創薬のための天然物データベースの化学空間の可視化と解析

サマリー

ここでは、創薬に関連するアプリケーションに焦点を当てて、さまざまな分子表現を使用して天然化合物データセットの化学空間を表示および分析する方法論を提供します。

要約

化学空間は、すべての可能な分子を囲む多次元記述子空間であり、分子量が500Da未満の有機物質が少なくとも1 x 10⁶⁰ 個あれば、創薬に潜在的に関連すると考えられています。天然物は、過去40年間に販売された新しい薬理学的実体の主要な供給源であり、革新的な医薬品の創出のための最も生産的な供給源の1つであり続けています。ケモインフォマティクスベースの計算ツールは、天然物の医薬品開発プロセスを加速します。生物活性の推定、安全性プロファイル、ADME、天然物の類似性測定などの方法が使用されています。ここでは、さまざまな分子表現を使用して天然化合物データセットの化学空間を視覚化、特性評価、および拡張し、そのような空間の視覚的表現を作成し、化学空間内の構造と特性の関係を調査するように設計されたケモインフォマティクスツールの最近の開発について説明します。創薬アプリケーションに重点を置いて、オープンソースデータベースBIOFACQUIMとPeruNPDBを概念実証として評価します。

概要

生物が作り出す化合物である天然物(NP)は、何世紀にもわたって伝統的な治療法として利用されてきました。個々のNPは、現代において医薬品として創製され、創薬のリード化合物として成功裏に利用されています¹。人間や動物によって生成される海洋、真菌、細菌、植物、および内因性の物質は、さまざまな動物によって生成される毒物や毒物と同様に、生理活性化合物のカテゴリに含まれます²。その結果、40年間にわたり、NPによって製造された医薬品の数は、新しい薬^{理学的物質}の重要な供給源であり3、NPが特に癌や感染症の治療、および多発性硬化症や心^{血管疾患などの他の}治療状態4の新しい医薬品の開発において重要であることを強調しています.さらに、1981年から2019年の間にがんの治療薬として認可された185の低分子化合物のうち64.9%は、非修飾NPまたはNPファーマコ^フォア3を持つ合成医薬品でした。

ケモインフォマティクスは、化学空間の概念に基づく確立された学際的研究であり、薬物様特性5に関連するNPの物理化学的性質の化学空間を分析および視覚化するために使用され^{てきました。}ケモインフォマティクスは、^NP6に基づく医薬品の設計と発見に大きな影響を与えることが示されています。化合物群の化学空間は、必ずしも一意ではありません。それは、それを定義するために使用される記述子の集合に依存するため、NPの化学空間を他の化合物のセットとして研究することは、^{分子表現7}に依存する特定の課題を提示することを意味します。この取り組みは、さまざまな分子記述子とデータ視覚化技術を使用してアプローチできます。対照的に、最も頻繁に利用される手法は、主成分分析(PCA)、足場ツリー、自己組織化マップ、生成地形マッピング(GTM)、およびツリーマップ(TMAP⁾⁸と呼ばれる新しい視覚化技術です。また、NPの化学情報を化合物データベースに収集、評価、および配布することは、NP研究におけるケモインフォマティクスの用途の1つです。対照的に、ビッグデータの導入に伴い、これは特に関連性があります⁹。

ここでは、オープンソースのNPデータベースBIOFACQUIM¹⁰ およびPeruNPDB¹¹ を使用して、さまざまな分子表現を使用して天然化合物データセットの化学空間の視覚化と特性評価を検索し、そのような空間の視覚的表現を作成し、創薬アプリケーションに重点を置いて化学空間内の構造と特性の関係を調査するプロトコルについて説明します。

