داکینگ مولکولی: رویکردها، انواع، کاربردها و چالش‌های اساسی

داکینگ مولکولی نوعی مدل سازی بیوانفورماتیک است که شامل برهمکنش دو یا چند مولکول برای ایجاد ترکیب پایدار است. براساس مشخصات اتصال لیگاند و هدف، ساختار سه بعدی هر مجموعه‌ای را پیش بینی می کند. داکینگ مولکولی ترکیبات با ساختار متفاوتی را ایجاد می‌کنند که با استفاده از تابع امتیاز دهی در نرم افزار ، رتبه بندی و گروه بندی می‌شوند.

شبیه‌سازی‌های داکینگ، conformer docked بهینه شده را بر اساس انرژی کل سیستم پیش‌بینی می‌کنند علیرغم تمام رویکردهای بالقوه، شیمی لیگاند (توتومریسم و یونیزاسیون)، انعطاف پذیری گیرنده (کانفورماسیون یگانه با اتصال قوی) و تابع امتیاز دهی (متمایز کردن حالت اتصال واقعی) همچنان به عنوان چالش باقیست. بسیاری از جنبه های مهم داکینگ مولکولی از نظر رویکردها، انواع،کاربردها و چالش ها به طور خلاصه در این مطلب مورد بحث قرار می گیرند.

معرفی داکینگ مولکولی

داکینگ مولکولی یک داربست جذاب برای درک فعل و انفعالات بیومولکولی دارو برای طراحی و کشف دارو است، همانطور که در مطالعه مکانیکی با قرار دادن یک مولکول (لیگاند) درمحل اتصال ترجیحی هدف، منطقه خاص DNA و پروتئین (گیرنده) عمدتاً به صورت غیر کووالانسی برای تشکیل یک کمپلکس پایدار از اثربخشی و اختصاصیت بیشتر صورت می‌گیرد. اطلاعات بدست آمده از تکنیک داکینگ می تواند برای پیشنهاد انرژی اتصال، انرژی آزاد و پایداری مجتمع ها مورد استفاده قرار گیرد. در حال حاضر، از روش داکینگ برای پیش بینی پارامترهای اتصال آزمایشی مجموعه لیگاند-گیرنده استفاده می شود.

هدف اصلی اتصال مولکولی دستیابی به کمپلکس لیگاند-گیرنده با ترکیب بهینه و با هدف داشتن انرژی آزاد اتصال کمتر است. انرژی آزاد اتصال پیش‌بینی‌شده خالص (ΔGbind) بر حسب پارامترهای مختلف، پیوند هیدروژنی (ΔGhbond)، الکترواستاتیکی (ΔGelec)، انرژی آزاد پیچشی (ΔGtor)، پراکندگی و دافعه (ΔGvdw)، تجزیه (ΔGdesolv)، کل انرژی داخلی(ΔGtotal) و انرژی سیستم نامحدود (ΔGunb) آشکار می‌شود بنابراین، درک خوب اخلاق عمومی حاکم بر انرژی آزاد اتصال پیش‌بینی‌شده (ΔGbind) سرنخ‌های بیشتری را در مورد ماهیت انواع مختلف برهمکنش‌هایی که منجر به داکینگ مولکولی می‌شوند، ارائه می‌کند.

کاربرد عملی داکینگ مولکولی به بانک داده برای جستجوی هدف با فرمت PDB مناسب و روشی برای تهیه لیگاند به عنوان فایل PDB نیاز دارد. برای انجام این کار، نرم افزارهای مختلفی مانند استودیو دیسکاوری (Studio discovery) و غیره موجود است که لیگاند را می توان در قالب PDB ساخت. این ابزارها لیگاندها را براساس توانایی آنها در تعامل با DNA و پروتئین های هدف سازماندهی می کنند.

داکینگ مولکولی مولکول های کوچک به یک تارگت، شامل نمونه برداری از پیش تعریف شده از ترکیب احتمالی لیگاند در مکان خاص هدف به منظور ایجاد ترکیب بهینه مجموعه است که اینکار را می توان با استفاده از تابع امتیازدهی نرم افزار امکان پذیر کرد. طیف سنجی مادون قرمز، کریستالوگرافی اشعه ایکس و طیف سنجی تشدید مغناطیسی هسته ای یا NMR تکنیک هایی برای بررسی و ایجاد ساختارهای سه بعدی هر مولکول آلی هدف بیوملکولی می باشند.

