비뉴클레오티드 역전사효소 억제제의 정량적 구조-활성 관계, 활성 예측 및 분자 역학

Summary

이 연구는 인실리코(in-silico ) 전략을 사용하여 Enumerated Etravirine이 HIV에 대한 유망한 치료제임을 확인했습니다. 분자 상호 작용 및 역학에 대한 우리의 발견은 가능한 HIV 치료 대안으로서 새로운 NNRTI의 합리적인 설계를 뒷받침합니다.

Abstract

HIV-1 약물 내성 발병률이 증가함에 따라 특히 남아프리카에서 항레트로바이러스 병용 요법의 효과에 도전이 되고 있습니다. 비뉴클레오티드 역전사효소 억제제(NNRTI)에 대한 내성의 발달은 항레트로바이러스 요법의 장기적인 성공을 위협하고 있습니다. 2019년 전 세계적으로 항생제 내성으로 인한 사망자는 약 127만 명으로 추산됩니다. 이 연구는 NNTRI 약물 및 그 유도체를 조사하기 위해 인실리코(in-silico ) 접근법을 사용했습니다. 사용된 기술에는 밀도 함수 이론 계산, 분자 도킹, 열거, QSAR(Quantitative Structure-Activity Relationship) 분석, MDS(분자 역학 시뮬레이션) 및 일반화된 Born 및 표면적 방법을 사용한 분자 역학이 포함되었습니다. 분석은 다양한 피리미딘 유도체와 6가지 NNRTI 약물에 초점을 맞추고 HIV-1 단백질(PDB 코드 1HQU)과의 상호 작용을 조사했습니다.

QSAR 모델은 조사 중인 6개의 NNRTI의 생물학적 활성을 예측하기 위해 개발되었습니다. 94개의 피리미딘 유도체를 사용하여 QSAR 모델은 0.822의 R² 및 0.815의 Q² 를 달성하여 높은 수준의 예측 정확도를 나타냅니다.

MDS는 다양한 리간드와 새로 개발된 대안의 안정성을 평가하기 위해 수행되었으며, 200나노초 시뮬레이션 기간 동안 단백질의 활성 부위에 결합된 상태를 유지했습니다. 에트라비린은 약 4.5 Å의 제곱 평균 편차(RMSD) 변동을 나타낸 반면, 열거된 유도체는 3.5 Å의 RMSD 변동을 나타냈습니다. 분자 도킹, MDS 및 자유 에너지 계산을 통해 열거된 에트라비린은 활성 값 7.373, 도킹 점수 -10.517kcal/mol로 최고의 성능을 보여주었습니다. 또한, 열거된 에트라비린에 대해 계산된 결합 자유 에너지는 -89.684kcal/mol로 조사 중인 다른 리간드보다 성능이 우수했습니다. 이러한 현저한 개선은 변형된 에트라비린이 항레트로바이러스 요법의 새로운 약제로서 유망한 잠재력을 가지고 있음을 시사합니다.

얻어진 낮은 RMSD 값, 향상된 아미노산 상호 작용 및 가장 높은 결합 자유 에너지는 열거된 에트라비린이 HIV/AIDS 치료를 위한 실행 가능한 대안으로 작용할 수 있음을 나타냅니다.

Introduction

치료의 괄목할 만한 발전에도 불구하고, 인간 면역결핍 바이러스-1(HIV-1)에 의해 유발되는 후천성 면역결핍 증후군(AIDS)이라는 심각한 세계적 건강 위협은 여전히 지속적인 위협으로 남아 있다¹. 역전사효소 억제제(RTI)로 알려진 항레트로바이러스 약물은 HIV 감염을 치료하는 데 사용됩니다. 레트로바이러스 복제에 필수적인 바이러스 디옥시리보핵산(DNA) 중합효소인 역전사효소는 역전사효소 억제제(RTI)에 의해 억제됩니다. 뉴클레오시드 역전사효소 억제제(NRTIs)와 비뉴클레오티드 역전사효소 억제제(non-nucleotide reverse transcriptase inhibitors, NNRTI)가 주요 RTI이다².

다양한 항바이러스 약물을 조합한 고활성 항레트로바이러스 요법(HAART)이 HIV의 표준 치료법으로 부상하여 에이즈 확산을 효과적으로 통제하고 한때 치명적이었던 이 질병을 관리 가능한 만성 질환으로 전환시켰다³. HIV-1에 대한 NNRTI는 현재 HAART 요법의 중요한 부분을 차지하고 있다⁴. 항생제 내성(AMR)은 전 세계적으로 가장 심각한 보건 위협 중 하나로, 약 127만 명의 사망자가 발생한 것으로 추정됩니다⁵. 따라서 AMR의 문제를 해결하고 새로운 항균제를 식별해야 하는 시급한 필요성이 있습니다. 세계보건기구(WHO)에 따르면 항생제 내성은 세계 여러 지역에서 우려할 만한 수준에 도달했습니다.

이는 식량 안보, 경제 성장 및 보건 안보를 저해하는 동시에 사회적, 경제적 불평등을 야기하기 때문에 지속 가능한 개발 목표를 달성하는 데 심각한 위험을 초래합니다⁶. 약물 내성 바이러스의 유병률은 증가하고 있으며, HIV와 싸우기 위해 고안된 항레트로바이러스 약물에서도 마찬가지입니다. 최근 통계에 따르면 2022년 말 현재 전 세계적으로 약 3,000만 명의 사람들이 항레트로바이러스 요법을 받고 있습니다⁷.

WHO는 30건의 설문조사를 실시한 결과, 그 중 21건에서 1차 항레트로바이러스 요법을 시작한 사람의 10% 이상이 네비라핀 또는 에파비렌츠⁸에 내성이 있는 것으로 나타났습니다. 또한, 이전에 항레트로바이러스 약물에 노출된 적이 있는 사람은 노출되지 않은 사람보다 NNRTI에 내성이 생길 확률이 최대 3배 더 높았다⁹. 연구에 따르면 HIV 진단을 받은 생후 18개월 미만의 영아 중 상당수가 약물 내성 균주의 비율이 높은 것으로 나타났습니다^10,11. 놀랍게도, 그들 중 거의 절반은 치료를 시작하기 전에도 (NNRTI) 내성 균주를 가지고 있었습니다. 이러한 발견은 혁신적인 HIV 치료법을 설계하기 위한 연구를 촉진해야 할 필요성을 강조합니다.

약물 내성 균주의 발병과 장기간 복용으로 인한 바람직하지 않은 부작용은 불가피하게 NNRTI의 임상적 사용에 어려움을 초래했다¹². 항레트로바이러스 병용 요법(cART)을 시작하면 부작용 가능성에도 불구하고 HIV 감염자의 기대 수명을 연장할 수 있습니다. 이러한 부작용은 지방이영양증(lipodystrophy), 고지혈증, 골밀도 감소, 제2형 당뇨병을 유발하는 혈당 수치 상승, 고혈압, 뇌졸중 위험 증가, 비만과 관련된 문제 등 비전염성 질환의 발병 위험을 포함한다¹³. HIV 감염 초기 단계에서 조기 진단과 적절한 의료 서비스에 대한 신속한 접근은 임상 및 대중의 관점에서 상당한 이점을 제공합니다. ART를 적시에 시작하고 기회감염에 대한 예방을 통해 HIV 관련 질병 및 사망률을 현저하게 줄일 수 있습니다.

ART의 사용은 또한 순환하는 HIV 리보핵산의 수준을 감소시킴으로써 HIV의 향후 전염 가능성을 감소시키는 데 기여할 수 있습니다. 더욱이, 다른 성병과 동시 감염의 치료에 대처하는 것도 마찬가지로 HIV의 추가 감염 가능성을 줄일 수 있다¹⁴. NNRTI는 HIV의 알로스테릭 부위 또는 부위에 결합하여 RT와 상호 작용하는 억제제의 선택적 치료 클래스 중 하나입니다. 이러한 유형의 억제는 일반적으로 비경쟁적 억제제로 알려져 있는데, 그 이유는 NNRTI가 기질의 활성 부위가 아니라 외부에 결합하기 때문입니다. 이 효과는 기질 결합 부위의 형태를 변경하여 표준 기질이 결합하는 것을 방해하고 조기 사슬 종결로 이어집니다. NRTIs에 비해 독성이 낮고, 구조가 간단하며, 프로테아제 억제제에 비해 생체이용률이 향상되고, 선택성이 우수하기 때문에 NNRTI는 가장 매력적인 HIV 억제제가 되었습니다¹⁵. 따라서 새로운 NNRTI의 합성 및 설계는 약동학적 관점에서 매우 중요합니다^16,17.

NNRTI는 강력한 효능과 낮은 독성으로 인해 HIV/AIDS 치료에 필수적입니다. 그러나 네비라핀(Nevirapine), 델라비르딘(Delavirdine), 에파비렌츠(Efavirenz)와 같은 초기 NNRTI는 NNRTI 결합 부위의 바이러스 돌연변이에 대한 내성에 직면한다¹⁸. diarylpyrimidine (DAPY) 계열의 일부인 이러한 약물은 초기 NNRTIs¹⁹에 내성이 있는 균주를 포함하여 다양한 NNRTI 균주에 대해 강력한 활성을 나타내는데, 이는 분자 유연성과 HIV-1에 대한 높은 내성 장벽 때문일 수 있습니다^20,21. 이러한 성공에도 불구하고, HIV-1 RT의 높은 돌연변이율과 내재적 교정 활성의 부재로 인해 에트라비린과 릴피비린을 사용하는 환자에서 새로운 내성 프로파일이 생성되었다^22,23. 이러한 바이러스 돌연변이는 초기 NNRTI 약물과 관련된 돌연변이와 마찬가지로 서로 다르다²⁴. 50개 이상의 구조적으로 다양한 종류의 화합물이 NNRTI로 확인되었습니다. 특히 6개의 NNRTI가 HIV-1 치료에 대한 승인을 획득했습니다. 이러한 승인된 약제에는 네비라핀(NVP), 델라비르딘(DLV), 에파비렌츠(EFV), 에트라비린(ETR), 릴피비린(RPV) 및 도라비린(DOR)이 포함됩니다. 도 1은 이들 6개의 승인된 NNRTI 약물의 화학적 구조를 보여준다²⁵.

