Vorlesung 10: CADD 2 (Computer Aided Drud Design) Flashcards

1
Q

Docking: Posing & Scoring

Fragestelllung des Docking?

Vereinfachungen der komplexen und heuristischen Ansätze ?

A

Interaktion zweier Moleküle

  • Struktur des Komplexes
  • Stärke des WW

Coarse Graining

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Molecular Docking

Wozu?

A
  • Vorhersage des Bindemodus
    • Verständnis der enzymatischen Fkt
    • Verbesserungen der Bindungsaffinitäten von Liganden
    • SAR
  • Virtuelles Screening
    • Identifizierung von HITS
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Was macht ein Docking Programm?

A

DOCKING is like a discotheque, everything is about posing and scoring

representation (=Posing suchen)-search (vers. Bindungsgeometrien generieren)-scoring (energetisch bewerten)

Pose Generation-Scoring function

übliche Betrachtung: flexibler Liganden und rigider Rezeptor

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Wo ist meine Bindetasche?

(binding site)

einfachster Fall: Referenzligand

A
  • eine Kristallstruktur cokristalliert mit einem small molecule
  • und alle AS im Bereich 6-7 Angström um Referenzliganden Annahme gehört zur Binding site
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Druggability Prediction

-Ist mein´target durch ein small molecule adressierbar?-

Druggability- Was ist das?

A
  • Gibt es eine oder mehrere Binding site(s) an die drug-like Molecules (small molecules die lipinskis rule of 5 erfüllen) binden können?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Welche Eigenschaften muss die Bindetasche erfüllen?

A

Lock & Key Prinzip:

  • >Größe
  • >Ladung
  • >Hydrophober Charakter
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

generelle Methodenvalidierung

Prinzip`?

A

Datensatz der alle Eigenschaften umfasst

Aufteilung in “train set” und “Validation set”

Modell wird mit train set trainiert. >bestes Modell zur Validierung

>>am ende test set zur generalisierung>> prediction

bsp: druggability prediction

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

druggability predicition

woher bekomme ich meinen datensätze?

A
  • druggable Proteins> Literature/datenbanken

Nicht /weniger druggable: indirekt, selten Publikationen, Ausschlussverfahren aus Datenbanken

>>Negativkontrollen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Drug Pred

Charakterische Eigenschaften für

a) druggable
b) undruggable

A

A)gewisse Größe, geschlossene Bindetasche

hydrophob mit punktueller Hydrophilie

B) stark hydrophil, relativ klein, wenig hydrophob

verlangt kovalente Bindung

oder sehr kleine Bindetasche

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Rezeptor Präsentation

Liganden und Rezeptor vorbereiten

Was muss ich bei der Auswahl des Rezeptors/Targets berücksichtigen?

A
  • Binding site wählen
  • Struktur säubern
  • Konformationen von AS >1 wählen
  • H-Atome /Protonierung? (H-Atome nicht sichtbar)
  • Co-Faktoren/Ionen/Wasser
  • (E-Minimierung)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Representation

Vorbereitung des Liganden-was muss beachtet werden?

A
  • 3D Struktur
  • Protomere,Tautomere (Stereoisomere)
  • E-minimieren und dementsprechend Konformere
  • Ladung (Formal/Partial) beachten
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Posing

Annahme?

Lösung?

A
  • Bindemodus: globales E>nergieminimum

>>Docking somit nur Optimization problem ( man muss “nur” den Bindemodus mit kleinsten DELTA G finden)

Allerdings zu großer Suchraum für systematische Suche

>>Initiere Matching: grenze den suchraum ein indem paar matchingspunkte vorgegeben werden (komplementäre Struktur)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Scoring

-Welche Pose ist die beste ? Oder welcher Ligand hat die größte Affinität?-

Annahmen?

A
  • Additivität vin DELTA G
  • Eine Struktur: DELTA G kann anhand einer Komplexstruktur berechnet werden
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Bewertung von Docking Programmen

Re-und Crossdocking

Was sagt der RMSD-Wert aus?

A
  • Nehme Kristallograpohische Ligand des Protein-Ligand Komplexes raus
  • docke den Ligand, ohne Wissen des Bindemodus wieder rein ( beim Crossdocking anderer Ligand)
  • Idealfall: Programm kann nativen Bindemodus reproduzieren und energetisch günstig bewerten, Vergleich

Bewertungskriterium: RMSD (Root-mean-square deviation)

  • mittlerer Abstand zwischen identischen Atomen des Liganden in der Position in der Kristallstruktur mit denen im Docking (bis 2 ok)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

PERFORMANCE von Docking Programmen

Confusion Matrix

Fragestellung?

