Vorlesung 11: CADD 3 (Computer Aided Drud Design)

Question 1

(L)ADME(T)

Wofür steht diese Abkürzung?

Answer 1

• Liberation (Freisetzung)
• Absorption
• Distribution (Verteilung)
• Metabolismus
• Exkretion
• Toxizität

Question 2

Was kann man durch ADME Vorhersagen? Welche Eigenschfaten eines Arzneistoffs leiten sich daraus ab?

Answer 2

• Verteilungsvolumen + Clearance>Halbwertszeit (wie oft dosieren)
• Clearance + Absorption> orale Bioverfügbarkeit (wieviel dosieren)

Question 3

Übersicht ADME

Answer 3

Question 4

Absorption

Welche Arten gibt?

Answer 4

passive Diffusion

• transzellulär:durch die Zelle
• parazellulär:zwischen den Zellen

aktive Diffusion

• Transporterproteine
• Effluxpumpen

endocytotische Aufnahmen

Question 5

passive Diffusion

Welche Eigenschaften muss ein Molekül haben um die Membran passieren zu können?

Answer 5

• Stark abhängig von Lipophilie,
• Größe
• H-Donor/Akzeptor-Eigenschaften
• Selten: aktiver Transport, zb Zucker

Question 6

Metabolismus

Was ist der first-pass-effect?

Answer 6

Umwandlung eines Arzneistoffs in der ersten Leberpassage

>Reduzierung der Drug-Konzentration bevor Eintritt in Blutzirkulation

Question 7

Cyp-Enzyme

Cytochrome P450s

Was sind das?

Wirkung?

Answer 7

• große Familie der Monooxygenasen

RH + O₂ + 2H > ROH + H₂O

• Wirkstoffe können durch “cytochrome P450s/CYPs” oxidiert werden
• cytochrome P450s können inhibitiert oder induziert werden

>Arzneistoff-Wechselwirkungen

Question 8

Probleme beim Modellieren von Cytochrome P450s?

Answer 8

• Kristallstruktur bekannt?
• Viele Isoenzyme
• Sehr flexible Bindetasche (!) (Proteindynamik)
• Substrate > nicht nur Bindung, sondern auch Reaktion
• – Aktivatoren > Mechanismus?
  How to model?

Question 9

Transporter

Beispiele?

Answer 9

• P-gp (Glycoprotein): ATP-binding cassette (ABC) transporter
  
  • multiple-drug resistance (MDR) problematisch bei Chemotherapie
  • Aktiver Transport durch Blut-Hirn-Schranke
    (und andere Membranen)

Question 10

Transporter

Aufbau?

Answer 10

• Transporter sind üblicherweise Membrangebunden
• Rekombinante Expression schwierig
  – Kristallisation schwierig (bislang größtenteils
  erfolglos)
• deswegen Liganden-basierte Methoden (LBDD)
  – Pharmacophor modelling / (Q)SAR

Question 11

Data Modelling

Def.?

Zutaten?

Berühmtestes Bespiel?

Answer 11

• Model biological effect with use of descriptors and statistical methods

Zutaten:

– Datensatz (Trainingsset+Testset)
– Deskriptoren
– Statistische Methoden

Bsp: Lipinskis Rule of 5

Question 12

Lipinskis Rule of 5

Answer 12

Schlechte Bioverfügbarkeit (A), wenn:
– H-bond donors > 5
– MW > 500
– LogP > 5
– H-bond acceptors > 10
– Ausnahme: Substrate von Transportern

Question 13

Guideline for Lipohilie

Ab welchen logD:

• gute Löslichkeit aber zu geringe Absorption,
• goldene Mitte,
• gute Permeabiliät aber zu niedrige Absorption
• und ab wann zu geringe Absoprption weil zu geringe Löslichkeit?

Answer 13

• Log D7.4 <1 : Good solubility but low absorption and brain penetration
• 1 < Log D7.4 >3: Ideal range. Metabolism minimised, owing to low binding to metabolic enzymes
• 3 < Log D7.4 >5:Good permeability but absorption is lower, owing to lower solubility. Metabolism is increased, owing to increased binding to metabolic enzymes
• Log D7.4 >5: Low absorption and bioavailability owing to low solubility. Metabolic clearance is high because of high affinity for metabolic enzymes. Vd and half-life are high because compounds partition into and stay in tissues

Question 14

Wofür steht logP?

Answer 14

partition coefficient (P), ratio of concentrations of a compound in a mixture of two immiscible solvents at equilibrium.

Question 15

Wofür steht ClogP?

Wie kommt man zu diesem Wert?

Answer 15

Calculated logP, ONE method to calculate logP, proprietary software

Berechnung: fragment method > molecule is broken down into fragments, rule based

Lipinskis Rule of 5 bezieht sich auf diesen Wert

Die Messwerte für die einzelnen Fragmente sind tabellarisch hinterlegt

Question 16

Extend Rule of 5

PSA-Polar Surface Area eines Moleküls:

Def.?

cut-off Wert?

