

数据的准备