A

Ist mein Ligand ein Binder?Ja oder Nein?

Matrix: actual gegen predicted

versuche falsch posetive rate so klein wie mgl zu halten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

ROC-Kurven (Reciever Operater Characteristics)

Was wird aufgetragen?

Auswertung?

A
  • Falsch posetiv rate (X-Achse) gegen True posetive rate (y)

Auswertung: ROC-AUC (Area under the curve)

Integral bestimmen (1- ideale Unterscheidung binder/non-Binder, wenn 0,5 praktisch Münzwurf)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Enrichment factor

Konzept?

Formel?

A

Betrachte die Top 10%, 5% und 2% des DOCKING >wieviele Binder sind darin?

bsp. 100 binder und 900 decoys

20% der Binder in Top 2´% des Docking

EF 2%=(20 Binder/ 20 samples) / (100 [=gesamtanzahl binder] /1000[=Gesamtanzahl Samples]) =1/0,1=10

18
Q

Herausforderungen des Docking?

A

Erfolgsrate 1%-5%

  • Solvatisierung der Bindetasche (Wassermoleküle)
  • ignoranz der Proteinflexiblität
  • sehr flexible Liganden zb bei Peptidomimetika
  • Entropie (Komplexdynamik ist nicht berücksichtigt)
  • evtl Änderung Protonierungszustände bei Ligandenbindungw
19
Q

Flexiblität von Liganden

Welche Methoden für Docking Programme gibt es?

A
  • soft docking
  • ensemble docking
  • selective docking
  • in-the-fly-docking
20
Q

Wie funktioniert soft docking?

A
  • Ligand wird in die bindetasche gedockt
  • Flexiblität der Bindetasche wird toleriert :
    • der als soft potential bezeichnete Bereich erlaubt mehr Überlappung der Van der waals Radien
    • clashes werden toleriert. betroffene AS machen dem Liganden etwas mehr Platz
21
Q

wie funktioniert ensemble docking?

A
  • Verschiedene Konformationen des Proteins generiert
  • verschiedene Orientierungen
  • Docking wird an allen aussgewählten konformeren durchgeführt
  • (linearer Anstieg der Berechnungsdauer)
22
Q
A
23
Q

wie funktioniert selective docking?

A
  • für AS Seitenketten werden verschiedene Rotamere berücksichtigt (=Rotamer-Library)
  • zb. OH, Amine oder auch Loopregionen. die in verschiedenen Rotameren je nach Ligand und Ligandenkonfornationen orientiert sein können
  • Suchraum wird größer
  • >zusätzlichen Einflluss seitens des Proteins berechnen und Einfluss auf Bindepose einkalkulieren
24
Q

wie funktioniert on-the-fly docking?

A
  • Target passt sich flexibel an Liganden an (induced fit)
  • danach relaxation
25
Q

explizite Wassermoleküle

Welches Problem beim docken verursachen sie?

A
  • Wasser in der Kristallstruktur
  • sind teilweise in Bindetasche gut koordiniert und gebunden
  • wirkt sich ungünstig auf DELTA H aus
26
Q

Implizitiertes Solvatisierung

A
  • zugrunde liegendes Kontinuum
  • Berechnung der Solvatisierung über polare Moleküloberfläche
27
Q

Expizierte Solvatisierung

was ist damit gemeint?

A

ein Wasssermaolekül in der Bindetasche verhält sich unterschiedlich zum Solvens in entropischer und enthalpischer Sicht:

  • entropisch: in der Bindetasche ungünstger als im Solvens da Einschränkung FHGs
  • enthalpisch: (in Abhängigkeit von KOORIDINATION).günstig, denn wenn Wasser aus hydrophober Bindetasche ins Solvens geht>Ausbildung H-Brückenbdg. (unhappy waters wollen vom liganden verdrängt werden)
28
Q

Drug Design OHNE Targetstruktur

Homologiemodellierung

Was ist das?

A
  • gleiche Aminosäuresequenzen haben gleiche Sekundär- und Tertiärstruktur
  • Definition: Technik ausgehend von der Primärsequenz der AS auf das Faltungsmotiv zu schließen anhand sequenzieller Ähnlichkeit
29
Q

Homologieemodellierung

Anforderungen an das Template?