최근 연구²⁶에 따르면, DFT 계산과 분자 도킹은 로바스타틴과 심바스타틴이 항코로나바이러스제로서 잠재력을 보인다는 것을 시사한다. 가상 스크리닝을 통해 efavirenz 스캐폴드와 유사한 5개의 새로운 FDA 승인 후보 분자가 확인되었으며, COVID-19 주요 프로테아제의 활성 포켓에서 우수한 결합 친화도를 보였습니다.

Soltan 등^[27 ]은 화학 유도체를 설계하기 위해 FDA 승인 약물과 함께 단편 기반 전략을 사용하여 HIV RT에 대한 결합 능력을 개선하기 위한 새로운 분자 식별에 대한 유사한 연구를 수행했습니다. 그들은 특히 delavirdine, efavirenz, etravirine 및 rilpivirine의 구조를 기본 골격으로 활용했습니다. 이러한 유도체의 약물 유사성은 Swiss-ADME를 통해 평가한 다음 관련 결정 구조에 도킹했습니다. 이 연구는 모 스캐폴드에 비해 우수한 결합 친화성을 나타내는 화합물을 선택하는 것으로 결론을 내렸으며, 특히 2세대 NNRTI인 에트라비린(etravirine)과 릴피비린(rilpivirine)에서 설계된 유도체가 더 뚜렷하게 개선되었음을 주목했습니다. 예를 들어, 유도체 RPV01 및 RPV15는 릴피비린에 비해 도킹된 에너지 값이 크게 향상되었음을 보여주었으며, 이는 야생형 및 돌연변이 형태의 HIV RT를 모두 표적으로 하는 데 잠재적인 유용성을 나타냅니다.

Murugesan과²⁸ 명의 동료는 HIV 치료의 효능을 높이고 내성을 최소화하기 위해 다양한 의약 화학 접근법을 제안하는 연구를 수행했습니다. 이 연구는 분자 혼성화(molecular hybridization), 생물이성체(bioisosteric replacement) 및 고처리량 스크리닝(high-throughput screening)을 사용했다. 그들의 연구에서, 그들은 HIV의 야생형 및 약물 내성 균주 모두에 대해 높은 효능을 가진 새로운 NNRTI 골격을 확인할 수 있었습니다. 그들은 우수한 선택성과 낮은 독성을 나타내는 DAPY 유도체를 개발했으며, 일부 화합물은 나노몰 농도에서 효과적인 억제를 보여주었습니다.

최근에는 인실리코(in-silico ) 연구와 함께 컴퓨터 도구를 사용하는 것이 약물의 양자 화학적 특성에 대한 실용적인 분석으로 인해 인기를 얻고 있습니다²⁹. 본 연구에서는 강력한 NNRTI를 발견하기 위해 컴퓨터 지원 약물 설계, 밀도 기능 이론, 질적 구조-활성 관계 및 분자 역학을 적용했습니다.

Protocol

1. 계산 세부 사항 - 단백질 준비

1. 모니터 화면에서 창 아이콘을 클릭하고 모든 앱을 클릭합니다. 아래로 스크롤하여 Schrodinger 폴더로 이동하여 폴더를 열고 그림 2B와 같이 Maestro 아이콘을 클릭하고 그림 2B와 같이 열기를 선택하여 소프트웨어를 시작합니다.
2. 소프트웨어에서 File(파일) 탭 버튼을 탐색하여 선택한 Protein 구조를 검색합니다. 팝업 짧은 메뉴에서 그림 3A와 같이 Get PDB를 선택하고 그림 3B와 같이 텍스트 상자에 선택한 PDB 코드를 입력합니다. 다운로드 버튼을 클릭하면 선택한 PDB 파일이 프로젝트 창에 표시됩니다.
3. 또는 검색 상자에 단백질 데이터베이스 ID 코드(PDB ID)를 입력하고 다운로드를 클릭하여 PDB 파일을 로컬 컴퓨터에 다운로드하여 Protein Data Bank에서 로컬 컴퓨터로 선택한 단백질을 다운로드합니다. 파일 탭으로 이동하여 Import Structures 옵션을 선택합니다. Import 인터페이스에서 그림 3C와 같이 다운로드한 PDB 파일을 찾은 다음 그림 3D와 같이 Import 버튼을 선택합니다.
   참고: 단백질 구조는 그림 4와 같이 별도의 창에서 3D 구조로 열립니다.
4. 소프트웨어의 오른쪽 상단으로 이동하여 작업 옵션을 선택하고 검색 창에 protein preparation을 입력합니다. 그림 5A와 같이 오른쪽 디스플레이에서 Protein Preparation Workflow를 클릭합니다.
5. 팝업되는 protein preparation Workflow 창에서 Save Name(작업 이름)을 저장할 파일 이름으로 작성하고 그림 5B와 같이 오른쪽 하단 모서리에 있는 녹색 Run(실행) 버튼을 클릭합니다.
6. 그림 5C와 같이 오른쪽 상단 모서리에 있는 Jobs(작업) 버튼을 클릭하여 실행되는 작업을 모니터링합니다.
7. 준비된 단백질을 선택하고 마우스 오른쪽 버튼을 클릭한 후 그림 5D와 같이 split ligand를 선택합니다. 리간드, 물 등으로 분리하도록 선택합니다. 이것은 단백질 성분을 작업 공간 탐색기에서 독립적인 항목으로 갖기 위한 것입니다

2. 리간드 준비

1. 검색 창에 선택한 화합물의 이름을 입력하여 PubChem 데이터베이스³⁰에서 원하는 화합물을 다운로드합니다. 구조를 살펴보고 3차원(3D) 구조를 선택합니다. 오른쪽 상단 창에서 다운로드를 클릭하여 구조 좌표를 구조화된 데이터 파일(SDF)로 다운로드합니다. 3D 구조를 사용할 수 없는 경우 2D 구조를 다운로드하고 다른 도구를 사용하여 2D 구조에서 3D 구조를 생성합니다.
2. Schrodinger에서 File(파일) 탭을 클릭하고 그림 6A와 같이 Import Structures(구조 가져오기)를 선택합니다. 구조가 SDF 파일 형식으로 저장된 파일 위치로 이동하여 준비할 화합물을 로드합니다.
3. Schrodinger 소프트웨어의 오른쪽 상단 모서리에 있는 작업을 선택합니다. 검색 창에 LigPrep을 입력하고 그림 6B와 같이 왼쪽의 오른쪽 창에서 LigPrep을 선택합니다.
4. 다음에서 구조 사용을 선택하여 작업 공간 또는 프로젝트 테이블에서 파일을 선택합니다. LigPrep 창에서 원하는 옵션을 선택하고, 로컬 컴퓨터에 파일을 저장하고, 그림 6C와 같이 실행을 클릭하여 리간드 준비를 위한 작업을 제출합니다.

3. 리간드의 기하학 그리고 최적화

1. 다운로드한 구조의 형상 최적화를 위해 소프트웨어³¹ 을 엽니다. 파일 탭(그림 7A)으로 이동하여 열기 를 선택하여 PubChem 데이터베이스에서 다운로드한 SDF 파일을 선택합니다.
   참고: 파일이 기본 창에 로드됩니다. 다른 자주색 창을 클릭하여 동일한 화합물을 시각화합니다. 구현된 모든 설정은 자주색 창에 결과를 표시합니다.
2. Calculate 탭으로 이동하여 Gaussian Calculation Setup 탭을 선택합니다. 그림 7B에 표시된 Job type(작업 유형) 탭으로 이동하여 Optimization(최적화) 또는 Opt+Freq(선택)를 선택합니다.
   참고: 원자 또는 화합물의 (크기) 수에 따라 먼저 최적화한 다음 주파수를 최적화하십시오. 화합물이 더 작으면 Opt+Freq를 수행합니다. 분자가 클수록 Opt+Freq를 모두 수행하는 데 더 많은 시간이 걸리며 Optimization과 Frequency를 모두 수행하는 데 더 많은 시간이 걸립니다.
3. 방법 탭으로 이동하여 양자 화학 방법을 선택한 다음 각 섹션의 드롭다운 화살표에서 선택한 Kohn-Sham 글로벌 하이브리드 교환-상관 밀도 함수, 기저 세트, 전하 및 선택한 스핀을 선택합니다.
4. 제목으로 이동하여 조사 중인 화합물의 이름을 지정합니다.
5. Link 0 탭으로 이동하여 선택한 Memory limit(메모리 제한) 및 Shared processors(공유 프로세서)를 지정합니다. 그림 7C와 같이 Full path(전체 경로) 상자를 선택 취소합니다.
6. 아래쪽에 있는 Edit 버튼을 클릭하여 그림 3C와 같이 Gaussian 입력 파일을 저장합니다. 원하는 위치에 선택한 파일 이름을 사용하여 파일을 가우스 작업 파일(gjf)로 저장합니다.
   참고: 가우시안 입력 파일을 저장하면 메모장에 파일의 내용을 보여주는 팝업 창이 나타납니다. 설정 옵션에서 사용할 수 없었던 충전 및 기능 변경과 같은 옵션을 포함하여 파일의 내용을 편집합니다. 준비된 가우스 작업 파일은 로컬 컴퓨터를 통해 최적화 및 빈도 계산을 실행하기 위한 제출을 위한 입력 파일로 사용됩니다.
   그 후, MN15-L 함수³² 및 6-31++G(d,p) 기저 세트³³을 사용하여 이러한 구조의 기하학적 최적화를 수행했습니다. 그러나 최적화 및 빈도 프로세스 실행에 문제가 발생하는 경우 HPC의 도움을 받아 작업을 제출할 수 있습니다.

