מידול פרמקופור למטרות עם ספריות ליגנד נרחבות: מחקר מקרה על SARS-CoV-2 Mpro
26 בספטמבר 2025
מאמר זה מציג פרוטוקול לבניית מודל פרמקופור קונצנזוס על ידי שילוב תכונות מולקולריות ממספר ליגנדים. שיטה זו ישימה למאמצי גילוי תרופות המכוונים לכל מטרה ביולוגית עם קונפורמציות ידועות הקשורות לליגנד, ומאפשרת זיהוי של תכונות אינטראקציה מרכזיות לסינון וירטואלי ותכנון תרופות רציונלי.
המחקר שלנו בוחן מודלים פרמקופוריים עם ספריות ליגנד גדולות. במחקר זה, אנו מתמקדים ב-SARS-CoV-2 Mpro כדי לזהות דפוסים מבניים המנחים את גילוי התרופות. ההתקדמות האחרונה במידול פרמקופור משתמשת במערכי נתונים גדולים ומגוונים יותר, המשפרים את הדיוק בזיהוי מזינים מולקולריים מרכזיים לגילוי תרופות.
סימולציות דינמיות מולקולריות ולמידת מכונה משמשות כיום לקידום מודלים פרמקופוריים ושיפור תוצאות גילוי תרופות. אתגר מרכזי הוא ניהול מערכי נתונים גדולים ומגוונים של ליגנד, תוך שיפור דיוק המיצוי העתידי והפחתת עלויות החישוב. הראינו שספריות ליגנד יקרות משפרות את הדיוק העתידי של הפרמקופור, ומאפשרות תחזיות אמינות יותר וזיהוי טוב יותר של מועמדים פוטנציאליים לתרופות.
כדי להתחיל, הפעל את תוכנת PyMOL. יישר את כל קומפלקסי ליגנד החלבון בתוכנה. עבור כל קומפלקס מיושר, חלץ את קונפורמטור הליגנד ושמור אותו כקובץ נפרד בפורמט SDF.
העלה כל קובץ ליגנד בנפרד כדי לחוות אותו, באמצעות האפשרות טען תכונות. לאחר הטעינה, השתמש באפשרות Save Session כדי להוריד את קובץ הפרמקופור בפורמט JSON. אחסן את כל קובצי ה-JSON של הפרמקופור שהורדת יחד בתיקייה אחת לשימוש מאוחר יותר בסביבת Google Colab.
הפעל את Google Colab בדפדפן אינטרנט וצור מחברת חדשה. התקן את Conda ו-PyMOL, ולאחר מכן הפעל את התא על ידי לחיצה על סמל ההפעלה, או לחיצה על shift ו-Enter כדי לוודא ביצוע מוצלח. פס ירוק יופיע מעל התא אם הושלם כהלכה.
כעת, התקן את חבילת CANFAR Python וייבא את המודולים הנדרשים. הפעל את התא על ידי לחיצה על סמל ההפעלה כדי לאשר התקנה מוצלחת. הודעת אישור תופיע לאחר ביצוע מוצלח.
לאחר מכן, צור תיקייה חדשה לאחסון קבצי JSON של פרמקופור. פתח את התיקיה, לחץ לחיצה ימנית בתוכה ובחר העלה כדי להעלות את קבצי ה-JSON. כדי לנתח ולאחד תכונות פרמקופור, חלץ את התכונות מכל הקבצים שהועלו.
לחץ על סמל ההפעלה כדי להפעיל את התא וליצור מסגרת נתונים מאוחדת המכילה את התכונות מכל ליגנד בודד. הצג את כל מתארי הפרמקופור, ולאחר מכן הפעל את התא כדי להציג דפוסי אשכולות. כעת, שמור את מודל הפרמקופור בפורמט PyMOL.
הפעל את התא כדי ליצור קובץ pse, ולאחר מכן שמור את המודל כקובץ JSON על ידי הפעלת תא הקוד המתאים. צור פלטים מקובצים באשכולות תכונות ודנדוגרמות באמצעות הקוד שסופק. לחץ על הפעל וייצא את נתוני הפרמקופור הקונצנזוס לקובץ CSV על ידי ביצוע פקודת הייצוא.
השתמש במודל הפרמקופור הקונצנזוס שנוצר להקרנה וירטואלית. 100 קומפלקסים עיקריים של פרוטאז או Mpro שהתגבשו יחד עם מעכבים לא קוולנטיים שונים יושרו כדי לדמיין את מגוון הליגנדים בתוך כיס הקשירה. כל ליגנד חולץ בנפרד מהקומפלקסים המיושרים כדי ליצור קבצים נפרדים להקרנה וירטואלית.
