[email protected] Validation Structurale et Drug Design Septembre 2006 Master de Biochimie Copyright UCBL 2006 – Toute reproduction

[email protected]://pbil.ibcp.fr

Validation Structurale Validation Structurale et Drug Designet Drug Design

Septembre 2006

Master de BiochimieMaster de Biochimie

Copyright UCBL 2006 – Toute reproduction interdite sans le consentement de l’auteur


DRUG DESIGNDRUG DESIGN

© w

ww

.pin

kpig

page

.com



De la découverte jusqu'au patientDe la découverte jusqu'au patient

Chimiemédicinale

Chimiemédicinale

EfficacitéToxicité

PharmacocinétiqueADME

SélectivitéStabilité

EfficacitéToxicité

PharmacocinétiqueADME

SélectivitéStabilité

Clinique AMM

Homme

Préclinique

In vivo

Identificationde cibles

Criblage HitsValidationde cibles

Leads

In vitro

Clinique AMM

Homme

Préclinique

In vivo



Leads

In vitro

Clinique AMM

Homme

Clinique AMM

Homme

Préclinique

In vivo

Préclinique

In vivo



Leads

In vitro



Leads

In vitro

GénomiqueGénomique

ChimiothèquesChimiothèques

Moléculesdéjà connues

Chimiecombinatoire

Moléculesdéjà connues

Chimiecombinatoire

ProtéomiqueProtéomiqueProtéomique

Essais fonctionnels

Essais fonctionnels

30 000 cibles30 000 cibles

10 000 250 10 1 Molécules2-10 ans 1-2 ans 4-6 ans 1-2 ans Années1-5 M€ 10-20 M€ 300-700 M€Coût

10 000 250 10 1 Molécules2-10 ans 1-2 ans 4-6 ans 1-2 ans Années1-5 M€ 10-20 M€ 300-700 M€Coût

10 000 250 10 1 Molécules 10 000 250 10 1 Molécules2-10 ans 1-2 ans 4-6 ans 1-2 ans Années 2-10 ans 1-2 ans 4-6 ans 1-2 ans Années1-5 M€ 10-20 M€ 300-700 M€Coût 1-5 M€ 10-20 M€ 300-700 M€Coût


Avant tout…Avant tout…

• Identification d’une cible correspondant à la pathologie

• Conception de tests biologiques permettant l’évaluation de l’affinité et de l’activité des molécules synthétisées


Les principales sources de découverte

• Chimie médicinale

• Hasard

• Chimie combinatoire et criblage à haut débit

• Modélisation moléculaire

"Ce n'est ni le plus intelligent ni le plus fort qui survivent. C'est le plus adapté." (C. Darwin)

TechnologiesTechnologies


La chimie médicinaleLa chimie médicinale

La plupart des médicaments connus• Savoir-faire ancestral• Approche basée sur la similitude• Points communs à tous les médicaments

–Concept de "drug-likeness"–Règles de Lipinski


Approche classiqueApproche classique

• A partir de substances naturelles :– Extraits/broyats– Recherche d’activité– Synthèse et Production

(ex: pénicilline, taxol, cyclosporine…)

• Constitution d’une bases de données


Le hasardLe hasard

• Principes actifs naturels• Paclitaxel, vinorelbine...• Cocaïne,morphine,LSD..

• Erreurs expérimentales• Pénicilline• Cisplatine

• Effets non prévus• AZT• Viagra• Zyban


HTS-Chimie combinatoireHTS-Chimie combinatoire

• Synthèse automatique et rapide de 1000er de molécules

• Criblage expérimental à haut débit (Hight Throughput Screening)

• Analyse des informations, tri et évaluation de la diversité moléculaire


Les médicamentspossibles

La taille du problèmeLa taille du problème

Les médicamentsconnus



Modélisation MoléculaireModélisation Moléculaire

Une centaine de succès

Principalestechniques

Une centaine de succèsUne centaine de succès

Principalestechniques

Design structural

Vertex - Agenerase

Design structural

Vertex - Agenerase

Design structural

Vertex - Agenerase

Recherche de pharmacophoresDesign De Novo

Merck - Losartan


Merck - Losartan


Merck - Losartan


Merck - Losartan

Similitude

SmithKline - Tagamet

Similitude

SmithKline - Tagamet

Similitude

SmithKline - TagametSmithKline - Tagamet

Relations structure-activité

Kyorin - Norfloxacin

Relations structure-activité

Kyorin - NorfloxacinKyorin - Norfloxacin

BMS - (en préclinique)

