基于分子对接的药物设计
200813224 药物化学 张静
近年来随着药物化学的发展，对计算机辅助药物设计方法的研究呈现出了突飞猛进之势,应用各种理论计算方法和分子模拟技术进行计算机辅助药物设计已成为国际上十分活跃的研究领域，随着X射线衍射以及核磁共振等技术的发展,越来越多的生物大分子的三维结构被测定出来，使基于受体结构的计算机辅助药物设计更具现实意义，分子对接方法可谓其中的重中之重。
一、理论基础
分子对接是药物从头设计的主要方法，也是进行大规模先导物筛选的理想途径，分子对接设计的基本原理如下图所示:
（1）互补匹配原则
分子对接是将小分子配体放置于受体的活性位点处，并寻找其合理的取向和构象，药物受体相互作用是一个综合平衡的过程，并且药物还必须取得一定构象，以"适应"受体结合部位的"空腔"形状和构象变化，同时，为配合与药物的结合，受体的构象也会发生相应的变化，这就是所谓的"诱导契合"，一般须遵循如下图所示的互补匹配原则：几何形状互补匹配、静电相互作用互补匹配、氢键相互作用互补匹配和疏水相互作用互补匹配，此即药物研究中经常提及的锁钥原理，也是各种药物设计方法的基础，受体分子与配体结合的部位是蛋白质的某几个氨基酸残基，结合的方式包括静电作用、氢键作用、范德华相互作用和疏水作用，其中静电作用、氢键作用和范德华力控制药物-受体结合，疏水作用是药物受体结合的驱动力，如果疏水作用强，药物和受体就能排除水分子，相互结合在一起。
（2）评价函数
评价函数是互补匹配原则的具体实现，在整个分子对接过程中扮演着两种重要角色: (1)评价配体在取向和构象优化过程中与受体的匹配程度; (2)比较不同对接分子与受体结合作用的强弱，并从中获得候选分子信息。依据评价函数，得分较高的化合物可作为先导化合物的候选物。最早的评价函数出现在DOCK程序的早期版本中，后来又相继出现了分子力场评价函数[4 ] HINT 评价函数[5 ]基于Fersht经验规则的评价函数等1 精确的评价标准应该包括分子形状匹配、化学性质匹配、分子间的相互作用的自由能变化和药物、受体的去溶剂化等诸多因素1如果全面考虑这些因素，计算较为费事，所以当前许多人还是致力于经验规则的不断改进
（3）搜索算法
分子对接的过程就是寻找配体与受体结合在受体活性位点处的低能构象的过程，配体与受体结合的构象有千万种，要从中找出低能构象必须借助于优化算法，对接算法的 CPU 时间消耗主要用于反复计算能量函数上，其计算复
杂度可用目标函数的调用次数来计量，分子对接一般都要化为无约束极进行求解。基于灵敏度信息的确定性算法的突出优点是速度快，但是需要计算评价函数的导数信息，大大增加了问题的难度和复杂性。随机搜索算法具有适应范围广、实现单、不需要计算导数等优点，是当前对接算法使用最多的搜索引擎。
二、应用方法
基于靶标分子结构的药物设计指的是，利用生物大分子靶标及相应的配体-靶标复合物三维结构获得的信息为重要疾病设计新颖药物。其基本过程为（1）确定药物作用的靶标分子(如蛋白质、核酸等)；(2)用生物技术手段对靶标分子加以分离纯化;(3)确定靶标分子的三维结构以及依据相关理论或经验提出的一系列假定的配体与靶分子复合物的三维结构;(4)依据这些结构信息,利用相关的计算机程序和法则如DOCK进行配体分子设计,模拟出最佳的配体结构模型；(5)合成出这些模拟出来的结果,进行活性测试,如果对测试结果感到满意,则进行后面的前临床实验等研究，反之重复以上过程，直至满意为止。
例如PPART激动剂的发现，PPART是过氧化物酶体增殖因子激活受体(peroxisome proliferators2activated receptor , PPAR)的一个重要亚型 ,是调节脂肪代谢和脂肪细胞分化的重要转录因子,被认为是与糖尿病、 异常脂血症以及高血压等疾病相关的重要靶标。针对 PPART的三维结构我们对商业小分子数据库 Available Chemicals Directory (ACD)、MDL、Drug Data Report (MDDR)、MDL ScreeningCompounds Directory (ACD-SC) 和SPECS 共240万个分子依次应用DOCK4.0和 FlexX进行虚拟筛选;对其中的高评分化合物，再进行类药性分析，并对其与大分子结合构象进行分析，再对化合物的药物活性进行活性测试，根据筛选结果设计并合成了99种新化合物。生物测试结果发现，大部分化合物都表现出了较好的 PPART激动活性。其中，3个化合物显示出比曲格列酮更好的活性 ,部分化合物还表现出 PPAR αγ双重激动活性。另外在钾离子通道阻断剂的发现、5-脂氧酶抑制剂发现、亲环素A抑制剂的发现等方面都有着较好的应用。
三、前景展望
药物分子对接设计是寻找新药的有效途径之一，也是进行大规模数据库筛选的理想方法，已经成为一种与高通量筛选互补的实用化工具，进入到创新药物研究的工作流程(pipeline)中。目前，虚拟筛选的方法在不断发展，从现有的活性筛选，发展成活性、类药性及高通量一体化筛选;从单一的SBVS或LBVS方法，发展成联合配套使用的筛选模式;从单一靶标的筛选，发展到多靶标同时筛选等。但是，虚拟筛选作为一种以计算机为基础的实验辅助工具，如何能更真实地模拟出生物体
系中蛋白分子的柔性、溶剂化效应，以及如何提高对接程序的打分效率，减少假阳性等是今后虚拟筛选方法需要解决的关键问题。总之，随着测定的靶标的晶体结构越来越多，以及小分子化合物库化合物数目不断扩大，从而为创新药物的研究节省大量的时间和经费。