Лекция 7

3.4. Количественная зависимость «2D строение – биоактивность». Методы ДМ КЗАС (2D QSAR) в дизайне ЛП
В начале 1960-х гг. впервые была установлена количественная связь между молекулярным строением ЛВ и их фармакокинетическими и фармакодинамическими свойствами. Для этого были найдены уравнения, которые связывают известные физико-химические свойства эталонной молекулы (дескрипторы и их весовые вклады в виде коэффициентов) с её установленной биоактивностью. Последующее решение таких уравнений в приложении к полученным веществам или к структурам ещё не синтезированных соединений позволяет предсказывать их вероятную биоактивность и свойства АРМЭТ и указывать на пути оптимизации их структурй модификацией лидерных молекул. Этот статистический эмпирический подход к дизайну перспективных ЛВ получил название двухмерного количественного анализа зависимости активность – строение (ДМ КЗАС или по-английски 2D QSAR).

С чего начинается кластерный метод ДМ КЗАС по Ганчу?

1) Сначала синтезируют ряд новых веществ (более десяти) аналогов лидера и определяют в эксперименте их биоактивность. Ансамбль этих веществ служит «обучающим набором» веществ.

2) Затем вносят в компьютер все доступные простые (Мм, молекулярная рефракция, число атомов и т.д.) и сложные (например, топологические) дескрипторы, описывающие известные свойства этих веществ. Число подобных дескрипторов может превышать несколько сотен, поэтому из них выбирают для включения в модель ДМ КЗАС те, которые имеют высокие коэффициенты корреляции с представляемыми свойствами.

3) Далее составляют матрицу корреляций ДМ КЗАС и генерируют коэффициенты наилучшего соответствия методом наименьших квадратов (МНК), проводя линейный регрессивный анализ, основанный на следующих уравнениях Ганча:

Log1/C = -k(logP)² + k’(logP) + ρ × σ + k’’

Log1/C = -a× π ² + b× π + ρ × σ + c× E_s + d× S + e,

где С – доза или молярная концентрация ЛВ, при которой проявляется стандартный биологический эффект (ED₅₀, IC₅₀ , LD₅₀ - дозы испытуемых веществ, соответственно: эффективная при проявлении 50% лечебной биоактивности от уровня эталонного ЛВ; 50%-ного ингибирования фермента или антагонизма рецептора по сравнению со 100%-ным уровнем биодействия эталона;

летальная (смертельная) для 50% экспериментальных животных;

logP = π – константа липофильности; k, k’, k’’ - коэффициенты регрессии (из статистической кривой соответствия);

ρ – значение угла наклона линии в уравнении Гаммета (log k/k₀ = ρ log K/K₀ = ρ σ (k/k₀ и K/K₀ - отношение констант скоростей и констант равновесия соответственно для нового вещества без индекса и для эталона с нулевым индексом); σ – электронный параметр (константа заместителя, величина которой зависят от пара-, мета- и орто-положения заместителя в кольце, а знак – от природы заместителя; + для электроноакцепторных и – для донорных); a, b, c, d, e – коэффициенты; π
E_s – стерический эффект; S – размеры, форма и топографические данные лиганда. Решением этих уравнений получают количественные предсказания связи указанных выше дескрипторов (π, ρ, σ и т.д.) с биоактивностью (1/С). В упрощённом виде уравнения модели ДМ КЗАС могут быть представлены как линейные зависимости:

B_A = Σ a_i× X_i + μ,

где B_A – биоактивность; a_i - вклад биоактивности i- заместителя; X_i - заместитель; μ – средняя биоактивность молекулярного скелета.

4) Рассчитаный таким образом прогноз искомого свойства (здесь - биоактивности) сравнивают с экспериментально установленным для эталона.

