Применение методов молекулярного моделирования для разработки новых лекарств (1104483), страница 4
Текст из файла (страница 4)
Ala104 и Met99 цепи B, а также Ile85 и Pro100цепи A определяют общую геометрию данного кармана.Исследование области IV показало, что она, вероятно, не несет явнойфункциональной нагрузки.Порезультатамданногоанализаможнозаключить,чтокарманIIпредставляется наиболее актуальным для поиска высоко аффинных лигандов,которые смогут активировать или ингибировать PAK-1, а также определитьаминокислоты белка PAK1, которые вероятнее всего участвуют во взаимодействии слигандами и определяют специфичность связывания в карманах I, II и III: His83,His86, Gly98, Gln102, Lys135, Thr136, Asn138, Met424, Pro428.Найденные соединения не представляют собой конкурентные ингибиторыкаталитического центра PAK, а значения скоринг-функций (ΔG) соединений хотя икоррелируют с их способностью влиять на активность PAK1 в эксперименте, нонапрямую не связаны с вызываемым ими функциональным эффектом.
Это означает,что соединения, возможно, связываются, не оказывая функциональных влиянийнапрямую, а для оказания функционального эффекта нужны определенные более илименее специфические взаимодействия.Результатам участия программы докинга SOL и программы постпроцессингаDISCORE в международном конкурсе CSAR 2011 Benchmark Exercise посвященапятая глава.
Целью такого участия была возможность независимой оценки качестваработы программ и сравнения их с мировыми аналогами. Всего, по данныморганизаторов, в конкурсе принимало участие 17 групп. Участникам конкурсапредоставлялись структуры белков и лигандов, и задачей являлось правильнопозиционировать эти лиганды в активном центре белка и ранжировать их по энергиисвязывания.Для оценки качества предсказания активности лигандов организаторамиконкурса использовалось значение величины AUC (area under the curve) - площадипод ROC-кривой, характеризующей количество ложно положительных и ложноотрицательныхрезультатовитакимобразомоценивающейправдоподобие17предсказанной ингибирующей способности лигандов (наилучшее предсказание даетAUC равный 1, наихудшее – 0,5).
Еще одним критерием оценки докинга сталкоэффициенткорреляциирассчитанныхзначенийскоринг-функцийсэкспериментальными энергиями, который в данном случае вычислялся только посвязывающимися с белком лигандам.Программа SOL для некоторых мишеней показывала высокое качествопредсказания. Например, для белка LpxC AUC = 0.95, для urokinase AUC = 0.97,однако для некоторых белков, она не смогла отделить «плохие» лиганды от хороших(для белка Chk1 AUC = 0.51).
На рисунках 4-6 приведены значения AUC для первогои второго наборов для разных групп, участвующих в конкурсе в виде диаграмм. Изних видно, что программы SOL и DISCORE для белков Urokinase и LpxC показалиочень хорошие результаты по сравнению с другими группами.Рис. 4. На диаграмме столбцами обозначены значения AUC в случае первого(первый столбец) и второго (второй столбец) сетов для разных групп для белкаUrokinase. Группе J соответствуют значения AUC для SOL и DISCORE.Рис.
5. На диаграмме столбцами обозначены значения AUC в случае первого(первый столбец) и второго (второй столбец) сетов для разных групп для белка LpxC.Группе J соответствуют значения AUC для SOL и DISCORE.18Рис. 6. На диаграмме столбцами обозначены значения AUC в случае первого(первый столбец) и второго (второй столбец) сетов для разных групп для белка Chk1.Группе J соответствуют значения AUC для SOL и DISCORE.По предоставленной организаторами информации о среднеквадратичномотклонении «задоченных» положений, присланных участниками, от нативныхположений активных лигандов в белках было определено качество позиционированиялигандов.Программапозиционированиябольшинствадокингалигандовслучаев:56вSOLпродемонстрировалаактивныелигандовизцентры91хорошеетестируемыхбылокачествобелковдляпозиционированососреднеквадратичным отклонением от нативного положения (RMSD) < 2 Å (62%), 65лигандов – < 3 Å (71%). По результатам конкурса программа SOL заняла одно изпервых мест в тестировании CSAR 2011.РЕЗУЛЬТАТЫ И ВЫВОДЫ:1.
