Sunsetting Binding MOAD の最後のデータ更新と 3D の追加

Rapporti scientifici Volume 13,

Scientific Reports volume 13、記事番号: 3008 (2023) この記事を引用

664 アクセス

1 オルトメトリック

メトリクスの詳細

Binding MOAD は、タンパク質とリガンドの複合体と、データセット全体にわたる多くの構造化された関係を含むその親和性のデータベースです。このプロジェクトは 20 年以上にわたって開発が続けられてきましたが、今、それを終了する時が来ています。現在、データベースには 41,409 個の構造が含まれており、15,223 (37%) の複合体に対する親和性をカバーしています。 Web サイト BindingMOAD.org では、ポリファーマコロジーの探索のための多数のツールが提供されています。現在の関係には、配列類似性、2D リガンド類似性、および結合部位類似性を持つ構造のリンクが含まれます。この最後の更新では、ROCS を使用して 3D リガンド類似性を追加し、2 次元では必ずしも類似しているとは限らないが、同じ 3 次元空間を占有する可能性のあるリガンドを特定しました。データベースに存在する 20,387 個の異なるリガンドについて、リガンド間の合計 1,320,511 個の 3D 形状一致が追加されました。ポリ薬理学における 3D 形状マッチングの有用性の例が示されています。最後に、プロジェクトデータへの将来のアクセス計画について概説します。

タンパク質とリガンドの複合体のデータベースは、さまざまな創薬および設計プロジェクトの中心となります。これらは、薬物のオフターゲット活性の予測 (毒物学) や既知の薬物の新規用途の発見 (薬物再利用) など、多薬理学プロジェクトで特に役立ちます。 Binding MOAD (www.BindingMOAD.org)1、2、3、PDBbind (www.PDBbind.org.cn)4、BindingDB (www.bindingdb.org)5 など、タンパク質とリガンドの複合体に関するデータを提供するデータベースがいくつかあります。、6、7、8、9、sc-PDB (http://bioinfo-pharma.u-strasbg.fr/scPDB/)10、11、その他多数。これらのデータベースはさまざまなアプリケーションを目的としており、特定のタンパク質-リガンド複合体を含めるための選択基準が異なるため、その内容とサイズは異なります。

MOAD は 2001 年に開始され、2005 年に初版が発行され 1、毎年 1 月初旬に更新されます。 MOAD を開始したとき、ドッキングとスコアリング用の最大のデータセットには約 200 の複合体が含まれていました 12,13。これらは、構造を特定するために医薬化学の文献を読むという「ボトムアップ」アプローチで収集されました。私たちは、考えられるすべての複合体を含むタンパク質データバンク (PDB) 全体から開始し、文献検索を通じてその最大セットを親和性データで増強する「トップダウン」アプローチを使用することにしました。タンパク質-リガンド複合体をデータベースに含めるには、少なくとも 2.5 Å の分解能があり、PDB 構造に少なくとも 1 つの生物学的に関連するリガンドが含まれている必要があります。 MOAD14 のオリジナルタンパク質-リガンド複合体の HiQ サブセットでは、追加の選択基準として、Rfree − Rwork ≤ 5%、Real Space R ≤ 0.2、および RSCC ≥ 0.9 というより厳密なメトリクスが必要です。

2014 年に、Web サイトとデータベースは LAMP (Linux、Apache、MySQL、および PHP) 形式に再構築されました3。改良されたユーザーインターフェイスには、Jmol、MarvinView、JChemBase などのサードパーティプラグインと MarvinSketch が組み込まれており、タンパク質やリガンドの視覚化が向上しました。同じアップデートで、フィルタリングされたダウンロードやフィールドベースの検索などの便利な機能も組み込まれました。 2019 年には、タンパク質とリガンドの複合体の視覚化を改善するために NGL ビューアが追加され、データベース内の低分子検索のために MarvinView が MarvinJS に置き換えられました 15。このウェブサイトには、3D 結合部位類似性やリガンドの 2D 類似性などのポリ薬理学ツールも装備されていました。

MOAD への最新の追加は、リガンド間の 3D 類似性です。類似した分子は、類似した化学的および生物学的特性を持つ傾向があります16。小分子間の構造類似性の評価は、さまざまなリード分子の発見と最適化のための非常に効果的な出発点となり得ます。これは、オフターゲット結合の毒性学的特性を予測したり、他の目的のタンパク質に対する潜在的な阻害剤として薬物を再利用したりするのに役立ちます。二次元の分子類似性アプローチは、その単純さと正確さのため非常に人気があります 17,18,19,20,21,22。ただし、2D 類似性の計算は主に分子フィンガープリント記述子に基づいており、分子の 3D 構造に関する情報は含まれていません。分子 3D 類似性を追加することを選択したのは、分子ライブラリの仮想スクリーニングおよび足場ホッピングアプローチにおける重要性のためです 23、24、25。

MOAD の更新に対する私たちの一貫した努力により、このデータベースは科学者の間で人気のある選択肢になりました。 MOAD の論文は 600 回引用されており、Web サイトには毎週約 1000 件のアクセスがあります。最近の機械学習研究の多くは、ベンチマークセットとして MOAD に基づいた分子ドッキングの新しいスコアリング関数を導入しています 26,27。最近の研究では、MOAD は RosENET (Rosetta Energy Neural Networks) のベンチマークセットとして機能しました。RosENET (Rosetta Energy Neural Networks) は、分子力学エネルギーとタンパク質-リガンド複合体の絶対結合親和性を予測する記述子を組み合わせた 3 次元畳み込みニューラルネットワークベースの研究です 28。データベース内のタンパク質-リガンド構造の高品質により、MOAD は、KDEEP29、DEELIG30、DeepAtom31 などの他のニューラルネットワークベースの研究でも人気の選択肢となりました。これらの研究では、複合体の結合親和性を予測するために、タンパク質-リガンド複合体の三次元ボクセル化表現を使用して、分子の特徴と結合関連の相互作用パターンを抽出しました。複雑な構造のボクセル化表現を成功させるには、複合体の構造の高品質が重要であると考えられます。歴史的に、MOAD は分子力学のパラメーターとドッキングおよびスコア付け方法の開発とテストに使用されてきました 32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47。基本的なタンパク質とリガンドの相互作用を調べる48,49,50,51,52,53,54,55,56,57,58。低分子リガンド、タンパク質標的、結合部位を予測するため 59,60,61,62。そしてタンパク質の設計を支援する63,64。 MOAD に関する私たち自身の取り組みは、タンパク質とリガンドの結合の背後にある生物物理学的原理を学習し、それらのパターンを親和性と関連付けることに焦点を当ててきました65、66、67、68。さらに、MOAD のデータを使用して、フィールドで最初のドッキングとスコアのコンテストを開催しました14,69。

