La Química Computacional y el Diseño de Fármacos

Perspectiva

• Principios del descubrimiento de fármacos• Descubrimiento de fármacos guiado por computadora• Descubrimiento de fármacos guiado por datos• Técnicas modernas para la identificación y selección de la diana• Técnicas modernas de identificación de pistas

¿Que es un fármaco?

• Se entiende por fármaco, cualquier sustancia biológicamente activa, capaz de modificar el metabolismo de las células sobre las que hace efecto

• Composición definida con un efecto farmacológico

• ¿Cuál es el proceso del Desarrollo y Descubrimiento de Fármacos?

Statement of the Director, NIGMS, before the House Appropriations Subcommittee on Labor, HHS, Education Thursday, February 25, 1999

Una pequeña historia del diseño de fármacos ayudados por computadora

• 1960’s – Interacción del fármaco – revisión del objetivo• 1980’s- Automatización – cribado de alto rendimiento• 1980’s- Bases de datos (tecnología de la información) bibliotecas combinatorias• 1980’s- Computadoras Rápidas - acoplamiento• 1990’s- Computadoras Super Rápidas - ensamblado del

genoma – selección de objetivos basados en el genoma • 2000’s- Manejo de una enorme información – fármacogenomica

Molécula Diana

Línea de células recombinantes

Expresión genética - Fermentación

Purificación de la Proteína

Cristalización

Rayos-X - Sincrotón

Estructura 3D

Estructura 3D

Diseño RacionalMapeo de Epítopes

Ingeniería de Proteínas

NBE

Biblioteca de Moléculas Pequeñas

NCE

NCE (New Chemical Entity) NBE (New Biological Entity)

Fármacos: Proceso de Descubrimiento

• Moléculas Pequeñas– Productos Naturales

• Caldos de fermentación • Extractos de Plantas • Fluidos Animales (e.g., veneno de víbora)

– Productos Químicos Medicinales Sintéticos• Derivados para la Química Medicinal• Derivados de la Química Combinatoria

• Biológicos– Productos Naturales (aislamiento)– Productos Recombinantes– Productos Quiméricos

Descubrimiento vs. Desarrollo

• El Descubrimiento incluye: su concepto, su mecanismo, ensayo, cribado, identificación de la pista, demostración de la pista, optimización de la pista

• El Descubrimiento también incluye pruebas in vivo en animales y demostración concomitante del índice terapéutico

• El Desarrollo comienza cuando se toma la decisión de poner a una molécula en la fase I de las pruebas clínicas

Descubrimiento vs. Desarrollo

• El tiempo desde su concepción hasta la aprobación de un nuevo fármaco es típicamente de 10-15 años

• La vasta mayoría de las moléculas son desechadas en el camino

• El costo estimado de llevar al mercado un fármaco es aproximadamente $800 millones de dólares hoy en día!!

Descubrimiento vs. Desarrollo

Identificar la enfermedad

Aislar la proteína involucrada en la enfermedad (2-5 años)

Encontrar un fármaco efectivo contra la proteína(2-5 años)

Pruebas preclínicas(1-3 años)

Formulación

Pruebas clínicas en humanos

(2-10 años)

Escalamiento

Aprobación de la FDA(2-3 años)

File

IN

D

File

NDA

La tecnología impacta este proceso

Identificar la enfermedad

Aislar la proteína

Encontrar el fármaco

Pruebas preclínicas

GENOMICA, PROTEOMICA & BIOFARM.

CRIBADO DE ALTO RENDIMIENTO

MODELADO MOLECULAR

CRIBADO VIRTUAL

QUIMICA COMBINATORIA

MODELOS ADME IN VITRO & IN SILICO

Potencialmente produce muchas más dianas, personalizadas o no

Cribado de hasta 100,000 compuestos por día para probar su actividad contra la

proteína

Usar una computadora para predecir la actividad

Producir rápidamente un vasto número de compuestos

Las graficas y modelos por computadora ayudan a mejorar la actividad

Modelos computarizados y de tejidos comienzan a reemplazad las pruebas en animales

Genómica, Proteómica & Biofarmacéuticos

Comprendiendo la liga entre enfermedades, el montaje genético

y la expresión de las proteínas

Genómica• La genómica está acelerando nuestra compresión de cómo

están relacionados el ADN, los genes, las proteínas y su función, tanto en condiciones normales y de enfermedad