از این رو مدل سازی هومولوژی، امکان تعیین ساختار آزمایشی پروتئین های با ساختار ناشناخته با همسانی توالی بالا با ساختار شناخته شده را ممکن می سازد. این یک رویکرد جایگزین برای استقرار ساختار هدف ارائه می کند که نقطه شروع در کشف دارو به صورت in silico می باشد.

پایگاه های اطلاعاتی مختلفی در دسترس هستند که اطلاعاتی در مورد مولکول های لیگاند کوچک ارائه می دهند که از جمله ی این پایگاه ها می توان به پایگاه داده ساختاری کمبریج با نام CSD، پایگاه داده ی ACD، پایگاه داده ی MDDR (گزارش داده های دارویی) و پایگاه داده ی NCI (پایگاه داده موسسه ملی سرطان) اشاره نمود. در حین انجام داکینگ، کانفورمرهای تعاملی متفاوتی تولید و با یکدیگر مقایسه می شوند.

در صورت رد شدن هر کدام از کانفورمرها، کانفورمرهای جدید به دست می آیند و مجددا روند جستجو تا نقطه پایانی و قبول شدن یکی از کانفورمرها ادامه می یابد. به نظر می رسد کانفورمرهای داک شده براساس میل پیوندهای آزمایشی و انرژی آزاد اتصالشان، دشوارتر از جهت گیری پیوندشان باشند.

برای غلبه بر این مشکل، از توابع امتیاز دهی مختلف مانند امتیازدهی توافقی استفاده می شود. از تعداد توابع امتیاز در یک حالت داک شده به منظور حذف مثبت کاذب استفاده می شود. تلاش های زیادی برای توسعه پروتکل های کارآمد داکینگ انجام شده است. بدون شک، پیشرفت قابل توجهی در پیش بینی محاسباتی حالت های داکینگ صورت گرفته است. در این مطلب مروری کوتاه بر رویکردهای محاسباتی اخیر، انواع داکینگ، برنامه ها و چالش های پیش روی داکینگ خواهیم داشت.

رویکردهای اتصال مولکولی

برای انجام داکینگ مولکولی، در درجه اول از دو نوع رویکرد استفاده می شود.رویکرد شبیه سازیدر اینجا لیگاند و هدف با فاصله فیزیکی از هم جدا می شوند و سپس لیگاند اجازه دارد پس از زمان های مشخص حرکتی، در فضای ساختاری خود به هدف متصل شود. این حرکات شامل تغییراتی در ساختار لیگاند به صورت داخلی (چرخش های زاویه پیچشی) یا به صورت خارجی (چرخش ها و حرکت انتقالی) است. لیگاند در هر حرکت در محدوده مجاز کانفورماسیون خود، انرژی را به عنوان “انرژی کل” آزاد می کند.

این رویکرد از این نظر سودمندتر است که با پذیرش انعطاف پذیری لیگاند، سازگارتر است.علاوه بر این، ارزیابی تشخیص مولکولی بین لیگاند و هدف واقعی تر است. با این حال، این رویکرد به دلیل اتلاف انرژی زیاد برای هر ترکیب، مدت زمان بیشتری را برای تخمین کانفورمر داک شده بهینه، نیاز دارد. اخیرا، روش بهینه سازی سریع و ابزارهای مبتنی بر شبکه عمدتا این اشکال را متحول کرده است تا رویکرد شبیه سازی را کاربرپسند تر کند.

رویکرد مکملی شکل

این رویکرد از لیگاند و هدف به عنوان ویژگی ساختاری سطحی استفاده می کند که تعامل مولکولی آنها را فراهم می کند. در اینجا سطح هدف با توجه به سطح قابل دسترسی حلال نشان داده شده است و سطح مولکولی لیگاند با تصویر سطح تطبیق نشان داده شده است.

مکمل بودن بین دو سطح بر اساس تطبیق تصویر به جستجوی مکان مکمل برای لیگاند در سطح هدف کمک می کند. به عنوان مثال، در مولکول های هدف پروتئین، آبگریزی با استفاده از تعداد چرخش در اتم های زنجیره اصلی تخمین زده می شود. این رویکرد نسبتا سریع است و شامل اسکن سریع هزاران لیگاند در چند ثانیه است تا خواص اتصال احتمالی لیگاند را در سطح مولکولی هدف پیدا کند.