プロトコル

1. ソフトウェアのダウンロードとインストール

1. このプロジェクトのディレクトリを新しくします。アクセスを容易にするために、実行可能ファイルとファイルをこのディレクトリに置いてください。
2. 必要なソフトウェアパッケージをダウンロードした後、インストールします。
3. The Osiris DataWarrior (OSIRIS) ソフトウェアの最新バージョンは、次のURLからダウンロードできます https://openmolecules.org/datawarrior/
4. The Konstanz Information Miner (KNIME) Analytics Platform の最新バージョンは、次の場所にあります https://www.knime.com/
5. The GraphPad Prismソフトウェアの最新バージョンをダウンロードしてください https://www.graphpad.com/
   注:Osiris DataWarriorソフトウェアとKonstanz Information Miner(KNIME)Analytics Platformは、パーソナルコンピュータで使用でき、個人使用は無料ですが、GraphPad Prismソフトウェアは(https://www.graphpad.com/)で購入できます。

2. 化合物データベースの構築とキュレーション

注:必要なデータがある物質と供給源を見つけてください。ユーザーは、スプレッドシート内の各化合物について次の詳細を用意することをお勧めします。

1. 各コンパウンドに名前を付けます。ソースに記載されているすべてのコンパウンドの名前を、スプレッドシートの最初の列に追加します。
2. 社内コレクションを作成する場合は、内部の標準化されたコードを割り当てるか、参照対象のデータベースでこの化合物を一意に識別する番号を割り当てます。
3. 標準的なSMILES表記を使用して構造入力を提供し、他の分子編集ツールにインポートできます。
   1. このデータがスプレッドシートに収集されたら.csvデータベースを理想的には形式で保存します。
   2. OSIRISソフトウェアを使用して、データセットの構造データファイル(SDF)、分子データファイル(mol)、およびmol2を生成します。これらは化学情報も含まれており、ほとんどのソフトウェアパッケージと相互運用可能です。これを行うには、 .csv アーカイブをアップロードするには、[ファイル]ボタンをクリックしてから[ 開く ]ボタンをクリックします。
   3. データセットをKNIME分析プラットフォームにアップロードすると、データの品質が向上し、不正確な結果が防止されます。これを行うには、[ファイル]ボタンをクリックしてから[開く]ボタンをクリックして、.sdfまたは.mol2ファイルをアップロードします。
4. 化学構造の均一性を確保します。
   1. 各化学構造を調べて、有効な原子タイプと原子価チェックを行います。KNIME の Standardizing Molecular Structures ワークフローを使用して、構造を標準的な互変異性体形式に変換し、芳香族構造をケクリ化し、ステレオ結合の位置を標準化し、すべての陰的水素を陽的水素に変換することで、構造を標準化します。
   2. 分子が正しく標準化された後、KNIMEのStandardizing Molecular Structuresワークフローを使用して重複を見つけて排除します。 InChI キーを線形表記として利用し、さまざまなプロトン化状態と互変異性体を特定します。
   3. 重複を排除します。
   4. 互変異性体と立体異性体を列挙します。このステップは、バーチャルスクリーニング研究、特にドッキングやファーマコフォアベースのフィルタリングなどの検索方法を使用する場合に重要です。

3. 分子記述子とダイバーシティ解析

注:物理化学的性質、分子フィンガープリント、化学足場などの分子記述子は、ケモインフォマティクスアプリケーションで分子を表現するための最も一般的なアプローチです。分析はここで実行できます:http://132.248.103.152:3838/PUMA/。以下で説明するすべての手順は、PUMAのWebサイトで詳しく説明されています。

1. 薬理学的関連性のある最も一般的な6つの物理化学的性質を計算します:分子量(MW)、オクタノール/水分配係数(clogP)、トポロジカル表面積(TPSA)、水溶性(clogS)、H結合ドナー原子の数(HBD)、およびH結合アクセプター原子の数(HBA)。詳細については、PUMAのWebサイトを参照してください。
2. 166ビットMACCSキー、ペアワイズ谷本類似度、直径4の拡張接続フィンガープリント(ECFP4)、および仮想スクリーニング、アクティビティランドスケープモデリング、および構造活動関係(SAR)研究に適したその他の円形フィンガープリントを計算します。
3. 各ペアワイズ比較の中心傾向統計量を計算します。データセットの多様性は、ユークリッド距離や一般的な距離メトリックとは対照的に、平均または中央値が小さいことを確認します。
4. 計算値が文献に記録されているか、比較のために他の参照データベース用に計算されているかを確認します。これについては、PubChemやCHEMBLなどのWebサイトを参照してください。
5. GraphPad Prismソフトウェア内で視覚化するためのバイオリンプロットを生成し、最大値と最小値を表示します。

