Institut de Biologie Structurale et MicrobiologieLaboratoire IMR (*) [email protected]
Le Criblage Virtuel“Une Accélération du Processus de Criblage à Haut Débit”
Xavier Morelli (*)
M2 BBSG ‘08
« Virtual Library Screening »
PLAN du Cours
I] Pourquoi le Criblage Virtuel?I.1) Quelques chiffres…
I.2) Les solutions in silico
II] Les Chimiothèques
II.1) Les différents formats
II.2) Les paramètres « Drug-like »
II.3) Transformation 2D=>3D
II.4) Le problème de la Diversité
III] Les différentes approches de Criblage VirtuelIII.1) Recherche par Homologies (« Similarity / Pharmacophore searching »)
III.2) Recherche par Docking à Haut Débit (« High Throughput Docking »)
IV] Le problème du Re-Scoring / PostprocessingIV.1) Les Fonctions de score spécialistes
IV.2) Les Fonctions de score consensus
M2 BBSG ‘08
I] Pourquoi le Criblage Virtuel?I.1) Quelques chiffres…
I.2) Les solutions in silico
II] Les Chimiothèques
II.1) Les différents formats
II.2) Les paramètres « Drug-like »
II.3) Transformation 2D=>3D
II.4) Le problème de la Diversité
III] Les différentes approches de Criblage VirtuelIII.1) Recherche par Homologies (« Similarity/Pharmacophore searching »)
III.2) Recherche par Docking à Haut Débit (« High Throughput Docking »)
IV] Le problème du Re-Scoring / PostprocessingIV.1) Les Fonctions de score spécialistes
IV.2) Les Fonctions de score consensus
PLAN du Cours
M2 BBSG ‘08
II] Les Chimiothèques
II.1) Les différents formats
II.2) Les paramètres « Drug-like »
II.3) Transformation 2D=>3D
III] Les différentes approches de Criblage VirtuelIII.1) Recherche par Homologies (« Similarity/Pharmacophore searching »)
III.2) Recherche par Docking à Haut Débit (« High Throughput Docking »)
IV] Le problème du Re-Scoring / PostprocessingIV.1) Les Fonctions de score spécialistes
IV.2) Les Fonctions de score consensus
I] Pourquoi le Criblage Virtuel?I.1) Quelques chiffres…
I.2) Les solutions in silico
PLAN du Cours
M2 BBSG ‘08
II] Les Chimiothèques
II.1) Les différents formats
II.2) Les paramètres « Drug-like »
II.3) Transformation 2D=>3D
III] Les différentes approches de Criblage VirtuelIII.1) Recherche par Homologies (« Similarity/Pharmacophore searching »)
III.2) Recherche par Docking à Haut Débit (« High Throughput Docking »)
IV] Le problème du Re-Scoring / PostprocessingIV.1) Les Fonctions de score spécialistes
IV.2) Les Fonctions de score consensus
I] Pourquoi le Criblage Virtuel?I.1) Quelques chiffres…
I.2) Les solutions in silico
PLAN du Cours
M2 BBSG ‘08
I] Pourquoi le Criblage Virtuel ?
I.1) Quelques Chiffres…
• ~100.000 molécules testées par jour dans un criblage expérimental
• Coût par molécule ~1$ …
• Espace chimique réel ~1020/24 molécules
• 6 Milliards $ dépensés dans le monde en 2000 sur le criblage expérimental !
• Coût de développement d’une nouvelle molécule 231M$ en 1991 => 1000M$ en 2004
• « Time to Market » est passé de 4 => 15 ans
M2 BBSG ‘08
I.2) Les Solutions in silico
Sur les Chimiothèques
• Augmenter la diversité des banques pour diminuer le nombre de molécules à tester
• Utiliser les lois de « Druggability » (« Lipinski Rules of Five »; ADME…)
• Définir des banques spécifiques d’une famille de cibles
Sur les Cibles
• Prédiction des modes de fixations des molécules chimiques (Docking)
Problème:Les critères d’acceptation de nouveaux médicaments sont de plus en plus drastiques
=> Le processus de découverte de nouveaux médicaments se complexifie
Solution:
Optimiser TOUTES les étapes du développement des médicaments pour diminuer le COUT et le TEMPS
M2 BBSG ‘08
II.1) Les différents formats
Banque A 2D Banque B 2D … Banque W 2D
• Il existe des chimiothèques académiques,
commerciales et nationales
• Le but est de construire une chimiothèque
virtuelle in house qui soit à la fois la plus
complète, diverse et représentative de l’espace
chimique total
• Les formats les plus courants sont Mol, Mol2 et
SDF (voir exemples)
•1ère étape: Rassembler les différentes bases 2D et
générer la base complète avec des empreintes 2D
uniques et non redondantes.
