當你發現了某個靶點對疾病的顯著作用，亦或有了大致的機制探究，躍躍欲試想要啟動以該靶點為治療的藥物發現，并滿懷期待準備為科研奉獻一生搞定重大突破！嘿嘿，先來做個藥物設計？
 

藥物設計，也被稱為藥物發現，其目標是發現新的活性化合物，這些化合物可以用作治療不同疾病的藥物。科學家們會以疾病靶標和已知藥物的分子結構，性質及其相互作用等先驗知識為指導， 用理性設計的方法取代隨機盲目的大規模篩選模式，有目的地開發新藥。
各位科研汪們！無論你是青銅或是王者，你對藥物發現的初級階段深感迷茫，亦或是成功分離出目標晶體，但在檢測中受到各種阻礙，為無法建立可利用的結合模型而不知所措……
啊這這這這…..不妨試著將目光轉向已報道的相關藥物?

是的，藥物設計的思考方向之一是已上市藥物。你的目標靶點是否有過大神的相關研究？目標分子的某個片段是否在上市藥物分子中出現過？如何出現的？可能可以解決什么問題？提高活性，優化 ADMET (ADMET 即對藥物的吸收、分布、代謝、排泄和毒性進行全面的研究) 相關性質等等？

▐  舉個例子！

Stefan Zwirner 團隊近期在 Cell 發表突破性研究，其開發出首創的小分子 MKK4 抑制劑 --HRX215[1]。在研究團隊進行以 MKK4 為治療靶點的藥物發現過程時，最終發現無法建立可利用的 ATP 結合袋模型，于是對已報道的蛋白激酶抑制劑的脫靶情況進行了文獻檢索，發現了臨床批準的 BRAFV600E 抑制劑 Vemurafenib 的 MKK4 抑制潛力，并在進一步驗證的基礎上開始了先導化合物優化，最終在產生的一系列 MKK4 抑制候選物中選定了 HRX215。該藥物在首次人體 I 期試驗中顯示出出色的安全性和有效性。

圖 1. MKK4 抑制劑 HRX215 的藥物研發^[1]。

 

上市藥物都具有良好的生物活性和安全性，參考上市藥物分子中的片段將為后續的藥物分子設計提供有利的線索。

為了幫您認識和了解它，我們會用一些數據來展現它。首先是關于類藥性，類藥性有諸如以下定義[2]：

1. 藥物中的確切亞結構；

2. 和藥物密切相關的亞結構；

3. 和藥物密切相關的全分子結構；

4. 和已知藥物分子性質相似的分子。

 

圖2. 類藥性示意圖^[2]。

▐  如何進行類藥性評估？
一般情況下，將一維屬性相結合能夠迅速評估分子庫，對藥物發現產生了重大影響，比如目前應用最廣泛的類藥性評價指標 Lipinski 五原則。

 

 Lipinski 類藥五原則的定義：

1. 分子量小于 500；

2. 氫鍵供體數量不超過 5 個；

3. 氫鍵受體的數量不超過 10 個；

4. 脂水分布系數小于 5；

5. 可選擇鍵的數量小于 10。

 

同時基于特定的藥物結構片段也是類藥性評估的重要方法，2022 年發表在 JMC 上的一篇綜述，對不同臨床階段的環系統進行分析，得出 90% 以上的進入臨床的藥物分子，其中 1 個或 1 個以上的環系統來自已經上市藥物分子 (如圖 3)。基于此，進一步驗證了藥物片段是類藥性評估的重要指標。

圖 3. 不同臨床階段分子環系統分析^[2]。

此外，類藥性化合物庫的大小和多樣性也直接影響到虛擬篩選的結果。Louison Fresnais 等人基于 6 種蛋白，通過虛擬篩選測試不同大小的 DUD-E 數據集對虛篩結果的影響，證實了篩選更大的化合物庫可以識別出更有效的活性分子(如圖 4)[3]。

圖 4. 不同篩選庫和蛋白的對接打分排名前 1% 的分子中活性最好的 5 個分子的活性分析 (Potency 6和 9 分別對應 1uM 和 1nMIC₅₀/K_d/K_i)^[3]。

MCE 1M Drug Fragment-Based Diversity Library 來啦！助您篩選的 Hit 離 Lead 更近一步！

MCE 類藥多樣性化合物庫包括 50K 多樣性化合物庫 (HY-L901)，5K 骨架多樣化合物庫 (HY-L902)，這些實體庫里面的分子均滿足 Lipinski 五原則。

