1 / 51

Liens entre le criblage virtuel (vHTS) de cibles thérapeutiques potentielles et la conception de molécules réelles

Liens entre le criblage virtuel (vHTS) de cibles thérapeutiques potentielles et la conception de molécules réelles. Suzanne Sirois Professeure Associée Département de Chimie UQÀM. Champs d’applications in silico. Biologiques Génomiques, protéomique, chemogénomique Chimiques

ouida
Download Presentation

Liens entre le criblage virtuel (vHTS) de cibles thérapeutiques potentielles et la conception de molécules réelles

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Liens entre le criblage virtuel (vHTS) de cibles thérapeutiques potentielles et la conception de molécules réelles Suzanne Sirois Professeure Associée Département de Chimie UQÀM

  2. Champs d’applications in silico • Biologiques • Génomiques, protéomique, chemogénomique • Chimiques • Catalyse, séparations, réactions • Découvertes d’agents thérapeutiques • optimisation, développement, biodisponibilité • Polymères • Gels, adhésifs, lubrifiants, peintures • Matériaux • Prédiction de structures, spectroscopie • Nano-technologie

  3. Présentation • Chimiothèques et Cibliothèques • Exemple d’application: SARS-CoV Mpro

  4. HITS Bronze lead Silver lead Gold lead Genomics Pathway Structural HTS and Virtual de novo Ligand-based Synthetic Pharmaceutical Pharmaco Dosing analysis biology screening design design chemistry optimization genetics optimization TARGET DISCOVERY LEAD/Candidate seeking DRUG DEVELOPMENT Clinical Testing Target validation Target 3D structure 3D Bioinformatics Vers la Bio-intelligence

  5. Projet du Génome Humain • Selon l’International Human Genome Sequencing Consortium, on estime • le nombre de gènes encodant les protéines humaines • entre 20,000-25,000 • Lincoln D. Stein. Human genome: End of the beginning. Nature431, 915 - 916 2004

  6. L’Univers Chimique10100-400 molécules Molécules organiques 1024-40 Ertl, P. J. Chem. Info. Comput. Sci., 43, 374-380 (2203) Molécules actuellement synthétisées106 Molécules se liant à des cibles thérapeutiques 10?

  7. L’union des deux • Découverte et mise au point de • molécules thérapeutiques • Identification de la fonction des protéines • Intègre les informations • génomique • biologique • chimique • pharmacologique et pharmacocinétique • Sert à comprendre • la base moléculaire de l'efficacité d'une molécules • et à prédire sa toxicité potentielle et autres effets indésirables • Interactions protéine-protéine

  8. Cibliothèque Ensemble de chimiothèques Structure 3D Expérimentale connue Pas de structure 3D déterminée Base de molécules 2D Structure Modèle Conversion Criblage in silico Criblage Virtuel Docking Pharmacophore Modèle SAR Base de molécules 3D Liste de touches (hits) Chimiothèques Filtrage Test in vivo Mesure affinité Mesure activité S. Sirois et al.Assessment of Chemical Libraries for their Druggability, Comput. Biol and Chem., 29 55-67 (2005). 5 M

  9. Filtrage: propriétés physico-chimiques

  10. FiltrageGroupes Réactifs

  11. Criblage virtuel de cibles potentielles (virtual High Throughput Screening)vHTS Structure 3D cible Site Fonction de la protéine Chimiothèques Ligand Complexé Modèle pharmacophore Algorithmes, Ordinateurs Liste de touches (hits) Criblage vHTS

  12. Application Criblage Virtuel sur SARS-CoV Mpro

  13. Données du WHO sur le SARS • au 31 décembre 2003 http://www.who.int/csr/sars/country/table2004_04_21/en/index.html • 29 pays touchés 8096 cas 774 morts • Canada 251 cas 43 morts • Transmission par contact face-à face

  14. SARS Mpro as Target • All coronaviruses encode a chymotrypsin-like (3CLPro) protease • forproteolytic procession during virus maturation. • SARS-CoV main proteinase Mpro or 3C like • similar to the Picornavirus • Cys-His catalytic dyad (Cys145-His41) similar to • TGEV Mpro (Cys144-His41) • HcoV Mpro (Cys144-His41).

