前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >JCIM|破解PROTAC系统的协同效应:终点结合自由能计算的新突破

JCIM|破解PROTAC系统的协同效应:终点结合自由能计算的新突破

作者头像
智药邦
发布于 2024-10-23 10:25:22
发布于 2024-10-23 10:25:22
1660
举报
文章被收录于专栏:智药邦智药邦

2024年10月21日,中国药科大学孙慧涌研究团队和浙江大学侯廷军课题组联合在Journal of Chemical Information and Modeling上发表研究Characterizing the Cooperative Effect of PROTAC Systems with End-Point Binding Free Energy Calculation。

蛋白质降解靶向嵌合体(PROTACs)是一类新兴的药物,主要通过缩短目标蛋白质与E3泛素连接酶之间的距离,诱导靶标蛋白的泛素化修饰,从而实现靶标蛋白的降解。这一过程依赖于PROTAC分子将靶标蛋白与E3连接酶形成三级复合物,而这一协同效应在很大程度上影响了靶标蛋白的降解速率。然而,PROTAC设计中的一个关键挑战在于,如何合理表征这种复杂的三级系统之间的协同作用。为了应对这一挑战,本文提出了一种基于终点结合自由能计算的方法,旨在通过MM/PB(GB)SA模型来量化PROTAC系统中的稳定性和钩效应(hook effect)。

图1: PROTAC系统的协同效应中自由能示意图

FEP技术在PROTAC设计中的作用

传统药物设计主要是针对目标蛋白质的功能位点进行干预,然而,许多重要的调控蛋白往往缺乏适合的结合位点,因此被视为“不可药物化”蛋白质。PROTAC技术通过将靶标蛋白与E3连接酶聚合,从而触发靶标蛋白的降解,为解决这一问题提供了新的策略。

PROTAC系统中的协同效应包括稳定性效应(αstabilization)和钩效应(αhook)。稳定性效应反映了PROTAC在诱导靶标蛋白和E3连接酶形成稳定三级复合物的能力,而钩效应则描述了当PROTAC浓度超过一定阈值时,二元复合物的形成倾向如何削弱三级复合物的稳定性。为了设计更具针对性的PROTAC分子,了解这些效应并进行定量评估至关重要。

终点结合自由能计算的可行性

本文探讨了利用MM/PB(GB)SA方法表征PROTAC系统协同效应的可行性。MM/PB(GB)SA是一种计算效率与精度平衡的终点结合自由能计算方法,通过分子动力学(MD)模拟与结合能量计算相结合,可以有效地预测PROTAC系统中的稳定性和钩效应。研究表明,在较长的MD模拟时间(50100 ns)和较低的介电常数(εin = 1)下,该方法对稳定性效应和钩效应的Pearson相关系数(rp)分别超过0.5和0.6。

通过对145个PROTAC系统的数据分析,研究发现,三级复合物中的稳定性效应与靶标蛋白降解率之间具有显著相关性,这表明精确预测这种稳定性可以帮助设计更高效的PROTAC分子。

图2: 四种相互作用之间的相关性

实际应用与案例分析

研究选取了36个具有二元和三级相互作用数据的PROTAC系统,通过MM/PB(GB)SA方法评估其协同效应。这些系统涵盖了多个目标蛋白和E3连接酶,包括BRD2、SMARCA4、BTK等。分析结果表明,使用较长的MD模拟时间(50 ns以上)和较低的介电常数(εin = 1)能够显著提高稳定性效应和钩效应的预测精度。

例如,BRD4PROTACVHL系统在50ns MD模拟中的预测结果与实验数据高度一致,相关性达到0.76。这表明,MD模拟可以有效捕捉PROTAC三级复合物中的大分子构象变化,进而提升预测准确性。

