攻克难成药靶点，AI赋能虚拟筛选带来成功案例 -GPX4.docx

攻克难成药靶点，AI赋能虚拟筛选带来成功

案例

GPX4是细胞铁死亡过程中的重要靶点，GPX4负责催化还原的过氧化脂质都是嵌入在细胞膜中的，为了贴合平坦的细胞膜表面，GPX4的催化口袋非常平坦，类似于蛋白蛋白界面，不是常规意义上的可药口袋，这对非共价靶向GPX4的催化口袋造成了很大的难度。

图1GPX4的催化位点很浅，类似于蛋白蛋白界面

特殊的虚拟筛选流程

▌第一步需要一个特大化合物库

在靶向这类平坦的口袋时，在特大化合物库中进行筛选是非常有必要的，因为平坦的口袋能提供的作用力有限，只有极少数小分子能完美地贴合到口袋上，并充分利用这些作用力来达到较高的活性。特大化合物库中的分子一般由化学砌块通过不同类型的单步化学反应组合而成，其分子数量能达到10亿以上，这为找到那些极少数能靶向GPX4催化口袋的分子提供了足够大的基数。

目前还没有任何湿实验方法能够支撑10亿级别化合物库的实体筛选。

苗头化合物筛选的湿实验方法中，目前主流的方法有高通量筛选（HTS）和DNA编码化合物库（DEL）等。但和特大化合物库相比，两者所覆盖的化学空间就小了很多。HTS测试的分子数量很难超过一百万，也就是仅有特大化合物库千分之一的数量。DEL所包含的分子能达到一亿个，但是因为受到化学反应类型的限制，DEL的分子多样性远远不如特大化合物库。

虽然湿实验方法无法覆盖特大化合物库的所有分子，但在虚拟筛选中，通过采用不同颗粒度的亲和力打分算法，并结合机器学习算法可以实现对10亿分子的高效筛选，并具有高度的准确性。

▌第二步定制化的虚拟筛选策略

但在特大化合物库中搜索时，传统的虚拟筛选策略是不适用的。

?传统的虚拟筛选方法主要包含以下步骤：

1）分子对接：把库中所有的小分子对接到要靶向的口袋上，获得小分子在口袋上的结合模式。

2）对接打分：对结合模式用对接打分进行评估，并挑选对接打分较好的分子；

3）评估排序：对挑选出的分子用精度更高的方法，如MMGBSA或者FEP进行评估；

4）挑选验证：挑选MMGBSA或者FEP打分较好的分子进行合成测试。

在传统虚筛流程的1）和2）步骤中，即使对千万级别化合物库中的每个分子进行对接打分，也需要花费一整天的时间来完成。而对于一个规模达到10亿的虚拟化合物库，要完成全部的对接打分则需要长达3个月的时间。

显然，这样的时间成本是不切实际的。

?晶泰科技的解决方案——定制化的虚拟筛选策略

在GPX4案例中，晶泰科技使用了针对特大化合物库开发的虚筛流程。

1）片段对接：首先用10,000个片段作为“探针”对接到GPX4的催化口袋上，这些片段拥有不同的化学性质和结构，代表了不同类型的药效团。

2）FEP计算：接着用XFEP（晶泰科技自由能微扰技术）来评估这些片段在口袋上各个位置的结合强度。

3）主动学习：运用