第五章計算機輔助藥物設計16/03/2005仇輟百等.藥物設計學.北京:高等教育出版社,1999,11陳凱先等.計算機輔助藥物設計—原理、方法及應用.上海:上海科學技術出版社,2000,10.葉德泳等.計算機輔助藥物設計導論.北京：化學工業出版社,2004,1徐筱杰等.計算機輔助藥物分子設計.北京：化學工業出版社,2004,7.參考書藥物發現藥物篩選藥物分子設計獲取藥物分子臨床前研究普通藥理學研究藥效動力學研究藥代動力學研究毒理學研究臨床研究與應用I期臨床研究II期臨床研究III期臨床研究不良反應監測藥物發現藥物開發藥物應用圖1新藥研究的基本過程合理藥物設計

依據生物化學、酶學、分子生物學、遺傳學、信息學以及計算化學等學科的研究成果，針對這些基礎中所揭示的包括酶、受體、離子通道以及核酸等潛在的藥物設計靶點，并參考其他類源性配體或天然產物底物的化學結構特征設計出合理的藥物分子，以發現選擇性作用于某種靶點的新藥。重大突破：計算機輔助藥物設計

計算機輔助藥物設計將合理藥物設計的思路與方法計算機化，綜合和借助多學科的先進技術、方法和成果，為合理藥物設計提供強有力的基本工具和手段，離開計算機的輔助，合理藥物設計是寸步難行的。第一節計算機輔助藥物設計概述Computer-AidedDrugDesign（CADD）CADD是近年來發展起來的研究與開發新藥的一種嶄新技術，以數學、藥物化學、生物化學、分子生物學、分子藥理學、結構化學、結構生物學、細胞生物學等學科為基礎，以量子化學、分子力學和分子動力學等為理論依據，借助計算機數值計算和邏輯判斷、數據庫、圖形學、人工智能等處理技術，進行合理的藥物設計。CADD的作用大大加速了研制新藥的速度，節省了新藥開發工作的人力、物力和財力，因為它從理論的角度出發，可避免以前研究中一定程度的盲目性，能進行直觀的設計，指導人們有目的地開發新藥以美國StructureBioinformaticsInc.(SBI)提供的數據為例，平均每個新靶點需篩選10萬個化合物，傳統藥物設計命中率在0.1～0.01％，而以計算機輔助進行藥物設計，其命中率可提高到5％～20％，可以減少99.9％的費用應用CADD成功設計出新型藥物的例子很多，eg：治療青光眼的碳酸酶抑制劑多佐拉米（Dorzolamid）、HIV蛋白酶抑制劑類抗艾滋病藥物扎那米韋（Zanamivir）等，而進入臨床研究階段的藥物更多第二節CADD的理論基礎藥物作用的分子藥理學基礎（受體學說）受點：也稱結合位點，是配基和受體發生分子間相互作用而結合的部位，有著十分復雜的作用和空間特征誘導契合：

Koshland認為結晶狀態的酶受點形狀與底物的形狀不一定是互補的，在酶和底物相互作用時，具有柔性或可塑性的酶活性中心受底物的誘導而發生構象的變化，產生互補性的契合，而且這種構象的誘導變化是可逆的。如蛋白質大分子，為柔性結構，可通過自身的變化，開啟或關閉與其他分子結合的部位，從而產生一系列的生物效應。鑰鎖模型－－－剛性結構藥物和受體相互作用的因素：疏水鍵、靜電引力、氫鍵和螯合鍵－－主要結合力靜電斥力和立體位阻使藥物和受體相互排斥蛋白質所固有的三維結構，決定這些力的結合方式和結合能力蛋白質分子中氨基酸殘基維系著活性部位的特異性排列，盡管只有少數的氨基酸參與特異性結合，但是遠離受點的基團在決定空間結構中也起一定的作用

