高通量篩選（HTS）和虛擬配體篩選（VLS）的標準庫歷來(lái)被限制在不到1000萬(wàn)個(gè)可用化合物，與潛在的1060個(gè)類(lèi)藥物化合物的巨大化學(xué)空間相比，這只是一小部分。標準HTS和VLS的這種局限性減慢了藥物發(fā)現的速度。

后來(lái)，包含數十億化合物的虛擬庫被開(kāi)發(fā)出來(lái)。但隨著(zhù)虛擬庫的規模增加到數十億，篩選庫中所包含的分子在計算上變得不切實(shí)際，而且成本過(guò)高。比如，使用1個(gè)CPU篩選100億個(gè)化合物可能需要3000年以上（以每個(gè)化合物10秒的標準速率對接）。

因此，需要更有效的方法來(lái)搜索大規模的化合物庫。

2021年12月15日，美國南加州大學(xué)、東北大學(xué)和北卡羅來(lái)納大學(xué)教堂山分校的研究團隊合作，在Nature發(fā)表了題為：Synthon-based ligand discovery in virtual libraries of over 11 billion compounds的研究論文。

該研究開(kāi)發(fā)了一種從包含110億種化合物的虛擬庫中識別潛在藥物分子的創(chuàng )新方法，并以3個(gè)目標蛋白的抑制劑篩選為例，展示了該方法的性能。

用于巨大化學(xué)庫的虛擬篩選方法

研究團隊開(kāi)發(fā)了一種被稱(chēng)為V-SYNTHES的方法（virtual synthon hierarchical enumeration screening，虛擬合成子分級枚舉篩選），大大減少了在這些庫中搜索潛在hits時(shí)需要評估的分子數量，使用的計算資源是標準方法的百分之一。

該方法可輕松擴展以適應組合庫的快速增長(cháng)，并且可能適用于任何對接算法。

V-SYNTHES的工作流程和結果

圖1一種處理巨大化學(xué)庫的虛擬藥物篩選方法

該方法的流程如下

1.首先建立一個(gè)小型的虛擬庫。從110億個(gè)分子庫中選擇了大約60萬(wàn)個(gè)片段，這些片段代表整個(gè)虛擬庫中存在的所有不同的骨架。稱(chēng)之為最小列舉庫（minimal enumeration library,MEL）。

2.將MEL庫中的片段與3個(gè)目標蛋白對接，計算這些片段與每個(gè)蛋白的結合親和力。

3.選擇對接分數最高的1,000-10,000個(gè)片段，并向它們添加了合成子（synthons，分子的小片段），創(chuàng )建了一個(gè)約有100萬(wàn)個(gè)分子的新庫。

通過(guò)重復對接和添加合成子的步驟，篩選幾百萬(wàn)個(gè)化合物來(lái)確定hits。隨著(zhù)每一次迭代，每個(gè)化合物的大小都會(huì )隨著(zhù)分子變得更加完整而增加。

4.幾千個(gè)排名靠前的VLS化合物經(jīng)過(guò)PAINS、物理化學(xué)性質(zhì)、藥物相似性、新穎性和化學(xué)多樣性的后處理過(guò)濾，最終選擇有限的化合物集（通常是50-100個(gè)）進(jìn)行合成和實(shí)驗測試。

作者發(fā)現，在V-SYNTHES預測的與這些受體結合并在低化合物濃度下抑制其活性的前60個(gè)化合物中，約有三分之一確實(shí)在體外顯示了這種效應。這個(gè)"hit獲得率"大約是作者使用的標準方法的兩倍，而V-SYNTHES需要的計算資源比這些方法少100倍。

作者隨后在一種叫做ROCK1的激酶上測試了V-SYNTHES，并報告了28.5%的hit獲得率。在被選中進(jìn)行合成和體外測試的21個(gè)最有希望的化合物中，有6個(gè)可以與ROCK1酶結合，并在化合物濃度低于10微摩爾時(shí)對其進(jìn)行抑制。這些化合物可以成為藥物發(fā)現計劃中進(jìn)一步優(yōu)化的合適線(xiàn)索。

V-SYNTHES的價(jià)值和意義

V-SYNTHES代表了藥物發(fā)現初始階段的兩種主要方法（基于結構的藥物設計和基于片段的藥物設計）的結合。在基于結構的設計中，分子的結構特征及其與靶點(diǎn)的相互作用被用來(lái)指導設計過(guò)程。在基于片段的藥物設計中，分子基團被添加到最初因其潛在活性而被確定為有前途的片段中。

這篇論文為從現在可用的大型化合物庫中識別生物活性分子鋪平了道路，使用的計算資源和時(shí)間僅為標準虛擬篩選方法的一小部分，而且成功率更高。最重要的是，該方法的計算成本隨著(zhù)使用的合成子的數量而增加，而不是隨著(zhù)初始的主要庫的大小而增加。因此，隨著(zhù)現成的化合物庫及其組合的不斷增加，該方法將繼續具有計算上的可行性。

雖然該方法使用ICM-Pro對接并應用于Enamine REAL Space庫，但基于迭代合成子的篩選算法可以在任何可靠的基于對接的篩選平臺上實(shí)現，并在任何可以表示為骨架和合成子組合的超大型庫中使用。在操作過(guò)程中可能需要對算法的某些參數進(jìn)行自定義調整以獲得最佳性能，從而為進(jìn)一步探索該方法開(kāi)辟了許多途徑。

V-SYNTHES的擴展性意味著(zhù)用戶(hù)將能夠在特別大的虛擬化合物庫中搜索并找到具有生物活性的分子。該方法不能保證找到最好的hits，但這可能并不重要，因為次優(yōu)的hits往往為藥物開(kāi)發(fā)過(guò)程提供了良好的起點(diǎn)。

不過(guò)從長(cháng)遠來(lái)看，虛擬篩選的更大問(wèn)題是，無(wú)論該方法如何快速，其結果都取決于對接步驟的準確性。如同所有的虛擬篩選方法一樣，V-SYNTHES識別良好hits的能力取決于對接分數的準確性，需要有真正可靠的對接分數被開(kāi)發(fā)出來(lái)。