zum Directory-modus

Strukturbasiertes Wirkstoffdesign

De novo-Design

De novo-Design
Unter de novo-Design (Neuschöpfung) versteht man die Entwicklung von Wirkstoffen, die keinen direkten Bezug zu bekannten Leitstrukturen aufweisen.

Vorgehensweise

Kartierung möglicher Ligandenbindungsstellen am Target

Am Anfang eines de novo -Designs steht immer die genaue Kenntnis des Wirkorts. In den meisten Fällen sind Proteine die Targets für die Medikamentenentwicklung. Insbesondere sucht man nach Einfaltungen, Spalten (engl. clefts) oder Höhlen (engl. cavities) in der Oberfläche von Proteinen, die als Bindungstaschen für Liganden dienen könnten. Nach der Identifizierung solcher Spalten wird ihre Zusammensetzung an funktionellen Gruppen untersucht. Erfahrungsgemäß spielen vor allem Elektronen-Donor/-Akzeptor-Gruppen und damit Wasserstoff-Brücken-Donor/-Akzeptor-Gruppen, hydrophobe Domänen und Ausschlussvolumen bzw. hydrophobe Verdrängung (exclusion volume bzw. hydrophobic exclusion) eine wesentliche Rolle und definieren durch ihre räumliche Lage in der Bindungstasche den so genannten Pharmakophor. Durch die Vielzahl an Berechnungen ist das de novo-Design ein nahezu vollständig auf Computersoftware basierter Ansatz. Ein gängiges Werkzeug für das Auffinden von Bindungstaschen und die Definition des Pharmakophors ist das von Peter Goodford entwickelte GRID.

Ligandendesign

Nach der Analyse der Bindungstasche kann mit dem eigentlichen Ligandendesign begonnen werden. Dazu gibt es zwei grundlegende Ansätze:

  1. Das Einpassen kompletter Ligandenstrukturen in die Bindungstasche (docking) und
  2. der schrittweise Aufbau neuer Liganden unter Zuhilfenahme einer Simulation der Bindungstasche (das eigentliche de novo-Design).

Der entscheidende Vorteil der zweiten Methode liegt darin, dass im Falle eines Erfolgs völlig neue, bislang von keiner Datenbank erfasste Strukturen aufgefunden werden können.

Abb.1
Strategien beim de novo-Design
Abbildung angelehnt an: Böhm, H-J., Klebe, G., und H. Kubinyi (2002): Wirkstoffdesign, 2. Auflage, Spektrum Akademischer Verlag GmbH, Heidelberg.

Strategien beim de novo-Design von Liganden: Die Kenntnis der 3D-Struktur der Bindungstasche und die räumliche Anordnung der funktionellen Gruppen (im Beispiel zwei hydrophobe Gruppen: Isobutyl-Rest (Aminosäure Leucin); Phenyl-Rest (Aminosäure Phenylanalin) und jeweils ein Wasserstoff-Brücken-Donor Amin-Gruppe und -Akzeptor Carbonyl-Gruppe kann auf unterschiedliche Weise zur Konstruktion neuer Liganden benutzt werden: 1.) Einlagerung und Einpassung potenzieller Liganden (docking) oder Konstruktion neuer Liganden in der simulierten Bindungstasche, und zwar entweder aufgebaut aus Molekülfragmenten, an die angebaut wird, 2.) Aufbau, oder durch Abdecken der Bindungsstellen durch mehrere kleine Moleküle und deren anschließende Verknüpfung (3.).