除了研究藥效學外，還有藥物代謝動力學的構效關系（SKR），藥物毒性的構效關系，即結構－毒性關系（STR），這樣區別出藥物分子中決定藥效的基團（藥效基團）和影響藥動學的結構部分（藥動基團）以及毒性基團，以便在藥物設計的同時，對藥物的代謝性質及毒性加以考慮，為設計出高效、低毒、安全的新藥物提供依據藥效基團、藥動基團和毒性基團藥效基團亦稱藥效團，指一系列生物活性分子所共有的、對藥物活性起決定作用的結構特征，如氫鍵供體和接納體、正負電荷和疏水基團為典型的結構特征，常見的有雜原子、極性官能團、芳香環，如N、O、OH、COOH等磺胺類抗菌藥的藥效基團為對氨基苯磺酰胺結構，改變此結構，則活性將降低或消失藥動基團藥物中參與體內藥物的吸收、分布、代謝和排泄（ADME）過程的基團，本身不具有顯著的生物活性，只決定藥物的藥動學性質，當它和藥效團組合就很可能產生一個療效優良的藥物據統計，在臨床上進行試驗研究的化合物中，大約有1/3因為藥動學性質不適宜而不能發展成為新藥，在進入臨床研究前作ADME評價，減少藥物開發的風險藥動基團通常是模擬自然界存在的物質，如氨基酸、磷酸基、糖基等生物代謝基本物質，使藥物分子具有類似天然物質被轉運的性質，改變藥物在體內的轉運，增強靶向性如氮芥與氨基酸、糖類、甾體、嘌呤、嘧啶或單克隆抗體等結合，靶向性增強、抗腫瘤活性增強、毒性降低嘧啶氮芥藥效構象活性構象≠最低能量構象定量構效關系（QSAR）利用理論計算和統計分析工具來研究系列化合物結構（二維結構、三維結構和電子結構）與其生物效應（如藥物的活性、毒性、藥效學性質、藥物代謝動力學參數和生物利用度等）之間的關系，結構特征以理化參數、分子拓撲參數、量子化學指數或結構碎片指數來表示，用數理統計的方法進行數據回歸分析，并以數學模型表達和概括出量變規律生物效應的大小以產生標準生物效應時藥物的摩爾劑量或摩爾濃度的負對數[log(1/C)]來表示標準生物效應多采用劑量－效應曲線的敏感部位，如IC50，LD50，ED50二維定量構效關系（2D-QSAR）1868年Crum-Brown和Fraser發表了QSAR方面的第一個方程Ф=f（C）隨后的幾十年，親脂性和生物效應、毒性、麻醉活性以及其他非特異性生物活性的線性關系被發現20世紀60年代，Hansch-Fujita發現活性與疏水參數、電性參數和立體參數相關，提出Hansch方程:log(1/C)=-k1π2+k2π+k3+k4ES+kS注：C為化合物產生指定生物效應物質量的濃度；π、、ES分別表示疏水性參數、電性參數和立體參數；k代表各項因素貢獻大小的系數三維構效關系方法（3D-QSAR）

20世紀80年代中期由Cramer提出，以配體和受體的三維結構為基礎，根據分子的內能變化和分子間相互作用能的變化來定量地分析三維結構與生物活性間的關系。分子形狀分析法（molecularshapeanalysis，MSA)距離幾何法（Distancegeometry，DG）比較分子力場分析法（ComparativeofMolecularFieldAnalysis，CoMFA）MSA：柔性分子可以存在多種構象（形狀），而受體所能接受的形狀是有限的，分子的活性就與該分子形狀對受體活性部位空腔的適應能力有關。－－－分子形狀參數，活性構象為參照構象DG：藥物-受體相互作用是通過藥物的活性基團和受體的結合部位作用實現的；藥物的活性強度由結合部位作用點的結合能來衡量，而結合能與活性基團和受體作用位點的類型有關。－－能量參數

