Modélisation moléculaire et Drug Design

Présentation au sujet: "Modélisation moléculaire et Drug Design"— Transcription de la présentation:

1 Modélisation moléculaire et Drug Design
Mastère recherche de Biochimie mention Biochimie Structurale et Fonctionnelle UE Bioinformatique Structurale Modélisation moléculaire et Drug Design Décembre 2004

2 Bon, j’ai mon modèle 3D, et maintenant, j’en fait quoi ?

3 Validation de mon modèle

4 Validation structurale
Loi de Murphy: « Tout ce qui doit aller mal, ira mal; surtout si les choses sont aussi compliquées que les structures protéiques. »

5 Validation structurale
Validation des empreintes Validation des modèles

6 Validation structurale des empreintes
Pourquoi un homme sain d’esprit passerai 40 ans de sa vie à rechercher des millions d’erreurs dans la PDB ?

7 Parce que… Tout ce que nous savons sur les protéines vient des fichiers de la PDB. Si une empreinte est fausse, le modèle sera faux Les erreurs deviennent moins dangereuses quand nous les connaissons

8 Que va-t-on vérifier ? Les erreurs de frappe
Les erreurs spécifiques au cristal Les erreurs spécifiques à la RMN Les erreurs les plus évidentes Les erreurs les plus improbables Les erreurs qui semblent les pires

9 Comment évaluer un modèle
Comparaison avec l’empreinte (RMS, alignement…) Évaluer le repliement global (distribution des hydrophobes) Évaluer les paramètres structuraux de notre modèle

10

11 Une bonne structure 3D.. rmsd = 4 Å Forme de la molécule
rmsd = 3 Å Discrimination des chaines polypeptidiques rmsd = 2 Å Discrimination des chaînes latérales rmsd = 1.5 Å OK rmsd = 0.8 Å Discrimination des atomes rmsd = 0.4 Å très bonne rmsd = 0.2 Å le rêve

12 Evaluation structurale
Validation se fait par comparaison des paramètres structuraux du modèle avec des valeurs standards. Ces valeurs sont obtenues par: analyse de « bonnes » structures: RMSD moins de 1.2 Angstrom (rare) analyse des 300 meilleurs structures de la PDB (Protein DataBase) Analyse des 300 meilleurs fragments de la CSD (Cambridge Structural Database) Certains paramètres peuvent être obtenus par des calculs théoriques (ramachandran…) mais difficulté de discrimination des « bonnes » ou « mauvaises » structures.

13 Paramètres analysés Nomenclature:
des angles (surtout V,T,I,L,R,Y,F,D,E) Poids (entre 0 et 1) Nom des chaînes Pas d’atomes manquants Présence de l’oxygène sur le C terminal … nomenclature.html

14 Nomenclature C-delta-1 et C-delta-2 semblent être les même donc 2 possibilités pour nommer les atomes

15 Nomenclature L’angle de torsion chi-2, définie par C-alpha, C-beta, C-gamma, C-delta-1, doit toujours être compris entre -90 et 90 degrés

16 Paramètres analysés Symétrie: Consistance Convention pour la cellule
Combien de molécule dans la cellule Symétrie importante Symétrie non cristallographique symmetry.html

17 Paramètres analysés Géométrie: Chiralité (exemple)
Longueur des liaisons (exemple) Angle des liaisons (exemple) Angle de torsion (exemple) Angles oméga, chi1/chi2 Ramachandran (exemple) Cycle et plan (exemple) Proline

18 Angle de torsion

19 Cycles et Plan

20 Ramachandran En 1963, G. N. Ramachandran, C. Ramakrishnan et V. Sasisekharan présentent un article sur la représentation graphique des 2 plus important angles de torsion du squelette Ca (phi and psi) (J.Mol.Biol 7:95-99 (1963)). Le premier outil sérieux de vérification de la structure des protéines