图3: 基于33个PROTAC系统的最小化(min)结构和100nsMD结构的BAS与稳定(A)和钩状(B)效应之间的相关性

面临的挑战与未来发展方向

尽管MM/PB(GB)SA方法在表征PROTAC系统协同效应方面取得了较大进展,仍然存在一些挑战。首先,力场不准确性可能导致自由能计算的偏差,特别是在复杂蛋白质配体体系中。此外,MD模拟时间过短可能无法捕捉到系统的全局构象变化,从而影响预测结果。

未来,深度学习与MD模拟的结合可能进一步提升PROTAC设计的效率。通过机器学习模型预测PROTAC结合模式并优化力场参数,能够提高计算的准确性和效率。此外,随着更多实验数据的积累,FEP与AI技术的结合也有望在更广泛的系统中得到应用。

结论

本文表明,利用MM/PB(GB)SA方法可以有效表征PROTAC系统中的稳定性效应和钩效应,尤其是在较长MD模拟时间和低介电常数条件下,预测精度较高。随着FEP技术和AI算法的不断进步,PROTAC的设计将变得更加高效,未来在不可药物化蛋白质的靶向治疗中具有广泛应用潜力。

参考资料: Xu K, Wang Z, Xiang S, Tang R, Deng Q, Ge J, Jiang Z, Yang K, Hou T, Sun H. Characterizing the Cooperative Effect of PROTAC Systems with End-Point Binding Free Energy Calculation. J Chem Inf Model. 2024 Oct 3. doi: 10.1021/acs.jcim.4c01227. Epub ahead of print. PMID: 39361611.