• El proyecto del Genoma Humano ha mapeado los genes del ADN en humanos

• Se espera que este conocimiento provea de muchas más proteínas potenciales

• Permite la posible “personalización” de las terapias

ATACGGATTATGCCTA funciones

Chips Genéticos

• Los “chips genéticos” nos permiten buscar por cambios en la expresión de una proteína en diferentes individuos en una variedad de condiciones, y ver si la presencia de fármacos cambia esa expresión

• Hace posible el diseño de fármacos para diferentes fenotipos

Compuestos administrados gente / condiciones

e.g. obeso, cáncer, caucásico

Perfil de expresión

(cribado de 35,000 genes)

Microarreglos

• Genes “impresos” en vidrio• Una variedad de genomas

humanos y animales• Medirán cuanto de cada

fragmento de ADN está presente en una muestra desconocida

• Un chip de genoma humano contiene 14,500 genes humanos bien caracterizados

• $300-$500 por chip• www.affymetrix.com

Producción del GeneChip

Uso del GeneChip

Biofarmaceúticos

• Fármacos basados en proteínas, péptidos o productos naturales en lugar de moléculas pequeñas (química)

• Promovidos por las compañías biotecnológicas

• Los biofarmaceúticos se pueden descubrir más rápidamente que las terapias normales de moléculas pequeñas

• Las biotecnológicas se están empatando con las compañías farmacéuticas más importantes

Cribado de alto rendimiento

El cribado de compuestos en ambiente corporativo quizá sea de millones para ver si alguno muestra actividad contra la proteína causante de la enfermedad

Cribado de alto rendimiento

• Las compañías farmacéuticas tienen ahora millones de nuestras de compuestos químicos

• El cribado de alto rendimiento puede probar 100,000 compuestos por día

• Puede ser que solo algunos miles de estos compuestos lleguen a mostrar alguna actividad contra la proteína

• El químico medicinal necesita escoger inteligentemente las 2 o 3 clases de compuestos que muestren la promesa de ser fármacos que puedan seguir desarrollándose

Implicaciones Informáticas

• Tener la capacidad de almacenar la estructura química y los datos biológicos para millones de puntos– Representación computacional de la estructura 2D

• Tener la capacidad de organizar miles de compuestos activos en grupos de relevancia– Agrupar estructuras similares y relacionarlas a la

actividad

• Capacidad de aprender tanta información como sea posible a partir de los datos (minería de datos)– Aplicar métodos estadísticos a las estructuras y

correlacionar la información

Herramientas para la minería de datos

Cribado Virtual

• Construir un modelo computacional de la actividad para una diana en particular

• Usar un modelo para valorar los compuestos de bibliotecas “virtuales” o reales

• Usar esta valoración para decidir cual hacer, o pasar a través de un cribado real

Modelos computacionales de la actividad

• Métodos de Aprendizaje– E.g. Redes Neuronales, Redes de Bayes, Redes de

Kahonen– Se entrenan con compuestos de actividad conocida– Predicen la actividad de compuestos “desconocidos”

• Métodos de Valoración– Compuestos con perfil basado en propiedades relativas a

la diana

• Acoplamiento Rápido– Rápidamente “acoplar” representaciones 3D de

moléculas en representaciones 3D de proteínas, y valorar de acuerdo en que tan bien se acoplan

Química Combinatoria

• Al combinar “bloques de construcción” molecular, podemos crear un gran número de moléculas diferentes muy rápidamente

• Usualmente involucra a una molécula “plataforma”, y grupos de compuestos que han reaccionado con la plataforma para colocar diferentes estructuras en “puntos de unión”

Ejemplo de Biblioteca Combinatoria

NH

R1

R2R3

Plataforma grupos-“R”

R1 = OH OCH3

NH2

Cl COOH

R2 = fenilo OH NH2

Br F CN

R3 = CF3

NO2

OCH3

OH fenoxy

Ejemplos

NH

OH

CF3

OH

NH

OH

OCH3

NH

C

OH

OHO

CF3

NH

C

OH

OHO

O

Para esta pequeña biblioteca el número de posibles compuestos es de5 x 6 x 5 = 150

Puntos de Química Combinatoria

• Cuales grupos-R escoger

• Cuales bibliotecas hacer– ¿“Llenar” la colección existente de compuestos?– ¿Orientadas a un proteína en particular?– ¿Tantos compuestos como se posible?

• El perfil computacional de las bibliotecas puede ayudar– “Bibliotecas virtuales ” pueden ser evaluadas en la

computadora

Búsqueda de Estructuras

• 2D búsquedas de subestructuras• 3D búsquedas de subestructuras• 3D búsquedas conformacionalmente flexibles

2D Búsqueda de Subestructuras

• Grupos funcionales• conectividad

– Aromático substituido con halógenos y un grupo carboxilo

[

F

,

C

l

,

B

r

,

I

]

O

O

2D Búsqueda de Subestructuras

• Buscar:– Aromático substituido

con halógenos y un grupo carboxilo

N

O

O

Cl

O

O

Cl

N

N

N

O

O

F

F

O

F

O

O

N

I

O

N

Query

N

O

O

N NO

O

O

O

N N

N

N

NN

N

N O

N

N

O

O

NO

O

N

OO

2D Búsqueda de Subestructuras

2D Búsqueda de Similitud

OHN

N

OH

NH

N NH2

O

N NH

N

NH2

NH

N

NH2

NH

N

N NH

N

NH

OH

Query

3D Búsqueda de Subestructuras

• Relaciones espaciales• Define intervalos para

distancias y ángulos• Conformación almacenada

– generalmente la de más baja energía

C

(

u

)

O

(

s

1

)

O

(

s

1

)

A

A

[

O

,

S

]

O

3.6 - 4.6 Å

3.3 - 4.3 Å

6.8 - 7.8 Å

O

O N

a

b

c

a = 8.62 0.58 Angstroms

b = 7.08 0.56 Angstroms

c = 3.35 0.65 Angstroms +-

+-

+-

O

O

O

O

OO

N

O

O

O

N

N

N O

O

O

O

O

O

N

N

N

N

S

OO

O O P O

O

O P O

O PO

O

O

ON

N

N

N

N

OO

O O

O

N

N

N

O

N

O

OO

3D Búsqueda de Subestructuras

Búsquedas Conformaciónalmente Flexibles

• Rotar alrededor de uniones que giran libremente

• Muchas conformaciones• Multa por baja energía• Obtener muchos más

aciertos• Los huéspedes se

adaptan al anfitrión y el anfitrión se adapta a los huéspedes

O

Cl

H

O

Cl

H

3.2Å

4.3Å

Búsquedas Conformaciónalmente Flexibles

O

Cl

H

O

Cl

H

3.2Å

4.3Å

3603002401801206000

1

2

3

4

5

6

Dihedral angle

Ste

ric

Energ

y (

kca

l/m

ol)

Pequeña multa energética

Modelos ADME in vitro & in silico

• Tradicionalmente, animales son usados para las pruebas pre-humanas. Sin embargo, esta pruebas resultan caras, consumen tiempo y son éticamente indeseables

• Las técnicas ADME (Absorbtion, Distribution, Metabolism, Excretion) pueden ayudar a modelar como el fármaco interactuará con el cuerpo

• Estos métodos pueden ser experimentales (in vitro) usando cultivo de tejidos, o in silico, usando modelos computacionales

Modelos ADME in silico • Los métodos computacionales pueden

predecir propiedades importantes del compuesto para ADME, e.g.

– LogP, una medida de lipofilicidad– Solubilidad– Permeabilidad– Metabolismo del Citocromo p450

• Estimados promedio se pueden hacer para millones de compuestos, reduciendo el “desgaste” – el coeficiente de fallas de los compuestos en la última fase

Calculo de propiedades en la Red

http://www.molinspiration.com/cgi-bin/properties

Dibujar una estructura …

Regreso de los resultados …

LogP

Área de Superficie Total Polar

# de átomos

Peso Mol.

