ConfGenによる正確かつ迅速なコンフォメーション生成

生物活性を持つリガンド の立体構造の再現における性能

コンフォメーション生成とは、化合物の多様で低エネルギーの3次元構造を生成する手順であり、インシリコ創薬において不可欠な要素であり、リガンド を用いたバーチャルスクリーニングで広く活用されています。 生成されたコンフォーマーの中から生物活性コンフォメーションの回収率を向上させ、コンフォーマー生成を劇的に高速化するため、Schrödinger はConfGenアプリケーションを全面的に書き直した。表1に示すように、新しいアルゴリズムは以前のバージョンのConfGen（以下、ConfGen Classicと呼ぶ）よりも約1桁高速であり、生物活性コンフォメーションの回収率は、以前利用可能だったConfGenの中で最も計算負荷の高いモードと同等である。 本ケーススタディでは、高品質なタンパク質-リガンド 結晶構造から抽出された1,904個のリガンドを用いた。図1に示すように、このデータセットには、薬物様分子に存在する多種多様な官能基に加え、幅広い分子サイズおよび柔軟性が含まれている。

Without minimization of output conformers, ConfGen finds the bioactive conformation with an RMSD of < 1.5 Å in 89% of cases compared to 83% and 87% with ConfGen Classic Intermediate and Comprehensive modes, respectively. The new algorithm processes ligands 25 and 57 times faster than ConfGen Classic Intermediate and Comprehensive modes. When minimization of conformers is performed, ConfGen recovers more bioactive conformations with < 1.0 Å RMSD than without minimization. Because minimization acts as the speed bottleneck, the new algorithm is 5 times faster than both ConfGen Classic Intermediate and Comprehensive modes. It should be emphasized that ConfGen is able to achieve bioactive recovery similar to ConfGen Classic Comprehensive in far fewer conformers.

ConfGenおよびConfGen Classicは、他のいくつかの商用コンフォーマー生成プログラムとともに、ハンブルク大学[1]において、PDBから抽出された2,859個のタンパク質結合型リガンド コンフォメーションからなる高品質なデータセットを用いてベンチマーク評価が行われた。精度の面では、ConfGenプログラムはOMEGAと同等であり、全体としてはMOEよりも優れていることが判明した（表2を参照）。 なお、本論文では、コンフォーマー生成プログラムを一度に1つのリガンド に対して実行することで処理時間を評価しており、これは一般的な使用状況を反映したものではない点に留意が必要である。さらに、Schrödingerのジョブ制御システムによるオーバーヘッド（リモートキューやホストへの容易な送信を可能にするもの）が、ConfGenの処理時間の一部として含まれていた。 これらの要因を除外して、当該研究で使用されたデータセットに適用した場合、ConfGen（Suite 2017-3リリース）は、最適化を行わない状態で平均1秒あたり15リガンドを処理し、OPLS3を用いた幾何最適化を行う場合は1秒あたり約0.4リガンドを処理する。これらの処理速度はOMEGAと同等であり、MOEアプローチの中で最速であるMOE Importよりも少なくとも1桁高速である。

ConfGenアルゴリズム

新しいConfGenアルゴリズムは、「分割統治法」を用いて、3つのステップで実現可能な分子のコンフォメーションを構築します。(1) 入力分子を、環外回転可能な結合を切断することでフラグメントに分割する；(2) すべてのフラグメントのコンフォメーションを求める；(3) フラグメントをさまざまな方法で再結合させ、分子全体のコンフォメーションを構築する。

断片化の観点から、以下の種類の結合は切断されないものとみなされます。すなわち、環状結合、二重結合または三重結合、末端原子への結合、およびアミドやチオアミドにおけるN-C結合、エステルやチオエステルにおけるO-C結合など、一般的な「剛性」結合です。その他のすべての結合は、断片化の過程で切断され、水素でキャップされます。この過程を図2に示します。

Zincデータベース[2]を調査し、約40,000個のテンプレートフラグメントを同定 した。これらのフラグメントそれぞれに対してMacroModelによる立体構造検索を適用し、ConfGen検索に使用するライブラリ を生成した。ライブラリ に含まれていないフラグメントの立体構造は、ランダムな初期原子位置から開始する2段階の最適化プロセスを通じて、その都度生成される。

