导读
- 针对 CDK1 利用 BREED 算法生成新的小分子库。
- 通过虚拟筛选和分子对接，从库中筛选出十种潜在抑制剂。
- 运用分子动力学模拟，确认五种具有高亲和力的候选分子。
CDK1 是抗肿瘤药物的重要靶标，但目前尚无临床有效的 CDK1 抑制剂。
研究者使用 BREED 算法创建了一个针对 CDK1 的小分子库。通过对生成的库初步筛选出十种潜在的 CDK1 抑制剂，这些抑制剂具有良好的理化性质和优异的药物可行性。
接着，通过 MD 模拟（总计 18 微秒）和元动力学模拟，研究了这十种候选分子与 CDK1 复合物的分子相互作用和动态稳定性，最终筛选出五种具有更高结合亲和力的候选分子。此外，另一次 MD 模拟（总计 2.1 微秒），使用不同的力场，证实了这五种候选分子对 CDK1 的结合能力。
结果表明，这五种候选分子（CBMA001、CBMA002、CBMA004、CBMA007 和 CBMA008）与 CDK1 的结合亲和力显著高于阳性对照物质 Flavopiridol（FLP）。最终，CBMA002 和 CBMA004 被识别为优秀的 CDK1 选择性抑制剂。
蛋白质结构获取
激酶活化段
激酶活化段，特别是 DFG 基序，在催化作用中至关重要。研究中利用 Kincore 分析 CDK 的 DFG 及其在晶体结构中的 αC-螺旋状态。这一分析对区分 CDK 活跃与非活跃构象至关重要。
选择 CDK1 构象
在研究中，选择了与 Flavopiridol（FLP）复合的 CDK1 的活跃构象。这一选择基于各种标准，如人源结构、小分子配体的存在，以及高分辨率因素。FLP 对 CDK1 的抑制价值是其被选中的一个重要因素。
分子动力学（MD）模拟
在进行分子对接之前，使用 Desmond 包进行了 100 纳秒的 MD 模拟。这一步骤对于识别 CDK1 的高质量、低能量结构构象至关重要。
分子生成
BREED 算法
以 CDK1 作为靶标首次使用 BREED 算法进行新药的原创性生成。方法包括在对齐分子中交换基团以创造新的小分子。
模板选择和分子对接
模板基于 21 种具有强大 CDK1 抑制活性的小分子以及内部库中的额外化合物。通过分子对接实现这些分子的对齐，为 BREED 算法生成新分子做好了准备。
分子对接
蛋白质准备和对接过程
从 PDB 数据库获取的蛋白质结构需要使用 Schrodinger 的蛋白质准备向导进行准备。这包括添加氢原子、填补缺失的残基，以及优化氢键。Grid 是根据特定参数生成的，小分子使用 LigPrep 模块进行准备。
对接和结合亲和力分析
使用 Schrodinger 的 Glide 模块进行分子对接研究。评估了配体-蛋白质结合模型、对接分数和结合自由能，以筛选潜在的 CDK1 抑制剂。初步能量计算使用了 Prime MM-GBSA 模块。
对接程序的验证
使用 DUD 和 DUDE 基准数据集验证了对接程序。这一验证过程包括计算 ROC AUC 值和 BEDROC 值，以评估虚拟筛选性能。
药物化学属性和药效学评估
药物特性的重要性
在药物设计中，考虑毒理学、药代动力学和假阳性命中等因素至关重要。研究强调了筛除药效低和物理化学特性差的化合物的重要性。
计算机预测工具
使用 ADMETlab 2.0 预测生成分子的属性，包括它们的合成可及性和结构新颖性。
分子动力学模拟
长时间尺度 MD 模拟
使用 Desmond 对前 10 个 CDK1-配体复合物进行了 500 纳秒的 MD 模拟。这些模拟涉及详细的参数设置，对于轨迹分析和结合自由能计算至关重要。
BPMD
BPMD 用于评估小分子对 CDK1 的结合稳定性。这种方法有效地探索了溶液中配体的稳定性，提供了配体-蛋白质相互作用持久性的观察。
结合模式分析
为了理解最终命中化合物的选择性，研究了它们在不同 CDK 中的结合模式。研究包括将这些化合物对接到不同 CDK 构象中，并使用 MMGBSA 方法计算它们的结合自由能。
主要结果
- 🧬 分子生成：研究者使用 BREED 工具进行了四代分子生成，共产生了 113,606 种化合物。
- 🎯 筛选过程：通过分子对接、动力学模拟和自由能计算，筛选出了五种潜在的 CDK1 抑制剂。
- 💡 结构分析：对筛选出的化合物进行了结构分析和动力学稳定性评估。
