Schrödinger 低分子のプロトン化状態の列挙およびpKa の予測に関するソリューション

要約

薬剤のpKa は、生理的pHにおける分子のイオン化状態を決定する上で重要な役割を果たすため、創薬プロセスにおいて考慮すべき重要な物理化学的特性です。Schrödinger は、pKa 値、プロトン化状態の分布、およびそれらから導出される特性を予測するための複数のソリューションを提供しており、これらはスクリーニングからリード最適化に至るまでの幅広い創薬段階に適用可能です。ここでは、各技術ソリューションの概要と、創薬においてそれらをどのように活用できるかについての適用事例を紹介します。

背景

低分子は溶液中でイオン化を起こし、さまざまなイオン化部位でプロトン（^H+）を放出または取り込むことがあります。1つまたは複数のプロトンの結合・解離によって、ある部位や分子がイオン化する傾向の度合いは、_pKa値によって定量化されます。_pKa値が特定のイオン化部位を指す場合は微視的_pKa（_micro-pKa）と呼ばれ、分子全体を指す場合は巨視的_pKa（_macro-pKa）と呼ばれる。イオン化部位周辺のプロトンの特定の配置はプロトン化状態を構成し、同じ電荷レベルにある異なるプロトン化状態はタウトマーと呼ばれる。 各プロトン化状態は他の状態と熱力学的平衡にあるため、このプロトン化状態の集合体におけるその存在割合に関連する自由エネルギーを持ち、これは熱力学方程式を用いて_{マイクロpKa値}から導出されるか、あるいは各状態の自由エネルギーを比較することで直接求められる。創薬において、分子のさまざまなプロトン化状態を理解することは極めて重要である。なぜなら、それらが溶解度、膜透過性、活性などの特性を決定づけるからである。

_pKa予測の課題

特定のpHにおいてどの状態が優勢であり、その差がどの程度であるかを特定することは、実験的にも計算上でも困難な課題である。なぜなら、すべて熱力学的平衡にある状態の数は、単一のプロトン化部位の数n に応じて ~^{2n のオーダーで}増加するからである。したがって、滴定可能な部位を多く持つ分子は、潜在的に多数の異なるプロトン化状態を持つ可能性があり、それらすべてを列挙し、エネルギー評価を行う必要がある。

計算上、Schrödinger は状態のスコア付けに主に2つのアプローチを採用しています。1）_{マイクロpKa値}を用いて熱力学的平衡方程式を評価する方法、および2）状態の相対自由エネルギーを直接予測する方法です。_pKa値_の予測は、状態分布を算出するための重要なステップであり、これにより、そうでなければ得ることができない重要な関連量の予測が可能になります。

Schrödinger ソリューションの概要

エピック・クラシック

Epik Classic（旧称：^Epik1）は、特定のpH条件下におけるリガンド _の微小pKa値および最も占有率の高いプロトン化状態を、迅速かつ正確に予測するためのエキスパートシステムです。 その基盤_{となるpKa予測}技術は、経験的なハメット・タフトの線形自由エネルギー関係（LFER）であり、これはイオン化グループ を特定し、その根_のpKa値を求め、結合した化学フラグメントによってそれを摂動させ、電荷拡散を適用して有効な_{マイクロpKa}値を導き出します。 Epik Classicは、予測された_pKa値を用いてリガンドのプロトン化状態を列挙し、エネルギー順にランク付けした上で、最も占有率の高い状態を返します。Epik ClassicはSMARTS のパターンベースのルールを使用しているため、コンフォメーション効果や立体化学的効果を考慮できないという代償はあるものの、ハイスループット処理に十分な速度を実現しています。
 

エピック7

Epik 7は、Epikを全面的に再設計したもので、Schrödingerの強力な機械学習（ML）技術を活用し、より広範な化合物空間 において、より正確な結果を提供します。 イオン化基は、まずSMARTS パターンによって特定され、その後、一連のイオン化状態のプロトン化状態を列挙するために使用されます。²各状態における各部位の_{マイクロpKa}値は、イオン化原子から半径方向に6つの結合分だけ拡張した3層の原子グラフ畳み込みニューラルネットワーク（GCNN）を用いて予測されます。 次に、各状態について予測された_pKa値を用いて、状態間の相対エネルギーを予測します。これにより、特定のpHにおける最も占有率の高い状態の特定と、_{マクロpKa値}の計算が可能になります。機械学習アプローチのトポロジカルな性質により、Epik 7は以前のバージョンと同様に高速でありながら、3次元幾何学や立体化学に依存しない特性を備えています。
 

Jaguar pKa

Jaguar _pKaは、リガンド_{のマイクロpKa値を}予測するために、3つ目の、より物理学に基づいたアプローチを採用しています。このワークフローでは、クエリリガンド 内のユーザー定義のイオン化部位における_pKa値を計算します。まず、共役ペアを生成し、その上でコンフォメーション検索を実行して最低エネルギーの構造を特定^した後³、密度汎関数理論（DFT ）に基づく幾何最適化および単一点エネルギー評価を行います。 こうして得られた、コンフォメーション平均化された「生」_{のマイクロpKa}値は、経験的にパラメータ化された関係式を用いて補正され、正確な予測値が得られます。Jaguar _pKaは、タウトマー化しない構造において最も優れた性能を発揮します。物理ベースであるため、幾何学的および立体化学的影響を考慮に入れますが、その分、処理速度は低下します。
 