MCE 對 2900 余種上市藥物分子進行片段化處理以及層層篩選得到藥物片段庫，再基于藥物片段匹配篩選化合物，得到 1M Drug Fragment-Based Diversity Library。圖 5 數據表明，每個分子至少有 1 個片段在藥物分子中出現，大于 97% 的分子，其中的片段在大于 2 個 FDA 批準的藥物分子中出現，以上數據表明 HY-L0113V 化合物庫的類藥性較強。

1M Drug Fragment-Based Diversity Library 化合物庫的分子數有 100 萬，BMS 骨架數有 70 萬，平均每個骨架有 1~3 個分子，對比其他品牌，我們的骨架多樣性更顯優勢，可以幫您更高效地篩選到活性更好的目標分子。

那么，1M Drug Fragment-Based Diversity Library 化合物庫可以在哪些新藥研發場景中應用呢？小 M 在這里跟大家分享一些近期通過化合物庫篩選獲得的未來可期的藥物分子~

 

▐  應用一

白介素-1 受體相關激酶 4 (IRAK4) 是一種廣泛表達的蛋白，在先天性炎癥反應中起著關鍵的作用。拜耳公司對專有的 300 萬化合物進行高通量篩選，得到化合物 5，再基于分子對接和優化改造，得到兩個進入臨床的分子 BAY1830839 和 BAY1830845[4]。

圖 7. IRAK4 抑制劑發現流程^[4]。

▐  應用二

溴結構域蛋白 4 (BRD4)是治療前列腺癌 (PCa) 的新的潛在的治療靶點。Haiyang Zhong 等人嘗試構建了一個含有保守水網絡的對接口袋，對含有 1,269,287 個分子的化合物庫進行篩選，成功地識別出一個苗頭分子 SQ-1，其 IC₅₀ 值為 676 nM，相對于其他報道出的通過虛擬篩選獲得的苗頭分子，活性大大提升。

圖 8. BRD4 抑制劑發現流程^[5]。

 

今天，小 M 給大家介紹了 MCE 新推出的基于藥物片段衍生的化合物庫以及這個庫可以廣泛應用于 AI 藥物篩選，虛擬篩選 (VS) 和高通量篩選 (HTS) 等。該化合物庫具備類藥性，化合物骨架多樣性等特性，是發現先導化合物的有力工具。

 

50K Diversity Library 由 50,000 種類藥化合物組成。本多樣性庫具備新穎性、類藥性，結構多樣性等特點，庫中化合物可重復供應，是新藥研發的有力工具，可以廣泛地應用于高通量篩選 (HTS) 和高內涵篩選 (HCS)。

5K Scaffold Library 由 5,000 種類藥化合物組成，每種化合物代表一種結構骨架，最大程度保證了庫的結構多樣性。庫中的化合物均經過 MedChem & PAINS filters 篩選，剔除了不合適的化學結構，避免“目標錯誤”。本庫化合物數量少但結構足夠多樣，是藥物篩選的有力工具。

3D Diverse Fragment Library 由 5,196 個非平面片段分子組成（平均 Fsp3 值為 0.58），超過 4,700 個片段至少包含一個手性中心。本庫設計的關鍵元素是 3D 結構、多樣性、生物反應性等，有效提高了片段潛在生物活性，為基于片段的藥物發現提供了更高的片段命中概率。

MCE的所有產品僅用作科學研究或藥證申報，我們不為任何個人用途提供產品和服務。

參考文獻：
[1] Zwirner et al., First-in-class MKK4 inhibitors enhance liver regeneration and prevent liver failure, Cell (2024),https://doi.org/10.1016/j.cell.2024.02.023

[2] Shearer J,et al. Rings in Clinical Trials and Drugs: Present and Future. J Med Chem. 2022 Jul 14;65(13):8699-8712. 
[3] Fresnais L, et al. The impact of compound library size on the performance of scoring functions for structure-based virtual screening. Brief Bioinform. 2021 May 20;22(3):bbaa095. 
[4] Bothe U, et al. Discovery of IRAK4 Inhibitors BAY1834845 (Zabedosertib) and BAY1830839. J Med Chem. 2024 Jan 25;67(2):1225-1242.