--------- End ---------

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2024-10-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 智药邦 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
CellPress | 构建可降解激酶组图谱为加速降解药物开发提供资源
今天给大家介绍的是由美国达纳-法伯癌症研究所Katherine A. Donovan等人在Cell上发表的文章” Mapping the Degradable Kinome Provides a Resource for Expedited Degrader Development”。
DrugAI
2021/02/01
7410
CellPress | 构建可降解激酶组图谱为加速降解药物开发提供资源
JMC | 密歇根大学王少萌教授课题组报道首个SHP2蛋白小分子降解剂
含 Src 同源 2 结构域蛋白酪氨酸磷酸酶(SHP2)是由 PTPN11基因编码的非受体型蛋白酪氨酸磷酸酶,通过 RAS-ERK 信号通路的活化调控细胞生长、分化和凋亡,并参与 PD-1/PD-L1 通路控制免疫监视,已成为有突破意义的抗癌新靶标。
DrugAI
2021/02/01
1.7K0
Trends Pharmacol. Sci. | 利用计算科学推进PROTAC药物发展
本文介绍一篇由浙江大学侯廷军教授、中国药科大学孙慧涌研究员及碳硅智慧近期在药学领域权威期刊Trends in Pharmacological Sciences上发表题为《Development of PROTACs using computational approaches》的综述性论文,第一作者为浙江大学博士研究生戈婧萱。得益于事件驱动的作用机制,蛋白水解靶向嵌合体(PROTAC)已逐渐成为热门的治疗手段,特别是针对传统意义上难成药的靶点。随着计算生物学/化学的飞速发展,越来越多的CADD/AIDD方法被应用于PROTAC的设计。与此同时,PROTAC化学结构和活性相关的数据积累也为深度学习/机器学习(DL/ML)技术提供了宝贵的数据基础。
DrugAI
2024/11/23
1950
Trends Pharmacol. Sci. | 利用计算科学推进PROTAC药物发展
科研助攻 | 蛋白降解:AUTOTAC、第一代、第二代 AUTAC? 你分清了吗? | MedChemExpress (MCE)
在蛋白降解技术中,基于溶酶体系统开发的靶向蛋白降解技术有哪些?AUTOTAC、第一代、第二代 AUTAC? 你能分清吗?
MedChemExpress
2024/11/25
960
科研助攻 | 蛋白降解:AUTOTAC、第一代、第二代 AUTAC? 你分清了吗? | MedChemExpress (MCE)
JCIM|分子动力学模拟助力发现耐药抑制剂
新冠病毒 RNA 病毒的特征导致了高突变率,从而产生了药物耐药性问题。针对关键病毒蛋白(如主蛋白酶Mpro)的抑制剂开发是控制病毒复制的有效策略。然而,随着临床广泛使用Nirmatrelvir,对耐药性的担忧日益增加。虽然临床上尚未报道对Nirmatrelvir产生耐药性的Mpro变体,但体外研究表明,病毒在选择压力下可获得耐药性突变。研究者发现,Mpro的底物结合口袋中的S1和S4位点突变会破坏Nirmatrelvir的结合能力。此外,S2和S4'位点突变导致主蛋白酶活性增加。常见的突变包括L50F和E166V,而且Mpro能同时沿着两个途径进化,产生L50F+E166V双突变。
智药邦
2025/01/02
1170
JCIM|分子动力学模拟助力发现耐药抑制剂
CADD筛选PROTAC新思路:利用非马尔科夫动力学模型发现亚稳态蛋白-蛋白界面
PROTAC(Proteolysis Targeting Chimeras)是一种新型靶向蛋白降解技术,通过设计双功能小分子来诱导特定蛋白质(protein of interest, POI)的降解。PROTAC分子由三个关键部分组成:能够与目标蛋白结合的靶蛋白配体,连接子,与E3泛素连接酶结合的E3配体。 PROTAC可以诱导靶标蛋白POI与E3连接酶形成三元复合物,从而促进POI被泛素化而被识别降解 (图1)。由于其拥有不需要与POI的活性位点结合,且可以采用催化机理被循环利用等优势,为治疗难以用传统药物靶向的疾病(如癌症)提供了新的思路,尤其在靶向“不可成药”蛋白质方面显示出潜力。
