powerpoint...
TRANSCRIPT
2018/11/2 第5回成果報告会
「新薬開発を加速する「京」インシリコ創薬基盤の構築」KBDD (K supercomputer-based drug discovery project by Biogrid pharma consortium)
課題番号:hp170036
京都大学大学院 医学研究科 荒木望嗣
Graduate School of Medicine, Kyoto University Mitsugu Araki
概要(Abstract)
医薬品候補化合物を効率的に探索して構造最適化する上で、タンパク質と化合物との結合自由エネルギー(ΔG)や結合解離速度(kon, koff)を効率的かつ正確に予測する事が求められている。そのためには大きな計算機パワーが必要で、本研究では、HPCIを用いることでこの課題を克服する。我々はまず、アンサンブル型分子動力学(MD)シミュレーションに基づいてΔGを予測するMP-CAFEE法を実装し、複数の創薬ターゲットで高い予測精度を有する事を示した。次に、化合物が解離した状態から開始した多数のMDシミュレーションからkon,koffを予測するMD/MSM法を実装し、ジヒドロ葉酸レダクターゼ-阻害剤に適用したところ、実験値に近いkonを予測する事に成功した。現在は、結合過程の観測が困難なタンパク質-化合物系を対象とし、拡張アンサンブル法であるMcMD法をMD/MSM法に組み込む事でkon,koffを効率的に予測する計算フローを開発している。
To efficiently explore and optimize drug candidates, computational methods to accurately predictprotein-ligand binding free energy (ΔG) and association/dissociation rates (kon, koff) are stronglyrequired. Since these predictions need a large computational cost, we attempt to overcome thisproblem utilizing HPCI. First, we implemented a molecular dynamics (MD) free energy simulationmethod (MP-CAFEE) on K computer, demonstrating its high potency to accurately and robustlypredict DG. Second, we implemented a kon/koff prediction method, which integrates a number ofMDs starting from the dissociated state according to Markov state model (MD/MSM). In the caseof the dihydrofolate reductase and its inhibitor, MD/MSM successfully reproduced anexperimentally-determined kon value. To efficiently predict kon and koff for protein-ligand pairswhose binding process is hardly observed, we are now developing a novel prediction method thatcombines MD/MSM with structure sampling techniques such as Multi-canonical MD (McMD).
医薬品候補となる有機化合物の種類: 1060以上
病気の原因タンパク質の種類: 10万以上
解熱鎮痛剤 花粉症の薬 抗インフルエンザ薬 抗癌剤
? ? ? ?
候補化合物の化学合成と生物活性評価などの実験を何度も繰り返す試行錯誤が必要
タンパク質と化合物の膨大な組合せ
何故、医薬品開発は難しいのか?
実験の代わりに、コンピューター上で結合をシミューションする⇒開発コストの削減への期待
「京」産業利用枠: 新薬開発を加速する「京」インシリコ創薬基盤の構築
・コンピュータ創薬の根本課題に挑戦(計算精度)・製薬会社における現場利用に耐えうる計算フローの構築(計算時間)・我が国のコンピュータ創薬の中心拠点形成
バイオグリッドHPCIプロジェクト「新薬開発を加速する「京」インシリコ創薬基盤の構築」KBDD (K supercomputer-based drug discovery project by Biogrid pharma consortium)
申請主体(事務局): NPO法人バイオグリッドセンター関西研究代表 京都大学医学研究科 奥野恭史
製薬企業協議会(19社):アクセリードドラッグディスカバリーパートナーズ(株),、旭化成ファーマ(株)、エーザイ(株)、科研製薬(株)、(株)カネカ、キッセイ薬品工業(株)、杏林製薬(株)、参天製薬(株)、塩野義製薬(株)、千寿製薬(株)、大正製薬(株)、(株)、田辺三菱製薬(株)、帝人ファーマ(株)、東レ(株)、日産化学工業(株)、日本新薬(株) 、富士フイルム(株)、マルホ(株)、MeijiSeikaファルマ(株)
IT企業(2社): (株)京都コンステラ・テクノロジーズ, 三井情報(株)大学等: 京都大学医学研究科, 横浜市立大学,産業技術総合研究所, 兵庫県立大学、千葉大学医学部、(公財)都市活力研究所、 (公財)神戸医療産業都市推進機構
KBDDのこれまでの研究活動
2012~2014年:タンパク質-化合物結合の超高速予測→ CGBVS法(Chemical Genomics-Based Virtual Screening)
