Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Drug</strong> <strong>Design</strong><br />
• Approche classique<br />
• HTS-Chimie combinatoire<br />
• Rational <strong>Drug</strong> <strong>Design</strong><br />
– ligand based (QSAR)<br />
– Structure based (ligand et ou macromolec.)<br />
• 3DQSAR<br />
• Docking<br />
• Virtual screening
“Needle in a Haystack”<br />
• Estimated 10 200 compounds could be made<br />
• 28 million compounds currently registered (CAS)<br />
• <strong>Drug</strong> company biologists screen up to 1 million<br />
compounds against target using ultra-high<br />
throughput technology<br />
• Chemists select 50-100 compounds for follow-up<br />
• Chemists work on these compounds, developing<br />
new, more potent compounds<br />
• Pharmacologists test compounds for<br />
pharmacokinetic and toxicological profiles<br />
• 1-2 compounds are selected as potential drugs
Approche classique<br />
• Substances naturelles<br />
– extraits/broyats<br />
• recherche d’activité<br />
– extraction<br />
– synthèse<br />
– génie biologique<br />
• ex :<br />
– pénicilline<br />
– taxol<br />
– cyclosporine<br />
– Base de donnée classique :<br />
• environ 5000 composés : gestion<br />
Industrie cosmétique
Chimie des substances naturelles<br />
• 1 produit (+/- naturel) actif (lead)<br />
– produit dérivé plus actif<br />
– moins toxique<br />
– plus assimilable ...<br />
• 100aines de produits dérivés<br />
– tests biologiques<br />
– mesure de l' activité<br />
=> Relation structure chimique Activité --<br />
>QSAR--> 3D QSAR<br />
Bases de données = 5000 moléc X 100 dérivés x<br />
n activités
Chimie combinatoire<br />
• Synthèse rapide de 1000 er de molécules :<br />
mélanges<br />
+<br />
Hight Throughput Screening<br />
• Vérification simultanée de 1000 er<br />
d'a ctivités<br />
=<br />
• Gestion des mélanges<br />
• Outils de recherche d' informations<br />
• Outils de tri des groupes de molécules<br />
• Outils d' évaluation de la diversité moléculaire
Rational <strong>Drug</strong> <strong>Design</strong><br />
• Connaissance des substances actives :<br />
3D QSAR<br />
• Connaissance de la structure de la cible :<br />
DOCKING
QSAR : Quantitative Structure Activity<br />
Relationship<br />
• Prédire l’activité biologique (A) de composés<br />
non testés<br />
– coefficient de partition eau/octanol (C8H17-OH) P<br />
• protéine : composé relativement hydrophobe + liaisons<br />
hydrogène<br />
– corrélation entre P et activité<br />
• inhibition de l' agrégation des plaquettes de sang de bovins<br />
par des composés alcooliques (R-OH)<br />
log A= 1,00logP+0,18<br />
• inhibition de la contraction du muscle sartorius de<br />
grenouille par différents composés :<br />
log A= 0,88 logP+0,63<br />
Limites rapidement atteintes
QSAR moderne<br />
• Prise en compte d’autres paramètres pour les<br />
substituants<br />
– effets stériques (S)<br />
– propriétés électroniques (E) (orbitales électroniques des<br />
grpts substituants)<br />
– ... (toutes propriétés physico-chimiques)<br />
Modèle QSAR : logA=Fh(P)+Fs(S)+Fe(E)+...<br />
A<br />
<br />
P<br />
S<br />
E<br />
Trouver le meilleur substituant « » pour satisfaire<br />
les paramètres les plus importants.
