La Química Computacional
y el Diseño de Fármacos
Perspectiva
• Principios del descubrimiento de fármacos
• Descubrimiento de fármacos guiado por computadora
• Descubrimiento de fármacos guiado por datos
• Técnicas modernas para la identificación y selección
de la diana
• Técnicas modernas de identificación de pistas
¿Que es un fármaco?
• Se entiende por fármaco, cualquier sustancia
biológicamente activa, capaz de modificar el
metabolismo de las células sobre las que hace efecto
• Composición definida con un efecto farmacológico
• ¿Cuál es el proceso del Desarrollo y Descubrimiento
de Fármacos?
Statement of the Director, NIGMS, before the House Appropriations
Subcommittee on Labor, HHS, Education Thursday, February 25, 1999
Una pequeña historia del diseño de
fármacos ayudados por computadora
• 1960’s – Interacción del fármaco – revisión del objetivo
• 1980’s- Automatización – cribado de alto rendimiento
• 1980’s- Bases de datos (tecnología de la información)
bibliotecas combinatorias
• 1980’s- Computadoras Rápidas - acoplamiento
• 1990’s- Computadoras Super Rápidas - ensamblado del
genoma – selección de objetivos basados en el
genoma
• 2000’s- Manejo de una enorme información –
fármacogenomica
Molécula Diana
Línea de células recombinantes
Expresión genética - Fermentación
Purificación de la Proteína
Cristalización
Rayos-X - Sincrotón
Estructura 3D
Estructura 3D
Mapeo de Epítopes
Ingeniería de Proteínas
Diseño Racional
Biblioteca de
Moléculas Pequeñas
NBE
NCE
NCE (New Chemical Entity)
NBE (New Biological Entity)
Fármacos: Proceso de Descubrimiento
• Moléculas Pequeñas
– Productos Naturales
• Caldos de fermentación
• Extractos de Plantas
• Fluidos Animales (e.g., veneno de víbora)
– Productos Químicos Medicinales Sintéticos
• Derivados para la Química Medicinal
• Derivados de la Química Combinatoria
• Biológicos
– Productos Naturales (aislamiento)
– Productos Recombinantes
– Productos Quiméricos
Descubrimiento vs. Desarrollo
• El Descubrimiento incluye: su concepto, su mecanismo,
ensayo, cribado, identificación de la pista, demostración
de la pista, optimización de la pista
• El Descubrimiento también incluye pruebas in vivo en
animales y demostración concomitante del índice
terapéutico
• El Desarrollo comienza cuando se toma la decisión de
poner a una molécula en la fase I de las pruebas clínicas
Descubrimiento vs. Desarrollo
• El tiempo desde su concepción hasta la aprobación
de un nuevo fármaco es típicamente de 10-15 años
• La vasta mayoría de las moléculas son desechadas
en el camino
• El costo estimado de llevar al mercado un fármaco
es aproximadamente $800 millones de dólares hoy
en día!!
Descubrimiento vs. Desarrollo
Identificar la enfermedad
Encontrar un fármaco efectivo contra la proteína
(2-5 años)
Aislar la proteína
involucrada en la
enfermedad (2-5
años)
Escalamiento
Pruebas clínicas en
humanos
(2-10 años)
Pruebas preclínicas
(1-3 años)
Formulación
Aprobación de la FDA
(2-3 años)
La tecnología impacta este proceso
GENOMICA, PROTEOMICA & BIOFARM.