הליגנדים שחולצו הועלו לשרת הפארמיט ושימשו ליצירת קבצי JSON מובנים למידול פרמקופור. קבצי ה-JSON הניבו 1,450 תכונות פרמקופור, מקובצות ל-110 אשכולות, כולל 23 ארומטיים, 30 מקבלי קשרי מימן, 16 תורמי קשרי מימן, 36 אשכולות הידרופוביים וחמישה אשכולות אניונים. כדי לבנות את מודל הקונצנזוס, נשמרו רק האשכולות הצפופים ביותר, בעוד שאשכולות אניונים לא נכללו, בגלל איברים לא מספיקים.
מודל הפרמקופור הסופי של הקונצנזוס כלל 11 תכונות, המורכבות משלושה ארומטיים, עבור מקבלי קשרי מימן, שני תורמי קשרי מימן ושני מאפיינים הידרופוביים. לאחר הסרת התכונה הארומטית הפחות מייצגת, ארו אחת, זוהו שתי תרכובות מועמדות. המבנה הכימי הדו-ממדי של תרכובת 101 267 741 הוצג כדי לאשר את תאימותו למודל הפרמקופור.
תרכובת 101 267 741 נכנסה עמוק לכיס הכריכה של Mpro, ותפסה את כיסי המשנה S1 ו-S2 בצורה יעילה יותר מאשר ליגנד הייחוס 38a, שהתפשט לכיוון כיס S1. תרכובת 101 267 741 יצרה 11 אינטראקציות בין-מולקולריות, שבעה קשרי מימן וארבעה מגעים הידרופוביים.
סקירה כללית
מאמר זה מציג פרוטוקול לבניית מודל פרמקופור קונסנזוס (consensus pharmacophore model) על ידי שילוב מאפיינים מולקולריים ממספר ליגנדים, עם התמקדות ספציפית ב-SARS-CoV-2 Mpro. שיטה זו משפרת את מאמצי גילוי התרופות על ידי זיהוי מאפייני אינטראקציה מרכזיים לצורך סריקה וירטואלית ותכנון רציונלי של תרופות.
מרכיבי מפתח במחקר
תחום מדע
- מידול פרמקופורי
- גילוי תרופות
- ביולוגיה מבנית
רקע
- מידול פרמקופורי משתמש בספריות ליגנדים גדולות כדי לזהות תבניות מבניות.
- התקדמויות במידול משפרות את הדיוק בזיהוי מאפיינים מולקולריים מרכזיים.
- האתגרים כוללים ניהול של מערכי נתונים מגוונים והפחתת עלויות חישוביות.
- מחקרים אחרונים מראים שספריות ליגנדים גדולות יותר משפרות את מהימנות החיזוי.
מטרת המחקר
- פיתוח מודל פרמקופור קונסנזוס עבור Mpro של SARS-CoV-2.
- שיפור תוצאות גילוי תרופות באמצעות טכניקות מידול משופרות.
- ייעול תהליכי ההפקה והניתוח של מאפייני פרמקופור.
שיטות שנעשה בהן שימוש
- שימוש ב-PyMOL לצורך הצמדה (aligning) של קומפלקסים של חלבון-ליגנד.
- הפקה של קונפורמרים של הליגנד ושמירתם בפורמט SDF.
- העלאת קבצי ליגנדים ליצירת קבצי JSON של פרמקופור.
- שימוש ב-Google Colab לעיבוד נתונים והפקה של מאפיינים (feature extraction).
תוצאות עיקריות
- הופקו 1,450 מאפייני פרמקופור שחולקו ל-110 אשכולות.
- מודל הקונסנזוס הסופי כלל 11 מאפיינים, ביניהם אינטראקציות ארומטיות וקשרי מימן.
- זוהה התרכובת 101267741 כמועמדת תרופתית פוטנציאלית.
- בוצע ויזואליזציה של אינטראקציות התרכובת בתוך כיס הקשירה של Mpro.
מסקנות
- מודל הפארמקופור קונסנסו מסייע ביעילות לסריקה וירטואלית.
- דיוק משופר במידול פארמקופורי משפר את הזיהוי של מועמדים לתרופות.
- מחקרים עתידיים עשויים להתמקד בזיקוק שיטות המיצוי ובשיפור היעילות החישובית.
שאלות נפוצות
רלוונטיות תעשייתית למנהלים
מידול פרמקופור קונסנזוס באמצעות ספריות ליגנדים נרחבות מאפשר רמת ביטחון חיזויית גבוהה יותר בשלבים מוקדמים של גילוי תרופות, במיוחד עבור מטרות כגון SARS-CoV-2 Mpro. שילוב של קונפורמציות מגוונות של ליגנדים קשורים מפחית את הטיית המודל ותומך בסינון וירטואלי חסון, מה שמשפיע ישירות על זיהוי מולקולות מובילות (leads) ומיון פורטפוליו. גישה זו מייעלת את הבחירה הרציונלית של מועמדים עבור מטרות בעלות נתונים מבניים עשירים, ובכך משפרת את יעילות המו"פ הארגונית.