上で述べたように、MOAD でのデータ収集は「トップダウン」アプローチを使用して実行されます。つまり、まず、RCSB タンパク質データバンク (https://www.rcsb.org/) からすべてのタンパク質 - リガンド複合体構造がインポートされます。、次に、MOAD の包含基準を満たさない構造が破棄され、最後に、含まれる PDB の結合データが主要な結晶学リファレンスから抽出されます。主な参考文献は、RCSB タンパク質データバンク (PDB) で報告されている PDB 構造の参考文献です70。

RCSB データバンクには、2021 年 1 月 2 日時点で 160,152 個のタンパク質 - リガンド複合体構造があり、検査のためにデータパイプラインにインポートされました。前年に追加された新しい構造を評価するために、合計 1,078 件の雑誌記事が収集されました。データパイプラインの手順の詳細な説明は、以前の MOAD アップデート 1、2、3、15 で報告されています。パイプラインの簡単な概要は次のとおりです。

解像度が 2.5 Å より悪い構造は破棄されます。残りの構造は、少なくとも 1 つのタンパク質鎖と、タンパク質鎖に共有結合していない少なくとも 1 つのリガンドについてチェックされます。

各構造内のリガンドの生物学的関連性がチェックされ、「有効」、「無効」、または「タンパク質の一部」として注釈が付けられます。結晶学的添加剤、塩、緩衝剤、金属、および溶媒は無効とみなされます。タンパク質鎖内の HEME 基および修飾アミノ酸は、結合リガンドではなくタンパク質の一部とみなされます。

少なくとも 1 つの有効なリガンドを含むステップ 2 から出現した構造は、MOAD に最終的に入力される前に手作業でキュレーションされます。手動で検査しない限り、データベースに構造が含まれることはありません。結合データは、入手可能な場合は常に、結晶構造の主要な参考資料から抽出されます。複数の種類の結合情報が報告される場合は常に、データを選択する際の優先順位は Kd > Ki > IC50 (最大阻害濃度の半値以上の阻害定数よりも解離 (または結合 Ka) 定数) です。

次に、タンパク質-リガンド複合体は、BLAST71 を使用して計算された配列類似性に基づいてファミリーにグループ化されます。ファミリには、互いに 90% 以上の同一配列を持つデータベース内のすべての複合体が含まれます。各ファミリーには、通常、セット内で最も強固な結合リガンドを持つ複合体であるリーダーが割り当てられます。ファミリーのどのメンバーにも結合データが存在しない場合、リーダーは、最高の分解能と最も生物学的関連性を持つリガンドに基づいて選択されます。研究者がタンパク質の相同セットを分析したい場合、タンパク質は 50% および 70% の配列類似性に基づいてグループ化されますが、これらのグループのリーダーは選択されません。

この最後の更新のユニークな機能は、MOAD のバインディングデータが PDBbind4 のバインディングデータと相互参照されたことです。収集された各不一致は、PDB エントリのプライマリ参照からのバインディングデータの正しい値について手動でチェックされました。 MOAD 値が間違っていた場合は、正しい値がデータベースに追加され、データベース Web サイトで入手できるようになりました。詳細な分析は、以下の「結果と考察」に記載されています。

3D 形状の類似性の計算は、MOAD データベースのすべての有効なリガンドに基づいて、OpenEye の ROCS23 および FastROCS23、24 を使用して実行されました。 ROCS には色 (または化学的特徴) の類似性検索も実行するユーティリティがありますが、扱いやすさを考慮して今回の分析では使用しませんでした。

ROCS の計算は、2 つのエンティティの体積が正確に一致する場合、それらのエンティティは同じ形状になるという概念に基づいています。したがって、オーバーレイされた 2 つのリガンドについては、体積の不一致が非類似性の尺度になります。この逆は当てはまりません。つまり、同じ体積を持つ 2 つのオブジェクトが同じ形状を持つとは限りません。 ROCS の形状理論では、2 つのオブジェクト間の形状の類似性の正確な定義は積分によって与えられます。

ここで、 \(f\left( {x,y,z} \right)\) と \(g\left( {x,y,z} \right)\) はオブジェクトの特性関数です。分子の体積は、硬い球ではなく滑らかなガウスで表されます。 ROCS は、2 つの分子間のオーバーラップを最大化する分子の固体最適化プロセスを使用します。

抽象的な定義として、谷本係数は 2 つの集合の交差と和集合の比です。 ROCS では、オブジェクトの谷本係数は次の式で計算されます。

ここで、\(I\) 項は自己体積のオーバーラップに対応し、\(O\) 項は 2 つの特性関数間のオーバーラップに対応します。

私たちの研究では、MOAD 内のすべてのリガンドがクエリリガンドとして取得され、データベースの他のすべてのリガンドと比較されました。比較は、クエリリガンドと代替リガンドの間のボリュームアライメントに基づいてランク付けされました。与えられたリガンドペアについて、まずリガンドの質量中心から開始して、リガンドを重ね合わせ、タニモト係数を計算しました。 2 番目のタニモト係数も、8 つの異なる重複重ね合わせの最大タニモト係数を取ることによって計算されました。追加のオーバーラップ構造は、クエリ分子の質量中心を 2 番目の分子上にランダムに配置し、最大ボリュームオーバーラップを最適化することによって生成されました。これは、リガンドのさまざまなサイズを考慮して行われました。すべての類似性計算中、すべての立体構造は堅固に保たれました。