II] Les Chimiothèques
M2 BBSG ‘08
II.1.1) La détection des doublons
II] Les Chimiothèques
Courtesy of A. Monge
Les doublons sont parfois plus « délicat » à trouver qu’une molécule
simplement vendue par deux fournisseurs…
M2 BBSG ‘08
II.2) Les Paramètres « Drug-Like »
Banque A 2D Banque B 2D … Banque W 2D
Filtre « Drug Likeness »
Banque Brute 2D
Filtre
doublons
Banque Finale 2D
Nécessité de « Filtrer » les molécules toxiques et non utilisable
en médicaments (on parle de filtrage Pharmacocinétique,
Chimique et de profil de médicament).
Filtres « Maison » dérivés de « règle de 5 de Lipinski » : (Pour
devenir un médicament, une molécule doit posséder 3 des 4 propriétés
suivantes)
• 100 < PM < 800 (PM < 500)
• # Donneurs liaisons H < 5
• # Donneurs accepteurs liaisons H < 10
• SlogP < 7 (logPcalc < 5)
• Surface polaire < 150 A²
• Halogènes < 7
• Nombre Cycles < 6 et Cycles < 6 atomes
• Chaînes linéaires < 6 atomes
• Nombre Liaisons rotatoires < 15
• Présence de certains groupes
Pharmacocinétique
Chimique
* Lipinski, Adv Drug Deliv, Rev 1997
II] Les Chimiothèques
M2 BBSG ‘08
II] Les Chimiothèques
II.2.1) Les Structures Privilégiées
Sous-structures de taille importante que l’on retrouve dans de nombreux
Ligands de cibles biologiques différentes
Courtesy of A. Monge
M2 BBSG ‘08
II] Les Chimiothèques
II.2.2) Les Faux Positifs
• Les fonctions réactives (forment des liaisons covalentes)
• Les « warheads » (forment des liaisons non-covalentes)
M2 BBSG ‘08
II] Les Chimiothèques
II.2.2) Les Faux Positifs
• Les « Promiscuous aggregating inhibitors » (1)
M2 BBSG ‘08
II] Les Chimiothèques
II.2.2) Les Faux Positifs
• Les composés potentiellement mutagènes (1)
M2 BBSG ‘08
II.3) Transformation 2D=>3DBanque A 2D Banque B 2D … Banque W 2D
Filtre « Drug Likeness »
Banque Brute 2D
Filtre
doublons
Banque Finale 2D
Conversion 3D
Banque « Maison » 3D
(~3Million composés)
Pour certains logiciels de docking, nécessité:
• Transformer en 3D
• Traiter les liaisons H
• Traiter l’état d’ionisation
Certains logiciels ce sont imposés sur le marché
CORINA
http://www2.ccc.uni-erlangen.de/software/corina/corina.html
http://www.mol-net.de/
CONCORD (Bob Pearlman)
http://www.tripos.com/software/concord.html
II] Les Chimiothèques
M2 BBSG ‘08
0
50
100
150
200
250
300
350
400
Nom
bre
de
mol
écu
les
MilliersM
icro
sourc
e
Div
ers
ity (
NC
I)
KeyO
rganic
s
MD
PI
Maybridge
AC
B
Chem
sta
r
IFLab
Tripos
Tim
tec
NC
I
IBS
Asin
ex
Chem
div
Chem
bridge
Doublons
Filtrées
Non unique
Entrees uniques
II] La Chimiothèque virtuelle maison
M2 BBSG ‘08
II] Les Chimiothèques
II.4) Le problème de la Diversité
Problème:
• Temps de docking ~30 secondes par molécules (avec FlexX 2.0)
• Espace Chimique ~1024 molécules
~1016 années pour cribler toutes les molécules…
Question:
Comment choisir les molécules à tester lors des criblages virtuels ?
