虚拟筛选技术与新药开发

ActaAcademiaeMedicinaeCPAF

415

丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐丐

综述

doi:10.3969/j.issn.1008-5041.2011.05.035

虚拟筛选技术与新药开发

Virtualscreeningandnewdrugdiscovery

2

吴可柱1，，李

3

昆1，李爱秀2，

（1.江西总队医院药剂科，江西南昌330001；2.医学院基础部药物设计

实验室，天津300162；3.医学院职业与环境危害生物标志物天津市重点实验室，天津300162）关键词：虚拟筛选；分子对接；药效团；定量构效关系【文章编号】1008-5041(2011)05-0415-05

【中图分类号】R918

【文献标识码】B

计算机模拟与化学合成、生物测试的结合构成了后基因组时代新药研究的新策略。从已有的化合物，包括合成化合物和天然产物中寻找药物或先导化合物，是药物发现的一个重要途径［1］。到目前为止，人们只是针对大约500种疾病治疗靶点，筛选了现已发现的2000多万种有机化合物中大约10%的化合物，但仍然有大量的潜在活性化合物未被发现。随着科学技术的发展，各种先进技术应运而生（X射线晶体衍射法、核磁共振法、扫描隧道显微技术等），使得越来越多生物靶标（蛋白质、核酸、多糖等）的空间结构被解析［2］。同时计算机科学的发展又极大地提高了计算和分析的速度和精度，因此，自上世纪90年代起，合理药物设计就逐渐成为一种实用技术接融入到药物研发的各个环节［3］。

虚拟筛选技术是上述药物设计方法的延伸和推广，广义地讲只要是基于某种提问形式，从现有的小分子数据库中，搜寻符合条件的化合物都可以称之为虚拟筛选。这其中包括基于某些分子特性的数据库搜索、基于分子对接的数据库搜索、基于

5］

药效团的数据库搜索等［4，，其目的是从几十乃至上

资金。而虚拟药物筛选是将药物筛选的过程在计算机上模拟，对化合物可能的活性作出预测，这样就能够集中目标，大大降低实验筛选化合物的数量，从而缩短研发周期、节约经费开支。

虽然早在20世纪70年代虚拟筛选技术已经得到应用，但由于技术本身的不成熟，使得在新药开发上仍然主要依靠传统的实验筛选。近年来，随着虚拟药物筛选成功地发现了一些有开发价值的先导化合物，这项技术又重新引起大家的重视［6］，本文将重点综述虚拟药物筛选中常用的技术和方法。11.1

基于分子对接的数据库搜索基于分子对接的筛选方法

基于一个靶点（酶、受体、离子通道、核酸等）的三维结构，常常采用分子对接的虚拟筛选方法从小分子数据库中找到能与之匹配的候选化合物［7］。所谓分子对接是基于两个或多个分子之间通过几何匹配和能量匹配相互识别的过程，即在药物分子和靶酶产生药效的反应过程中，两个分子先充分接近，然后采取合适的取向，使两者在必要的部位相互契合、发生作用，进而通过构象调整形成稳定的

9］

复合物［8，。

百万个分子中筛选出新的先导化合物。由于实体的药物筛选需要构建大规模的化合物库，提取或培养大量实验必须的靶酶或者靶细胞，并且需要复杂的设备支持，因而进行实体的药物筛选要投入巨额

［基金项目］国家自然科学基金资助项目(30472166)；天津市科技攻关计划重点科技攻关专项基金项目（06YFGZSH07000）［收稿日期］2010-09-23；［修回日期］2010-12-14

