第五章_药物发现的虚拟筛选方法课件.ppt

* * * * * * * * * 主要预测方法 * 1、从头预测法（ab initio prediction） 采用理论计算（分子力学、分子动力学、量子化学）方法，直接从分子和原子参数计算出蛋白质分子的稳定构象。 理论上最理想的方法，但计算量极大，对于实际分子的计算超过能力范围。 * 比较分子模拟法comparative molecular modeling同源模建homology modeling同源蛋白法protein homology building 根据已知的蛋白质三维结构来预测可能的三维结构——基于知识的预测 同源蛋白有着相似的来源、相似的结构和生物功能。通过比较蛋白序列的相似性，按同源蛋白的三维结构为模板，构建未知蛋白的结构 一般要求同源性在30%以上，特别是在结合区域同源性要好 * 2、同源蛋白模建法homologous model 步骤： （1）根据未知蛋白质的序列，寻找同源蛋白 （2）二重或多重序列对比 （3）找出共同的二级结构区域，构建骨架 （4）对初始模型作能量优化 （5）判断结构合理性 * 3、穿针引线法，线串法，线程法，折叠识别（threading，fold recognition） 根据已知的蛋白质三维结构来预测可能的三维结构——基于知识的预测 可应用于进化非常疏远的结构预测 未知蛋白序列与折叠库中已知结构的蛋白序列作匹配计算，将序列吻合的三维结构模块串连起来，得到整个蛋白三维结构 * * 三、代表性生物信息学数据库 （一）核酸数据库 ? GenBank——NIH所属国家生物技术信息中心NCBI ? Nucleic Acid Database（NDB）—— 由European Molecular Biology Laboratory（ EMBL）创建，现由英国剑桥的欧洲生物信息学研究所（ European Bioinformatics Institute, EBI）维护 ? DNA Data Bank of Japan（DDBJ）——日本国立遗传学研究所的日本信息生物学中心（Center forInformation Biology, CIB）开发维护 三大库可交互 * （二）蛋白质数据库 PDB （ Protein Data Bank at Brookhaven National Laboratories ） 美国—— Research Collaboration for Structural Bioinformatics, RCSB开发维护的多肽、酶、病毒、碳水化合物和核酸的三维结构数据 * / 第四节虚拟筛选（virtual screening ） 计算机辅助筛选(computer-aided screening) 计算机筛选（screening in silico） 三维结构搜寻（three-dimensional structure searching） 虚拟： ? 计算机上进行 ?不需要化合物，只需结构 ? 化合物数据库——实际分子的索引；虚拟分子； 类药性分子 * 一、基于靶点结构的虚拟筛选——对接target-based virtual screening —— docking * * 虚拟筛选 * * 虚拟筛选的具体流程 * 包括4个步骤：受体模型的建立；小分子库的产生；计算机筛选和命中化合物的后处理。 第一步，受体模型的建立： 蛋白质结构的准备是虚拟筛选的重要一步。虚拟筛选的蛋白靶标的结构可以从PDB库(/pdb/index.html)中直接下载使用 也可以通过和家族中同源蛋白的序列、结构信息比较，同源模建而得 1）大分子结构获取 2、靶点处理： 加氢原子、加电荷、带电残基的质子化 * 第二步，建立小分子数据库（最为常用的小分子数据库Zinc数据库） 3D结构转化 结构优化 加电荷 类药性分析 多样性分析 * 第三步，对接和打分，这一步是虚拟筛选的核心步骤。 对接操作就是把每个小分子放到受体蛋白的配体结合位点，优化配体构象和位置，使之与受体有最佳的结合作用，给最佳结合构象打分，对所有化合物根据打分排序，然后从化合物库中挑出打分最高的小分子。 能量和空间匹配 * 第四步，最后一步是命中化合物的后处理 通过计算分子的类药性质ADME/T (吸收absorption、器官分布distribution、体内代谢metabolism、排泄excretion 和毒性toxicity)性质的估算，排除那些不具有类药性质的分子。 可以利用一些经验规则如“五规则” 等，快速排除那些不适合进一步药物开发的分子。 通过以上四步处理，大部分分子从化合物库中剔除，形成一个合理大小的化合物库，仅对这些适合成药的化合物或购买、或合成、或分离得到，然后再进行实际的生物测试。