先睹為快
靶點
PPARα：過氧化物酶體增殖物激活受體α(PDB ID：3ET1和3SP6)
數據庫
ChemDiv數據庫（140萬個小分子）
計算方法
分子對接
分子動力學模擬
計算軟件? ?
Glide，AMBER
計算流程
作者基于分子對接技術對ChemDiv數據庫中140萬個化合物進行了虛擬篩選，通過HTVS、SP和XP模式的級聯分子對接結合肉眼篩選，命中了14個潛在的PPARα激動劑。對被命中的化合物進行了生物學評價和機理研究，最終發現了新型PPARα激動劑(化合物A-4)。作者用MD模擬揭示了化合物A-4與PPARα配體結合域結合的關鍵殘基與穩定的結合模式，并通過突變實驗進一步進行了實驗驗證。綜上所述，化合物A-4是一種新型的先導化合物，可用于開發高效、選擇性的PPARα激動劑。
虛擬篩選
考慮到不同結構類型的配體對構成結合袋的殘基的取向和位置有誘導擬合效應，作者選擇了PPARα的兩個晶體結構(PDB ID：3ET1和3SP6)進行分子對接。對ChemDiv數據庫中140萬個化合物進行了虛擬篩選，使用Glide程序中HTVS（高通量）、SP（標準精度）和XP（精確精度）模式的級聯分子對接依次篩選，每步篩選均只保留對接得分靠前的10%的小分子進行下一步篩選，通過考慮它們的結合姿勢、蛋白質?配體相互作用和結構多樣性，以及考慮它們相對于參考晶體配體的空間取向和位置進行肉眼篩選。隨后對命中的14個潛在的PPARα激動劑體外生物學評價，最終發現了新的、有效的PPARα激動劑–化合物A-4（圖2）。
分子動力學模擬
作者對化合物A-4與PPARα的復合物進行了100ns的分子動力學模擬。軌跡分析（包括均方根偏差(RMSD)、均方根波動(RMSF)和旋轉半徑(Rg)的計算）表明蛋白質?配體復合物處于平衡狀態（圖3和圖4）。作者還考察了氫鍵占有率和緊密接觸百分率。氫鍵占有率分析表明Ser280、Tyr314和Tyr464這三個關鍵殘基與PPARα激動劑之間的氫鍵保持穩定，Gln277與配體之間形成了穩定的氫鍵，這是原始結構中沒有的。在緊密接觸分析中考慮了配體周圍4.5?以內的殘基，結果揭示了一些密切接觸比例較高的重要殘基(圖5)，部分殘基的緊密接觸主要是疏水相互作用的結果。利用分子力學泊松玻爾茲曼表面積（MM/PBSA）方法，每隔50ps從平衡軌跡的最后50ns中提取一次快照，用于計算ΔGpbsa?？紤]到計算時間較長，這些快照被用來計算熵貢獻，間隔為10，結合自由能值ΔGbind由這兩部分組成。最終得到化合物A-4的ΔGbind值為?15.4kcal/mol。作者通過結合自由能分解和丙氨酸掃描誘變(ASM)鑒定化合物A-4結合的重要殘基。結合自由能分解中通過一個殘基對結合自由能的貢獻來評價一個殘基對配體結合的重要性，其絕對值大于1.0kcal/mol被認為是重要的的殘基。結果表明(圖6)，Thr279、Gln277、Ser280、Tyr314、Ile317、Leu321、Val324、Lys358、His440、Tyr464等殘基對配體結合貢獻較大，尤其是Tyr464、Tyr314和Ser280這三個殘基。該結果與氫鍵占有率分析相一致，表明這三個氫鍵對配體的結合應該至關重要。另外，Gln277也有較高的結合能，表明它是一個關鍵殘基，這也與氫鍵占有率分析是一致的。ASM分析結果(圖7)顯示，Q277A、S280A、Y314A、K358A和Y464A等突變顯著改變了化合物A-4的結合自由能，表明這5個殘基對化合物A-4的結合非常重要，關鍵殘基的突變實驗也證實了該結果的可靠性。
圖1.虛擬篩選方法發現新型PPARα激動劑的工作流程
圖片來源JCIM
圖2.分子對接預測化合物A-4與PPARα的結合模式(A)與結合構象（B）
圖片來源JCIM
?
圖3.分子動力學模擬中RMSD值（A）與Rg值（B）的變化
圖片來源JCIM
圖4.蛋白質Cα原子的RMSF值計算
圖片來源JCIM
?
?圖5.PPARα-化合物A-4體系的緊密接觸分析
圖片來源JCIM
圖6.結合自由能分解
圖片來源JCIM
?圖7.PPARα-化合物A-4復合物體系的ASM分析
圖片來源JCIM
參考文獻：
Dai L, Feng Z, Zha R, et al. Discovery of Novel Peroxisome Proliferator-Activated Receptor α (PPARα) Agonists by Virtual Screening and Biological Evaluation[J]. Journal of Chemical Information and Modeling, 2020.DOI:?10.1021/acs.jcim.9b00838
?