第1段階の最適化では、ペナルティ関数を用いて粗座標を効率的に求め、第2段階ではOPLS3力場を用いてコンフォメーションを微調整します。 このプロセスは、フラグメント^{内のsp3中心}の数に応じて数回繰り返されます。いくつかの公開データベースの化合物を調査した結果、ConfGenの断片化ルールを使用して生成されたフラグメントについては、^{nをsp3中心}の数とした場合、最大でおよそ^2n⁄2個の低エネルギーコンフォメーションが期待されることが確認されました。 このアルゴリズムは、デフォルトでは最大24個まで、この数のコンフォメーションを生成する。以前に生成されたコンフォメーションと比較して、重原子のRMSD値が設定可能な閾値（デフォルトは0.25 Å）未満のコンフォメーションは、重複として分類され、破棄される。

フラグメントのオン・ザ・フライ・コンフォーマー生成の最初のステップで使用されるペナルティ関数は、コンフォメーションの望ましい特徴を生み出すように設計された項から構成されています：

_{エボンドスの}寄与は、結合長が理想値から逸脱することをペナルティとして扱う調和項（結合ごとに1つ）の和である：

理想結合長（^lbideal）は、参考文献[3]および[4]に記載されている方法に従って算出される。_{Eangles項はEbonds項と同じ}形式を持つが、和が角度に対してとられる点が異なる。理想角度は、原子の混成、結合数、および環への所属に基づいた単純な規則を用いて決定される。_{Eanglesでは}、角度を直接用いるのではなく、その角度に含まれる第1原子と第3原子の間の_距離laを用いる：

_{E平面項とEt四面体}項はいずれも、「テンプレート」に対する和によって与えられる：

ここで、_Etは、テンプレートの対応する原子に対するフラグメントの原子の RMSD に比例する：

ここでは、テンプレート原子が対応するフラグメントの原子と重ね合わされていると仮定する。ConfGenでは3種類のテンプレートが使用される。1つは四面体中心（^sp3中心を囲む3個または4個の原子）用、残りの2つは^sp2原子および二重結合を囲む平面構造用である。 いずれの場合も、理想的な（テンプレートの）位置は、理想的な結合長と「完全な」角度（平面テンプレートでは120°、四面体テンプレートでは109.5°）を用いて構築される。 最後に、_Erepulsion項は、非結合原子対（すなわち、_{EbondsやEangles}に寄与しない原子対）にわたる短距離のソフトな「バンプ」の和として与えられる：

ここで、_rijは原子間距離、^RivdWはファンデルワールス半径である（参考文献[5]より）。

断片は、断片化ステップで切断された結合に沿って、1つずつ順次再結合される。結合の順序は、各中間ステップにおいて、分子の大きさが類似した部分を結合させるように選択される。具体的には、各レベルにおいて、2つの断片（AとB）のコンフォメーションを用いて、結合した断片A+Bのコンフォメーションが生成される。まず、分子全体と照合されたSMARTS パターンを用いて、A−B結合に沿ってサンプリングする特定の二面角が選択される。 いずれかのフラグメント（あるいは両方）について利用可能なコンフォメーションが1つしかない場合、まずそのフラグメントを新しい結合に沿って45度、60度、90度、180度回転させ、同等の構造が得られるかどうかを確認することで、そのフラグメントの対称性を特定する。

ここで、_{rij は}原子 i と j の間の距離であり、^RijvdWは参考文献 [5] に示されたそれらのファンデルワールス半径である。 最大のオーバーラップが設定可能な閾値（デフォルトは0.5 Å）未満の場合、その組み合わせは有効な候補として受け入れられる。この処理は、所定の候補数（デフォルトは96）が集まるまで繰り返される。オーバーラップテストに合格する組み合わせがない場合、すべての組み合わせが有効な候補とみなされる。その後、ランク上位の候補が所定の数（デフォルトは64）だけ保持され、残りは除外される。 分子が大きいほど、より多くのコンフォメーションが保持される。すなわち、回転可能な結合の数が閾値（デフォルトは9）を超える場合、コンフォメーション数を制御する値（フラグメントあたりのコンフォメーション数、候補の数、および各「結合」後に保持するコンフォメーション数）は、回転可能な結合の数に依存する関数によって乗算され、増加する。

