引言
本文對JMC上發表的66個臨床前候選藥物進行了分析，以此闡明在確定候選藥物時最經常采用的先導化合物生成策略。最常見的先導化合物生成策略（產生候選藥物）是從先前已知化合物中找到合適的化合物作為起點（43%），其次是隨機高通量篩選（29%）。其余的方法包括集中篩選、基于結構的藥物設計（SBDD）、基于片段的先導化合物生成（FBLG）和DNA編碼庫篩選（DEL）。對從hit到臨床前藥物分子的理化性質的分析表明，分子量平均增加85（ΔMW = +85），但親脂性沒有太大變化（ΔclogP = -0.2），但也有例外。大多數（>50%）的臨床前候選藥物被發現在結構上與它們的起點有很大不同，而且更加復雜。
背景介紹
傳統的先導化合物生成策略包括隨機高通量篩選（HTS）、基于片段的先導化合物生成（FBLG）、基于結構的藥物設計（SBDD）、利用已知文獻例如快速追隨或基于知識的程序以及最近的DNA編碼庫篩選（DEL）。選擇采用哪種策略取決于多種因素，例如每種方法的技術要求、總成本以及每種技術可使用的適當篩選庫或化學起點?；瘜W起點的質量會影響前進的方向，因為高質量的hit必然會縮短研發進程。相反，如果初始hit結構的質量較低（如較差的理化性質和藥代動力學、存在已知會引起問題的基團、脫靶效應以及較差的活性），則需要進行長時間且復雜的多性質的優化?？紤]到制藥行業的競爭性質，不同群體正在同時研究多個生物學靶標，甚至可能使用相同的先導化合物生成策略和在相同的化學起點上進行研究。鑒于分子生成的可能性無窮無盡，而且藥物發現是主觀的多性質優化過程，因此兩個不同的研究小組最終得到相同的化合物的可能性幾乎沒有。正如Murcko所說的那樣，偉大的藥物化學家需要了解競爭環境，但“不要對IP感到恐慌”，因為在開展hit-to-lead研究時，這種無窮無盡的可能性并不是經常的威懾力量。然而，廣泛的專利權利要求會影響操作的自由度，并且還是選擇用于先導化合物生成的骨架的考慮因素。本文通過文獻研究闡明了與臨床前候選藥物源頭相關的hit分子的方法和類型。為了說明從hit到臨床前候選藥物所要進行的必要結構修飾，作者對分子特性進行了比較。本研究能夠幫助更好地了解新興的先導化合物生成策略以及對未來藥物發現的可能影響。
方法
本文將先導化合物生成策略歸為六類（圖1）：
（1）隨機篩選或高通量篩選（HTS）：通過隨機化合物的收集來篩選小分子，這些化合物對于大型制藥企業而言可能是大型化合物數據庫（105–106），但也可能較??；
（2）定向篩選：篩選根據目標或化學類別的先驗知識選擇的較小化合物集，因此也稱為集中篩選或偏置篩選；
（3）基于結構的藥物設計（SBDD）：對化合物集進行計算機虛擬篩選；
（4）基于片段的先導化合物生成（FBLG）：通常包含幾千種低分子量（<200 Da）化合物的文庫，并以高聚集進行篩選；
（5）DNA編碼庫篩選（DEL）：使用涉及將化學化合物綴合到DNA片段的技術，篩選非常大的（通常>108個）小分子化合物庫；
（6）已知化合物：基于已知活性化合物、內源配體或先前披露而開始的項目。
圖1. 六類先導化合物生成策略的分布
圖片來源于JMC
結果1. 臨床前候選藥物對應靶標的統計分布
圖2展示了66對hit-候選藥物對對應的靶標類別和疾病類別分布的情況。在這些案例研究中，約有30％以激酶作為靶標，其次是其他酶（例如磷酸二酯酶、轉移酶、蛋白酶等）。GPCR作為靶標占比17％，其次是表觀遺傳學靶標（9％）。其他類別的靶標還包括離子通道（9％）、其他類（9％）、核受體（1.5％）和蛋白-蛋白相互作用（1.5％）。此外，疾病類型分布依次為腫瘤（30％）、CNS/疼痛（18％）、感染（13％）和代謝性疾?。?2％）等。?
圖2. JMC上2016-2017年期間發表的66個hit-候選藥物對應的靶標類別分布和疾病類別分布
圖片來源于JMC
結果2. 臨床前候選藥物的理化性質分析
作者還分析了66對hit-候選藥物對的clogP、clogD、MW和可旋轉鍵變化，如圖3所示。從“已知”化合物和“隨機篩選”兩類化合物的hit-候選藥物對中比較，ΔclogP均未觀察到顯著變化（ΔclogP= -0.2）。但是，這兩個類別都證明了先前已知化合物類別的MW（ΔMW= +63 Da）和隨機篩選類別的MW（ΔMW= +95）的增加，66對化合物的總平均值為ΔMW = +84。從hit到臨床前候選藥物，可旋轉鍵的數量也增加了1（平均值= +1.2），這與MW的增加是相匹配的。
圖3.?66對hit-臨床前候選藥物對的理化性質的分析
圖片來源于JMC
結果3. 臨床前候選藥物的Tanimoto-MCS分析
Tanimoto-MCS可以作為比較手段分析hit和臨床前候選藥物之間的結構差異。此前已證明Tanimoto值 > 0.8可以認為是結構相似的配體對，我們可以以此來評估從hit發展到臨床前候選藥物所需的優化程度，結果如圖4所示。在許多情況下，優化后的化合物在結構上與hit非常不同，但有趣的是兩組計算出的差異均值為0.5，一種可能的假定是與使用以前已知的化合物作為起點相比，HTS中的hit應該需要更多的結構變化，但事實并非如此，因為兩組都與初始起點的不同程度近似。最后，計算出的分子復雜性表明，臨床候選藥物分子實際上確實比其相應的起點更加復雜，表現在重原子的數量從27增加到33，平均增加了四個脂肪族原子和兩個芳香族原子，還平均增加了兩個氫鍵受體，并且極性表面增加；而氫鍵供體和sp3雜化的數量保持不變。此外，從hit到lead的研發過程中，在三分之二（43/65）的情況下,至少增加了一個雜環氮；在三分之一（20/65）的情況下，至少增加了一個氟原子。Young和Leeson詳細描述了許多成功的hit-to-lead和lead-to-clinical案例，并概述了使項目團隊能夠成功實現研發目標的四種主要策略：（a）尋找“必要”的氮；（b）甲基化；（c）氟化和（d）羥基化。?
圖4. hit-臨床前候選藥物對的Tanimoto最大通用子結構（Tanimoto-MCCS）的比較
圖片來源于JMC
總結
本文通過整合文獻案例獲得了66對hit-臨床前候選藥物對,并歸類為特定的先導化合物生成方法和分析了分子屬性和結構多樣性的變化。作者發現大約一半（46％）的臨床前候選藥物源自先前已知的化合物，第二大類來自隨機篩選方法（31％）。此外，還可以從集中篩選、基于片段的先導化合物生成和DNA編碼庫篩選方法中得到。對理化性質的分析表明，分子量通常是從hit轉到臨床前候選藥物的唯一顯著變化，且平均增加了一個可旋轉鍵，但親脂性幾乎沒有變化?？偟膩碚f，文章分析表明，使用先前已知的化合物作為起點是一種成功的先導化合物發現策略，但隨機篩選方法在不存在已知化合物或需要特定作用方式的情況下也是十分有用的策略。其他策略（例如FBLG和DEL）也已經顯示出良好的潛力。還應注意的是，很少能直接從篩選hit項目中找到藥物，并且大多數臨床前候選藥物都是進行了重要的化學優化的結果。
參考文獻
Dean G. Brown and Jonas Bostr?m, Where Do Recent Small Molecule Clinical Development Candidates Come From? 2018, 61, 21, 9442-9468. DOI: 10.1021/acs.jmedchem.8b00675.