［作者简介］吴可柱（1984-），男，籍贯江西景德镇，硕士，药师，主要从事计算机辅助药物设计方面的研究。

［通讯作者］李爱秀(19-)，女，籍贯山东广饶，博士，教授，硕士生导师，主要从事分子模拟和药物分子设计等方面的研究。

在通常的分子对接中，小分子的构象是柔性的，如果筛选一个分子数目过多的数据库（如ACD-SC），那么整个虚拟筛选过程将非常耗时。因此，通常可先设定一些条件，比如Lipinski的“5规则”等一系列类药性条件，先对该库进行过滤，从而快速缩小三维数据库的规模。另外，如果针对某个靶点，已经获得相关抑制剂的结构，则可采用分子形状匹配的方法（如FlexS），对数据库进行初筛，保

416

医学院学报

ActaAcademiaeMedicinaeCPAF第20卷第5期2011年5月vol.20No.5May2011

留其中与已知抑制剂形状相似的分子。经过这些初步筛选之后，再采用基于分子对接的虚拟筛选从中，他们采用了多次初筛的办法将Maybridge数据库（61186个分子）和LeadQuest数据库（37841个分数据库中找出可能与靶点相互匹配的有机小分子。1.2

分子对接筛选常用的软件

DOCK是应用比较广泛的对接软件之一，由Kuntz等［10］设计开发。它能自动模拟配体在受体活性位点的作用情况，并记录下最佳的相互作用方式。而且该软件能对配体的三维数据库进行搜索，因此被广泛用于基于受体结构的对接筛选。在DOCK中，活性位点的确定是通过软件包中的sphgen程序来完成，它通过在受体表面所有的凹陷区形成负像，并对这些负像进行聚类分析，用户则从中挑选出所需要的一类作为活性区域的位置。在生成负像的基础上，就可以进行配体分子和受体活性口袋之间的匹配，配体分子也采用一组球集来表示，并且DOCK进行对接时，配体可以是刚性的，也可以设定为柔性。在对接结束后，DOCK程序则采用自带的打分函数对配体-受体之间的匹配情况进行评价，其中包括原子接触得分和能量得分。所谓接触原子是指在一定距离之内的原子（一般定义为4.5Å），如果配体和受体之间存在这个距离内的原子，则认为产生碰撞，作为罚分从总得分中扣除；能量得分主要来自配体和受体间非键相互作用能。

AUTODOCK也是常用的分子对接软件包之一，由Scripps的Olson科研小组开发。它采用模拟退火和遗传算法［11］寻找受体和配体最佳的结合位置，用半经验的结合自由能方法来评价两者之间的匹配情况。为了加快计算速度，AUTODOCK采用了格点对接的方法［12］，格点上保存的是探针原子和受体之间的相互作用能，包括了范德华相互作用能、静电作用能和氢键相互作用能等。在AUTODOCK3.0以前，只能实现单个配体和受体分子之间的对接，但目前的版本（AUTODOCK4.0）已经能实现对数据库对接筛选的功能。

除此之外，还有一些常用的对接筛选程序，比如FlexX、GOLD、Affinity等，它们都各自开发出一套相应的对接筛选策略、打分函数，使得对接筛选的应用越来越广泛。1.3

分子对接筛选的应用实例

2002年Grunberg等采用基于分子对接的虚拟筛选方法成功地找到了多种人碳酸酐酶（human

carbonicanhydrase）的抑制剂［13，14］。在整个设计过程

子）进行过滤。首先利用Lipinski的“5规则”将数据库缩小为5904个；然后利用FlexS与已知抑制剂进行相似性筛选，得到了100个候选化合物；最后将这100个分子利用FlexX程序进行对接筛选，从中挑选出13个进行生物活性测试，结果7个分子的IC50值达到了微摩尔级别。见图1。

图1人碳酸酐酶与其抑制剂复合物

2基于药效团的数据库搜索2.1

基于药效团搜索的方法

药效团的概念早在1909年就由Ehrilich提出，

特指载有活性必须特征原子的分子框架。现在泛指生物活性分子（一般指小分子）中对活性起重要作用的“药效特征元素”的空间排列形式。这些“药效特征元素”可以是某些具体的原子或原子团，比如氧原子、苯环等；也可以指特定的功能结构，如疏