5) Если результаты совпадают, то полученную модель ДМ КЗАС применяют для предсказания биоактивности (скрининга) библиотеки новых ещё неизученных экспериментально структур. После его проведения полученные данные скрининга анализируются по специальным компьютерным программам с целью: 5а) идентификации классов веществ, которые будут активны в экспериментальных тестах; для этого проводится структур сортировка структур на неактивные, не селективные к белкам, активные, наиболее активные; из последних выделяют токсичные, малотоксичные, биодоступные, оральные и пероральные; 5б) установления возможных ошибочных предсказаний на высокую биоактивность или же на отсутствие таковой; для этого осуществляют повторный скрининг отобранного кластера активных веществ, а также подозреваемых групп «ошибочно» активных и неактивных структур; 5в) выборки нескольких структурных мотивов данного скрининга и подобных мотивов из иных доступных баз для более тщательного анализа сформированного таким образом кластера ПЛВ (не менее 20 веществ) по фармакокинетике и токсичности (АРМЭТ-параметрам), а также по возможности синтеза отобранных структур, его экономичности и экологичности; 5г) оценки зависимости активность-структура, которая объясняет высокую биоактивность отобранных веществ, что даёт возможность генерировать более оптимальную КЗАС-модель на этом кластере.

6) Затем приступают к синтезу отобранных ПЛВ в эксперименте, опытам по докингу этих лигандов с белком-мишенью и т.д.

Автоматизированные программы ДМ КЗАС, созданные на принципах алгоритмов генетики, нейрональных сетей и групповой аддитивности используют не только для предсказания целевой биоактивности, но также и для прогноза других искомых или нежелательных свойств у лидера - липофильности и проницаемости ГЭБ, биодеградации и времени полужизни в крови, острой и отдалённой токсичности, мутагенности, карциногенности, тератогенности, гепатотоксичности, кардиотоксичности. Ресурсы ДМ КЗАС можно найти по адресу https://www.qsar.org/.

Метод машинного скрининга ДМ КЗАС (2D QSAR) достаточно прост для использования, точен, дёшев и весьма полезен для более целенаправленного конструирования и последующего синтеза новых структур с высоким потенциалом ожидаемой биологической активности. Но следует иметь в виду, что он требует большого набора веществ для хорошего уровня точности расчётов. В нём пренебрегаются конформационные изменения структур, не учитывается возможность появления структур метаболитов и нет ясности в том, какие атомы или их группы взаимодействуют с АЦ рецепторного белка. В целом этот метод предоставляет возможность лишь оптимизации лидерной структуры, а не нахождение принципиально новой структуры или нового вида биоактивности.

3.5. Методы трёхмерной количественной зависимости ТМ КЗАС (3D QSAR) в дизайне ЛП

Методы ДМ и ТМ КЗАС концептуально аналогичны и отличаются процессами последовательностью процессов их осуществления и прогнозами различных свойств молекул. В трёхмерной КЗАС учитывается трёхмерность конформерных структур. 1980-х гг. появились первые компьютерные программы для автоматического перевода

стандартных одномерных и двухмерных форматов молекул в 3D-форматы. Примером перевода (конвертации) 2D --à 3D служит программа CONCORD, первый шаг которой заключается в определении длин связей между атомами с учётом номера, типа и гибридизации данного атома и всех окружающих его атомов. На втором шаге проводится анализ циклов, содержащихся в молекулярной системе, оценивается их конформация, внутреннее напряжение и создаётся система циклов с минимальным структурным напряжением. На третьем шаге вводятся ациклические заместители с гибким подбором валентных и торсионных углов связей для избежания пространственных затруднений (ванн-дер-ваальсовых контактов) и установления энергетически выгодных конформаций. Все подобные программы дизайна 2D --à 3D для противораковых ЛВ высоко эффективны и проверены на доступной базе данных (https://dtp.nci.nih.gov/docs/3d.data). На открытой базе данных (https://zinc.docking.org) имеются сведения о 3D-структурах для 10 млн веществ.

Любая молекула, в которой имеются простые связи, например, С(sp³)- С(sp³), может существовать в различных структурных модификациях, принимая в данный момент времени ту или иную форму, называемую конформером. Кинетическая энергия атомов в молекуле даже в обычных условиях достаточна для их постоянного вращательного движения вокруг простой связи. При этом происходит изменение торсионных углов и переход из одного конформера (ротамера) в другой. Число возможных конформеров (n) определяется числом свободно вращающихся связей (m) и произвольно заданным углом поворота простой связи – шагом (s). Число конформеров может быть определено следующим уравнением:

n = (360^o/s^o)^m

Для примера можно рассчитать число конформеров для каждой из четырёх ненасыщенных ВЖК (1-4), входящих в состав витамина F (все двойные связи имеют цис -замещение). Линолевая содержит две несопряженные двойные связи (9, 12-октадекадиеновая кислота (1), a- и g- линоленовые кислоты – по три несопряжённых двойных связи (9, 12, 15- и 6, 9, 12-октадекатриеновые кислоты, соответственно, (2) и (3), а арахидоновая (эйкозатетраеновая) кислота (4) содержит 20 углеродных атомов и четыре двойных несопряженных связи в положениях 5, 8, 11 и 14:

ВЖК (1и 4) содержат по 15 простых С-С-связей, а ВЖК (2 и 3) – по 14. Так, для этих кислот даже при шаге (s) 60^о и только для шести простых связей (m) С(sp³)- С(sp³), число ротамеров (n) составит около 50 тысяч. Очевидно, что число возможных конформеров резко возрастает с увеличением числа простых связей и уменьшением шага (s). Однако в конформационном анализе по методу систематического поиска наиболее стабильных ротамеров отбрасывают те из них, которые мало вероятны по стерическим соображениям. Например, по критерию ванн-дер-ваальсовых объёмов. Наиболее стабильным ротамерам (их заселённости в целом наборе) соответствуют минимумы потенциальной энергии. Примерами служат: анти-транс- (как наиболее устойчивые) и гош-формы алифатических молекул; кресло- (наиболее устойчивые), твист- и ванна-конформации циклоалканов и насыщенных гетероциклов (рис.3.5.1):

Кресло ----- твист -------- ванна

Рис 3.5.1

В общем подходе дизайна ПЛВ методомТМ КЗАС (3D QSAR) сначала выбирают группу молекул, каждую из которых экспериментально тестируют на биоактивность. Лучше подбирать ПЛВ не одного скаффолда (скелета). Для описания биоиспытаний берутся только результаты, полученные in vitro и с разным уровнем биоактивности, т.к. на результаты in vivo влияют нелинейные эффекты – транспорт ПЛВ, пути распределение ПЛВ, преодоление защитных барьеров.

После выбора обучающего набора веществ с известной биоактивностью (15-20 ПЛВ) приступают к поиску структуры с самой биоактивной конформацией. Для этого проводят приём «выравнивания» набора - отбирают все конформеры с низшей энергией (не выше 10 ккал/моль от уровня конформера с низшей энергией) и представляют их как обучающий набор ПЛВ с одинаковой конформационной структурой.

Затем совмещают эти молекулы по определённым правилам ориентации и рассчитывают для каждой их них набор параметров, зависимых от пространственных факторов. На следующем этапе выводят функцию зависимости этих параметров от соответствующей биоактивности. Наконец, устанавливают надёжность выведенной функции и предсказуемость результатов.

В ходе этого процесса моделирования используют различные статистические (хемометрические) компьютерные методы для корреляции молекулярной структуры ПЛВ со связывающим рецептором и биоактивностью. К этим методам относится, например, модель дистанционной геометрии (или модель линейной свободной энергии), в которой составляют дистанционную матрицу-таблицу с записанными в ней расстояниями между атомами данной молекулы, что позволяет зафиксировать её конформации при вращении вокруг одинарных связей. Затем экспериментально определённые свободные энергии связывания ПЛВ с рецептором используют с матричными данными, чтобы выявить возможные АЦ с их геометрией и химическим строением.Это позволяет определить 3D-фармакофор у выбранной серии ПЛВ (см. раздел 3.8). В случае неизвестной структуры рецептора используют тот же расчётный метод, но модифицированный «поиском подобия». В этом случае выбирают 2-3 серии ПЛВ с известными фармакофорными группами и известной биактивностью к целевому белку. На этой основе проводят компьютерный поиск подобия на новой (неизвестной) серии ПЛВ и выявляется похожий (общий для всех ПЛВ фармакофор). Наиболее подходящие из неизвестной серии ПЛВ подвергают биотестированию в эксперименте. В ещё одном компьютерном методе дизайна ПЛВ, называемом «анализ молекулярной формы», определяют конформацию ПЛВ, активную для связывания с АЦ белка. При этом рассчитывают попарно общие стерические объёмы для низкоэнергетических конформаций и получают 3D-молекулярные формы ПЛВ в качестве дескрипторов. Их подвергают количественной обработке и используют с другими физико-химическими параметрами (дескрипторами).