比較分子力場分析法（CoMFA）

藥物分子與受體之間的可逆相互作用主要是通過非共價結合，如范德華作用、靜電作用、氫鍵作用和疏水作用等實現的。作用于同一受體的一系列藥物分子，它們與受體之間的各種作用力場應該有一定的相似性。這樣，在不了解受體三維結構的情況下，研究這些藥物分子周圍的力場分布，并把它們與藥物分子活性定量地聯系起來，既可以推測受體的某些性質，又可以依此建立一個定量模型，設計新化合物，并定量地預測化合物的活性。3D藥效基團說明了藥效基團單元間的空間關系，常以各個點之間的距離、角度或其他幾何量度及其范圍來表示：3D藥效基團還能模擬與受體結合時的某些特征，比如占有范圍表示了3D藥效基團中不能被其他基團進入的空間部位計算機的軟件基礎Tripos（軟件基本運行平臺，包括分子力學計算、分子構建等基本功能）Dynamics（分子動力學計算工具）QSARwithCoMFA（定量構效關系研究工具）DISCOtech（活性官能團預測，即分析計算一系列化合物可能的藥效基團）MOLCAD（分子表面性質顯示工具）SYBYLGraphicswindowTextportSoftwareIntroductionMOLCAD

Genefold（用同源模建結合“riversefolding”及“threading”方法預測蛋白質結構）Composer（蛋白質同源模建工具）FlexX（具有快速將配體柔性對接到活性位點的功能）Cscore（提供了評價配體–受體之間相互作用的多種方法)SiteID（分析和觀察生物大分子內部及表面結合位點的工具）ProTable（分析評價蛋白三級結構的工具）LeapFrog（全新藥物設計工具）CONCORD（化合物二維結構轉化為三維結構的工具)VolSurf（吸收、代謝、分布預測工具）siteIDDihydrofolateReductase-withMTXligandGROMACSQM/MDsimulation-dodecahedron-5089watermolecules(SPC)-6Na+ionswithoneproteinmolecule藥物的化學信息計算機基礎三維結構數據庫

實驗測定數據－－X射線晶體學和NMR等理論計算數據－－分子力學和分子動力學優化，耗時長軟件直接將二維轉化為三維結構，如SYBYL開發的

CONCORD三維結構的來源：商業數據庫和法人數據庫主要的商業數據庫提供商：CAS，Daylight，MDLMDL數據庫簡介生物活性數據庫

MDL藥物數據報道數據庫（MDDR,MDDR-3D）綜合了大約70,000種候選藥物的結構、生物活性、專利和版權信息及參考文獻

綜合醫藥化學三維結構數據庫（CMC-3D）含有6,700多種化合物，包括它們的二維結構、三維模型以及重要的生化特征。所有這些化合物曾作為藥物試劑進行過人體實驗。

NCI-3D

美國國家癌癥研究院（NCI）將其測試過的125,000種非專用化合物制成了文本文件。每個化合物都有CAS登錄號。

合成方法和轉化數據庫化學反應信息庫是MDL最早的有機合成反應數據庫。經過50多年的發展和積累，它包括的反應已超過800,000個。這些反應代表著最新的或是已改進了的合成方法。

有機合成數據庫、綜合雜環化學數據庫、固相有機反應數據庫、代謝數據庫、毒性數據庫等化學物質源和安全數據庫

現有化學品目錄數據庫（ACD）包含了供應商信息，這些信息涉及240多個廠家商品目錄的200,000多種不同商用研究等級和數量的化學品。

第三節CADD的方法學直接藥物設計全新藥物設計模板定位法原子生長法分子碎片法動力學算法基于靶點結構的三維結構搜尋間接藥物設計

3D-QSAR假想受點點陣（HASL)