マクロ-pKa

_Macro-pKaは、物理ベースのDFT 計算と経験的補正を組み合わせるという点で、Jaguar _pKaと同じ考え方に基づいていますが、その適用範囲を拡大し、タウトマー化可能なリガンドの計算も可能にしています。_Macro-pKaは、Jaguar _pKaと同様のワークフローに従って、イオン化部位を自動的に特定し、プロトン化状態を列挙し、_{マイクロpKa値を}計算しますが、経験的補正を生成するためのスキームが強化されています。 最後に、計算された_{マイクロpKa}値を用いて、プロトン化状態をエネルギー順にランク付けし、ユーザーが指定したpHにおける最も占有率の高い状態を返し、リガンド の_マクロpKa値を決定します。このアプローチの網羅性の高さゆえに、Jaguar _pKaよりも多くの時間とリソースを要します。

ユースケース

ここでは、創薬ワークフローにおける_pKa予測のいくつかのユースケースについて概説します。
注：以下に示す各ユースケースの例については、そのセクションに記載されているどのソリューションでも対応可能です。提示されているデータセットは、可能なソリューションのうちの1つが適用可能であることを示すものです。

I. 微視的な_pKa値の検索

適用可能なソリューション

• エピック・クラシック
• エピック7
• Jaguar _pKa

リガンド の結合様式を調査する際、イオン化部位の_{マイクロpKa}値は、特定のpHにおいてその部位がイオン化する傾向を示す指標となる。リガンド のイオン化状態は、タンパク質などの他の分子との相互作用、例えば塩橋を形成できるかどうかに直接影響を与える。

II. 見かけの、あるいは巨視的な_pKa値の算出

適用可能なソリューション

• エピック7
• マクロ_pKa

各電荷レベルにおいて単一の支配的なタウトマーを持つ一価または多価の化合物については、_{マイクロpKa値は}、滴定実験によって最も一般的に得られる見かけの_pKa値（_{マクロpKa値}）と非常に近い値となる場合があります。しかし、複数の競合するタウトマーを持つ化合物やイオン化状態の場合、単一のタウトマーの_{マイクロpKa値}だけでは、実験的に観測される巨視的な値を完全に再現できない可能性があります。 この見かけの値を求めるには、まずすべての状態を列挙・評価し、それらのすべての_{マイクロpKa}値が_{マクロpKaの}計算に考慮されるようにする必要がある。

III.リガンド の調製とハイスループットスクリーニング

適用可能なソリューション

• エピック・クラシック
• エピック7

物理ベースのシミュレーションでは、通常、水素原子を含むシミュレーション系内のすべての原子を指定する必要があります。したがって、構造 を用いたシミュレーション（Glide によるドッキング、分子動力学、およびFEP+ を用いた自由エネルギー摂動など）は、リガンド のプロトン化状態のうち、占有率の高い状態のアンサンブルを用いて実行する必要があります。そのため、構造 を用いた低分子リガンド ライブラリ のスクリーニングにおいて、最も重要な最初のステップは、占有率の高いプロトン化状態を取得してリガンドを準備することです。 Epik ClassicおよびEpik 7は、当社の自動化されたリガンド 調製ワークフロー（LigPrep ）と統合されており、ハイスループットスクリーニング向けの大規模なリガンド ライブラリの調製を可能にします。さらに、Epik ClassicおよびEpik 7、ならびにそれらのLigPrep 実装では、ポケット内の金属イオンに結合する可能性のある追加の状態の生成およびスコアリングが可能です。

IV. ヒット・トゥ・リードの最適化

適用可能なソリューション

• エピック・クラシック
• エピック7

Once hits are identified, a series of analogs are synthesized to explore the relevant chemical space in greater detail to arrive at improved behavior. It is important to be able to screen potential candidates rapidly and accurately to assess which to optimize further. The < 0.5 log unit accuracy and sub-second calculation speed of Epik Classic and Epik 7 make them excellent tools for rapid idea generation and testing. In addition to pK_a value and protonation state distribution prediction, they have been implemented in other ADMET or property predictors, such as for membrane permeability and solvation energy.

V. 初期段階におけるリード化合物の最適化

適用可能なソリューション

• エピック7
• Jaguar _pKa
• マクロ_pKa

必要な多くの物理的特性を最適化するには、アイデアの考案から合成、アッセイに至るまで、多大な労力とコストがかかる場合があります。高品質な物性予測が求められ、かつ時間的余裕があるこのような状況において、Schrödingerの物理ベースの予測ツールであるJaguar _{pKaおよびMacro-pKaは}、立体配置や立体化学的影響を含むより多くの分子特性を考慮に入れ、_pKa予測の精度を向上させます。 さらに、_Macro-pKaとEpik 7_は、いずれも検索対象のリガンド に対する詳細な種分布レポートを提供します。これらは、pH範囲全体にわたるタウトマー状態の分布を理解する上で特に役立ちます。

機能比較表