水基团、氢键给体、氢键受体等［15，16］

。在得到某类抑

制剂的药效团模型后，就可以以药效团作为提问结构进行数据库搜索，从数据库中筛选得到符合该药效团的候选分子，而在这些候选分子中可能包含新的先导化合物。

基于药效团的搜索一般包含3个基本步骤：（1）初筛：其作用是先筛去那些不能与提问结构匹配的分子，减少进入下一个阶段的候选分子数。大多数软件都把在该药效团中出现较多的原子或基团作为约束条件，含有这些基团的则通过初筛，否则被淘汰。（2）二维子结构匹配：其目的是确定测试分子中药效模式间的连接方式是否符合提问结构，这是一个较为耗时的过程。（3）三维结构搜索：在通过二维子结构匹配证明其包含药效团以后，就需要验证它在数据库中的构象和药效特征元素是否满足空间条件，如果满足则该分子是一个命中结构。2.2

基于药效团的搜索软件

CATALYST是由美国Accelrys公司面向药物研

第20卷第5期2011年5月vol.20No.5May2011医学院学报

ActaAcademiaeMedicinaeCPAF

417

究领域的综合性开发软件，由于这一软件为药效团模拟提供了完善的解决方案，使得CATALYST成为近年来在基于药效团模型的药物开发方面使用最广泛的软件。它能将抽象的药效特征元素与灵活的几何约束条件相结合，尤其在定义药效团模型时，能够表达重要的化学概念。在进行基于药效团模型的数据库搜索时，其一维条件与某些数据相联系，如分子量、lgP、pKa等［17］，从而把搜索限定在某些数值范围内；二维约束支持定义包含子结构或排除子结构，如包含芳香环，不包含羰基等；三维检索时，对每个分子在生理条件下可能采取的各种构象进行搜索。为实现最佳的检索性能，CATALYST经过了高度优化，即使最抽象的（化学表达）检索也不例外。

UNITY是另一搜索化学或生物数据库的搜索系统，由美国Tripos公司开发

［18］

。包括2D（搜索特

殊片段）、相似性、3D（搜索特征的三维结构或药效团）、柔性（允许小分子通过改变键角、二面角等方式符合3D条件）搜索。UNITY在进行药效团搜索时，支持3D/Flex搜索，检索的药效团特征包括给体原子（donoratom）、受体原子（acceptatom）、给体位点（donorsite）、受体位点（acceptsite）以及疏水中心hydrophobiccenter）等。在对小分子数据库进行药效团搜索时，采用的特征条件可以是具体的原子或基团，如上述的给体原子、受体原子、疏水中心；也可以是某些配体将与之发生作用的位点，即给体位点和受体位点等。2.3

药效团筛选的应用实例

过敏性肠道综合症与慢性阻塞性气管病均与受体MuscarinicM3有关

［19］

。1999年，Marriott等采

用基于药效团搜索的方法进行了MuscarinicM3受体拮抗剂的筛选。他们从文献中选出3个已知的抑制剂，利用DISCO程序构建药效团模型，最终有2个四点模型用于数据库搜索（图2）。数据库搜索使用UNITY程序，数据库为自己课题组所构建，2个药效团模型筛选得到177个完全不同的分子，生物活性检测发现其中有3个分子具有较高的活性。

肾小球毛细血管中的血管系膜细胞（mesangialcell，MC）的增生与许多血管疾病的发生有关。2001年，Kurogi等采用基于药效团的数据库搜索对MC增生抑制剂进行了筛选，研究组从现有抑制剂出发，药效团识别采用CATALYST，构建了包含7个药效