3D-QSAR

BMS-187308


3D-QSAR


3D-QSAR


3D-QSAR

BMS-187308


Cibles et mécanisme d’action de Cibles et mécanisme d’action de la molécule thérapeutiquela molécule thérapeutique

• Enzymes – inhibiteurs (réversible ou non)

• Récepteurs – agonistes ou antagonistes

• Canaux ioniques – bloqueurs

• Transporteurs – inhibiteurs de transport

• ADN – agents intercalants, drogue antisens, liants au petit sillon


Conception rationnelleConception rationnelle

CibleCible LigandLigand

Connue Connue

Connue Inconnue

Inconnue Connue

Inconnue Inconnue

A CHAQUE SITUATION, SES OUTILS…




Connue Connue

Connue Inconnue

Inconnue Connue

Inconnue Inconnue


??

??

??


Cible et ligand sont connusCible et ligand sont connus

• « Structure-based drug design »

• Docking, dynamique moléculaire


Docking

Largement inspiré de la présentation de G. Schaftenaar


ObjectifObjectif

• Identifier la conformation géométrique correcte du ligand dans son site actif


DockingDocking

• Se divise en 3 étapes :– Caractérisation du site actif– Positionnement du ligand dans le site actif– Évaluation des interactions entre le ligand et la

protéine (définition d’un score)


Le site actifLe site actif

• Différentes méthodes :– Les cavités de la protéine (récepteur) sont utilisées

pour définir une image négative du site actif se composant d’un jeu de sphères se superposant (DOCK)

– Définition de descripteurs ensuite recherchés à la surface de la protéine

descripteurs chimiques (grpt méthyle, aromatique…) ou physico-chimiques (hydrophobicité, potentiel électrostatique)



Positionnement du ligandPositionnement du ligand

• Le ligand peut être définit comme rigide ou flexible

• Généralement, le récepteur est toujours définit comme rigide

• Historiquement, la 1ère approche: tout rigide


Ligand rigideLigand rigide

• La protéine et le ligand sont fixes.

• On recherche l’orientation relative des 2 molécules avec la plus basse énergie.

• On utilise généralement la Transformée de Fourier pour accélérer les calculs (FTDock…)


Ligand rigideLigand rigide

• On peut également chercher à évaluer les énergies d’interactions électrostatiques et de VDW pour un complexe

• Ou encore utiliser des descripteurs (points dans l’espace à qui on assigne certaines propriétés physico-chimique). Les descripteurs du ligand et du récepteur doivent alors coïncidés géométriquement et chimiquement.


Complémentarité Complémentarité d’interactionsd’interactions

FlexX


Ex. du logiciel FlexXEx. du logiciel FlexX


FlexibilitéFlexibilité

• Si on désire introduire la notion de flexibilité du ligand, il faut en plus considérer son espace conformationnel

• Incorporation des méthodes de: – Monte Carlo (FLO98, MCDOCK, AUTODOCK)– Dynamique moléculaire (SYBYL)– Recuit simulé (AUTODOCK)– Algorithme génétique (GOLD, AUTODOCK)


En résumé…En résumé…

• Monte carlo (FlexX)

• « recuit simulé » (AutoDock)

• dynamique moléculaire (SYBYL)

• Algorithmes génétiques (GOLD AutoDock)

• Géométrie des distances


Reconstruction du ligand dans Reconstruction du ligand dans le site actifle site actif

• Identification d’un ou plusieurs fragments significatifs dans le ligand (ex: cycle d’un aa…)

• Placement de ces fragments dans le site actif en essayant de maximiser les contacts favorables

• Chaque orientation de ces fragments est le point de départ d’une étude conformationnelle du ligand entier


Flexibilité du ligandFlexibilité du ligand


Flexibilité du ligandFlexibilité du ligand

• Analyse conformationelle

• Insensibilité de la conformation de départ

• Rapide (1 à 2 min par molécule)

• Précision insuffisante (rmsd < 2 A dans 75% des cas)

• Protéine rigide

• Eau

• Analyse conformationelle non exhaustive


ScoringScoring


Expression de la fonction de Expression de la fonction de scoringscoring

• Permet d’estimer la complémentarité ligand-protéine dans les complexes • Le plus souvent = estimation du gain d’énergie libre du ligand en interaction avec le récepteur par rapport à la forme libre.