انواع داکینگ

ابزارهای داکینگ به طور جامع از الگوریتم‌های جستجو مانند الگوریتم ژنتیک، الگوریتم‌های مبتنی بر قطعه، الگوریتم‌های مونت کارلو و الگوریتم‌های دینامیک مولکولی استفاده می‌کنند. علاوه بر این، ابزارهایی مانند DOCK، GOLD، FlexX و ICM وجود دارند که عمدتا برای شبیه‌سازی‌های داکینگ با توان عملیاتی بالا، استفاده می شوند.

انواع مختلفی از روش‌های داکینگ مولکولی شامل لیگاند-هدف انعطاف‌پذیر یا انعطاف ناپذیر بر اساس اهداف شبیه‌سازی داکینگ، وجود دارند که از جمله ی این روش ها می توان به اتصال لیگاند انعطاف‌پذیر (هدف به عنوان مولکول انعطاف ناپذیر)، اتصال بدنه انعطاف ناپذیر (هم هدف و هم لیگاند به عنوان مولکول های انعطاف ناپذیروجود دارند) و داکینگ انعطاف پذیر (هر دو مولکول های متقابل انعطاف پذیر هستند) اشاره نمود.

کاربردهای داکینگ مولکولی

داکینگ مولکولی می‌تواند امکان‌پذیری هر واکنش بیوشیمیایی را همانطور که قبل از بخش آزمایشی عملی هر تحقیق انجام می‌شود، نشان دهد. در یک سری از حوزه ها داکینگ مولکولی، یافته ها را متحول کرده است. به طور خاص، برهمکنش بین مولکول‌های کوچک (لیگاند) و پروتئین هدف (ممکن است یک آنزیم باشد) ممکن است فعال‌سازی یا مهار آنزیم را پیش‌بینی کند. چنین اطلاعاتی ممکن است داده خامی برای طراحی دارو باشد. برخی از کاربردهای اصلی داکینگ مولکولی در زیر توضیح داده شده است:

بهینه سازی هدایت

داکینگ مولکولی می تواند جهت گیری بهینه لیگاند را روی هدف خود پیش بینی کند. می تواند حالت های مختلف اتصال لیگاند را به مولکول هدف پیش بینی کند. این امر می تواند برای توسعه داروهای قوی تر، انتخابی و کارآمدتر با اختصاصیت بیشتر مورد استفاده قرار گیرد.

شناسایی کاندیدها

داکینگ در ترکیب با تابع امتیازدهی می تواند برای ارزیابی پایگاه های داده بزرگ برای یافتن کاندیدهای دارویی قوی in-silico مورد استفاده قرار گیرد، که می تواند مولکول مورد نظر را هدف قرار دهد.

واکنش – DNA دارو

داکینگ مولکولی نقش برجسته‌ای در پیش‌بینی اولیه خواص اتصال دارو به اسید نوکلئیک دارد. این اطلاعات ارتباط بین ساختار مولکولی دارو و سمیت سلولی آن را نشان می دهد. با در نظر گرفتن این موضوع، شیمیدان‌های دارویی به طور مداوم تلاش می‌کنند تا مکانیسم ضد سرطانی داروها را در سطح مولکولی با بررسی نحوه تعامل بین اسید نوکلئیک و داروها در حضور مس، روشن کنند.

شیمیدانان دارویی مطالعات in silico انجام می دهند که در آن یافته اصلی آنها پیش بینی این است که آیا ترکیب دارو با پروتئین- DNA تعامل دارد یا خیر. اگر برنامه داکینگ تعامل مذکور را پیش‌بینی ‌کند، روش‌های آزمایشی برای یافتن حالت اتصال واقعی مجموعه در دسترس هستند. این منجر به تولید داروهای جدید ضد سرطان می شود.

علاوه بر این، این دانش در تشخیص آن دسته از تغییرات ساختاری در یک دارو که می تواند منجر به اتصال اختصاصی توالی-ساختار به هدفشان شود، مفید خواهد بود.

چالش های اساسی در داکینگ مولکولی

برخی از چالش‌های اساسی در داکینگ مولکولی و امتیازدهی در عناوین زیر مورد بحث قرار می‌گیرند.