Extension du QSAR : ADME<br />
Limites du QSAR<br />
– Interdépendance non linéaire des termes<br />
ex : répartition électronique responsable en partie de<br />
l’hydrophobicité.<br />
– Résultats corrects en absence<br />
d’interactions spécifiques déterminantes
3D-QSAR<br />
• Spécificité : énergies d' interaction +<br />
structure 3D<br />
– distances dans les composés<br />
– position des gpt chargés<br />
– participation à des LH<br />
– forme de la molécule<br />
= PHARMACOPHORE
Pharmacophore<br />
• représentation en 3D des propriétés les plus essentielles<br />
d’une molécule active.<br />
• ex :<br />
Charge +<br />
Donneur de liaison H<br />
d1<br />
θ1<br />
d2<br />
noyaux hydrophobe<br />
• Série de composés d’activité connue: construction du<br />
pharmacophore idéal.<br />
• Recherche de composés avec un fort indice de similarité.(base<br />
de donnée : « virtual screening »- de novo)
Autres paramètres de similarité utilisable<br />
• Structure stérique<br />
• Smarts,Smiles et Fingerprint<br />
• Conformation<br />
• Mécanique quantique<br />
– type d ’orbitale<br />
– distribution électronique …<br />
• Espace conformationnel
Descripteur<br />
– Paramètres multiples regroupés en un seul<br />
avec des pondérations<br />
ex : D = 50% pharmacophore + 30% ρ(r) + 20%<br />
espace conformationnel ...<br />
A <br />
D
Modèle QSAR<br />
• Analyse en Composante Principale<br />
• « hierarchical clustering »<br />
– Regrouper les données / molécules similaires<br />
– Trouvez les facteurs qui les rendent<br />
dissemblables<br />
Attribution de poids à ces différents facteurs
Descripteurs issus de Mécanique<br />
quantique<br />
• Energie conformationnelle précise<br />
• Densité électronique (ρ(r))<br />
• Potentielle électrostatique<br />
• Champs électriques<br />
Descripteurs Empiriques-semi-empiriques<br />
• Comparaison des champs de forces produits par<br />
les ligands
Comparaison de champs<br />
• Alignement des ligands<br />
• Représentation des champs sur une grille<br />
– ComFA :<br />
• Comparative Molecular Field Analysis<br />
– vdW<br />
– ComSIA<br />
– Electrostatique<br />
• Comparative Molecular Similarity Analysis<br />
– idem<br />
– Donneur ou Accepteur de LH<br />
– hydrophobie<br />
• Comparaison des champs - corrélation avec Kd
Ex ComSIA (<br />
Inhibiteurs de la Thrombine<br />
• Interaction stérique<br />
favorables : vert<br />
• Défavorable : brun<br />
• Interaction hydrophobe<br />
favorables : rouge<br />
• Défavorable : bleu
Flexibilité<br />
• Molécules flexibles : choix de la<br />
conformation<br />
– énergie minimum<br />
• connaissances empiriques<br />
– logiciel CONCORD, WIZARD, COBRA (rapide)<br />
• champs de forces<br />
– GROMOS, CHARMM, AMBER (juste)<br />
Forme active différente de la conf. de + basse énergie <br />
– Prise en compte des différents minima<br />
• Corrélation entre activité et espace conformationnel
Bon descripteur<br />
• Points expérimentaux proches de la droite<br />
théorique<br />
– tests statistiques<br />
• Bon caractère prédictif<br />
– séparation entre bons substrats / substrats<br />
intermédiaires / mauvais substrats<br />
(classement dans l’ordre)<br />
– Pas de faux positifs/négatifs
Autres limites<br />
• Plusieurs conformations avec différentes énergies<br />
peuvent être actives :<br />
• La (les) conformation(s) d’autres molécules<br />
peuvent jouer un rôle (eau, récepteur, ions)<br />
=> Entropie (très difficile à calculer) (∆S)<br />
• Energie potentielle calculée :<br />
=> Enthalpie (∆H)<br />
• Energie importante pour une activité :<br />
=> Energie libre : ∆G=∆H-T∆S<br />
Petites Molécules
Docking<br />
Trouver le meilleur ligand à accrocher à une<br />
macromolécule<br />
• I - Structure 3D de la protéine connue<br />
– repérage du site actif<br />
– positionnement des ligands connus<br />
– proposition de nouveaux ligands
Docking<br />
• I - Structure 3D de la protéine connue<br />
– repérage du site actif<br />
• mutagenèse<br />
• analyse de la surface<br />
– cavités<br />
– fissures<br />
• Potentiel électrostatique<br />
• Champ électrique<br />
• Potentiel de lipophilie<br />
• Complémentarité stérique ou électronique<br />
• GRID (déplacement de grpt chimique)
• II - Complexes connus<br />
– repérage des interactions importantes<br />
• électrostatique<br />
• van der Walls<br />
• HB<br />
– positionner d' autres ligands<br />
• agonistes<br />
