GPX4是細胞鐵死亡過程中的重要靶點，GPX4負責催化還原的過氧化脂質(zhì)都是嵌入在細胞膜中的，為了貼合平坦的細胞膜表面，GPX4的催化口袋非常平坦，類似于蛋白蛋白界面，不是常規(guī)意義上的可藥口袋，這對非共價靶向GPX4的催化口袋造成了很大的難度。

      在靶向這類平坦的口袋時，在特大化合物庫中進行篩選是非常有必要的，因為平坦的口袋能提供的作用力有限，只有極少數(shù)小分子能完美地貼合到口袋上，并充分利用這些作用力來達到較高的活性。特大化合物庫中的分子一般由化學砌塊通過不同類型的單步化學反應(yīng)組合而成，其分子數(shù)量能達到10億以上，這為找到那些極少數(shù)能靶向GPX4催化口袋的分子提供了足夠大的基數(shù)。

目前還沒有任何濕實驗方法能夠支撐10億級別化合物庫的實體篩選。

      苗頭化合物篩選的濕實驗方法中，目前主流的方法有高通量篩選（HTS）和DNA編碼化合物庫（DEL）等。但和特大化合物庫相比，兩者所覆蓋的化學空間就小了很多。HTS測試的分子數(shù)量很難超過一百萬，也就是僅有特大化合物庫千分之一的數(shù)量。DEL所包含的分子能達到一億個，但是因為受到化學反應(yīng)類型的限制，DEL的分子多樣性遠遠不如特大化合物庫。

雖然濕實驗方法無法覆蓋特大化合物庫的所有分子，但在虛擬篩選中，通過采用不同顆粒度的親和力打分算法，并結(jié)合機器學習算法可以實現(xiàn)對10億分子的高效篩選，并具有高度的準確性。

      但在特大化合物庫中搜索時，傳統(tǒng)的虛擬篩選策略是不適用的。

? 傳統(tǒng)的虛擬篩選方法主要包含以下步驟：

1）分子對接：把庫中所有的小分子對接到要靶向的口袋上，獲得小分子在口袋上的結(jié)合模式。

2）對接打分：對結(jié)合模式用對接打分進行評估，并挑選對接打分較好的分子；

3）評估排序：對挑選出的分子用精度更高的方法，如MMGBSA或者FEP進行評估；

4）挑選驗證：挑選MMGBSA或者FEP打分較好的分子進行合成測試。

在傳統(tǒng)虛篩流程的1）和2）步驟中，即使對千萬級別化合物庫中的每個分子進行對接打分，也需要花費一整天的時間來完成。而對于一個規(guī)模達到10億的虛擬化合物庫，要完成全部的對接打分則需要長達3個月的時間。

顯然，這樣的時間成本是不切實際的。

? 晶泰科技的解決方案——定制化的虛擬篩選策略

在GPX4案例中，晶泰科技使用了針對特大化合物庫開發(fā)的虛篩流程。

1）片段對接：首先用10,000個片段作為“探針”對接到GPX4的催化口袋上，這些片段擁有不同的化學性質(zhì)和結(jié)構(gòu)，代表了不同類型的藥效團。

2）FEP計算：接著用XFEP（晶泰科技自由能微擾技術(shù)）來評估這些片段在口袋上各個位置的結(jié)合強度。

3）主動學習：運用Active Learning (主動學習) 技術(shù)通過多輪迭代，對分子庫進行采樣和分析，在一天時間內(nèi)總計進行了超過5000個FEP計算，并用預(yù)測的結(jié)合強度訓練AI模型，用于加速在化學空間中的探索。

4）藥效團模型構(gòu)建：通過FEP預(yù)測出的結(jié)合強度排序這些片段，得到GPX4催化口袋上各個位置所對應(yīng)的藥效團。

5）快速檢索：使用這些藥效團快速檢索特大化合物庫，并挑出8000+個擁有這些藥效團且空間排布正確的分子。

6）虛擬篩選：通過傳統(tǒng)虛篩流程對這8000+個分子進行排序，最終挑選了159個分子進行自動化庫合成。

根據(jù)藥效團和它們的空間排布，研究團隊從晶泰自動化可及的虛擬化合物庫中挑選了8,000多個化合物，并根據(jù)它們的物理化學性質(zhì)、預(yù)測的ADMET屬性FEP打分和AI模型預(yù)測的可合成性進行篩選，最后挑選了159個化合物進行合成，成功合成了124個化合物（純度95%，重量5mg）。最后，團隊使用商業(yè)試劑盒對這124個分子的酶活進行了測試，在這些全新骨架的分子中，有3個分子的活性達到了IC50<10μM，活性最好的分子其酶活與已報道的共價抑制劑相當。在高通量FEP計算平臺和自動化庫合成技術(shù)的幫助下，整個虛擬篩選+合成的過程僅用了28個工作日。這些苗頭化合物有望作為非共價靶向GPX4的起點，為進一步在動物模型中驗證GPX4的靶向效果奠定基礎(chǔ)。

      正如前文所述，通過在特大化合物庫中進行篩選，可以提高針對GPX4等口袋較淺的靶點的成功率。通常情況下，在苗頭化合物篩選階段，每個分子的成本和交付時間都受到嚴格控制。在成本和交付時間的雙重壓力下，市面上的特大化合物庫中的分子通常是通過不同的分子砌塊進行一步合成得到的，這也限制了庫中分子的多樣性。