分子形狀分析(MSA）比較分子場分析法（CoMFA）藥效基團模型的建立活性類似物法（AAA）藥效基團模型法基于藥效基團模型的三維結構搜尋距離幾何法（DG）等根據受體受點的形狀和性質，利用計算機程序計算和分子圖形顯示直接設計其結構互補的激動劑或拮抗劑，恰如量體裁衣定做服裝依據受體受點，在一個已知的三維數據庫中進行搜尋，從而找到與之結構和性質互補的配體分子，猶如在服裝店挑選合身的成衣直接藥物設計首先從與生物活性有關的靶點入手，闡明靶點的功能、三維結構、內源性配基或天然底物的化學結構特征，以計算機輔助展示這些物質的受點，然后用各種方法得到選擇性作用于該部位的配基分子受點的確定－－－受體蛋白與小分子配基的互補結合（空間互補及疏水作用、離子鍵、氫鍵、電荷轉移等作用）受點未知，可采用簡單的分子或碎片作為探針來探測配基分子活性部位可能的結合位置，如GRID概念：利用計算機人工智能的模式識別技術，把三維結構數據庫中的小分子數據逐一地與搜尋標準（即提問結構）進行匹配計算，尋找復合特定性質和三維結構形狀的命中結構，從而發現合適的藥物分子基礎：對接（Docking）受體和配體之間通過能量匹配的空間匹配而相互識別形成分子復合物，并預測復合物結構的操作過程三維結構搜尋對接定義：將小分子配體放置于受體的活性位點處，并尋找其合理的取向和構象，使得配體與受體的形狀和相互作用的匹配最佳應用：從小分子數據庫中搜尋與受體大分子有較好親和力的小分子，進行藥理測試，從中發現新的先導化合物軟件：DOCK，Docking，AutoDock，FlexX，FlexiDock對接的方法手工對接根據操作者的經驗，在計算機上通過顯示的圖像從不同方向作受體和藥物的分子對接，然后經能量優化得到復合物的結構，如InsightII中的Docking模塊自動對接先在受體上找出結合腔，確定其表面，再將配體置于結合腔中，根據受體受點與藥物性質和形狀的互補性，調整受體受點或藥物的構象，計算對接時各個取向的受體－藥物相互作用能，進行分子動力學模擬，求得復合物的全局最優結合構象，即得到最佳的對接三維結構搜尋的基本要素三維結構數據庫（MDDR-3D,NCI、ACD-3D）合理的搜尋標準受體結構已知，直接根據受體受點的性質和形狀反推出互補性配基的特征結構和空間關系，以此定義提問結構；受體結構未知，可根據一組活性配基的藥效基團模式圖或3D-QSAR分析來定義詢問條件（間接藥物設計）搜尋方法該詢問條件從29個ACE抑制活性類似物中得到，集中了這些化合物共同的理化性質和空間特征，以此搜尋22.5萬化合物的數據庫，發現96個命中結構，藥理試驗證明這些化合物具有良好的ACE抑制活性，說明圖6-4的搜尋標準是合理的搜尋方法三維幾何搜尋－－－對符合三維幾何限制條件的化合物進行打分，如DOCK，FlexX三維相似性搜尋－－－分子不需要與受體受點相匹配，只要相似即可，相似性指數（較新）柔性構象搜尋－－誘導契合，低能構象，初篩、精篩，如AutoDOCK大分子三維結構搜尋－－－主要是蛋白質，處于起步階段。根據蛋白質的C原子和二級結構因素如-螺旋、-折疊及其之間的距離和角度三維結構搜尋的特點

三維結構搜尋方法可以在實驗藥理篩選之前為數據庫中的分子作生物活性的可能性預測，其實這在進行計算機輔助藥物篩選，又稱虛擬篩選，它以酶、受體等生物大分子三維圖像代替生物樣品，以數據庫化合物結構代替化合物樣品，以對接代替藥理體外篩選，這樣篩選出有效的化合物，可直接購得進入生物測試階段，不必在實驗室合成，大大縮短了藥物開發的時間，提高了效率。這是一種很實用的藥物設計方法，已有很多成功的例子但由于受體的結構十分復雜，用搜尋方法找到配基中藥效基團與受體受點在電性和空間上完全吻合的概率非常小；此外該法受到現有數據庫的限制，只能從現有的分子中尋找，無法創造新分子。