Potencialmente produce muchas más
dianas, personalizadas o no
CRIBADO DE ALTO RENDIMIENTO
Identificar la
enfermedad
Cribado de hasta 100,000 compuestos por
día para probar su actividad contra la
proteína
CRIBADO VIRTUAL
Usar una computadora
para predecir la actividad
Aislar la proteína
QUIMICA COMBINATORIA
Producir rápidamente un vasto
número de compuestos
MODELADO MOLECULAR
Encontrar el
fármaco
Las graficas y modelos por computadora
ayudan a mejorar la actividad
MODELOS ADME IN VITRO & IN SILICO
Modelos computarizados y de tejidos comienzan a
reemplazad las pruebas en animales
Pruebas preclínicas
Genómica, Proteómica &
Biofarmacéuticos
Comprendiendo la liga entre
enfermedades, el montaje genético
y la expresión de las proteínas
Genómica
• La genómica está acelerando nuestra compresión de
cómo están relacionados el ADN, los genes, las proteínas
y su función, tanto en condiciones normales y de
enfermedad
• El proyecto del Genoma Humano ha mapeado los genes
del ADN en humanos
• Se espera que este conocimiento provea de muchas más
proteínas potenciales
• Permite la posible “personalización” de las terapias
ATACGGAT
TATGCCTA
funciones
Chips Genéticos
• Los “chips genéticos”
nos permiten buscar por
cambios en la expresión
de una proteína en
diferentes individuos en
una variedad de
condiciones, y ver si la
presencia de fármacos
cambia esa expresión
• Hace posible el diseño
de fármacos para
diferentes fenotipos
gente / condiciones
e.g. obeso, cáncer,
caucásico
Perfil de expresión
(cribado de 35,000 genes)
Microarreglos
• Genes “impresos” en vidrio
• Una variedad de genomas
humanos y animales
• Medirán cuanto de cada
fragmento de ADN está
presente en una muestra
desconocida
• Un chip de genoma humano
contiene 14,500 genes
humanos bien caracterizados
• $300-$500 por chip
• www.affymetrix.com
Producción del GeneChip
Uso del GeneChip
Biofarmaceúticos
• Fármacos basados en proteínas, péptidos o
productos naturales en lugar de moléculas pequeñas
(química)
• Promovidos por las compañías biotecnológicas
• Los biofarmaceúticos se pueden descubrir más
rápidamente que las terapias normales de moléculas
pequeñas
• Las biotecnológicas se están empatando con las
compañías farmacéuticas más importantes
Cribado de alto rendimiento
El cribado de compuestos en ambiente corporativo
quizá sea de millones para ver si alguno muestra
actividad contra la proteína causante de la
enfermedad
Cribado de alto rendimiento
• Las compañías farmacéuticas tienen ahora millones de
nuestras de compuestos químicos
• El cribado de alto rendimiento puede probar 100,000
compuestos por día
• Puede ser que solo algunos miles de estos compuestos
lleguen a mostrar alguna actividad contra la proteína
• El químico medicinal necesita escoger inteligentemente las
2 o 3 clases de compuestos que muestren la promesa de
ser fármacos que puedan seguir desarrollándose
Implicaciones Informáticas
• Tener la capacidad de almacenar la estructura
química y los datos biológicos para millones de
puntos
– Representación computacional de la estructura 2D
• Tener la capacidad de organizar miles de
compuestos activos en grupos de relevancia
– Agrupar estructuras similares y relacionarlas a la
actividad
• Capacidad de aprender tanta información como sea
posible a partir de los datos (minería de datos)
– Aplicar métodos estadísticos a las estructuras y
correlacionar la información
Herramientas para la minería de datos
Cribado Virtual
• Construir un modelo computacional de la actividad
para una diana en particular
• Usar un modelo para valorar los compuestos de
bibliotecas “virtuales” o reales
• Usar esta valoración para decidir cual hacer, o pasar
a través de un cribado real
Modelos computacionales de la
actividad
• Métodos de Aprendizaje
– E.g. Redes Neuronales, Redes de Bayes, Redes de
Kahonen
– Se entrenan con compuestos de actividad conocida
– Predicen la actividad de compuestos “desconocidos”
• Métodos de Valoración
– Compuestos con perfil basado en propiedades relativas a
la diana
• Acoplamiento Rápido
– Rápidamente “acoplar” representaciones 3D de
moléculas en representaciones 3D de proteínas, y valorar
de acuerdo en que tan bien se acoplan
Química Combinatoria
• Al combinar “bloques de construcción” molecular,
podemos crear un gran número de moléculas
diferentes muy rápidamente
• Usualmente involucra a una molécula “plataforma”, y
grupos de compuestos que han reaccionado con la
plataforma para colocar diferentes estructuras en
“puntos de unión”
Ejemplo de Biblioteca Combinatoria
Plataforma
grupos-“R”
Ejemplos
R1 = OH
OCH3
NH2
Cl
COOH
R1
NH
R2
R3
Para esta pequeña biblioteca el
número de posibles compuestos
es de
5 x 6 x 5 = 150
OH
NH
CF3
R2 = fenilo
OH
NH2
Br
F
CN
O
OH
OH
C
OH
NH
NH
OH
CF3
O
CH3
R3 = CF3
NO2
OCH3
OH
fenoxy
O
OH
C
NH
OH
O
Puntos de Química Combinatoria
• Cuales grupos-R escoger
• Cuales bibliotecas hacer
– ¿“Llenar” la colección existente de compuestos?
– ¿Orientadas a un proteína en particular?
– ¿Tantos compuestos como se posible?