Regla-de-5violaciones

# uniones Rot.

Potencial farmacológico (N/D)

Disciplinas en el Descubrimiento de Fármacos

• Medicina

• Fisiología/patología

• Farmacología

• Biología molecular/celular Automatización/robótica

• Química medicinal, analítica, y química combinatoria

• Química estructural y computacional

• Bioinformática

Bioinformática - una Revolución

Experimento Biológico Datos Información Conocimiento Descubrimiento

Coleccionar Caracterizar Comparar Modelar

Inferir

Secuencia

Estructura

Ensamblado

Sub-celular

Celular

Organos

Alto -orden

Year90 05

Poder de Cómputo

Tecnología de secuenciación

Data1 10 100 1000 100000

95 00

Proyecto Genoma Humano

Genoma E.Coli

Genoma C.Elegans

1 Genoma Pequeño/Mes

ESTs

Genoma Levadura

Gene Chips

Estructura viral

Ribosoma

Modelo pasos metabólicos de E.coli

Complejidad Tecnología

Mapeo del Cerebro

Circuitos Genéticos

Modelo Neuronal

Modelo Cardiaco

Genoma Humano Completo

# Gente/Sitio Red

(C) Copyright Phil Bourne 1998

106 102 1

Bibliotecas Combinatorias

• Miles de variaciones a partir de una plataforma fija

• Buenas bibliotecas abarcan áreas muy grandes del espacio conformacional y químico - diversidad molecular

• Diversidad en – interacciones estéricas, electrostáticas, e hidrofóbicas...

• Deseo de ser tan amplias como los compuestos del índice “Merck” de cribado azaroso

• El diseño de bibliotecas de diseño ayudadas por computadora aún está en su infancia

Modelado Molecular

• Visualización 3D de las interacciones entre los compuestos y las proteínas• “Acoplamiento” computacional de los compuestos con las proteínas

Visualización 3D • La cristalografía de rayos-X y la espectroscopia de

RMN pueden revelar la estructura 3D de las proteínas y compuestos que se les unen.

• La visualización de estos “complejos” de proteínas y potenciales fármacos pueden ayudar a los científicos a comprender el mecanismo de acción del fármaco y para mejorar el diseño de un fármaco.

• La visualización usa modelos de “bolas y palitos” para los átomos y sus uniones, así como para desplegar sus superficies.

• La visualización Estereoscópica está disponible.

Software de Acoplamiento Disponible

DOCK (Kuntz et al, 1982, Ewing & Kuntz 2001)AutoDock (Olson et al 1990, Morris et al 1998)ICM (Abagyan et al 1994)FlexX (Rarey et al 1996)Hammerhead (Welch et al 1996)GOLD (Jones et al 1997)MCDock (Liu & Wang 1999)SLIDE (Kuhn et al 2002) FRED (McGann et al 2002)Surflex (Jain 2003)GemDock (Yang & Chen 2004)Glide (Friesner et al 2004)Yucca (Choi 2005)

…

Algoritmos de Acoplamiento

• Búsqueda Estocástica:– Algoritmo Genético, Monte Carlo recocido simulado– AutoDock, MCDock, ICM, GOLD, Glide

• Construcción Incremental :– Fragmentos rígidos con uniones rotables– Incremental : ángulos de torsión preferidos– DOCK, FlexX, SLIDE, Surflex

• Multiconformero:– Genera un conjunto de conformeros de baja-energía– Acoplamiento Rígido – FLOG, FRED, Yucca

Acoplamiento con un Algoritmo Genético

• Colocar a un compuesto en el área aproximada donde el acoplamiento ocurre

• El algoritmo genético codifica la orientación del compuesto y sus uniones de torsión

• Optimizar la unión con la proteína– Minimizar la energía– Puentes de hidrógeno– Interacciones hidrofóbicas

• Puede se empleado para el “cribado virtual”

Visualización de Demosen

Acoplamiento Molecular

Acoplamiento Proteína-Proteína

Acoplamiento Proteína-Ligando

Moléculas en Movimiento

http://www.moleculesinmotion.com/jmol/protein_intro/index.html

Instalar JMOL (jmol.org), Java 4 WinXP, ActiveControlX y J2SE v5.0 runtime

Referencias• Cohen N. Guidebook on Molecular Modeling in Drug Design, Academic Press (1996)

• Cramer C.J. Essentials of Computational Chemistry: Theories and Models, John Wiley & Sons (2002)

• Schlick T. (Ed) Molecular Modeling and Simulation, Springer Verlag (2002)

• Leach A.R. (Ed) Molecular Modeling: Principles and Applications, Prentice Hall (2001)

• van de Waterbeemd H., Testa B. (Eds) Computer-Assisted Lead Finding and Optimization: Current Tools for Medicinal Chemistry, John Wiley & Sons (1997)