FastROCS は、GPU を使用して 3D 類似度計算を実行する OpenEye のツールです。 FastROCS の背後にある形状理論は ROCS と同じですが、FastROCS はコンピューターコードの GPU バージョンが変更されているため、分子の重複を計算するためにわずかに異なるアルゴリズムを使用します。最大3つの谷本係数（クエリ分子とデータベース分子の重心を揃えたROCS、クエリ分子の重心をデータベース分子上にランダムに配置して8つの立体構造を生成したROCS、FastROCS）は、クエリとデータベースのペアの最終的な谷本係数として採用されました。

上述の計算は、リガンドの PDB 立体構造に対して実行されました。ただし、リガンドが、PDB 構造では報告されていないにもかかわらず、エネルギー的に有利な立体配座においてクエリーリガンドと非常に類似している可能性があります。したがって、2 番目のリガンドの異なる立体構造を使用して谷本係数を計算する場合、1 つのリガンドの PDB 立体構造と高い形状類似性を示す可能性のあるリガンドを見つけることが重要です。したがって、OpenEye Omega72、73 を使用して、MOAD 内のすべての固有の有効なリガンドの 64 の異なる立体配座が生成されました。コンフォメーション生成の前に、リガンドは OpenEye のフィルターユーティリティを通過し、望ましくない化合物を除去して実行時間を節約しました。有効なリガンドのフィルタースクリーニングでは、リピンスキー違反のチェックが削除され、物理的特性の制限が緩和され、pH = 7.4 を制限するためのブールフラグ (-pkanorm) が false に設定されました。オメガは異なる方法を使用して 2 つの立体構造を生成するため、リガンドはその後、大環状分子と非大環状分子に分離されました。非大環状分子の場合、Omega の「fastrocs」モードを使用して立体構造を生成しました。大環状分子と非大環状分子のそれぞれについて、可能な限り最大 64 個の異なる立体構造が生成されました。

形状類似性の計算は、生成されたすべての立体構造 (データベースリガンドとして) とすべてのリガンドの PDB 報告立体構造 (クエリリガンドとして) の間で実行されました。これらの計算で生成された固有の立体配座の総数は約 950,000 でした。この研究では、合計 160 億の ROCS と 850 億の FastROCS の計算を実行しました。

MOAD の現在の更新には、合計 41,409 個の有効なタンパク質 - リガンド複合体構造が含まれており、これは 2019 年の最後の MOAD 通信以来 26% 増加しています15。有効なタンパク質 - リガンド複合体は 11,058 個のタンパク質ファミリーにグループ化されており、合計 20,387 個のタンパク質ファミリーが含まれています。ユニークなリガンド。合計 15,223 の結合データエントリが 41,409 の複合体について報告されています (カバー率 37%、これは過去数年間一貫しています)。結合データエントリには、5,509 の Kd 値 (変換された Ka データを含む)、4,581 の Ki 値、および 5,131 の IC50 が含まれます。表 1 は、報告された結合データのタイプごとの範囲を示しています。 MOAD の多くのリガンドは薬物のような特性を持っています。51% は 440 nM 以上の親和性を持ち、69.9% は 120 ～ 500 MW の範囲にあり、69.4% は 0 または 1 つのリピンスキー違反を持ちます。

PDBBind の「洗練されたセット」は、MOAD4 に匹敵するデータセットです。 PDBbind のバインディングデータの収集は、関連する各 PDB 構造で提供される主要参考文献の全文をキーワードベースで検索し、その後、値に同意する必要がある 2 人の科学者によるテキストの独立した手動検査によって行われます。 MOAD では、データ抽出は基本的な自然言語処理 (NLP) と、1 人が PDB 構造の主参照を手動でチェックすることによって行われます 2,74。当社の半自動テキストマイニングツールは BUDA (結合非構造化データ分析) で、ガイド付き読書を可能にして論文内の重要な文やフレーズを特定します。文や語句に結合データが含まれる可能性をランク付けする加重スコアリングアルゴリズムを備えています。 BUDA は、同僚が構造を自分たちで分割し、お互いの進捗状況を把握できるようにする共有ユーティリティです。キュレーターは、加重スコアによって記事を並べ替え、重要なフレーズや文章に注目してハイライトを付けてテキストをレビューし、データを Binding MOAD に更新できます。 BUDA の NLP 部分は、General Architecture for Text Engineering (GATE) フレームワーク (gate.ac.uk) に基づいて構築されています。当社の GATE パイプラインは、ANNIE プラグイン、Gazetteer の修正されたルックアップリスト、複数の JAPE 文法、および処理/エクスポートツールで構成されています。ルックアップリストへの追加には、「解離定数」、「結合」、「IC50」などのキーワードが含まれます。トランスデューサーは、大きなフレーズや文章に注釈を付けます。トランスデューサーは、数値とモル単位 (nM、mM、pM など) をグループ化するために使用されます。 2 番目のトランスデューサは、定数名が数値と単位のペアに非常に近いパターンを識別して強調表示します。 BUDA ダッシュボードには、各論文がテキスト、表、図のキャプションを強調表示して表示され、キュレーターが必要な情報を見つけるのに役立ちます。

MOAD データベースと PDBbind データベースの両方に共通する構造が多数あるため、2 つのセットのバインディングデータの比較を実行し、不一致を収集しました。矛盾は、PDB 構造の主要な参照を手動で検査することによって再検査されました。 PDBbind は長年にわたって Binding MOAD で導入された高品質プロトコルの多くを採用してきましたが、PDBbind と比較したのは今回が初めてです。

