ConfGen을 활용한 정확하고 신속한 구조 생성

생리활성 리간드 구조 재현 성능

화합물의 다양하고 저에너지인 3차원 구조를 생성하는 절차인 ‘콘포메이션 생성(Conformation generation)’은인 실리코약물 설계 의 필수 요소로, 리간드 기반 가상 스크리닝에서 광범위하게 활용되고 있습니다. 생성된 컨포머 중에서 생물학적 활성을 가진 컨포머의 회수율을 높이고 컨포머 생성을 획기적으로 가속화하기 위해, Schrödinger 는ConfGen 애플리케이션을 완전히 재구현했습니다. 표 1에 표시된 바와 같이, 새로운 알고리즘은 이전 버전의 ConfGen(이하 ‘ConfGen Classic’이라 함)보다 약 1차수 정도 더 빠르며, 생물학적 활성 회수율은 이전에 사용 가능했던 ConfGen의 가장 계산 집약적인 모드와 동등한 수준을 보입니다. 이 사례 연구에서는 고품질의 단백질-리간드 결정 구조에서 추출한 1,904개의 리간드를 활용했습니다. 그림 1에서 볼 수 있듯이, 이 데이터셋에는 약물 유사 분자에서 나타나는 매우 다양한 구조적 변이체( 작용기 )와 다양한 분자 크기 및 유연성이 포함되어 있습니다.

Without minimization of output conformers, ConfGen finds the bioactive conformation with an RMSD of < 1.5 Å in 89% of cases compared to 83% and 87% with ConfGen Classic Intermediate and Comprehensive modes, respectively. The new algorithm processes ligands 25 and 57 times faster than ConfGen Classic Intermediate and Comprehensive modes. When minimization of conformers is performed, ConfGen recovers more bioactive conformations with < 1.0 Å RMSD than without minimization. Because minimization acts as the speed bottleneck, the new algorithm is 5 times faster than both ConfGen Classic Intermediate and Comprehensive modes. It should be emphasized that ConfGen is able to achieve bioactive recovery similar to ConfGen Classic Comprehensive in far fewer conformers.

ConfGen과 ConfGen Classic은 다른 여러 상용 콘포머 생성 프로그램들과 함께, 함부르크 대학교[1]에서 PDB에서 추출한 2,859개의 단백질 결합 리간드 콘포머로 구성된 고품질 데이터셋을 대상으로 벤치마킹을 거쳤습니다. 정확도 측면에서 ConfGen 프로그램은 OMEGA와 동등한 수준이며, 전반적으로 MOE보다 우수한 것으로 나타났습니다(표 2 참조). 이 논문에서는 콘포머 생성기 프로그램을 한 번에 하나의 리간드씩 실행하여 처리 시간을 평가하였는데, 이는 일반적인 사용 환경을 대표하지 않는다는 점에 유의해야 합니다. 또한, 원격 큐 및 호스트에 쉽게 작업을 제출할 수 있게 해주는 Schrödinger의 작업 제어 시스템에서 발생하는 오버헤드가 ConfGen의 처리 시간에 포함되었습니다. 이러한 요인을 배제하고 해당 연구에서 사용된 데이터셋에 적용했을 때, ConfGen(Suite 2017-3 릴리스)은 최적화 없이 초당 평균 15개의 리간드를 처리하며, OPLS3를 이용한 기하 구조 최적화를 적용할 경우 초당 약 0.4개의 리간드를 처리한다. 이러한 속도는 OMEGA와 유사하며, 가장 빠른 MOE 방식인 MOE Import보다 적어도 한 차수 더 빠르다.

ConfGen 알고리즘

새로운 ConfGen 알고리즘은 분할 정복 전략을 활용하여 다음 세 단계에 걸쳐 가능한 분자 입체 구조를 구축합니다. (1) 외환상 회전 가능한 결합을 끊어 입력 분자를 단편으로 분할하고, (2) 모든 단편의 입체 구조를 구한 다음, (3) 단편들을 다양한 방식으로 재결합하여 전체 분자의 입체 구조를 구축합니다.

단편화 과정에서 다음 유형의 결합은 끊어지지 않는 것으로 간주됩니다: 고리 결합, 이중 결합 또는 삼중 결합, 말단 원자와의 결합, 그리고 아미드 및 티오아미드의 N-C 결합, 에스테르 및 티오에스테르의 O-C 결합과 같은 일반적인 “강성” 결합. 그 외의 모든 결합은 단편화 과정에서 끊어지고 수소로 대체됩니다. 이 과정은 그림 2에 설명되어 있습니다.

Zinc 데이터베이스[2]를 분석하여 약 40,000개의 템플릿 단편을 식별하였다. 이 단편들 각각에 MacroModel 구조 검색을 적용하여 ConfGen 검색에 사용할 구조 라이브러리를 생성하였다. 라이브러리에 없는 단편의 구조는 무작위 초기 원자 위치를 출발점으로 하는 2단계 최적화 과정을 통해 실시간으로 생성된다.