Expression de la fonction de Expression de la fonction de scoringscoring

• De nombreux faux positifs sont générés mais peuvent être réduits par l’utilisation de fonction de scoring consensus.


Exemple de scoresExemple de scores

• Forme et Complémentarité chimique

• Empirique

• Champ de force

• Base de données

• Consensus (Cscore)


Les logicielsLes logiciels

• DOCK (http://dock.compbio.ucsf.edu/)

• FlexX (http://www.tripos.com/sciTech/inSilicoDisc/virtualScreening/flexx.html)

• GOLD (http://www.ccdc.cam.ac.uk/products/life_sciences/gold/)

• AutoDOCK (http://www.scripps.edu/pub/olson-web/doc/autodock/)




Connue Connue

Connue Inconnue

Inconnue Connue

Inconnue Inconnue


A partir de la structure du A partir de la structure du récepteurrécepteur


La cible seule est connueLa cible seule est connue

• « Analog-based drug design »

• Conception de novo, criblage virtuel


ConceptionConception de novode novo


Conception Conception de novode novo


Conception Conception de novode novo


AssemblageAssemblage


Screening virtuel: <1 sur 100 000Screening virtuel: <1 sur 100 000

Moléculesin silico

~107

~10 000molécules

Filtres 1D/2D

Tox/réactRègle de 5Modèles

Sélectionfinale2 500

Pharmacophores(3D)

MOLECULES

Synthèse, HTS

Hits

DockingRéaction la

plus favorable

RéactifsACD

Enumération des réactions

in silico

Disponibilité, coût,PM, LogP, etc.

Sélection

de réactifs

REACTIFS

103 à 105 réactifs108 à 1020 molécules


La règle des 5 de LipinskiLa règle des 5 de Lipinski

• Poids moléculaire < 500 (opt ~= 350)• Nbre de liaisons H accepteurs < 10 (opt ~=5)• Nbre de liaisons H donneurs < 5 (opt ~=2)• -2 < clogP < 5 (opt ~= 3)• Nbre d’angles de rotations =< 5

Lipinski et al, Adv. Drug. Del. Rev., 23, 3-25 (1997)




Connue Connue

Connue Inconnue

Inconnue Connue

Inconnue Inconnue


Le ligand seul est connueLe ligand seul est connue

• Développement d’un pharmacophore ou d’un modèle QSAR puis criblage virtuel d’une banque de donnée 3D.


PharmacophorePharmacophore

• Représentation en 3D des propriétés les plus essentielles d’une molécule active


• Motif hydrophobe: basé sur les ligands

PharmacophoresPharmacophores


PharmacophoresPharmacophores

• Motif donneur-accepteur: basé sur le récepteur


L = site lipophilique; D = Donneur H;PD = Donneur H protoné

DopaminePharmacophore

L

PD

D

d1

d2 d3

L

PD

D

d1

d2 d3

L

PD

D

d1

d2 d3

NH+

CO2H

CH3H

NH

NH+H

CH3

OH

OH

OH

OH

NH3

+

Criblage sur pharmacophoreCriblage sur pharmacophore



• A partir d’un composé naturel, on peut théoriquement synthétiser des millions de dérivés.

• Nécessité de méthodes quantitatives corrélant paramètres structuraux et activité

• Quantitative Structure Activity Relationship (QSAR)


Méthodes de corrélation Méthodes de corrélation QuantitativeQuantitative

• Association des variations de l'activité biologiques de certaines molécules à leur paramètres structuraux

• Donne, pour une série chimique donnée et pour une activité définie, une équation de corrélation


Equation de corrélationEquation de corrélation

• Permet de déterminer les valeurs des paramètres qui correspondent à une activité maximale et ainsi de prédire l'activité des molécules qui n'ont pas encore été synthétisée

• La validité d'un modèle QSAR dépendra donc du choix que l'on aura fait sur les paramètres


Les paramètres les plus Les paramètres les plus pertinentspertinents

• Les paramètres associés aux substituants moléculaires

• Les paramètres associés aux atomes• Les paramètres associés à la topologie 1D• Les paramètres associés à la topologie 3D


Les paramètres associés aux Les paramètres associés aux substituants moléculairessubstituants moléculaires

• Les paramètres électroniques• Les paramètres stériques (encombrement)• Les paramètres de lipophilie


Les paramètres électroniquesLes paramètres électroniques

• Une variation de la distribution électronique sur une molécule se traduit par une réactivité chimique différente.