Was sind SMILES?

Answer 16

– Sum of surface areas belonging to polar atoms

• cut-off: 140 A°²

SMILES: Deskriptoren mit fixer Länge, praktisch CODE mit dem man die Moleküle in das Programm eingeben kann

Question 17

Wie berechnet man die PSA?

Answer 17

1. von gewünchten Molekül 3D Struktur erstellen
2. Oberfläche komplett berechnen anhand der Van-der-waals- Radien
3. welcher Bereich ist polar?
4. POLARE Oberfläche berechnen

Question 18

Wofür brauchen wir die PSA?

Nachteil?

Alternative?

Answer 18

Good correlation with experimental transport data
• prediction of intestinal absorption,
•Bespiel: Caco-2 monolayers penetration
• blood-brain barrier crossing (< 70 Ų)

Nachteil: Berechnung ist sehr langsam

Schnellere neuere Methode:TPSA (topological polar surface area)

Question 19

TPSA-topological polar surface area

Wie wird die TPSA berechnet?

Answer 19

Zerlegung in Fragmente, jedes Teilfragment hat einen PSA Term, Aufsummieren

Question 20

hERG acitvity

was ist hERG?

was bewirkt er?

Answer 20

human Ether-à-go-go-Related Gene, Untereinheit eines K-Ionenkanals am Herzen

wenn aktiv Arrhythmien in Form einer QT_Zeit-Verlängerung

Question 21

Wie vermeide ich die hERG-Aktivierung durch Arzneistoff?

Answer 21

• historisch: Pharmakophormodell (3 Aromaten mit basischen N, sehr ungenau :( )
• QSAR
• vor gar nicht allzulanger Zeit Entdeckung der Kristallstruktur des Kanals
• homology model

Question 22

chemical Space

was ist das?

Answer 22

Chemical Space: All compounds that can (theoretically) be synthesized
• 10¹⁸-10²⁰⁰ compounds (MW < 500 Da)

>>Jedes Projekt der Hitfindung fällt und steht mit der Qualität der Library.

Question 23

warum sind chemical libraries so wichtig?

Answer 23

• HTS: screen as many chemical compounds as possible
  > Outcome: low hit rate and/or compounds that could not be optimized
• Mit Library Vermeidung unerwünschte Effekte und bestimmte fkt. Gruppen:

– Reactive compounds > unspecific covalent modifications of the protein target
– Hydrophobic compounds > unspecific binding
– Toxic groups or groups with problematic pharmacokinetic properties form key interactions with protein target > cannot be replaced without compromising affinity

Question 24

Wie kann eine Inhibition durch Agrregation entstehen?

Answer 24

• Hydrophobic compounds can form aggregates when a critical concentration is
  exceeded
• Aggregate nehmen Enzyme “In Beschlag”: über 10 000 Enzymmoleküle pro Aggregat

>>Sinken der effizienten Enzymkonzentration

>>Vortäuschen einer Inhibition

Question 25

Welche Gruppen sind unerwünscht?

Answer 25

* Nitrogruppen (Gibt leider kein Bioisoster) * PAINS (Pan Assay Interference Compounds- siehe Bioassays) (Gründe: * metal chelation, * chemical aggregation, * redox activity, * compound fluorescence, * cysteine oxidation or promiscuous binding)

Question 26

Unterschied zwischen Chemicals und Drugs Was sind Chemicals?

Answer 26

Everything that can be synthesised or used as starting materials

Question 27

Was machen Drugs aus?

Answer 27

* Not toxic \> avoid functional groups that are known to be problematic * Often oral absorption required * “Lipinski’s rule of five” as guideline * No very acidic or basic groups * ADME Eigenschaften (Stichwort hERG, CYP) * “Look like drugs”, Ähnlichkeit in Strultur und Eigenschaften mit anderen Arzneistoffen \>extract privileged scaffolds * biologische Aktivität

Question 28

Was machen Lead-likes Aus im Vergleich zu Drug-likes?

Answer 28

* Weniger komplex * hydrophiler * kleiner * aber auch keine reaktiven Gruppen • “rule of four” (400 MW, 4HBD, clogP \<4) (oder niedriger) (diese Regeln sind nicht in Stein gemeißelt) \>\>Man fängt in HTS-Library mit Leak-Likes an und optimiert diese

Question 29

Coverage:Undersampling Was ist damit gemeint?

Answer 29

* theoretisch exponentieller Anstieg Anzahl der mgl Hits mit zunehmenden MW * jedoch in reality: dieses Modell nur für kleine Moleküle zutreffend, * für größere Moleküle abflachen der Kurve \>wenn mehr Hits gefunden werden sollen dann entweder A) GRÖßERE Library oder B) Screening Methode für kleine Moleküle : Needle Screening

Question 30

Needle Screening Konzept?

