基于片段藥物發(fā)現(xiàn)（FBDD）是指針對目標(biāo)分子篩選小分子化合物，然后優(yōu)化和連接這些高親和力的片段，創(chuàng)建命中率高的具有親和力性的配體。FBDD技術(shù)是當(dāng)今許多藥物發(fā)現(xiàn)項目的基礎(chǔ)，在這篇文章中匯總了在一系列目標(biāo)分子和適應(yīng)癥中，使用基于片段篩選技術(shù)的5項最新進(jìn)展。

       1、片段裁剪

       片段裁剪是傳統(tǒng)的FBDD技術(shù)和基于結(jié)構(gòu)的藥物設(shè)計的結(jié)合體。該方法允許研究人員從較小的成分中設(shè)計分子片段，然后將這些片段連接在一起進(jìn)行進(jìn)一步的評估，包括在Covid-19期間緊急識別針對SARS-CoV-2病毒的潛在藥物。

       當(dāng)時研究人員利用片段裁剪，構(gòu)建了該病毒主要蛋白酶。研究人員使用計算方法設(shè)計了分子片段，并將它們連接在一起，同時結(jié)合到SARS-CoV-2-M的不同位置上，然后篩選了一個近20萬個針對蛋白酶結(jié)合腔的片段庫，任何結(jié)合到相鄰的高親和力片段都會被連接起來，生成最終的新候選分子。這些分子具有類似藥物的性質(zhì)和可能的結(jié)合親合力，研究人員通過分子動力學(xué)模擬評估了多種候選分子的候選名單，其中17種被發(fā)現(xiàn)能夠與SARS-CoV-2-M形成穩(wěn)定的復(fù)合物。值得注意的是這些新穎的、針對covid-19的候選藥物，無法通過以往傳統(tǒng)的高溫超導(dǎo)方法研發(fā)。

       2、親和性質(zhì)譜片段篩選

       G蛋白耦聯(lián)受體（GPCRs）是配體結(jié)合在主要活性位點以外的一個位點，在多種疾病中有一系列發(fā)揮潛在的治療應(yīng)用，包括心臟疾病到癌癥，而識別負(fù)變構(gòu)調(diào)節(jié)劑（NAMs）尤其具有挑戰(zhàn)性，NAMs可抑制受體激活。最近，一種結(jié)合親和質(zhì)譜（MS）與FBDD結(jié)合的新方法被用于篩選潛在NAM的片段庫，該NAM可靶向腺苷A受體的鈉離子結(jié)合袋，這是炎癥和心臟病中廣泛探索的靶點。

       與常規(guī)表面等離子體共振或基于NMR的FBDD方法相比，通過使用親和MS富集特定結(jié)合物，可以減少2至4倍的目標(biāo)蛋白質(zhì)和片段庫化合物混合物的使用量，并且分析速度可以提高2至3倍。這種方法確定了一種新的NAM，其特征是氮雜環(huán)丁烷部分被認(rèn)為占據(jù)變構(gòu)鈉結(jié)合位點。這一發(fā)現(xiàn)將為NAM的設(shè)計提供針對A類GPCR鈉離子的信息，展現(xiàn)了將親和MS與FBDD相結(jié)合，以識別其他GPCR靶標(biāo)的變構(gòu)抑制劑的能力。

       3、氟-19核磁共振波譜

       核磁共振波譜是一種成熟的FBDD技術(shù)，方法是測量15N標(biāo)記的目標(biāo)蛋白在片段配體結(jié)合處的量子光譜的位移。最新發(fā)展顯示，該技術(shù)已擴(kuò)展到其他的目標(biāo)分子。在一項研究中，氟-19NMR可用于針對14種不同的RNA篩選（包含102個片段的數(shù)據(jù)庫），揭示了不同大小和二級和三級RNA結(jié)構(gòu)的成藥性，其中包括從發(fā)夾結(jié)構(gòu)到細(xì)菌型核糖開關(guān)的多種結(jié)構(gòu)，它們能夠以高親和力和特異性自然結(jié)合低分子量代謝物。

       基于氟-19的檢測要比其他基于NMR的方法具有優(yōu)勢，因為氟-19光譜顯示出了更高的化學(xué)位移分散，使其在檢測弱結(jié)合活性時更加靈敏。鑒定的片段可以通過直接的后續(xù)化學(xué)輕松進(jìn)一步優(yōu)化，以增加結(jié)合親和力，同時仍保持不同RNA靶標(biāo)之間的選擇性。