• El perfil computacional de las bibliotecas
puede ayudar
– “Bibliotecas virtuales ” pueden ser evaluadas en la
computadora
Búsqueda de Estructuras
• 2D búsquedas de subestructuras
• 3D búsquedas de subestructuras
• 3D búsquedas conformacionalmente flexibles
2D Búsqueda de Subestructuras
• Grupos funcionales
• conectividad
[ F,C l,B r,I]
– Aromático substituido
con halógenos y un
grupo carboxilo
O
O
2D Búsqueda de Subestructuras
Cl
• Buscar:
Cl
– Aromático substituido
con halógenos y un
grupo carboxilo
O
O
O
O
N
O
N
O
O
N
F
O
I
O
N
N
N
F
F
O
2D Búsqueda de Subestructuras
O
Q u ery
O
N
N
O
O
O
N
O
O
N
N
O
N
N
N
N
N
N
N
N
O
O
N
N
O
O
O
2D Búsqueda de Similitud
H
N
N
H
N
H
N
OH
N
O
N H2
H
N
N
Q u ery
N
N
OH
H
N
HO
N
N
H
N
N
N
H2 N
H2 N
3D Búsqueda de Subestructuras
A
O ( s1 )
• Relaciones espaciales
• Define intervalos para
distancias y ángulos
• Conformación almacenada
C (u )
O( s1 )
3.3 - 4.3 Å
– generalmente la de más baja
energía
O
6.8 - 7.8 Å
3.6 - 4.6 Å
[O ,S ]
A
3D Búsqueda de Subestructuras
O
a = 8 .6 2 +
- 0 .5 8 A n g s tro m s
N
O
b = 7 .0 8 +
- 0 .5 6 A n g s tro m s
c
a
O
c = 3 .3 5 +
- 0 .6 5 A n g s tro m s
O
O
N
b
O
O
O
S
O
O
O
O
O
N
O
O
N
N
N
O
O
N
N
N
O
N
O
O
O
O
P
O O
O
P
O
N
N
O
O
P
O
O
O
N
N
N
N
O
O
N
N
O
O
O
O
O
O
Búsquedas Conformaciónalmente
Flexibles
• Rotar alrededor de
uniones que giran
libremente
• Muchas conformaciones
• Multa por baja energía
• Obtener muchos más
aciertos
• Los huéspedes se
adaptan al anfitrión y el
anfitrión se adapta a los
huéspedes
3.2Å
Cl
O
H
Cl
4.3Å
O
H
Búsquedas Conformaciónalmente
Flexibles
3.2Å
Cl
O
H
Cl
4.3Å
O
6
H

Pequeña multa
energética
S te r i c E ne r gy ( k c a l / m ol )
5
4
3
2
1
0
0
60
120
180
Dihe dral a ngle
240
300
360
Modelos ADME in vitro & in silico
• Tradicionalmente, animales son usados para las pruebas
pre-humanas. Sin embargo, esta pruebas resultan caras,
consumen tiempo y son éticamente indeseables
• Las técnicas ADME (Absorbtion, Distribution, Metabolism,
Excretion) pueden ayudar a modelar como el fármaco
interactuará con el cuerpo
• Estos métodos pueden ser experimentales (in vitro)
usando cultivo de tejidos, o in silico, usando modelos
computacionales
Modelos ADME in silico
• Los métodos computacionales pueden
predecir propiedades importantes del
compuesto para ADME, e.g.
–
–
–
–
LogP, una medida de lipofilicidad
Solubilidad
Permeabilidad
Metabolismo del Citocromo p450
• Estimados promedio se pueden hacer para
millones de compuestos, reduciendo el
“desgaste” – el coeficiente de fallas de los
compuestos en la última fase
Calculo de propiedades en la Red
http://www.molinspiration.com/cgi-bin/properties
Dibujar una estructura …
Regreso de los resultados …
LogP
Área de Superficie
Total Polar
# de átomos
Peso Mol.