На примере белков урокиназы и протеинкиназы PAK1 проведена разработка,тестирование и использование методов молекулярного моделирования для решениязадачи поиска новых ингибиторов. В исследование включены такие методымолекулярногомоделированиякаксеточныйипрямойдокинг,атакжепостпроцессинг, как с помощью силового поля, так и в рамках методов квантовойхимии.2. В рамках тестирования программы докинга SOL проведено исследованиевлияние параметров генетического алгоритма на качество докинга.
К параметрам,наиболее сильно влияющим как на качество докинга, так и на время счета относятся:число независимых запусков программы, число поколений и размер популяции. При19найденных в работе оптимальных параметрах генетического алгоритма, качествопозиционирования лигандов программой SOL достигает желаемого высокого уровня:70-80% лигандов после докинга имеют среднеквадратичное отклонение от нативногоположения менее 3 Å. Также выбраны менее жесткие параметры генетическогоалгоритма, более подходящие для скрининга многих лигандов.3. Проведено сравнение сеточного (программа SOL) и прямого (программаFLM) докинга. Прямой докинг требует гораздо большего времени вычислений,однако позволяет более полно исследовать энергетическую поверхность и находитьспектр низкоэнергетических локальных минимумов.
Показано, что программапрямого докинга FLM находит среди низкоэнергетических локальных минимумов инативное положение лиганда почти для всех исследованных в данной работекомплексов, и в большинстве случаев это положение обладает минимальнойэнергией. Коэффициент корреляции рассчитанных энергий связывания белок-лигандс экспериментальными данными в случае прямого докинга выше, чем в случаесеточного докинга, несмотря на пренебрежение учетом растворителя и отсутствиеподгоночных коэффициентов в функции энергии связывания.4. Проведено обучение и тестирование программы постпроцессинга DISCORE,которая осуществляет локальную оптимизацию лиганда в найденном после докингаглобальном минимуме энергии комплекса белок-лиганд и расчет энергии связыванияс использованием подгоночных коэффициентов.
Также проведено сравнениеразличных континуальных моделей растворителя, реализованных в программеDISCORE. Показано, что обучение программы DISCORE на комплексах урокиназалиганд позволяет увеличить корреляцию с экспериментальными данными длятестового набора комплексов урокиназа-лиганд, однако применительно к другимкомплексам (комплексы PAK1-лиганд, а также комплексы, с которыми проводиласьработа в рамках конкурса CSAR) DISCORE не всегда позволяет улучшить результатыдокинга.5. Проведено сравнение программ докинга SOL и постпроцессинга DISCORE саналогичными зарубежными программами в рамках международного конкурса CSAR.Программа докинга SOL и программа постпроцессинга DISCORE показали высокоекачество предсказания ингибирующей активности лигандов, не уступающее многимзарубежным аналогам.206.
Проведен анализ программного комплекса MOPAC (в рамках методапараметризации PM7) применительно к задаче поиска новых ингибиторов. Выбраныоптимальные условия работы программного комплекса, показано влияние учетарастворителя на результаты расчета энтальпий связывания, а также влияние учетаподвижности атомов белка. Соединение методов докинга (поиска глобальногоминимума энергии взаимодействия) и квантовой химии в качестве постпроцессинга(локальная оптимизация найденного в результате докинга положения и оценкаэнтальпии связывания белка и лиганда) дает более хорошие результаты по сравнениюс использованием докинга и постпроцессинга в рамках только силового поляMMFF94.7.
Проведено построение молекулярных моделей активных центров белковурокиназы и PAK1. Для белка PAK1 положение некаталитического активного центраизначально не было известно и было определено путем докинга известногоингибитора PAK1 в различные области белка.8. Проведен поиск ингибиторов урокиназы и PAK1 в базах данных готовыхсоединенийспомощьюпроцедурывиртуальногоскринингаианализэкспериментальной проверки данных соединений. Для белка PAK1 это позволило этопозволило найти 17 активных соединений: как ингибиторов, так и активаторов PAK1,в том числе и обладающих субмикромолярной активностью.9. На основе анализа докинга баз данных готовых соединений проведен дизайнновых ингибиторов урокиназы методами молекулярного моделирования. Из 18синтезированных соединений 9 показали ингибирующую активность в отношенииурокиназы в эксперименте in vitro, в том числе два соединения обладалимикромолярной активностью.СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ:Работы, опубликованные соискателем в перечне ведущих рецензируемыхнаучных журналов и изданий, рекомендованных ВАК:1.
Каткова Е.В. Исследования влияния параметров генетического алгоритма наэффективность докинга с помощь программы SOL // Вычислительные методы ипрограммирование. – 2012. – Т. 13. C. 536-550.212. Желтков Д.А., Офёркин И.В., Каткова Е.В., Сулимов А.В., Сулимов В.Б.,Тыртышников Е.Е. TTDock: метод докинга на основе тензорных поездов //Вычислительные методы и программирование.
– 2013. – Т. 14. – C. 279-291.3. Sulimov A.V., Kutov D.C., Oferkin I.V., Katkova E.V., Sulimov V.B.Application of the docking program SOL for CSAR Benchmark // J. Chem. Inf. Model. –2013. – Vol. 53, № 8. – P. 1946-1956.4. Каткова Е.В., Оферкин И.В., Сулимов В.Б. Применение квантовохимического полуэмпирического метода PM7 для разработки новых ингибиторовурокиназы // Вычислительные методы и программирование. – 2014. – T.15. – C.
258271.5. Sulimov V.B., Katkova E.V., Oferkin I.V., Sulimov A.V., Romanov A.N.,Roschin A.I., Beloglazova I.B., Plekhanova O.S., Tkachuk V.A., Sadovnichiy V.A.Application of molecular modeling to urokinase inhibitors development // Biomed. Res. Int.–2014.–ArticleID625176.–15p.–URL:http://www.hindawi.com/journals/bmri/2014/625176/Работы, опубликованные соискателем в сборниках трудов:6.
Каткова Е.В., Жабин С.Н., Сулимов В.Б. Проведение квантовомеханическихрасчетов геометрии олигопетидов с помощью программы Priroda, входящей комплексдля моделирования наноразмерных атомно-молекулярных структур // СборникТрудов научно-исследовательского центра фотоники и оптоинформатики Под ред.И.П. Гурова и С.А. Козлова, Санкт-Петербург.
2009. С. 362-372.7. Садовничий В.А., Сулимов В.Б., Каткова Е.В., Романов А.Н., Сулимов А.В.,Оферкин И.В., Стамбольский Д.В., Белоглазова И.Б., Ткачук В.А. Молекулярноемоделирование для разработки новых лекарств на основе ингибиторов урокиназы //Монография, сборник: «Постгеномные исследования и технологии» под ред.
членакорреспондента РАН С.Д.Варфоломеева, Москва. Изд. МГУ Москва. 2011. С. 103140.Работы, опубликованные соискателем в виде тезисов конференций:8. Каткова Е.В., Жабин С.Н. Компьютерная разработка синтетических вакцин:докинг с ограничениями // Тезисы доклада, Международная научная конференциястудентов, аспирантов и молодых учёных «Ломоносов-2009» (Москва, 13-18 апреля2009 г.), с.34.229. В.А.Садовничий, В.Б.Сулимов, Е.В.Каткова, А.Н.Романов, А.В.Сулимов,И.В.Оферкин,К.М.Федулов,А.И.Рощин,И.Б.Белоглазова, Д.В.Стамбольский, В.А.Ткачукосновеингибиторовурокиназы//ТезисыС.М.Никитин,И.В.Тайдаков,Разработка новых лекарств надоклада,Научнаяконференция«Ломоносовские чтения» - 2011.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