MOAD と PDBbind の洗練されたセットを比較した結果、合計 2,371 件の不一致が生じました。不一致のほとんどは、単に文献データの報告に対する好みの違いから生じています。たとえば、MOAD では、阻害定数 (Ki) や最大阻害濃度の半分 (IC50) よりも、解離 (Kd) 定数と会合 (Ka) 定数の報告を重視しています。 MOAD はまた、データを文献に記載されているとおりに正確に、つまりデータの単位を変更せずに報告することを目指しています。具体的には、複合体の 3 分の 2 (1,589) の結合親和性は、使用したさまざまな単位と実際に一致しました (たとえば、MOAD は文献値 0.003 μM を報告しますが、PDBbind は 3.0 nM を報告します)。 782 件の誤った不一致のうち、MOAD には 602 件のエラーが含まれていました (そのエラー率は、20 年以上にわたって収集されたアフィニティエントリのわずか 4% にすぎません)。 PDBbind には、結晶学の論文のデータと一致しない残り 180 件が含まれていましたが、PDBbind の値との差異は、結晶学の文献外での親和性データの検索に起因する可能性があることに注意する必要があります。 MOAD エラーは次のカテゴリに割り当てることができます。 1) 98 は結合測定タイプが正しくありません (たとえば、値が実際には Ka、Ki、または IC50 としてリストされているときに、MOAD が Kd を報告した)。 2) 44 の不等号タイプが正しくありません (例: 文献では「~」または「<」が指定されているにもかかわらず、MOAD は「=」と報告しました)。 3) 256 では不正確なリガンド相互作用が報告されました (例えば、データは誤ったタンパク質-リガンド対について報告されました)。 4) 結合データの単純な誤った報告による人的エラーが 204 件発生しました。このエラーチェックを可能にした PDBbind キュレーションの優れた作業に感謝します。

MOAD の最新機能には、ポリファーマコロジーツールが追加されました。ポリ薬理学とは、1 つの小分子が複数の標的タンパク質に結合することです。小分子のオフターゲット活性 (毒物学) と既知の薬物の新規用途の発見 (薬物再利用) は、ポリ薬理学の典型的な応用です。タンパク質の結合部位の形状とそれに結合するリガンドの形状の関係は、1対1や1対多ではなく、多対多の関係にあります。 Gao と Skolnick による最近の研究では、タンパク質結合部位とリガンドの相互作用が、タンパク質結合部位とリガンドの無差別な性質によりかなり複雑であることが示されました 75。この研究では、タンパク質結合部位の形状空間は有限であり、約 1000 個のポケット形状で表現できることも指摘しています 76,77。したがって、結合部位の重要な形状特徴セットが、進化的な関係を共有していない可能性がある別の結合部位で見つかる可能性があります。したがって、リガンドの形状を同じタンパク質ファミリー内の他のリガンドと比較するだけでなく、データベース全体と比較することによって、リガンドの多薬理学的見通しを調査することが重要です。リガンドの無差別性は、リガンドの異なる立体構造が異なる結合部位への結合を引き起こす可能性があることも示しています 78。したがって、我々は、タンパク質結合リガンドの既知の姿勢（PDB 構造で報告されている）とリガンド立体構造の 3D 類似性を調査しました。 MOAD のリガンドに対して行われた 3D 類似性計算により、潜在的な多薬理学的特性を持つ小分子の同定が強化されました。 3D 類似度ペアは、Tanimoto 類似度 > 0.85 として Web サイトに報告されています。約 950,000 個のリガンド立体構造 (PDB 報告および Omega によって生成されたもの) に対して実行された類似性計算から、すべての立体構造にわたる 2,600 万個を超える個別の類似性が特定され、個々のリガンド間に合計 1,320,511 個の新しい 3D 形状の一致が追加されました。 MOAD データベースに保存します。これらは、各複合体に関する BindingMOAD.org ページのリガンドの新しい 3D 類似性セクションに追加されました (図 1 を参照)。

BindingMOAD.org 上のエントリの 3D 類似性の例。

MOAD の新しい 3D マッチにより、小分子のオフターゲット活性や既知の薬剤の潜在的な応用を特定できます。図 2 はそのような例を示しています。分子 N-メチル-1(R)-アミノインダン (RM1) は、タンパク質モノアミンオキシダーゼ (MAO、PDBid: 2C67) に対して阻害活性を示すラサギリン類似体です79。一方、分子トラニルシプロミン (TPA) はセリンプロテアーゼの阻害剤です。トリプシン (PDBid: 1TNL)80。 2 つの分子は 2D 比較では類似しておらず、APOC または GLoSA によれば結合部位は一致しません。ただし、RM1 と TPA の 3D タニモト係数は 0.92 であり、非常によく似た形状であることがわかります。私たちは文献を検索し、実際に TPA が臨床的うつ病の標的である MAO に対して効果的であることを発見しました 81。

TPA は RM1 と 2D 類似性がほとんどなく、トリプシンの結合部位は MAO の結合部位と類似性がありません。しかし、それらの 3D 類似性は、MOA の阻害剤としての TPA の関連性を示しています。

別の例を図 3 に示します。分子 1-フェニル-1H-1,2,4-トリアゾール-3,5-ジアミン (TT4) は、マイトジェン活性化プロテインキナーゼ 1 (ERK2、PDBid としても知られています) に結合します。 4XNE) ラット (ドブネズミ) 82. 神経活性薬ガバペンチン (GBN) は、ヒトミトコンドリア分岐鎖アミノトランスフェラーゼ (BCATm、PDBid: 2A1H) と複合体を形成することが示されている分子です 83。 2D 測定による分子の類似性や結合部位の類似性がないにもかかわらず、GBN がラットの ERK2 を阻害できることが判明しました 84。私たちの計算における 2 つのリガンドの 3D タニモト係数は 0.90 でした。

TT4 と GBN の 3D の類似性は明らかです。ただし、2D の類似性は低く、結合部位も同様に類似性を示しません。

ここでは、Binding MOAD データベースの最終更新について報告します。 3D リガンド類似性計算の追加は強力な利点ですが、すべてのリガンド比較を検索することにより、Web サイトでのページの読み込み時間が大幅に遅くなり、これには問題があります。

Web サイトで利用できるオプションには、データセット全体のダウンロード、フィルターされたダウンロード、リガンドベースの検索 (MarvinSketch を含む)、およびその複合体ごとの個別の Web ページ (PDBid によって識別される) が含まれます。各複合体のウェブページには、データベース内の他のタンパク質とのファミリーの注釈 (90%、70%、および 50% の配列類似性) が付いています。各リガンドの類似性計算 (2D および 3D) および結合部位の類似性にも注釈が付けられます。

