Publikationsserver der Universitätsbibliothek Marburg

Titel:Modellierung von Metalloenzymen: 3D-QSAR-Untersuchungen an Carboanhydrase-Isoenzymen und virtuelles Screening nach Peptiddeformylase-Inhibitoren
Autor:Hillebrecht, Alexander
Weitere Beteiligte: Klebe, Gerhard (Prof. Dr.)
Veröffentlicht:2007
URI:https://archiv.ub.uni-marburg.de/diss/z2008/0120
DOI: https://doi.org/10.17192/z2008.0120
URN: urn:nbn:de:hebis:04-z2008-01203
DDC: Chemie
Titel(trans.):Modelling Metalloenzymes: 3D-QSAR Studies on Carbonic Anhydrase Isozymes and Virtual Screening for Inhibitors of Peptide Deformylases
Publikationsdatum:2008-04-11
Lizenz:https://rightsstatements.org/vocab/InC-NC/1.0/

Dokument

Schlagwörter:
Virtuelles Screening, Arzneimitteldesign, Pharmacophore Modelling, Computational chemistry, Molekulardesign, Carboanhydrase, QSAR, QSAR, Drug Design, Virtual Screening, Peptiddeformylasen, Pharmakophormodellierung

Zusammenfassung:
In der modernen Arzneistoffentwicklung unterscheidet man die Phasen der Leitstrukturfindung und der Leitstrukturoptimierung. Die vorliegende Dissertationsschrift beinhaltet Beiträge zu beiden Bereichen. Der erste Teil der Arbeit befasst sich mit der Entwicklung und Evaluierung von Computermodellen zur Vorhersage von Affinität und Selektivität und entstammt daher dem Bereich der Leitstrukturoptimierung. Selektivitätsaspekte spielen eine wichtige Rolle, da sie das Risiko von Nebenwirkungen maßgeblich beeinflussen. Zur Modellierung und Vorhersage von Affinitäts- und Selektivitätsparametern wurden QSAR-Methoden angewendet. Das Modellsystem stellten Carboanhydrasen (CAs) dar; diese zinkhaltigen Hydrolasen katalysieren die reversible Hydratisierung von Kohlendioxid zu Bicarbonat und einem Proton. Sie sind daher in eine Vielzahl (patho)physiologischer Prozesse involviert und stellen interessante therapeutische Targets dar. Die zahlreichen Isoenzyme der CAs besitzen im Bereich der Bindetasche hohe Ähnlichkeiten in Bezug auf physikochemische Eigenschaften, so dass die Entwicklung selektiver Inhibitoren kein triviales Problem darstellt. Im Mittelpunkt der Untersuchungen standen insbesondere 3D-QSAR-Verfahren. Es wurden statistisch hochsignifikante und robuste Modelle abgeleitet, um Affinität und Selektivität von Sulfonamidinhibitoren bezüglich der Isoenzyme CA I, II und IV vorherzusagen. Es zeigte sich, dass die geringen Unterschiede im strukturbasierten Alignment unter Verwendung der drei Bindetaschen nur geringen Einfluss auf die statistischen Parameter besitzen und dass bessere Ergebnisse erzielt werden, wenn für alle Isoenzyme das auf CA II basierende Alignment benutzt wird anstelle des Alignments in der jeweiligen Bindetasche. Ursache hierfür ist wahrscheinlich die Vielzahl an Kristallstrukturen, die für CA II existieren und damit das Alignment verlässlicher machen. Die erhaltenen Isokonturkarten erlaubten eine Interpretation der Modelle im Hinblick auf die Bedeutung physikochemischer Eigenschaften für die Affinität/Selektivität. Der Vergleich zu qualitativen proteinbasierten Isokonturkarten unterstreicht den komplementären Charakter beider Methoden: Während die ligandbasierten QSAR-Verfahren implizit teilweise die Struktur der Bindetasche widerspiegeln, aber auch von den Eigenheiten des Trainingsdatensatzes abhängen, vermögen die proteinbasierten Analysen auch Informationen über Bereiche der Bindetasche zu geben, die keine Interaktionen mit Liganden des Trainingsdatensatzes ausbilden. Ein weiteres Ziel bestand darin, QSAR-Methoden für das Screening größerer Datenbanken zu verwenden. Dies erlaubt die Identifizierung besonders interessanter (d.h. affiner/selektiver) Kandidaten zur Synthese im Sinne einer Leitstrukturoptimierung. Für 3D-QSAR-Methoden musste zunächst ein Protokoll zur Automatisierung des Alignments entwickelt und validiert werden. Es zeigte sich hierbei, dass ein ligandbasiertes Alignment vergleichbare Ergebnisse zu manuellen stukturbasierten Alignmentmethoden erzielt. Die 3D-Modelle erwiesen sich als überlegen im Vergleich zu fragmentbasierten 2D-Methoden oder insbesondere zu den eigenschaftsbasierten 1D-Methoden. Als praktisches Anwendungsbeispiel der entwickelten Modelle wurde eine mehrere tausend Einträge umfassende virtuelle Ligandbibliothek aufgebaut und mit den leistungsfähigsten Modellen bewertet. Der zweite Teil der Arbeit beinhaltet ein virtuelles Screening nach neuartigen Inhibitoren der Peptiddeformylasen (PDFs) und gehört somit in den Bereich der Leitstrukturfindung. PDFs sind (meist) eisenhaltige Enzyme, die die Deformylierung von in Mitochondrien, Plastiden oder Bakterien synthetisierten Proteinen katalysieren. Ausgehend von Kristallstrukturen potenter PDF-Inhibitoren wurden 3D-Pharmakophormodelle entwickelt und validiert. Diese waren in der Lage, strukturell diverse, aus der Literatur bekannte Inhibitoren zu identifizieren (hinreichende Sensitivität) und gleichzeitig die zu durchsuchenden Datenbanken stark zu reduzieren (hinreichende Spezifität). Die Pharmakophormodelle wurden zum Screening von Datenbanken kommerziell erhältlicher Moleküle mit wirkstoffartigen Eigenschaften benutzt. Durch Docking und Scoring wurden schließlich aus etwa zwei Millionen Verbindungen elf Substanzen identifiziert und erworben, die einer biologischen Testung unterzogen werden sollen. Erste vorliegende Messergebnisse zeigen, dass mindestens zwei der Substanzen mit einem IC50-Wert von 60 nM bzw. 190 nM potente Inhibitoren der PDF1B aus E. coli sind. Dies belegt die Güte der Modelle und des angewendeten Screening-Protokolls. Inhibitoren der PDF könnten Anwendung als Herbizide, Antibiotika und Antimalaria-Therapeutika finden.

Summary:
The modern drug development process is usually divided into the phase of lead discovery and lead optimization. This thesis provides contributions to both aspects. The first part of this work deals with the establishment and validation of computer models for prediction of affinity and selectivity, thus it supports the area of lead optimization. Selectivity aspects are a major concern in drug development since they influence the risk of undesired side effects. QSAR approaches have been used for prediction of affinity and selectivity parameters using carbonic anhydrases (CAs) as model system. CAs are zinc containing hydrolases which catalyze the reversible hydration of carbon dioxide to bicarbonate and a proton. They are thus involved into various (patho)physiological processes and constitute interesting drug targets. The binding pockets of the numerous isozymes are rather similar in terms of physicochemical properties making the development of selective inhibitors quite difficult. The investigations were especially focused on 3D-QSAR models. Statistically highly significant and robust models could be established in order to predict affinity and selectivity of sulfonamide inhibitors toward CA I, II, and IV. The investigations revealed that the minor differences in the alignments in the three binding pockets produce only small differences in the statistical outcome. The best models were obtained using the CA II pocket as basis of the alignment, irrespective of the variable to be modeled. Probably the large number of X-ray structures available for CA II is responsible for this effect making the alignment more reliable. The isocontour maps obtained enable an interpretation of the models in terms of physicochemical properties important for affinity/selectivity. The comparison to qualitative protein-based contour maps underlines the complementary character of both approaches: The ligand based QSAR methods on the one hand implicitly reflect the structure of the binding site partially, on the other hand their outcome depends on the peculiarities of the training set. Protein-based approaches, however, also provide information about regions of the binding pocket which are not occupied by any of the training set ligands. Another objective was the utilization of QSAR models for database screening. This would allow one to identify the most interesting (i.e. potent/selective)compounds of a database as candidate for synthesis in the context of lead optimization. First, a protocol for automation of ligand alignment had to be developed and validated for 3D-QSAR. The ligand-based alignment procedure applied turned out to yield results comparable to the manual protein-based alignment. The 3D models performed superior to 2D fragment-based or 1D property-based models. As a practical example of application a virtual compound library composed by several thousand entries was designed and ranked using the most predictive models. The second part of the thesis covered a virtual screening for novel inhibitors of peptide deformylases (PDFs) hence being a task of lead discovery. PDFs are (mostly) ferrous ion containing enzymes cleaving off the formyl group from proteins synthesized in mitochondria, plastids, and eubacteria. 3D-Pharmacophore models have been established and validated using X-ray structures of potent PDF-inhibitors. These pharmacophores were able to identify structurally diverse inhibitors known from literature (sufficient sensitivity) and to strongly reduce the database to be screened (sufficient specificity). The pharmacophore models were used for screening databases of commercially available druglike compounds. By additional application of docking and scoring eleven out of approximately two million compounds have been identified and purchased. These molecules will be subjected to biological testing. First testing results show that at least two of the selected compounds are potent inhibitors against PDF1B from E. coli exhibiting IC50-values of 60 nM and 190 nM, respectively. This can be considered as a proof of the quality and suitability of the employed models and the screening protocol. PDF inhibitors could be used as herbicides, antibiotics, and antimalarial therapeutics.


* Das Dokument ist im Internet frei zugänglich - Hinweise zu den Nutzungsrechten