21 Ramachandran

22 Ramachandran 33 résidus dans les zones les + favorables
2 résidus dans les zones permises

23 Paramètres analysés Structure:
Distribution des résidus (inside/outside) Clash stériques Environnement Squelette a Chaînes latérales Molécules d’eau B-factor ou facteur de température Liaisons hydrogène

24 Clash stérique 2 atomes peuvent être distant au minimum de 1.4 Angstroms. (i.e. la distance inter-nucleaire doit être égale au minimum à la somme des rayons de Van der Waals radii minus 0.4 Angstrom) Des exceptions existent (liaisons entre les atomes…)

25 Chaînes latérales Vérification de la conformation des rotamères chi-1 avec une base de donnée 3D

26 Volume, Rayon de giration
Léger Dense Protéine Protéines sont fortement repliées

27 En résumé Critères permettant de juger la validité de structures obtenues par RMN ou diffraction Méthodes et critères permettant d’évaluer la validité d’un modèle 3D

28 Une bonne structure 3D Minimum d’angles de torsion non permis
Maximum de liaison H Maximum de résidus hydrophobes non exposés Maximum de résidus hydrophiles exposés Minimum d’espace interstitiels

29 Une bonne structure 3D Minimum de mauvais contact
Minimum de résidus chargés non exposés Minimum du rayon de giration Minima des énergies covalentes et non covalentes (van der Waals et coulomb)

30 Validation d’une structure de la PDB
La qualité des structures de la PDB peut être vérifiée avec PDBREPORT

31

32 pdbreport_1crn.html

33 PDBREPORT Plus de 25 000 structures PDB analysées
Plus de 20 millions de problèmes répertoriés (nomenclature des acides aminés, atomes manquants, chaîne latérale de HIS, ASN, GLN…, conformation du squelette Ca etc…)

34 Validation d’un modèle
Les nouvelles structures et modèles peuvent être vérifiés en utilisant des outils disponibles via le web ou en téléchargement.

35 Via le web What IF Web Server – Biotech Validation Suite –
Biotech Validation Suite – Verify3D VADAR – Rampage – Molprobity –

36 What IF Web Server

37 What IF Web Server

38 What IF Web Server pdbout_1crn.txt

39 Biotech Validation Suite

40 Biotech Validation Suite

41 Biotech Validation Suite

42 Biotech Validation Suite

43 RAMPAGE

44 RAMPAGE rampage_1crn.pdf

45 MOLPROBITY

46 MOLPROBITY

47 MOLPROBITY

48 Logiciels de validation structurales
PROCHECK - PROSA II - VADAR - DSSP - WHAT IF –

49 DRUG DESIGN ©

50

51 Avant tout… Identification d’une cible correspondant à la pathologie
Conception de tests biologiques permettant l’évaluation de l’affinité et de l’activité des molécules synthétisées

52 Comment sont découvertes
les nouvelles drogues ? Approche classique HTS-Chimie combinatoire Par conception rationnelle

53 Approche classique A partir de substances naturelles :
Extraits/broyats Recherche d’activité Synthèse et Production (ex: pénicilline, taxol, cyclosporine…) Constitution d’une bases de données

54 HTS-Chimie combinatoire
Synthèse automatique et rapide de 1000er de molécules Criblage expérimental à haut débit (Hight Throughput Screening) Analyse des informations, tri et évaluation de la diversité moléculaire

55

56 Conception rationnelle

57 Cibles et mécanisme d’action de la molécule thérapeutique
Enzymes – inhibiteurs (réversible ou non) Récepteurs – agonistes ou antagonistes Canaux ioniques – bloqueurs Transporteurs – inhibiteurs de transport ADN – agents intercalants, drogue antisens, liants au petit sillon

58 Nouvelles stratégies du Drug Design
Création d’inhibiteurs à partir de la structure du substrat Création de pharmacophore et de peptidomimétiques Structure-based design de ligands (affinité, sélectivité, résistante aux drogues) Création de ligands de novo Criblage virtuel pour des propriétés voulues (règle des 5)

