Modélisation d interactions ligandsmacromolécules. A. Dejaegere UMR 7104 CNRS - ESBS Strasbourg

Transcription

1 Modélisation d interactions ligandsmacromolécules A. Dejaegere UMR 7104 CNRS - ESBS Strasbourg

2 Fondamental: reconnaissance moléculaire dans un système complexe + Appliqué: pharmacologie drug design

3 Ligand vs. Médicament Ligand: se lie à une cible biologique et affecte sa fonction Médicament Ligand + ADME/TOX: Adsorption; distribution; métabolisme; excrétion et toxicité

4 Trouver un lead Ligand naturel Criblage Littérature Lead: ligand non optimal Synthèse de Nouveaux Composés Optimisation du lead Test biologique Etudes pré-cliniques

5 OUI Structure 3D de la cible? NON Conception in silico basée sur la structure QSAR; 3D QSAR, pharmacophore

6 Trouver des ligands in silico Identifier le site actif de la cible Proposer des structures de complexes criblage virtuel conception de novo Evaluer l énergie libre de formation des complexes proposés

7 Identifier le site actif Biochimie Bioinformatique Lichtarge et Sowa Curr. Opin. Struct. Biol Modélisation Hydrophobicité: M. Scarsi et al. Proteins

8 Criblage virtuel Construire une base de données de ligands potentiels (structure 3D de chaque ligand) Placer chaque ligand dans le site actif de la cible Evaluer l affinité relative de chaque ligand pour la cible

9 Conception de novo Construire une base de données de petits ligands peu ou pas flexibles Identifier des sites de liaison de ces ligands (fragments) Classer les sites par affinité Former les ligands complets Evaluer l affinité des ligands pour la cible

10 Base de données Placement : docking Evaluation : scoring

11 Base de données Criblage virtuel ACD/Isis NCI/DIS SMILES:

12 Filtres ADME/Tox Règles empiriques Lipinski et al. Advanced Drug Delivery Reviews Solubilité et partition eau/octanol Duffy & Jorgensen J. Am. Chem. Soc

13 Base de données de novo Fragments adaptés au problème peptides squelettes de ligands connus Bemis & Murcko J. Med. Chem & synthèse: combinatoire,..

14 Base de données Structure 3D des composés un conformère ou tous les conformères Champ de force dépend des approximations employées dans le docking mécanique moléculaire: MMFF

15 Placer le ligand: docking A + B -> A-B + exploration rapide et efficace de l espace conformationnel

16 Docking Algo géométriques Basés sur la complémentarité géométrique entre le récepteur et le ligand Dock Kuntz, I.D et al. "A geometric approach to macromolecule-ligand interactions", J. Mol. Biol.161, (1982) Protéase du HIV Site actif: Asp

17 Surface moléculaire de la protéase Ensemble de sphères définissant le site actif

18

19 Thioketal

20 Algo géométriques Computer vision FlexX M. Rarey et al. J. Comp.-Aid. Mol. Design, 10, 41-54, 1996

21

22 Docking Algo mécanique moléculaire Trouver les conformations stables d un complexe: optimisation numérique d une fonction à minima multiples Minimisation: SD, CG, etc. Monte-Carlo Algo génétiques Dynamique Moléculaire

23 500/10000 copies du fragment Minimisation MCSS Miranker & Karplus Proteins Minimisation simultanée Elimination basée sur RMS/E int Carte fonctionelle

24 Monte-Carlo ICM Abagyan et Totrov J. Mol. Biol (1994) Changement aléatoire de conformation Minimisation champ de force Evaluation de l'énergie champ de force + solvatation + entropie Acceptation Metropolis

25 Algo génétique GOLD G. Jones et al. J. Mol. Biol. (1997) Selectionner des opérateurs de reproduction Attribuer un poids Créer une population initiale Estimer son score (fitness) Choisir un opérateur Sélection aléatoire pondérée Chromosome: conformation du ligand Choisir les parents Sélection aléatoire pondérée Appliquer l'opérateur et générer les enfants Evaluer leur score Remplacer les parents par les enfants en fonction du score Recommencer sauf si la convergence ou le nombre maximum d'itérations sont atteints

26 Dynamique Moléculaire Recuit Simulé Vieth et al. J. Comp. Chem E(X N ) X N

27 Quel espace explore-t-on? Conformations du ligand L exploration permet souvent d identifier des structures proches de la structure expérimentale

