Aufbau von Substanzbibliotheken f

1
Aufbau von Substanzbibliotheken für das High
thoughput screening (I)
Automatisierter Test von gt1000 Verbindungen am
target
Erfordert die Synthese von entsprechend vielen
Verbindungen und die Handhabung der Ergebnisse.

1. Schritt Auswahl des target

2
Informationsfluß in einer drug discovery pipeline
3
Aufbau von Substanzbibliotheken für das High
thoughput screening (II)
Automatisierter Test von gt1000 Verbindungen am
target
Erfordert die Synthese von entsprechend vielen
Verbindungen und die Handhabung der Ergebnisse.

• Schritt Auswahl des target
• 2. Schritt Wieviel Information ist über das
  target vorhanden ?Gibt es bereits lead compounds
  ?

4
Komponentenauswahl
Wieviel Information ist über das target vorhanden
?
X-Ray mit Wirkstoff
Docking
HTS
X-Ray des Proteins
active site
Reihe von wirksamen Verbindungen
QSAR, Pharmacophor erstellen
Zunehmende Information
Wenige hits aus HTS
eADME Filter
Kenntnis der Enzymfunktion (z.B. Kinase, GPCR)
combi chem
Erstellen einer virtuellen Bibliothek
5
Aufbau von Substanzbibliotheken für das High
thoughput screening (III)
Automatisierter Test von gt1000 Verbindungen am
target
Erfordert die Synthese von entsprechend vielen
Verbindungen und die Handhabung der Ergebnisse.

• Schritt Auswahl des target
• Schritt Wieviel Information ist über das target
  vorhanden ?Gibt es bereits lead compounds ?
• Schritt wenn ja, Erzeugung einer virtuellen
  Bibliothek ausgehend von der Leitstruktur

4. Schritt Syntheseplanung
6
Eigenschaften kombinatorischer Bibliotheken
Je nach Anwendungszweck werden auch
kombinatorsiche Bibliotheken maßgeschneidert Rand
om libraries drug-like / diverse
scaffolds Focused libraries lead-like /
möglichst komplett für bestimmte Familie von
Enzymen Targeted libraries bestimmtes Enzym
/ möglichst diverse Substituenten
Chemogenomics
Ziele Diversität von Substanzbibliotheken Vermeid
ung von redundanten Verbindungen Verbesserte
Trefferwahrscheinlichkeit im HTS
7
Kombinatorische Ansätze im rational drug design

• Automatisierte Tests von gt1000 Verbindungen an
  einem target erfordern besonders effektive
  Synthese- und screening Strategien
• Syntheseroboter
• High Throughput screening

Ursprüngliche Idee Je mehr Verbindungen getestet
werden, desto höher ist die Wahrscheinlichkeit,
eine Leitstruktur zu entdecken.
8
Aufbau von Substanzbibliotheken für das High
thoughput screening (IV)
Die Synthese einer Vielzahl von Verbindungen
ausgehend von einer Leitstruktur erforderte einen
Paradigmenwechsel. Bis in die späten 80 Jahre
wurden die zu testenden Substanzen jeweils
einzeln und speziell synthestisiert. Die
Anforderungen an das High Troughput
Screeningerfordern jedoch eine andere
Herangehensweise.If you are looking for the
needle in the haystack, it is best not to
increase the size of the haystack.
9
Clustering in Datensätzen (I)
Um die Diversität eines Datensatzes bzw. einer
erstellten Substanzbibliothek zu berurteilen, muß
man die enthaltenen Verbindungen zu Clustern
gruppieren.
diverse library
Von einem hit im HTS weitere Moleküle desselben
Clusters testen.
Ein Molekül aus jedem Cluster für HTS
Die Zuteilung der Moleküle erfolgt anhand ihrer
gegenseitigen Ähnlichkeit (Similarität).
10
Klassifizierung von Verbindungen (I)
Wie kodiert man die Eigenschaften eines Moleküls
zur Speicherung/Verarbeitung in einer Datenbank ?
Binärer fingerprint eines Moleküls
11
Klassifizierung von Verbindungen (II)

• Häufig angewandete fingerprint sind die Konzepte
• Daylight fingerprint (1024 bits)
• ISIS MOLSKEYS (Atomtypen, Molekülfragmente)
• FTREES Feature trees Jeder Knoten
  repräsentiert ein chemisches features