59 Conception rationnelle
A partir du ligand A partir de la structure du ligand et/ou du récepteur

60 Conception rationnelle
A partir d’un produit naturel actif, recherche : Un dérivé plus actif Moins toxique, mieux toléré Plus assimilable Coût de fabrication faible etc… A partir des dérivés : Tests biologiques Mesure d’activité Constitution d’une base de données

61 Conception rationnelle
Optimisation d’un produit naturel peut se faire par : une synthèse systématique d'analogues structuraux une optimisation systématique basée sur le métabolisme des composés actifs une approche rationnelle (quantitative ou qualitative) par l‘étude des relations structure-activité

62 Conception rationnelle
A partir du ligand A partir de la structure du ligand et/ou du récepteur

63 Conception rationnelle
Cible Ligand Connue Inconnue A CHAQUE SITUATION, SES OUTILS…

64 Conception rationnelle
Cible Ligand Connue Inconnue

65 ? ? ?

66 Cible et ligand sont connus
« Structure-based drug design » Docking, dynamique moléculaire

67 Conception rationnelle
Cible Ligand Connue Inconnue

68 A partir de la structure du récepteur

69 La cible seule est connue
« Analog-based drug design » Conception de novo, criblage virtuel

70 Conception rationnelle
Cible Ligand Connue Inconnue

71 Le ligand seul est connue
Situation la plus commune Développement d’un pharmacophore ou d’un modèle QSAR puis criblage d’une banque de donnée 3D.

72 Pharmacophore Représentation en 3D des propriétés les plus essentielles d’une molécule active

73 Criblage sur pharmacophore
Dopamine L = site lipophilique; D = Donneur H; PD = Donneur H protoné

74 Méthodes de corrélation Quantitative
Association des variations de l'activité biologiques de certaines molécules à leur paramètres structuraux Donne, pour une série chimique donnée et pour une activité définie, une équation de corrélation

75 Conception rationnelle
Cible Ligand Connue Inconnue

76 La cible comme le ligand sont inconnus
Chimie combinatoire Utilisation d’informations à partir d’autres ligands actifs si connus, analyse de similitude…

77 Docking Largement inspiré de la présentation de G. Schaftenaar
Explain docking is fitting ligand into the receptor, steric and electrostatic match Largement inspiré de la présentation de G. Schaftenaar

78 Objectif Identifier la conformation géométrique correcte du ligand dans son site actif Observation: Des ligands similaires peuvent parfaitement se lier de différentes façons dans un site actif

79 Docking Se divise en 3 étapes : Caractérisation du site actif
Positionnement du ligand dans le site actif Évaluation des interactions entre le ligand et la protéine (définition d’un score)

80 Le site actif Différentes méthodes :
Les cavités de la protéine (récepteur) sont utilisées pour définir une image négative du site actif se composant d’un jeu de sphères se superposant (DOCK) Définition de descripteurs ensuite recherchés à la surface de la protéine descripteurs chimiques (grpt méthyle, aromatique…) ou physico-chimiques (hydrophobicité, potentiel électrostatique)

81

82 Positionnement du ligand
Le ligand peut être définit comme rigide ou flexible Généralement, le récepteur est toujours définit comme rigide Historiquement, la 1ère approche: tout rigide

83 Ligand rigide La protéine et le ligand sont fixes.
On recherche l’orientation relative des 2 molécules avec la plus basse énergie. On utilise généralement la Transformée de Fourier pour accélérer les calculs (FTDock…)

84 Ligand rigide On peut également chercher à évaluer les énergies d’interactions électrostatiques et de VDW pour un complexe Ou encore utiliser des descripteurs (points dans l’espace à qui on assigne certaines propriétés physico-chimique). Les descripteurs du ligand et du récepteur doivent alors coïncidés géométriquement et chimiquement.