4. 수용체 그리드 생성

1. Tasks(작업)로 이동하여 receptor grid generation³⁴를 선택합니다. 그림 8A 에 나타난 수용체 그리드 생성 인터페이스는 코어-결정 리간드가 결합되어 있는 단백질의 활성 부위를 식별합니다. Pick을 클릭하여 리간드를 식별하고 그림 8B에 표시된 팝업 상단 알림에서 공결정화된 리간드가 있는지 확인합니다.
2. 작업 공간에서 리간드 및/또는 잔류물을 선택하면 선택한 관심 화합물이 작업 공간에 파란색 강조 표시로 표시됩니다.
3. 수용체 그리드 생성 패널에서 설정 탭을 선택하여 그리드 상자 크기를 설정합니다. 그리드 상자의 기본 크기는 10 Å x 10Å x 10Å입니다. 그리드 상자 탭에서 원하는 값을 직접 입력하거나 작업 공간 내에서 상자 크기를 수동으로 조정하여 상자 크기를 수정합니다.
   알림: 또는 필요한 경우 그림 8C와 같이 고급 탭에서 추가 매개변수를 설정합니다. 정확성을 보장하기 위해 모든 설정을 검토하십시오.
4. Run(실행)을 클릭하여 그리드 생성을 시작합니다. 완료되면 후속 도킹 시뮬레이션을 위해 생성된 그리드 파일을 저장합니다. 그림 8D와 같이 작업이 완료되면 알림 메시지가 표시됩니다.

5. 분자 도킹

1. 그림 9A와 같이 Tasks, Docking³⁵ 및 Ligand Docking(글라이드 도킹)으로 이동하여 단백질과 준비된 리간드를 로드합니다.
2. 위의 4.1단계에서 그리드 파일을 불러오고, 그림 9B의 리간드 사용 옵션을 사용하여 작업 공간에서 리간드를 선택합니다.
3. 그림 9 C에 표시된 설정 탭에서 선호하는 도킹 정밀도 방법을 선택합니다(기본 도킹 정밀도는 SP(Standard Precision)임).
4. 분자 상호 작용의 정확한 모델링을 위해 힘장을 OPLS4로 설정합니다. Constraints 탭에서 제약 조건(예: 수소 결합)을 설정합니다.
5. 모든 설정을 검토하고 도킹 작업 또는 파일을 저장합니다. RUN 을 클릭하여 도킹 프로세스를 시작합니다.
6. 알림은 작업이 완료되었음을 나타내며 도킹 결과를 위해 프로젝트 테이블이 열립니다. 바인딩 포즈, 점수 및 상호 작용을 검사합니다.

6. 2D-QSAR 모델 생성

1. KNIME 커뮤니티 허브 웹 페이지로 이동하여 검색 창에서 AutoQsar를 검색합니다. 그림 10A에 표시된 두 번째 AutoQsar 항목을 선택합니다.
2. download workflow 아이콘을 클릭하고 그림 10B에 표시된 팝업 메뉴에서 download workflow를 선택합니다. 워크플로를 로컬 컴퓨터에 저장합니다.
3. KNIME³⁶ 이 설치되어 있는지 확인한 다음 로컬 컴퓨터에서 엽니다. 표준 미소, 구조 이름, activity/IC₅₀ 값 (마이크로몰) 및 -log(activity/IC) 또는 선택한 화학 설명자가 포함된 스프레드시트를 컴파일합니다. 파일을 로컬 컴퓨터에 CSV(쉼표로 구분된 값) 형식으로 저장합니다.
4. 파일로 이동하여 AutoQSAR 워크플로우³⁷을 가져옵니다. 팝업 창에서 Import KNIME Workflow 를 클릭하여 그림 10C와 같이 다운로드한 AutoQSAR 워크플로를 선택하고 Open | 다음 | 마침.
5. AutoQsar 워크플로우는 왼쪽 상단의 KNIME 탐색기 창에 표시됩니다. 워크플로를 두 번 클릭하여 워크플로를 기본 창으로 가져옵니다.
6. molecular reader(MAE로) 아이콘을 두 번 클릭하고 Settings(설정) 탭에서 Add file(s)을 클릭하여 데이터 입력 데이터 또는 매개변수가 있는 워크시트를 추가합니다.
7. 메모리 정책 탭을 선택하고 디스크에 테이블 쓰기를 클릭합니다. 확인.
8. Extract Properties(속성 추출) 버튼을 마우스 오른쪽 버튼으로 클릭하고 그림 10D와 같이 Configure(구성)를 선택합니다.
9. 선택한 분자 또는 화학적 특성을 선택하여 exclude 창에서 Include 창으로 필터링합니다. Apply(적용)를 클릭합니다.
10. AutoQSAR Build Model을 마우스 오른쪽 버튼으로 클릭하고 Configure를 클릭합니다. 팝업 대화 상자에 QSAR 모델 이름을 입력합니다.
11. setting 버튼을 클릭하고 포함된 속성에서 적합할 속성을 선택합니다. 임의 훈련 세트 값 (예: 85%:15%)과 유지할 여러 모델을 선택합니다. Apply(적용)를 클릭합니다.
12. 아래쪽 Molecule Reader 를 마우스 오른쪽 버튼으로 클릭하고 구성을 선택합니다. 테스트할 리간드가 포함된 준비된 CSV Excel 파일에서 테스트 리간드를 로드합니다.
13. Extract Properties를 마우스 오른쪽 버튼으로 클릭하고 원하는 대로 설정을 지정합니다.
14. 상단 Molecule Reader 를 마우스 오른쪽 버튼으로 클릭하고 실행을 선택합니다.
    참고: 주황색 점은 프로세스가 시작되었음을 나타내고 녹색 표시등은 프로세스가 성공적으로 실행되었음을 나타냅니다. 다음 단계는 모든 노드가 성공적으로 실행될 때까지 계속됩니다.
15. . 테스트 리간드에 대해 두 번째 Molecule Reader를 실행합니다.
16. 모든 노드를 성공적으로 실행한 후 테스트 및 학습 세트의 결과를 사용하여 zip 폴더를 저장합니다.
    참고: SD – 표준 편차, R2 – 실제 활동 값과 예측 활동 값 간의 교육 세트 상관 관계, Q2 – 테스트 세트 실제 및 예측 활동 상관 관계와 같은 교차 검증 결과를 기반으로 가장 성능이 좋은 모델을 선택합니다.
17. 스코어러 또는 통계 노드를 사용하여 모델의 성능을 평가하여 워크플로우 성능을 평가합니다.
18. 결과를 해석하려면 기능 중요도를 사용하여 기본 또는 키 설명자를 식별합니다. 결과를 산점도 또는 막대 차트로 시각화하여 성능과 설명자 관계를 확인합니다. 워크플로우를 저장하고 결과 데이터, 예측 및 시각화를 산점도 및/또는 CSV 파일로 내보냅니다.

7. 열거형

1. Task(작업)로 이동하여 그림 11A와 같이 Ligand Designer를 검색합니다.
2. workspace navigator에서 docked protein과 ligand complex 쌍을 선택합니다. 리간드 디자이너 창에서 작업 공간 분석(Analyze Workspace)을 클릭합니다. 새로운 리간드를 생성하고 평가하려면 그림 11B와 같이 나타나는 워크플로우 목록에서 Isostere 스캔을 선택하면 분자의 기존 부분에 단편을 추가하여 리간드를 확장하는 성장 방법을 알 수 있습니다.
3. enumeration 옵션을 설정한 후 나타나는 Isostere Scanning 알림 창에서 enumerate 를 클릭합니다. 모든 리간드가 동일한 프로세스를 실행할 때까지 동일한 단백질과 다른 리간드에 대해 6.2단계를 반복합니다. 프로젝트 테이블에서 열거된 리간드를 검토합니다.
4. 디자인된 ligands를 수출해서 구조를 저장하십시오.
   참고: 열거형 메서드는 시뮬레이션이 완료되었을 때 일련의 도킹 점수를 생성했습니다.
5. 도킹 점수가 더 음수인 열거형 화합물을 개별적으로 선택하고 섹션 4에 설명된 도킹 절차를 사용하여 다시 도킹합니다.

8. 호모와 루모

1. 소프트웨어를 열고 최적화된 리간드를 가우스 작업 파일 형식으로 업로드합니다.
2. Tools(도구)로 이동하여 그림 12A와 같이 빨간색과 녹색 점으로 표시된 MO editor(MO 편집기)를 선택합니다.
   참고: 열거형 메서드는 시뮬레이션이 완료되었을 때 일련의 도킹 점수를 생성했습니다.
3. MO 편집기 패널의 method에서 그림 12B와 같이 기존 Chk 또는 FChk 파일에서 load Mos를 클릭하여 FChk 파일을 로드합니다.
4. 시각화 탭을 클릭하십시오 | 업데이트. 그림 10D와 같이 현재 표면이 나타날 때까지 ~12초 동안 기다립니다.
5. 강조 표시된 노란색 숫자 옆에 있는 두 개의 체크 상자 중 하나를 클릭하여 옆의 창에 표시할 HOMO 또는 LUMO³⁸ 표면을 선택합니다.
6. 보라색 배경을 마우스 오른쪽 버튼으로 클릭하고 파일을 선택합니다. 이미지 파일 저장을 클릭하여 그림 12E와 같이 현재 표면의 이미지를 저장합니다.
7. 보라색 배경을 마우스 오른쪽 버튼으로 클릭하고 View를 선택합니다. 그림 12F와 같이 디스플레이 형식을 선택하여 General 탭의 배경, Surface 탭의 표면 투명도, Text 탭의 글꼴 크기 및 색상, Molecule 탭의 이미지 품질 및 표면의 기본 레이아웃을 변경합니다.
8. 또는 큐브 파일을 생성하고 GaussView에 FChk 파일을 업로드합니다. Results(결과 ) 탭으로 이동하여 Surfaces/Contours(표면/윤곽)를 선택합니다. 큐브 작업을 클릭하고 큐브를 로드합니다. Surface Actions(표면 작업 )를 클릭하고 새 표면을 선택합니다. 8.7단계를 반복하여 지표면을 편집합니다.
   참고: HOMO와 LUMO³⁹ 사이의 에너지 갭이 작을수록(LUMO와 HOMO의 차이) 분자의 반응성이 더 높을 것으로 예상됩니다. 각 분자에 대해 Eq 1을 사용하여 에너지 갭(E_갭)을 계산합니다.
   