Regla-de-5
violaciones
# uniones Rot.
Potencial
farmacológico (N/D)
Disciplinas en el Descubrimiento
de Fármacos
•
•
•
•
Medicina
Fisiología/patología
Farmacología
Biología molecular/celular
Automatización/robótica
• Química medicinal, analítica, y química
combinatoria
• Química estructural y computacional
• Bioinformática
Bioinformática - una Revolución
Experimento Biológico
Coleccionar
Complejidad
Alto -orden
Datos
Caracterizar
Información
Comparar
1
10
Mapeo del
Cerebro
Inferir
100000 Poder de
Cómputo
Modelo
Cardiaco
Modelo pasos
metabólicos de E.coli
Sub-celular
102 Modelo
Neuronal
106
Estructura
viral
Proyecto
Genoma
Humano
90
1
# Gente/Sitio Red
Ribosoma
Circuitos
Genéticos
Genoma Genoma Genoma
Levadura E.Coli
C.Elegans
ESTs
Secuencia
(C) Copyright Phil Bourne 1998
Modelar
Data
1000
100
Celular
Estructura
Descubrimiento
Tecnología
Organos
Ensamblado
Conocimiento
Gene Chips
95
00
Year
1 Genoma
Pequeño/Mes
Genoma
Humano
Completo
05
Tecnología de
secuenciación
Bibliotecas Combinatorias
• Miles de variaciones a partir de una plataforma fija
• Buenas bibliotecas abarcan áreas muy grandes del espacio
conformacional y químico - diversidad molecular
• Diversidad en – interacciones estéricas, electrostáticas, e
hidrofóbicas...
• Deseo de ser tan amplias como los compuestos del índice
“Merck” de cribado azaroso
• El diseño de bibliotecas de diseño ayudadas por
computadora aún está en su infancia
Modelado Molecular
• Visualización
3D de las interacciones entre los compuestos
y las proteínas
• “Acoplamiento” computacional de los compuestos con las
proteínas
Visualización 3D
• La cristalografía de rayos-X y la espectroscopia de
RMN pueden revelar la estructura 3D de las
proteínas y compuestos que se les unen.
• La visualización de estos “complejos” de proteínas y
potenciales fármacos pueden ayudar a los científicos
a comprender el mecanismo de acción del fármaco y
para mejorar el diseño de un fármaco.
• La visualización usa modelos de “bolas y palitos”
para los átomos y sus uniones, así como para
desplegar sus superficies.
• La visualización Estereoscópica está disponible.
Software de Acoplamiento Disponible
DOCK (Kuntz et al, 1982, Ewing & Kuntz 2001)
AutoDock (Olson et al 1990, Morris et al 1998)
ICM (Abagyan et al 1994)
FlexX (Rarey et al 1996)
Hammerhead (Welch et al 1996)
GOLD (Jones et al 1997)
MCDock (Liu & Wang 1999)
SLIDE (Kuhn et al 2002)
FRED (McGann et al 2002)
Surflex (Jain 2003)
GemDock (Yang & Chen 2004)
Glide (Friesner et al 2004)
Yucca (Choi 2005)
…
Algoritmos de Acoplamiento
• Búsqueda Estocástica:
– Algoritmo Genético, Monte Carlo recocido simulado
– AutoDock, MCDock, ICM, GOLD, Glide
• Construcción Incremental :
– Fragmentos rígidos con uniones rotables
– Incremental : ángulos de torsión preferidos
– DOCK, FlexX, SLIDE, Surflex
• Multiconformero:
– Genera un conjunto de conformeros de baja-energía
– Acoplamiento Rígido
– FLOG, FRED, Yucca
Acoplamiento con un Algoritmo
Genético
• Colocar a un compuesto en el área
aproximada donde el acoplamiento ocurre
• El algoritmo genético codifica la orientación
del compuesto y sus uniones de torsión
• Optimizar la unión con la proteína
– Minimizar la energía
– Puentes de hidrógeno
– Interacciones hidrofóbicas
• Puede se empleado para el “cribado virtual”
Visualización de Demos
en
Acoplamiento Molecular
Acoplamiento Proteína-Proteína
Acoplamiento Proteína-Ligando
Moléculas en
Movimiento
http://www.moleculesinmotion.com
/jmol/protein_intro/index.html
Instalar JMOL (jmol.org), Java 4 WinXP,
ActiveControlX y J2SE v5.0 runtime
Referencias
• Cohen N. Guidebook on Molecular Modeling in Drug
Design, Academic Press (1996)
• Cramer C.J. Essentials of Computational Chemistry:
Theories and Models, John Wiley & Sons (2002)
• Schlick T. (Ed) Molecular Modeling and Simulation,
Springer Verlag (2002)
• Leach A.R. (Ed) Molecular Modeling: Principles and
Applications, Prentice Hall (2001)
• van de Waterbeemd H., Testa B. (Eds) Computer-Assisted
Lead Finding and Optimization: Current Tools for Medicinal
Chemistry, John Wiley & Sons (1997)
Descargar

Pharm 202 Computer Aided Drug Design