Lit. M.Rarey J.S.Dixon J.Comput.-Aided Mol.Des.
12 (1998) 471.
Ermöglicht die Suche nach chemisch ähnlichen
Verbindungen in großen virtuellen
Substanzdatenbanken
Lit. M.Rarey M.Stahl J.Comput.-Aided Mol.Des.
15 (2001) 497.
Vergleich von fingerprints Lit. H.Briem
U.Lessel Persp.Drug Discov.Des. 20 (2000) 231.
12
Similarität zwischen Verbindungen
Die Ähnlichkeit zweier Moleküle zueinander kann
über Similaritätsindices ihrer binären
fingerprints ausgedrückt werden. Der Vergleich
von binären Daten ist rechentechnisch sehr
einfach, aber es existieren eine Reihe von
verschiedenen Similaritätsindices von denen zum
Vergleich von Molekülen der Tanimotoindex am
häufigsten angewandt wird. Mehr zu
Similaritätsindices in Vorlesung 6
Lit. D.R.Flower J.Chem.Inf.Comput.Sci. 38 (1998)
379.
13
Clustering in Datensätzen (II)
Problem Die Ähnlichkeit zweier Moleküle kann
zwischen zwei verschiedenen Clustern größer sein
als innerhalb desselben Clusters.
14
Clustering in Datensätzen (III)
Generell gilt Verschiedene Algorithmen zur
Erzeugung der Cluster werden unterschiedliche
Cluster erzeugen.
Wenn die erhaltenen Cluster aus verschiedenen
Methoden sehr ähnlich zueinander sind, dann weist
der Datensatz eine natürliche Clusterung auf.
15
Clustering Methoden (I)
Es gibt zwei große Gruppen von Clustering
Methoden Hierarchische und Nicht-hierarchische
Hierarachische Clustering Methoden bieten den
Vorteil, daß auf jeder Aufteilungsebene Zugriff
erfolgen kann.
Alle Methoden zum Clustering sind
rechenzeitintensiv ! Aufwand O(nN) bis O(n2N)
für n aus N Molekülen
16
Clustering Methoden (II)
Clustering von Clustering Methoden- ein
Dendrogramm
Quelle John Barnard, Barnard Chemical
Information Ltd
17
K-means with mobile centroid (I)
Lit D.Gorse et al. Drug Discovery Today 4 (1999)
257.
18
K-means with mobile centroid (II)
Nachteil kugelförmige Cluster oft nicht optimal
angepaßt bezüglich der Verteilung der Moleküle im
chemischen Raum
19
Mobile centres with Ward classification
1.
3.
2.
4.
Die ähnlichsten Datenpunkte werden Schritt für
Schritt zu Clustern zusammengefaßt
Vorteil Hierarchisch, angepasste Clusterform
Lit D.Gorse et al. Drug Discovery Today 4 (1999)
257.
20
eADME Filter für dasHigh Throughput Screening
(HTS)
Typischer eADME Filter
21
Absorption
Wie gelangt der Wirkstoff zum Bestimmungsort ?
Beim HTS wird zunächst die Bioverfügbarkeit
vernachlässigt und die volle Dosis der Verbindung
im Essay gewährleistet. Dazu werden die
Verbindungen in DMSO gelöst.
22
Auswertung von HTS Ergebnissen
Urspüngliche Idee Automatisierter Test von gt1000
Verbindungen am target
Erfordert die Synthese von entsprechend vielen
Verbindungen und die Handhabung der Ergebnisse.
Unsicherheitsfaktoren sind Reinheit und
Zuverlässigkeit der Verbindungen (falsch
negative) Gefärbte Verbindungen (falsch
positive) Unspezifisch bindende Verbindungen
(falsch positive)
23
Aufbau von Substanzbibliotheken für das High
thoughput screening (V)