Die verschiedenen Techniken zur Konstruktion neuer Liganden lassen sich in zwei Gruppen einteilen: Aufbau (building oder growing) und Verknüpfen (linking). Beim Aufbau werden die Liganden-Moleküle unter Berücksichtigung der Bindungstasche und ihrer funktionellen Gruppen aus kleinen Bestandteilen Schritt für Schritt zusammengesetzt. Die Bausteine dieses Vorgangs können entweder Atome oder Molekülfragmente sein. Die erste Software für diesen Zweck war das von G. Howe und J. Moon erstellte GROW. Werkzeuge für den Aufbau aus Atomen sind unter anderem die Software LEGEND, GanStar und GROWMOL - den Aufbau aus Fragmenten unterstützen u.a. GROW, LEAPFROG, SPROUT, PRO-LIGAND, NEWLEAD, GROUPBUILD und die kostenlose Software LigBuilder. Der Aufbau aus Einzelatomen bietet den Vorteil der optimalen Diversität, da im Prinzip alle organischen Strukturen generiert werden können. Dadurch wird diese Methode jedoch auch äußerst kompliziert, zeitaufwendig, erlaubt dabei die Konstruktion kaum zugänglicher Verbindungen und begeht Fehler beim Einbau von Ringsystemen. Die zweite Technik basiert, wie bereits erwähnt, auf dem Ligandenaufbau aus Fragmenten. Die Struktur nahezu aller organischen Stoffe lässt sich auf eine überraschend geringe Zahl (im Falle der Software "LigBuilder" sind es ca. 60 Fragmente) solcher basalen Fragmente zurückführen, wodurch das darauf basierende Design ebenfalls eine nahezu unendliche Vielfalt erreichen kann. Zunächst platziert man ein Fragment mit einer möglichst hohen Affinität zu einer der Bindungsstellen. In der Abbildung ist dies eine Hydroxid-Gruppe, die sofort eine Wasserstoff-Brückenbildung sowohl zum H-Brücken-Donor als auch -Akzeptor ausbildet. An diesen Kern lagert man nun weitere Fragmente an, wobei jeweils eine Konformationsanalyse zur Berechnung der Energie zwischengeschaltet wird. Nach und nach wird auf diese Art die Bindungstasche gefüllt und alle funktionellen Gruppen abgedeckt.

Die zweite Strategie beim de novo -Design ist das Verknüpfen (linking). Auch hier beginnt das Design mit dem Platzieren eines Fragments [engl. core (Kern) oder seed (Samen)]. Danach werden auch die übrigen funktionellen Gruppen der Bindungstasche nacheinander mit Fragmenten abgedeckt. Nachdem jedes der Fragmente durch Aufbau optimiert wurde, beginnt man, die einzelnen Bausteine miteinander zu verknüpfen, wobei die Bindungsaffinität des entstehenden Liganden maximiert wird. Dies wird solange fortgesetzt, bis alle Teile zu einem einzigen Molekül zusammengeschlossen sind.

Abb.2
De novo-Techniken

Links die als Aufbau (building oder growing) bezeichnete Strategie - rechts das Verknüpfen (linking). Die obersten Abbildungen sind für beide Techniken als Schaltflächen definiert.

Optimierungsmethoden

Die Vorgehensweisen beim de novo -Design sind äußerst komplex. Bei jedem Designschritt erhöht sich die Anzahl potenzieller Variationen und damit die Anzahl falscher Molekülstrukturen dramatisch. Obwohl die Struktur der Bindungstasche und des Pharmakophors die Lösungsmenge erheblich einschränken, ist ein systematisches Abarbeiten aller sinnvollen Variationen in vielen Fällen unmöglich. Um auch in solchen komplexen Fällen der Lösung näher zu kommen, werden so genannte genetische Algorithmen eingesetzt, die innerhalb eines sinnvollen Zeitraums ein optimales Aufbauen oder Verknüpfen ermöglichen. Ein genetischer Algorithmus ist ein adaptives mathematisches Modell, dessen Verhalten durch die Mechanismen der Evolution vorgegeben ist. Innerhalb des Modells werden Populationen von Individuen durch so genannte Chromosomen wiedergegeben, die wiederum einige Eigenschaften der natürlichen Chromosomen der Erbsubstanz besitzen. Innerhalb der Simulationen werden die Individuen einer Population einer simulierten Selektion unterworfen. Dadurch können sehr viele Individuen, wie z.B. Liganden in einer Bindungstasche, in kurzer Zeit untersucht und eine überschaubare Anzahl von Gewinnern ausgemacht werden. Genetische Algorithmen sind ein Einsatzgebiet des evolutionären Maschinenrechnens. Ausführliche Informationen finden Sie im Hitch-Hiker's Guide to Evolutionary Computation.

Seite 3 von 5