• De nombreux exemples ont montré qu'une augmentation de la densité électronique conduit à un renforcement de l'activité biologique.


Activité insecticide du diéthyl phényl phosphate et du diéthyl 2,4-dicloro-phényl phosphate


Les paramètres stériques et Les paramètres stériques et lipophileslipophiles

• Encombrement stérique modifie l’interaction entre une molécule et son récepteur

• Le caractère lipophile rend compte souvent des propriétés biologiques comme le métabolisme, la distribution dans les tissus, la liaison avec le site récepteur...


logPlogP

• Logarithme du coefficient du rapport 1-octanol/eau (logKOW)

• Permet d’estimer la biodisponibilité d’une molécule– Équilibre hydrophile/hydrophobe– Suffisamment hydrophile pour être soluble dans le

sang (eau)– Suffisamment hydrophobe pour traverser les

membranes cellulaires


logPlogP

plupart des moléculesthérapeutiques

-3-3 +7+7

FortementFortementhydrophilehydrophile

FortementFortementhydrophobehydrophobe

2 5







Les paramètres associés aux Les paramètres associés aux atomesatomes

• Le volume atomique

• Les surfaces atomiques

• Les charges atomiques partielles

• L‘électronégativité

• Les constantes fragmentales de lipophilie






Les paramètres associés à la Les paramètres associés à la topologie 1Dtopologie 1D

• Le volume moléculaire

• La réfractivité moléculaire

• Le coefficient de partage

• La chaleur de formation

• le potentiel d'ionisation

• Les constantes d'ionisation






Les paramètres associés à la Les paramètres associés à la topologie 3D (3D-QSAR)topologie 3D (3D-QSAR)

• La surface moléculaire, accessible au solvant, de connolly ou surface de contact

• Le potentiel électrostatique (position des groupements chargés)

• Participation à des liaisons hydrogènes• Le potentiel de lipophilie moléculaire• Les orbitales moléculaires• La forme de la molécule



Les paramètres associés à la Les paramètres associés à la topologie 3D (3D-QSAR)topologie 3D (3D-QSAR)

• La surface moléculaire, accessible au solvant, de connolly ou surface de contact

• Le potentiel électrostatique (position des groupements chargés)

• Participation à des liaisons hydrogènes• Le potentiel de lipophilie moléculaire• Les orbitales moléculaires• La forme de la molécule


Lignes de contour des Lignes de contour des potentiels électrostatiquespotentiels électrostatiques





Connue Connue

Connue Inconnue

Inconnue Connue

Inconnue Inconnue


La cible comme le ligand sont La cible comme le ligand sont inconnusinconnus

• Chimie combinatoire

• Utilisation d’informations à partir d’autres ligands actifs si connus, analyse de similitude…




Connue Connue

Connue Inconnue

Inconnue Connue

Inconnue Inconnue

A CHAQUE SITUATION, SES OUTILS…



Quelques réussitesQuelques réussites

falcipain inhibitors Ring et al. Proc. Natl. Acad. Sci. USA, 90, 3583-3587 (1993)

FluA HA fusion inhibitors Bodian et al., Biochemistry, 32, 2967-3978 (1993)

HIV Tat-TAR interaction inhibitors Filikov et al. J. Comput-Aided Mol. Des. 12, 229-240 (1998)

CD4-MHC II inhibitors Gao et al. Proc. Natl. Acad. Sci. USA., 94, 73-78 (1997)

HIV gp41 inhibitors Debnath et al.; J. Med. Chem, 42, 3203-3209 (1999)


Documents

[email protected] Validation Structurale et Drug Design Septembre 2006 Master de Biochimie Copyright UCBL 2006 – Toute reproduction