  15. SARS Mpro as Target • Because of its essential role in proteolytic processing, the SARS Mpro • considered an attractive target for antiviral drugs against SARS and other coronavirus infections

  16. Protease Susceptible Sites • Usually extend to an octopeptide with the scissile bond located between the subsites P1 and P1’ • SARSMpro cleaves at least 11 inter-domain sites on thepp1a and pp1ab polyproteins involving Leu-Gln (Ser, Ala, Gly) sequences: LQ(S,A,G)

  17. Modélisation 3D par Homologie Structure 3D d’une protéine connue Modéliser la structure 3D de la protéine cible basée sur celles connues Si la structure3D de la cible est inconnue Construire la serrure pour ensuite trouver la clé

  18. Modélisation par Homologie Structure 3D -SARS-CoV Mpro • HCov 40%, TGEV 44% • 304 AA. • domaine 1 (res. 8–99) mauve • domaine 2 (res. 100–183) jaune • domaine 3 (res. 200–300) bleu • Boucle (res. 184–199 ) liant les domaines 2 et 3 mauve . • Site de liaison localisé entre les domaines 1-2 K. Anand, et al.Coronavirus Main Proteinase (3CLpro) Structure: Basis for Design of Anti-SARS Drugs. Science 300, 1763-1737 (2003)

  19. Modélisation et Superposition des Structures 3D • Modélisation 3D de SARS MPro à partir de HCoV • PDB: 1P9S • Expérimentale • PDB: 1UJ1 • RMS = 1.4 Å

  20. Peptidomimétique Dyade Catalytique de SARS-CoV MproHis-41 et Cys-145

  21. preparative HPLC is used to purify the final product.

  22. Gan, Y.R. et al Synthesis and activity of an octapeptide inhibitor designed for SARS coronavirus main proteinase, Peptide, 27(4), 622-5, (2006)

  23. Comment trouver d’autres types d’inhibiteursSuperposition des ligands naturels • Superposition des peptides 1UK4-SARS (vert) et 1P9U-TGEV (rouge) à partir des coordonnées des structures cristallines • Donne un RMS de 2.19Å pour tous les Ca. • Modes de liaisons différents pour les ligands du SARS et TGEV MPro

  24. Superposition des ligands naturels • Domaines I et II • Superposition de 6 structures complexées du SARS: 1UK4, 1WOF, 2A5I, 2AMD, 2AMQ, 2D2D • Montre une poche de liaison conservée où le sous-site S1 est dans un creux prononcé qui contient les résidus de la diades catalytiques Cys145 and His41.

  25. Superposition des ligands naturels • Surface moléculaire de la poche à partir des 6 ligands complexés 1UK4, 1WOF, 2A5I, 2AMD, 2AMQ, 2D2D. • Bleu: région hydrophobe • Vert hydrophile • Rouge: surface exposée au solvent

  26. Superposition des ligands naturels • Surface moléculaire consensus à partir des 6 ligands complexés 1UK4, 1WOF, 2A5I, 2AMD, 2AMQ, 2D2D. • Pair d’électrons libre: pourpre • hydrophobe: vert • Enthalpie, entropie

  27. Comment trouver d’autres types d’inhibiteurs Superposition de la protease 3C du rhinovirus (1CQQ) complexée avec l’inhibiteur AG7088 sur protéase principale du CoV (SARS-CoV Mpro ) (1UJ1) KZ7088 (A) AG7088 (B) Mathews , D.A. et al. Structure-assisted design of mechanism-based irreversible inhibitors of human rhinovirus 3C protease with potent antiviral activity against multiple rhinovirus serotypes. Proc.Natl.Acad.Sci.USAv96pp.11000-11007 , 1999

  28. Modèle Pharmacophore de KZ7088 KZ7088 amarré dans site de liaison de SARS-CoV Mpro 7 points pharmacophores S. Sirois, et al., Virtual Screening for SARS-CoV Protease Based on KZ7088 Pharmacophore Points, J. Chem. Inf. Comput. Sci. 44, 1111-1122, (2004).

  29. Criblage Virtuel sur 5M molécules a donné 2789 touches (hits) 0.07% satisfait 5 des 6 liaisons hydrogènes (points pharmacophore) Propriétés physico- chimiques % Violation 17 0 23 1 17 2 47 >2 S. Sirois, et al., Virtual Screening for SARS-CoV Protease Based on KZ7088 Pharmacophore Points, J. Chem. Inf. Comput. Sci. 44, 1111-1122, (2003).

  30. Exemples de touches obtenues Fonction d’évaluation

  31. Modification virtuelle Modification Calcul E int Convergence?

  32. HTS Identifies Inhibitors of the SARS Cov J.E. Blanchard et al. HTS Identifies Inhibitors of the SARS Cov Mpro, Chem & Biol. 1, 1445-53, (2004)

  33. HTS Identifies Inhibitors of the SARS Cov

  34. From Hit to Lead Validated hits from HTS screening Scaffolds identified Identified pharrmacophores Computational Chemistry Cheminformatics proposed Pharmacophore For QSAR Proposed focused library Purchase cpds Test in in vitro assays Revise design YES Actives? NO Provisional patent filings Lead for further optimization

  35. Identification Cible Structure 3d Topologie Site Topologie Fragment Génération Pharmacophore Structures 3D Ligand Cibliothèques Chimiothèques Agents thérapeutiques Fonctions des protéines Résumé Méthodes in silico et CHP

  36. High Throughput Virtual Screening

  37. Projet d’envergure • Screensaver Lifesaver Project • Computational Drug Design at the University of Oxford • The National Foundation for Cancer Research Centre • United Devices members Virtual screening using grid computing: the screensaver project” W. Graham Richards Nature Reviews Drug Discovery 1, 551-555 [2002]. “

  38. Le Projet THINKhttp://www.chem.ox.ac.uk/curecancer.html • 3.5 milliard molécules criblées • 3.5 millions provenant de chimiothèques connues respectant les critères de Lipinski d’agents thérapeutiques • Chaque molécule est variée 100 fois en ajoutant un substituant aléatoirement • Chimie combinatoire • 3 semaines pour processer une cible

  39. Combien d’années? • Si 25000 cibles potentielles X 3 semaines • = 75000/52 = 1442 années pour 3.5 milliard molécules criblées • Si 1024-40 milliard molécules potentielles • Avec une chimiothèque de 3.5 milliard molécules • On a criblé uniquement 109/10 24 soit 10-15 de toutes les molécules potentielles

  40. X-ray Diffraction 28807 Nombre de structures dans PDB NMR 5124 Total 33931

  41. Solution: Calculs sur Réseaux d’Ordinateurs (Grid Computing)

  42. Construction de Chimiothèques Diversifiées But: Augmenter la qualité du criblage en fonction • diversité moléculaire • Propriétés ADMET

  43. Chimiothèque Filtre: Enlève indésirables Molécules “Drug-like” Analyse Diversité: Enlève redondants Espace Chimique Ajoute les molécules avec Chimie Combinatoire Augmente le potentiel de succès du criblage Processus

  44. Soit une chimiothèque réelle Défini un espace de diversitédrug-like Nombre de Violation 0: mauve 1 : bleu 2: vert n: orange- rouge Enlève les composés non-ADMET

  45. Comment la diversité est-elle définie? Salaire? Grandeur? Nombre d’enfants? Age? Comment représenter plus de 4 descripteurs? Une combinaison de tous?

  46. Types de Descripteurs Moléculaires Topologique 2-D formules structurales Géométrique 3-D forme et structure Quantique Orbitales atomiques et moléculaires Électrostatique Charge positive ou négative

  47. Exemple avec 25 Descripteurs • Utilise méthode PCA (Principal Component Analysis) • Réduit la dimensionalité de l’ensemble • 25 descripteurs DLI (Drug-like Index) • Chaque structrure est représentée par un point dans un espace à 25 dimensions Graphiques 3D: choisit les 3 premiers-PCAs

  48. Soit 2 Chimiothèques

  49. Où se situe le domaine des molécules biodisponibles? ? Chimiothèque assemblée de 125K mauve ? WDI rouge ? ?

More Related