MOE基于结构的药物设计（十三）：Pharmacophore Constraints——如何让Docking保留关键蛋白–配体相互作用？

上一篇中，我们利用 Template-Based Docking，在保留 Tarceva analog 的 quinazoline core 结合模式的同时，探索了柔性侧链的不同构象。

但这种方法依赖配体与 template 之间存在明确的共同骨架。

当研究对象从一个 Tarceva analog 扩展到一批结构/骨架不同的 EGFR inhibitors 时，我们需要一种更抽象的方式来保留已知的关键结合信息——不再要求分子具有完全相同的骨架，而只要求其满足关键的三维化学特征。

这就是Pharmacophore Constraint。

1. 保留什么特征

在前面的 1M17 分析中，我们已经反复看到：

Tarceva 的quinazoline core位于 EGFR hinge 区，并通过环上的 N 原子形成关键的 hinge interaction。

因此，如果后面要对接一批同类 EGFR inhibitors，我们其实已经有了一个很明确的先验：

一个值得优先保留的 pose，最好能够重现这一关键 hinge-binding pattern。

本案例就是把 1M17 中的 hinge-binding interaction 转换成一个三特征 pharmacophore query，再把它作为 Docking 的过滤条件。

换句话说，我们不再只是告诉 MOE：

“把这些分子放进 EGFR 口袋。”

而是进一步告诉它：

“放进去以后，还必须符合我们已经知道的关键结合特征。”

2. 如何理解Pharmacophore

这一篇先从案例出发。

1M17 中存在真实的 Tarceva 三维结合构象。MOE 会首先在 ligand 上识别一些Annotation Points，例如：

• H-bond donor

• H-bond acceptor

• aromatic feature

然后再从这些 annotation points 中选择我们真正关心的部分，转换成Pharmacophore Features。

这些 feature 的集合最终形成 Pharmacophore Query。

所以在本案例中，它其实是在做：

真实的 Tarceva 三维结构——提取关键化学特征——把 hinge-binding pattern 抽象成可搜索的几何条件

这样以后即使换成另一个 EGFR ligand，只要能够以合适的三维方式满足这些特征，就有机会通过这个过滤器。

3. 从 Tarceva 创建 Pharmacophore Query

在 Dock Panel 中找到：

Pharmacophore

选择：

Create New Query

然后点击：

Open New Editor

打开 Pharmacophore Editor。

此时 MOE 会围绕当前 ligand 显示 Annotation Points。

为了更容易看清这些点，本案例先在 System Manager 中隐藏 Receptor 和 Solvent，只保留：

X-ray ligand + Annotation Points。

4. 编码 Aromatic Ring

首先选中芳香环中心的：

Aro annotation point

然后点击：

Feature

生成一个Aro feature。

这个 feature 记录的是 Tarceva 核心区域中的芳香特征。

这里要注意：

我们不是在告诉 Docking：

“必须是 Tarceva 这几个原子。”

而是在描述：

“这里需要出现满足相应几何条件的芳香特征。”

这也是 pharmacophore 相比单纯原子匹配更灵活的地方。

5. 编码 Hinge Acceptor

接下来是整个 query 中最关键的部分。

选择 quinazolineN1 原子上的 Acc annotation point，同时 Shift+Click 选择其对应的：

Acc2 projected feature

然后点击：

Feature

此时会生成Acc + Acc2 features，并在二者之间建立 constraint。

为什么需要 projected feature？

因为这里不仅关心：

“有没有一个 H-bond acceptor。”

还关心：

“这个 acceptor 应该朝哪个方向与 hinge 形成作用。”

因此，药效团不仅记录化学类型，还把关键 interaction 的三维几何信息一起编码进去了。

到这里，我们得到的就是本案例中用于描述 EGFR hinge-binding 的三特征 query：

Aro + Acc + Acc2

6. 保存这套 EGFR Hinge Filter

本案例将 query 命名为：

egfr_query1

并保存为：

egfr_query1.ph4。

这个.ph4文件后面不只可以用于 Docking。

在后续教程中，它还会继续作为：

• Scaffold Replacement filter

• Combinatorial Library filter

使用。

也就是说，我们现在做的其实不是一个“一次性 Docking 参数”，而是在把1M17 中已经验证过的结合知识保存成可以重复使用的结构规则。

7. Dock 一批 EGFR Ligands

接下来重新显示 Receptor 和 Solvent，然后在 Dock Panel 中载入：

$MOE/sample/mol/egfr_tk_ki.sdf.gz

作为需要进行 Docking 的 ligand library，这个数据库中的所有小分子都有quinazoline core。

这一步和前两篇已经出现了明显区别。

之前我们是在研究：

“一个自己设计的 Tarceva analog 可以有哪些 pose？”