4. 化学空間の可視化

注: PCA やその他の次元削減手法を使用して、関連するデータの大部分を少数の変数に凝縮することができます。したがって、化学空間の視覚化が可能になります。

1. 6 つの記述子をすべて選択して、類似性または距離を判断します。それに応じて、類似度(または距離)行列を作成します。
2. マトリックスに対してPCA分析を実行します。プロットする主要コンポーネントを 2 つまたは 3 つ選択します。各主成分によって捕捉される分散の比率を考えます。
3. Plotly KNIME ノードを使用して、PCA の 2 次元または 3 次元の散布図表現を生成します。

5. コンセンサス多様性プロット

注:視覚的表現は、多様性を定量化するために使用できるいくつかの特性を要約するために開発されました。コンセンサスダイバーシティプロット(CDP)¹² 分析は、ここで http://132.248.103.152:3838/CDPlots/ 実行できます。

1. データベース内の化合物の数でプロットを作成し、データポイントのサイズを決定します。x 軸には分子フィンガープリントの多様性を、y 軸にはスキャフォールドの多様性を、色連続スケールには物理化学的特性に基づく多様性を、データ ポイント サイズにはデータセット内の化合物の相対数を使用します。
2. GraphPad Prismソフトウェアを使用して多変数プロットを生成します。

結果

分子物性と化学空間の可視化
BIOFACQUIM¹⁰、PeruNPDB¹¹、および FDA¹³ データセットのすべての化合物は、それらについて計算された 6 つの物理化学的特性を持っていました。次に、これらの特性をバイオリンプロットにプロットし、調査した3つのデータセットのプロパティがどのように分布しているかを確認することができました(図1)。医薬品に関心のある6つの物理化学的パラメータ、すなわち分子量(MW)、オクタノール/水分配係数(clogP)、トポロジカル表面積(TPSA)、水溶性(clogS)、H結合供与体原子数(HBD)、およびH結合受容体原子数(HBA)の分布プロファイルは、データセット間で異なります。しかし、TPSAの結果は、BIOFACQUIMおよびFDAのデータセットをPeruNPDBと比較した場合、有意なばらつきを示しました。PCAを用いて、データセットの化学空間の可視化を行いました。しかし、3DビジュアルPCA分析では、NPの両方のデータセットの分子が、FDAの承認済み医薬品コレクションとほぼ化学空間と重なっていることが明らかになりました。一方、一部の地域では、PeruNPDBまたはBIOFACQUIMの化学物質が優勢です(図2)。

ダイバーシティ分析
さらに、分子フィンガープリント、スキャフォールド、および物理化学的属性に基づくCDPを使用して、データセットの多様性を評価しました。PeruNPDB、BIOFAQUIM、およびFDAのデータベースの不動産ベースの多様性は、スケーリングされた不動産のユークリッド距離を使用して計算されました。さらに、分子フィンガープリント、スキャフォールド、および物理化学的属性に基づくCDPを利用して、データセットの多様性を評価しました。PeruNPDB、BIOFAQUIM、およびFDAのデータベースの不動産ベースの多様性は、スケーリングされた不動産のユークリッド距離を使用して計算されました。カラー CD プロットの値は、連続カラー スケール上のデータ ポイントで表されます。明るい色調は多様性が高いことを示し、暗い色は多様性が少ないことを示します。最後に、各データベース内の化合物の相対的な数を示すために、さまざまなポイントサイズが使用され、データポイントが小さいほど分子が少ないデータベースを表します。足場や指紋の多様性が最も大きいはずの地域で発見されたため、PeruNPDBの化合物は全球的な多様性が最も大きいことがわかりました(図3)。

