Frog2：高效的小分子化合物三维构象集成生成器

摘要

简介

处理药物样小分子的三维结构对于一些计算方法（如电子筛选）至关重要(1,2)，基于配体(3–5)或基于受体结构(6–9)在实验筛选之前使用，或用于补充实验筛选，以进行命中识别、铅优化或化学生物学目的。此外，对于某些方法，如刚性配体对接或基于3D配体的筛选，需要多构象集成。化合物通常由化学品供应商以1D SMILES（简化的分子输入行输入系统）、1D cansmiles（规范SMILES）的形式分发(10)或在2D SDF中(11)（结构数据文件）格式。为小型化合物生成精确的3D结构是一项复杂的任务(12). 使用基于规则或基于数据的方法的不同技术，在预先生成的碎片或随机过程上构建链接区域，直到量子力学方法(12,13)已开发。为了比较现有的方法并分析实验观察到的小分子构象，已经进行了许多研究(14,15). 他们发现，为了对构象空间进行满意的采样，需要优化的最重要参数是相对于全局最小值和均方根偏差（RSMD）值的能量窗。一些成熟的商业软件包，如Corina（Corina Molecular Networks，GmbH Computerchemie Langemarckplatz 1，Erlangen，Germany，2000）、Omega、Catalyst(14)或MED-3DMC(16)生成小分子的多重系综构象。此外，一些公用设施，如锌(17)、FAF-药物(18)或pubChem(18)利用商业软件提出3D中预先生成的化合物集合。然而，很少有免费工具可用于生成单个或多个构象。例如，气球(13)使用多目标遗传算法方法和Multiconf-DOCKhttp://dock.compbio.ucsf.edu/Contributed_Code/index.htm(20)使用系统搜索是免费的。开源程序DG-AMMOS(21)最近报道了基于距离几何方法和分子力学优化的研究。独立软件包的一个实用替代方案，尤其是对于非高级用户来说，是可以提供直接从1D/2D到3D设施的web服务，例如OpenEye的Omega、Molsoft、Corina和哥伦比亚广播公司（CBS）等一些学术网站。然而，此类服务通常一次只处理一个分子。三年前，我们开发并报告了网络服务Frog(22) (http://bioserv.rpbs.univ-paris-didero.fr/Frog.html)提供了类药物化合物的3D构象的单个或集合的在线生成。Frog是一种基于Frowns（化学信息学工具包，可在http://browsks.sourceforge.net/)已经向其添加了若干功能以允许从SMILES或SDF数据输入开始生成3D结构。

在此，我们描述了一种新版本的Frog，即Frog2，它能够（i）从1D/2D或3D输入结构开始生成单个或多个低能到中等能量的3D构象，（ii）完全或部分消除化合物立体化学的歧义，包括具有用户定义的最大生成构象数目的手性位点，以及（iii）使用AMMOS最小化生成的构象的能量(18)如果用户需要。与Frog1相比，Frog2实现了以下重要改进：（i）使用DG-AMMOS生成Frog1片段数据库中不可用的化合物环(17); （ii）显著改善了生成的一致性系综的多样性，以及（iii）显著提高了计算速度。此外，还提供了一些辅助工具，例如使用OpenBabel进行格式转换(23)或通过AMMOS实现3D构象的能量最小化(24). 在正在开发的多重确认生成过程中，Frog2仍然不允许环的灵活性。

在本研究中，除了描述网络服务Frog2之外，我们还验证了Astex数据集中化合物的Frog2(25). Frog2、Frog1和商业包装Omega的比较(http://www.eyesopen.com（英文）)显示了青蛙2的说服力。

方法

概念

有关Frog2服务的概述，请参见图1。Frog2的新模块和优化模块显示在灰白色框中。总的来说，青蛙内部3D生成是基于化合物的图形分解(22)再加上对手性未知的立体中心的识别。一旦确定了这些位置，就生成了明确异构体的组合，其中所有已确定立体中心的手性都是完全指定的，但随机截断到最多八个手性中心以生成3D。对于其中的每一个，都会生成一个开始的3D构象。在此生成过程中，Frog2利用DG-AMMOS动态生成缺失的环，并将其添加到环库中，从而避开了Frog1的主要限制。青蛙没有明确地管理质子化。相反，它依赖OpenBabel(23)生成标准质子化状态的氢坐标。