DatabaseScreenwithDOCKVirtualScreeningVirtualscreeningFlexXCScoreCombiFlexXFlexSTop100CrystalVirtualScreening全新藥物設計Denovodrugdesign從頭設計根據受體受點與配基之間的互補性，在受體的受點配上基本構建塊，然后通過數據庫的搜尋和計算，在構建塊上安置合適的原子或原子團，得到與受體形狀和性質互補的配體三維結構，該法考慮了受體和配體之間相互作用的優勢和穩定性，要比數據庫中搜尋的結構要好，而且得到的先導化合物可能是全新的，不被任何人的偏見所干擾全新藥物設計的方法模板定位法－－在受點用模板構建出一個形狀互補的三維分子骨架，再根據受體的性質把分子骨架轉化為具體的分子結構原子生長法－－根據靶點的性質，如靜電、氫鍵和疏水性等，逐個地增加原子，配上與受點形狀和性質互補的分子，基本構建塊為原子分子碎片法碎片連接法－－碎片庫+連接子庫，如CAVEAT碎片生長法－－類似于原子生長法－－基本構建塊為合理的碎片，得到的新分子在結構上比較容易接受，所以這一方法成為當前全新藥物設計的主流。全新藥物設計的特點與不足全新藥物設計的思想和方法是在最近十幾年才出現的，但是發展非常迅速，顯示出極大的優越性，并開發了不少相應的軟件工具但是該法設計出的分子有時會是一些“超級分子”，雖然能和靶點很好的結合，但由于含有太多的原子種類或過多的化學鍵類型，缺乏合理性和實用性。類藥性：一般分子量大于500，logP大于5，分子結構中可提供多于5個的氫鍵供體，分子中N和O的總數（氫鍵接納體數目）多于10個，則該化合物成為藥物的可能性就很小（由C.A.Lipinski總結出藥物的5倍律）由于全新藥物設計出現的時間不長，仍不完善，有待進一步開發蛋白質結構的預測同源蛋白是由二個或二個以上由同一祖先蛋白質趨異進化而產生的蛋白質，它們有著相類似的空間折疊方式和相似的生物功能由于蛋白質在進化中空間結構的保守性比序列的保守性更強，因此有時空間結構相似盡管序列有一定差異的兩種蛋白仍屬同源同源模建的方法序列相似性大于30％－－同源模建法序列相似性小于30％－－Threading

Threading也稱折疊類型識別方法或者穿線法。它的基本思想是假定被預測蛋白質的折疊類型與某已知結構的蛋白質的折疊類型相同，這樣蛋白質結構預測的問題就轉變為在已知空間結構的蛋白質數據庫中，確定一種被預測序列最可能采取的折疊類型。目前這類方法已經成功地預測了一些蛋白質的空間結構。

同源模建的基本操作通過數據庫搜索找出目標序列的同源蛋白確定參考蛋白的結構保守區通過序列比對確定參考蛋白和目標序列之間的序列保守區域把序列保守區中參考蛋白的坐標復制給目標序列確定目標序列中其他區域的結構，包括C端和N端的結構以及Loop區的結構優化目標蛋白殘基的側鏈分子力學和分子動力學對搭建的模型進行修正評估模建的蛋白在結構上和折疊模式上是否合理同源模建的軟件MSI公司的HomologyBiosym公司的ConsensusTripos公司的Composer，Genefold，Fuegue網上免費提供的模建工具如SWISS-MODEL,MODELLER,3DJIAM等Protable間接藥物設計3D-QSAR方法藥效基團模型方法

