生物医学数据挖掘国际期刊
开放获取

抽象的

最小化 CDK2 蛋白质-配体系统的相对结合自由能的估计

河野隆之和菊池武

抽象的

在药物发现过程中，通过计算策略定期评估蛋白质和配体之间的结合自由能。这些策略尽管一切都需要进一步改进，无论开发新的程序。这项研究的目的是为了轻松且无边界调整地建立另一个计算机策略。在这里，我们根据自由能变分标准（FEVP）计算相对限制自由能，并采用最小化和原子元素重新定义约定。我们将此程序应用于细胞周期蛋白依赖性激酶 2 (CDK2) 配体抑制剂框架，其中考虑了 IC50 值。在开发基础复杂结构时，我们利用了一些具有不同配体的 CDK2 结构。从结果来看，

计算机辅助药物配置的一个重大挑战和潜在的高价值应用是蛋白质-配体限制亲和力的精确预期。利用分子动力学 (MD) 检测的自由能微扰 (FEP) 是实现精确限制自由能预期的最佳方法之一，因为该过程具有完整的可测量结构、对能量学的正确描述以及对能量的详尽处理。框架中存在很大程度的机会（包括明确的水域）。测试技术和功率领域的最新进展，加上计算资产的巨大增量，使 FEP 成为推动命中领先和领先增强的可行创新，考虑到修复科学的日益成熟的模式以及研究更大复合空间的可能性。无论如何，过去的 FEP 应用程序都集中在以目标的高目标宝石结构为起始阶段的框架上，而这在平静的启示项目中通常是无法实现的。因此，在同源模型上应用 FEP 的能力将极大地扩展 FEP 在稳定披露中的相关空间。在这项工作中，我们将 FEP 的特定用途（称为 FEP+）应用于同源配体排列，官方将其应用于四个不同的焦点：激酶 (Tyk2)、表观遗传溴结构域 (BRD4)、跨膜 GPCR (A2A) 和蛋白质-蛋白质协作接口（BCL-2 家族蛋白 MCL-1）。我们以宝石结构和同源模型作为起始阶段来应用 FEP+，发现使用同源模型的演示大部分都是基于使用宝石结构时的结果。信息模型中辅助变量的计算能力几乎可以肯定归功于亚原子元素重演中的构象测试，这使得所证明的受体能够适应排列中每个配体的“真正”顺应性。这项工作体现了利用具有完整框架适应性的全iota重演策略的优势，并为FEP对同源模型的全面利用提供了保证，

介绍

蛋白质配体限制能的可靠预测是 PC 支持的药物结构领域的重大难题之一，准确的预测可以帮助加快安全披露工作。近几十年来，已经创建了大量技术来预测权威或与之相对应的属性的自由活力。这些策略涵盖从 QSAR 演示和对接等计算合理的方法到量子力学 (QM) 和原子元素 (MD) 计数等所有计算更严格的方法。催化自由活力计算多年来已发布了许多令人惊叹的概要文章，3-8 是计算严谨的策略之一，可以保证强大而准确的结果。这些方法之一，自由活力烦恼（FEP）依赖于 Zwanzig 于 1954 年提出的假设系统，并在该领域占据了显着的地位。FEP 提供了一个用于处理自由能（相对或总）的完整结构，但其精确度仅受到构象测试的最终结果以及用于显示框架中整个分子之间连接的基本功率场的准确性的限制，包括可溶解的。FEP 可用于计算配体同类排列的限制喜好中的相对对比度，这减少了检查预期获得的对比结果以及独立处理每个配体的直接限制能量的步骤。在平静的启示引领改进中，