Solutions:
• Banques « de confiance » (d’après les publications)
• Banques « spécialisées » (ex. Banque du NCI: HIV, Cancer etc…)
• Sous-banque de la banque maison: Création d’une Banque de diversité
M2 BBSG ‘08
http://www.univ-orleans.fr/icoa/screeningassistant/
II] Les Chimiothèques
M2 BBSG ‘08
II] Les Chimiothèques
M2 BBSG ‘08
• Compilation des chimiothèques avec prise en charge automatique des doublons
• Analyses Graphiques
• Filtration des composés par leurs propriétés physicochimiques
• Filtration des composés en fonction de leurs propriétés « Drug-like » et « lead-like »
• Suppression des composés pouvant générer des faux-positifs lors des tests biochimiques
• Suppression des composés potentiellement mutagènes
• Sélection des composés par Diversité
II.4.1) Le logiciel Screening Assistant
II] Les Chimiothèques
M2 BBSG ‘08
•Structure Similaire = Activité Proche
•BUT= Sélectionner des molécules suffisamment Dissimilaires
II.4.1) Le logiciel Screening Assistant / Diversité
II] Les Chimiothèques
Courtesy of A. Monge
M2 BBSG ‘08
II.4.1) Le logiciel Screening Assistant / Diversité
Méthode basée sur le clustering
II] Les Chimiothèques
Courtesy of A. Monge
M2 BBSG ‘08
II.4.1) Le logiciel Screening Assistant / Diversité
Ensemble de sous-structures, masse et le logP par exemple
II] Les Chimiothèques
M2 BBSG ‘08
II.4.1) Le logiciel Screening Assistant / Diversité
II] Les Chimiothèques
Courtesy of A. Monge
M2 BBSG ‘08
II] Les Chimiothèques
II.4.1) Le logiciel Screening Assistant / Diversité
Règles de base de nomenclature
Courtesy of A. Monge
M2 BBSG ‘08
III] Les Différentes Approches de Criblage Virtuel
Molécule 1
Molécule 2
Molécule 3
Molécule 5
Molécule 6
Molécule 7
…
Molécule n
Défini les Propriétés SpatialesPhysico-chimiques du site actif
Pharmacophore searching
Arrimage moléculaire
De chacune des molécules de la banque
Dans le site actif
High Throughput Docking (HTD)
?
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
1) Algorithmes Génétiques:GOLD ...
2) Recuit Simulé:AutoDOCK
3) Dynamique Moléculaire:MCSS, CONCEPTS ...
4) Construction par Increments:FLEXX, DOCK, GROW, GroupBUILD,
LUDI , LEGEND, SPROUT, BUILDER,
GENSTAR ...
5) Criblage de Banques de données:Unity, CAVEAT, FOUNDATION, CLIX,
NEWLEAD, LEAPFROG ...
6) Recherche Conformationnelle:MIMUMBA, COBRA, WIZRAD ...
7) Descripteurs Moléculaires:MOE, GRID
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
1) Algorithmes Génétiques:GOLD ...
2) Recuit Simulé:AutoDOCK
3) Dynamique Moléculaire:MCSS, CONCEPTS ...
4) Construction par Increments:FLEXX, DOCK, GROW, GroupBUILD,
LUDI , LEGEND, SPROUT, BUILDER,
GENSTAR ...
5) Criblage de Banques de données:Unity, CAVEAT, FOUNDATION, CLIX,
NEWLEAD, LEAPFROG ...
6) Recherche Conformationnelle:MIMUMBA, COBRA, WIZRAD ...
7) Descripteurs Moléculaires:MOE, GRID
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
III] Les Différentes Approches de Criblage Virtuel
Molécule 1
Molécule 2
Molécule 3
Molécule 5
Molécule 6
Molécule 7
…
Molécule n
Défini les Propriétés SpatialesPhysico-Chimiques du site actif
Pharmacophore searching
Arrimage moléculaire
De chacune des molécules de la banque
Dans le site actif
High Throughput Docking (HTD)
?