85 Complémentarité d’interactions
FlexX

86 Ex. du logiciel FlexX

87 Flexibilité Si on désire introduire la notion de flexibilité du ligand, il faut en plus considérer son espace conformationnel Incorporation des méthodes de: Monte Carlo (FLO98, MCDOCK, AUTODOCK) Dynamique moléculaire (SYBYL) Recuit simulé (AUTODOCK) Algorithme génétique (GOLD, AUTODOCK)

88 En résumé… Monte carlo (FlexX) « recuit simulé » (AutoDock)
dynamique moléculaire (SYBYL) Algorithmes génétiques (GOLD AutoDock) Géométrie des distances

89 Reconstruction du ligand dans le site actif
Identification d’un ou plusieurs fragments significatifs dans le ligand (ex: cycle d’un aa…) Placement de ces fragments dans le site actif en essayant de maximiser les contacts favorables Chaque orientation de ces fragments est le point de départ d’une étude conformationnelle du ligand entier

90 Flexibilité du ligand

91 Flexibilité du ligand Analyse conformationelle
Insensibilité de la conformation de départ Rapide (1 à 2 min par molécule) Précision insuffisante (rmsd < 2 A dans 75% des cas) Protéine rigide Eau Analyse conformationelle non exhaustive

92 Scoring

93 Expression de la fonction de scoring
Permet d’estimer la complémentarité ligand-protéine dans les complexes Le plus souvent = estimation du gain d’énergie libre du ligand en interaction avec le récepteur par rapport à la forme libre.

94 Expression de la fonction de scoring
De nombreux faux positifs sont générés mais peuvent être réduits par l’utilisation de fonction de scoring consensus.

95 Exemple de scores Forme et Complémentarité chimique Empirique
Champ de force Base de données Consensus (Cscore)

96 Evaluation de l’interaction

97 Amber99 (!) … ;BOND PARAMETERS ;===============
;<Atom1-Atom2> <Energy [kcal/(mol*^2)]> <Equilibrium distance []> ;Energy must be multiplied with e-13 to obtain YASARA units [N/fm] ;[*4.182*2*1000*1e20/( e23*1e15)] OW-HW ! TIP3P water HW-HW TIP3P water C -C Junmei et al, 1999 C -CA JCC,7,(1986),230; (not used any more in TYR) C -CB JCC,7,(1986),230; GUA C -CM JCC,7,(1986),230; THY,URA C -CT JCC,7,(1986),230; AA

98 Exemple But: Trouver un inhibiteur non peptidique comme possible Nouvelle antibiotique Procédure : - utilisation de la structure 3D de l‘enzyme - docking de 210,000 molecules de ACD (Available Chemical Directory) avec DOCK4.0 - sélection des 100 meilleurs ligands - visualisation des 100 complexes - elimination des doublons - proposition de structure pour 25 inhibiteur - tests biologiques AR-175 Enzyme I of the Phosphoenolpyruvate-Sugar Phosphotransferase System (PTS) IC50 = 50mM

99 Les logiciels DOCK (http://dock.compbio.ucsf.edu/)
FlexX ( GOLD ( AutoDOCK (

100 Conception de novo

101 Conception de novo

102 Conception de novo

103 Assemblage

104 Conception rationnelle
A partir d’un composé naturel, on peut théoriquement synthétiser des millions de dérivés. Nécessité de méthodes quantitatives corrélant paramètres structuraux et activité Quantitative Structure Activity Relationship (QSAR)

105 Méthodes de corrélation Quantitative
Association des variations de l'activité biologiques de certaines molécules à leur paramètres structuraux Donne, pour une série chimique donnée et pour une activité définie, une équation de corrélation

106 Equation de corrélation
Permet de déterminer les valeurs des paramètres qui correspondent à une activité maximale et ainsi de prédire l'activité des molécules qui n'ont pas encore été synthétisée La validité d'un modèle QSAR dépendra donc du choix que l'on aura fait sur les paramètres

107

108 Les paramètres les plus pertinents
Les paramètres associés aux substituants moléculaires Les paramètres associés aux atomes Les paramètres associés à la topologie 1D Les paramètres associés à la topologie 3D

109 Les paramètres associés aux substituants moléculaires
Les paramètres électroniques Les paramètres stériques (encombrement) Les paramètres de lipophilie

110 Les paramètres électroniques
Une variation de la distribution électronique sur une molécule se traduit par une réactivité chimique différente. De nombreux exemples ont montré qu'une augmentation de la densité électronique conduit à un renforcement de l'activité biologique.