このデータベースは、今後 1 年半の間、BindingMOAD.org でオンラインで引き続き利用できます (サーバーのオペレーティングシステムのサポートが終了する 2024 年 6 月 31 日まで)。将来のアクセスのために、バインディングデータは各複合体の RCSB PDB Web サイトページを通じて引き続き利用可能になります。データセット全体にわたるすべての親和性データおよびポリ薬理関係を含む Web サイトのバックエンドは、Chemical Abstract Services にライセンスされています。

この原稿のデータは、www.BindingMOAD.org および RCSB Protein Data Bank (www.rcsb.org) で入手できます。

Hu, L.、Benson, ML、Smith, RD、Lerner, MG & Carlson, HA Binding MOAD (すべてのデータベースの母)。プロテイン 60、333–340 (2005)。

論文 CAS PubMed Google Scholar

ベンソン、ML 他。 Binding MOAD、高品質のタンパク質-リガンドデータベース。核酸研究所 36、D674–D678 (2008)。

論文 CAS PubMed Google Scholar

Ahmed, A.、Smith, RD、Clark, JJ、Dunbar, JB & Carlson, HA Binding MOAD の最近の改善: タンパク質-リガンドの結合親和性と構造に関するリソース。核酸研究所 43、D465–D469 (2015)。

論文 CAS PubMed Google Scholar

Liu、Z.ら。 PDB 全体のバインディングデータのコレクション: PDBbind データベースの現在のステータス。バイオインフォマティクス 31、405–412 (2015)。

論文 CAS PubMed Google Scholar

Chen, X.、Lin, Y. & Gilson, MK バインディングデータベース: 概要とユーザーガイド。バイオポリマー 61、127–141 (2001)。

3.0.CO;2-N" data-track-action="article reference" href="https://doi.org/10.1002%2F1097-0282%282002%2961%3A2%3C127%3A%3AAID-BIP10076%3E3.0.CO%3B2-N" aria-label="Article reference 5" data-doi="10.1002/1097-0282(2002)61:23.0.CO;2-N">論文 CAS PubMed Google Scholar

Chen, X.、Lin, Y.、Liu, M. & Gilson, MK バインディングデータベース: データ管理とインターフェイス設計。バイオインフォマティクス 18、130–139 (2002)。

論文 CAS PubMed Google Scholar

Liu, T.、Lin, Y.、Wen, X.、Jorissen, RN & Gilson, MK BindingDB: 実験的に決定されたタンパク質-リガンド結合親和性の Web アクセス可能なデータベース。核酸Res 35、D198-201 (2007)。

論文 CAS PubMed Google Scholar

ギルソン、MK et al. BindingDB (2015 年): 医薬化学、計算化学、システム薬理学のための公開データベース。核酸研究 44、D1045–D1053 (2016)。

論文 CAS PubMed Google Scholar

Chen, X.、Liu, M. & Gilson, MK BindingDB: Web からアクセス可能な分子認識データベース。 Comb Chem High Throughput Screen 4、719–725 (2001)。

論文 CAS PubMed Google Scholar

Desaphy, J. & Rognan, D. sc-PDB-Frag: 生物学的等価体置換のタンパク質-リガンド相互作用パターンのデータベース。 J Chem Inf モデル 54、1908 ～ 1918 (2014)。

論文 CAS PubMed Google Scholar

Desaphy, J.、Bret, G.、Rognan, D. & Kellenberger, E. sc-PDB: リガンド可能な結合部位の 3D データベース - 10 年。核酸研究 43、D399-404 (2015)。

論文 CAS PubMed Google Scholar

Roche, O.、Kiyama, R. & Brooks, CL リガンド-タンパク質データベース: タンパク質-リガンド複合体構造と結合データのリンク。 J.Med. 化学。 44、3592–3598 (2001)。

論文 CAS PubMed Google Scholar

Muegge, I. PMF スコアリングに対するリガンド量補正の効果。Ｊ．Ｃｏｍｐｕｔ．化学。 22、418–425 (2001)。

3.0.CO;2-3" data-track-action="article reference" href="https://doi.org/10.1002%2F1096-987X%28200103%2922%3A4%3C418%3A%3AAID-JCC1012%3E3.0.CO%3B2-3" aria-label="Article reference 13" data-doi="10.1002/1096-987X(200103)22:43.0.CO;2-3">記事 CAS Google Scholar

ダンバー、JB Jr. 他 2010 年の CSAR ベンチマーク演習: タンパク質-リガンド複合体の選択。Ｊ．Ｃｈｅｍ．情報モデル。 51、2036 ～ 2046 年 (2011)。

論文 CAS PubMed PubMed Central Google Scholar

スミス、RD et al. バインディング MOAD (Mother of All Databases) の更新: ポリファーマコロジーツールと薬物再利用におけるその有用性。 J Mol Biol 431、2423–2433 (2019)。

論文 CAS PubMed PubMed Central Google Scholar

Martin, YC、Kofron, JL & Traphagen, LM 構造的に類似した分子は同様の生物学的活性を持っていますか? J.Med. 化学。 45、4350–4358 (2002)。

論文 CAS PubMed Google Scholar

カイザー、MJ 他既知の薬剤の新しい分子標的を予測します。ネイチャー 462、175–181 (2009)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Willett, P. 2D 指紋を使用した類似性に基づく仮想スクリーニング。 Drug Discov Today 11、1046–1053 (2006)。

論文 CAS PubMed Google Scholar

Hassan, M.、Brown, RD、Varma-O'brien, S.、Rogers, D. データパイプライン環境におけるケミンフォマティクス分析と学習。モル。ダイバー。 10、283–299 (2006)。

論文 CAS PubMed Google Scholar

Godden, JW、Xue, L. & Bajorath, J. 組み合わせ優先度は、バイナリフィンガープリントとタニモト係数を使用した分子の類似性/多様性の計算に影響します。Ｊ．Ｃｈｅｍ．情報計算します。科学。 40、163–166 (2000)。

論文 CAS PubMed Google Scholar

Anighoro, A. & Bajorath, J. 分子ドッキングにおける三次元類似性: 実験的な結合モードに基づいたリガンドのポーズの優先順位付け。Ｊ．Ｃｈｅｍ．情報モデル。 56、580–587 (2016)。