智药邦
2024/10/08
1460
CADD筛选PROTAC新思路:利用非马尔科夫动力学模型发现亚稳态蛋白-蛋白界面
JCIM | 使用片段链接预测网络设计PROTAC药物
今天为大家介绍的是来自Chu-Chung Lin团队的一篇关于药物设计的论文。药物发现和开发流程是一个漫长而复杂的过程,对于计算方法和药物化学家来说都具有挑战性,并且迄今为止无法通过计算方法解决。深度学习已在各个领域得到应用,并在制药行业的新药设计中取得了巨大成功。作者提出了一种名为AIMLinker的深度神经网络,以快速设计和生成具有意义的药物样蛋白酶靶向嵌合体(PROTACs)类似物。该模型从输入片段中提取结构信息并生成连接器以将它们结合起来。作者在模型中集成了过滤器,以排除通过蛋白质-蛋白质复合物引导的无法药用的结构,同时保留具有强大化学性质的分子。随后,通过分子对接,采用均方根偏差(RMSD)、相对吉布斯自由能(ΔΔGbinding)、分子动力学(MD)模拟和自由能扰动(FEP)计算作为测量标准,测试所提出模型的鲁棒性和可行性。所生成的新型PROTACs分子在与结合口袋相比,具有类似的结构信息且具有更高的结合亲和力,相较于现有的CRBN-dBET6-BRD4三元复合物。作者展示了利用AIMLinker设计PROTACs分子的方法的有效性,这些分子在化学性质上优于dBET6晶体构象。
DrugAI
2023/09/19
2670
JCIM | 使用片段链接预测网络设计PROTAC药物
Nat Mach Intell|基于深度学习和分子模拟加速PROTAC的理性设计
近期广州中山大学杨跃东教授,广州生物岛实验室陈红明研究员和星药科技在Nat. Mach. Intell.上联合发表的题为“Accelerated rational PROTAC design via deep learning and molecular simulations”的工作。
智药邦
2022/11/16
5960
Nat Mach Intell|基于深度学习和分子模拟加速PROTAC的理性设计
Cell 重磅丨不依赖泛素蛋白酶降解途径的新型 PROTAC - MCE
上述分子的体现了降解剂的结构与应用类型的丰富性,但降解剂类分子的合理设计与不断优化以及活性检测仍有很长的路要走。
MedChemExpress
2023/01/04
6330
Cell 重磅丨不依赖泛素蛋白酶降解途径的新型 PROTAC - MCE
JMC综述推荐 | RING-type E3泛素连接酶抑制剂:进展、机遇和挑战
泛素蛋白酶体途径(UPS)是已知的所有真核生物体内具有高度选择性的蛋白质降解途径,该途径具体包括:首先在ATP供能的情况下泛素激活酶E1激活泛素,然后将其转移到泛素结合酶E2上通过硫酯键与E2的活性位点的Cys相连。E2可以直接将泛素转移到靶蛋白的Lys残基上,但整个泛素化过程中最关键的是需要一个特异的泛素连接酶E3将泛素与同源底物偶联。
DrugAI
2021/02/01
6.1K0
JMC | 新型苯并咪唑酮类BCL-6小分子降解剂(非PROTACs类)- 结构决定性质
BCL-6(B-cell lymphoma 6 protein)作为一种转录抑制因子,对B细胞生发中心的发育和功能维持起着重要的作用, 使生发中心的B细胞迅速增殖,逃避生长检查点的控制,并能承受较高水平的DNA损伤,BCL-6的表达失控将会直接导致B细胞淋巴瘤的产生,因此BCL-6被认为是弥漫性大B细胞淋巴瘤的治疗靶标。近年来,相继有活性良好的靶向小分子抑制剂和降解剂报道,但关于BCL-6降解机制尚未研究透彻。
DrugAI
2021/02/01
7150
PROTAC——靶点选择与设计 | MedChemExpress
前文我们已经介绍过,PROTAC 分子由靶蛋白配体、E3 连接酶配体和两者中间的连接段组成,设计 PROTAC 之初,三者应该分别考量。
MedChemExpress
2023/02/06
4280
PROTAC——靶点选择与设计 | MedChemExpress
MCE | LYTAC 与靶向蛋白降解技术