111 Activité insecticide du diéthyl phényl phosphate et du diéthyl 2,4-dicloro-phényl phosphate

112 Les paramètres stériques et lipophiles
Encombrement stérique modifie l’interaction entre une molécule et son récepteur Le caractère lipophile rend compte souvent des propriétés biologiques comme le métabolisme, la distribution dans les tissus, la liaison avec le site récepteur...

113 logP Logarithme du coefficient du rapport 1-octanol/eau (logKOW)
Permet d’estimer la biodisponibilité d’une molécule Équilibre hydrophile/hydrophobe Suffisamment hydrophile pour être soluble dans le sang (eau) Suffisamment hydrophobe pour traverser les membranes cellulaires

114 logP -3 +7 Fortement hydrophile 2 5 Fortement hydrophobe
plupart des molécules thérapeutiques

115

116 Les paramètres les plus pertinents
Les paramètres associés aux substituants moléculaires Les paramètres associés aux atomes Les paramètres associés à la topologie 1D Les paramètres associés à la topologie 3D

117 Les paramètres associés aux atomes
Le volume atomique Les surfaces atomiques Les charges atomiques partielles L‘électronégativité Les constantes fragmentales de lipophilie

118

119

120

121 Les paramètres les plus pertinents
Les paramètres associés aux substituants moléculaires Les paramètres associés aux atomes Les paramètres associés à la topologie 1D Les paramètres associés à la topologie 3D

122 Les paramètres associés à la topologie 1D
Le volume moléculaire La réfractivité moléculaire Le coefficient de partage La chaleur de formation le potentiel d'ionisation Les constantes d'ionisation

123 Les paramètres les plus pertinents
Les paramètres associés aux substituants moléculaires Les paramètres associés aux atomes Les paramètres associés à la topologie 1D Les paramètres associés à la topologie 3D

124 Les paramètres associés à la topologie 3D (3D-QSAR)
La surface moléculaire, accessible au solvant, de connolly ou surface de contact Le potentiel électrostatique (position des groupements chargés) Participation à des liaisons hydrogènes Le potentiel de lipophilie moléculaire Les orbitales moléculaires La forme de la molécule

125

126 Les paramètres associés à la topologie 3D (3D-QSAR)
La surface moléculaire, accessible au solvant, de connolly ou surface de contact Le potentiel électrostatique (position des groupements chargés) Participation à des liaisons hydrogènes Le potentiel de lipophilie moléculaire Les orbitales moléculaires La forme de la molécule

127 Lignes de contour des potentiels électrostatiques

128 Les paramètres associés à la topologie 3D (3D-QSAR)
La surface moléculaire, accessible au solvant, de connolly ou surface de contact Le potentiel électrostatique (position des groupements chargés) Participation à des liaisons hydrogènes Le potentiel de lipophilie moléculaire Les orbitales moléculaires La forme de la molécule

129

130 La règle des 5 de Lipinski
Poids moléculaire < 500 (opt ~= 350) Nbre de liaisons H accepteurs < 10 (opt ~=5) Nbre de liaisons H donneurs < 5 (opt ~=2) -2 < clogP < 5 (opt ~= 3) Nbre d’angles de rotations =< 5 Lipinski et al, Adv. Drug. Del. Rev., 23, 3-25 (1997)

131 Quelques réussites falcipain inhibitors
Ring et al. Proc. Natl. Acad. Sci. USA, 90, (1993) FluA HA fusion inhibitors Bodian et al., Biochemistry, 32, (1993) HIV Tat-TAR interaction inhibitors Filikov et al. J. Comput-Aided Mol. Des. 12, (1998) CD4-MHC II inhibitors Gao et al. Proc. Natl. Acad. Sci. USA., 94, (1997) HIV gp41 inhibitors Debnath et al.; J. Med. Chem, 42, (1999)

132