研究者利用 BREED 工具从 24 种模板化合物出发，进行了四代分子生成。
他们使用分子对接方法将化合物与 CDK1 的 ATP 结合位点进行对接，并对 546 种新化合物进行了筛选，最终保留了符合特定标准的化合物。
通过进一步的分子动力学（MD）模拟和结合自由能计算，从生成的化合物库中筛选出了 50 种结构多样的化合物。这些化合物在动力学模拟中显示出良好的结合稳定性，并在不同力场下进行了 100 纳秒的 MD 模拟。通过对蛋白质主链原子的均方根偏差（RMSD）和残基均方根波动（RMSF）分析，以及氢键分析，确认了这些化合物的结合稳定性。
最终，通过对结合自由能的详细分析，识别出了五种具有高结合亲和力和良好稳定性的潜在 CDK1 抑制剂。此外，这些化合物在 CDK 家族中显示出良好的选择性，特别是 CBMA002 和 CBMA004 表现出了对 CDK1 的高度选择性，显示了作为 CDK1 选择性抑制剂的研究和合成潜力。
图表 2：CDK1 与初筛化合物结合模式的三维展示
图中展示了 CDK1 与配体的结合方式。与配体相互作用的残基以灰色线条标识，小分子配体以彩色棍状图呈现。
图表 3：CDK1 蛋白与初始命中分子复合物的蛋白主链 RMSD 时间序列
图表 4：CDK1 蛋白在 500 纳秒分子动力学模拟中的相对残基波动分析
图表 5：展示 11 种分子与 CDK1 周围残基的相互作用情况
在 500 纳秒的模拟中，超过 30%的相互作用发生在 CBMA006（占比 15%）。
图表 6：CDK1 复合物在 10×10 ns 元动力学模拟中配体的平均 RMSD
图表 7：模拟系统中蛋白质主链的 RMSD 变化情况
图表 8：CDK1 相对残基波动分析
在 100 纳秒的模拟时间内，CDK1 展示了显著的负向和正向波动。
图表 10：模拟系统的能量分解分析
图表 11：轨迹最后一帧的配体/CDK1 复合物结合模型
图中以橙色棒模型显示与分子相互作用的残基，蛋白质以彩色丝带形式展示。黄色虚线代表氢键，洋红色虚线代表盐桥，橙色虚线代表 π-π 相互作用。
表格 1: 使用 BREED 算法筛选出的初始命中化合物
表格 2: 模拟系统的均方根偏差(RMSD)与结合能量
表格 3: 500 纳秒分子动力学模拟前后蛋白质与配体的构象变化及 BPMD 结果
表格 4: 各分子与 CDK1 形成的氢键分析
- 氢键的距离上限小于 3.5 Å。氢键的角度下限大于 135°，并且在观察期间至少持续 30%的时间。最长寿命指的是氢键持续的最长时间。
图 9: 100 纳秒分子动力学模拟期间氢键相互作用的热图
表格 5: 利用 MMGBSA 方法计算的配体-蛋白复合物的结合自由能组成（Kcal/mol）
缺点:
- 研究结果的验证：
- 该研究缺乏对计算上识别的抑制剂的实验验证，这对于验证它们的有效性和安全性至关重要。
- 需要更详细地讨论如何将这些发现转化为实际应用。
- 与现有方法的比较分析：
- 研究没有充分比较所提出的方法与现有药物发现方法。
- 未进行与已知 CDK1 抑制剂的比较分析，可能限制对识别化合物新颖性和有效性的理解。
改进建议:
包括实验验证：
- 进行体外和/或体内研究以验证识别化合物的有效性。
- 包括药代动力学和毒性研究，以评估化合物的实际应用性。
扩大比较分析范围：
- 将识别的化合物与更广泛的已知 CDK1 抑制剂进行比较。
- 讨论所提方法在现有药物发现方法背景下的优势和局限性。
参考资料:
He, F., Wang, X., Wu, Q., Liu, S., Cao, Y., Guo, X., Yin, S., Yin, N., Li, B., & Fang, M. (2023). Identification of potential ATP-competitive cyclin-dependent kinase 1 inhibitors: De novo drug generation, molecular docking, and molecular dynamics simulation. Computers in Biology and Medicine, 155, 106645. https://doi.org/10.1016/j.compbiomed.2023.106645
关注我，记得标星哦～
