资源 31

技术优势

冷冻电镜结构解析

水木未来团队对冷冻电镜结构解析技术的研究和运用处于世界领先地位。高分辨率、接近天然、完全水合状态的蛋白结构,为基于结构的药物发现提供了突破口

高效灵活的计算平台

可以根据用户不同的计算需求,动态扩充计算资源,灵活选择高性能计算和云计算的服务模式

丰富的数据库资源

自建超过6亿个成药性分子计算化学筛选库,大幅提高找到活性分子的成功率

应用场景

传统的X射线晶体学主要解析分子量在10万道尔顿以下的蛋白质结构,冷冻电镜技术可突破这一限制。水木未来基于结构和计算的药物发现核心技术适用于针对各种药物靶标结构进行药物发现,尤其是针对难以获得晶体结构的膜蛋白,例如离子通道、G蛋白偶联受体(GPCR)等分子量大的蛋白结构。冷冻电镜平台与计算化学平台结合,这样在获得蛋白质结构以后能在短时间内设计或筛选出可能有效的化合物结构。

关于SBDD

技术介绍

先导化合物的发现处于药物研发流程的上游,计算机辅助的虚拟筛选在该过程中发挥重要的作用。从药物设计角度出发,虚拟筛选有基于配体和基于结构两种思路,它们各有适用的条件又相辅相成,通常在已知受体结构信息的情况下,基于结构的虚拟筛选更加实用可靠,因而被广泛应用在药物发现过程中。基于受体的虚拟筛选也称为基于结构的虚拟筛选,利用分子对接技术,基于受体的三维结构,在结合位点处自动匹配化合物数据库中的小分子,然后对可能的结合模式运用基于分子力场的打分函数进行结合能计算,最终得到化合物能量排名。水木未来基于结构的药物发现技术利用分子对接的方法,基于现有的受体结构信息或水木未来冷冻电镜技术解析的受体结构信息,利用开发的基于结构的药物发现平台进行早期药物发现,通过多层次计算方法评价配体和受体的相互作用,平衡预测速度和准确度,提供多种药物发现方案,充分发挥了水木未来特色的“结构”+“计算”优势。


平台展示

基于结构的药物发现技术从靶标结构出发,而靶标结构可以通过X-ray、Cryo-EM、NMR或同源建模的方法获取,利用分子对接技术在构建的化合物数据库中进行虚拟筛选,通过构象搜索以及打分函数对配体与受体的结合亲和力进行评价,最终得到化合物能量排名,通过分子动力学模拟进行精细筛选,获得目标分子并进行生物实验验证。




图1 基于结构的药物发现技术流程

SBDD 应用案例

案例一基于结构分析配体与受体的相互作用模式

2017年5月24日美国密歇根大学、斯坦福大学和ConfometRx公司的联合研究小组利用冷冻电镜,在历史上首次捕获了Glucagon-like peptide-1(GLP-1)及其受体的分子活动,整体分辨率4.10 Å(pdb id: 5VAI), GLP-1的受体正是II型糖尿病的关键靶点,为糖尿病药物研究乃至整个G蛋白偶联受体家族的研究都开辟了新的思路[1]。研究人员们利用电镜揭示了GLP-1在膜外如何与GPCR受体相结合,以及它如何引发GPCR膜内结构的改变和并激活GPCR。世界上所有的药物,有一半都是针对GPCR靶点,利用冷冻电镜获得高分辨率的GPCR信号分子结构,无疑会推动未来的GPCR药物发现工作。
Yi-Lynn Liang等[2]在2018年解析了ExP5–GLP-1R–Gα复合体,整体分辨率3.3 Å(pdb id: 6B3J),通过研究阐明了主要糖尿病和肥胖药物靶点的大部分区域是如何被激活的,艾塞那肽-P5(ExP5)是其中一种激动剂,相比被批准的GLP-1R药物而言,它能以不同的方式与受体进行相互作用,也为基于结构的药物发现提供了参考。