С 1988 г. вошёл в широкое употребление метод «сравнительного анализа молекулярного поля» (CoMFA). В нём взаимодействие ПЛВ с АЦ представляют стерическими и электростатическими полями, причём принимается во внимание только энтальпийный вклад в свободную энергию связывания (но не энтропийный и не гидрофобный вклады). Электростатический потенциал представляют при этом в виде кулоновской функции, а стерический потенциал – в виде функции Леннарда-Джонса. Учитываются электростатические и стерические взаимодействия воображаемого пробного атома, который помещают в различные положения решётки, окружающей известное активное вещество. В других программах - GRID и HINT, - учитываются также Н-связи, полярные и гидрофобные взаимодействия ПЛВ с АЦ.

Моделирование по методу CoMFA проводят в следующей последовательности: 1) сначала идентифицируют ряд активных ПЛВ; 2) затем конструируют их 3D-структурные модели и налагают их друг на друга; 3) после этого помещают полученный совмещённый набор структур на регулярную 3D-решётку, что позволяет учесть изменения биоактивности ПЛВ в зависимости от изменений в узлах решётки энергии и формы полей; 4) вводят в решётку «пробный атом»; 5) начинают расчёт стерических и электростатических потенциалов между «пробным атомом» и наложенными структурами; 6) после расчётов дизайна ПЛВ проводят визуализацию результатов, т.к. графическая интерпретация позволяет легко видеть области пространства с наибольшими вкладами в биоактивность. Результаты расчёта получают в виде 3D-контурных карт, где разным цветом обозначают места в структуре ПЛВ с меньшим или большим стерическим и электростатическим взаимодействием с АЦ; 7) далее следует новая химическая модификация структуры ПЛВ с целью её оптимизации. При дизайне ПЛВ с неизвестной структурой АЦ рецептора сначала проводят расчёт активной (усреднённой) поверхности рецептора. Затем создают модель псевдорецептора и моделируют его АЦ. После этого создают конечную модель самого рецептора.

3D-Модель молекулы ПЛВ, полученная генерацией трёхмерных координат на компьютере (по данным РСА, подбором геометрий из библиотеки фрагментов и преобразованием 2D ---- > 3D), редко бывает близка к идеальной модели. Поэтому возникает необходимость её дополнительного уточнения (оптимизации), которое проводят вычислительными методами квантовой и/или молекулярной механики. При этом определяют геометрию и энергию молекулы, атомы которой рассматривают как набор материальных точек (упругих шаров, соединённых связями-пружинами, т. е., как бы без явного учёта их электронов и ядер). Эти точки взаимодействуют между собой посредством гармонических межатомных сил, энергетический вклад которых, например, энергия деформации связей (Е_деф.св.), описывают простой квадратичной функцией, заданной уравнением

Е_деф.св. = 0.5k(l₁ – l₀)² , где

k - силовая константа растяжения связи; l₁ – текущая длина связи; l₀ – стандартная длина связи.

При оптимизации геометрии молекулы происходит релаксация её структуры путём изменения энергетических вкладов за счёт растяжения связей и изменения валентных углов (торсионные углы при этом изменяются незначительно). Такую оптимизацию проводят методом силового поля – набором стандартных ненапряжённых (естественных) значений длин связей и углов и отклонений от них, а также силовыми константами силового поля (эмпирическими итерационными параметрами). В результате расчётов находят полную энергию молекулы, минимизированную относительно атомных координат (Е_полн.), которая служит мерой напряжения моделируемой молекулы в сопоставлении с геометрически идеальной молекулой. Полная энергия молекулы включает следующие энергетические вклады: энергию деформации связи, энергию деформации валентных и торсионных углов, энергию ван-дер-ваальсовых взаимодействий, энергию электростатических взаимодействий (энергия кулоновского притяжения и отталкивания). Набор используемых при этом уравнений и параметров соответствуют экспериментальным данным, а их набор называют «силовым полем».