现在变成：

“面对一批 EGFR ligands，如何让它们产生的 pose 都尽量保留我们认可的 hinge-binding mode？”

这正是 Pharmacophore Constraint 最典型的使用场景。

点击run，就可以开始进行分子对接。

8. Pharmacophore Filter 过滤了什么？

如果完全不加约束，Docking 搜索可能产生很多几何上能够进入口袋的 pose。

其中有些 pose 的 docking score 可能并不差，但：

quinazoline core 已经翻转

或者

关键 hinge acceptor 根本没有形成原来的作用方式。

从我们当前已经掌握的 EGFR–Tarceva 结构知识来看，这些 pose 的优先级显然应该下降。

因此这里的 Pharmacophore Filter 相当于增加了一道门槛：

产生 Docking Pose

↓

这个 pose 是否满足 Aro + Acc + Acc2？

↓

满足 → 保留进入后续步骤 / 不满足 → 过滤掉

本案例的核心目的正是利用 pharmacophore query，使保留下来的 docked poses 包含我们指定的关键 interaction。

9. 运行 Docking 后怎么看？

本案例将进入 refinement 的 placement poses 数量降低到10，然后运行 Docking。最终 docked poses 会写入 MOE database。

Docking 完成后，MOE 会生成一个结果数据库，例如：

dock.mdb

数据库中的一行通常代表一个 Docking Pose，而不是一个独立的配体。

因此，同一个ligand可能连续出现多行，因为Docking为它保留了多个不同的三维结合姿势。

这些列应该怎么看？

本案例的Docking output中，比较常见的字段包括：

S 是最终比较 pose 时最可以量化的 Docking Score

反映的是 Docking 流程不同阶段产生的中间结果。

可以简单理解为：

Placement

产生初始 pose

↓

初步 Scoring

↓

Refinement

在口袋中优化结构

↓

Final Rescoring

得到最终保留结果

但是，只看docking score是非常表面的，我们需要通过蛋白配体复合物的口袋信息来评估配体的对接结果。

可以通过：

Database Viewer → File → Browse

逐个浏览 docking results。

教程中的大多数 pose 与原始 X-ray ligand geometry 比较接近，同时也能够观察到部分 alternate poses。

10. 从 Template Docking 到 Pharmacophore Constraint，我们放宽了什么？

这两篇容易混淆。

上一篇Template-Based Docking更像是：

“这个核心结构本身尽量按照 template 摆放。”

而 Pharmacophore Constraint 更像是：

“分子具体长什么样可以不同，但必须满足这些关键三维化学特征。”

所以 Pharmacophore 的约束更抽象，也更适合对：

一批结构不同的 ligands

进行筛选。

这也是为什么到了ligand library docking阶段，Pharmacophore 会变得非常有价值。

到后面的FBDD的内容中，scaffold replacement则可以更好的起到更好的作用。

11. 本篇小结

这一篇实际上完成了一件很重要的事情：

我们把前面通过 1M17 晶体结构观察到的：

Tarceva–EGFR hinge interaction

从“人眼看到的结合模式”，转换成了机器可以直接用于 Docking 的：

Aro + Acc + Acc2 Pharmacophore Query

这样 Docking 就不再只是：

“谁的Affinity分数低就看谁。”

而是先加入一个更加符合当前设计目标的问题：

“这个 pose 有没有保留我们已经知道非常重要的 hinge-binding interaction？”

不过即使经过 Pharmacophore Filter，一批 ligand docking 后仍然会得到大量结果。

下一步我们需要更系统地比较这些 ligand 到底分别和哪些 EGFR residues 发生了作用。

下一篇：

MOE基于结构的药物设计（十四）：PLIF——如何从大量Docking结果中快速比较关键相互作用？