高通量篩選(xuan)（HTS）和虛擬配(pei)體篩選(xuan)（VLS）的(de)標(biao)準庫(ku)歷來被限(xian)制(zhi)在(zai)不到1000萬個(ge)(ge)可用化(hua)(hua)合(he)物(wu)，與潛在(zai)的(de)1060個(ge)(ge)類藥物(wu)化(hua)(hua)合(he)物(wu)的(de)巨大化(hua)(hua)學(xue)空(kong)間相比，這只是一小(xiao)部分。標(biao)準HTS和VLS的(de)這種(zhong)局限(xian)性減(jian)慢了藥物(wu)發現的(de)速度(du)。

后(hou)來(lai)，包含(han)數十(shi)億(yi)化合物的(de)虛(xu)擬(ni)庫(ku)被開發(fa)出來(lai)。但隨著虛(xu)擬(ni)庫(ku)的(de)規模增加到數十(shi)億(yi)，篩選庫(ku)中所(suo)包含(han)的(de)分子在計算上(shang)變得不切實際，而且成本過(guo)高。比如(ru)，使用1個(ge)CPU篩選100億(yi)個(ge)化合物可能需要(yao)3000年(nian)以上(shang)（以每(mei)個(ge)化合物10秒的(de)標準速(su)率對接）。

因此，需要更有效的方法來搜索(suo)大規模的化合物(wu)庫。

2021年12月15日，美國南加州大學、東北(bei)大學和北(bei)卡羅來納(na)大學教堂(tang)山分校(xiao)的(de)研究團隊合作，在Nature發表了題為(wei)：Synthon-based ligand discovery in virtual libraries of over 11 billion compounds的(de)研究論文。

該研究開(kai)發了(le)一種(zhong)從(cong)包(bao)含(han)110億種(zhong)化(hua)合(he)物的(de)(de)虛擬庫中(zhong)識別(bie)潛在藥物分子的(de)(de)創新(xin)方(fang)法(fa)，并以3個目(mu)標蛋(dan)白(bai)的(de)(de)抑制劑篩選(xuan)為例，展示了(le)該方(fang)法(fa)的(de)(de)性能(neng)。

用于巨大化學庫的虛擬篩(shai)選方法(fa)

研究團隊開發了一(yi)(yi)種(zhong)被(bei)稱為V-SYNTHES的方(fang)法(fa)（virtual synthon hierarchical enumeration screening，虛擬合成(cheng)子分(fen)級枚(mei)舉篩選），大大減少了在這些庫中搜索潛在hits時需要評估的分(fen)子數量，使用(yong)的計算資(zi)源是標準方(fang)法(fa)的百分(fen)之一(yi)(yi)。

該(gai)方法可(ke)輕松(song)擴展以適應組(zu)合庫的(de)快速(su)增長，并(bing)且可(ke)能適用于(yu)任何(he)對接算法。

V-SYNTHES的工作(zuo)流程和結果

圖1一種處(chu)理巨大化學庫的(de)虛擬藥(yao)物篩選方法

該方法的(de)流程如下

1.首先(xian)建立(li)一個小型的(de)虛(xu)擬庫(ku)。從110億個分子庫(ku)中選擇了(le)大約60萬個片(pian)段，這(zhe)些片(pian)段代表整個虛(xu)擬庫(ku)中存(cun)在的(de)所有不(bu)同的(de)骨架。稱之為最小列舉庫(ku)（minimal enumeration library,MEL）。

2.將MEL庫中的(de)片段與(yu)3個目標蛋白對接(jie)，計算這些片段與(yu)每個蛋白的(de)結(jie)合親和力(li)。

3.選(xuan)擇對接分數最高的1,000-10,000個(ge)(ge)片段，并(bing)向它(ta)們添加了合成子（synthons，分子的小(xiao)片段），創建了一個(ge)(ge)約有100萬個(ge)(ge)分子的新庫。

通過重復(fu)對接(jie)和添(tian)加(jia)合成(cheng)子(zi)的步(bu)驟，篩選幾百萬個(ge)化合物來確定hits。隨著(zhu)每(mei)一次迭代，每(mei)個(ge)化合物的大小都(dou)會(hui)隨著(zhu)分子(zi)變(bian)得更加(jia)完整而增加(jia)。

 4.幾千個排名靠(kao)前的(de)VLS化合(he)物(wu)(wu)經(jing)過PAINS、物(wu)(wu)理(li)化學性質、藥(yao)物(wu)(wu)相(xiang)似性、新穎性和(he)化學多樣性的(de)后處理(li)過濾，最(zui)終選擇有(you)限的(de)化合(he)物(wu)(wu)集（通常是50-100個）進行合(he)成和(he)實驗測試。

作(zuo)(zuo)者發現，在V-SYNTHES預測的與(yu)這些受體(ti)結合并(bing)在低化合物(wu)濃度下抑制(zhi)其(qi)活性的前60個(ge)化合物(wu)中(zhong)，約有三分之一確實在體(ti)外顯示了這種效應。這個(ge)"hit獲得率"大約是作(zuo)(zuo)者使用的標(biao)準方法的兩倍，而(er)V-SYNTHES需要的計算資源比這些方法少100倍。

