In silico Screening Ligand-based

Transcription

1 «Ligand-based Screening» In silico Screening Ligand-based Xavier Morelli (*) Institut de Biologie Structurale et Microbiologie IMR Laboratory (*)

2 Overview I] General Introduction regarding PPI s I.1) Biochemical/biophysical properties I.2) Tools to analyze PPI s I.3) PPI s particularity I.4) PPI s Inhibition II.1) Experimental Screening II.1.1. Structural biology methods II.1.2. Quantification of the interaction II.1.3. Inhibition assays II.1.4. Cellular biology methods II.2) In Silico Screening II.2.1. Ligand-based screening * QSAR 2D/3D II.2.2. Structure-based screening * Docking - Virtual Screening * Pharmacophoric filtering

3 L optimisation d un produit naturel peut se faire par: Une synthèse systématique d analogues structuraux Une optimisation systématique basée sur le métabolisme des composés actifs Une approche rationnelle (quantitative ou qualitative) par l étude des relations structure-activité Association des variations de l activité biologiques de certaines molécules à leur paramètres structuraux Donne, pour une série chimique donnée et pour une activité définie, une équation de corrélation L équation de corrélation permet de déterminer les valeurs des paramètres qui correspondent à une activité maximale et ainsi de prédire l activité des molécules qui n ont pas encore été synthétisée La validité d un modèle QSAR dépendra donc du choix que l on aura fait sur les paramètres

4 Pour obtenir un modèle QSAR valide il est nécessaire de respecter certaines conditions: 1) Utiliser une méthode statistique qui détecte une relation de type QSAR Méthode des moindres carrés (PLS) Régression Multilinéaire (MR) Régression Linéaire (LR) Validation Croisée (CrossValidation), Bootstrapping 2) Sélectionner les paramètres à faire intervenir pour les différents composés Paramètres associés aux atomes Paramètres associés aux substituant Paramètres associés à la topologie 1D, 3D 3) Obtenir des résultats reproductibles de l activité biologique en utilisant des paramètres obtenus dans les mêmes conditions et pour la même conformation moléculaire 4) Valider le modèle QSAR obtenu par une méthode

5 1-A] Méthodes LR, PLS et MR Méthodes basées sur la connaissance des données expliquant l activité ce qui permet de diminuer les incertitudes sur l activité cible L estimation la plus sûre est basée sur la moyenne arithmétique des valeurs observées pour une même série de composés et l incertitude ainsi réalisée sur cette estimation correspondra à la déviation standard ou ecart type- de ces valeurs Pmoy: moyenne de toutes les propriétés qui ont été mesurées Pimes: valeur activité mesurée N: nombre de composés de la série K: nombre de restriction aux degrés de liberté

6 1-A] Méthodes LR, PLS et MR Cette équation ne permet pas d obtenir un modèle cohérent du fait de l imprécision réalisée et ne s adapte donc pas à l objectif d une méthode de QSAR qui est de déterminer une règle prédictive Dans un cas simple de régression linéaire il faut définir: La déviation standard, s Le coefficient de corrélation r, et de détermination, r carré Le test statistique F L erreur résiduelle, di

7 1-A] Méthodes LR, PLS et MR La déviation standard: Elle mesure la variation de l'activité cible non expliquée par le modèle QSAR. En particulier, plus la déviation standard est petite et plus la corrélation est meilleure. Sa valeur est toujours fonction de l'unité de mesure de l'activité cible et tient également compte des erreurs expérimentales ce qui expliquent qu'une valeur trop petite n'ait aucune signification. N = nombre de points expérimentaux considérés K= nombre de restriction aux degrés de liberté (égal au nombre de paramètres) Le coefficient de corrélation et r carré, le coefficient de détermination: Ces coefficients déterminent la variance de l'activité cible qui est expliquée par le modèle QSAR c'est à dire par la régression de l'activité cible en fonction de l'activité initiale. Ces coefficients ne sont pas affectés par l'unité de mesure choisie et traduisent : une bonne corrélation entre l'activité cible et l'activité initiale si r est proche de 1. une corrélation non linéaire entre l'activité cible et l'activité initiale si r est proche de 0.