28 Flexibilité cible Induced Fit + Ensemble des conformations d une protéine

29 Flexibilité Cible G 0 G < 0 Soft - core van der Waals Flexibilité de chaînes latérales Apostokalis et al. J. Comp. Chem Exploration des conformations natives: MD, Modes Normaux, NMR, XRAY Docking séparé de chaque conformation: Lin et al. J.Am. Chem. Soc Utilisation d une protéine dont certaines parties sont dupliquées H. Claussen et al. J. Mol. Biol

30 Docking vs. scoring Seule une recherche exhaustive de toutes les conformations possibles du complexe permet de découpler docking et scoring Si la recherche des conformations du complexe est basée sur l optimisation d une fonction d interaction, il faut que cette fonction aie des minima proches des minima d énergie libre pour le complexe sinon le découplage docking-scoring est absurde.

31 Evaluation de l affinité (scoring) + G? Désolvatation du ligand et de la protéine Perte d entropie de rotation/translation Interaction protéine-ligand interactions non liées: élec + vdw changements de conformations changements de mobilité interne

32 Scoring Simulations d'énergie libre Exactitude Mécanique Moléculaire + Solvatation avec MD Décomposition en contributions physiques Méthodes Linéaires d'énergie libre Calcul basé sur un champ de force CPU Potentiel de force moyenne empirique Fonction d'énergie empirique

33 Fonctions empiriques Böhm J. Comp. Aid Mol. Des (1994) G= Go + G hb Σ h-bonds f( R, α) + G ionic Σ ionic int. f( R, α) + G lipo A lipo + G rot N rot Go: terme constant, perte entropie G hb : contribution d une liaison H idéale f( R, α): pénalité pour déviation de la géométrie idéale G ionic : contribution ionique idéale G lipo : contribution lipophile A lipo : surface de contact lipophile G rot : perte d énergie libre lié a perte de rotation interne N rot : nombre de liaison libres

34 G= Go + G hb Σ h-bonds f( R, α) + G ionic Σ ionic int. f( R, α) + G lipo A lipo + G rot N rot Les facteurs géométriques sont calculés sur les structures Les contributions d énergie libre sont obtenues par fit sur une base de données de complexes. Böhm complexes (kcal/mol) GO G HB G IONIC G LIPO G ROT S R

35 Fonctions statistiques empiriques Potentiel de force moyenne: w 2 (r) = -RT ln g 2 (r) r g 2 (r) w 2 (r)

36 Fonctions statistiques BS Grzybowski et al Acc. Chem. Res

37 Décomposition d énergie libre Somme de contributions physiques G binding = E fragm + E interm VdW + G complex np + G elect.binding Changement d énergie interne du ligand (fragm) E fragm = E fragm bonded + E fragm fragm VdW + E el

38 Contribution non polaire + H 2 O H 2 O H 2 O Contribution non polaire: interaction vdw ligand-protéine E VdW interm ij = 4 ij i L j P r ij 12 r ij ij 6

39 Contribution non polaire: effet hydrophobe G complex np = ( ) ( ) SAS complex SAS protein fragm isolated + SAS isolated octanol H 2 O vide G transfer γ γ vide γ octanol SAS soluté 5-25 cal/mol Å 2

40 Contribution électrostatique G elect.binding = G interm protein elect + G elect,desolv ligand + G elect,desolv Electrostatique des milieux continus ε out + ε in ε in ε in ε out ε out ε in : 1-4 (20) ε out : 80 Force ionique

41 Entropie Conformationelle N + n (N+n) S = S trans + S rot + S vib Bilan de la complexation Translation : > 3 Rotation : > 3 Vibration: (3N - 6) + (3n - 6) -> 3 (N+n) - 6

42 Entropie Conformationelle O H O H E E O=C χ χ

43 Incorporation des fluctuations Trajectoire de dynamique moléculaire Calcul de l énergie libre par décomposition pour chacune des conformations (MM-PBSA)

44 Simulations d énergie libre Linear Interaction Energy Aqvist et al. Prot. Eng (1994) G bind = (< E vdw L P vdw > < E L solv. >) (< E élec. L P élec > < E L solv. >) Modèle de Born ion G solv = 1 2 < E élec. ion solvant >