9. 분자 역학 시뮬레이션 - 시스템 준비 및 최소화

1. 슈뢰딩거 스위트(Schrodinger Suite)가 로컬 컴퓨터에 설치되었는지 확인하고, 워크스페이스(⁴⁰)에 단백질-리간드 복합체 구조를 로딩한다.
2. 작업 버튼을 클릭하고 Desmond System Builder⁴¹을 선택합니다. 시스템 빌더 패널에서 Solvation(용매) 탭을 선택하고 단백질-리간드 복합체에 적합한 사전 정의된 용매 모델(그림 13A, 그림 13B와 같은 상자 모양) 및 상자 크기 계산 방법(그림 13C⁴²)을 선택합니다.
3. ions 탭을 선택하고 recalculate를 클릭하여 짝이온을 추가하고 원하는 염 농도를 설정하여 시스템을 중화합니다.
4. 선택한 OPLS ^43,44를 포스 필드로 선택합니다.
5. 작업 이름을 적절하게 지정하고 작업 파일을 로컬 컴퓨터에 저장합니다. 실행을 클릭하여 준비를 위해 작업을 제출합니다.
   참고: 작업 이름이 저장되었는지 확인하십시오. 자세한 이름을 사용합니다.
6. 평형과 생산
7. 시스템 준비 후 작업 공간에서 프로젝트를 봅니다. Workspace Navigator에서 단백질-리간드 복합체를 선택하고, 작업을 탐색하고, 분자 역학(Desmond)을 선택합니다.
8. 분자 역학(molecular dynamics) 패널의 작업 공간에서 리간드-단백질 복합체를 불러옵니다. 시뮬레이션 탭에서 원하는 시뮬레이션 타임라인을 선택합니다. NPT를 앙상블 클래스⁴⁵로 선택합니다.
9. 작업 이름을 적절하게 지정하고 작업을 작성합니다. Close 를 클릭하여 molecular dynamics 창을 종료합니다.
10. 분자 역학 준비를 위해 작성된 작업을 로컬 터미널을 통해 제출합니다. 완료되면 완료된 작업을 열고 초기 설정 시뮬레이션 타임라인부터 원하는 시뮬레이션 시간⁴⁵(예: 100ns, 200ns)까지 시뮬레이션 시간을 계속합니다.
    참고: 다른 단백질-리간드 복합체에 대해 9단계를 반복합니다.
    1. Schrodinger Maestro 소프트웨어에서 완료된 작업을 열고 별도의 작업이 실행된 경우 다른 시뮬레이션 기간을 병합합니다. TASK 버튼으로 이동하여 시뮬레이션 상호 작용 다이어그램을 선택합니다. 병합된 파일 또는 단일 파일을 로드하여 궤적을 시각화합니다.
11. 시각화 및 기타 자세한 출력 결과를 포함하는 보고서를 생성합니다.

10. 일반화된 선천적 및 표면적(MM-GBSA)을 가진 분자 역학

1. 궤적 파일을 열고 궤적을 재생합니다. 단백질-리간드 복합체가 평형을 이루는 위치를 시각화하고 프레임 수를 기록합니다. 처리를 위해 터미널을 통해 작업을 제출하십시오.
2. 다른 단백질-리간드 복합체에 대해 섹션 9(단백질 분자 역학 시뮬레이션 준비)를 반복합니다.
3. 생성된 결과를 분석하기 위해 출력 파일 내용을 범주화/봅니다. 단백질-리간드 복합체의 결합 자유 에너지를 얻기 위해 ΔG 평균을 읽습니다.
4. CSV 파일을 다운로드하여 다양한 분자 내 분자의 기여도를 시각화하십시오.
5. 복합체의 자유 결합 에너지를 계산하려면 결합 에너지(ΔG_bind), 콜럼빅 용매 모델(ΔG_bind Coulumb), 비극성 용매화 조건(ΔG_bind Lipo), 수소 결합 보정(ΔG_bind Hbond), 공유 결합(ΔG_bind Covalent), π-π 패킹 보정(ΔG_bind Packing), 일반화된 본 정전기 용매 에너지(ΔG_bind sol GB) 및 van der Waals 상호 작용(ΔG_bind vdW)이 있습니다.
   1. Eq 2와 같이 MD 시뮬레이션 내의 각 스냅샷에 대해 결정된 ΔG_바인드 값의 평균을 구하여 최종 ΔGbind를 도출합니다.

Results

수용체 그리드 생성 및 분자 도킹

Maestro의 수용체 그리드 생성 도구를 사용하여 후속 도킹을 위한 결합 부위를 적절하게 특성화했습니다. 공결정화된 리간드는 그리드를 정의하는 데 사용되었습니다. 분자 도킹을 위한 SP 정밀 글라이드 설정이 사용되었습니다. Schrödinger Maestro의 LigPrep 도구는 OPLS4 역장을 사용하여 도킹을 위해 리간드를 준비하는 데 사용되었습니다. 분자 역학 시뮬레이션을 위해 OPLS4 역장이 데스몬드에서 사용되었습니다. 역장은 고전적인 분자 시뮬레이션의 기본이며, 그 정확도는 신약 개발에서 단백질-리간드 결합 시뮬레이션의 품질에 매우 중요합니다. OPLS4의 경우 Schrödinger Maestro를 사용하여 충전 및 매개변수 할당을 완료했습니다. OPLS4 매개변수의 적용은 OPLS2005의 기본 매개변수와 비교하여 에너지 및 기하학적 비교 모두에서 상당한 개선을 가져왔습니다.

여기에는 HIV-1 표적 단백질에 대한 친화력이 있는 것으로 알려진 특정 리간드를 도킹하는 것이 수반되어 리간드 분자와 수용체 잔기 간의 상호 작용을 철저히 분석할 수 있었습니다. 표 1 은 QSAR 모델링을 위한 복합 분류를 요약한 것입니다.

HBY561을 도킹할 때, 도킹 프로토콜은 재도킹된 리간드를 결정질 단백질 1HQU의 활성 부위에서 발견된 것과 비교하여 평가되었습니다. 도킹 및 결정화된 HBY561 구조는 보충 파일 1(보충 그림 S1 및 보충 그림 S2)에 제공됩니다. 도킹된 포즈와 참조 구조 간의 유사성을 평가하기 위해 2.0 Å 미만의 RMSD(제곱 평균 편차) 값이 신뢰할 수 있는 도킹 결과의 기준으로 널리 간주됩니다. 이 임계값은 예측된 구조가 실험 데이터와 밀접하게 일치한다는 것을 나타냅니다. 이 연구에서 리간드는 참조 구조를 도킹된 포즈와 비교할 때 1.27 Å의 RMSD를 보여주었으며, 이는 보충 그림 S3에서 빨간색으로 표시되었습니다. 이는 도킹 프로토콜이 이 작업에 충분하다는 것을 보여주었으며, 그 결과 모든 리간드가 동일한 설정을 사용하여 도킹되었습니다. 표 2에 제시된 도킹 점수를 조사한 결과, Efavirenz와 Etravirine은 공결정화된 리간드 HBY561(-9.242eV)의 도킹 점수에 비해 -10.432eV 및 -9.647eV에서 가장 유리한 점수를 보여주었습니다. 보충 파일 1의 보충 그림 S4는 원래 HIV-1 단백질과 결정 리간드, 에트라비린 및 에파비렌츠 사이의 리간드 상호 작용 다이어그램을 보여줍니다.

수소 결합, π-π 적층 및 소수성 상호 작용은 결합에 기여하는 주요 힘입니다. HBY561과 지정된 단백질 1HQU 사이에서 수소 결합의 특정 사례가 나타났으며, 이는 명시적으로 아미노산 잔기 LYS101과 관련이 있습니다. 이 결합 패턴은 그림 14에서 볼 수 있듯이 리간드 Efavirenz와 Etravirine으로 관찰된 내용을 반영했습니다.

또한, 소수성 상호 작용은 분자간 힘, 수소 결합 및 π-π 적층 외에도 HBY561, Etravirine 및 Efavirenz와 관련된 여러 단백질 위치에서 결합하는 데 필수적이었습니다. TYR318과 에파비렌츠(Efavirenz)의 방향족 고리 사이에 π-π 적층이 관찰되었습니다. 수소 결합과 π-π 적층은 모두 리간드와 단백질 사이의 결합 연결을 유지하는 데 필수적이었습니다. HBY_561, Nevirapine, Doravirine, Efavirenz 및 Etravirine의 리간드 상호 작용 다이어그램은 보충 파일 1-SupplementalFigureS5에 나와 있습니다.

이러한 분자간 힘은 단백질-리간드 상호 작용에 영향을 미치며 HIV-1에서 AMR을 감소시키는 의약품을 개발하는 데 중요합니다. 결합 친화력, 특이성 및 작용 기전을 향상시키는 데 있어 이들의 역할은 바이러스를 효과적으로 표적으로 삼고 억제할 수 있는 약물을 설계하는 데 도움이 되며, 이를 통해 HIV-1 치료의 맥락에서 증가하는 항생제 내성에 대한 우려를 해소할 수 있습니다.

2D-QSAR 데이터 세트 준비

교육 및 테스트 단계에는 94개의 화합물이 포함되었습니다. 이러한 화합물은 4개의 부류로 분류되었으며, 각 부류는 테스트된 특정 단백질과 관련된 리간드를 나타냅니다. 교육 프로세스에서는 활동, HOMO 및 LUMO가 포함된 KNIME AutoQSAR 워크플로우를 활용했으며, 이 연구를 위한 세 가지 설명어로 선택되었습니다.

