超大型虚拟筛查识别SARS-CoV-2主要蛋白酶对冠状病毒具有广谱活性的抑制剂
针对SARS-CoV-2的药物以在超大型化学文库中寻找SARS-CoV-2主蛋白酶抑制剂。首先，基于结构的对接用于筛选活性位点上亿种虚拟化合物的不同库，对100种排名靠前的化合物进行了结合和酶测定。其次，对93种化合物进行片段检测。在第一次文库筛选中鉴定出3个抑制剂，其中5个所选片段显示出抑制作用。靶点-抑制剂复合物的晶体结构证实了对接预测，并指导了对苗头化合物的优化，从而获得了一种具有纳摩尔亲和力的非共价主蛋白酶抑制剂，具有良好的体外药代动力学特征，并在感染细胞中具有广谱抗病毒作用。
Mpro抑制剂的超大型库对接
在第一个虚拟筛选中，亿个化合物被叠合在MPro的晶体结构上，并与基于底物的抑制剂X77(PDB : 6W63)确定配合物。X77是一种Mpro抑制剂，占据了活性位点的所有四个主要口袋(S1、S1’、S2和S3)(图1)。
【资料图】
筛选的化学文库由结构多样化的化合物组成，具有良好的物理化学性质，是以前从未合成过的新化学结构。在MPro活性位点对库中的每个化合物进行了数千种构象采样，并使用评分函数对总共>223万亿个复合物进行了评估。从3000个与X77形成相同氢键的顶级化合物中选择了另外18个分子。在复合物选择步骤中，同时也考虑了对接计分函数中未包含的对配体结合的贡献。将化合物排除在实验测试之外的原因包括配体应变，结合位点残基或化合物的极性原子不满足，以及不可能的互变异构/电离态。
两种基于乙内酰脲支架的抑制剂的晶体结合模式与通过分子对接获得的预测配合物非常吻合，均方根偏差(rmsd)分别为和 A(图3a,b)。乙内酰脲羰基与残基Gly143和Glu166形成氢键，乙内酰脲核心上的取代基延伸到S2和S1口袋。根据对接得分，化合物1在化学库中排名前%，吡啶基乙内酰脲支架在虚拟筛选下得到了强烈富集。化合物2也是高级别分子之一，由一个苯基哌嗪支架连接一个吲达唑-4-羰基组成，预计分别延伸到S2和S1口袋。
片段引导虚拟筛选MPro抑制剂
第二个虚拟筛分是基于在Diamond Light source进行的结晶碎片筛分。在晶体结构(PDB:SRF7)中，化合物4占据S1和S2口袋，但与较大的抑制剂X77相比，化合物4没有延伸到S1'或S3。片段到先导物的优化是通过在> 100亿个按需合成化合物的文库中进行搜索，并结合对接筛选来选择最佳候选化合物。基于对复合物的可视化分析，文中设计了可以包含片段极性相互作用的关键特征的化学模式，并有可能将生长载体放入S1’和S2口袋。一个五元芳杂环和一个酰胺分别与His163和Glu166形成氢键，被认为是支架的关键，但S1口袋中杂环的大小和拓扑结构是允许变化的。此外，还寻找了分枝酰胺和栓系酰胺，它们都有可能生长到S2口袋中。在商用小分子库中，有超过200万个与这些模式匹配的详细说明，随后被叠合到活性位点点上。
基于片段虚拟筛选得到的化合物5和8的配合物晶体结构均被成功测定。晶体结合模式证实了对接预测，RMSD分别为和 A(图3c,d)。
结构导向抑制剂优化
对从虚拟筛选中识别出的三种支架进行了Hit-to-lead优化。化合物1和3所代表的支架的Hit优化是由这些抑制剂与Mpro结合的晶体结构(图3a)。由于它们共同的乙内酰脲支架与活性位点表现出良好的氢键互补性，这种化学型得以维持。在S1口袋中，基于化合物1的吡啶基部分的效力增加最大。根据结构信息，排除了芳香氮附近位置的取代，因为这些位置很可能与蛋白质表面发生冲突。相反，研究的重点是在晶体结构中向Asn142延伸的生长载体，这也得到了化合物5占据S1的体积较大的苯并三唑支架以及通过晶体学筛选识别的合并片段的支持。异喹啉部分，也被确定为吡啶的有希望的延伸，导致了该系列中最高的效力。在S2口袋中，从化合物3的螺环类似物中鉴定出最佳取代基。与S1口袋中的吡啶相结合，化合物3的螺旋部分并没有提高药效，但该抑制剂的预测结合模式得到了结晶学的验证。随后进行了几次尝试，加入一个系结基序，将化合物1的烷基取代基刚性化，并增加与S2口袋的互补性。S1和S2口袋中的最佳取代基通过内部合成被整合成一个单一的化学系列，从而协同提高了抑制剂的药效和亲和力。
本文选自JACS:Ultralarge Virtual Screening Identifies SARS-CoV-2 Main Protease Inhibitors with Broad-Spectrum Activity against Coronaviruses.