       4、片段計算協(xié)議

       計算方法通常在實驗片段篩選之前使用，用于設(shè)計潛在的篩選片段（如片段剪裁方法）或?qū)⒒衔飻?shù)據(jù)庫縮小為更易于管理的集合。這些方法使用分子對接，模擬可視化片段與目標(biāo)蛋白質(zhì)上不同位點的結(jié)合。為此，研究人員需要使用X射線晶體學(xué)方法獲得目標(biāo)蛋白質(zhì)的實驗結(jié)構(gòu)，或者用已知的結(jié)合劑探索相關(guān)的化學(xué)結(jié)構(gòu)。但是，基于某些配體片段傾向于與進(jìn)化無關(guān)蛋白質(zhì)的保守蛋白質(zhì)亞袋結(jié)合的觀察結(jié)果，研究人員為此已經(jīng)開發(fā)了一種新的虛擬篩選工具FRAGSITE，它使用的是不相關(guān)靶蛋白的相似位點結(jié)合的配體片段。

       在實驗測試中，F(xiàn)RAGSITE比其他虛擬篩選工具能夠有更高的命中率，并為測試的目標(biāo)識別出具有不同支架和納摩爾親和力的新分子。最近的另一項發(fā)展是一種稱為高通量監(jiān)督分子動力學(xué)（HT-SuMD）的計算協(xié)議。HT-SuMD協(xié)議允許研究者使用3D目標(biāo)結(jié)構(gòu)和要篩選的片段數(shù)據(jù)庫，以全自動方式準(zhǔn)備、運(yùn)行和分析數(shù)千個模擬，將結(jié)合事件的采樣加速到幾秒，這也是迄今為止最 大的完全基于分子動力學(xué)的片段篩選計算。

       5、片段表型先導(dǎo)發(fā)現(xiàn)（FPLD)

       長期以來，人們一直認(rèn)為FBDD中使用片段的弱結(jié)合親和力，不會在基于細(xì)胞的表型分析中檢測到，或者使用足夠高濃度的片段數(shù)據(jù)庫來獲得高的命中率，會導(dǎo)致**和讀數(shù)不準(zhǔn)確。但最近，研究人員已成功地使用精選片段庫在傳染病模型中達(dá)到了目標(biāo)。

       在一項研究中，研究人員針對一系列病原體（利什熱病、惡性瘧原蟲、奈瑟菌、分枝桿菌和黃病毒）篩選了169個化合物數(shù)據(jù)庫，每個庫包含7至12個化合物。實驗者對于每種病原體在單獨的測定中進(jìn)行解卷積，并與來自HTS先前的命中進(jìn)行比較。這項概念驗證研究并沒有像預(yù)期的那樣，觀察到非特異性抑制和**，而是發(fā)現(xiàn)了表型篩選帶來了可以進(jìn)一步探索的一系列命中數(shù)據(jù)。除此之外，該方法還可以更廣泛地用于其他缺乏明確臨床目標(biāo)的疾病，例如神經(jīng)系統(tǒng)和心血管疾病以及某些類型的癌癥。

       參考文獻(xiàn)

       1. Erlanson DA, Fesik SW, Hubbard RE, Jahnke W, Jhoti H. Twenty years on: the impact of fragments on drug discovery.Nat Rev Drug Discov. 2016;15(9):605-619. doi: 10.1038/nrd.2016.109

       2. Patterson AW, Wood WJ, Ellman JA. Substrate activity screening (SAS): a general procedure for the preparation and screening of a fragment-based non-peptidic protease substrate library for inhibitor discovery.Nat Protoc. 2007;2(2):424-433. doi: 10.1038/nprot.2007.28

       3. Choudhury C. Fragment tailoring strategy to design novel chemical entities as potential binders of novel corona virus main protease. J Biomol Struct Dyn. 2021;39(10):3733-3746. doi: 10.1080/07391102.2020.1771424

       4. Lu Y, Liu H, Yang D, et al. Affinity mass spectrometry-based fragment screening identified a new negative allosteric modulator of the adenosine A2A receptor targeting the sodium ion pocket. ACS Chem Biol. 2021;16(6):991-1002. doi: 10.1021/

       acschembio.0c00899

       5. Binas O, de Jesus V, Landgraf T, et al. 19 F NMR-based fragment screening for 14 different biologically active RNAs and 10 DNA and protein counter-screens. Chembiochem. 2021;22(2):423-433. doi: 10.1002/cbic.202000476

       6. Zhou H, Cao H, Skolnick J. FRAGSITE: A fragment-based approach for virtual ligand screening. J Chem Inf Model. 2021;61(4):2074-2089. doi: 10.1021/acs.jcim.0c01160

       7. Ferrari F, Bissaro M, Fabbian S, et al. HT-SuMD: making molecular dynamics simulations suitable for fragment-based screening. A comparative study with NMR. J Enzyme Inhib Med Chem. 2021;36(1):1-14. doi:10.1080/14756366.2020.1838499

       8. Ayotte Y, Bernet E, Bilodeau F, et al. Fragment-based phenotypic lead discovery to identify new drug seeds that target infectious diseases.ACS Chem Biol. 2021;16(11):2158-2163. doi: 10.1021/acschembio.1c00657