Identification of Ligands with Tailored Selectivity: Strategies & Application

Autor: Schmidt, Denis
Přispěvatelé: Kolb, Peter (Dr.)
Jazyk: angličtina
Rok vydání: 2015
Předmět:
Popis: Im computer-gestützten Wirkstoffdesign zählt das Docking zu einer häufig genutzten Methoden, um die sterische und chemische Komplementarität zweier Moleküle zu bewerten. Dadurch kann beispielsweise die Bindung oder Nicht-Bindung eines Kleinmoleküls an ein Protein abgeschätzt werden. Gängigerweise versucht man durch das Docking von vielen Kleinmolekülen gegen ein Zielprotein diejenigen Molekülen zu finden, die an das Zielprotein binden und einen biologischen Effekt zeigen. Diese Anwendung von Docking gegen eine einzelne Zielstruktur kann als etabliert betrachtet werden. Im Gegensatz dazu steht der Ansatz, in mehrere Zielstrukturen zu docken. Mittels dieser Anwendung kann beispielsweise versucht werden, dass Bindeprofil eines Liganden für eine Reihe von Proteinen zu bestimmen. In dieser Arbeit wird die Anwendbarkeit von Docking in einem solchen Anwendungsfall untersucht, bei dem mehrere Ausgangsstrukturen genutzt werden. Als Zielproteine werden überwiegend G Protein-gekoppelte Rezeptoren verwendet. Diese Proteinfamilie ist sehr groß und viele GPCRs gelten als mögliche Ziele zur Behandlung von Krankheiten. Dementsprechend groß ist ihre Relevanz in der pharmazeutischen Forschung. Die genutzten Strukturen können in unterschiedlichen Zusammenhängen stehen und dadurch verschiedene Anwendungsszenarien repräsentieren. Im ersten Fallbeispiel werden die Strukturen von zwei unterschiedlichen Proteinen genutzt. Dadurch können neuartige Liganden für CXCR3 und CXCR4, einem Paar chemokiner GPCRs, bestimmt werden, die biologische Aktivität zeigen. Noch wichtiger ist jedoch, dass für jeden Liganden mittels Docking vorherberechnet werden konnte, ob er an einen der beiden Rezeptoren bindet oder an beide. Diese Anwendung belegt die Machbarkeit, um mittels Docking Moleküle auszuwählen, die maßgeschneiderte Selektivitäten aufweisen. Zusäzlich zeigen die neue Liganden sehr gute Bindeaffinitäten gegen ihr jeweiliges Ziel. In den beiden darauf folgenden Studien werden für jeweils ein Protein verschiedene Strukturen genutzt. Die erste Anwendung zielt darauf ab, selektiv bindende Moleküle für verschiedene Isoformen des CXC Rezeptors 4 aus dem Zebrafisch zu finden. Ferner werden unterschiedliche Konformationen des chemokinene Rezeptors CCR5 genutzt um zu zeigen, dass mit unterschiedlichen Ausgangsstrukturen unterschiedlich Liganden gefunden werden können. Auch hier konnten erfolgreich neue Moleküle gefunden werden, die einen biologischen Effekt zeigen. Neben der Identifizierung dieser Liganden wird aber auch darauf eingegangen, dass der experimentelle Nachweis dieser Moleküle mittels funktioneller Assays schwierig sein kann. Das ist dem Umstand geschuldet, dass die Bewertung durch Docking auf der strukturellen Komplementarität beruht und nicht die Stärke des Effekt diese Moleküls auf das Zielprotein vorhersagt. Zusätzlich dazu sind G Protein-gekoppelte Rezeptoren durch ihre komplexe Biologie sehr schwierige Zielproteine, da Liganden unterschiedliche Effekte hervorrufen können. Abschließend soll untersucht werden wie gut Mehrstruktur''-Docking generalisiert werden kann, indem die Anwendung auf eine große Zahl von Strukturen erweitert wird. Da für GPCRs als Membranproteine vergleichsweise wenige Strukturen existieren, wird die Familie der Proteinkinasen genutzt. Zuerst wird ein Datensatz entwickelt, der einige hundert experimentelle Strukturen von Kinasen enthält, sowie eine Reihe von Kinaseinhibitoren. Diesen Datensatz zeichnet aus, dass für alle Protein-Ligand Kombinationen experimentelle Daten existieren, die zeigen ob der Ligand an das Protein bindet. Diese experimentellen Daten können mit den Ergebnissen des Dockings aller Liganden in alle Strukturen verglichen werden. Die Ergebnisse deuten darauf hin, dass die automatische und zuverlässige Berechnung von sehr großen Bindeprofilen jenseits der aktuellen Möglichkeiten ist. Es kann allerdings gezeigt werden, dass die Vorhersagegenauigkeit von Docking verbessert werden kann, indem man die Dockingbewertungen über verschiedene Liganden und Proteine hinweg normalisiert. Daraus wird unter anderem die Idee von Proteindecoys'' abgeleitet, die in Zukunft die Verlässlichkeit von Docking verbessern könnte.