יישומים אסטרטגיים במחקר ופיתוח בביופארמה
גילוי מוקדם ותיקוף מטרה
- מאפשר בדיקת היפותזות טיפוליות על ידי לכידת מאפייני אינטראקציה שמורים בקרב ליגנדים מגוונים.
- תומך בתיקוף פונקציונלי של מטרות על ידי זיהוי דטרמיננטים מולקולריים מרכזיים של קישור באזור הקטליטי.
- משפר את רמת הביטחון בחיזוי לצורך תעדוף תיק פיתוח (portfolio triage) על ידי הפחתת הטיות במודל באמצעות אינטגרציה של מאפייני קונסנזוס.
סריקה ופיתוח בדיקה
- מכין מודלים פסיכופוריים (pharmacophore) שעברו תיקוף לצורך סריקה וירטואלית ניתנת להרחבה של ספריות תרכובות גדולות במיוחד.
- מסייע בסטנדרטיזציה של בדיקות על ידי הגדרת מאפייני אינטראקציה כמותיים להערכה בשלבים הבאים.
- מאפשר תהליכי עבודה של סריקה הניתנים לשחזור ואינם תלויים בפלטפורמה באמצעות כלי אינפורמטיקה בקוד פתוח.
מחקר תרגומי ופרה-קליני
- מתאימה את בחירת המועמדים למאפייני אתר קישור הרלוונטיים למחלה, ובכך תומכת ברציפות תרגומית.
- מספקת הפחתת סיכונים מנגנונית באמצעות מיפוי אינטראקציות של ליגנדים לתתי-כיסים מבניים של המטרה.
- תומכת בהחלטות קידום מותאמות סיכון על ידי תיעדוף תרכובות עם התאמה אופטימלית לפארמקופור.
שילוב תהליכי עבודה וצנרת עיבוד (Pipeline)
פרוטוקול זה למידול פארמקופור קונסנזוס מתאים לשלבים החל מגילוי מוקדם ועד לזיהוי מוביל (lead identification), תוך ניצול ביולוגיה מבנית וביואינפורמטיקה לצורך הנחיית סינון וירטואלי ותיעדוף מועמדים.
- ביולוגיה של הגילוי: משלבת קונפורמציות קשורות לליגנד כדי להבהיר מסלולי קישור ולהפחית סיכונים במעורבות המטרה (target engagement).
- סריקה: מספקת מודלים פארמקופוריים כמותיים וניתנים לשחזור לסריקה וירטואלית בספיקת רב.
- אנליטיקה: מספקת פלטי מאפיינים מקובצים ומתאריים סטטיסטיים להשוואת אינטראקציות של ליגנדים.
- מחקר תרגומי: מבטיחה התאמה של המועמדים למאפייני מטרה הרלוונטיים למחלה לצורך התקדמות פרה-קלינית.
- שימוש חוזר ארגוני: מציעה תהליך עבודה (workflow) בר-הרחבה ובקוד פתוח, הניתן להתאמה לכל מטרה בעלת נתוני ליגנדים מספיקים.
השפעה תפעולית וארגונית
- ערך מדעי: מגביר את הביטחון החזוי ומפחית עמימות מכניסטית באינטראקציות בין מטרה לליגנד.
- ערך תפעולי: סטנדרטיזציה של מידול פרמקופורי ומאפשרת סריקה הניתנת לשחזור ובעלת יכולת הרחבה (scalability).
- ערך אסטרטגי: תומך בקבלת החלטות מושכלת של go/no-go ובתעדוף יעיל של מובילים (leads) מבחינת הון.
- השפעה על הפורטפוליו: מקל על קידום מותאם סיכונים ושימוש חוזר במודלים בין פרויקטים שונים.
שיקולי יישום
- דורש מומחיות בביולוגיה מבנית, כימיואינפורמטיקה ומידול פרמקופורים.
- תלוי בגישה לכלי ויזואליזציה מולקולרית (למשל, PyMOL) ותשתית מחשוב (למשל, Google Colab).
- מחייב פרוטוקולים סטנדרטיים להכנת ליגנדים ולהפקת מאפיינים בין הצוותים השונים.
- ניתן להתאמה למטרות מגוונות עם מבנים זמינים הקשורים לליגנדים, אך מוגבל על ידי איכות ומגוון מערכי הנתונים.
- יש לנהל את עלויות החישוב ואת ספי המקבץ של המאפיינים עבור ספריות ליגנדים גדולות במיוחד.