論文 CAS PubMed Google Scholar

Shin, W.-H.、Zhu, X.、Bures, MG & Kihara, D. 三次元化合物比較法と創薬におけるその応用。分子 20、12841–12862 (2015)。

論文 CAS PubMed PubMed Central Google Scholar

Hawkins, PC、Skillman, AG & Nicholls, A. 仮想スクリーニングツールとしての形状マッチングとドッキングの比較。 J.Med. 化学。 50、74–82 (2007)。

論文 CAS PubMed Google Scholar

Rush, TS、Grant, JA、Mosyak, L. & Nicholls, A. 形状ベースの 3-D 足場ホッピング法と細菌タンパク質間相互作用へのその応用。 J.Med. 化学。 48、1489–1495 (2005)。

論文 CAS PubMed Google Scholar

Zhang, Q. & Muegge, I. 2D および 3D 類似性記述子を使用した仮想スクリーニングをホッピングする足場: ランキング、投票、およびコンセンサススコアリング。 J.Med. 化学。 49、1536–1548 (2006)。

論文 CAS PubMed Google Scholar

Honjian, L.、Kam-Heung, S.、Gang, L.、Ballester, PJ 構造ベースの医薬品リード最適化のための機械学習スコアリング関数。ワイヤーコンピューティング。モル。科学。 10、e1465 (2020)。

Google スカラー

Thafar, M.、Raies, AB、Albaradei, S.、Essack, M. & Bajic, VB 薬物標的結合親和性の計算予測ツールの比較研究。フロント。化学。 7, 782 (2019)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Hassan-Harrirou, H.、Zhang, C. & Lemmin, T. RosENet: 3D 畳み込みニューラルネットワークのアンサンブルで分子力学エネルギーを活用することにより、結合親和性予測を改善します。Ｊ．Ｃｈｅｍ．情報モデル。 60、2791–2802 (2020)。

論文 CAS PubMed Google Scholar

Jiménez, J.、Škalič, M.、Martínez-Rosell, G. & De Fabritiis, G. KDEEP: 3D 畳み込みニューラルネットワークによるタンパク質 - リガンドの絶対結合親和性予測。Ｊ．Ｃｈｅｍ．情報モデル。 58、287–296 (2018)。

論文 PubMed Google Scholar

Ahmed, A.、Mam, B. & Sowdhamini, R. DEELIG: タンパク質とリガンドの結合親和性を予測するための深層学習アプローチ。バイオインフォーム。バイオル。インサイト 15、11779322211030364 (2021)。

記事 PubMed PubMed Central Google Scholar

Li, Y.、Rezaei, MA、Li, C.、Li, X. & Wu, D. DeepAtom: タンパク質とリガンドの結合親和性を予測するためのフレームワーク。 https://doi.org/10.48550/arXiv.1912.00318 (2019) のプレプリント。

Varela, R.、Cleves, AE、Spitzer, R.、Jain, AN タンパク質ポケットモデリングと親和性予測のための構造に基づくアプローチ。 J Comput Aided Mol Des 27、917–934 (2013)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Durrant, JD & McCammon, JA NNScore 2.0: ニューラルネットワークの受容体 - リガンドのスコアリング機能。Ｊ．Ｃｈｅｍ．情報モデル。 51、2897–2903 (2011)。

論文 CAS PubMed PubMed Central Google Scholar

Santos-Martins, D.、Forli, S.、Ramos, MJ & Olson, AJ AutoDock4Zn: 亜鉛金属タンパク質への小分子ドッキングのための改良された AutoDock 力場。Ｊ．Ｃｈｅｍ．情報モデル。 54、2371–2379 (2014)。

論文 CAS PubMed PubMed Central Google Scholar

Zheng, Z. & Merz, KM Jr. リガンド同定スコアリングアルゴリズム (LISA)。Ｊ．Ｃｈｅｍ．情報モデル。 51、1296–1306 (2011)。

論文 CAS PubMed PubMed Central Google Scholar

ヒル、AD およびライリー、PJ A 炭水化物の自動ドッキングのためのギブスの自由エネルギー相関。Ｊ．Ｃｏｍｐｕｔ．化学。 29、1131–1141 (2008)。

論文 CAS PubMed Google Scholar

Masso, M. タンパク質とリガンドの結合親和性をモデル化するための四体原子ポテンシャル: 酵素阻害剤の結合エネルギー予測への応用。 BMC構造体。バイオル。 13 補足 1、S1 (2013)。

論文 ADS PubMed Google Scholar

Masso, M. タンパク質-リガンド結合親和性を予測するための高分子構造の原子テッセレーションから得られる知識ベースのスコアリング関数。 2012 年、バイオインフォマティクスおよび生物医学に関する IEEE 国際会議ワークショップ 17 ～ 21 (2012)。 https://doi.org/10.1109/BIBMW.2012.6470315。

Strömbergsson、H. et al. 局所的なタンパク質部分構造に基づく相互作用モデルは、構造酵素-リガンド空間全体に一般化されます。Ｊ．Ｃｈｅｍ．情報モデル。 48、2278–2288 (2008)。

論文 PubMed Google Scholar

リー、H.、レオン、K.-S.、バレスター、PJ、ウォン、M.-H. istar: 大規模なタンパク質とリガンドのドッキングのための Web プラットフォーム。 PLoS ONE 9、e85678 (2014)。

論文 ADS PubMed PubMed Central Google Scholar

Corbeil, CR、Williams, CI & Labute, P. データセットの準備によるドッキング成功率の変動。Ｊ．Ｃｏｍｐｕｔ．モルを助けた。デス。 26、775–786 (2012)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Lemmon, G. & Meiler, J. 明示的な界面水分子を含むリガンドドッキングに向けて。 PLoS ONE 8、e67536 (2013)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Peng, S.-M.、Zhou, Y. & Huang, N. 構造フィルタリングと立体構造クラスタリングによる分子ドッキングにおける姿勢予測の精度の向上。顎。化学。レット。 24、1001–1004 (2013)。

記事 CAS Google Scholar

Hogues, H.、Sulea, T. & Purisima, EO 徹底的なドッキングと溶媒和相互作用エネルギーのスコアリング: SAMPL4 の課題から学んだ教訓。Ｊ．Ｃｏｍｐｕｔ．モルを助けた。デス。 28、417–427 (2014)。