靶向蛋白降解(TPD)是一种有效性的,高度选择性的诱发蛋白降解方式。近年来,以 PROTAC 为代表的 TPD 技术的研究如火如荼。PROTAC 主要降解的是胞内蛋白,实际上,有 40% 的基因产物为胞外和膜相关蛋白,如生长因子、细胞因子和趋化因子,它们在多种疾病 (如癌症和炎症)中引发异常信号传导。那么,有没有一种诱导胞外蛋白降解的技术来弥补 PROTAC 的这一局限呢?
MedChemExpress
2023/03/16
4130
MCE | LYTAC 与靶向蛋白降解技术
PROTAC—小分子化合物蛋白降解技术 | MedChemExpress
PROTAC 是一种杂合双功能小分子化合物,结构中含有两种不同配体,一个是泛素连接酶 E3 配体,另一个是与细胞中目标靶蛋白结合的配体,两个配体之间通过 Linker 相连,从而形成“三体”聚合物——靶蛋白配体-Linker-E3 配体。然后通过 E3 连接酶给靶蛋白加上泛素化标签,启动细胞内强大的泛素化水解过程,通过泛素-蛋白酶体途径特异性地降解靶蛋白。
MedChemExpress
2023/03/01
3780
PROTAC—小分子化合物蛋白降解技术 | MedChemExpress
攻克 "不可成药" 研发策略有哪些? | MedChemExpress (MCE)
2023 年,美国 FDA 获批新药共计 55 个。同时,刚刚落幕的 AACR 年度会议,披露了 12 款抗肿瘤新药的结构 (详见往期推文:AACR 落幕 | 会议公布:那些最值得关注的抗肿瘤药物!)。当然,临床研究也只是铸就“高楼”的一块小砖头,真正上市可谓“路漫漫其修远兮”。
MedChemExpress
2024/05/16
1200
攻克 "不可成药" 研发策略有哪些? | MedChemExpress (MCE)
Cell | 都知道 DNA 损伤修复,那细胞是如何应对 RNA 损伤的呢? | 综述
◉ RNA 化学多样性 RNA 易受环境和内源性损伤的影响,并且缺乏核隔离、碱基配对和染色质化所提供的三重保护。而DNA具有这三种保护。◉ 尽管 RNA 也会被 RNA 结合蛋白(RBPs)结合,但由于涉及的相互作用是动态的,因此提供的保护可能不那么显著。
生信菜鸟团
2025/02/27
2450
Cell | 都知道 DNA 损伤修复,那细胞是如何应对 RNA 损伤的呢? | 综述
可抑制癌细胞增殖!慧湖药学院联手天津医科大,研发新型肿瘤抑制蛋白降解剂 dp53m
dp53m 可特异性识别突变 p53-R175H 蛋白,实现目标蛋白的靶向降解。进而抑制突变 p53 蛋白功能性表达,实现抗肿瘤功效,且无明显毒性反应。
HyperAI超神经
2024/07/01
850
可抑制癌细胞增殖!慧湖药学院联手天津医科大,研发新型肿瘤抑制蛋白降解剂 dp53m
Sci. Adv. | 挑战"难成药"蛋白,PepPrCLIP设计精准结合肽
今天为大家介绍的是来自美国杜克大学Pranam Chatterjee团队的一篇论文。设计结合剂以靶向难成药蛋白在药物研发中是一项重大挑战。在本研究中,作者提供了一个算法框架,用于设计短小、能与靶点结合的线性肽,仅需靶蛋白的氨基酸序列。为此,作者提出了一个通过ESM-2蛋白质语言模型的肽潜在空间高斯扰动来生成自然状态肽候选物的过程,随后通过基于对比语言-图像预训练(CLIP)的对比学习架构筛选这些新序列的靶点选择性相互作用活性。通过整合这些生成性和判别性步骤,作者创建了一个通过CLIP进行肽优先排序(PepPrCLIP)的流程,并通过实验验证了高排名、靶点特异性肽的有效性,包括作为抑制性肽和与E3泛素连接酶域的融合。PepPrCLIP衍生的构建体在体外展示了对构象多样、疾病驱动靶点的功能性强结合和降解能力。总体而言,PepPrCLIP使得调控先前无法接触的蛋白成为可能,而无需依赖稳定有序的三级结构。
DrugAI
2025/03/03
600
Sci. Adv. | 挑战"难成药"蛋白,PepPrCLIP设计精准结合肽
JCIM | 基于图神经网络的深度学习预测溶剂化自由能
溶剂化自由能是影响各种化学和生物学过程的基本属性,例如反应速率、蛋白质折叠、药物结合和药物的生物利用度等等。本工作中,作者提出了一种基于图网络的深度学习方法,可以准确地预测有机小分子的溶剂化自由能。所提出的深度学习模型包括三个阶段,即信息传递、相互作用和预测,能够预测任何通用有机溶剂中的溶剂化自由能,平均绝对误差为0.16 kcal/mol。在准确性方面,当前模型目前优于所有此前提出的基于机器学习的其他模型。此外,作者对基于机器学习的模型的鲁棒性进行了全面测试,并通过几个示例验证了其解释预测的能力。