特征元素的药效团模型。然后CATALYST搜索了包含47045个分子的数据库，得到41个命中结构，生物活性检测其中4个化合物具有明显的MC增生抑制活性。

AntagonistsAstraM1

DonorwithM3activitySite2

TertiaryNitrogen

PfizerAntagonist

M3DonorSite1

HBA

图2毒蕈碱受体拮抗剂药效团结构示意图

3基于定量构效关系的数据库搜索3.1

定量构效关系方法及筛选

定量构效关系（quantitativestructure-activity

relationship，QSAR）研究方法在现代药物设计方法中占有重要的地位，也是应用最为广泛的药物设计方法。其目的是采用数理统计的方法研究和揭示化合物的活性与其分子理化性质之间的定量变化规律。传统的二维定量构效关系方法，如Hansh法、模式识别Free-Wilson法、电子拓扑法等早已为大家所熟知。随着QSAR理论及统计方法的发展，反映更加丰富信息的三维定量构效关系方法如比较分子场分析（CoMFA）方法、距离几何法及分子形状分析方法等都迅速得到了广泛应用。

基于定量构效关系筛选的方法也是最早发展起来的虚拟筛选方法，并已由平面的2D发展至空间的3D模式［20］。利用软件（如Tripos公司的CoMFA或Accelrys公司的CATALYST）分析一系列已知化合物的各种性质、理化指标，构建定量构效关系。在构效关系确定之后，即可应用于搜索各类数据库，筛选常使用的有Cerius2中的Diversity模块。3.2

基于定量构效关系方法筛选的实例

磺酰脲类除草剂最初开发在20世纪70年代，当时由于目标受体ALS酶的三维结构尚不确定，南开大学李正名教授课题组从配体出发，选定了32个化合物进行构效关系研究［21］。利用分子模拟与设计软件包SYBYL中的CoMFA构建了相应的三维定量构效关系模型（图3）。利用此模型以及Cerius2的Diversity模块进行数据库的虚拟筛选及活性预测，并挑选出20个预测活性高的化合物进行合成，取得了较好的结果。

（418

green

greenred

医学院学报

ActaAcademiaeMedicinaeCPAF

blue

第20卷第5期2011年5月vol.20No.5May2011

所青睐，但仍存在一些问题阻碍了其发展，例如：（1）整个化学空间十分庞大，人们对于绝大部分化yollow

yollow

blue

red

（a）

green（b）

a：立体结构示意图；b：电子表面示意图

图3磺酰脲类除草剂定量构效关系

4基于药代动力学的数据库搜索

在传统的药物设计流程中，对于候选化合物最

关心的往往是其能否与靶酶的活性位点结合，至于这个化合物能否在肠道溶解、透过细胞膜达到有效部位等问题考虑的并不多。这也直接导致了在过去20年，世界前50强制药企业每年平均花费75亿美元仅开发出21个上市新药，而真正能上市的药物与候选药物的比例始终保持在1/10［22］，其中原因绝大部分出在药代动力学或安全（化合物毒性）问题上。因此，在药物研制的早期阶段对化合物的药代动力学和毒性进行全面的评价也是十分重要的［23］。

得到药代动力学模型通常包含3个步骤：（1）利用小型化技术（miniaturization）制作一系列体外培养基。（2）借助计算机虚拟筛选一系列化合物，并对这些培养基进行评价。（3）对预测模型进行实际检验并修正，从而这些虚拟模型将最终取代真实体内或体外实验，成为筛选的模型。

ChrisLipinski及其合作者通过高通量筛选以及组合化学取样，分析了WDI中的2245个药物。为了查明普通口服药物的共同特性，总结出了著名的ChrisLipinski“5规则”，包括分子量不能超过500、油水分配系数CLogP小于5等。

基于药代动力学筛选较快捷，主要针对整个数据库，通常先于药效团筛选、对接筛选。因此筛选条件应尽量完善，否则很可能剔除潜在先导化合物。除上述“5规则”之外，可极化表面积（PSA，一般应小于140Å2）、在生理条件下油水分配系数、溶解度、在小肠及脑渗透率都应是被考虑的筛选条件，这样才能保证整个虚拟筛选过程准确性、高效性。