In the field of computer-aided drug design, docking is a computational tool, often used to evaluate the sterical and chemical complementarity between two molecules. This technique can be used to estimate the binding or non-binding of a small molecule to a protein binding site. The classical application of docking is to find those molecules within a large set of molecules that bind a certain target protein and modulate its biological activity. This setup can be considered as established for a single target protein. In contrast to this, the docking to multiple target structures offers new possible applications. It can be used, for example, to assess the binding profile of a ligand against a number of proteins. In this work, the applicability of docking is assessed in such a scenario where multiple target structures are used. The corresponding proteins mostly belong to the family of G protein-coupled receptors. This protein family is very large and numerous GPCRs have been identified as potential drug targets, explaining the their relevance in pharmaceutical research. The protein structures used herein have different relationships and thus represent different application scenarios. The first case study uses two structures belonging to different proteins. These proteins are CXCR3 and CXCR4, a pair of chemokine GPCRs. In this chapter, new ligands are identified that bind to these proteins and modulate their biological activity. More importantly, for each of these newly identified ligands it could be predicted using docking, whether this ligand binds only to one of the two target proteins or to both. This study proves the applicability of docking to identify ligands with tailored selectivity. In addition, these ligands show excellent binding affinities to their respective target or targets. In the following two studies, the docking to different structures of the same target protein is investigated. The first application aims at identifying ligands selective for either one of two isoforms of the zebrafish CXC receptor 4. Subsequently, multiple conformations of the chemokine receptor CCR5 are used to show that different starting structures can identify different ligands. Next to the plain identification of chemically new ligands, experimental hurdles to prove the biological activity of these molecules in a functional assay is discussed. These difficulties are based on the fact that docking evaluates the structural complementarity between molecules and protein structures rather than predicting the effect of these molecules on the proteins. In addition, GPCRs form a challenging set of target proteins, since their ligands can induce a variety of different effects. Finally, the general applicability of multi-target docking to a very large number of structures is investigated. For this evaluation, kinases are used as protein family since many more structures have been experimentally determined for these proteins compared to GPCRs as membrane proteins. First, using published experimental data, a dataset is created consisting of several hundred kinase structures and a set of small-molecule kinase inhibitors. This dataset is characterised by the availability of experimental binding data for each single kinase-inhibitor combination. These experimental data were subsequently compared to the docking results of each ligand into each single kinase structure. The results indicate that a reliable selectivity prediction for a ligand is highly demanding in such a large-scale setup and beyond current possibilities. However, it can be shown that the prediction accuracy of docking can be improved by normalising the docking scores over multiple ligands and proteins. Based on these findings, the idea of "protein decoys" is developed, which might in the future allow more accurate predictions of selectivity profiles using docking.
Databáze: OpenAIRE
Externí odkaz: