Shape-기반 선별 검사

Shape리간드의 정렬 및 점수 산정을 위한 형태 기반(shape-based) 방법은 컴퓨터 지원 구조-활성 관계 연구( 약물 설계) 분야에서 그 유용성이^{입증되었습니다.¹,²}당사의 ‘ Shape ’ 스크리닝 도구는 강력한 형태 기반 유연 리간드 중첩 및 가상 스크리닝 방법으로, 정확한 3D 리간드 정렬을 신속하게 생성하고 가상 스크리닝 과정에서 활성 물질을 효율적으로 선별해 냅니다. 아래에서는 원자 분포 삼중항(atom distribution triplets) 원리에 기반하여 시험 정렬을 신속하게 정의한 후, 부피 중첩을 극대화하기 위해 최상위 정렬을 정제하는 방법론을 설명한다. 이 방법은 형상 전용 모드로 실행할 수도 있고, 원자 유형이나 약리활성 기저 구조(pharmacophore) 특징 인코딩을 포함할 수도 있으며, 후자의 경우 데이터베이스 스크리닝에서 일관되게 최상의 결과를 산출한다. 본 연구에서는 문헌에 보고된 공통의 활성 물질 및 미끼 물질 세트를 사용하여, ROCS를 비롯한 다른 형상 기반 방법들과 비교했을 때 ‘ Shape ’ 스크리닝이 데이터베이스 스크리닝 계산에서 우수한 성능을 보임을 입증한다. ‘ Shape ’ 스크리닝을 개발할 때 다음 세 가지 핵심 고려 사항이 강조되었다:

1. 구조물을 처리할 수 있는 속도
2. 중첩의 질
3. 데이터베이스 내에서 미끼 물질과 구별하여 활성 물질을 선별적으로 식별하는 능력

 

Shape 유사성 모델

형상 유사성의 기본 개념은그림 1에 설명되어 있다. 두 구조A와B가 중첩되어 있을 때,두 구조가공유하거나 공동으로 차지하는 부피_VA∩B를전체 부피_VA∪B로정규화하여 0에서 1 사이의 값을 갖는 형상 유사도_SimAB를구한다:

_SimAB=_VA∩B/_VA∪B

형상 선별의 기본적인 목표는_SimAB를 최대화하는A와 B의정렬을 결정하는 것이다. 이 작업의 복잡성은 형상의 수학적 표현 방식과 부피 계산 방식에 따라 달라진다.

Shape 스크리닝은 구조를 단단한 원자 반데르발스 구체의 집합으로 표현하며, 각 중원자와 극성 수소마다 하나의 구체를 할당합니다. 구조A와B간의 중첩도(_OAB)는 원자 쌍별 중첩도의 합으로 계산되며, 가장 큰 자기 중첩도로 정규화하여 다음과 같은 형상 유사도 측정값을 얻습니다:

_SimAB=_OAB/_max(_OAA,_OBB)

이는 이전의 정의와 달리, 대체 정규화 방식을 채택하고, 엄밀하게 계산된 부피 대신 세 개 이상의 원자 간 교차 효과를 무시하는 중첩 값을 사용한다는 점에서 차이가 있습니다. 고차 중첩을 무시하면 실제 부피가 과대평가되지만,그림 2에서 볼 수 있듯이 동일한 방식으로 계산된 가장 큰 자기 중첩을 기준으로 정규화하면 오류가 상쇄되는 경향이 있습니다. 이러한 근사법을 사용하면 가우시안 기반^{방법³,⁴에}비해 형상 유사도 계산을 매우 빠르게 수행할 수 있으며^,경질 구체를 사용함으로써 반 데르 발스 반지름의 합보다 멀리 떨어져 있는 원자 쌍 간의 중첩을 고려할 필요가 없습니다.

중첩을 계산할 때, ‘ Shape ’ 스크리닝은 모든 원자를 동등하게 취급하는, 이른바 ‘순수 형상(pure shape)’ 접근법을 사용할 수도 있고, 원자의 유형에 따라 구분하여 동일한 유형의 원자 간 중첩만을 고려할 수도 있습니다. 후자의 경우, ‘ Shape ’ 스크리닝은 ‘ Phase ’ QSAR 원자 유형,^⁵원소, 그리고 ‘MacroModel’ 원자 유형에 따라 구분하는, 점차 더 구체적인 방식을 제공합니다.

원자 기반 접근법의 대안으로서, ‘ Shape Screening’은 구조를 수소 결합 수용체 및 공여체의 위치, 소수성 영역, 양이온 및 음이온 생성 기능, 그리고 방향족 고리를 인코딩하는 일련의 약리활성 부위 집합으로 표현할 수 있습니다. 이 접근법은 특정 표적과의 결합에 필요하다고 가정되는 부위뿐만 아니라, 주어진 구조 내의 모든 부위가 형상에 인코딩되므로 특정 약리포어 모델을 전제하지 않습니다. 약리포어 부위는 Phase 의 특징^정의⁵를사용하여 구조에 매핑되며^,각 부위는 2 Ǻ 크기의 경질 구체로 표현됩니다.그림 3은지원되는 다양한 형상 모델을 보여줍니다.

원자 기반 접근법이든 약리기 기반 접근법이든, ‘ Shape ’ 스크리닝은 구조A와 B에서 유사한 기하학적 구조와 국소 환경을 가진 수많은 3원자 쌍을 식별하고, 각 3원자 쌍에 대한 최소제곱 정렬을 기반으로 두 구조를 중첩시킵니다(그림 4). 그런 다음, 삼중항 기반 정렬에서 서로 0.5 Ǻ 이내에 위치한 추가 원자/위치 쌍을 기준으로 재정렬하여, 형상 유사성이 가장 높은 중첩 결과를 정밀화합니다.

 

각 구조 쌍에 대해, 결국 수백 개의 정렬 결과가 1초의 극히 일부만에 검토될 수 있습니다. 이는 최적화된 삼중정렬 알고리즘, 초고속 경질구 중첩 계산, 그리고 전체 중첩 영역의 일부만 계산한 후 정확도가 낮은 중첩을 배제할 수 있게 해주는 형상 유사도 추정 기술 덕분에 가능합니다. 이러한 시간 절약 조치 덕분에 ‘ Shape ’ 스크리닝은 2 GHz 프로세서에서 초당 약 600개의 컨포머 속도로 다중 컨포머 Phase 데이터베이스를 스크리닝할 수 있습니다. ‘ Shape ’ 스크리닝 계산은 매우 쉽게 병렬화할 수 있으며, 스크리닝 작업을 여러 프로세서에 분산함으로써 원하는 수준의 속도 향상을 달성할 수 있습니다.

 

Shape 지원서 심사

그림 5는원소 원자 유형을 사용하여 ‘ Shape ’ 스크리닝을 통해 얻을 수 있는 오버레이의 품질을 보여줍니다. 여기서는 CDK2 X선 리간드 구조인 2G9X를 고정 템플릿으로 사용하여, 다른 9개의 CDK2 리간드를 이에 정렬시켰습니다. 결과는 점수가 가장 높은 X선-템플릿 정렬과 점수가 가장 높은 콘포머-템플릿 정렬에 대해 보고되었으며, 여기서 구조적 앙상블은 MacroModel과 ‘ Shape ’ 스크리닝의 온더플라이(on-the-fly) ConfGen 샘플링을 모두 사용하여 생성되었습니다. 모든 경우에서 ‘ Shape ’ 스크리닝은 낮은 평균 RMSD 값을 가진 다중 리간드 정렬과 공통 구조 요소의 명확한 중첩을 산출합니다.

 

Shape 는 직관적이고 고품질의 오버레이를 생성할 뿐만 아니라 스크리닝은 약물 유사 데코이 데이터베이스 내에서 알려진 활성 물질을 선택적으로 식별하는 데 상당히 효과적인 것으로 입증되었다.⁶표 1은McGaughey^등7이기술한 프로토콜에 따라 수행된 ‘ Shape ’ 스크리닝 가상 스크리닝 실험 결과를 요약한 것이다^{. 간략히 설명하자면}, 11가지 다양한 표적에 대한 다중 컨포머 활성 물질을 25,000개의 MDDR 데코이로 구성된 다중 컨포머 데이터베이스 내에 시드(seed)로 투입했다. 각 표적에 대한 단일 활성 물질을 형태 기반 스크리닝을 위한 고정 템플릿으로 사용했으며, 데이터베이스 내 구조들은 해당 템플릿과의 유사도가 높은 순서대로 정렬되었다.