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
III.1) Criblage sur Pharmacophore: Les Etapes
Molécule 1
Molécule 2
Molécule 3
Molécule 5
Molécule 6
Molécule 7
…
Molécule n
Définition du
Pharmacophore
Docking /
Analyse
Optimisation
Tests
In vitro
III] Les Différentes Approches de Criblage Virtuel
Criblage
2D ou 3D
M2 BBSG ‘08
III.1) Criblage sur Pharmacophore
•Les atomes de la chaîne principale autour du site actif sont utilisés pour définir les coordonées des centres de sphères d’exclusion. (différentes tailles de volume d’exclusion doivent être testées)
•Ces sphères sont alors fusionnées avec les points caractéristiques en un seul pharmacophore
•Le pharmacophore est alors utilisé pour cribler les banques de données (ex. Maybridge, Leadquest...) *
* En général on doit générer plusieurs requêtes pour: a- explorer les differents modes de fixations (surtout si on travaille à partir d’une structure non complexée)b- explorer différents types de sous-ensembles du pharmacophore
Exemple: Inhibiteur de l’Aldolase Reductase
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
Définir les coordonnées des centres de sphères d’exclusion
Greenidge, PA., Carlsson, B., Bladh, LG., and Gillner, M., J.Med.Chem. (1998), 41:2503-2512
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
Définir les coordonnées des centres de sphères d’exclusion
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
7
5
Moins de faux positifs pour le model 1
Mais il en manque moins (faux négatifs) avec le model 2 qui n‟a que 5 caractéristiques définies
De plus le modèle 1a ne possède pas d‟exclusion de volumes dans ces caractéristiques par rapport à 2a:
Plus de „Hits‟ mais aussi plus de faux positifs…
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
Cribler les banques de données
6 caractéristiques, volumes d‟exclusion
mais pas de poids et tolérances associés…
51 composés retrouvés avec ces caractéristiques!
1998… Aujourd'hui classiquement utilisé…
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
III.2) High Throughput Docking (HTD)
Molécule 5
Molécule 6
Molécule 7
…
Molécule n
Défini les Propriétés SpatialesPhysico-Chimiques du site actif
Pharmacophore searching
Arrimage moléculaire
De chacune des molécules de la banque
Dans le site actif
High Throughput Docking (HTD)
?
Molécule 1
Molécule 2
Molécule 3
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
III.2) High Throughput Docking (HTD)
Contributions Entropiques:
• Perte de degrés de liberté du corps dissout lors de la fixation
• Déplacement des molécules de solvant du site
Contributions Enthalpiques:
• Electrostatiques longues distances
• Liaisons Hydrogènes
• Interactions Van der Waals
• Enthalpie conformationnelle interne
G = H - T S1stp.pdb : Streptavidin-biotin complex
Gbind
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
III.2) High Throughput Docking (HTD)
Le problème de l’Arrimage Moléculaire :Prédire la structure d’un complexe à partir de deux molécules séparées
• Chercher à travers l‟espace conformationnel
• Evaluer les composantes de l‟énergie d‟interaction
• Sélectionner les structures les plus probables
4dfr.pdb :
Dihydrofolate reductase complexed with its inhibitor methotrexate
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
III.2) High Throughput Docking (HTD)
Chercher à travers l’espace conformationnel: une explosion combinatoire
360 iN T
N: nombre de conformations
T: nombre de liaisons rotatoires
i: taille du pas (degré) pour chaque liaison rotatoire
Methotrexate (MTX):
• 10 liaisons rotatoires
• 30º incrément d’angle
1012 conformations possibles
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
III.2) High Throughput Docking (HTD)
• Décrire chaque conformation en termes d‟angles de torsions 1...4
• Chaque liaison rotatoire peut prendre (par ex.) 64 angles différents (Soit un pas de 360/64=5.6º)
• Chaque valeur d‟angle de torsion peut être codée en chiffre binaire à l‟aide d‟un jeu de 6 bits (26=64)
• Chaque conformation est codée par un “chromosome binaire” qui contient 4x6 bits (0 or 1)
H
O
NH2
O
OH
1
2 3
4
tyrosine
Recherche Conformationnelle à partir d’ALGORITHMES GENETIQUES (GA)
011010010110011011101001
1 2
Ex: 011010
1 = 0x25 + 1x24 + 1x23 + 0x22 + 1x21 + 0x20 = 26
=> 5.6 * 26 = 145.6°
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
III.2) High Throughput Docking (HTD) : Les Algorithmes Génétiques
H
O
