今夜月明人尽望，“靶点探月”膜蛋白

随着G蛋白偶联受体(GPCRs)结构信息的增多，人们对其结构、功能、选择性和配体结合有了更深入的了解。虽然使用虚拟筛选等方法可以确定新的配体，但由于预测化合物的结合自由能仍存在挑战，而计算驱动的先导化合物优化只能在个别案例中实现。

在本期Uni-FEP靶点“探月”计划中，我们以Class A GPCR A2A为靶点蛋白，选取了文献中具有代表性的化合物作为配体，使用Uni-FEP计算其与A2A的结合自由能，探索并验证了Uni-FEP在A2A体系中的适应性和准确性。

A2A概述

G蛋白偶联受体（GPCR, G Protein-coupled receptor）是哺乳动物基因组中最大的膜蛋白家族，它们广泛参与视觉、嗅觉，行为、认知、免疫、神经调节等一系列生理过程，一直被认为是重要的药物靶点。据统计，目前美国FDA批准的化学新药分子中就有超过1/3的新药靶向该类家族的受体成员^[1]。A2A属于Class A GPCR，在广泛的生理过程中发挥核心作用，是多种病理生理条件下的潜在治疗靶点，包括睡眠障碍、癌症和痴呆^[2]。与普通水溶性蛋白相比，GPCR包埋在磷脂双分子层中，存在多个潜在的结合口袋，且口袋中可能存在深埋水。这使得自由能方法应用于GPCR时比一般可溶性球状蛋白靶点更具挑战性^[3]。本文以7个IC₅₀跨度大于1000倍的A2A抑制剂为例^[3]，探究了Hermite^® Uni-FEP预测A2A抑制剂结合亲和力及指导先导化合物优化的能力。

Uni-FEP准确计算化合物与A2A的结合自由能

· 计算体系

本文选取了其中7个具有代表性的化合物：1、2、3、8、11、13和17^[3]，使用Uni-FEP快速验证与A2A（PDB ID：3PWH）的结合自由能，用以验证Uni-FEP计算预测化合物结合自由能的准确性及对靶点A2A的适用性。选取的化合物结构如图1所示。

图1 用于Uni-FEP计算的化合物

· 计算过程

Hermite^® Uni-FEP提供完整的、自动化的FEP计算流程和结果分析指导，整个流程包括：蛋白准备、配体准备、化合物对齐（支持刚性对齐、柔性对齐、限制性对接）、化合物对的自动Mapping/Perturbation、构建微扰图、结果分析。

图2  化合物与A2A靶点的结合模式

图3 Uni-FEP构建的微扰图示意图及配体mapping示意图

· 计算结果

表1为Hermite^® Uni-FEP计算ΔG与实验ΔG的比较表格。从表中可知所有化合物的实验值和预测值偏差均小于1.4 kcal/mol，计算精度很高（对于FEP的计算而言，预测值与实验值间的差值小于1.4 kcal/mol，化合物活性相差10倍左右，属于精度可以接受的范围）。其中，预测出活性较好的化合物与实验中活性较好的化合物保持一致。

表1 Hermite^® Uni-FEP计算结果与实验结果比较

进一步分析计算ΔG与实验ΔG的相关性（图4），两者之间的相关性R²=0.84，RMSE=0.54 kcal/mol，表明Uni-FEP通过计算药靶结合自由能，可对一系列化合物进行较为准确的亲和力预测，显著优于文献中^[3]的测试结果（R²=0.74，RMSE=1.24 kcal/mol）。

表明Uni-FEP在A2A的预测体系中，已经具备完美反映化合物实验亲和力的能力。

图4  FEP计算结果与实验值的相关性（横坐标为实验值，纵坐标为计算值）

Cycle closure所得绝对结合自由能ΔG预测值和实验值的相关性（左图）；相对结合自由能ΔΔG（pair）预测值和实验值的相关性（右图）

结论

本文利用Hermite^® 平台的Uni-FEP模块，计算了A2A与其抑制剂的结合自由能。结果表明计算的结合亲和力与实验值具有较高的相关性，且显著优于已发表文献中使用其他工具计算出的测试结果^[3]。证实了Hermite^® Uni-FEP能够通过计算一系列化合物与靶标的结合自由能，从而实现指导先导化合物优化的工作。

Hermite^® Uni-FEP 靶点“探月”计划更多靶点案例，请参考：

参考文献

[1] Santos R, Ursu O, Gaulton A, Bento AP, et al. A comprehensive map of molecular drug targets. Nat Rev Drug Discov. 2017 Jan;16(1):19-34.

[2] Carpenter B, Lebon G. Human adenosine A2A receptor: molecular mechanism of ligand binding and activation[J]. Frontiers in pharmacology, 2017, 8: 898.

[3] Lenselink E B, Louvel J, Forti A F, et al. Predicting binding affinities for GPCR ligands using free-energy perturbation[J]. ACS omega, 2016, 1(2): 293-304.

上下滑动查看更多

关于Hermite^® Uni-FEP

Hermite^®是深势科技打造的基于AI for Science新范式的新一代药物计算设计平台，致力于为药物研发工作者提供一站式解决方案，满足多种场景的药物研发需求。Uni-FEP是Hermite^®最新推出的药物结合自由能计算模块，将自由能微扰理论、分子动力学、增强采样算法与高性能计算相结合，能够以化学精度高效评估蛋白质与配体的结合亲和力，实现工业规模的先导化合物优化。

如何试用

了解更多算法能力或加入Hermite^®官方交流群，请扫码添加平台官方微信：

关于深势科技

深势科技成立于2018年，是“AI for Science”科学研究范式的先行者，致力于运用人工智能和分子模拟算法，结合先进计算手段求解重要科学问题，为人类文明最基础的生物医药、能源、材料和信息科学与工程研究打造新一代微尺度工业设计和仿真平台。