첫 번째 최적화 단계에서는 페널티 함수를 사용하여 초기 좌표를 효율적으로 구하고, 두 번째 단계에서는 OPLS3 힘장을 사용하여 입체 배열을 미세 조정합니다. 이 과정은 단편 내^sp3중심 원자의 수에 따라 여러 번 반복됩니다. 여러 공개 데이터베이스의 화합물을 분석한 결과, ConfGen 단편화 규칙을 사용하여 생성된 단편의 경우, n을^sp3중심 원자의 수로 할 때 최대 대략^2n⁄2개의저에너지 컨포메이션이 예상되는 것으로 관찰되었습니다. 이 알고리즘은 기본적으로 최대 24개까지 이 정도의 콘포메이션을 생성합니다. 이전에 생성된 콘포메이션에 비해 중원자 RMSD 값이 설정 가능한 임계값(기본값 0.25 Å)보다 작은 콘포메이션은 중복으로 분류되어 제거됩니다.

단편에 대한 실시간 콘포머 생성의 첫 단계에서 사용되는 페널티 함수는, 콘포메이션의 원하는 특징을 나타내도록 설계된 항들로 구성됩니다:

_{에본즈(Ebons}) 기여도는 결합 길이가 이상적인 값에서 벗어나는 정도에 따라 페널티를 부과하는 고조파 항들(각 결합마다 하나씩)의 합입니다:

이상 결합 길이(^lbideal)는 문헌 [3] 및 [4]에 설명된 바와 같이 구한다._Eangles항은_{Ebonds 항과} 동일한 형태를 가지나, 합이 각도에 대해 이루어진다는 점이 다르다. 이상 각도는 원자의 혼성화, 결합 수, 고리 소속 여부를 기반으로 한 간단한 규칙을 사용하여 결정된다._Eangles는각도를 직접 사용하는 대신, 해당 각도를 이루는 첫 번째 원자와 세 번째 원자 사이의 거리인_la를 사용한다:

_Eplanar항과_Etetrahedral항은 모두 “템플릿”에 대한 합으로 주어집니다:

여기서_Et는템플릿 내의 해당 원자들에 대한 단편의 원자 간 RMSD에 비례한다:

여기서 템플릿 원자들은 해당 단편의 원자들과 중첩된 것으로 가정합니다. ConfGen은 세 가지 종류의 템플릿을 사용합니다: 하나는 사면체 중심(^sp3중심 주위의 3개 또는 4개 원자)용이고, 나머지 두 가지는^sp2원자와 이중결합 주위의 평면 구조용입니다. 모든 경우에 이상적인(템플릿) 위치는 이상적인 결합 길이와 “완벽한” 각도(평면 템플릿의 경우 120°, 사면체 템플릿의 경우 109.5°)를 사용하여 구축됩니다. 마지막으로,_Erepulsion항은 비결합 원자 쌍(즉,_{Ebonds나Eangles에} 기여하지 않는 원자 쌍)에 대한 단거리의 부드러운 “돌기”들의 합으로 주어집니다:

여기서_rij는원자간 거리이며,^RivdW는반 데르 발스 반지름이다(참고문헌 [5]에서 인용).

단편들은 분해 단계에서 끊어진 결합을 따라 한 번에 하나의 결합씩 다시 연결됩니다. 연결 순서는 각 중간 단계에서 분자의 크기가 비슷한 부분들이 결합되도록 결정됩니다. 구체적으로, 각 단계에서 두 단편(A와 B)의 입체 배열을 사용하여 결합된 단편 A+B의 입체 배열을 생성합니다. 먼저, 전체 분자와 일치하는 SMARTS 패턴을 사용하여 A-B 결합을 따라 샘플링할 특정 이면각을 선택합니다. 단편 중 하나(또는 둘 모두)에 대해 사용할 수 있는 구조가 단 하나뿐인 경우, 먼저 해당 단편을 새로운 결합을 따라 45, 60, 90, 180도로 회전시켜 동등한 구조가 나타나는지 확인함으로써 단편의 대칭성을 파악합니다.

여기서_rij는원자 i와 j 사이의 거리이며,^RijvdW는참고문헌 [5]에 제시된 두 원자의 반데르발스 반지름이다. 가장 큰 중첩이 설정 가능한 임계값(기본값 0.5 Å)보다 작을 경우, 해당 조합은 유효한 후보로 인정됩니다. 이 과정은 지정된 수의 후보(기본값 96개)가 수집될 때까지 반복됩니다. 중첩 테스트를 통과하는 조합이 없을 경우, 모든 조합이 유효한 후보로 간주됩니다. 그런 다음 순위가 가장 높은 후보 중 지정된 수(기본값 64개)만 유지하고, 나머지는 제외합니다. 분자 크기가 클수록 더 많은 컨포메이션이 유지됩니다. 회전 가능한 결합의 수가 특정 임계값(기본값 9)을 초과할 경우, 컨포메이션 수를 조절하는 값들(단편당 컨포메이션 수, 후보 수, 각 “결합” 후 유지할 컨포메이션 수)은 회전 가능한 결합의 수에 따라 결정되는 배수로 증가됩니다.