DrugScience
2021/03/24
8690
JCIM | 基于图神经网络的深度学习预测溶剂化自由能
太全面了!顶刊综述教你如何从 PPIs 角度研究癌症 | Nat.Rev.Cancer
◉ a–c,肿瘤驱动基因AKT1(a)、PIK3CA(b)和IDH1(c)中的热点突变在相关蛋白质结构上显示出来。翻译为表面暴露残基的氨基酸替换突变在相关晶体结构上进行了注释和标记(蛋白质数据库(PDB)ID:4EJN(AKT1),7PG5(PIK3CA)和5YFN(IDH1))。主要突变在晶体结构上以红色突出显示并标记。◉ AKT1中的E17K替换导致增强的质膜关联和mTORC1信号传导,促进乳腺癌细胞的增殖和生长(a)。同一个驱动基因中的多个热点突变可以存在于不同的结构域中,导致多条通路的改变(b)。◉ PIK3CA在螺旋结构域内的E542或E545处的替换突变以RAS依赖的方式促进宫颈癌和头颈癌的生长。在激酶结构域内,H1047R突变通过增强膜募集促进RAS非依赖性PIK3CA激活,从而促成乳腺癌转移。◉ 同一热点位置的不同替换可能对蛋白质结构和生化活性产生相似或不同的影响(c)。由突变引起的IDH1(R132C)通过R132C上调的新酶活性促进急性髓系白血病(AML)和其他携带R132C癌症的肿瘤发生,并大幅增加R(2)-2-羟基戊二酸(2HG)致癌代谢物。◉ 相反,IDH1(R132H)突变是胶质瘤中最常见的突变,与抑制细胞增殖和下调WNT–β-catenin信号传导有关,导致侵袭性较低的表型。这些图谱是使用cBioPortal基于癌症基因组图谱泛癌图谱数据创建的。PIP3,磷脂酰肌醇3,4,5-三磷酸。
生信菜鸟团
2025/03/28
880
太全面了!顶刊综述教你如何从 PPIs 角度研究癌症 | Nat.Rev.Cancer
推荐阅读
CellPress | 构建可降解激酶组图谱为加速降解药物开发提供资源
7410
JMC | 密歇根大学王少萌教授课题组报道首个SHP2蛋白小分子降解剂
1.7K0
Trends Pharmacol. Sci. | 利用计算科学推进PROTAC药物发展
1950
科研助攻 | 蛋白降解:AUTOTAC、第一代、第二代 AUTAC? 你分清了吗? | MedChemExpress (MCE)
960
JCIM|分子动力学模拟助力发现耐药抑制剂
1170
CADD筛选PROTAC新思路:利用非马尔科夫动力学模型发现亚稳态蛋白-蛋白界面
1460
JCIM | 使用片段链接预测网络设计PROTAC药物
2670
Nat Mach Intell|基于深度学习和分子模拟加速PROTAC的理性设计
5960
Cell 重磅丨不依赖泛素蛋白酶降解途径的新型 PROTAC - MCE
6330
JMC综述推荐 | RING-type E3泛素连接酶抑制剂:进展、机遇和挑战
6.1K0
JMC | 新型苯并咪唑酮类BCL-6小分子降解剂(非PROTACs类)- 结构决定性质
7150
PROTAC——靶点选择与设计 | MedChemExpress
4280
MCE | LYTAC 与靶向蛋白降解技术
4130
PROTAC—小分子化合物蛋白降解技术 | MedChemExpress
3780
攻克 "不可成药" 研发策略有哪些? | MedChemExpress (MCE)
1200
Cell | 都知道 DNA 损伤修复,那细胞是如何应对 RNA 损伤的呢? | 综述
2450
可抑制癌细胞增殖!慧湖药学院联手天津医科大,研发新型肿瘤抑制蛋白降解剂 dp53m
850
Sci. Adv. | 挑战"难成药"蛋白,PepPrCLIP设计精准结合肽
600
JCIM | 基于图神经网络的深度学习预测溶剂化自由能
8690
太全面了!顶刊综述教你如何从 PPIs 角度研究癌症 | Nat.Rev.Cancer
880
相关推荐
CellPress | 构建可降解激酶组图谱为加速降解药物开发提供资源
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
查看详情【社区公告】 技术创作特训营有奖征文