스크리닝된 데이터베이스 상위 1%의 평균 농축 계수에서 알 수 있듯이, 더 구체적인 원자 유형 분류 체계를 사용할수록 결과는 일관되게 개선됩니다. 동일한 데이터에 대해 2차원 지문 스크리닝을 수행했을 때도 유사한 경향이 관찰되었으므로,^⁸원자 유형의 특이성과 농축도 간의 관계는 놀라운 일이 아닙니다. 이러한 추세는 고무적이지만, 대부분의 표적에 대한 개선은 점진적인 수준에 그치며, 점점 더 정교한 원자 유형 분류 체계를 고안한다고 해서 성능 면에서 진정한 돌파구를 마련할 가능성은 낮습니다. 이러한 성능 개선의 한계점은 원자 기반의 형상 모델이 약리활성 기저 구조 표현으로 대체될 때 비로소 극복된다. 이를 통해 11개 표적 중 8개에서 농축도가 향상되었으며, 그중 4건에서는 2배 이상의 증가를 보였고, 평균적으로 MacroModel 원자 유형에 비해 66%의 개선 효과를 나타냈다.

 

목표	EF(1%)
	순수한 Shape	QSAR	요소	MMod	Schrödinger Shape 상영
CA	10.0	25.0	27.5	32.5	32.5
CDK2	16.9	20.8	20.8	23.4	19.5
COX2	21.4	19.1	16.7	19.5	21.0
DHFR	7.7	3.9	11.5	23.1	80.8
응급실	9.5	17.6	17.6	13.5	28.4
HIV-PR	13.2	17.7	19.1	14.0	16.9
HIV-RT	2.7	2.0	4.7	4.7	2.0
뉴라미니다제	16.7	16.7	16.7	16.7	25.0
PTP1B	12.5	12.5	12.5	12.5	50.0
트롬빈	1.5	4.0	4.5	8.5	28.0
TS	19.4	32.3	35.5	51.7	61.3
평균	11.9	15.6	17.0	20.0	33.2
중위수	12.5	17.6	16.7	16.7	28.0

표 1:다양한 Shape 에 대해 1% 수준에서 선별된 농축 계수. McGaughey 등^⁷이 기술한 프로토콜에 따라 수행된 선별 방법. 왼쪽에서 오른쪽으로 갈수록 특이도가 높아지는 원자 분류 체계가 표시되어 있다.

 

약리모티프 기반 접근법은 맥고히(McGaughey) 데이터 세트에 적용된 다른 3D 가상 스크리닝 방법들과 비교해도 매우 우수한 경쟁력을 보인다.표 2는 Shape 스크리닝을 통한 약리모티프 기반 농축도를 ROCS-color 기법을 사용하여 얻은 결과와 비교한 것이다.⁹ 및 머크(Merck)에서 개발된 SQW 중첩법을 사용하여 얻은 결과와 비교하고 있다.^7,10 Shape 이 스크리닝은 평균 및 중앙값 농축도 측면에서 이 두 방법을 30~40% 앞지르며, 11건 중 8건에서 각각의 방법과 직접 비교 시 더 우수한 성과를 보였다. 2007년 맥고히(McGaughey) 논문이 발표된 이후, ROCS-컬러는 많은 이들에게 형태 기반 스크리닝의 골드 스탠다드로 여겨져 왔기 때문에, 이러한 최신 결과는 특히 중요한 의미를 지닌다.

목표	EF(1%)
	Schrödinger Shape 상영	SQW	ROCS-Color
CA	32.5	6.3	31.4
CDK2	19.5	9.1	18.2
COX2	21.0	11.3	25.4
DHFR	80.8	46.3	38.6
응급실	28,4	23.0	21.7
HIV-PR	16.9	5.9	12.5
HIV-RT	2.0	5.4	2.0
뉴라미니다제	25.0	25.1	92.0
PTP1B	50.0	50.2	12.5
트롬빈	28.0	27.1	21.1
TS	61.3	48.5	6.5
평균	33.2	23.5	25.6
중위수	28.0	23.0	21.1

표 2:‘ Shape ’ 스크리닝 약리활성기 기반 접근법과 다른 3D 가상 스크리닝 방법 간의 비교.

 

Shape 스크리닝의 다른 다목적 기능으로는, 현장에서 포즈를 평가하는 기능, SMARTS 매칭을 통해 특정 원자의 정렬을 강제하는 기능, 단일 실행으로 여러 형상 쿼리에 대한 유사도를 계산하는 기능, 내장된 형상의 식별을 용이하게 하는 대체 유사도 정규화 방식을 적용하는 기능, 그리고 배제 부피를 사용하여 일치 항목을 필터링하는 기능 등이 있습니다. 또한 Shape 스크리닝 기술은 빠른 다중 리간드 중첩 방법을 개발하는 데에도 활용되었으며, 이 방법에서는 템플릿과 이에 정렬되는 구조들이 모두 유연하게 처리되고, 모든 리간드에 대해 전반적으로 가장 우수한 정렬 결과를 제공하는 템플릿 콘포머가 활용됩니다.

 

참고 문헌

1. Kirchmair, J.; Distinto, S.; Markt, P.; Schuster, D.; Spitzer, G. M.; Liedl, K. R.; Wolber, G., ‘ Shape 를 기반으로 한 가상 스크리닝 최적화 방법: 적절한 쿼리 선택 및 화학적 정보 반영’. J. Chem. Inf. Model. 2009, 49, 678-692.
2. Putta, S.; Beroza, P. 사물의 형태: 신약 개발에서 분자 Shape 의 컴퓨터 모델링. Curr. Top. Med. Chem. 2007, 7, 1514-1524.
3. Grant, J.; Pickup, B. A. 분자의 가우시안 묘사 Shape. J. Phys. Chem. 1995, 99, 3503-3510.
4. Rush, T. S., III; Grant, J. A.; Mosyak, L.; Nicholls, A. A Shape 를 기반으로 한 3차원 스캐폴드 호핑 방법 및 박테리아 단백질-단백질 상호작용에의 적용. J. Med. Chem. 2005, 48, 1489-1495.
5. Dixon, S.; Smondyrev, A.; Knoll, E.; Rao, S.; Shaw, D.; Friesner, R., PHASE: 약리기 인식, 3D QSAR 모델 개발 및 3D 데이터베이스 스크리닝을 위한 새로운 엔진: 1. 방법론 및 예비 결과. J. Comput.-Aided Mol. Des. 2006, 20, 647-671.
6. Sastry, M.; Dixon, S. L.; Sherman, W. 원자/특성 쌍의 유사성과 부피를 기반으로 한 Rapid Shape 를 이용한 리간드 정렬 및 가상 스크리닝 방법. J. Chem. Inf. Model. 2011, 51(10), 2455-2466.
7. McGaughey, G. B.; Sheridan, R. P.; Bayly, C. I.; Culberson, J. C.; Kreatsoulas, C.; Lindsley, S.; Maiorov, V.; Truchon, J.-F.; Cornell, W. D., “가상 스크리닝에서 위상학적 방법, Shape 및 도킹 방법의 비교.” J. Chem. Inf. Model. 2007, 47, 1504-1519.
8. Sastry, M.; Lowrie, J. F.; Dixon, S. L.; Sherman, W. 가상 스크리닝의 선별 효율 향상을 위한 2차원 지문 분석 방법 및 매개변수에 대한 대규모 체계적 분석. J. Chem. Inf. Model. 2010, 50, 771-784.
9. Hawkins, P. C. D. 가상 스크리닝을 위한 구조 기반 도구와 Shape 기반 도구의 비교. 논문 초록집, 제231회 ACS 전국 학술대회, 미국 조지아주 애틀랜타, 2006년 3월 26일~30일.
10. Miller, M. D.; Sheridan, R. P.; Kearsley, S. L. SQ: 약리활성 관련 분자 중첩을 신속하게 생성하는 프로그램. J. Med. Chem. 1999, 42, 1505-1514.