對一系列活性化合物作3D-QSAR分析，對構象分析總結出一些對活性至關重要的原子和基團及其空間關系，反推出與之結合的受體的立體形狀、結構和性質，推測得到靶物質信息，即虛擬受體模型，以此來設計新的配體基于藥效基團模型的三維結構搜尋方法以藥效基團模型為提問結構來搜尋小分子三維結構數據庫從而得到新的配體，該法建立在3D-QSAR和藥效基團模型方法的基礎上確定研究體系各化合物的藥效構象，根據合理的重疊規則，把它們重疊在一個包含全部化合物分子的空間網格上藥效基團的確定計算化合物周圍各種力場的空間分布，將其連同各化合物的生物活性值構成QSAR表使用最小偏二乘法（PLS）確定QSAR關系式作CoMFA系數圖，從系數圖上了解力場分布強弱對生物活性的影響，根據這個結果設計活性更好的新化合物或將CoMFA力場的分布作為假想受體模型，進行新化合物的設計或先導化合物的結構改造比較分子場分析法（CoMFA）紅色和藍色區域表示電性因素對活性的影響，在紅色區域增加吸電基，活性增強，藍色區域相反；綠色和黃色區域表示立體因素對活性的影響，在綠色區域增大取代基體積，活性增加，黃色區域相反數據庫、文獻、合成小分子的三維結構數據庫、同源模建大分子的三維結構QM、MM、MD以及QM/MM計算機輔助藥物設計構效關系方法藥效團模型方法分子對接方法從頭設計方法數據庫搜索方法虛擬組合化學方法ADME/TOX預測組合合成及高通量篩選可能的先導化合物合成及活性測定先導化合物的優化候選化合物圖計算機輔助藥物設計的常用方法小結AminoAcidsequence化合物實體確定蛋白質三維結構和活性位點虛擬篩選QSAR預測&藥效基團分析ADME預測數據庫管理&組合化學&高通量篩選

UNITYCombiLibMakerLegion

VolSurfLeadQuestLeadcandidatesBiopolymerComposerMOLCADSiteIDFromSequenceToLeadCompoundsFlexXCscore

QSARwithCoMFAAdvancedComputationDISCOtech

第四節CADD應用實例第一個SBDD方法設計的新藥碳酸酐酶抑制劑Dorzolamide

(治療青光眼疾病)于1994年上市Wellcome公司用CADD方法設計的5－HT1D受體激動劑311C90(治療偏頭痛)

，進入三期臨床研究美國Eli

Lilly公司開發的第一個高效、高選擇性人體非胰腺分泌型磷脂酶抑制劑LY311727,進入臨床研究4個已上市的HIV-1蛋白酶抑制劑類藥物的研制過程中，計算機輔助藥物設計起了重要作用2個凝血酶抑制劑已進入臨床研究Glaxo開發的唾液酸酶抑制劑4-胍基Nen5Ac2en

(抗感冒藥物)進入臨床研究嘌呤核苷磷酸化酶抑制劑B3X-34-治療牛皮癬，進入臨床三期治療糖尿病藥物(醛糖還原酶抑制劑)上市靶標NS3-NS4AEGFRNS3-NS4A鉀離子通道鉀離子通道乙酰膽堿酯酶分泌酶MMPFKBP12BCL-2磷脂酶A2國內藥物設計部分成功的例子疾病丙型肝炎腫瘤丙型肝炎心率失常心率失常老年性癡呆老年性癡呆腫瘤神經系統腫瘤關節炎完成單位北京大學北京大學北京大學上海藥物所上海藥物所上海藥物所上海藥物所上海藥物所軍科院藥物所軍科院藥物所北京大學研究方法虛擬篩選虛擬篩選藥效團模型3D-QSAR虛擬篩選從頭設計虛擬篩選虛擬篩選虛擬篩選ZBG設計從頭設計虛擬篩選3D-QSARA3DmodelofSARS_CoV3CLproteinase

anditsinhibitorsdesignbyvirtualscreeningsevereacuterespiratorysyndrome(SARS)

GenomicsequencingandbioinformaticsanalyseshaveaddressedtheimportantproteinsthatmaybeassociatedwiththeSARScoronaviruse(SARS_CoV)infection,includingthepolymerase,thespike(S)glycoprotein,theenvelope(E)Protein,themembrane(M)protein,thenucleocapsid(N)protein,andthe3C-like(3CL)proteinaseTarget---SARS_CoV3CLproteinaseGetthesequence:

GenBankproteinIDP_828863()Searchthehomologousprotein:

BLAST---43BLASThits,PDB:thetemplate----

themainproteinase(Mpro)oftransmissiblegastroenteritisvirus(TGEV)

thesequenceidentityis43%,positive60%,andgap1%.

ModeltheSARS_CoV3CLproteinase

Homologymodelling-----MODELLERRefine,adjustthepositi