大多数临床批准的小分子药物被证实以蛋白质为靶点。同时,研究表明RNA参与了多种疾病的进展,包括传染性疾病(如HIV、艾滋病、丙型肝炎等病毒感染)和代谢性疾病(如糖尿病、癌症),以及三核苷酸重复疾病(如肌强直性营养不良、亨廷顿病等)。通过小分子药物靶向RNA,为直接调控由RNA调节的多种细胞过程(如转录、剪接、翻译和表观遗传修饰)提供了新的治疗机会,包括那些与“不可成药”蛋白质靶点相关的过程。
在此背景下,Life Chemicals开发了独家RNA筛选库,通过2D相似性搜索和贝叶斯建模两种方法筛选出包含超过23,300种具有预测RNA结合活性的类药小分子化合物。
通过2D相似性搜索的RNA筛选子集
首先,通过SMMRNA、PDB、RBIND、FDA、NALDB、PubChem和ChEMBL等数据库,筛选出约4000种已报道的能与RNA结合的分子。随后,通过剔除解离常数(Kd > 10 μM)或抑制值(如IC50等)低于或等于10 μM的化合物,将这一初始参考集缩小至约3200种。接下来,对Life Chemicals HTS Compound Collection进行了2D相似性搜索,以保持多样性(Tanimoto指数和Tversky指数分别≥0.80和≥0.85)。使用基于片段的/化学散列指纹来比较化合物结构。最后,应用PAINS、反应性基团和内部开发的Medchem过滤器,获得了超过40,000种已报道RNA抑制剂的类似物。随后,通过考虑化学多样性对化合物库进行了进一步优化。最终,这一严格的筛选过程产生了超过22,300种类药筛选化合物。
通过贝叶斯建模的RNA筛选子集
使用相同的已知RNA结合化合物的训练集构建了一个贝叶斯模型(贝叶斯分类方法),以区分具有已知活性的“良好”分子与其他化合物。在构建贝叶斯模型时,涉及分子指纹(环形FCFP6指纹)和分子性质(分子量、受体数、供体数、LogP、极性表面积、旋转键数、环数)。接下来,将该模型应用于Life Chemicals高通量筛选化合物库,以选择针对RNA的筛选化合物。从结果化合物集中过滤出PAINS和具有“不良”和反应性基团的化合物。最终,筛选出超过1000种类药性化合物。