2D-QSAR 생성

94개의 분자 모두는 실험 데이터를 통해 활성값이 결정되었습니다(보충표 S1). QSAR 모델에서 생성된 결과는 표 3에서 확인할 수 있습니다. 보충 표 S2 의 클래스 1 화합물은 QSAR 모델링에 사용되었으며, 추가된 Ar-그룹 및 각각의 활성 값을 보여주었습니다. 4개 등급의 결과는 클래스 1에 해당하는 가장 높은 점수인 0.8223점,^R2 가 0.815점, ^Q2 가 0.8182점임을 나타냅니다. 이는^R2 가 1에 가깝고^Q2 가 0.7보다 클 때⁴⁶을 목표로 하는 이전 기준과 일치합니다. 따라서 QSAR 모델 훈련을 위해 클래스 1을 선택했습니다. 클래스 3과 4에 대한 모델은 각각 0.8172와 0.6673의 우수한 상관 관계 값 R² 를 보여주었지만 클래스 1의 성능과 일치하지 않았습니다.

Q2 점수 0.8223과^R2 의 차이가 0.3 이하여야 한다는 기준에 따라 제안된 QSAR 모델의 안정성을 추가로 검증하기 위해 상호 상관을 수행했습니다⁴⁷. 클래스 1에 대해 제안된 모델의 차이는 0.0038입니다. 관찰된 활동과 예측된 활동을 비교하는 산점도는 그림 15에 나와 있습니다.

HOMO-LUMO 에너지 갭

일반적으로 HOMO-LUMO 에너지 갭으로 알려진 가장 낮은 비점유 분자 오비탈과 가장 높은 점유 분자 오비탈 사이의 에너지 갭을 결정하는 것은 6개의 NNRTI 화합물의 맥락에서 분자의 화학적 반응성과 운동 안정성을 특성화하는 데 중요한 역할을 합니다. 프론티어 분자 안와(frontier molecular orbitals)는 HIV 단백질의 결합 부위와의 전하 전달 상호작용을 촉진하는 데 중추적인 역할을 합니다. 에너지 최소값의 확인은 진동 주파수를 검사하고 음의 또는 허수 주파수가 없음을 확인함으로써 보장되었습니다. 그 후, 각 에너지 최소값에 대해 HOMO 및 LUMO 값을 구했습니다. HOMO 값이 높을수록 전자 공여체로서의 분자의 숙련도를 의미하고, 값이 낮을수록 약한 전자 수용체로 작용함을 나타냅니다. 보충 그림 S6 은 6개의 최적화된 NNRTI에 대한 HOMO_LUMO 에너지 갭을 나타냅니다. 또한, HOMO와 LUMO 에너지 준위 사이의 감소된 에너지 갭은 분자의 강력한 전자 수용 능력과 생체 활성으로 인해 연구된 분자 간에 발생하는 분자간 전하 전달 상호 작용에 큰 영향을 미칩니다⁴⁸.

표 4에 나타난 바와 같이 에너지 갭 값의 추세는 내림차순을 따릅니다: Efavirenz > Etravirine > HBY-561 > Nevirapine > Delavirdine > Doravirine > Rilpivirine. Efavirenz와 Etravirine에서 관찰된 상당한 에너지 갭은 도킹 점수 분석이 생체 활성과 HOMO-LUMO 갭 사이의 상관 관계를 드러낸다는 것을 의미합니다. 특히 항바이러스 잠재력은 HOMO-LUMO 갭 값이 클수록 증가합니다. 이는 화합물의 안정성뿐만 아니라 수용체와 안정적인 상호 작용을 형성할 수 있는 잠재력을 나타냅니다. HOMO-LUMO 갭은 특히 HIV-1 약물 설계의 맥락에서 분자의 생체 활성을 이해하는 데 중요한 역할을 합니다.

열거형

가상 라이브러리의 열거를 위해 다양한 도구가 만들어졌습니다. 열거형에 사용되는 도구에는 Schrödinger가 포함됩니다. 이는 코어 호핑(core hopping) 방법에 의존하는데, 여기서 라이브러리는 코어 구조에 있는 하나 또는 여러 개의 부착물을 시약 화합물⁴⁹의 단편으로 대체하여 생성됩니다. Maestro v13.1의 열거 도구는 6개의 NNRTI 각각에 사용자 지정 사이드 그룹 또는 atom을 추가하는 데 사용되었습니다. 새로운 화합물은 또한 활동을 예측하는 데 사용되었습니다. 표 5에서 볼 수 있듯이 초기에 최적화된 NNRTI 분자와 비교하여 열거된 분자의 예상 활성 값이 개선되었습니다.

열거된 리간드의 활성 값에서 나타난 개선은 추가된 맞춤형 R-그룹이 새로운 제안된 화합물과 원래 단백질의 상호 작용력에 영향을 미침에 따라 수행된 계수 프로세스 때문이었습니다. 열거된 화합물은 이러한 분자를 최적화하고 진동 주파수를 계산하여 양자 역학을 위해 준비되었습니다. 그들의 에너지 갭을 계산하여 NNRTI의 에너지 갭과 비교했습니다. 표 6에 나타난 바와 같이, 전반적인 관찰은 열거된 화합물이 이들의 최적화된 화합물보다 더 안정적임을 나타낸다.

표 6에서, 최적화된 화합물과 비교한 열거된 화합물의 에너지 갭이 유사한 경향을 보이는 것을 관찰하였다. 이것은 열거 된 분자의 화학적 특성이 구조적 회전에 관계없이 변하지 않았 음을 나타냅니다. 따라서 그들은 단백질의 아미노산 잔기와 함께 중요한 분자간 힘을 유지할 수 있었습니다.

프로토콜 섹션 6에 설명된 대로 NNRTI에 대한 열거 프로세스를 수행하기 전에, 관찰된 출력 결과에는 열거된 도킹 점수 열 아래에 표 7에 표시된 열거 프로세스의 초기 도킹 점수가 있었습니다. 프로토콜 섹션 4에서 설명한 바와 같이, 분자 도킹 프로세스는 열거된 화합물에 대해 제안된 도킹 점수를 검증하기 위해 수행되었습니다. 열거된 화합물을 다시 도킹한 후, '다시 도킹된 열거된 리간드' 열에서 볼 수 있듯이 새로운 도킹 점수가 향상되었음을 관찰할 수 있습니다. 열거된 화합물에 대한 재도킹된 점수는 표 7의 '원래 도킹 점수' 열 아래에 표시된 원래 NNRTI의 도킹 점수와 비교되었습니다. 열거된 화합물에 대해 HBY_561, Etravirine, Efavirenz 및 Doravirine에 대한 도킹 점수가 등가에 최적화된 화합물의 도킹 점수보다 우수함을 관찰할 수 있었습니다. 그러나 Delavirdine은 열거되고 최적화된 Delavirdine과 동일한 도킹 점수를 갖습니다.

분자 역학

HBY 561은 LYS101, 전기 음성도가 높은 N 원자 및 OH와 함께 세 개의 수소 결합을 형성합니다. 결정 리간드 또는 세 번째 분자는 황 및 수소와 동시에 두 개의 수소 결합을 설정하고 GLU138과 세 번째 수소 연결을 설정합니다. 중요한 것은 π-π 적층과 소수성 상호 작용이 관련된 분자간 힘에 크게 기여한다는 것입니다. 또한, 추가적인 수소 결합의 존재는 분자 역학에 매우 중요하며, 특히 결과 RMSD(Root Mean Square Deviation) 그래프에 반영됩니다. 전체적으로 Efavirenz는 매우 전기 음성적인 질소 원자, 다른 비 방향족 고리의 산소 원자, 중앙 고리에서 리간드가 높은 전기 음성 N 사이의 벤젠 고리 및 TYR318과 3 개의 수소 결합을 형성하는 것으로 관찰됩니다. 고리의 N과 OH 및 LY101 사이의 두 번째 수소 결합이 보입니다. 에트라비린은 LYS101과 3개의 수소 결합을 보여줍니다. 도라비린은 GLU138과 수소 결합을 형성합니다. 네비라핀은 LY101과 두 개의 수소 결합을 보여줍니다.

이 경우, 모든 리간드가 공유하는 아미노산 잔기 상호작용은 LYS101입니다. 구조는 다르지만 모두 동일한 아미노산 잔류물과 상호 작용합니다. MD 시뮬레이션은 각 리간드(NNRTI 및 나열된 NNRTI)가 1HQU의 활성 부위에 얼마나 잘 또는 잘못 결합하는지 확인하기 위해 프로토콜 섹션 2.8에 나열된 매개변수로 수행되었습니다. 그림 16 에 묘사된 리간드 상호 작용은 단백질의 아미노산 LY101과 분자 HBY 561, Nevirapine, Efavirenz 및 Etravirine 사이의 강력한 수소 결합을 나타냅니다. 표 7의 비교에서 볼 수 있듯이 이러한 강력한 상호 작용은 각 화합물의 높은 도킹 점수를 설명합니다.

1HQU의 활성 부위에서 NNRTI 및 열거된 NNRTI를 포함한 각 리간드의 결합 효능을 평가하기 위해 분자 역학 시뮬레이션(MDS)을 수행했습니다. 특히, 원래의 최적화된 콤보보다 더 나은 도킹 점수를 보여준 4개의 열거된 화합물이 선택되었습니다. 이렇게 선택된 화합물은 리간드의 존재 하에서 원자 간 상호 작용을 고려하여 특정 기간 동안 각 분자와 HIV-1 단백질의 반응을 검사하고 관찰하기 위한 검증 방법으로 MDS를 받았습니다.

최근에 열거된 글라이칸에 대해 MDS를 시작하기 전에 당사 시스템에 대한 시뮬레이션 프로토콜의 적합성을 확인하는 것이 필수적이었습니다. 이를 달성하기 위해 초기 단계는 유리 단백질 1HQU의 MDS를 실행하는 것이었습니다. 단백질의 활성 부위 내에는 리간드가 존재하지 않았습니다(그림 17A 및 보충 그림 S7). 최대 ~60ns까지는 단백질 구조에 상당한 변동이 있어 최대 4.5Å의 Cα RMSD 이동을 생성합니다. 그 후, 단백질은 최대 200ns까지 ~3.5 Å의 RMSD 변동으로 안정화되는 것으로 보입니다. 이러한 안정화를 통해 MD 프로토콜이 단백질-리간드 복합체에 적합하다는 확신을 갖게 되었으며, 이는 다음 섹션에서 분석될 것입니다.