شیمی لیگاند

آماده‌سازی لیگاند تأثیر برجسته‌ای بر نتایج داکینگ مولکولی دارد زیرا شناسایی لیگاند توسط هر زیست مولکول به جهت‌گیری ۳ بعدی و برهمکنش الکترواستاتیکی بستگی دارد و این امر تأیید می کند که ترکیب لیگاند و همچنین آماده سازی لیگاند مهم است. پیش از این، حفظ مقادیر تقریبی pKa، ساختار اغلب با حذف یا افزودن هیدروژن بهینه می‌شده است، اما حالت‌های توتومر و پروتومر مولکول‌هایی که قرار است داک شوند، همچنان یک اختلاف عمده باقی مانده است.

تقریبا همه پایگاه های داده مولکول ها را در شکل خنثی خود نگه می دارند اما در شرایط فیزیولوژیکی در واقع یونیزه می شوند. از این رو یونیزه کردن آنها قبل از  داکینگ اجباری است. در برنامه های مختلف، یونیزاسیون استاندارد به راحتی قابل دستیابی است. با توجه به موضوع توتومرها، این مشکل همچنان وجود دارد که باید از کدام توتومر استفاده کرد یا از تمام توتومرهای ممکن استفاده کرد.

انعطاف پذیری گیرنده

انعطاف پذیری گیرنده به عنوان مثال مدیریت پروتئین انعطاف پذیر، یک چالش بزرگ در داکینگ مولکولی است. یک مولکول زیستی مثلا پروتئین بسته به لیگاندی که به آن متصل می شود، کانفورماسیون‌های متفاوتی را به خود می‌گیرد. این مورد تایید می کند که داکینگ انجام شده با یک گیرنده سفت و سخت (انعطاف ناپذیر)، یک کانفورماسیون واحد از گیرنده را ارائه می دهد. همینطور، هنگامی که داکینگ با گیرنده انعطاف پذیر انجام شده باشد، لیگاندها ممکن است برای اتصال، به کانفورماسیون‌های گیرنده متعددی نیاز داشته باشند.

در مطالعات داکینگ مولکولی، از کانفورماسیون‌های متفاوت پروتئین‌ها بیشتر ازسایر جنبه ها غفلت شده است . انعطاف پذیری پروتئین مهم است زیرا باعث می شود میل اتصالی بهتری بین یک دارو و هدف حاصل شود. یکی دیگر از جنبه های انعطاف پذیری هدف، سایت های فعال مولکول های آب هستند. مولکول‌های آب باید اصلاح شوند تا از آب‌های غیر طبیعی در فرآیند داکینگ اجتناب شود.

تابع امتیازدهی

چالش دیگر در داکینگ مولکولی، نقص در تابع امتیازدهی است. درست همانطور که الگوریتم جستجو دارای پتانسیل ارائه ترکیب بهینه است، تابع امتیازدهی نیز باید بتواند حالت های اتصال واقعی را از همه حالت های موازی دیگر متمایز کند. یک تابع امتیازدهی بالقوه از نظر محاسباتی بسیار مقرون به صرفه است و برای تجزیه و تحلیل چندین حالت اتصال نامطلوب است. وقتی دقت وجود داشته باشد، توابع امتیاز دهی تعدادی پیشنهاد برای ارزیابی میل لیگاند ارائه می دهند.

پدیده‌های فیزیکی مانند آنتروپی و برهمکنش های الکترواستاتیکی در طرح های امتیازدهی نادیده گرفته می شوند. از این رو فقدان تابع امتیازدهی مناسب، هم از نظر دقت و هم از نظر سرعت، دغدغه اصلی در برنامه‌ریزی داکینگ مولکولی است. نتیجه تکنیک داکینگ پس از بررسی کامل هدف، لیگاندها و عملکرد روش داکینگ انجام می شود. با اینکه، انعطاف پذیری لیگاند تقریبا حل شده است و مشکل زیادی ایجاد نمی کند، اما انعطاف پذیری پروتئین باید بهبود یابد.

مولکول‌های آب باید مشمول در نظر گرفتن پیوند هیدروژنی با اجزا نامحلول شوند. در این بررسی کوتاه، به طور خلاصه بر انواع داکینگ مولکولی، رویکردهای داکینگ مولکولی، کاربردها و چالش‌های داکینگ مولکولی تمرکز کردیم. اما بررسی انعطاف پذیری و امتیازدهی موفق همچنان چالش های مهمی هستند که باقی مانده اند.

با شرکت در کارآموزی طراحی دارو ژنیران دانش خود را در مورد داکینگ مولکولی افزایش دهید:

دوره مهارت آموزی طراحی دارو

 

منبع