A

mglst nahe an das Proteine of intrest, dh:

  • hohe Sequenzidentiät und -ähnlichkeit (40%/60%)
  • Identität: AS in geicher Positon
  • Ähnlichkeit: ähnliche Seitenketten und ähnliche eigenschaften
30
Q

Liganden basiertes Drug Design (LBDD)

PHARMAKOPHORMODELLIERUNG

Pharmakophor

Def.?

pharmakophoric Descriptoren?

A
  • sterische und elektronische Eigenschaften die für den biologischen Effekt verantwortlich sind
  • pharmakophoric Decriptor: abstraktes Konzept der intermolekularen Interaktionseigenschaften die das Pharmakophor beschreiben
    • H-Brücken-Akzeptor/Donor
    • hydrophobe Eigenschaften
    • elektrostaische EIgenschaften
    • Ringsysteme
31
Q

Pharmakomokdellierung

Workflow?

A
  • bekannte aktive Moleküle >Konformere >extrahiere pharmakor features (nur die die bei vielen auftreten)
  • >mit diesen Features Pharmakorsuche von unbekannten Molekülen
  • >>ok :erfüllt diese features>>neuer Ligand gefunden!! Validierung des pharmakor
32
Q

Rigridisierung von Liganden

Strategien zur Rigridisierung?

Einfluss bei Modellfindung?

A
  • Verbindung über Makrozyklen
  • Einbau von DB

Starres Konformer des Referenzliganden. Torsionswinkel ist Bestimmbar. Überträge pharmakorfeatures auf Liganden>Scoring

33
Q

Rezeptorbasierte Pharmakorsuche

Isoliere Pharmakorfeatures aus der Bindetasche

Wie fkt das?

A

Suche nach “ interaktion Hotspots §in der Bindetasche

H-Donor/Akzeptoren

oder Salzbrücken

>>Gridpoints

Suche mit Sonden(Probes)

34
Q

QSAR (quantative Struktur Wirkungsbeziehung)

Formel?

A

Φ = f(C)
Φ: biologische Aktivität; C: chemische Struktur

35
Q

QSAR

wie kann ich diese Datenmenenge zusammenfassen?

A

Reduktion des Datenraumes
• Transformation vieler korrelierter Variabeln in
wenige orthogonale Daten (transkriptoren)

• Identifikation der Dimensionalität (wieviele Transkriptoren) des Datensatzes
>Clustering

36
Q

3D-QSAR

Anwendung?

A

unähnliche Verbindungen

  • Überlagerung einer chemischen ähnlichen Serie
  • (Annahme des gleichen Bindungsmodus)
  • wie wirkt das Molekül auf das Umfeld?
    • Comparative Molecular Field Analysis (COMFA):
    • Vergleich von Eigenschaftsfeldern von Molekülen, die durch ihre
      Wechselwirkung mit anderen Molekülen entstehen
37
Q

Hits 2 Lead

Leitstrukturoptimierung

Warum Optimierung?

A
  • Unterscheidung Pharmakophor und „zusätzliche Haftgruppen“
  • Agonist oder Antagonist?
  • Lipophilie / Transport (ZNS)?
  • Modifikation der Wirkform (Prodrugs)?
  • Bioisosterer Austausch?
  • Bioverfügbarkeit, Wirkdauer?
38
Q

Hits 2 Lead

Leistrukturoptimierung

Wie?

A
  • Kombination funktionaler und Bindungsassays
  • CADD
  • Strukturbiologie
  • Synthese

Zyklus: Design>Make>Test>Analyse

39
Q

Scaffold Hopping

Was ist das?

Was bezweckt man damit?

A

Austausch des Zentralen Grundgerüsts (primäres Pharmakophor)

  • Lipophil > hydrophil > Löslichkeit (Membrangängigkeit)
  • Metabolisch labile oder toxische Gruppen (z.B. Pyridin oder Imidazol binden an CYP) > stabilere und untoxische Gruppen
  • Rigidisierung
  • Höhere Affinität (wenn Grundgerüst auch Interaktionen ausbildet /
    ausbilden kann)
  • Suche Neue patentierbare Struktur
40
Q

Scaffold Hopping

Wie ?

A

Kombination aus mehreren CADDs:

  • welche ähnliche struktur haben ähnliche allgemeinform (shape matching)
  • Pharmakophorsuche
    • oft beide kombiniert: Abbildung Bindetasche> zeigen der Forbidden volumes die nicht geändert werden sollen
  • Teilfragmente ersetzen(Schnittstellen definieren, Datenbank nach passenden linker dursuchen)
  • similiarity search (suche nach ähnlicher Struktur)