コンフォメーションの順位付けには、レナード・ジョーンズ（Lennard-Jones）6-12非結合ポテンシャルの和を用いる（処理を高速化するため、L-JパラメータはDREIDING力場[6]の値からなるルックアップテーブルから取得する）、 フラグメント間の結合に関連付けられた特例的に表形式で定義された二面角ペナルティ、および特定の1-4相互作用を強化することで、環の赤道配置（軸配置に対して）を促進する寄与を用いてランク付けされる。 徐々に大きなフラグメントを結合させ、復元された結合について複数の配向をサンプリングするこのプロセスは、分子全体が再構築されるまで繰り返される。重複コンフォーマーの除去は、特定の閾値（デフォルトでは重原子または極性水素原子が32個未満）より小さい分子に対してのみ行われる。これは、この処理に時間がかかり、大きな分子に対しては影響がほとんどないためである。

このアルゴリズムの主な手順は、PDB（構造 ）のコード3QO9に収録されているリガンド について、図2および図3に示されている。「構造 」は、図2に示すように15のフラグメントに分割されている。「2」とラベル付けされたフラグメントのみが、複数の低エネルギーコンフォメーションを持っている。このアルゴリズムは、フラグメントの組み立て順序を選択することで、重なりを確認する必要がある原子ペアの数を最小限に抑える。 この構造 の場合、順序は次の通りであった：1+3、2+15、5+6、9+13、12+14、8+(9+13)、11+(12+14)、(1+3)+(2+15)、7+(8+9+13)、10+(11+12+14)、 4+(7+8+9+13)、(5+6)+(10+11+12+14)、(4+7+8+9+13)+(1+3+2+15)、(4+7+8+9+13+1+3+2+15)+(5+6+10+11+12+14)。1+3、5+6、12+14など、単純な断片を含む多くの組み立てステップを経て、単一の異なる立体構造のみを持つ結合断片が生成される。組み立てアルゴリズムの代表的な段階を図3に示す。

ConfGenには、計算速度と生物活性コンフォメーションの再現性とのトレードオフを制御するために使用できるパラメータがいくつかあります。その中で最も重要な2つは、OPLS力場を用いてコンフォーマーの幾何構造を最適化するかどうか、およびプログラムが生成すると予想されるコンフォーマーの数です。最小化処理中に使用されるデフォルトの誘電率10は、1を使用する場合よりも優れた生物活性コンフォーマーを生成することが判明しました。実際の例を図4に示します。 不適切な原子間接触を解消することに加え、幾何構造の最適化を行うと、通常、生物活性コンフォメーションの再現性がわずかに向上する（表1を参照）。ただし、最適化を行うと、最小化を行わない場合と比較して処理速度が約20倍遅くなる。また、最適化を行うとコンフォーマーの数が減少する傾向があり、これにより、これらのコンフォメーションを使用するその後の計算における処理時間を短縮できる可能性がある。

速度と品質のトレードオフを制御するもう1つのパラメータは、入力リガンド ごとに生成されるコンフォーマーの数です（-nコマンドラインオプション）。このパラメータの値を大きくすると、多くの場合、コンフォーマーの多様性が向上します。これは、図4に示す2QP8 PDBエントリ（1.5Å分解能）のリガンド の例で説明されています。デフォルトのシミュレーション設定を使用した場合、生物活性コンフォメーションに最も近いコンフォーマーのRMSDは1.3Å（赤）です。 コンフォーマーの最大数を64（デフォルト）から256に増やし、OPLS3力場を用いた幾何最適化を有効にすると、RMSDは0.6Å（緑）まで低下する。

結論

ConfGenは、その卓越した処理速度と、低RMSDの生物活性コンフォメーションを再現する能力を備えているため、リガンド を用いたバーチャルスクリーニング向けのコンフォメーション生成に最適なソリューションです。本ツールは、 Maestro Schrödingerのリガンド ベースの創薬ツールと緊密に統合されており、 Phaseなど、リガンド ベースの迅速なバーチャルスクリーニング用データベースを容易に作成できる機能を提供しています。すべてのSchrödinger 製品と同様に、ConfGen も絶えず改良・改善が重ねられています。したがって、本論文で説明する更新内容は、以前のバージョンと比較して大きな進歩であると同時に、将来の機能強化に向けた基盤となるものです。