NH2
O
OH
1
2 3
4
Chromosome Individuel(conformation et configuration unique)
Population(jeux de conformations possibles et d‟états de configuration)
011010.010110.011010.010111
111010.010110.001011.010010
001010.010101.000101.010001
101001.010010.101010.101110
010101.010110.101010.001000
001010.101000.011101.001011
H
O
NH2
O
OH
H
O
NH2
O
OH
H
O
NH2
OOH
Définir une Population:
Gène individuel(code pour une propriété unique)
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
Opérateurs Génétiques:
A: 011010.010110.011010.010111
A’: 011010.010110.011011.010111
Mutations
H
O
NH2
O
OH
H
O
NH2
O OH
Recherche Conformationnelle à partir d’ALGORITHMES GENETIQUES (GA)
III.2) High Throughput Docking (HTD) : Les Algorithmes Génétiques
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
Opérateurs Génétiques:
Crossing - over
ONH2
O
OHH
H
O
NH2
O
OH
H
O
NH2
O
OH
O
H NH2
O
OH
A: 011010.010110.011010.010111
A’: 011010.010110.001011.010010
B: 111010.010110.001011.010010
B’: 111010.010110.011010.010111
III.2) High Throughput Docking (HTD) : Les Algorithmes Génétiques
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
Population A
011010.010110.011010.010111
111010.010110.001011.010010
001010.010101.000101.010001
101001.010010.101010.101110
010101.010110.101010.001000
001010.101000.011101.001011
Migration
(Island model)
Population B
011010.010110.011010.010111
111010.010110.001011.010010
001010.010101.000101.010001
101001.010010.101010.101110
101001.010010.101010.101110
010101.010110.101010.001000
Opérateurs Génétiques:
III.2) High Throughput Docking (HTD) : Les Algorithmes Génétiques
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
• Définir une (des) Population(s)
• Définir les règles (taux de mutations, probabilité pour chaque opérateur, lois de survivances...)
• Exécuter des cycles de générations avec des opérations génétiques pondérées
de manière aléatoire
• Evaluer “fitness” de chaque chromosome individuel
• Eliminer les individus non-survivants
• Répéter les générations de cycles jusqu‟à un nombre prédéfini de générations ou
jusqu‟à ce que la population devienne stable
• Puisque les GAs sont des algorithmes non-déterministes, plusieurs calculs
doivent être effectués.
Procédure complète:
III.2) High Throughput Docking (HTD) : Les Algorithmes Génétiques
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
Autre Exemple: FLEXX: Algorithme de CONTRUCTION PAR INCREMENTS
• Sélectionner la partie la plus rigide comme Fragment de départ “Base Fragment” (BF)
• Trouver les placements du BF (seulement) dans le récepteur qui maximisent les
interactions stériques et localisent les interactions chimiques
• Accroître par incrément le reste du ligand, fragment après fragment, dans le récepteur.
N
N
N+
N
NH2
NH2
H
NH
COO-
COO-
O
CH3Fragments du ligand
III.2) High Throughput Docking (HTD) : Construction par Incréments
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
FLEXX: Placer “Base Fragment” dans le site du Récepteur
Géométries d’interaction compatibles:
Groupements d’Interaction
Donneurs de Liaisons H: (-OH, -NH)Accepteurs de Liaisons H: (C=O, COO-, -OH ...)
Hyrophobes (aromatique, CH3, amide)
Ions Métalliques (Zn2+ ...)
Placer le “Base Fragment”:
Pour chaque triangle des atomes du BF, trouver tous les
triangles compatibles d’interaction dans le récepteur.
Algorithme:
“Pose clustering”(basé sur la reconnaissance de motifs)
III.2) High Throughput Docking (HTD) : Construction par Incréments
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
FLEXX: “Accroître” le ligand fléxible dans le récepteur
N
N
N+
N
NH2
NH2
H
CH3
N
N
N+
N
NH2
NH2
H
CH3
N
N
N+
N
NH2
NH2
H
CH3
BF
F1
F2
Arbre solutions
Après chaque cycle de fragments:• Rejeter immédiatement les solutions avec des superpositions atomiques
• Optimiser les placements localement
• Calculer l‟énergie d‟interaction et le rang
• Garder uniquement les k meilleures solutions pour les prochaines étapes
BF
F1
F2
III.2) High Throughput Docking (HTD) : Construction par Incréments
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
4dfr.pdb :
Dihydrofolate reductase complexée avec son inhibiteur: methotrexate
Exemple: methotrexate (MTX) / dihydrofolate reductase (DHFR).
Dihydrofolate reductase joue un rôle important dans les processus de
réplication de l‟ADN. C‟est une enzyme cible pour la conception de
drogues anti-bactériennes et anti-cancéreuses.