에트라비린의 200 ns MDS와 열거된 에트라비린(그림 17B,C)은 5.0 Å에 가까운 에트라비린의 제곱 평균 제곱 편차(RMSD) 변동과 4.5 Å의 평형을 보여주었습니다. 열거된 에트라비린은 4.5 Å의 RMSD 변동과 3.5 Å의 평형을 나타냈다. 이러한 안정화는 열거된 에트라비린이 HIV/AIDS 치료를 위한 잠재적인 NNRTI 리간드가 될 수 있음을 나타냅니다. RMSD가 5 Å 미만인 궤적은 활성 부위의 단백질과 리간드 사이의 강력한 결합 효과를 의미합니다. 이러한 관찰은 열거된 화합물 중 네비라핀(Nevirapine) 및 도라비린(Doravirine)을 제외하고 앞서 언급한 모든 화합물에 대해 유지되었다(보충 파일 1: 보충 그림 S8, 보충 그림 S9, 보충 그림 S10 및 보충 그림 S11).

그림 18 및 그림 19 는 에트라비린(Etravirine), 열거된 에트라비린(Etravirine) 및 단백질 간의 결합을 추가로 분석합니다. 분석된 데이터에는 상호 작용, 리간드-단백질 및 단백질-리간드 접촉의 히스토그램이 포함됩니다. 단백질에 결합된 각 리간드에 대한 상호 작용 접촉 히스토그램은 단백질의 아미노산 잔기와 리간드 사이의 해당 상호 작용 힘과 직접적인 관련이 있습니다. LYS101의 높은 농도는 에트라비린과 열거된 에트라비린에서 매우 뚜렷하며, 눈에 띄는 두꺼운 주황색 띠가 관찰되었습니다. 열거된 에트라비린 차트의 하지에 위치한 희미하게 식별할 수 있는 밝은 주황색 띠가 TYR181과 상관관계로 관찰되었습니다. 이 대응은 GLU138 사이에 두 개의 분자간 인력이 존재함을 나타냅니다. 리간드와 그 열거된 형태에 대한 이러한 긍정적인 관찰을 비교하여 잠재적인 NNRTI 화합물로서 더 나은 리간드를 분석했습니다. 제공된 결과에 기초하여, 열거된 에트라비린은 HIV/AIDS 치료에 사용될 수 있는 잠재력을 가지고 있습니다.

일반화된 보른 및 표면적(MM-GBSA) 계산을 통한 분자 역학

이 연구에서 결합 자유 에너지인 ΔG_결합에 대한 에너지 입력의 주요 원인은 반 데르 발스(van der Waals), ΔG_VdW, 상호 작용의 기여였습니다. 열거된 에트라비린은 -66.146kcal/mol의 ΔG_VdW 를 가진 알려진 NNRTI 제품보다 -66.146kcal/mol로 ΔG_VdW 가 더 높습니다. 에트라비린이 -2.541 kcal/mol로 더 높은 ΔG_Hbond 값은 리간드와 단백질 사이의 수소 인력의 상당한 기여를 나타냅니다. 열거된 에트라비린(-17.976 및 2.807 kcal/mol)에 대한 ΔG_쿨롱 과 ΔG_공유결합 의 기여도는 각각 -11.196 및 2.491을 가진 알려진 NNRTI 반응물보다 훨씬 컸습니다.

에트라비린(Etravirine)과 열거된 에트라비린(Etravirine)이 1HQU 단백질과 결합하는 동안 관찰된 결과는 다소 일관성이 있습니다. 열거된 에트라비린(Etravirine)은 두 개의 추가적인 수소 결합으로 인해 다른 성분인 에트라비린(Etravirine)보다 더 나은 것으로 밝혀졌습니다. 이 연구는 또한 열거된 에트라비린(Etravirine)이 식별된 주머니에 결합하기 위해 선호된다는 것을 밝혔습니다. 에트라비린(-80.551 kcal/mol)에 비해 열거된 에트라비린에 대한 ΔG_결합 력(-89.684 kcal/mol)이 더 음성인 것은 열거된 에트라비린이 HIV-1 RT의 우수한 억제제임을 보여줍니다.

그림 1: 인간 면역결핍 바이러스-1에 대해 승인된 6개의 미국 식품의약국(FDA) 비뉴클레오티드 역전사효소 억제제의 화학 구조. NVP = 네비라핀; DLV = 델라비딘; EFV = 에파비렌츠; ETV = 에트라비린; RPV = 릴피비린; DOR = 도라비린. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 2: 로컬 컴퓨터에서 Windows의 Maestro Schrodinger 응용 프로그램 열기 (A) 로컬 컴퓨터에서 Maestro Schrodinger 응용 프로그램으로 이동합니다. (B) 로컬 컴퓨터에서 Maestro Schrodinger 응용 프로그램을 열고 실행하는 방법. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 3: 로컬 컴퓨터에서 Schrödinger의 프로젝트 창으로 PDB 파일 구조 가져오기. (A) Maestro Schrodinger의 구조 가져오기 기능. (B) PDB ID 텍스트 상자. (C) 로컬 컴퓨터에 PDB 파일을 다운로드했습니다. (D) 삽입된 PDB ID 파일을 가져올 수 있는 가져오기 버튼입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 4: Schrodinger 프로젝트 창으로 가져온 PDB 파일의 구조. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 5: 단백질 준비 워크플로우. (A) 단백질 준비 워크플로우 검색 인터페이스. (B) 작업 파일 이름을 저장하고 단백질 준비 프로세스를 시작합니다. (C) 실행 중인 작업에 대한 모니터링 창입니다. (D) 리간드를 개별 구성 요소로 분해합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 6: 리간드 준비 워크플로우. (A) 로컬 컴퓨터에서 단백질 준비 슈뢰딩거 프로젝트 창으로 구조 가져오기. (B) 리간드 준비 과정 검색. (C) 리간드 준비 워크플로우 창. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 7: 지오메트리 및 최적화 워크플로우. (A) 지오메트리 최적화를 위한 GaussView 메뉴 창. (b) GaussView의 계산 탭에서 사용 가능한 작업 유형. (C) GaussView의 Link0 탭에서 사용할 수 있는 옵션. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오. 

그림 8: 글라이드 그라이드 생성 및 분자 도킹 워크플로우. (A) 수용체 그리드 생성 워크플로우 인터페이스. (B) 리간드 내의 원자를 선택하기 위한 팝업 알림. (C) 수용체 고급 설정. (D) 작업 완료 알림. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 9: 글라이드 리간드 도킹. (A) 글라이드 리간드 도킹 검색을 위한 인터페이스. (b) 리간드 도킹 인터페이스. (C) 글라이드 도킹을 위한 정밀 설정. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 10: KNIME QSAR 준비 워크플로우. (A) KNIME 커뮤니티 허브 웹페이지에서 AutoQSAR 노드 검색. (B) 다운로드 버튼을 눌러 AutoQSAR KNIME 노드를 얻습니다. (C) 다운로드한 AutoQSAR KNIME 워크플로우 가져오기. (D) QSAR 모델을 구축할 때 리간드에 대한 구성 설정. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 11: Maestro Schrodinger의 Ligand Designer를 사용한 리간드 열거. (A) Schrodinger에서 Ligand Designer 옵션 검색. (B) 열거 프로세스를 수행하기 위한 워크플로우 목록. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 12: HOMO-LUMO 생성 워크플로우. (A) GaussView의 Tools 탭에 있는 분자 편집기 옵션에 액세스합니다. (B) 기존 Chk 또는 FChk 파일을 로드하여 프론티어 분자 오비탈을 생성합니다. (C) GaussView의 HOMO 및 LUMO 프론티어 궤도 그림. (D) HOMO 및 LUMO 프론티어 궤도를 표시하는 창을 시각화합니다. (E) HOMO와 LUMO의 국경 궤도를 구한다. (f) GaussView의 표시 형식 인터페이스. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 13: 분자 역학 준비, 설정, 준비 및 실행 워크플로. (A) Desmond System Builder: 강성 물 모델을 결정하기 위한 용매 옵션. (B) 상자 모양을 결정하기 위한 Desmond System Builder 경계 옵션. (c) Desmond System Builder : 상자 크기 계산 방법. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 14: 1HQU와 3개의 상단 도킹된 리간드 사이의 리간드 상호 작용 다이어그램. 단백질 (1HQU)과 (A) 결정 리간드 (HBY561), (B) Efavirenz, (C) Etravirine 사이의 상호 작용력. 이러한 힘은 단백질-리간드 상호 작용에 영향을 미치며 HIV-1의 항생제 내성을 감소시키는 의약품을 개발하는 데 중요합니다. 결합 친화력, 특이성 및 작용 기전을 향상시키는 데 있어 이들의 역할은 바이러스를 효과적으로 표적으로 삼고 억제할 수 있는 약물을 설계하는 데 도움이 되며, 이를 통해 HIV-1 치료의 맥락에서 증가하는 항생제 내성에 대한 우려를 해소할 수 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 15: 산점도는 QSAR 모델의 클래스 1에 대해 관찰된 활동과 예측된 활동을 보여줍니다. 그래프는 클래스 1을 훈련 세트로, NNRTI 화합물을 테스트 세트로 사용하여 예측 활동 값을 제공하는 피팅을 나타냅니다. 약어: NNRTI = 비뉴클레오티드 역전사효소 억제제; QSAR = 양적 구조-활성 관계. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 16: 리간드 상호작용 다이어그램. 단백질과 (A) 열거된 결정 리간드 HBY_561, (B) 열거된 네비라핀, (C) 열거된 Doravirine, (D) 열거된 Efavirenz, (E) 열거된 Etravirine 사이의 상호 작용력. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 17: 유리 단백질 에트라비린(Etravirine)과 열거된 에트라비린(Enumerated Etravirine)의 분자 역학 시뮬레이션 상호 작용 다이어그램. (A) 유리 단백질의 분자 역학 상호 작용 다이어그램. (B) 에트라비린의 분자 역학 상호 작용도. (C) 열거된 에트라비린의 분자 역학 상호 작용도. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 18: 에트라비린과 단백질 간의 상호 작용 접촉 히스토그램. (A) 에트라비린에 대한 단백질-리간드 접촉 타임라인. (B) H-결합, 소수성, 이온 및 수교 접촉을 포함한 시간 경과에 따른 단백질-리간드 상호 작용의 타임라인. (C) 리간드 원자와 단백질 잔류 물 사이의 상세한 상호 작용을 보여주는 개략도. 시뮬레이션 시간(0.00 - 200 ns)의 30% 이상 발생하는 상호 작용만 표시됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 19: 열거된 에트라비린과 단백질 사이의 상호 작용 접촉 히스토그램. (A) 열거된 에트라비린에 대한 단백질-리간드 접촉 타임라인. (B) H-결합, 소수성, 이온 및 수교 접촉을 포함한 시간 경과에 따른 단백질-리간드 상호 작용의 타임라인. (C) 리간드 원자와 단백질 잔류 물 사이의 상세한 상호 작용을 보여주는 개략도. 시뮬레이션 시간(0.00 - 200 ns)의 30% 이상 발생하는 상호 작용만 표시됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