除了上述4种筛选方法外，还有其它数据库搜索技术，如子结构匹配筛选、相似性搜索等，这些技术都已经在一些虚拟筛选实例中得到应用。5

虚拟药物筛选面临的问题

虽然虚拟筛选技术以其经济型、高效性为人们

合物的生物性质还不是很清楚或知之甚少。因此所筛选的数据库通常是依据经验选择自己所了解的库，从而给筛选结果带来很大的局限性。（2）受体模型经常是一个十分复杂的结构，例如蛋白质、多糖，包含成千上万个原子，而且在正常体液中一般处于流动状态，因此时刻都在改变其构象。假如以某个受体采用基于分子对接的筛选，则必须考虑受体构象以及配体构象的变化情况。然而分子的构象数随着柔性键的数目成指数增长，并且虚拟筛选通常面对的是包含众多数目化合物的数据库，因此计算量十分巨大。在现有的计算条件下，仍是一个值得考虑的问题。（3）结合自由能是评价药物与受体结合的指标［24］，虽然结合自由能的计算较为复杂，但是用热力学积分法计算同类配体与受体的结合自由能还是可行的。然而数据库中小分子数量很多，而且相互之间基本无关联，因而计算如此多的小分子与受体结合自由能的计算量是十分惊人的。6

结

语

虚拟筛选是创新药物研究的新方法和新技术，并逐渐成为一种与高通量筛选互补的实用化工具加入到新药开发的工作中去。与传统的筛选方法相比，虚拟筛选具有高效、快速、经济等优势，虽然现在仍有一些问题制约着这项技术并且由虚拟筛选得到药物的成功范例并不是很多，但随着其它技术，如生物科学、计算机科学的发展，虚拟筛选必将在未来的新药开发中发挥更大的作用。

【参考文献】

[1]迟玉明,赵晞瑛,郭济贤.天然产物在新药开发中的应用

[J].天然产物研究与开发,2006,18(1):134-137.

[2]张音,王松俊,天喜,等.药物靶标热点领域的共词聚类

分析研究[J].中国新药杂志,2008,17(23):2078-2080.[3]JohnTK.Makingvirtualscreeningareality[J].Pnas,2003,

100(12):6902-6903.

[4]ReddyAS,PatiP,KumarPP,etal.Virtualscreeningindrug

discovery-acomputationalperspective[J].CurrentProteinandPeptideScience,2007,8(4):329-351.

[5]LengauerT,LemmenC,RareyM,etal.Noveltechnologyfor

virtualscreening[J].DrugDiscoveryToday,2004,9(1):27-34.[6]郝方,张雪莲,张顺宝,等.生物新技术在新药研发中的进

展与展望[J].宁夏医学杂志,2005,27(2):142-143.

第20卷第5期2011年5月vol.20No.5May2011医学院学报

ActaAcademiaeMedicinaeCPAF

419

[7]SchellhammerI,RareyM.Structure-basedmoleculein-dexingforlarge-scarevirtualscreeninginsublineartime[J].Computer-aidedMolecularDesign,2007,21(5):223-238.[8]ShoichetBK,LeachAR,KuntzID.Ligandsolvationin

moleculardocking[J].Proteins,1999,34(1):4-16.

[9]BrenkR,VetterSW,BoyceSE,etal.Probingmolecular

dockinginachargedmodelbindingsite[J].JMolBiol,2006,357(5):1449-1470.

[10]KuntzID.Structure-basedstrategiesfordrugdesignand

discovery[J].Science,1992,257(5073):1078-1082.[11]樊叔维,张兴志.全局优化算法自适应模拟退火-遗传算

法的研究[J].光学精密工程,1999,7(4):16-21.

[12]VaqueM,AnnaA,AliagasC,etal.BDT:aneasy-to-use

front-endapplicationforautomationofmassivedockingtasksandcomplexdockingstrategieswithAutoDock[J].Bioinformatics,2006,22(14):1803-1804.