• antagonistes<br />
– construire de nouveaux ligands
• III - Structure 3D de protéine inconnue <br />
– Modèle/homologie<br />
• homologie importante; activités différentes <br />
• ex récepteur membranaire à 7 segments<br />
transmembranaires (GPCR)<br />
– tension artérielle, douleur (morphine), anxiolytique<br />
(benzodiazépines) antidépresseur, neuromédiateur,<br />
goût/odorat (vision rhodopsine)<br />
– 1300 produit de gène pot identifié chez l ’homme<br />
– 30% des 500 médicaments sur le marché<br />
– 26 des 100 meilleurs ventes : 23,5 milliard •
• III - Structure 3D de protéine inconnue <br />
– Modèle/homologie<br />
• forte homologie mais activités différentes<br />
• ex récepteur membranaire à 7 segments<br />
transmembranaires (GPCR)<br />
– Modèle tridimensionnel de la bactériorhodopsine<br />
• profusion de modélisation (ex<br />
http://www.cmbi.kun.nl/7tm/models/vriend/index.html)<br />
• modèles d' interaction de 10aines de ligands avec le<br />
récepteurs<br />
Bactériorhodopsine = rhodopsine!!! (Palczewski, K. 2000)<br />
http://www.expasy.org/swissmod/cgi-bin/sm-gpcr.cgi
Principes du docking<br />
• Topologie du site actif<br />
– Topologie 3D<br />
• géométrie de distances<br />
• enveloppes (maillage sur grille)<br />
– Topologie «énergétique»<br />
• Liaison H<br />
• électrostatique (ionique)<br />
• Stérique (van der waals)<br />
• lipophilique<br />
H<br />
N
Stratégie I<br />
• Exploration de bases de données : « virtual<br />
sceening »<br />
– complémentaritée de forme (DOCK)<br />
+ complémentarité électronique<br />
O<br />
H<br />
H<br />
N<br />
H<br />
N<br />
Existence du ligand idéal dans la base
Stratégie II<br />
• Création de novo<br />
– assemblage pièce par pièce<br />
• atomes (1)<br />
• groupes chimiques (2)<br />
a<br />
O<br />
H<br />
H<br />
N<br />
b<br />
O<br />
H<br />
H<br />
N<br />
1<br />
Grande diversité<br />
Impossible à synthétiser <br />
2<br />
Choix de la chimie<br />
Complémentarité
ex fonctionnement du<br />
programme LUDI<br />
-<br />
1- Génération des règles du site de fixation<br />
2- positionnement de groupes chimiques<br />
H<br />
N<br />
N<br />
- +<br />
N<br />
3- accrochage des groupes entre eux<br />
H<br />
N
Les succès<br />
• Inhibiteur de la dihydrofolate réductase<br />
(1992)<br />
• HIV-protéase (1992)<br />
• Phospholypase A2 (1994)<br />
• FKBP-12 (1995) KI=12 µM<br />
• Thrombine (1996) BASF: Ka X100<br />
• Abl-SH3 (1996)<br />
• Trypsine, streptavidine, nucléotide<br />
phosphrylase<br />
• ex : trypsine : 2 h de calcul : 153 composés<br />
dont 2 inhibiteurs à 10 -6 M
Les limites<br />
• Prédiction de l’affinité.<br />
– calculs empirique de l ’énergie libre<br />
• Temps :<br />
• fonctions de score<br />
• OK pour ligands semblables<br />
– 5 min en moyenne / ligand sur 1 protéine<br />
• Importance de la flexibilité<br />
– flexibilité du ligand<br />
– flexibilité de la protéine
Flexibilité de la protéine (AUTODOCK)<br />
• HIV1 Protéase : 21 conformations utilisées<br />
– Carte combinée de l ’énergie d ’interaction de l ’atome O<br />
Zones d ’interaction<br />
favorable<br />
Flexibilité de l ’Arg8<br />
Zones d ’interaction<br />
défavorable
Flexibilité de la protéine (FlexE)<br />
• Applicable pour :<br />
– Chaîne latérales<br />
– Boucles<br />
– squelette
Les limites<br />
• Prédiction de l’affinité<br />
• Importance de la flexibilité<br />
– flexibilité du ligand<br />
– flexibilité de la protéine (DM)<br />
• Rôle du solvant (cyclosporine)<br />
• La chimie (« the septic chemist »)<br />
• La pharmacologie (transport métabolisme, toxicité,<br />
temps de vie, biodisponibilité ...)
Chimie combinatoire<br />
Groupes chimiques<br />
sélectionnés<br />
Criblage à haut débit<br />
Leads<br />
QSAR<br />
DOCKING<br />
Leads<br />
Médicament
Algorithmes Génétiques<br />
Groupes chimiques :<br />
+<br />
Ensemencement (au hasard)<br />
1/Kd<br />
Rang<br />
6,5<br />
1er<br />
Reproduction<br />
Evaluation du 1/Kd<br />
6,1<br />
5,5<br />
5<br />
4<br />
2eme<br />
3eme<br />
4eme<br />
5em<br />
+Mutation (1 chance/1000)<br />
Sélection<br />
• Si 1/Kd moins bon :Elimination<br />
• Si 1/Kd meilleur<br />
•Classement<br />
•élimination du dernier<br />
• Autres règles :<br />
•molécule plus forte (mieux classée): plus<br />
de chance de reproduction<br />
•apparition d ’une molécule semblable à<br />
une existante : élimination (maintient de<br />
la diversité)