作者隨后在(zai)一(yi)種叫做(zuo)ROCK1的(de)(de)激酶上(shang)測(ce)試了V-SYNTHES，并報(bao)告了28.5%的(de)(de)hit獲得率。在(zai)被選(xuan)中進行合(he)(he)成和體(ti)外(wai)測(ce)試的(de)(de)21個最有希望的(de)(de)化合(he)(he)物(wu)中，有6個可以與ROCK1酶結合(he)(he)，并在(zai)化合(he)(he)物(wu)濃度低(di)于10微摩爾(er)時對其進行抑制。這些(xie)化合(he)(he)物(wu)可以成為藥物(wu)發現計(ji)劃中進一(yi)步(bu)優化的(de)(de)合(he)(he)適線(xian)索(suo)。

V-SYNTHES的價值和(he)意義(yi)

V-SYNTHES代表了藥(yao)(yao)物(wu)發現(xian)初(chu)始階段的(de)(de)兩種(zhong)主要方(fang)法（基于(yu)結(jie)構的(de)(de)藥(yao)(yao)物(wu)設(she)計(ji)和基于(yu)片段的(de)(de)藥(yao)(yao)物(wu)設(she)計(ji)）的(de)(de)結(jie)合。在(zai)基于(yu)結(jie)構的(de)(de)設(she)計(ji)中，分子的(de)(de)結(jie)構特征及其與靶點的(de)(de)相(xiang)互作用(yong)被(bei)用(yong)來(lai)指導設(she)計(ji)過(guo)程。在(zai)基于(yu)片段的(de)(de)藥(yao)(yao)物(wu)設(she)計(ji)中，分子基團被(bei)添(tian)加到最初(chu)因其潛在(zai)活性而被(bei)確定為有前途的(de)(de)片段中。

這篇論文(wen)為從現(xian)在可用的(de)(de)(de)大型化(hua)合物庫(ku)中識別生物活(huo)性分(fen)子(zi)鋪平(ping)了道路，使用的(de)(de)(de)計(ji)算資源(yuan)和時(shi)間僅為標準虛(xu)擬篩(shai)選方法的(de)(de)(de)一小部分(fen)，而(er)且成(cheng)功率更高。最重要(yao)的(de)(de)(de)是(shi)，該方法的(de)(de)(de)計(ji)算成(cheng)本隨(sui)著使用的(de)(de)(de)合成(cheng)子(zi)的(de)(de)(de)數量而(er)增加(jia)，而(er)不(bu)是(shi)隨(sui)著初(chu)始的(de)(de)(de)主要(yao)庫(ku)的(de)(de)(de)大小而(er)增加(jia)。因此，隨(sui)著現(xian)成(cheng)的(de)(de)(de)化(hua)合物庫(ku)及其組合的(de)(de)(de)不(bu)斷增加(jia)，該方法將繼續具有計(ji)算上的(de)(de)(de)可行性。

雖然該方法(fa)使(shi)用(yong)ICM-Pro對(dui)接并應(ying)用(yong)于Enamine REAL Space庫，但基于迭代合(he)成(cheng)子的(de)(de)篩選算(suan)法(fa)可(ke)(ke)以(yi)在任何可(ke)(ke)靠的(de)(de)基于對(dui)接的(de)(de)篩選平臺上實現，并在任何可(ke)(ke)以(yi)表示(shi)為(wei)骨架(jia)和合(he)成(cheng)子組(zu)合(he)的(de)(de)超大型庫中(zhong)使(shi)用(yong)。在操作過程中(zhong)可(ke)(ke)能需要對(dui)算(suan)法(fa)的(de)(de)某些(xie)參數進(jin)行自定(ding)義調整以(yi)獲(huo)得最佳性(xing)能，從而為(wei)進(jin)一(yi)步探索該方法(fa)開辟(pi)了許多途(tu)徑。

V-SYNTHES的(de)擴展(zhan)性意味著用戶將能(neng)夠在特別大的(de)虛擬化(hua)合物庫(ku)中搜索并(bing)找到(dao)具有(you)生物活性的(de)分子(zi)。該(gai)方(fang)法(fa)不能(neng)保證找到(dao)最好(hao)(hao)的(de)hits，但這可能(neng)并(bing)不重要，因為次優(you)的(de)hits往往為藥物開發(fa)過程提供了(le)良(liang)好(hao)(hao)的(de)起(qi)點。

不過(guo)從長遠來看(kan)，虛擬篩(shai)選(xuan)的(de)(de)更大問題是，無論(lun)該方法如何(he)快速，其結果都取決于對(dui)接(jie)步驟的(de)(de)準確性。如同所有的(de)(de)虛擬篩(shai)選(xuan)方法一樣，V-SYNTHES識別良好(hao)hits的(de)(de)能(neng)力(li)取決于對(dui)接(jie)分(fen)數的(de)(de)準確性，需要有真正可靠(kao)的(de)(de)對(dui)接(jie)分(fen)數被開發出(chu)來。