在单独的窗口中打开

图1。

青蛙2的流程图。

Frog2的另一个主要改进来自构象集成生成引擎的优化。然而，与Frog1一样，环保持刚性，只考虑二面体变化。Frog2引擎嵌入了一个改进的两阶段蒙特卡罗程序。第一阶段基于有限数量的代表性二面角值（取决于原子类型）探索构象灵活性。此Monte-Carlo步骤包括一个避免构象冗余的过程：禁止与之前访问的二面体值组合对应的新构象。此外，还介绍了根据二面体值相对于化合物中心的位置，对二面体数值的探索产生偏差的可能性。因此，台阶影响特定二面体的概率并不均匀，而是取决于每侧侧翼原子的数量，使用以下权重：，其中（分别为。)是正在旋转的键左侧（相对右侧）的原子数，是原子总数，因此与每侧原子数平衡的二面体相比，位于末端位置的二面体具有较小的重量。第二阶段蒙特卡罗统一考虑第一阶段构象中的小旋转，以便对其进行细化。为了精简组合探索，默认情况下，第二阶段仅对足够高能量的构象有效。

这个描述的构象集成生成引擎由一个标准的划分层次聚类进行补充，该聚类使用的方法在本质上类似于用于指纹的方法(26). 这种方法保证了一个类中的所有构象都低于固定的RMSD阈值，并且所选构象之间的RMSD始终高于该阈值。

最后，为了加快计算速度，构象的秩基于Frog2的内部分数，仅考虑范德瓦尔斯相互作用，这可能不足以防止组装过程中的一些几何畸变。为了克服这一限制，可以使用AMMOS中实现的AMMP力场来最小化构象(24).

结果

我们首先评估了Frog2在生成的多信息集成中发现与生物活性构象相似构象的性能。图2显示了生成Astex数据集的多信息集合的结果(25)使用Frog2、Frog1和Omega 2含有85种不同的类药物分子(http://www.eyesopen.com（英文）)]. 相同的输入参数用于运行Frog2、Frog1和Omega，即：多达50个构象，RMSD阈值为0.8.o。为了能够与Frog1进行比较，激活了Frog2消歧选项。从中可以看出图2a、 使用这些输入参数，对立体异构体进行消歧，并允许第二阶段Monte-Carlo，对于大多数Astex分子，Frog2的构象比Frog1更接近生物活性构象。平均而言，青蛙2生物活性物质的最接近构象为¦RMSD值，而Frog1显示的平均RMSD为Å. 有趣的是，即使没有采用第二阶段蒙特卡罗法，平均RMSD为分别为。在使用Frog2和Omega时，在Astex数据集上生成了最多50个符合物，与Omega相比，其表现稍好，平均值为（Wilcoxon符号秩检验无显著差异）。对于每个分子最多50个构象，Omega和Frog2在RMSD内发现了构象，85种化合物中的82种和79种化合物的生物活性构象分别为1.5Å。考虑到聚类相似构象所需的RMSD设置为0.8º，这可以被视为可接受的精确度。最后，图2c说明了将最大构象数增加到100的影响。有人注意到一个微小但有效的改进。平均而言，Frog2在奥·RMSD。示例显示了Frog2和Omega在Astex数据集的两个分子生成50个构象时实现的构象多样性图3根据计算的RMSD值和视觉分析，可以得出结论，Frog2和Omega都能很好地探索构象空间，并且能够生成接近生物活性构象的构象。此外，用户可以通过Frog2将生成的构象能量最小化，或在3D中最小化自己的化合物库。我们对最小化对Frog2生成的Astex构象的影响的评估表明，通过发现生物活性构象，并没有显著改善。平均而言，生物活性构象的RMSD为？，即与Frog2获得的结果相似，但没有最终最小化阶段。此外，我们在从PDBbind数据库中提取的更大的化合物集合上验证了Frog2的性能(27). 我们提取了所有PDBbind配体，X射线分辨率高于2º。保留了含有多达15个可旋转键的化合物，不包括大的桥联环（超过30个原子，请参阅上面关于Frog2限制的讨论）。最后，对962种化合物进行了处理。根据可旋转键的数量，得到的测试化合物的分布在补充数据。最佳生成结构和实验结构之间的RMSD结果也在补充数据。最多生成50个构象的构象系综，实现第二阶段蒙特卡罗，且不应用最小化。正如可以预期的那样，性能（就RMSD而言）随着分子柔韧性的增加而降低。实验构象的RMSD中位数低于1º，最多7个可旋转键，而Frog2结果仍然可以接受，最多15个可旋转的键。

在单独的窗口中打开

图2。

最佳拟合构象和X射线构象结构之间的RMSD由以下因素产生：(一)多达50个构象系列的Frog1与Frog2；(b条)Frog2与Omega对多达50种构象的系列进行比较。PDB代码表示（i）相对性能最差的化合物，即偏离对角线最多的化合物（1y6b，1xoz）和（ii）青蛙和欧米茄表现最好的化合物（1 gpk，1 u4d，1sqn）；和(c（c）)Frog2用于最多50个构象的序列，而Frog2则用于最多100个构象序列。

在单独的窗口中打开

图3。

Frog2（全原子色，碳为黄色）和Omega（全原子颜色，碳为浅粉色：(一)PDB代码1jla；和(b条)PDB代码1meh。还显示了共结晶配体的实验结构（所有原子颜色，碳为洋红）。

最后，我们评估了青蛙2相对于青蛙1的速度增益。在配有2 GHZ intel Xeon处理器的计算机上，Omega在6分钟内为所有Astex集合生成构象。使用Frog2生成需要11分钟。使用可比较的参数，Frog1在103分钟内生成相同的集合。此外，如果运行Frog2而不使用两个Monte Carlo阶段，计算时间可以减少到5分钟。总之，在严格可比的条件下，Frog2比Frog1产生更好的构象质量和多样性，并且比Frog1快9倍。在构象多样性方面，如果采用无两阶段蒙特卡罗的更快方法，则Frog2仍优于Frog1，并且速度快20倍。这种在不影响生成构象质量的情况下执行时间的显著减少证明了在Frog2中实现的优化的影响。我们应该注意到，激活最小化选项会导致计算时间显著增加。在Astex集合中，使用消歧选项和第二阶段蒙特卡罗，计算时间从11分钟增加到207分钟，即慢了近20倍。然而，对于检测到结构不精确的一些生成的结构，或者对于少量化合物，可能需要最小化能量。

讨论和未来方向

青蛙2开发的主要目标是克服青蛙1的几个局限性，提高整体质量和速度性能。在这些问题上，戒指是一个核心问题。实际上，由于Frog2利用DG-AMMOS动态生成丢失的环，因此Frog2对环库的依赖性就不那么重要了。此外，Frog2解决了与现在通过OpenBabel标准生成的环质子化有关的Frog1问题。因此，Frog2生成构象物的失败率很低。从ChemBrdge潜水员的约40万cmps中随机选择使用超过10000种化合物(http://www.chembridge.com网站/)，Frog2仅未能为<2%的化合物生成构象。从对Astex集合的测试中可以看出，Frog2达到了良好的结构质量。

第二个重点是构象多样性。Frog2的发展使其能够更好地控制构象集合生成中的多样性，并且Frog2达到了广泛的构象多样性。预计会有进一步的改进。特别是，正在研究如何更好地考虑对称性。

最后一个焦点与所需的计算时间有关。事实上，在虚拟筛选实验中，可以考虑数百万种化合物，生成库的时间可能会成为一个问题。可以假设，一旦以3D生成，化学化合物集合就可以在不同项目中进行电子筛选，然而，为了提高发现程序的效率，需要越来越多的目标库或配体库。在这方面，Frog2带来了显著的改进，因为它能够以比Frog1快20倍的速度生成令人满意的质量构象。我们应该注意到，根据项目目的和待处理化合物的数量，可以在速度和构象多样性之间实现平衡。停用服务器上运行的第二阶段Monte Carlo将导致更快的生成，但会降低构象多样性。因此，对于需要最佳探索构象空间的应用，建议保持该阶段活跃。最后，Frog2利用AMMOS提供了最小化构象的可能性，这种构象在某些特定情况下非常有用，即使使用它也会大大增加计算成本。

青蛙2中仍然存在一些限制。第一个与环刚度有关，在某些情况下，环刚度会影响构象的质量或多样性。特别是，灵活性影响构象搜索的化合物（包括大型桥接环）目前不在Frog的研究范围内。此外，环库策略的一个副作用是，Frog2目前无法正确处理某些涉及环中立体中心的立体异构情况。最后，由于Frog2在单个原子级别从头构建链接器，即不组合预生成的片段，因此目前可以观察到一些特定组生成中的一些错误。现在的工作重点是为这些群体执行具体规则。此外，一些环灵活性的实现正在开发中。

尽管存在较小的电流限制，但青蛙2的评估显示了令人信服的性能。Frog2的使用可以帮助进行各种各样的电子研究，从基于配体或基于结构的虚拟筛选，到领导化合物优化等。因此，Frog2服务器提供了一个非常有价值的工具，可以为社区提供高效的功能，以满足极为竞争激烈的计算时间。

补充数据

补充数据可从NAR Online获取。

基金

开放存取费用资金：INSERM UMR-S 973经常性资金。

利益冲突声明。未声明。

致谢

参考文献