수업	단백질 타겟	컴파운드 범위	선택한 화합물의 총 수
1	NL4-3 야생형 HIV-1	(8a1-8e5 – EC50 (nM)a)	25
2	IIIB WT HIV-1	13a1-13d6 - EC50 (nM)a	23
3	RES056 NNRTI 내성 변형률	13a1-13d6 - EC50 (nM)a	23
4	ROD HIV-2 균주	13a1-13d6 - EC50 (nM)a	23
QSAR 모델링을 위해 선택된 화합물의 총계			94

표 1: QSAR 모델링을 위한 복합 분류 기준 요약. Kang과 동료⁵⁰ 은 다양한 HIV 균주, 즉 NL4-3 야생형 HIV-1, IIIB WT HIV-1, RES056 NNRTI 내성 균주 및 ROD HIV-2 균주를 표적으로 하기 위해 94개의 디하이드로푸로[3,4-d] 피리미딘 화합물 데이터 세트를 합성했습니다. 이러한 피리미딘 유도체는 QSAR 교육을 수행하기 위한 준비를 위해 표적 단백질에 따라 4개의 클래스로 그룹화되었습니다. 이 표는 약물이 최대 효과의 50%를 발휘하는 농도로 작동하는 약물의 효능을 나타내는 실험적 EC₅₀ 값에 따라 이러한 분자를 4개 등급으로 그룹화하는 방법을 요약합니다. 약어: NNRTI = 비뉴클레오티드 역전사효소 억제제; QSAR = 양적 구조-활성 관계.

단백질 이름	리간드	도킹 점수
1본부	에파비렌츠	-10.432
	에트라비린	-9.647
	HBY_561	-9.242
	도라비린	-9.04
	네비라핀	-8.825
	릴피비린	-7.722
	델라비딘	-6.519

표 2: 6개의 최적화된 NNRTI와 HIV-1 단백질의 도킹 점수. 도킹 점수는 조사 중인 6개의 NNRTI에 대한 것입니다. 음수 점수가 높을수록 리간드와 단백질 사이의 결합 효과가 우수함을 나타냅니다. Efavirenz와 Etravirine은 공결정화된 리간드 HBY561의 도킹 점수(-9.242)에 비해 -10.432 eV 및 -9.647 eV에서 가장 유리한 점수를 보였습니다. 잠재적인 리간드는 도킹 점수가 -9.242eV 미만으로 더 음의 리간드였습니다.

의약품 종류	85%의 활동 적합	열1	열2	열3	열4	열5
	점수	증권 시세 표시기	R2	증권 시세 표시기	2분기	Q2 MW (귀무 가설)
1	0.8223	0.3268	0.815	0.2479	0.8185	0.1462
2	0.5671	0.2996	0.5067	0.1996	0.2264	0.4736
3	0.8172	0.3692	0.8114	0.1536	0.9065	-1.1532
4	0.6673	0.367	0.6436	0.1709	0.8852	0.1445
*SD – 표준 편차,
R2 – 실제 활동 값과 예측된 활동 값 간의 학습 세트 상관 관계,
Q2 – 테스트 세트 실제 및 예측 활동 상관 관계.
RMSE - 평균 제곱근 오차

표 3: 2D-QSAR 모델 통계 매개변수. 이 표는 표준 편차, 실제 활동 값과 예측 활동 값 간의 훈련 세트 상관 관계(R²), 각 클래스에 대한 테스트 세트 실제 및 예측 활동 상관 관계 높은 점수(Q²)를 나타냅니다. 더 높은 점수(R²)는 클래스를 나타냅니다.

리간드	동성애자	루모	E갭
에파비렌츠	-0.2242	-0.06943	0.15477
에트라비린	-0.21408	-0.08141	0.13267
네비라핀	-0.20602	-0.07759	0.12843
HBY_561	-0.19687	-0.0748	0.12207
델라비딘	-0.19651	-0.07958	0.11693
도라비린	-0.22413	-0.10916	0.11497
릴피비린	-0.21343	-0.11216	0.10127

표 4: 최적화된 NNRTI의 HOMO-LUMO 에너지 갭. 이 표는 6개의 NNRTI를 최적화한 후 얻은 HOMO-LUMO 에너지 갭의 결과를 보여줍니다.

리간드	최적화된 리간드	열거된 리간드
도라비린	7.229	7.374
릴피비린	7.302	7.279
에트라비린	7.229	7.374
에파비렌츠	7.229	7.323
델라비딘	7.302	7.302
네비라핀	7.229	6.988
HBY_561	7.229	7.323

표 5: 최적화된 NNRTI의 예측된 활동 점수와 해당 열거된 NNRTI의 예측 활동 점수. 이 표는 최적화된 리간드와 열거된 리간드 간의 예측 활동 점수를 비교합니다. 활성 점수가 높을수록 화합물이 잠재적인 약물 리드로 더 좋습니다.

리간드	최적화 후 에너지 갭	열거형 이후의 에너지 갭	Optimized and Enumerated compounds의 갭 차이
도라비린	0.115	0.126	0.011
릴피비린	0.101	0.127	0.030
에트라비린	0.133	0.126	0.010
에파비렌츠	0.155	0.126	0.030
델라비딘	0.117	0.126	0.010
네비라핀	0.128	0.126	0.002
HBY_561	0.122	0.126	0.004

표 6: 열거된 NNRTI의 예측된 에너지 갭과 최적화된 NNRTI의 원래 에너지 갭의 비교. 이 표는 최적화된 리간드와 열거된 리간드 사이의 HOMO-LUMO 에너지 갭과 이들 간의 에너지 갭 차이를 비교한 것입니다.

열거된 리간드	5개 속성의 법칙	열1	열2	열3	열4	열5	사이드 그룹 추가	열거된 도킹 점수	원본 도킹 점수	재도킹된 열거된 리간드
	알로그P	공익 광고	HBD (하이비디)	HBA는	MW	MPO
도라비린	2.4	125.9	2	8	441.8	0.49	수산기	-8.894	-9.04	-9.739
에트라비린	4.4	140.9	3	8	451.3	0.37	수산기	-10.258	-9.647	-10.517
에파비렌츠	3.7	64.3	2	3	330.7	0.75	아민	-10.284	-10.432	-11.025
네비라핀	2.6	58.1	1	4	284.3	0.73	불 소	-9.112	-8.825	-9.445
HBY_561	2.4	93.9	2	6	358.5	0.66	아미드	-9.596	-9.242	-10.1
AlogP - (옥탄올-물 분배 계수의 계산된 로그).
PSA - (극 표면적)
HBD - (수소 결합 공여체)
HBA - (수소 결합 수용체)
MW - (분자량)
MPO - (다중 매개 변수 최적화)

표 7: 원래 NNRTI와 열거된 NNRTI 간의 도킹 점수 비교. 이 표는 열거된 도킹 점수(enumeration after의 도킹 점수)를 비교한 결과를 보여줍니다. 원래 도킹 점수는 최적화된 NNRTI의 도킹 점수입니다. 다시 도킹된 열거형 점수는 열거된 리간드의 도킹 점수입니다. 계수 프로세스는 예측 도킹 점수를 제공하기 때문에 리간드는 최적화된 리간드와 동일한 방법으로 다시 도킹해야 했습니다. 추가된 그룹은 계수 과정 동안 리간드에 추가된 그룹입니다.

리간드	ΔG바인딩	ΔG쿨롱	ΔG공유	ΔGH본드	ΔG리포	ΔG팩	ΔG용매	ΔGVdW
에트라비린	-80.551	-11.196	2.491	-1.509	-27.447	-4.826	26.605	-64.669
열거된 에트라비린	-89.684	-17.976	2.807	-2.541	-27.652	-4.211	26.034	-66.146
하이비561	-79.664	-12.261	0.994	-0.521	-26.052	-1.278	18.624	-59.169
열거된 HBY561	-82.719	-13.443	1.534	-0.603	-27.053	-1.210	20.600	-62.544
에파비렌츠	-71.372	-12.984	1.151	-0.834	-25.353	-1.379	14.472	-46.44
열거된 Efavirenz	-79.125	-18.602	1.753	-2.159	-25.409	-1.198	16.619	-50.129

표 8: 1HQU에서 선택된 리간드의 MMGBSA reXts. 이 표는 Generalized Born 및 표면적 계산을 통한 분자 역학을 나타내며, 이는 단백질-리간드 복합체의 평균 결합 자유 에너지(ΔGbind)를 보여줍니다. 이 표는 결정 리간드에 비해 양호한 도킹 점수를 보여주는 원래 최적화된 리간드와 열거된 리간드 간의 비교를 보여줍니다. 도킹 점수가 더 높고 평형 상태에서 RMSD 변동이 우수한 선택된 화합물은(ΔG_결합)의 가장 음의 결합 자유 에너지를 보여줌으로써 MMGBSA 계산도 충족해야 합니다. 이 경우, enumerated Etravirine은 두 계산 매개변수를 모두 만족합니다.

보충 파일 1: 이 연구에서 얻은 기타 rXts. 이 파일을 다운로드하려면 여기를 클릭하십시오.