Методами ТМ КЗАС (3D QSAR) было создано новое ЛВ донепезил, используемое для лечения болезни Альцгеймера: рис.3.5.2

Bn-N -CH2- донепезил

Достоинствами дизайна ПЛВ методами трёхмерной количественной зависимости ТМ КЗАС (3D QSAR) является их доступность, простота в использовании и правильность предсказания биоактивности ПЛВ, а также возможность вычислять модельные ПЛВ, которые взаимодействуют с АЦ биомишени неизвестной структуры (для чего, напомним, требуются знания о точных трёхмерных структурах ПЛВ и о их электростатических, стерических и гидрофобных параметрах молекулярных полей).
Недостатками техники ТМ КЗАС являются требование большого количества экспериментальных данных по биоактивности, а также ограниченность предсказаний биоактивностей. При отсутствии в обучающем наборе ПЛВ какой-либо группы, в прогнозе для новой серии ПЛВ, имеющих такую группировку, все ПЛВ будут предсказаны как не активные вещества.

В заключении этого раздела отметим, что методы молекулярной механики лежат в основе дизайна по гомологии, молекулярной динамики, рентгеноструктурного анализа, моделирования по докингу.

ЛЕКЦИЯ 8

3.6. Принцип докинга ЛП к биомишени.

3.6.1.Дизайн межмолекулярного взаимодействия

Молекулярное взаимодействие лежит в основе проявления биоактивности данным ПЛВ. Мерой энергии этого взаимодействия является молекулярный электростатический потенциал (МЭП). Подобный потенциал возникает между положительным единичным точечным (+)-зарядом, расположенным в узлах виртуальной решётки, которой окружают молекулу ПЛВ, и (-)-отрицательным зарядом совокупности электронов и ядер ПЛВ. Для расчёта МЭП в любой точке пространства вблизи молекулы требуется знание распределения атомных зарядов, т.е. вероятности нахождения зарядовой плотности в 3D-пространстве. Эту задачу решают топологическим (А) или квантово-химическим подходами (Б). Первый основан на электроотрицательности атомов и их связях в молекуле. По данным РСА составляют матрицу связности и рассчитывают по методу Хюккеля и Гастгайгера (без учёта геометрии и конформации) полный атомный заряд, который получают в виде суммы локализованной σ -компоненты и делокализованной π -компоненты заряда. Во втором подходе (Б) вычисляют по методам Малликена или подгонки волновые функции, из которых затем получают зарядовые электронные плотности (заселённости) каждой атомной орбитали. Оба указанных пути позволяют затем построить модель МЭП (иногда с применением закона Кулона). Эта модель демонстрирует электростатическое поле молекулы и возможности её межмолекулярных взаимодействий по реакционным участкам и точкам. Компьютерные программы дают возможность представить модель МЭП молекулы на экране монитора в виде двухмерных контурных карт – совокупности изолиний с одинаковой энергией, - или в виде квазитрёхмерных карт - эквипотенциальных оболочек, изображающих молекулярные или ван-дер-ваальсовые поверхности (рис.3.6.1а), области Н-связей (рис.3.6.1б) или области гидрофобного взаимодействия (рис.3.6.1в). В качестве примера рассмотрены карты, полученные молекулярным дизайном молекулы нифедипина – сердечнососудистого ЛВ – блокатора кальциевых каналов.

Рис. со стр. 72 «Мол.мод.» Бином

Рис. 3.6.1. Двухмерные контурные карты молекулы нифедипина – сердечнососудистого блокатора кальциевых каналов: (а) молекулярные или ван-дер-ваальсовые поверхности; (б) области Н-связей; (в) области гидрофобного взаимодействия.

При этом цветом выделяются области с (+)-зарядом поля, указывающие на их отталкивание ядер от (+)-точечного заряда, или с (-)-зарядом поля, которые указывают на их притяжение (+)-точечному заряду.

(У доски решаем далее задачу построения контурных карт Н-связей, гидрофобных и ван-дер-ваальсовых взаимодействий для карведилола – сердечнососуд. ЛВ).

