摘要：神经激肽受体参与多种生理过程，是有前景的药物靶标，但是它同时也可能是许多药物副作用的诱因。作者在亚型选择性和非选择性NKR拮抗剂的基础上，使用LigandScout构建了一组基于配体的公共特征药效团模型。使用该模型对已批准药物进行虚拟筛选。该前瞻性研究结果得到体外实验的证实，他们发现氟哌啶醇、依普拉酮及芬布酯是NKR的配体。该研究表明，药效团模型不仅用于常规的药物发现，还可用于建立化合物的活性谱，同时本文也是药效团在老药新用开发的典范。

Yvonne Krautscheid. Pharmacophore Modeling, Virtual Screening, and in Vitro Testing Reveal Haloperidol, Eprazinone, and Fenbutrazate as Neurokinin Receptors Ligands. J. Chem. Inf. Model. 2014, 54, 1747 −1757

摘要

神经激肽受体（Neurokinin receptors，NKRs）被报道参与多种生理过程，因此是有前景的药物靶标，但是它同时也可能是许多药物的副作用的诱因。作者在亚型选择性和非选择性NKR拮抗剂的基础上，使用LigandScout构建了一组基于配体的公共特征药效团模型。使用该模型对已批准药物进行虚拟筛选。该前瞻性研究结果得到体外实验的证实，他们发现氟哌啶醇、依普拉酮及芬布酯是NKR的配体。该研究表明，药效团模型不仅用于常规的药物发现，还可用于建立化合物的活性谱，同时本文也是药效团在老药新用开发的典范。

LS case study

NKR拮抗剂药效团模型的建模与虚拟筛选

一 准备NKR配体

从ChEMBL数据库上收集人类的或豚鼠的NKR的选择性和非选择性配体共30个化合物作为训练集和测试集（图1）。

LigandScout应用案例四，部分训练集与测试集化合物

图1，部分训练集与测试集化合物

从ChEMBL数据库上提取decoy化合物，即物理性质（分子量、clogP、柔性键个数、氢键受体和供体个数等）与上述准备的NKR配体接近，但没有NKR活性的化合物，结果得到超过61000个化合物。为了缩小decoy数据库的规模，使用Accelry Discovery Studio对decoy数据库进行基于FCFP4分子指纹的聚类，得到3000个结构多样性良好的化合物。

使用内部的数据库，共2638个化合物，包括已批准药物、化学合成化合物和天然产物。

四 准备Drugmatrix数据库

使用来自美国卫生部国家毒性项目的Drugmatrix数据库，包括830个药物和生物活性化合物，已经针对132个药物靶标进行实验测试。

五 产生构象

使用LigandScout内置的OMEGA产生构象，对每个NKR配体产生500个构象，对每个decoy化合物产生25个构象，对内部数据库每个化合物产生100个构象，对Drugmatrix数据库每个化合物产生25个构象。

六 产生模型

使用LigandScout从训练集中挑选不同的配体产生一组包含NK1R、NK2R和NK3R活性的药效团模型，以识别大多数NKR活性化合物。

七 检验模型

使用上述药效团模型对内部数据库进行筛选，使用若干度量指标来评价模型的质量，包括：回收率、敏感度、特异度以及富集率等等，并绘制ROC曲线。保留具有良好回收率且富集率大于5的模型并合并，得到7个不同的药效团模型（图2）。采用这些药效团模型，能够从由30个活性化合物和2981个decoy化合物组成的化合物库中识别出168个苗头化合物，其中包含29个活性化合物（图3）。

为了检验药效团模型能否对非活性化合物正确分类，对Drugmatrix数据库进行虚拟筛选，结果表明818个化合物中仅有少量非活性化合物被筛选出来，因此这些药效团模型具有足够的区分能力。

经过decoy检验得到的7个最好的药效团模型的测试结果

表1，经过decoy检验得到的7个最好的药效团模型的测试结果

Ligandscout应用案例四 7个药效团模型

图2，经过过滤和合并得到的7个不同的药效团模型，它们的筛选结果存在较少的重叠

Ligandscout应用案例四 ROC曲线与ACU

图3，对模型进行验证的结果ROC曲线和AUC

八 体外实验验证

由于模型1具有最好的富集率和最佳的active/decoy率，因此其对内部数据库的筛选结果中挑选了5个化合物用作体外实验验证，包括：放射性配体结合实验、受体亚型特异性结合实验及NK1R激动相关的钙释放拮抗实验。实验表明：其中3个化合物氟哌啶醇（化合物31）、依普拉酮（化合物32）及芬布酯（化合物33）是NKR配体。

Ligandscout应用案例四 体外实验结果

表2，模型1筛选结果中的5个化合物的体外实验结果

LigandScout应用案例四 活性化合物与模型叠合

图4，体外实验证实有NKR活性的3个化合物与药效团模型1的叠合图

结论

在已知NKR配体的基础上构建基于药效团模型，经过精心设计的检验，良好的模型可用于药物的副作用预测。实验证明，3个已批准的药物同时是NKR的配体。

亮点

  • 通过精心准备的数据库的检验，从众多药效团模型中挑选命中结果较少重叠的一批药效团，进行组合模型筛选，以达到更大的命中覆盖面；
  • 通过药效团模型筛选的方法，从老药中寻找新功能（副作用）。

关键软件与技术

LigandScout的药效团识别技术，decoy检验的构建，放射性配体结合实验、受体亚型特异性结合实验及NK1R激动相关的钙释放拮抗实验等多种生物学技术。

联系我们