N
N
N+
N
NH2
NH2
H
NH
COO-
COO-
O
CH3
H1
23
45
67
8
9 10
methotrexate
III.2) High Throughput Docking (HTD) : Construction par Incréments
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
N
N
N+
N
NH2
NH2
H
NH
COO-
COO-
O
CH3
H1
23
45
67
8
9 10
methotrexate
Compléxité du Système:
2 cercles aromatiques
10 liaisons rotatoires
3.9x107 conformations possibles
Exemple: methotrexate (MTX) / dihydrofolate reductase (DHFR).
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
N
N
N+
N
NH2
NH2
H
NH
COO-
COO-
O
CH3
H1
23
45
67
8
9 10
methotrexate
Compléxité du Système:
2 cercles aromatiques
10 liaisons rotatoires
3.9x107 conformations possibles
Placement du “Base Fragment” :
107 placements possibles
Placement d‟énergie la plus basse: rmsd 0.48 Å
Exemple: methotrexate (MTX) / dihydrofolate reductase (DHFR).
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
System complexity:
2 Ring systems
10 rotatable bonds
3.9x107 possible conformations
Placement du Base Fragment :
107 placements possible
Placement d‟énergie la plus basse: rmsd 0.48 Å
Construction Complète du ligand :
80 configurations alternatives générées
Configuration d‟énergie la plus basse : rmsd 1.41 Å
Prédiction Gbind=-57 kJ/mol vs Exp. -55 kJ/mol
Exemple: methotrexate (MTX) / dihydrofolate reductase (DHFR).
III] Les Différentes Approches de Criblage Virtuel
M2 BBSG ‘08
Perte d’Entropie pendant la fixation du ligand
Liaisons H entre des atomes neutres
Ponts salins et liaisons H ioniques
Interactions aromatiques
Contacts Lipophiliques (surtout van der Waals)
Gbind
IV] Le problème du Re-Scoring / Postprocessing
Gbind = RT.log KD
f R,
f R,
f R,
f R
0 rot rot
hb
ion
aro
lipo
G G G N
G
G
G
G
fonction de pénalité pour les déviations de la géométrie idéale (R, )
IV] Le problème du Re-Scoring / Postprocessing
M2 BBSG ‘08
IV.1) Les Fonctions de Score Spécialistes:
“Knowled-Based Scoring Function”
•DrugScore : “Solvent accessible surface area with dependent solvation term”
• PMFScore : “Summation of all pairwise interaction term where the magnitude and sign of
each interaction potential is based on the atom types of the interacting pair and the
intervening distance. Potential curves for each atom type pairing are derived from a survey of
crystal structures drawn from the PDB.”
IV] Le problème du Re-Scoring / Postprocessing
M2 BBSG ‘08
“Empirical Scoring Function”
•Autodock : “van der Waals + electrostatic + hydrogen bonding + desolvation energy term
augmenting by entropic term that measures the loss of torsional degrees of freedom upon
binding (proportional to the volume around the atom that are exposed to the solvent).”
•Chemscore: “Regression-based scoring function with Lipophilic and Metal-binding
contributions + Hydrogen Bonding term + Function that penalizes restriction of
conformational degrees of freedom upon binding.”
•FlexX : “Consider the number of rotatable bonds, hydrogen bonds (atom type andgeometry), ion pairing, aromatic interactions and lipophilic contact energy”
•Ligscore1 and Ligscore2•PLP1 and PLP2
IV.1) Les Fonctions de Score Spécialistes:
IV] Le problème du Re-Scoring / Postprocessing
M2 BBSG ‘08
IV.1) Les Fonctions de Score Spécialistes:
“Force-field Scoring Function”
•Gold Score : “Sum of Hydrogen Bonding energy + Steric interaction energy (4-8
potential) + Internal energy for the ligand (van der Waals energy + torsional
potential)”
•Dock Score : “Evaluation function composed of Steric and Electrostatic terms
based on the AMBER force-field.”
IV] Le problème du Re-Scoring / Postprocessing
M2 BBSG ‘08
IV.2) Les Fonctions de Score Généralistes:
Le Problème: Toutes ces fonctions marchent plus ou moins bien, dans des cas plutôt précis
(cavité plus ou moins hydrophile, plus ou moins grande, ligand plus ou moins fléxible etc...
Une solution ? Utilisation de fonctions généralistes, dites CONSENSUS ...
Exemple de GFScore développée au Laboratoire...