図1:物理化学的特性のバイオリンプロット。 BIOFACQUIM、PeruNPDB、およびFDAデータセットの物理化学的特性のバイオリンプロット。 この図の拡大版を表示するには、ここをクリックしてください。

図2:化学空間の視覚的表現。 BIOFACQUIM、PeruNPDB、およびFDAデータセットの視覚的表現は、医薬品関連の6つの特性の主成分に基づいています。 この図の拡大版を表示するには、ここをクリックしてください。

図3:コンセンサスダイバーシティプロット。 BIOFACQUIM、PeruNPDB、およびFDAデータセットの全球多様性を比較したコンセンサス多様性プロット。 この図の拡大版を表示するには、ここをクリックしてください。

ディスカッション

化合物の分類、化合物の選択、構造活性リンクの探索、構造と特性の相互作用のナビゲートなど、多くの潜在的な用途があるため、化学空間の概念は、今日、創薬および開発プロセスで広く使用されています¹⁴。また、NPデータベースの作成は、化学情報量の増加に伴う化学ライブラリーの設計、化学空間の特性評価と比較、SARの研究、仮想スクリーニングなど、さまざまな計算研究を行うための基本的な手順です。対照的に、人工知能(AI)アルゴリズムのトレーニングは、さらに別の重要なアプリケーションです。AIとは、問題解決や経験からの学習など、機械が人間の認知プロセスを模倣することを可能にする一連の計算技術を指します^15,16。

NPデータベースを含む化合物データベースは創薬における重要なツールですが、さまざまな仮想スクリーニング技術を使用して潜在的なヒット分子を検出することも実現可能です¹⁷。さらに、NPデータベースには、コロナウイルス病¹⁸、アルツハイマー病¹⁹、リーシュマニア症²⁰など、病気を治療する可能性のあるいくつかの薬剤候補が見つかっています。しかし、「ビッグデータ」の処理における現在の制約により、特定の生物学的または環境サンプル中のすべての潜在的な分子の化学的空間は非常に大きく、ほとんど未探索である可能性があります²¹。化学空間表現のためのユニークで普遍的な手法はないが、広く使用されている方法の一つは、すべてのペアワイズ比較を含む類似度行列を作成することである²²。関連情報の大部分は、PCAおよび他の次元削減技術を使用して(情報を失うとはいえ)少数の変数に縮小することができ、化学空間²³の可視化を可能にする。

ケミカルライブラリーの多様性は、主に調査対象のデータ、そして最も重要なこととして、研究の目的に応じて、さまざまな方法で評価できます。分子表現は、ダイバーシティ測定²⁴に加えて、ダイバーシティ分析の重要な要素です。化学スキャフォールドと分子記述子は、化学情報分析で最も頻繁に分子を表現するために使用される2つのアプローチですが、それらのいくつかは、理解するのがより困難であり、必ずしもコレクションを特定するとは限らないという欠点があります²⁵。例えば、さまざまな化合物では、非常に比較可能な特性プロファイルを持つのが一般的です。したがって、さまざまな構造表現を考慮することで、化合物ライブラリの多様性をより包括的に把握できます。これは、化学多元宇宙の概念の基礎であり、同じデータセットの化学空間のグループまたはコレクションとして定義され、各々は記述子^{のセットによって定義されます26}。

CDPは、3次元または2次元に分割できる複数の表現を使用して、さまざまな指標を使用して化合物データセットの全体的な多様性を分析するため、化学ライブラリの比較と分類に役立ちます¹²。

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
GraphPad プリズム	GraphPad プリズム	https://www.graphpad.com/
KNIME プラットフォーム	KNIME	https://www.knime.com
Osiris DataWarrior (OSIRIS) ソフトウェア	openmolecules.org	https://openmolecules.org/datawarrior/
PUMA	PUMA: Platform for Unified Molecular Analysis	http://132.248.103.152:3838/PUMA/