1. Schritt wenn ja, Erzeugung einer virtuellen
   Bibliothek ausgehend von der Leitstruktur

Systematische Variation der Leitstruktur Gerüst
Seitenketten Bioisostere
24
Aufbau von Substanzbibliotheken für das High
thoughput screening (VI)
Im Verlauf der Optimierung von der Leitstruktur
zum klinischen Wirkstoff werden die Moleküle
zumeist größer und lipophiler (füllen die
Bindungstasche präziser aus). Deshalb sind
folgenden Eigenschaften von Leitstrukturähnlichen
Verbindungen wünschenswert Molekülgewicht lt
250 Niedrige Lipophilie (logPlt3) bei oraler
Dareichung Genügend Möglichkeiten für
Seitenketten Ausreichende Affinität und
Selektivität
25
Bioisostere (I)
Definition Gleiche Anzahl und Anordnung der
Elektronen (Langmuir 1919) z.B. N2 CO CN- CO2
N2O N3- CNO- K NH4 Ar
Grimms Hybrid Austausch Gesetz (1925)
26
Bioisostere (II)
Definition Compounds or groups that possess
near-equal, molecular shapes and volumes,
approximately the same desitribution of
electrons, and which exhibit similar physical
properties. (A. Burger1970)
z.B. -Cl -CF3 -CN -NO2 -COCH3 -SO2CH3 -C
HCl2 -CH2N3
27
Bioisostere (III)
Klassische (Bio-)isostere sind sterisch und
elektronisch ähnlich
Nicht-klassische Isostere z.B. Austausch von
cyclischen gegen acyclischen Strukturen Austausc
hbare Gruppen
28
Bioisostere (IV)
In den seltensten Fällen haben Bioisostere
(chemical space) dasselbe Wirkungsprofil
(biological space) wie die Verbindung von der sie
abgeleitet wurden Angestrebt werden dabei
folgende Eigenschaften Bessere Wirkung
Höhere Selektivität Erhöhte
Bioverfügbarkeit Geringere Toxizität Weniger
Nebenwirkungen
Ermöglicht niedrigere Dosierung
29
Monovalente Bioisostere (I)
Austausch von F gegen H Fluor besitzt einen
ähnlichen van der Waals Radius wie Wasserstoff
und ist deshalb gleich groß. Die Lipophilie
bleibt ebenfalls erhalten Fluor ist am
elektronegativsten, dadurch induktiver Effekt auf
das benachbarte C-Atom. Im Gegensatz zu anderen
Halogenen jedoch keine Mesomeren möglich
(fehlended-Orbitale)
30
Monovalente Bioisostere (II)
Austausch von F gegen H Die C-F Bindung ist
stärker als die entsprechenden C-H, C-Cl, C-Br
und C-I Bindungen, und damit auch metabolisch
stabilier. Fluor ist aufgrund seiner
Elektronegativität vom Prinzip her ein starker
H-Brücken Akzeptor
Allerdings wird davon (bisher) nicht Gebrauch
gemacht.
31
Monovalente Bioisostere (III)
Austausch von -OH gegen NH2 Beide Gruppen haben
ähnliche Größe und Geometrie Beide sind sowohl
H-Brücken Donoren als auch Akzeptoren
In heterocyclischen Ringen wird
dasTautomerisierungs-gleichgewicht verschoben
32
Monovalente Bioisostere (IV)
Austausch von -OH gegen SH Schwefel ist sehr
viel größer als Sauerstoff Rvdw(O) 1.4
Ångstrom Rvdw(S) 1.85 Ångstrom und weniger
elektronegativ (ohne Dimension) O 3.51 S
2.32
Deshalb sind die H-Brücken von SH
schächer Trotzdem sind Thiole sauerer und stärker
dissoziert als die entsprechenden Alkohole.
In heterocyclischen Ringen kann wie bei NH2
durch Tautomerisierung das entsprechende Thiol
entstehen
33
Monovalente Bioisostere (V)
Austausch von CH3 gegen Cl Die Methylgruppe
und Chlor haben die gleiche Größe und lipophilen
Eigenschaften. Im Gegensatz zu Chlor wird die
Methylgruppe aber schneller metabolisch abgebaut
und ausgeschieden
34
Monovalente Bioisostere (VI)
Austausch von CF3 oder CN gegen Br Die
Trifluormethyl- und die Cyanatgruppe haben
dieselben elektronischen Eigenschaften, aber die
CN Gruppe ist sehr viel hydrophiler
Faustregel zur Bioverfügbarkeit Lipophile
Verbindungen werden schlechter aufgenommen und
verstärkt in der Leber metabolisiert. Üblicherweis
e werden hydrophilere Verbindungen leicher
aufgenommen aber ebenfalls schneller renal
ausgeschieden. Meßgröße logP
35
Divalente Bioisostere
Austausch der CH2 Gruppe
Verbindungen mit BH oder SiH sind zu empfindlich
gegenüber Hydrolyse
36
Trivalente Bioisostere
Austausch der CH Gruppe durch NH
Wichtig und erfolgreich vor allem in
heterocyclischen Ringsystemen
37
Tetravalente Bioisostere
38
Divalente Ringäquivalente
Austausch der CH2 Gruppe
Auch möglich bei größeren Ringsystemen (7-Ring
etc, vgl. Benzodiazepine)
39
Trivalente Ringäquivalente
Austausch der CH Gruppe
Ermöglicht oft das Feintuning des
Wirkungsprofilsvgl. Sildenafil und Vardenafil
40
Nicht-Klassische Isostere (I)
Austausch von cyclischen gegen acyclischen
Strukturen
Wichtig Die entscheidende Funktionalität muß
räumlich erhalten bleiben
Ringerweiterung
Acyclisch
Cyclisch
Ringverkleinerung
41
Nicht-Klassische Isostere (II)
Ringöffnung
Ringschluß
Oft zum Einfrieren von aktiven Konformationen
angewandt
42
Thermodynamische Effekte
Ringöffnung Erzeugt mehr Freiheitsgrade,
dadurch Entropieverlust bei der Bindung ans Enzym
Ringschluß Weniger Entropieverlust bei der
Bindung ans Enzym
43
Bioisosterer Austausch von Funktionellen Gruppen
Hydroxylgruppe OH
Hier Erhaltung der H-Brückeneigenschaften
vorrangig
44
Beispiele für Isostere (I)
Austausch Benzol-Thiophen
Verhindert Epoxidierung des Benzolrings, dadurch
verringerte Hepatotoxizität
45
Beispiele für Isostere (II)
Austausch Carboxylat-Tetrazol
Vergleichbare Azidität bei besserer Löslichkeit
Lit. C.D. Siebert Chemie in unserer Zeit 38
(2004) 320.
46
Systematische Variation in silico Ansätze
Analog dem Ansatz bei den Feature Trees teilt man
das Molekül in nodes und linker ein. Jeder node
entspricht einer chemischen Gruppe und jeder
linker einer Bindung zwischen solchen Gruppen.
Durch definierte Typen der Bindungsspaltung
lassen sich jeweils passende Fragemente in
Datenbanken suchen und neu zusammenstellen.
RECAP Konzept Lit. X.Q.Lewell et al.
J.Chem.Inf.Comput.Sci. 38 (1998) 511.