Me-O- C6H4- O-CH2-CH2-O-CH2-CH-CH2-O-carbazol-4-yl
OH

3 Помимо кластерного статистического прогноза свойств ПЛВ используют ещё один тип машинного предсказания биоактивности лигандов - моделирование на ЭВМ молекулярного докинга. Докинг – это механизм взаимодействия ЛВ с биомишенью белкового типа, заключающийся в «причаливании»-взаимодействии молекулы-лиганда к АЦ рецептора. Это термин молекулярной графики, означающий визуализацию на дисплее компьютера трёхмерного перемещения конформера лиганда внутри полости мишени и последующего образования комплементарного комплекса с ней. Этот метод поиска лигандов основан на сходстве-комплементарности трёхмерных структурных формул и моделей ЛВ и рецепторнорго белка. В человеческом геноме закодировано от одной до десяти тысяч потенциальных биомишеней, из которых более 500 известны (для 120 из них, являющихся целевыми для применяемых сейчас ЛП, установлено трёхмерное строение). Основным типом мишеней (48% от всех мишеней) для известных ЛВ и других биоактивных веществ являются ферменты – протеазы, киназы и др. Ещё одним типом активных структур-мишеней белковой природы считают рецепторы, не проявляющие каталитических свойств (около 20%). Кроме того мишенями служат ионные каналы (сложные полиэфиры), нуклеиновые кислоты, гормоны и другие сигнальные молекулы.

3.6.2. Силы взаимодействия между ПЛВ и рецептором, приводящие к образованию их комплекса

Компьютерные вычисления и графика позволяют построить энергетические поля поля межмолекулярного нековалентного взаимодействия модельной молекулы ПЛВ с АЦ рецептора. На мониторе места отталкивания или участки притяжения этих моделируемых структур изображаются изоэнергетическими линиями или изоповерхностями в цвету и могут анализироваться в реальном времени. В дизайне межмолекулярных взаимодействий учитываются энергии следующих слабых сил.

1). Сил электростатических отталкивания/притяжения (дальнодействующие; по закону Кулона). 2). Ван-дер-ваальсовых сил отталкивания/притяжения (постоянно-дипольного; дисперсионного, временно-дипольного, возникающего благодаря индуцированию диполей согласованным движением электронов в поле ядер).

3). Сил межмолекулярных Н-связей (Х_дон.Н⁺…..^-Х_акц., где Х = N, O, S), величина которых зависит от ориентации НЭП у атома-акцептора.

4). Сил гидрофобных взаимодействий. Они возникают при разрушении молекулой ПЛВ сольватного экрана, загораживающего полость белка, в которой находится АЦ биомишени. Этот экран образуется за счёт Н-связей воды с АЦ белковой мишени и может ограничивать доступ ПЛВ к мишени. При разрушении указанного экрана увеличивается энтропия системы, что даёт молекуле выигрыш свободной энергии. Меру гидрофобности ПЛВ выражают в виде коэффициента распределения («Р») ПЛВ между водой и липофильным органическим растворителем (как log «P»). Липофильность ПЛВ складывается из гидрофобных вкладов его фрагментов. Её можно рассчитать в виде карт модельных «полей гидрофобности» и «гидрофильности». Аналогичные «поля» моделируют и для белковых рецепторов, что улучшает восприятие и анализ свойств моделируемой системы ПЛВ/АЦ.

Таким образом определяются предпочтительные области связывания белковой биомишени с ПЛВ, и на этой основе конструируются структуры новых ЛВ для подобной мишени или же проводят дизайн моделей самой биомишени по принципу гомологии.

Компьютерный алгоритм построения модели комплекса лиганд-рецептор («Л× Р»), называемый докингом, основан на структуре рецепторной биомишени и служит для дизайна ПЛВ, обладая предсказательной способностью их биоактивности. В подобном комплексообразовании могут участвовать конформационно жёсткие лиганды (Л_ж) и активные участки рецепторов (Р_ж) и/или гибкие (Л_г и Р_г):

Л_ж + Р_ж ----------à Л_ж× Р_ж жёсткий докинг;

Л_г + Р_ж ----------à Л_г× Р_ж полужёсткий (полугибкий) докинг;

Л_г + Р_г ----------à Л_г× Р_г гибкий докинг

Ниже представлен рисунок 3.6.А общего комплекса лиганд-рецептор (Л× Р):

Рис. 3.6.А

Дизайн ПЛВ на основе докинга позволяет:

1) рассчитать свободную энергию связывания (аффинность) лиганда с рецептором;

2) определить пространственную ориентацию лиганда в активной области связывания биорецептора;

3) предсказать другие структуры потенциально активных ЛВ, т.е. провести виртуальный скрининг.

