ROS1重排臨床可見于1-2%的非小細胞肺癌病例中，目前無選擇性治療藥。云上用Fast ROCS方法對AstraZeneca虛擬化合物庫進行虛擬篩選，經過綜合評價得到了一系列高活性和選擇性分子，活性最高可達nM級別。
ROS1重排可導致完整的ROS1酪氨酸激酶結構域與另一條染色體的伴侶蛋白融合，至今仍無選擇性ROS1藥物。本文作者嘗試研發一種特異性的、選擇性的ROS1抑制劑，以提供更好的療效和耐受性。TrkA被選為密切相關的激酶抗靶點，用來度量化合物的選擇性。
虛擬篩選是一種經典的藥物篩選方法，對比濕實驗可大幅提高篩選效率。本文采用配體和受體相結合的虛篩方案，基于FastROCS（OpenEye出品的以2D方法的速度進行基于形狀的疊合和打分的方法）的工作流程搜索了阿斯利康的化合物庫(100億個分子)子集，鑒定出候選的骨架。然后枚舉化合物庫中對應的分子，經對接檢驗后合成了兩個系列的化合物并測試生物活性。
1.?建立查詢標準
通過多種標準選取了五個分子作為查詢對象（圖1）。將分子與ROS1的結合構象在空間中疊合，生成了空間形狀約束和藥效團特征。
圖1. ROS1抑制劑的結構式。圖片來源：JCIM
FastROCS用Tanimoto指標來計算分子間形狀與特征的相似度，確定了2900個Tc score ≥ 1.2 的化合物。
有些分子雖有良好的分數，但可能缺乏關鍵藥效團特征，刪除這部分化合物后將剩下的1700個化合物與ROS1受體（PDB ID：3ZBF 和 4UXL）經GlideSP對接及肉眼查看，選擇了400個化合物進行生物學測試。
實驗證實 280 種化合物對 ROS1 具有活性，80余個分子對 TrkA 的選擇性與ROS1相比超過 10 倍，新的 ROS1 活性化合物保持了對TrkA的選擇性。
在13 種具有個位數納摩爾ROS1 IC 50值的化合物中，最佳活性可達2nM。含有二甲基取代的雙環內酰胺的化合物6的活性是13nM，其選擇性是TrkA的3900倍，是鑒定出的化合物中最有效和選擇性最強的。
表1.?6所在的其中一系列的分子的SAR分析。表格來源：JCIM
3.?AstraZeneca虛擬篩選庫（AZVL）
FastROCS等方法可以部署到數百個GPU上以篩選更大的虛擬數據庫。AZVL涵蓋了4000多個核心骨架和取代基，每個母核或骨架都有對應的合成模板及其試劑類別。AZVL 骨架有1到4個連接點，通過完全枚舉，潛在的虛擬空間可達上千億個分子，足以代表整個搜索空間。
圖2. FastROCS的虛擬篩選流程。圖片來源：JCIM
圖 2 展示了FastROCS工作流程。它需要兩個輸入：Query Reader處理輸入3D結構，Collection Reader加載預處理的虛擬庫。
圖3. FastROCS虛篩AZVL的結果與兩步法虛篩全庫的步驟。圖片來源：JCIM
作者查詢了1–5，拿到每個查詢分數最高的1萬個苗頭化合物。Tc score分布如圖3所示。平均每個分子的查詢確定了60到270個不同的骨架，檢查具有超過10個苗頭化合物的簇，每個查詢識別出15到60個骨架（圖 3C）。經過對接打分后從理化性質預測、結構新穎性、化學合成可行性三個角度對骨架做進一步評估。
圖3中歸納的兩個步驟能夠從全庫中找到所有潛在的分子，所有七個骨架的枚舉產生了近1700萬個虛擬分子。預過濾及Lipinski過濾加上ROS1對接后，得到了容量近7000種化合物的庫A。從中挑選了70種化合物進行合成。
作者計算了2000多種化合物，從1、3和4的嘧啶4位偶聯，與多種仲胺的SNAr反應得到了化合物庫B。
5.?苗頭化合物的確認
在庫A中，根據與4的3D相似性來選擇化合物，R1=OMe 取代的化合物通常顯示出略優的ROS1活性趨勢，同時對TrkA 更具選擇性（表 2）。16活性達到13nM，選擇性達到近5000倍。27–30 表明換成簡單的雜環則失去活性。
在庫 B（圖4）中，34 表明喹啉基團也具有良好的耐受性并且沒有顯示出可辨別的TrkA 活性。8是該組中最有效的化合物 (9nM)。
圖4. 化合物庫B的SAR分析及1和31在1 μM濃度下的激酶選擇性。圖片來源：JCIM
本文通過虛篩確定了三種不同的高效和選擇性ROS1抑制劑先導化合物系列（ERK series、庫A、庫B），為選擇性ROS1抑制劑提供了重要的苗頭化合物。這種簡單的基于形狀的虛擬篩選與基于結構的匹配方法相結合，加上具有高合成成功率的虛擬庫是快速推進項目的關鍵。
唯信計算可以提供此類服務，您也可以使用WeMol軟件自行計算。公司自主開發的AlphaConf是一種超快速分子構象搜索算法，限制性結構片段定義保證了媲美Schrodinger的ConfGenX算法的精度、非重復構象生成技術則帶來了比OpenEye的Omega快一個數量級以上的計算速度，自研專利數據格式提供了與主流SD格式相比約400-800倍的數據壓縮率。準確、快速、高效是其最明顯的特色。
AlphaShape是一種基于形狀和藥效團相似性比較的GPU加速高精度藥物虛擬篩選工具。通過結合高斯函數與深度學習，其計算精度已經大幅領先同類型商業算法（Schrodinger的Phase，OpenEye的ROCS/fastROCS）。在DUD-E標準數據集的測試中，虛擬篩選的AUC值達到了0.837（對比Phase與ROCS的0.663 及0.696）。在NVIDIA GPU的進一步加速下，此類超高通量虛擬篩選的效率可以得到大幅提升，篩完百萬商業化合物庫僅需一小時！
AlphaConf/AlphaShape藥物虛擬篩選組合工具，目前已被合作藥企用于虛擬篩選并成功發現生物活性分子。
我們已將這兩個獨特的模塊集成到了自主研發的分子智能計算平臺WeMol《分子智能計算平臺云端版-WeMol Cloud正式發布》中，且將其與其他模塊組裝成了一套完整的虛擬篩選計算流程，只需上傳目標分子，選擇欲篩選的化合物庫（平臺已內置了大部分常用庫），采用默認參數即可開始計算?？呻S時追蹤作業進度，可視化面板讓篩選結果變得一目了然。
除此之外，還有免疫原性預測、密碼子優化、分子生成等眾多大小分子計算模塊，歡迎大家前來試用，掃碼試用全免費哦！
Petrovic?, D., Scott, J. S., Bodnarchuk, M. S., Lorthioir, O., Boyd, S., Hughes, G. M., … & Sadowski, J. (2022). Virtual Screening in the Cloud Identifies Potent and Selective ROS1 Kinase Inhibitors.?Journal of Chemical Information and Modeling.
https://doi.org/10.1021/acs.jcim.2c00644