Answer 30

Abbildung * A (HTS): relativ großes Molekül, passt evtl nicht in Bindetasche weil unpassende Seitenkette (mit guter Substruktur) * B (Needle Screening): kleinere Substrukturen suchen [=Needles] die Subpockets adressieren * trotzdem keine unwanted groups etc enthalten!! * heißt heute nicht mehr needles, inzwischen Fragments

Question 31

Strategie Needle screening

Answer 31

1. In silico screening (Virtuelles Screening) von besonders kleinen Molekülen (“needles”) 2. Robuster (und sehr sensitiver) Assay [kleine Moleküle haben weniger Mglkeiten zur Interaktion) 3. Validierung mit biophysikalischer Testmethode 4. 3D-Struktur angeleitete Optimierung

Question 32

Fragment-like Was für Vor- und Nachteile?

Answer 32

Vorteil: wenige Moleküle, aber dennoch **gute “coverage of chemical space”** – 3k bis 10k compounds \> higher hit rates • “**Good fit” in aktiver Bindetasche**; **Optimierung mit strukturbasierten Methoden erfolgversprechend** Nachteil: **aufgrund der Größe geringere Affinität** **Biophysikalische Methoden um Bindung zu identifizieren \>low throughput**

Question 33

Fragment like Eigenschaften?

Answer 33

* rule of three (analog zur rule of 4): * MW bis 300 DA * logP\<3 * weniger H-Brücken Donoren und Akzepktoren als für lead-like * Kleiner „chemical space”: Ca. 14 Mio compounds mit bis zu 11 C,N,O und S * Bessere “coverage”

Question 34

Welche 3 Strategien gibt es um aus einem Fragment Liganden zu machen?

Answer 34

* Fragment growing * Fragment linking * Fragment merging (wenn Teilstrukturen überlappen müssen diese verschmelzen)

Question 35

Was ist die Ligand efficiency? Optimaler Wert?

Answer 35

* Startpunkt Fragment: absoluter Kd noch relativ hoch, aber effektive Interaktionen * Bindungsenergie pro „heavy atom“ (alles außer H) * LE = (ΔG)/N Kd = 10 nM (-10.99 kcal mol−1) MW \< 500 Da ≙ 38 heavy atoms • LE = (ΔG)/N= 0.29 kcal mol−1 (druglike) • Annahme: LE während Optimierung konstant **Daher: Fragment/Lead Hit mit LE von 0.29 kcal mol−1**

Question 36

Focusing libraries, me too compunds Konzept?

Answer 36

1. Publikationen, Patente, in-house knowledge, Informationen über Kinase-Inhibitoren sammeln 2. Scaffolds extrahieren (z.B. Interaktionen mit Hinge) 3. Suche von Molekülen, welche entsprechende Scaffolds enthalten nicht große innovation, stark an dem orientiert was bereits bekannt ist

Question 37

Split- & Pool-Synthesen Prinzip?

Answer 37

Festphasenreaktionen 1. Startstruktur,die an Festphase gekoppelt ist 2. Reaktionen in verschiedenen Reaktionsgefäßen mit versch. weiteren Edukten 3. Produkte werden geppolt (=zusammengeführt) 4. neue Auffteilung, sodass ein Gemisch entsteht, 5. weitere Rkt, usw. **2-stufige Rkt: A\*B\*C=Produkte**

Question 38

DEL-Libraries DNA-Encoded Libraries Synthese? Besonderheit?

Answer 38

* DNA-tag+ Building Block\>Hybrid * Dann im Sinne von split and pool Aufteilung * + weiterer building block\> charakteristisch für diesen building block wird die DNA erweitert durch Ligation * (evtl nochmal poolen ,3. reaktion, neuer dna-tag, wieder splitten,...) Am ende alles **in einen (!) Eppi**=DEL-Library DNA-Tag als ZIP-Code (Erkennungsmarker)

Question 39

Affinity based screening was ist damit gemeint?

Answer 39

* Targetmolekül wird mit Library inkubiert * \>alles was nicht bindet wird weggewaschen/oder durch Affinitätschromatographie aufgereinigt an target gebundene Liganden werden gecreent (HTS)

Question 40

DEL Pros?

Answer 40

Pro: * Größe der DEL * Günstig * Screening („1 well“) * wiederverwendbar * Höhere Hitraten?

Question 41

DEL Contras?

Answer 41

Contras: * DNA-kompatible Synthese (pH, wässrig) * Theoretische Zahl an cpds. nicht gleich wirkliche cpds. (kleine R \> große R) * Ggf. „zu viele“ Hits \> Analyse * **Assaykompatibilität+Robustheit** für Validierung * „off-DNA“ Synthese für Validierung * **DELs sind „tief“ aber nicht „weit“**