8 1-A] Méthodes LR, PLS et MR F, le F-test: Ce test permet de déterminer si la corrélation est ou n'est pas significative à x% (exemple: 95%). Mais la conclusion obtenue ne doit pas nous faire penser que la corrélation a x% de chances d'être vraie mais seulement que la corrélation est vérifiée pour x% des composés pris pour référence et qu'une abstraction est faite pour les autres. K1= est le nombre de paramètres dans l équation de référence (=1 ici) K2= est le nombre de paramètres dans l équation de régression (=2 ici) N = nombre de points expérimentaux di, l erreur résiduelle: Elle représente la différence entre une valeur de l'activité cible observée et une valeur de l'activité cible calculée à l'aide de l'équation de corrélation. Une valeur importante indique qu'un (ou plusieurs) composé(s) ne suit (suivent) pas le modèle défini par le QSAR.

9 Modèle parfait: s= 0 r= 1, les termes les plus significatifs (déterminés par le calcul du F-test) et le nombre de points le plus important Attention: dans un modèle de validation croisée, la déviation standard s (incertitude restante après que l ajustement est été calculé) devient l incertitude sur la prédiction de tous les composés (souvent appelé press) La caractéristique de ce terme est que sa diminution correspond à un accroissement de la valeur du terme de la validation croisée r carré et traduit une amélioration des prédictions. En d'autres termes, le nombre optimal de composés correspond au terme de validation croisée r carré le plus élevé. Pour un modéle présentant plus d'une colonne dépendante, le nombre optimal de composés se rapporte à celle qui possède la plus haute somme du terme de validation croisée r carré de chaque composé. Parfois, la non-existance de relation entre l'activité cible et les propriétés explicatives se traduit par une augmentation de la valeur de press et une diminution du terme de validation croisé r carré (valeur négative possible). Ce phénomène reflète que les prédictions obtenues sont plus mauvaises que celles obtenues à partir de la moyenne sur tous les composés.

10 1-A] La méthode de régression linéaire (LR) Utilise un seul paramètre. Elle corrèle l activité cible à une variable explicative en utilisant la méthode des moindres carrés. L équation de corrélation linéaire entre l activité cible (Y) et une variable explicative (X) : En considérant minimale la somme des carrés des écarts: On en déduit ainsi les deux équations normales à 2 inconnues (a,b) à résoudre pour déterminer les coefficients de l équation de corrélation:

11 1-A] La méthode PLS & Régression Multilinéaire (MLR) Méthode PLS: Technique de régression linéaire de façon «approchée», tenant compte de toutes les variables prédictives du modèle Méthode MLR: prend en compte plusieurs paramètres et essaie d associer les différences des paramètres aux différences observées dans l activité cible modèle de Free et Wilson: pour une série chimiquement homogène, un substituant particulier dans une position donnée apporte une contribution constante et additive à l activité cible µ: est la réponse théorique biologique associée à toute la molécule. a j : est la contribution de l'entité structurale X à la position j dans la molecule i. Xij: ce descripteur traduit la présence (1) ou l'absence (0) de l'entité structurale en position j dans la molécule i. La réponse biologique doit être ici exprimée, comme le logarithme de l'inverse de la concentration requise pour déterminer la réponse attendue (exemple: RB = log(1/c) de façon à ce que le nombre le plus élevé corresponde au composé le plus actif.

12 1-B] La Validation Croisée Permet d évaluer le pouvoir prédictif associé à un modèle QSAR (ce modèle étant sélectionné parmi plusieurs autres présentant des niveaux de complexité différents) S appuie sur des hypothèses théoriques de distribution des données et non sur des calculs longs et complexes. Elle détermine la valeur probable du pouvoir prédictif d un modèle en utilisant le paramètre «cross validated r squared». Le principe est: 1) Table initiale à laquelle on soustrait une ou plusieurs rangées: table de validation croisée 2) Le nouveau modèle donne une nouvelle équation de corrélation qui permet de déduire l'activité biologique résultant de l'exclusion de (ou des ) rangée(s). 3) La différence entre l'activité biologique mesurée et celle prédite donne la déviation standard et la proportion de l'incertitude original crossvalidated r carré de la validation croisée qui évaluent le modèle ainsi obtenu.

13 1-C] Le Bootstrapping Le bootstrapping a été introduit pour tester la validité des modèles QSAR générés. L'idée de base est la simulation d'une procédure statistique en considérant que le modèle initial est exacte et en générant un autre modèle à partir des données précédentes. La nouvelle table ainsi obtenue, constituée de données appelées bootstrap, a la même taille que la table générée par le modèle initial et peut être constituée de rangées identiques résultant d'une double (ou triple...) répétition de données. Un calcul statistique est réalisé pour chaque donnée, les nouvelles valeurs étant calculées pour chaque paramètre à estimer. La différence entre les paramètres calculés à partir des données initiales et la moyenne des paramètres calculées à partir des données issues du bootstrap détermine la tendance du calcul initial. Le calcul de la variance de l'estimation des paramètres du modèle permet d'identifier la tendance avec laquelle chaque paramètre peut être estimé à partir des données initiales. Le bootstrapping est un processus qui doit être répété plusieurs fois, ce nombre devant être estimé par l'utilisateur. Cependant, il faut noter qu'il est généralement recommandé de répéter le processus 100 fois ou plus mais que des bons résultats peuvent être également obtenus si celui ci n'est itéré que dix fois.

14 Pour obtenir un modèle QSAR valide il est nécessaire de respecter certaines conditions: 1) Utiliser une méthode statistique qui détecte une relation de type QSAR Méthode des moindres carrés (PLS) Régression Multilinéaire (MR) Régression Linéaire (LR) Validation Croisée (CrossValidation), Bootstrapping 2) Sélectionner les paramètres à faire intervenir pour les différents composés Paramètres associés aux substituants Paramètres associés aux atomes Paramètres associés à la topologie 1D, 3D 3) Obtenir des résultats reproductibles de l activité biologique en utilisant des paramètres obtenus dans les mêmes conditions et pour la même conformation moléculaire 4) Valider le modèle QSAR obtenu par une méthode

15 2-A] Les paramètres associés aux substituants Les paramètres électroniques: une variation de la distribution électronique sur une molécule (H=>Cl) se traduit par une réactivité chimique différente. Une augmentation de la densité électronique conduit à un renforcement de l activité par exemple. Exemple du diéthyl phényl phosphate et du diéthyl 2,4-diclorophényl phosphate: Log LD50 représente l'activité insecticide.

16 2-A] Les paramètres associés aux substituants Les paramètres stériques (encombrement) et paramètres de lipophilie: Un encombrement stérique modifie l interaction entre une molécule et son récepteur La caractère lipophile rend compte souvent des propriétés biologiques comme le métabolisme, la distribution des tissus, la liaison avec le site récepteur Exemple du logp: Logarithme du coefficient du rapport octanol/eau (logkow), permet d estimer la biodisponibilité d une molécule - Équilibre hydrophile/hydrophobe - Suffisamment hydrophile pour être soluble dans le sang (eau) (fortement hydrophile = -3) - Suffisamment hydrophobe pour traverser les membranes cellulaires (fortement hydrophobe =+7) La plupart des molécules thérapeutiques ont un logp compris entre 2 et 5

17 2-B] Les paramètres associés aux atomes Le volume atomique Les surfaces atomiques Les charges atomiques partielles L electronégativité Les constantes fragmentales de lipophilie 2-C] Les paramètres associés à la topologie 1D Le volume moléculaire La réfractivité moléculaire Le coefficient de partage La chaleur de formation Le potentiel d ionisation Les constantes d ionisation

18 2-D] Les paramètres associés à la topologie 3D (3D QSAR) La surface moléculaire, accessible au solvant, de conolly, ou surface de contact Le potentiel électrostatique (position des groupements chargés) Participation à des liaisons hydrogènes Le potentiel de lipophilie moléculaire Les orbitales moléculaires La forme de la molécule Lipinski et al. Adv. Drug. Del. Rev., 23, 3-25 (1997) : Règle des 5 de Lipinski PM < 500 (opt ~=350) Nbre liaisons H accepteurs <10 (opt ~=5) Nbre liaisons H donneurs <5 (opt ~=2) -2<clogP<5 (opt ~=3) Nbre angles de rotations =< 5

19 En pratique: Pour un modèle QSAR, il faut: Un jeu de données biologique avec 3 logarithmes d activité IC50 ou Ki Au minimum 5 composés dans le jeu de données, et préférablement plus de 10 (on en conseil en général ) Le jeu de données devrait avoir des composés avec une variété de groupements fonctionnels, mais aussi une certaine similarité structurale => Attention: ne pas utiliser de modèle HQSAR pour prédire une activité de molécules dissimilaires aux composés du jeu de données

20 En pratique: A RETENIR!!! Dans un modèle QSAR, on peut avoir des centaines de variables pour seulement 10 composés. Une équation avec une centaine de variables peut prédire l activité de 10 composés parfaitement mais elle échouera certainement quand elle sera appliquée à des composés qui ne sont pas dans le jeu de données de départ La méthode des moindres carrés permet d éliminer ce problème en combinant les variables en quelques composantes, qui sont statistiquement équivalentes au même nombre de variables indépendantes La cross-validation permet de vérifier que les résultats sont prédictifs pour des composés qui ne sont pas dans le jeu de données. Elle enlève un ou plusieurs composés du jeu de données, dérive un modèle et prédit ensuite l activité des composés enlevés. On répète alors ce processus jusqu à ce que tous les composés aient été enlevés et prédits (on peut enlever un seul composé ou un groupe de composé dans un modèle à groupes). L erreur standard: l activité réelle d un composé sera proche de la valeur prédite plus ou moins cette valeur Le r² (ou q²) : Une valeur supérieure à 0.5 signifie que le modèle a une certaine prédictivité KEEP IT SIMPLE! (choisir le modèle avec le moins de paramètres possibles) si valeur modifié original >= 2 erreur standard alors on synthétise le nouveau composé Ne pas espérer plus d un log d amélioration Dans un modèle 3D QSAR (type CoMFA), l alignement, c est TOUT

21 Exercice: Quel est le meilleur modèle? Une série de trente inhibiteurs du récepteur 5HT(1A) a été synthétisée et testée (J.Med.Chem, 1995, 38, ). Voici les résultats que l on obtient sur cette série chimique en utilisant le logiciel HQSAR de TRIPOS: A=Atoms B=Bonds C=Connection H=Hydrogen Bond D/A=Donor/acceptor Composantes L Comp Q² SE A,B,C A,B,C,H A,B,C,Ch A,B,C,H,Ch A,C,D/A A,C,H,D/A

22 Exercice: Quel est le meilleur modèle? Une série de trente trois inhibiteurs de la Monoamine Oxydase a été synthétisée et testée (Quant. Struct.-Act. Relat. 1993, 12, 44-48). Voici les résultats que l on obtient sur cette série chimique en utilisant le logiciel HQSAR de TRIPOS: A=Atoms B=Bonds C=Connection H=Hydrogen Bond D/A=Donor/acceptor Composantes L Comp Q² SE A,B,C A,B,C,H A,B,C,Ch A,B,C,H,Ch A,C,D/A A,C,H,D/A

23