FEP 方法依赖于对蛋白质-配体框架的检查（通常使用原子元素或蒙特卡罗）来获取框架的完整构象群的能量，而配体则对从一个粒子开始然后到另一个粒子的各种步幅感到“烦恼”。接下来，通常是通过催化变化。通过检查底层粒子和最后粒子之间的催化路径中可能的活力变化来获得变化的完整自由活力。该策略明确考虑了整个框架（受体、配体和可溶性）在预定温度下的构象适应性，从而代表了官方的焓和熵，并且以这种方式是处理自由能的一种有吸引力的方法。任何状况之下，由于有限的计算资源、错误的能量场、无法访问升级的测试计算（例如仿制品交易或不同的执行）以及与准备行动 FEP 工作相关的特殊困难，仅分发了催化自由能量计算应用的叙述性报告近几十年来，针对一组数量不多的配体的靶标类别。幸运的是，随着原子元素代码的可访问性，测试最近有了显着改善，对广泛使用的图形处理单元 (GPGPU) 的需求突然激增，它可以提供比 CPU 一百倍以上的加速。更重要的是，

材料与方法

所有计算均使用薛定谔原子演示套件（版本 2015-2）进行。所有蛋白质结构均来自蛋白质数据库 (PDB)，并利用蛋白质制备向导进行排列。在此过程中，指定了功率场 iota 类型和键顺序，包括缺失的 iota，降级互变异构体/电离态，检查水方向，转向 Asn、Gln 和 His 结构以促进氢键排列，并强制执行活力最小化。所有沉淀的宝石水颗粒都被保留。对于 A2A 结构（PDB 代码 4eiy），b(562)RIL 部分（一种热稳定的脱辅细胞色素，用于平衡 GPCR 结晶）被抽空，并利用 Prime 包括缺失的第三个细胞内环。

配体结构就像喜好度估计信息一样，都是通过书写获得的。对于 BRD4，信息来自 Vidler 等人。此外，Filippakopoulos 等人。加入了一系列未发布混音的喜好信息。MCL-1 的配体和限制信息获自 Friberg 等人。Tyk2信息来自Liang等人。GPCR 信息是从 Minetti 等人的著作中收集的。最后，Mobley 等人描述了 T4 溶菌酶模型限制位点的信息。

该结构是使用 LigPrep 建立的，并结合了 OPLS3 功率场的最小化。所有手性焦点均如文字中所示。每种化合物产生一种低活力环顺应性。使用 Epik 在 pH 7.0 ± 2.0 下指定电离态和互变异构体结构。力场生成器 (FFBuilder) 设备是 FEP+ 束的一部分，用于自然地为所有包含未完全由标准 OPLS3 边界固定的基础的配体创建从量子力学获得的精确功率场扭转边界。FEP+ 可供薛定谔的商业、立法、慈善和学术机构使用。

结果与讨论

在进行同源建模研究之前，我们进行了一项基础检查，以探索 FEP+ 将自由活力期望限制于起始受体结构方向的影响力。对于这一部分的研究，我们选择了 T4 溶菌酶的 L99A 怪胎，它包含一个内置的、覆盖的、非极性的凹陷，并且已经接受了一些计算检查。对于我们的 FEP+ 重演，我们利用了从 PDB 获得的三种独特结构（代码：181l、2oty 和 184l），它们都具有高目标宝石 (1.8 Å)。一般的基本对比，尤其是耦合位点的差异，可以忽略不计，但同时又足够大，足以研究 FEP+ 对信息结构中少量辅助变量的影响（细微之处见表 1）。这是继续在同源模型上运行 FEP 的更多测试实例之前的重要测试。因此，如果 FEP 结果与此类类似的受体结构完全相反，那么在解决宝石结构检查问题之前，几乎不需要探索更多的测试同源模型案例。

对于三种 T4 溶菌酶受体结构，我们利用了 13 个配体的信息集合，以及从写作中获得的已知测试限制自由能。按照材料和方法部分中的布置，将配体排列并放入耦合坑中。生成 FEP+ 变化图以通过干扰途径连接整个配体，并相应地进行计数。对于这种信息安排，三个框架中每一个的结果都非常有先见之明（探索性和注册限制性自由能之间的高度相关性、接近团结性和低错误）。184l 受体的较高均方根误差 (RMSE) 源于三种无奈的预期（全部包括正甲基苯胺）；对于下一个受体结构，所有其他烦恼都具有相同的精度。Pearlman 和 Charifson 最初描述的预测指数 (PI) 同样是针对本工作中引入的所有期望确定的。PI 工作采用了一个加权项，该加权项依赖于两个粒子（An 和 B）的试验估计之间的对比，这反映了良好的能力应该能够区分导致权威性巨大差异的变化。这种测量更有资格衡量策略的能力，以准确预测更好和更糟糕的紧固件，这在药物计划情况下特别相关。对于 T4 溶菌酶病例，此处集中的三种受体模型的 PI 基本相等。T4 溶菌酶的这些结果表明，在各种信息结构上运行 FEP+ 时可以获得类似的结果。鉴于这些令人鼓舞的结果，我们提出了本次检查的要点——探索 FEP+ 在同源模型上的呈现。

结论

在这项工作中，我们展示了在 FEP+ 包中执行的相对限制性自由活力计算对利用一些小原子排列和不同蛋白质目标的单独娱乐约定的同源模型的富有成效的利用。利用 FEP+ 策略，我们找到了更高水平的一致性——说实话，总的来说，在从宝石结构转向同源模型时，我们并没有看到结果的巨大损坏。布局与目标的同源性从高（80%整个蛋白质，91%在耦合位点）到低（22%整个蛋白质，21%在耦合位点），建议可能倾向于宽的目标空间使用 FEP+ 等方法，而不是仅仅利用宝石结构。一定，如果没有宝石结构和明显接近的同系物的焦点在任何情况下对于 FEP+ 计数来说都是合理的，那么它将完全扩展开放目标空间。这与 Genheden 利用替代自由活力繁殖惯例在两个独特目标上的发现相一致，这支持了自由活力技术在同源模型上具有非凡先见之明的推测。鉴于此处和过去的工作中讨论的目标类别范围广泛，可以肯定的是，对于尚未用 FEP+ 浓缩的蛋白质框架，这一目标将保持不变。无论如何，并非所有框架都可以工作，并且必须特别考虑来组装精确的同源模型。例如，Genheden 发现，其中一个模型的不准确的循环适应会导致结果严重损坏。同样，我们在 GPCR 框架的预测中发现了很多更大的错误，这些错误都集中在此处，并非耦合位点附近的所有圆圈都测试了正确的适应。

虽然这里介绍的结果令人鼓舞，但有几个重要的焦点需要考虑，它们可能会导致我们所看到的令人震惊的强大限制自由活力期望。首先，使用良好的限制模式作为所有 FEP+ 图形的起始阶段。有时，这些姿势是直接通过对接高水平而获得的，这意味着它们可以在没有客户倾向的真正冒险中选择。尽管如此，在最高级别姿势不正确的情况下，我们不会在错误的姿势上运行 FEP+，因为我们的计算的再现时间可能不足以测试基本独特的限制模式国家之间的高度蓬勃发展的边界。所有的情况都被考虑到了，我们使用了多种对接约定，其中一些包括命令和蛋白质适应性，并选择了宝石结构 2.0 Å 内得分最高的代表作为 FEP+ 计算的起始阶段。我们认为这是一个明智的选择，事实上，大多数药物披露项目在命中引导或引导增强阶段都包含 SAR 和另外的诱变信息，这些信息考虑了从一组对接呈现中关于最佳姿势的逐步教育决定。可以肯定的是，在所有情况下，选择的姿势都是在主要的五个得分礼物内。Clark 等人 61 最近详细介绍了一种改进的姿势预期策略，该策略将习惯对接（滑行）和诱导配合对接（IFD）与元动力学相结合以选择最佳姿势。走近这个路，