[13]MazumdarPA,KumaranD,SwaminathanS,etal.Anovel

acetate-boundcomplexofhumancarbonicanhydraseII[J].ActaCrystallographicaSectionF:StructuralBiologyandCrystallizationCommunications,2008,(3):163-166.[14]RecachaR,CostanzoMJ,MaryanoffBE,etal.Crystalstru-ctureofhumancarbonicanhydraseIIcomplexedwithananti-convulsantsugarsulphamate[J].BiochemJ,2002,361(3):437-441.

[15]YangJM,ShenTW.Apharmacophore-basedevolutionary

approachforscreeningselectiveestrogenreceptormodulators[J].Proteins,2005,59(2):205-220.

[16]WolberG,SeidelT,BendixF,etal.Molecule-pharm-

acophoresuperpositioningandpatternmatchingincomput-ationaldrugdesign[J].DrugDiscoveryToday,2008,13(1):23-29.

[17]Yyan-ConnollyBM,NielsenJE.pKD:re-designingprotein

pKavalues[J].NucleicAcidsResearch,2006,34(1):48-51.[18]MartinYC.3Ddatabasesearchingindrugdesign[J].Med

Chem,1992,35(12):2145-21.

[19]SongP,SekhonHS,LuA,etal.M3muscarinicreceptor

antagonistsinhibitsmallcelllungcarcinomagrowthandmitogen-activatedproteinkinasephosphorylationinducedbyacetylcholinesecretion[J].CancerRes,2007,67(8):3936-3944.

[20]WinklerDA.Theroleofquantitativestructure-activity

relationships(QSAR)inbiomoleculardiscovery[J].BriefingsInBioinformatics,2002,3(1):73-86.

[21]王宝雷,马宁,王建国,等.新磺酰脲类化合物除草活性的

3D-QSAR分析[J].物理化学学报,2004,20(6):577-581.[22]刘艾林,杜冠华.虚拟筛选辅助新药发现的研究进展[J].

药学学报,2009,44(6):566-570.

[23]LagorceD,SperandioO,GalonH,etal.FAF-Drugs2:Free

ADME/toxfilteringtooltoassistdrugdiscoveryandchemicalbiologyprojects[J].Bioinformatics,2008,396(9):1-9.

[24]DolencJ,OostenbrinkC,KollerJ,etal.Moleculardynamics

simulationsandfreeenergycalculationsofnetropsinanddistamycinbindingtoanAAAAADNAbindingsite[J].NucleicAcidsResearch,2005,33(2):725-733.

（责任编辑:段姚尧）

（上接第411页）制定远程医疗工作的管理规定，健全远程医疗工作的运行机制，将医疗风险减到最小，为处理远程医疗纠纷提供依据，确保远程医疗工作科学有序地开展。2.6

大力加强远程医疗人才队伍建设政治过硬、业务精湛的人才队伍是远程医疗工作创新发展的根本保证。在远程医疗系统中，医务人员始终是最重要的因素，远程医疗系统最终要通过人的操作使用来发挥作用，因此要大力加强远程医疗专业人才队伍建设。首先要把好远程医疗工作从业人员的入口关，远程医疗是医疗技术和信息技术相结合的产物，要遴选既有医学背景、又能掌握现代信息技术的专业人才从

事远程医疗工作；其次要通过优化编制，推进远程医疗工作从业人员的专职化，保证远程医疗人才队伍的稳定性，实现远程医疗业务专人专管，使远程医疗设备的使用、维护、保养得到有效保证，使远程医疗系统保持良好的工作状态。

【参考文献】

[1]温剑,胡永峰,韩媛.对卫生机构开展远程医学教育

的设想[J].医疗卫生装备,2008,1(1):103-104.

[2]马明,翟新海,尹海坡,等.远程医学网络建设与

应用现状[J].中国医院,2009,13(9):62-65.

[3]马明,周婧,尹海坡,等.637例远程会诊统计分析[J].中华

医院管理杂志,2009,25(8):6-8.

（责任编辑:梁林）