3.6.3. Построение модели комплекса ЛП с биомишенью алгоритмами постепенного конструирования (ручной постадийный метод)

Для достижения цели виртуального скрининга – нахождения доли хитов истинно активных ПЛВ по отношению к их общему количеству в выборке, - были разработаны многочисленные программы детерминистических алгоритмов (с полностью воспроизводимыми результатами) и стохастических (с неполной воспроизводимостью результатов из-за включения случайных факторов) алгоритмов докинга. Наиболее широко используют алгоритмы а) постепенного конструирования; б) симуляции генетических (биологических) программ; в) табу-поиска. Примеры программ можно найти по адресам: https://autodock.scripps.edu/; https://dock.compbio.ucsf.edu/;

https://accelrys.com/. При симулировании докинга гибкого лиганда методом постепенного конструирования разделяют Л_г по гибким связям на относительно жёсткие фрагменты. В активном жёстком сайте рецептора определяют набор активных в отношении лиганда точек, приписывая им тип взаимодействия с ПЛВ (Н-донор, Н-акцептор, ион и т.д.). Затем из фрагментов лиганда выбирают базовый фрагмент, который в качестве якоря прикрепляют к активной точке в жёсткой активной зоне Р_ж . Рисунок 3.6.-1 из 4-х частей: 1-общая формула ПЛВ из 6.6.-1. 2- якорь и т.д.

Рис.3.6.1.

После этого собирают ПЛВ в активной зоне рецептора заново, постепенно наращивая структуру ПЛВ по другим фрагментам в соответствии с формой полости активного центра. Геометрия взаимодействий моделируется по их точечным центрам и сферической поверхности уровней энергии. На каждом шаге наращивания структуры ПЛВ устанавливаются оптимальные длины связей, торсионные углы и конформации. При этом постепенно теряются поступательные и вращательные степени свободы конструируемого комплекса.

Ниже изображена схема ручного докинга молекулы пенициллина G к активным точкам – аминокислотным остаткам(АКО) - активного центра (АЦ) мишени-белка pdb 2EX8 патогенной бактерии (Рис. 3.6.2):

Рисунок 3.6.-2 пенициллин G в докинге

На первом этапе ониевый азотный фрагмент прикрепляют в виде якорного к активной точке - остатку серина 396 - в АЦ рецепторного белка. Затем постепенно наращивают фрагменты молекулы пенициллина в следующей последовательности (2-7): лактамный карбонил, закрепляемый взаимодействием с двумя АКО - серинами 62 и 420; лактамный гетероцикл в целом, поддерживаемый взаимодействием с остатком серина 420; затем присоединяют к структуре лактама метилкарбоксильную группу, которая путём связывания водородными связями с остатком треонина 418 упрочняет растущий комплекс Л_г× Р_ж; на пятом этапе к лактаму пристраивается амидная группировка, стабилизирующая комплекс за счёт Н-связей с остатком аспарагина 308; введение изопропильной группировки повышает липофильность ПЛВ и сродство к клеточной мембране бактерии, а её трёхмерность увеличивает селективность по целевой мишени; наконец, добавка фенильного радикала может улучшить биодоступность (в том числе и оральную) сконструированной таким образом структуре ПЛВ.

При дизайне других подобных антибиотиков с целью улучшения их комплексообразования в сайте связывания их биоактивности можно изменять: а) природу биоизостерных и иных заместителей (при этом будут варьироваться n-мерность фрагментов и молекулы, их липофильность, число электронов при сохранении вида биоактивности ПЛВ); б) число колец и число кольцевых атомов; в) длину боковых цепей атомов; г) жёсткость и гибкость структуры (ГАМК и её жёсткие аналоги); д) пептидные фрагменты в том числе заменяя их на миметики. В этой связи в структуре пенициллинов можно выделить такие АКО, как валин, серин и цистеин. Циклическая часть молекулы пенициллина формально может быть представлена их дипептидами, составленными из серина и цистеина или цистеина и валина: