Phương pháp Thiết kế Thuốc Dựa trên Cấu trúc (SBDD) và Ligand (LBDD) | Thực tập cơ bản | Trường Đại học Bách Khoa Hà Nội

Phương pháp Dữ liệu yêu cầu Ưu điểm
Nguyên tắc cốt lõi Hạn chế
- Không cần biết Tạo mô hình dược - Độ chính xác phụ
Tập hợp các ligand đã cấu trúc 3D protein lý từ những ligand thuộc chặt vào chất biết hoạt tính (IC , có sẵn và chọn lọc ₅₀ đích, chỉ dựa vào
lượng và số lượng K …) để xây dựng mô những ligand phù ᵢ dữ liệu các ligand
ligand đầu vào (nếu dữ hình dược lý có sẵn
hợp (những ligand liệu kém, mô hình kém Ligand-Based pharmacophore với - Quá trình xây có nhóm chức tin cậy)
nguồn dữ liệu lấy từ cơ dựng tương tự) - Khó khám phá tương
sở dữ liệu hóa học, y pharmacophore và tác hoàn toàn mới nằm văn, kết quả sàng lọc virtual screening ngoài khuôn mẫu các thực nghiệm (HTS). tương đối nhanh, ít pharmacophore đã có tốn kém sẵn
- Cho cơ chế gắn Thiết kế/tìm kiếm kết rõ ràng, xác
phân tử ligand vừa - Phải có cấu trúc
định chính xác các vặn với vị trí gắn
protein chất lượng (độ
Cấu trúc 3D của protein liên kết hydro,
kết (binding site) đã phân giải cao, ít sai sót
đích receptor (apo hoặc tương tác kỵ nước, biết của protein từ homology model)
Structure-Based co-crystallized ligand) tĩnh điện… đích. - Scoring functions
từ PDB hoặc mô hình - Hỗ trợ de novo trong docking còn hạn tương đồng (“PDB design và tối ưu chế, cần kiểm chứng structure”) hóa dẫn chất dựa
bằng positive/negative trên tương tác cụ
control để đánh giá độ thể trong binding tin cậy pocket
1. Positive Control (Đối chứng dương):
-Là các phân tử ligand mà chắc chắn có khả năng tương tác/gắn kết tốt với
protein mục tiêu (receptor) và/hoặc gây ra hiệu quả sinh học mong muốn (ví dụ:
một loại thuốc đã biết, một chất ức chế tự nhiên hoặc đã được công bố có hoạt tính mạnh). -Ý nghĩa trong SBDD: +Xác nhận phương pháp:
- Khi thực hiện docking (như trong quy trình S-B VLS), việc docking đối chứng
dương vào cấu trúc protein mục tiêu phải cho kết quả tốt (ví dụ: điểm số
docking cao, tư thế gắn kết hợp lý, tương tự cấu trúc thực nghiệm nếu có). Điều
này chứng tỏ rằng phần mềm docking, cấu trúc protein và các tham số chọn đang hoạt động tốt.
+Đặt ngưỡng tham chiếu (Benchmark):
- Điểm số docking hoặc năng lượng liên kết dự đoán của đối chứng dương cung
cấp một mức chuẩn để so sánh. Các phân tử mới (hits) từ thư viện ảo cần phải có
điểm số tương đương hoặc tốt hơn đối chứng dương mới được xem là có tiềm năng.
-Trong thực nghiệm (sau sàng lọc ảo): Khi kiểm tra hoạt tính sinh học của các
hợp chất tiềm năng, đối chứng dương (chất có hoạt tính đã biết) phải cho thấy
hoạt tính rõ ràng trong thí nghiệm (ví dụ: ức chế enzyme, gắn kết đo được). Điều
này khẳng định quy trình thí nghiệm đáng tin cậy.
2. Negative Control (Đối chứng âm):
-Là các phân tử ligand mà chắc chắn không tương tác hoặc tương tác rất
yếu/không đặc hiệu với protein mục tiêu, và không gây ra hiệu quả sinh học
mong muốn. Nó có thể là:
-Một phân tử có cấu trúc tương tự như các chất có hoạt tính nhưng đã được
chứng minh là không hoạt động.
-Một phân tử hoàn toàn không liên quan.
- Trong một số trường hợp sàng lọc ảo, có thể dùng các phân tử "mồi nhử"
(decoys) có tính chất lý hóa tương tự nhưng hình dạng khác biệt. -Ý nghĩa trong SBDD:
+Kiểm tra tính đặc hiệu:
- Khi docking đối chứng âm, nó phải cho điểm số thấp hoặc không có tư thế gắn
kết hợp lý. Điều này giúp đảm bảo rằng điểm số cao bạn thấy ở các phân tử tiềm
năng là do tương tác đặc hiệu, chứ không phải do phương pháp docking dễ dàng
"nhét" bất kỳ phân tử nào vào vị trí gắn kết (dương tính giả).
-Loại trừ kết quả dương tính giả:
-Nếu đối chứng âm cũng cho điểm docking tốt, điều đó cho thấy phương
pháp/scoring function của bạn có thể không phân biệt được giữa chất gắn kết
thực sự và không gắn kết, làm giảm độ tin cậy của kết quả sàng lọc ảo.
-Trong thực nghiệm: Khi thử hoạt tính, đối chứng âm không có tương tác với
protein mục tiêu. Điều này khẳng định rằng hiệu quả quan sát được của các chất
thử nghiệm là thực sự do chúng gây ra, không phải do yếu tố nhiễu trong hệ thống thí nghiệm.
-Trong SBDD, việc sử dụng cả đối chứng dương và đối chứng âm là cực kỳ cần thiết để:
+Xác thực: Đảm bảo cả quy trình tính toán (docking, scoring) và quy trình thực
nghiệm (xét nghiệm hoạt tính/gắn kết) đều hoạt động chính xác và đáng tin cậy.
+Đánh giá : Cung cấp cơ sở để so sánh hiệu quả của các hợp chất mới tìm được
và giúp phân biệt kết quả thật sự ý nghĩa với các kết quả giả hoặc không đặc hiệu.
-Drug design Structure – based
thiết kế thuốc dựa vào việc biết cấu trúc không gian 3 chiều của phân tử mục tiêu (thường là protein).
-S-B VLS (Structure-Based Virtual Ligand Screening) Inputs (Đầu vào):
Receptor: Cấu trúc 3D đã biết của phân tử đích (thường là protein).
Ligands (Phối tử): Một thư viện lớn các hợp chất hóa học (Compounds libraries, proprietary,
ACD...). Đây là các phân tử tiềm năng. Process (Quá trình):
Match receptor and ligand (Docking): Sử dụng các thuật toán máy tính để "thử" lắp ghép
(docking) từng phân tử trong thư viện vào vị trí hoạt động (binding site) của receptor. Quá
trình này cần cân bằng giữa Accuracy (Độ chính xác) và Speed (Tốc độ), vì thư viện có thể rất lớn.
Output/Evaluation (Đầu ra/Đánh giá):
-Score the ligands: Sau khi docking, các phối tử được chấm điểm (score) dựa trên mức độ
phù hợp và tương tác hóa học với receptor. Điểm số này giúp xếp hạng tiềm năng của các phối tử.
-Mục đích: Các bước cơ bản và logic của S-B VLS: có cấu trúc đích, có thư viện chất thử,
dùng máy tính để thử ghép và chấm điểm, từ đó tìm ra các ligand tiềm năng nhất.
(Quy trình sàng lọc chi tiết - Screening Cascade)
Quy trình S-B VLS dưới dạng một "thác sàng lọc" (screening cascade), cho thấy cách giảm
dần số lượng hợp chất từ một thư viện lớn ban đầu xuống một số lượng nhỏ các ứng viên hứa hẹn nhất.
oBước 1 (Lọc ban đầu): Từ ~400,000 hợp chất, áp dụng các bộ lọc ADME/tox
(Hấp thụ, Phân bố, Chuyển hóa, Thải trừ và Độc tính) và các tiêu chí
drug/lead-like (giống thuốc/chất dẫn đầu) để loại bỏ những phân tử có đặc
tính dược học kém. Số lượng giảm còn ~100,000.
oBước 2 (Docking Thô/Nhanh): Thực hiện Rigid body docking (coi cả
receptor và ligand là vật rắn, không linh động) để sàng lọc nhanh. Tốc độ rất
cao (ví dụ: 1 triệu hợp chất/ngày). Số lượng giảm còn ~10,000.
oBước 3 (Docking Tinh/Chậm): Sử dụng các phương pháp Several flexible
docking methods (cho phép phối tử và/hoặc một phần receptor linh động),
tính toán phức tạp và tốn thời gian hơn (ví dụ: 1 tuần) nhưng cho kết quả chính
xác hơn. Số lượng giảm còn ~2,000.
oBước 4 (Phân tích và lựa chọn): Phân tích sâu hơn các kết quả docking (ví
dụ: kiểm tra tương tác chi tiết, phân cụm cấu trúc) để chọn ra ~500 hợp chất
tiềm năng nhất ("hits") cho các bước nghiên cứu tiếp theo (thường là thử nghiệm thực tế).
Mục đích: Cho thấy S-B VLS là một quy trình đa tầng, bắt đầu bằng các bộ lọc và
phương pháp tính toán nhanh, đơn giản để loại bỏ phần lớn các phân tử không phù
hợp, sau đó áp dụng các phương pháp tính toán chính xác hơn nhưng tốn kém hơn cho
các tập hợp chất nhỏ dần, nhằm tối ưu hóa việc sử dụng tài nguyên tính toán và tăng
khả năng tìm thấy các "hits" chất lượng.
drug-like filters (Bộ lọc giống thuốc)
Nội dung: các bộ lọc ADME/Tox và drug-like.
oMục tiêu: "Remove poor Compounds with ADME/Tox models" - Loại bỏ các
hợp chất có đặc tính dược động học và độc tính kém ngay từ đầu.
oĐịnh nghĩa ADME/Tox: Absorption (hấp thụ), Distribution (phân bố),
Metabolism (chuyển hóa), Elimination (thải trừ), and Toxicity (độc tính).
oCác yếu tố cụ thể được xem xét (minh họa trong phễu màu đỏ):
Human intestinal Absorption (Hấp thụ qua ruột người)
Serum protein binding (Liên kết với protein huyết thanh)
Solubility (Độ hòa tan) - Thường liên quan đến quy tắc "Rule of 5" của
Lipinski (một bộ quy tắc kinh nghiệm để đánh giá tính "giống thuốc").
Blood brain barrier (Hàng rào máu não - quan trọng nếu thuốc cần tác động lên não).
oHình ảnh: Các cấu trúc hóa học đa dạng ở trên cùng bên phải tượng trưng cho
thư viện ban đầu. Phễu màu đỏ minh họa quá trình lọc. Các cấu trúc 20, 22 ở
dưới có thể là ví dụ về các phân tử vượt qua hoặc không vượt qua bộ lọc.
Mục đích: Nhấn mạnh tầm quan trọng của việc đánh giá các đặc tính dược học cơ bản
(không chỉ khả năng gắn kết với đích) ngay từ giai đoạn đầu của sàng lọc ảo. Việc này
giúp tiết kiệm tài nguyên bằng cách không theo đuổi các phân tử dù gắn kết tốt trên lý
thuyết nhưng lại khó có thể phát triển thành thuốc thực sự do các vấn đề về ADME/Tox.
Tóm lại: Giới thiệu phương pháp thiết kế thuốc dựa trên cấu trúc (SBDD), tập trung vào kỹ
thuật sàng lọc ảo (S-B VLS). Quy trình này bắt đầu bằng cấu trúc 3D của đích và một thư
viện lớn các hợp chất, sau đó sử dụng một chuỗi các bộ lọc (lý hóa, ADME/Tox) và các
phương pháp docking (từ nhanh đến chính xác) để từng bước thu hẹp danh sách các ligand
tiềm năng nhất cho việc kiểm chứng bằng thực nghiệm.
chiến lược thiết kế thuốc dựa trên Ligand (Ligand-Based Drug Design - LBDD).
Bối cảnh chung: Chiến lược này được sử dụng khi cấu trúc 3D của protein đích (receptor)
không được biết, nhưng có một số phân tử (ligands) đã được biết là có hoạt tính (ví dụ: các
chất ức chế hoặc hoạt hóa đã biết).
-Drug design Ligand – based
Principle (Nguyên tắc)
Nội dung: Trình bày nguyên tắc cốt lõi của LBDD. oHai bước chính:
1. "Create pharmacophore from existing ligands": Xây dựng một mô
hình pharmacophore từ các ligand đã biết có hoạt tính. Pharmacophore
là một mô hình trừu tượng về sự sắp xếp không gian của các đặc điểm
hóa học cần thiết để gây ra hoạt tính sinh học.
2. "Screen potential ligands from databases": Sử dụng mô hình
pharmacophore đã tạo để sàng lọc các thư viện hóa học lớn, tìm kiếm
các phân tử mới (có thể có cấu trúc khung khác nhau) phù hợp với mô hình pharmacophore đó. oSơ đồ quy trình:
Training set of compounds: Bắt đầu với một tập hợp các hợp chất đã
biết có hoạt tính (tập huấn luyện).
Ligand-based pharmacophore: Xây dựng mô hình pharmacophore từ tập huấn luyện.
Validation: Sử dụng một tập hợp chất khác (Test set of compounds -
tập kiểm tra, có thể bao gồm cả chất có và không có hoạt tính) để đánh
giá xem mô hình pharmacophore có khả năng phân biệt tốt hay không (xác thực mô hình).
Chemical database: Áp dụng mô hình đã xác thực để sàng lọc một thư viện hóa học lớn.
Top pharmacophore hits: Kết quả là một danh sách các phân tử mới
tiềm năng ("hits") phù hợp nhất với mô hình pharmacophore.
Mục đích: Giải thích quy trình làm việc cơ bản của LBDD: từ các phân tử hoạt động
đã biết, suy ra các đặc điểm chung cần thiết (pharmacophore), rồi dùng mô hình đó để
tìm các phân tử mới có tiềm năng.
Pharmacophore (Định nghĩa)
Nội dung: Cung cấp định nghĩa chính thức về pharmacophore: "một tập hợp các đặc
điểm không gian (steric) và điện tử (electronic) cần thiết để đảm bảo các tương tác
siêu phân tử tối ưu với một đích sinh học cụ thể và để kích hoạt (hoặc chặn) đáp ứng sinh học của nó."
Mục đích: Làm rõ khái niệm "pharmacophore" đã được giới thiệu. Nhấn mạnh rằng
nó là về sự sắp xếp không gian của các đặc điểm thiết yếu, chứ không phải là một
cấu trúc hóa học cụ thể.
Pharmacophore (Ví dụ trực quan)
Nội dung: Minh họa khái niệm pharmacophore.
oHình trái: Một phân tử 3D với các vị trí đặc điểm được đánh dấu (có thể là
nhóm nhận/cho liên kết hydro, vòng thơm, nhóm kỵ nước...).
oHình phải (a): Một mô hình pharmacophore trừu tượng, thể hiện các loại đặc
điểm (A, D, H, R) và các khoảng cách (constraints) quan trọng giữa chúng.
Đây là "bộ quy tắc" không gian.
oHình phải (b): Minh họa hai phân tử khác nhau về cấu trúc hóa học nhưng lại
có thể phù hợp (match) với cùng một mô hình pharmacophore, vì chúng có
các đặc điểm cần thiết được sắp xếp tương tự trong không gian 3D.
Mục đích: Cho thấy tính trừu tượng của pharmacophore. Nó không phải là một phân
tử cụ thể mà là một "mẫu" (pattern) các đặc điểm trong không gian. Điều này giải
thích tại sao LBDD có thể tìm ra các loại cấu trúc hóa học mới (scaffold hopping) có cùng hoạt tính.
Pharmacophore (Các loại đặc điểm)
Nội dung: Liệt kê các loại đặc điểm hóa học phổ biến được dùng để định nghĩa một pharmacophore.
oHình trái: Các biểu tượng đồ họa cho từng loại đặc điểm (Acceptor, Donor,
Aromatic, Hydrophobic, Negative, Positive) và các điểm "chiếu" (projected)
để thể hiện tính định hướng (ví dụ của liên kết hydro).
oDanh sách bên phải:
H-bond donor (D): Nhóm cho liên kết hydro
H-bond acceptor (A): Nhóm nhận liên kết hydro
Aromatic ring (R): Vòng thơm
Hydrophobic (H): Nhóm kỵ nước
Negative ion (N): Ion âm (hoặc nhóm có thể mang điện tích âm)
Positive ion (P): Ion dương (hoặc nhóm có thể mang điện tích dương)
Others: Các loại khác (ví dụ: vùng không gian bị chiếm dụng -
excluded volume, vị trí liên kết kim loại...).
Mục đích: Cung cấp "bảng chữ cái" các đặc điểm hóa học dùng để xây dựng nên các mô hình pharmacophore.
-Build pharmacophore model (Xây dựng mô hình pharmacophore)
Nội dung: Liệt kê các nguồn thông tin hoặc phương pháp khác nhau có thể được sử
dụng để xây dựng mô hình pharmacophore:
o1 ligand: Từ một ligand hoạt động duy nhất (ít phổ biến, mô hình thường không đủ mạnh).
oSeveral ligands: Từ nhiều ligand hoạt động đã biết (phương pháp phổ biến
nhất trong LBDD). Yêu cầu phải gióng hàng (align) các ligand này dựa trên
giả định về cách chúng tương tác với đích.
oLigand-receptor complex: Từ cấu trúc 3D của phức hợp ligand-receptor đã
biết (phương pháp này lai giữa LBDD và SBDD, vì nó sử dụng thông tin cấu
trúc). Các đặc điểm pharmacophore được suy ra từ các tương tác quan sát được.
oReceptor active site / Receptor structure: Từ cấu trúc 3D của vị trí hoạt
động của receptor (ngay cả khi không có ligand nào liên kết). Các đặc điểm
được xác định dựa trên các nhóm chức của receptor có thể tham gia tương tác
(phương pháp này thuộc về SBDD).
oPharmacophore models: Có thể là việc kết hợp hoặc tinh chỉnh các mô hình đã có.
Mục đích: Mở rộng khái niệm về nguồn gốc của mô hình pharmacophore. Mặc dù
phần này tập trung vào LBDD (dùng ligand đã biết), slide này cho thấy ý tưởng
pharmacophore cũng có thể được tạo ra từ thông tin cấu trúc receptor
(Ví dụ trực quan về mô hình Pharmacophore)
Nội dung: Hiển thị các mô hình pharmacophore cụ thể được tạo ra bằng phần mềm
(như Schrödinger Maestro, theo citation).
oHình trái: Mô hình đơn giản với các quả cầu màu đại diện cho các loại đặc
điểm (Acceptor màu đỏ, Hydrophobic màu xanh lá cây) và kích thước/vị trí
của chúng trong không gian. Các mũi tên có thể chỉ hướng tương tác.
oHình phải (trên và dưới): Các mô hình tương tự được chồng lên cấu trúc hóa
học cụ thể, cho thấy các phần nào của phân tử đóng góp vào việc thỏa mãn các
đặc điểm của pharmacophore.
Mục đích: Cung cấp ví dụ thực tế về giao diện và kết quả của việc xây dựng mô hình
pharmacophore trong môi trường tính toán.
Tóm lại: giới thiệu chi tiết về phương pháp thiết kế thuốc dựa trên ligand (LBDD). Phương
pháp này dựa trên nguyên tắc xây dựng một mô hình pharmacophore (tập hợp các đặc điểm
hóa học và sự sắp xếp không gian của chúng) từ các phân tử đã biết có hoạt tính. Mô hình này
sau đó được dùng để sàng lọc các thư viện hóa học nhằm tìm kiếm các hợp chất mới có tiềm
năng hoạt động tương tự, ngay cả khi cấu trúc 3D của protein đích chưa được biết.
-Trong trường hợp này, việc lựa chọn phương pháp thiết kế thuốc phụ thuộc chủ yếu vào
thông tin có sẵn về protein đột biến đó:
1. Trường hợp lý tưởng: Đã biết cấu trúc 3D của Protein đột biến (hoặc có thể dự
đoán đáng tin cậy):
oPhương pháp chính: Structure-Based Drug Design (SB DD) là lựa chọn
hàng đầu và mạnh mẽ nhất. oLý do:
Bạn có thể trực tiếp quan sát cấu trúc không gian 3 chiều của protein
đích, đặc biệt là vị trí hoạt động (active site) hoặc các vị trí khác có thể
dùng để điều hòa hoạt tính (allosteric sites).
Bạn có thể phân tích sự khác biệt về cấu trúc do đột biến gây ra so với
protein gốc (nếu biết), điều này có thể tạo ra các "túi" (pockets) liên kết
mới hoặc thay đổi hình dạng túi cũ, mở ra cơ hội thiết kế thuốc đặc
hiệu cho protein đột biến.
Bạn có thể sử dụng các kỹ thuật như docking phân tử để sàng lọc ảo
các thư viện hợp chất lớn, tìm kiếm các phân tử có khả năng gắn kết tốt
vào vị trí mong muốn trên protein đột biến.
Bạn có thể thiết kế thuốc de novo (thiết kế mới hoàn toàn) dựa trên
hình dạng và đặc điểm hóa học của vị trí gắn kết.
2. Trường hợp: Chưa biết cấu trúc 3D của Protein đột biến, NHƯNG đã biết một số
phân tử (ligands) có khả năng gắn kết hoặc ức chế nó (dù yếu):
oPhương pháp chính: Ligand-Based Drug Design (LBDD) là phương pháp khả thi. oLý do:
Bạn có thể phân tích các đặc điểm chung (dược học - pharmacophore)
của các phân tử đã biết có hoạt tính.
Xây dựng mô hình pharmacophore và sử dụng nó để tìm kiếm các hợp
chất mới trong thư viện có thể có cấu trúc khác biệt nhưng vẫn mang
các đặc điểm cần thiết để ức chế protein.
Sử dụng các phương pháp tìm kiếm dựa trên sự tương tự (similarity
searching) với các chất ức chế đã biết.
Phát triển mô hình QSAR (Quantitative Structure-Activity
Relationship) nếu có đủ dữ liệu về hoạt tính của một loạt các hợp chất.
3. Trường hợp: Chưa biết cấu trúc 3D VÀ cũng chưa biết có ligand nào gắn kết:
oĐây là trường hợp khó khăn nhất. Bạn cần phải bắt đầu từ việc:
Cố gắng xác định cấu trúc 3D: Bằng thực nghiệm (tinh thể học tia X,
Cryo-EM) hoặc dự đoán bằng công cụ mạnh như AlphaFold (như đã đề
cập trong bài giảng). Nếu có cấu trúc dự đoán tốt, bạn có thể chuyển
sang SBDD (nhưng cần cẩn trọng vì đó là mô hình dự đoán).
Tìm kiếm các "hit" ban đầu: Thực hiện sàng lọc thông lượng cao
(High-Throughput Screening - HTS) bằng thực nghiệm để tìm ra bất kỳ
phân tử nào, dù yếu, có khả năng tương tác với protein. Khi có "hit",
bạn có thể bắt đầu tối ưu hóa chúng và/hoặc chuyển sang LBDD hoặc
cố gắng tạo phức hợp để xác định cấu trúc (cho SBDD). Kết luận:
Ưu tiên hàng đầu là SBDD nếu có cấu trúc 3D đáng tin cậy của protein đột biến.
Đây là phương pháp "hợp lý" (rational) nhất.
Nếu không có cấu trúc nhưng có ligand đã biết, LBDD là lựa chọn tốt.
Trong thực tế, cách tiếp cận TỐT NHẤT thường là KẾT HỢP cả hai (Integrated
Approach) nếu có thể:
oDùng cấu trúc (SBDD) để hiểu vị trí gắn kết và thực hiện docking.
oDùng thông tin từ ligand đã biết (LBDD) để xác thực kết quả docking, xây
dựng pharmacophore hỗ trợ sàng lọc, hoặc chọn lọc các hợp chất từ kết quả sàng lọc ảo.
oDùng mô hình dự đoán cấu trúc kết hợp với LBDD khi không có cấu trúc thực nghiệm.
Vì vậy, bạn sẽ ưu tiên sử dụng SBDD nếu có thể, nhưng rất có thể sẽ cần kết hợp hoặc
chuyển sang LBDD tùy thuộc vào dữ liệu hiện có về protein đột biến và các phân tử tương tác với nó.