입체배열은 레나드-존스(Lennard-Jones) 6-12 비결합 포텐셜의 합을 사용하여 순위가 매겨지며(처리 속도를 높이기 위해 L-J 매개변수는 DREIDING 힘장[6] 값의 조회표에서 가져온다), 단편 간 결합과 관련된임의로정리된 이면각 페널티, 그리고 특정 1-4 상호작용을 강화하여 적도형(축형 대비) 고리 부착 구성을 촉진하는 기여도를 합산하여 순위를 매깁니다. 점차 더 큰 단편들을 결합하고 복원된 결합에 대한 여러 배향을 샘플링하는 과정은 전체 분자가 재구성될 때까지 계속됩니다. 중복 콘포머 제거는 특정 임계값보다 작은 분자(기본적으로 중원자 또는 극성 수소 원자가 32개 미만인 분자)에 대해서만 수행되는데, 이는 이 과정이 느리고 큰 분자에는 거의 영향을 미치지 않기 때문입니다.

알고리즘의 주요 단계는 코드 3QO9인 PDB 구조의 리간드를 예로 들어 그림 2와 그림 3에 설명되어 있다. 그림 2에서 볼 수 있듯이, 이 구조는 15개의 단편으로 나뉜다. “2”로 표시된 단편만이 하나 이상의 저에너지 입체배열을 가지고 있다. 알고리즘은 중첩 여부를 확인해야 하는 원자 쌍의 수를 최소화하기 위해 단편을 조립할 순서를 선정한다. 이 구조의 경우 순서는 다음과 같았습니다: 1+3, 2+15, 5+6, 9+13, 12+14, 8+(9+13), 11+(12+14), (1+3)+(2+15), 7+(8+9+13), 10+(11+12+14), 4+(7+8+9+13), (5+6)+(10+11+12+14), (4+7+8+9+13)+(1+3+2+15), (4+7+8+9+13+1+3+2+15)+(5+6+10+11+12+14). 1+3, 5+6, 12+14 등과 같은 단순한 단편을 포함하는 수많은 조립 단계가 진행되며, 그 결과 단 하나의 고유한 구조를 가진 병합된 단편이 생성된다. 조립 알고리즘의 대표적인 단계들은 그림 3에 제시되어 있다.

계산 속도와 생리활성 구조의 회복 사이에서 발생하는 상충 관계를 조절하기 위해 여러 ConfGen 매개변수를 사용할 수 있습니다. 그중 가장 중요한 두 가지는, OPLS 힘장을 사용하여 컨포머의 기하 구조를 최적화할지 여부와 프로그램이 생성할 것으로 예상되는 컨포머의 수입니다. 최소화 과정에서 사용되는 기본 유전율 10을 설정했을 때, 1을 사용할 때보다 더 우수한 생리활성 컨포머가 생성되는 것으로 나타났습니다. 실제 사례는 그림 4에 나와 있습니다. 나쁜 원자 간 접촉을 해결하는 것 외에도, 기하 구조 최적화는 일반적으로 생리활성 구조의 재현성을 소폭 향상시킵니다(표 1 참조). 그러나 최적화 과정은 최소화 없이 실행하는 것보다 약 20배 더 느립니다. 또한 최적화는 콘포머의 수를 줄이는 경향이 있는데, 이는 이러한 구조를 사용하는 후속 계산에서 처리 시간을 단축시킬 수 있습니다.

속도와 품질 간의 균형을 조절하는 또 다른 매개변수는 입력 리간드당 생성될 콘포머의 수(-n 명령줄 옵션)입니다. 이 매개변수의 값이 클수록 콘포머의 다양성이 향상되는 경우가 많습니다. 이는 그림 4에서 2QP8 PDB 항목(1.5Å 분해능)의 리간드를 통해 설명되어 있습니다. 기본 시뮬레이션 설정을 사용할 경우, 생물학적 활성 구조에 가장 가까운 콘포머의 RMSD는 1.3Å(빨간색)입니다. 최대 컨포머 수를 64(기본값)에서 256으로 늘리고 OPLS3 힘장을 사용한 기하 구조 최적화를 활성화하면 RMSD는 0.6Å(녹색)로 떨어집니다.

결론

탁월한 처리 속도와 낮은 RMSD를 가진 생리활성 구조체를 재현할 수 있는 능력을 갖춘ConfGen은리간드 기반 가상 스크리닝을 위한 구조체를 생성하는 데 이상적인 솔루션입니다. 이 도구는 Maestro  Schrödinger의 리간드 기반 신약 개발 도구들과 긴밀하게 통합되어 있으며, Phase를 통해 리간드 기반 가상 스크리닝을 위한 데이터베이스를 손쉽게 구축할 수 있는 기능을 제공합니다. 모든 Schrödinger 제품과 마찬가지로 ConfGen 역시 지속적으로 개선 및 발전하고 있으므로, 본 논문에서 설명한 업데이트는 이전 버전에 비해 상당한 진전을 보여줄 뿐만 아니라 향후 기능 향상을 위한 기반이 될 것입니다.