論文 ADS CAS PubMed Google Scholar

ジョージア州ロス、GM モリス、PC ビギン 1 つのサイズではすべてに適合しない: 創薬における構造ベースのモデルの限界。Ｊ．Ｃｈｅｍ．理論計算。 9、4266–4274 (2013)。

論文 CAS PubMed PubMed Central Google Scholar

アリソン、B.ら。タンパク質と低分子の界面の計算による設計。Ｊ．Ｓｔｒｕｃｔ．バイオル。 185、193–202 (2014)。

論文 CAS PubMed Google Scholar

Koes、DR & Camacho、CJ マッチングとパッキングによる体積形状のインデックス作成。知ってください。情報システム。 43、157–180 (2015)。

論文 PubMed Google Scholar

Saranya, N. & Selvaraj, S. タンパク質-リガンド複合体におけるタンパク質結合キャビティの体積とリガンドの体積の変動。バイオオルグ。医学。化学。レット。 19、5769–5772 (2009)。

論文 CAS PubMed Google Scholar

Spitzer, R.、Cleves, AE & Jain, AN 表面ベースのタンパク質結合ポケットの類似性。プロテイン 79、2746–2763 (2011)。

論文 CAS PubMed PubMed Central Google Scholar

Swapna, LS、Srikeerthana, K. & Srinivasan, N. ホモ二量体タンパク質における構造的非対称性の程度: 有病率と関連性。 PLoS ONE 7、e36688 (2012)。

論文 ADS PubMed PubMed Central Google Scholar

マイヤー、T. & ナップ、E.-W. 多価結合能を持つタンパク質複合体のデータベース：Bival-Bind。プロテイン 82、744–751 (2014)。

論文 CAS PubMed Google Scholar

Guo, X.、He, D.、Liu, L.、Kuang, R. & Liu, L. 高分子と低分子の非共有結合エネルギーを再現するための QM/MM スキームの使用。計算します。理論。化学。 991、134–140 (2012)。

記事 CAS Google Scholar

Guo、X.ら。酵素と基質の結合におけるひずみエネルギー: 酵素活性部位の柔軟性と剛性についてのエネルギー的な洞察。計算します。理論。化学。 995、17–23 (2012)。

記事 CAS Google Scholar

Koes, DR & Camacho, CJ タンパク質間相互作用阻害剤の構造から学んだ小分子阻害剤の出発点。バイオインフォマティクス 28、784–791 (2012)。

論文 CAS PubMed Google Scholar

Mukherjee, G. & Jayaram, B. 物理化学的記述子による標的タンパク質のヒット分子の迅速な同定。物理学。化学。化学。物理学。 15、9107–9116 (2013)。

論文 CAS PubMed Google Scholar

Saranya, N.、Jeyakanthan, J. & Selvaraj, S. タンパク質-リガンド複合体の堅固かつ柔軟なドッキングにおけるタンパク質結合キャビティ容積 (PCV) とリガンド容積 (LV) の影響。バイオオルグ。医学。化学。レット。 22、7593–7597 (2012)。

論文 CAS PubMed Google Scholar

シッツマン、M.ら。量子力学的に計算された PDB リガンドの立体構造エネルギー。Ｊ．Ｃｈｅｍ．情報モデル。 52、739–756 (2012)。

論文 CAS PubMed PubMed Central Google Scholar

Sturm, N.、Desaphy, J.、Quinn, RJ、Rognan, D. & Kellenberger, E. リガンドの乱交の分子基盤についての構造的洞察。 J Chem Inf モデル 52、2410–2421 (2012)。

論文 CAS PubMed Google Scholar

Kelley, LA、Shrimpton, PJ、Muggleton, SH & Sternberg, MJE サポートベクター帰納的論理プログラミングを使用して、タンパク質-リガンド特異性の規則を発見。 Protein Eng Des Sel 22、561–567 (2009)。

論文 CAS PubMed Google Scholar

Mitternacht, S. & Berezovsky, IN 触媒部位とアロステリック部位の幾何学ベースの汎用予測子。タンパク質工学デス。セル。 PEDS 24、(2011)。

Buhrow, L.、Hiser, C.、Van Voorst, JR、Ferguson-Miller, S. & Kuhn, LA シトクロム C オキシダーゼの胆汁酸結合部位の潜在的な生理学的リガンドのコンピューターによる予測と in vitro 解析。生化学 52、6995–7006 (2013)。

論文 CAS PubMed Google Scholar

Flachner, B. et al. がん標的の同定に対する化学中心のアプローチ。 PLoS ONE 7、e35582 (2012)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Nivón, LG、Bjelic, S.、King, C. & Baker, D. タンパク質設計における人間の直観の自動化。プロテイン 82、858–866 (2014)。

論文 PubMed Google Scholar

Topham, CM、Barbe, S. & André, I. 計算タンパク質設計のための原子論的で統計的に有効なエネルギー関数。Ｊ．Ｃｈｅｍ．理論計算。 12、4146–4168 (2016)。

論文 CAS PubMed Google Scholar

スミス、RD et al. Binding MOAD を使用したタンパク質とリガンドの認識の探索。Ｊ．Ｍｏｌ．グラフ。モデル。 24、414–425 (2006)。

論文 CAS PubMed Google Scholar

カールソン、HA et al. 酵素と非酵素の高親和性複合体と低親和性複合体の違い。 J.Med. 化学。 51、6432–6441 (2008)。

論文 CAS PubMed PubMed Central Google Scholar

Smith, RD、Engdahl, AL、Dunbar, JB Jr. & Carlson, HA タンパク質とリガンドの結合の生物物理学的限界。Ｊ．Ｃｈｅｍ．情報モデル。 52、2098–2106 (2012)。

論文 CAS PubMed PubMed Central Google Scholar

Khazanov, NA & Carlson, HA 大規模なタンパク質-リガンド結合部位の組成の探索。 PLoS コンピューティング。バイオル。 9、e1003321 (2013)。