IV] Le problème du Re-Scoring / Postprocessing
M2 BBSG ‘08
GFScore
M2 BBSG ‘08
Analyse de la Diversité Structurale des banques
Diversity
Prestwick
Jeu de données
77 complexes
GFScore
M2 BBSG ‘08
Analyse de la Diversité Structurale du jeu de données Protéines / Ligands
GFScore
M2 BBSG ‘08
Analyse de la Diversité Structurale du jeu de données Protéines / Ligands
GFScore
M2 BBSG ‘08
Analyse de la Diversité Structurale du jeu de données Protéines / Ligands
GFScore
M2 BBSG ‘08
Analyse des Résultats de Scoring pour chaque fonctions de score
GFScore
M2 BBSG ‘08
Analyse des Résultats de Scoring pour chaque fonctions de score
GFScore
M2 BBSG ‘08
GFScore à partir de « Diversity »
GFScore
M2 BBSG ‘08
GFScore à partir de « Prestwick »
GFScore
M2 BBSG ‘08
STRATEGIE GLOBALE D’ACCELERATION
DE DECOUVERTE DE NOUVELLES MOLECULES
L’APPROCHE 2P2I
M2 BBSG ‘08
L’Approche 2P2I
M2 BBSG ‘08
L’Approche 2P2I
Complexe Nef – SH3Hck : Complexe Protéine-Protéine avec une interface de 1264A²
=> But est de trouver un inhibiteur de ce complexe => Renforcer la défense immunitaire
M2 BBSG ‘08
RMN
Test ELISA
Test In Cellulo
Test Virologique
D1
313
L’Approche 2P2I
M2 BBSG ‘08
L’Approche 2P2I
Résonance Magnétique Nucléaire
W113ε
L91
L117E98 V74
L58
N126
T80
1H
15N
M2 BBSG ‘08
L’Approche 2P2I
Calorimétrie à Titration Isotherme
KD ~ 0.24 µM
M2 BBSG ‘08
L’Approche 2P2I
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1,40
1,60
0,01 0,1 1 10
µM (MC)
OD
405n
m
=1,2
*
TEST ELISA
phage-SH3
or
phage-peptide
Nef*
anti-phage
GAM HRP
Dx
IC50 ~ µM
M2 BBSG ‘08
L’Approche 2P2I
GAL4
-SH3
VP16
-NEF
Luc
-reporter
Transfection
Library (peptides, drugs)
Phage
displayDocking
Expression LucFF
GAL4
-SH3 VP16
-NEF
Luc-reporter
Candidate inhibitor
Analysis
« Hit »
GAL4
Secondary
sreening
96-well plates
24H
18H
Toxicity
LucRN
LucFF
Expérience In Cellulo
Pénétration
Compétition
Spécificité/Toxicité
M2 BBSG ‘08
L’Approche 2P2I
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1,40
((F
F/R
N)*
10
0)/
DM
SO
2 µM
4 µM
8 µM
16 µM
32 µM
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1,40
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
((F
F/R
N)*
10
0)/
DM
SO
NEF
SH3
Id
MyoD
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1,40
((FF/R
N)*10
0)/DMSO
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1,40
((FF/R
N)*10
0)/DMSO
2 µM
4 µM
8 µM
16 µM
32 µM=0,7
*
Expériences In cellulo
IC50 ~ µM
M2 BBSG ‘08
L’Approche 2P2I
Analyse Fonctionnelle de l’effet des composés Chimiques
Dans une expérience de régulation négative des MHC-1 et CD4
M2 BBSG ‘08
L’Approche 2P2I
M2 BBSG ‘08
L’Approche 2P2I
1) Expériences in cellulo
• 1990 molécules testées (25 plaques) D1 blanc / Validation
• 78 hits : 3,9% de hits dans le criblage primaire
• Mesure IC50 et la toxicité cellulaire…
=> 7 Hits sont confirmés (w/ % d’inhibition > 70% @ 10µM)
2) Calorimétrie à Titration Isotherme
4 hits sont validatés avec un KD ~ µM
D1 a le meilleur KD @ 0.24µM …
Criblage à Moyen Débit de la banque « Diversity »
M2 BBSG ‘08
L’Approche 2P2I
M2 BBSG ‘08
L’Approche 2P2I
M2 BBSG ‘08
QSAR/ CoMFA…
Dérivatisation des
Groupements
Fonctionnels
Modèle Statistique
Tests Virtuels
Modèle
CoMFA
Tests Cliniques
A Suivre…
M2 BBSG ‘08
L’Approche 2P2I
M2 BBSG ‘08