Discussion

DFT²⁶ 방법은 다양한 피리미딘 유도체의 전자적 특성과 안정성을 분석하는 데 사용되었으나 유사한 연구에서는 그렇지 않았습니다. DFT를 사용하면 양자 수준에서 분자 상호 작용을 더 깊이 이해할 수 있어 NNRTI의 설계 프로세스가 향상됩니다. 이 연구에서는 활성 값을 알 수 없는 6개의 NNRTI를 선택했습니다. PubChem 데이터베이스에서 분자 구조를 검색하고 Gaussian 16 revision C01³³ 양자 역학 소프트웨어 패키지에 설정된 Minnesota 15 Local (MN15-L)³² 기능 및 6-31++G(d,p)² 기저를 사용하여 기하학적 최적화를 수행했습니다. 시뮬레이션 입력 파일을 설정하기 위해 GaussView 6.0²⁶을 사용했습니다. 그런 다음 양자 구조를 HIV-1 단백질의 활성 부위에 도킹했습니다.

이 연구는 화학 구조를 기반으로 NNRTI의 생물학적 활성을 예측하도록 맞춤화된 QSAR 접근법⁵¹을 활용했습니다. 이 모델은 94개의 디하이드로푸로[3,4-d] 피리미딘 유도체의 데이터 세트를 사용하여 생성되어 항바이러스 활성에 영향을 미치는 주요 작용기를 식별할 수 있습니다. 강력한 QSAR 모델을 통합하는 것은 설계 프로세스 초기에 화합물을 필터링하는 데 도움이 되어 신약 개발의 효능을 향상시키는 데 도움이 되기 때문에 중요한 발전입니다.

새로운 화합물의 예측된 활성을 고려하고 도킹 점수를 검증했습니다. 고급 분자 도킹 기술은 NNRTI와 HIV-1 역전사효소 사이의 결합 상호 작용을 탐구했습니다. 이는 장기간(200ns)에 걸친 분자 역학 시뮬레이션으로 보완되어 생리학적 조건에서 약물-단백질 복합체의 안정성과 거동에 대한 통찰력을 제공했습니다. 분자 역학⁵² 는 도킹 연구의 결과를 검증했습니다. 시간 경과에 따른 약물-효소 복합체의 거동을 시뮬레이션함으로써 정적 도킹 연구에서 포착되지 않을 수 있는 동적 안정성과 상호 작용을 평가할 수 있습니다⁵³. 이 접근 방식은 NNRTI가 생물학적 시스템에서 어떻게 수행될 수 있는지에 대한 보다 현실적인 평가를 제공합니다. 시뮬레이션은 에트라비린이 약 4.5 Å의 RMSD 변동을 일으킨 반면, 열거된 에트라비린은 3.5 Å의 RMSD 변동을 일으켰다는 것을 보여주었다. 에트라비린(Etravirine)과 열거된 에트라비린(Etravirine) 사이에는 다양한 유사점이 있었으며, 열거된 화합물은 단백질의 활성 부위 내에서 향상된 아미노산 상호작용을 가지고 있었습니다. 낮은 RMSD, 개선된 아미노산 상호 작용 및 가장 높은 결합 자유 에너지는 모두 열거된 에트라비린이 HIV/AIDS 치료를 위한 실행 가능한 대안이 될 수 있음을 시사합니다.

입체이성질체를 생성하고 이소스테리 스캐닝을 수행하기 위해 열거 기법(enumeration technique)⁵⁴ 을 사용하는 것은 이 연구의 주목할 만한 측면이다. 이 방법을 통해 연구자들은 기존 구조를 체계적으로 수정하여 잠재적인 NNRTI에 대한 더 넓은 화학적 공간을 탐색할 수 있으며, 이를 통해 효능이 향상되고 내성이 감소된 화합물을 발견할 수 있습니다.

이 연구는 화합물의 반응성과 안정성을 평가하기 위해 양자 역학 계산에서 파생된 HOMO-LUMO 분석을 통합합니다. 이 측면은 유사한 연구에서 종종 간과되지만⁵⁵, 생물학적 활동에 영향을 미칠 수 있는 전자 특성에 대한 귀중한 통찰력을 제공합니다

이 연구에서 MMGBSA 방법을 사용하여 잠재적인 HIV-1 역전사효소(RT) 억제제로 열거된 NNRTI의 결합 자유 에너지를 추정하는 것은 HIV 치료 개발에 대한 이 작업의 중요성과 잠재적 영향을 향상시키는 새로운 측면을 제시합니다.

이 연구에서 MMGBSA의 적용은 열거된 에트라비린에 대한 결합 자유 에너지의 추정치를 다른 것과 비교하여 보다 정확하게 추정합니다. 이 연구는 결합 자유 에너지 값을 계산하여 열거된 에트라비린의 결합 친화도를 정량적으로 평가하며, 이는 표준 에트라비린보다 상당히 높은(9.133kcal/mol) 수치입니다. 결합 에너지 계산에 대한 이러한 수준의 세부 사항을 통해 구조적 수정이 NNRTI의 효능에 어떻게 영향을 미칠 수 있는지에 대한 보다 미묘한 이해를 할 수 있으며, 이는 질적 평가에만 전적으로 의존할 수 있는 유사한 연구에서는 종종 부족합니다.

보고된 ΔG_공유 값인 1.477kcal/mol은 열거된 화합물에 대한 상호 작용의 강도를 추가로 나타냅니다. 비교 접근법은 유망한 후보를 식별할 뿐만 아니라 기존 치료법의 더 넓은 맥락 내에 위치시켜 향후 NNRTI 개발을 위한 벤치마크를 제공한다는 점에서 혁신적입니다.

표 8에 나타난 비교는 또한 열거된 에트라비린(Etravirine)이 에트라비린(Etravirine), HBY56, 에트라비린(Etravirine) 및 이들의 열거된 대응물에 비해 가장 높기 때문에, 이의 결합 자유 에너지(ΔG_bind)가 대안적인 ART로서 사용될 수 있는 잠재적 화합물이 될 수 있음을 나타낸다.

본 연구의 결과는 HIV 감염에 대한 새로운 치료제 개발에 상당한 영향을 미칠 수 있습니다. 또한 이 접근 방식을 통해 가장 유망한 항HIV 후보를 식별할 수 있습니다. 이러한 발견은 새로운 HIV-1 NNRTI의 합리적인 설계를 위한 길을 열 수 있습니다.

MMGBSA를 다른 계산 방법(예: 분자 도킹, QSAR 모델링 및 분자 역학 시뮬레이션)과 함께 통합하면 연구 결과의 견고성이 향상됩니다. 이 통합 접근 방식을 통해 구조 최적화에서 생물학적 맥락에서의 동적 거동에 이르기까지 화합물을 포괄적으로 평가할 수 있습니다. 이러한 방법론은 NNRTI 연구에서 비교적 새로운 것으로, 연구는 종종 약물 설계 프로세스에 대한 전체적인 관점 없이 분리된 방법에 초점을 맞춥니다. 이 연구는 몇 가지 유망한 결과와 NNRTI와 역전사효소 간의 분자 상호 작용에 대한 향상된 이해를 강조하며, 이는 향후 약물 설계 노력에 영향을 줄 수 있습니다.

NNRTI 개발 분야의 다른 연구는 종종 단일 계산 방법 또는 기본 도킹 분석에 초점을 맞추지만, 이 연구는 양자 화학 계산을 분자 역학 및 QSAR 모델링과 결합하고, NNRTI의 잠재적 화학 공간을 확장하는 체계적인 열거 접근 방식을 사용하고, 포괄적인 인실리코 를 활용한다는 점에서 두드러집니다 결합 친화도를 예측할 뿐만 아니라 약물-효소 상호 작용의 안정성과 역학을 평가하는 프레임워크.

전반적으로, 이 연구의 참신함은 HIV 치료에서 약물 내성 문제를 해결하기 위해 고급 컴퓨터 기술을 활용하여 보다 효과적인 NNRTI를 개발할 수 있는 길을 닦는 다각적인 접근 방식에 있습니다. 이 연구 결과는 현재 치료법의 한계를 극복할 수 있는 보다 효과적인 NNRTI를 개발할 수 있는 잠재력을 강조합니다.

이 프로토콜에 설명된 접근 방식의 향후 응용 프로그램은 다음과 같습니다.

기계 학습과 통합

향후 연구에서는 MMGBSA를 머신 러닝 알고리즘과 통합하여 자유 에너지 추정치를 바인딩하는 예측 능력을 향상시킬 수 있습니다. 대규모 데이터 세트에서 모델을 훈련함으로써 연구원들은 예측의 정확성과 신뢰성을 향상시켜 유망한 NNRTI 후보를 더 잘 식별할 수 있습니다.

단편 기반 약물 설계에 적용

MMGBSA는 결합 친화도를 향상시키기 위해 작은 분자 단편이 최적화된 단편 기반 약물 설계에 효과적으로 활용될 수 있습니다. 이 접근법은 HIV-1에 대해 향상된 효능과 선택성을 가진 새로운 NNRTI의 식별로 이어질 수 있습니다.

약물 내성 메커니즘 탐구

이 기술은 NNRTI와 HIV-1의 돌연변이 균주와의 결합 상호 작용을 연구하는 데 적용할 수 있습니다. 연구자들은 NNRTI의 결합 자유 에너지를 야생형 및 내성 변이체와 비교함으로써 약물 내성 메커니즘에 대한 통찰력을 얻고 차세대 억제제 설계에 정보를 제공할 수 있습니다.

약동학 특성의 평가

MMGBSA는 또한 용해도 및 투과성과 같은 NNRTI의 약동학적 특성을 평가하는 데 사용할 수 있습니다. 이러한 특성이 결합 친화력과 어떤 상관관계가 있는지 이해함으로써 연구자들은 더 나은 치료 프로파일을 위해 약물 후보를 최적화할 수 있습니다.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
GaussView	가우스View		V6.1.1
KNIME	KNIME		V4.7.1
슈뢰딩거 마에스트로 V13.6	슈뢰딩거 INC.		라이선스 출시 연도 2023-2