      晶泰科技的特大虛擬化合物庫由200萬個分子砌塊通過化學反應(yīng)規(guī)則生成得到，除了一步反應(yīng)組合成的分子，也包括需要兩步化學合成才能得到的分子，這使得晶泰的虛擬特大化合物庫的多樣性遠遠大于其他供應(yīng)商。而且，這些兩步反應(yīng)合成的分子的單價和交付周期依然適用于苗頭化合物篩選的場景。一個原因是公司實現(xiàn)了化學合成中多個重要環(huán)節(jié)的完全自動化，并且擁有200多臺自動化合成工站。這讓在傳統(tǒng)實驗室中一個合成人員需要3周才能完成的反應(yīng)；而在晶泰，可以在5天內(nèi)用幾臺自動化合成工站輕松完成。第二個原因是，公司使用合成工站產(chǎn)生了大量高質(zhì)量的常用反應(yīng)合成數(shù)據(jù)（每月產(chǎn)生30,000個反應(yīng)數(shù)據(jù)），然后針對不同的反應(yīng)類型訓練了反應(yīng)可行性預(yù)測AI模型。根據(jù)這些AI模型預(yù)測結(jié)果，可以直接跳過合成小試，從而大幅縮短人工、物料成本以及交付時間。

      基于這兩個因素，晶泰科技成功地將兩步化學合成所需的成本和時間降低到與傳統(tǒng)實驗室中完成一步合成相當?shù)乃?。這一創(chuàng)新使得公司的虛擬化合物庫能夠擴展到那些只能通過兩步合成才能獲得的分子，從而在分子總量和多樣性方面實現(xiàn)了突破。

      另一個技術(shù)關(guān)鍵點在于使用了FEP進行結(jié)合親和力的打分，根據(jù)晶泰內(nèi)部的實踐經(jīng)驗和文獻報道【1】，FEP在虛擬篩選中對親和力的評估精度遠遠高于對接打分，根本的原因在于對接打分作為上世紀90年代的產(chǎn)物，在算法上采用了大量的近似來適應(yīng)當時的計算機算力。而相對于對接打分，F(xiàn)EP在預(yù)測親和力時，不但考慮了基本的蛋白配體相互作用力，同時也考慮了配體分子內(nèi)能、去溶劑化能和結(jié)合口袋的柔性變化等對接打分不考慮的部分，對于決定親和力的因素描述更完整。FEP在虛擬篩選中的應(yīng)用可以說讓虛擬篩選的成功率相比于過去得到了數(shù)量級的飛躍。

     據(jù)統(tǒng)計，在晶泰內(nèi)部60多個虛擬篩選項目的應(yīng)用表明, XFEP的精度超越現(xiàn)有的大部分商業(yè)軟件，并得到了國際頭部藥企的普遍認可。得益于XFEP的使用，晶泰的虛擬篩選成功率達到90%以上（IC50<100μM），有70%的虛篩項目達到了IC50<10μM。

當然，F(xiàn)EP能有更高的精度也需要更大的算力來支撐。晶泰的XFEP平臺通過優(yōu)化硬件利用率，相對于開源的FEP軟件提升了一倍的計算效率。同時，晶泰擁有大規(guī)模云平臺調(diào)度能力，覆蓋全球主流的云平臺供應(yīng)商，來保證5000個分子/天的親和力評估通量。目前，只有極少數(shù)虛擬篩選服務(wù)供應(yīng)商，如晶泰，具備進行大規(guī)模FEP計算的能力。盡管市場上普遍使用的是上個世紀開始應(yīng)用的傳統(tǒng)虛擬篩選流程，這種流程在許多靶點上已被證明有效，并能夠降低化合物篩選的成本，但與HTS和DEL篩選相比，傳統(tǒng)虛擬篩選流程并不能提供差異化的結(jié)果。一些供應(yīng)商在傳統(tǒng)虛擬篩選流程中引入了FEP計算，在對接打分篩選之后，對于對接打分排名TOP100的分子進行FEP計算。然而，由于對接打分的精度限制，對于像GPX4這樣難以靶向的小分子靶點，這100個分子中可能沒有任何陽性分子，因此這100個FEP計算對虛擬篩選結(jié)果沒有任何幫助。虛擬篩選是一種基于AI和計算化學的高效藥物發(fā)現(xiàn)工具，能夠加速新藥的發(fā)現(xiàn)和開發(fā)過程。隨著AI技術(shù)和計算能力的不斷提升，以及自動化技術(shù)的快速發(fā)展，虛擬篩選在藥物設(shè)計領(lǐng)域?qū)⒗^續(xù)發(fā)揮重要作用。晶泰科技將致力于進一步優(yōu)化篩選方法，大力發(fā)展AI模型和自動化技術(shù)，提高篩選的準確性和效率，為藥物研發(fā)持續(xù)賦能。

信息來源：醫(yī)藥魔方

聲明：本文系轉(zhuǎn)載內(nèi)容，版權(quán)歸原作者所有，涉及作品問題，我們將在第一時間刪除！