图2 ExP5的结合位点以及关键相互作用



案例二:超大型虚拟筛选化合物库发现新化合物分子

2019年2月,Nature发表了一篇文章“Ultra-large library docking for discovering new chemotypes”-超大型虚拟筛选化合物库发现新化合物分子[3],针对两个蛋白靶标AmpC β-内酰胺酶和D4多巴胺受体筛选了1.7亿化合物分子,分别合成了44个和549个评分最高的化合物,后续的测试表明满足活性需求的活性分子命中率分别为11%和24%,远高于传统的虚拟筛选。AmpC的抑制剂被优化到了77nM,新型AmpC抑制剂的晶体结构证实了对接预测,这是已知的最有效的非共价AmpC抑制剂,而D4多巴胺受体在发现的81个新化学分子中发现了30多种亚微摩尔级别的分子,包括180 pM亚型选择性激动剂。这项研究开展的虚拟筛选也是迄今为止规模最大的一次虚拟筛选,研究中应用130种研究充分的化学反应构建1.7亿个分子的虚拟化合物库(化合物可按需合成),骨架类型丰富多样,数目超过1070万种,研究结果充分表明,在虚拟药物筛选中,相比于小型化合物库,超大型的化合物库结合基于结构的分子对接筛选更有潜力发现新分子和候选治疗药物。


图3 靶向D4受体的549个测试分子的打分排名


案例三:基于结构的虚拟筛选发现融合抑制剂

使用冷冻电镜解析病毒的刺突糖蛋白(Spike glycoprotein, S蛋白)结构是助力疫苗与抗病毒药物研发的关键,2020年3月13日,美国得克萨斯大学奥斯汀分校Jason S. McLellan教授团队和美国国立卫生研究院NIH在Science联合发表了首篇使用冷冻电镜解析新冠病毒S蛋白的研究文章[4]。利用冷冻电镜技术对新型冠状病毒的S蛋白进行了解析,分辨率3.46 Å,为进一步精确地疫苗设计以及抗病毒药物的研发提供了重要的结构生物学基础 。

图4 2019-nCoV S(pdb id: 6VSB)与SARS-CoV S的结构比较

Alice Romeo等人基于解析的2019-nCoV S(pdb id: 6VSB)结构利用分子对接的方法虚拟筛选了drugbank数据库的8700多个分子,提出了可以用作SARS-CoV-2融合抑制剂的一组分子 [5]



图5 刺突糖蛋白与phthalocyanine和hypericin分子对接的复合物形式


参考文献:

1. Zhang Y, Sun B, Feng D, et al. Cryo-EM structure of the activated GLP-1 receptor in complex with a G protein[J]. Nature, 2017, 546(7657): 248-253.
2. Liang Y L, Khoshouei M, Glukhova A, et al. Phase-plate cryo-EM structure of a biased agonist-bound human GLP-1 receptor–Gs complex[J]. Nature, 2018, 555(7694): 121-125.
3. Lyu J, Wang S, Balius T E, et al. Ultra-large library docking for discovering new chemotypes[J]. Nature, 2019, 566(7743): 224-229.
4. Wrapp D, Wang N, Corbett K S, et al. Cryo-EM structure of the 2019-nCoV spike in the prefusion conformation[J]. Science, 2020, 367(6483): 1260-1263. 
5. Romeo A, Iacovelli F, Falconi M. Targeting the SARS-CoV-2 spike glycoprotein prefusion conformation: virtual screening and molecular dynamics simulations applied to the identification of potential fusion inhibitors[J]. Virus research, 2020, 286: 198068. 



水木未来(北京)科技有限公司

地址:北京市昌平区北京生命科学园生命科学园路7号  北京生命科学研究所 B1
邮编:102206
前台客服:+ 86 18510728199
业务合作:+ 86 18511801010
邮箱: Hi@shuimubio.com

WechatIMG72
请稍候