論文 ADS PubMed PubMed Central Google Scholar

スミス、RD et al. 2010 年の CSAR ベンチマーク演習: 提出されたすべてのスコアリング関数にわたる総合評価。Ｊ．Ｃｈｅｍ．情報モデル。 51、2115–2131 (2011)。

論文 CAS PubMed PubMed Central Google Scholar

バーリー、SKら。 RCSB Protein Data Bank: 基礎生物学、生物医学、バイオテクノロジー、生物工学、エネルギー科学における基礎および応用研究および教育のための生体高分子の 3D 構造を探索するための強力な新しいツールです。核酸研究所 49、D437–D451 (2021)。

論文 CAS PubMed Google Scholar

Altschul, SF、Gish, W.、Miller, W.、Myers, EW & Lipman, DJ 基本的なローカルアライメント検索ツール。Ｊ．Ｍｏｌ．バイオル。 215、403–410 (1990)。

論文 CAS PubMed Google Scholar

Hawkins, PC、Skillman, AG、Warren, GL、Ellingson, BA & Stahl, MT OMEGA によるコンフォーマー生成: タンパク質データバンクとケンブリッジ構造データベースの高品質構造を使用したアルゴリズムと検証。Ｊ．Ｃｈｅｍ．情報モデル。 50、572–584 (2010)。

論文 CAS PubMed PubMed Central Google Scholar

Watts, KS、Dalal, P.、Tebben, AJ、Cheney, DL & Shelley, JC MacroModel を使用したマクロサイクル構造サンプリング。Ｊ．Ｃｈｅｍ．情報モデル。 54、2680–2696 (2014)。

論文 CAS PubMed Google Scholar

ベンソン、ML 他。バインディングモードの更新 - データ管理と情報のワークフロー。新しい数学。ナット。計算します。 (NMNC) 06、49–56 (2010)。

記事 Google Scholar

Gao, M. & Skolnick, J. タンパク質内の小分子結合ポケットの包括的な調査。 PLoS コンピューティング。バイオル。 9、e1003302 (2013)。

論文 ADS PubMed PubMed Central Google Scholar

Zhang, Y.、Hubner, IA、Arakaki, AK、Shakhnovich, E. & Skolnick, J. 単一ドメインタンパク質構造の起源と可能性の高い完全性について。手順国立アカド。科学。 USA 103、2605–2610 (2006)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Chothia、C. タンパク質。分子生物学者にとっては 1,000 家族。ネイチャー 357、543–544 (1992)。

論文 ADS CAS PubMed Google Scholar

Kahraman, A.、Morris, RJ、Laskowski, RA、Favia, AD & Thornton, JM 無関係なタンパク質の結合ポケット内の同一のリガンドが経験する物理化学的環境の多様性について。プロテイン 78、1120–1136 (2010)。

論文 CAS PubMed Google Scholar

ビンダ、C.ら。ラサギリン関連阻害剤のヒトモノアミンオキシダーゼへの結合: 速度論的および結晶学的分析。 J.Med. 化学。 48、8148–8154 (2005)。

論文 CAS PubMed PubMed Central Google Scholar

クリノフ IV およびハリソン RW 新しいセリンプロテイナーゼ阻害剤の予測。ナット。構造体。バイオル。 1、735–743 (1994)。

論文 CAS PubMed Google Scholar

Kiani, C. トラニルシプロミン: その薬理学、安全性、有効性。午前。 J.精神医学 15、3–5 (2020)。

Google スカラー

Gelin、M.ら。「乾式」共結晶化とその場回折を組み合わせて、X 線結晶構造解析によるリガンドのスクリーニングを容易にします。アクタクリスタログル。 Dバイオル。クリスタロガー。 71、1777–1787 (2015)。

論文 CAS PubMed Google Scholar

後藤正人他抗けいれん薬ガバペンチンによる分岐鎖アミノトランスフェラーゼアイソザイム特異的阻害の構造決定因子。Ｊ．Ｂｉｏｌ．化学。 280、37246–37256 (2005)。

論文 CAS PubMed Google Scholar

Zhang、YBら。ガバペンチンは、ホルマリン誘発性内臓炎症性疼痛を有するラットの脊髄における PKC-ERK1/2 シグナル伝達に影響を与えます。 PLoS ONE 10、e0141142 (2015)。

記事 PubMed PubMed Central Google Scholar

リファレンスをダウンロードする

この研究に不可欠なソフトウェアである ROCS、FastROCS、および Omega を提供してくださった OpenEye の寛大さに、私たちは非常に感謝しています。この研究は国立衛生研究所 (R01 GM124283) の支援を受けています。資金提供者は、研究の設計、データの収集と分析、出版の決定、原稿の準備には何の役割もありませんでした。

ミシガン大学薬学部医化学部、428 Church St、Ann Arbor、MI、48109-1065、米国

スワプニル・ワグル、リチャード・D・スミス、アンソニー・J・ドミニク三世、デバラティ・ダスグプタ、スニル・クマール・トリパティ、ヘザー・A・カールソン

PubMed Google Scholar でこの著者を検索することもできます

SW、RDS、および HAC が原稿を執筆しました。 SW と HAC が図と表を作成しました。 RDS、SW、AJD III、DD、および SKT がデータベースに含めるために厳選したデータ。 SW と RDS は Web サイトに新しいツールを実装しました。

ヘザー・A・カールソンへの通信。

著者らは競合する利害関係を宣言していません。

シュプリンガーネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Wagle, S.、Smith, RD、Dominic, AJ 他最後のデータ更新と 3D リガンドポリファーマコロジーツールの追加を含む Sunsetting Binding MOAD。 Sci Rep 13、3008 (2023)。 https://doi.org/10.1038/s41598-023-29996-w

引用をダウンロード

受信日: 2022 年 12 月 5 日

受理日: 2023 年 2 月 14 日

公開日: 2023 年 2 月 21 日

DOI: https://doi.org/10.1038/s41598-023-29996-w

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。

宝くじ参加者は1万ポンドが当たる可能性があるため、チケットを確認するよう促した

テストされレビューされた、2023 年のベスト冬用バックパック

ニュース

Sunsetting Binding MOAD の最後のデータ更新と 3D の追加