タンパク質-化合物結合親和性の精密予測
→ MP-CAFEE法(MD-based free energy simulation)
2015~2016年:タンパク質-化合物結合構造の予測→ MD/MM-PBSA法, McMD法
2017~2018年:タンパク質-化合物結合過程の予測→ MD/MSM法, McMD/MD/MSM法
本日の発表内容②
本日の発表内容①
結合の強さを正確かつ頑強に計算をするには、分子の動きや溶媒(水分子)も含めた長時間シミュレーションを必要であるが、これまでは計算機パワーの問題で非現実だった。
分子動力学法(MD)による、タンパク質-化合物の精密な結合シミュレーション
「京」による結合シミュレーション(分子動力学シミュレーション)従来型の結合シミュレーション(Docking)
予測正答率70%目標
予測正答率5%程度
(λ1=0)
平衡化MD: 5 × 50 ns MDs
H. Fujitani, et. al., Physical Review E, 79, 021914, (2009)
13ノード× 5初速度× 120時間= 7,800ノード時間
λ1=0 λ2=0.1 λ3=0.2 λ32=1.0
Free energy simulation: 6 × 32 λ points × 2 ns MDs
3ノード× 6初速度× 32λ points ×16時間=9,216ノード時間
2012-2014年:タンパク質-化合物結合親和性の精密予測(MP-CAFEE法の計算プロセス)
結合自由エネルギー(ΔG)の算出 (合計:17,016ノード時間/タンパク質-化合物ペア)
(300残基で構成されるタンパク質の場合)
150個の化合物についてタンパクとの結合の強さを計算するのに、通常の汎用機(100コア)では23年かかるところ、「京」をフルに利用したら1か月程度で計算が可能
タンパク質 化合物
-13
-12
-11
-10
-9
-8
-7
-14.5 -9.5
弱
強
強 弱
CHK1 kinase
ドッキングスコアAffinityhigher lower
(Ref)
予測した結合自由エネルギー(ΔG) (kcal/mol)
実験値
ΔG
(kc
al/m
ol)
実験値
ΔG
(kc
al/m
ol)
-13
-12
-11
-10
-9
-8
-7
-9.000 -8.500 -8.000 -7.500 -7.000
2012-2014年:タンパク質-化合物結合親和性の精密予測(MP-CAFEE法による予測と実験結果比較)
-11
-9
-7
-5
-3
-22 -12
CDK2 kinase
予測値ΔG (kcal/mol)
複数の創薬ターゲットにおいて、タンパク質-化合物結合親和性を高精度で予測する事に成功
-14
-12
-10
-8
-6
-27 -17 -7
GPCR: AA2AR
2012-2014年:タンパク質-化合物結合親和性の精密予測(MP-CAFEE法による予測と実験結果比較)
ERK kinase
-12
-11
-10
-9
-8
-7
-20 -15
実験値
ΔG
(kc
al/m
ol)
弱
強
強 弱
2017~2018年:タンパク質-化合物結合過程の予測(MD/MSM法:解離状態からのMDシミュレーション)
タンパク質と化合物が離れた状態からのMDシミュレーションによって、kon, koff, 結合パスウェイ上の立体構造を予測
<ジヒドロ葉酸レダクターゼ(DHFR)-阻害剤>
阻害剤の化学構造
独立したMDシミュレーション(100ns)を326本実施→結合過程が観測されたトラジェクトリ数:52/326 ~16%
共結晶構造中のリガンド(参照位置)
リガンド
konの実験値:1.2×107(M-1s-1)
100nsのシミュレーション結果
Markov state Modelに基づいた統計解析
2017~2018年:タンパク質-化合物結合過程の予測(MD/MSM法:Markov State Models(MSM)法の原理)
複数の短いMDシミュレーション結果を統合し、構造クラスタリングにより定義した状態間の遷移モデルを構築する事で、分子構造の長時間ダイナミクスを推定する解析手法
短いMD
Pote
nti
al e
ner
gy
Conformation
MSM法で連結
複数の短時間MD (~100ns) ‘状態’に分類
状態間遷移のネットワークを構築
100ns
100ns
100ns
100ns
…
計算資源:10ノード× 500初速度× 100時間=500,000ノード時間/タンパク質-化合物ペア
タンパク質(200残基), 100ns×500本の場合:「京」コンピューターの並列演算能力を活用する事で、短時間で大量のMDトラジェクトリを取得可能
2017~2018年:タンパク質-化合物結合過程の予測(MD/MSM法:100ns×326本のMDトラジェクトリを使用したMSM 解析結果)
過大評価
結合速度定数:kon
解離速度定数:koff
実験値
実験値
予測値
予測値
~30倍
~10,000倍
過大評価
<予測したDHFR-化合物結合経路>
結合構造周囲の構造サンプリングを充実させるためのMDシミュレーション(100ns×260本)を追加
非結合状態
中間的結合状態
結合状態
化合物が本来の結合部位まで侵入できていない
共結晶構造中の結合ポーズ
シミュレーションによってサンプリングしたポーズ
ポケット
2017~2018年:タンパク質-化合物結合過程の予測( MD/MSM法:100ns×326本+100ns×260本のMDトラジェクトリを使用したMSM解析結果)
結合速度定数:kon
解離速度定数:koff
実験値
実験値
予測値
予測値~100倍
<予測したDHFR-化合物結合経路>
リガンドが本来の結合部位まで侵入
実験値とほぼ一致
非結合状態
中間的結合状態
結合状態
共結晶構造中の結合ポーズ
シミュレーションによってサンプリングしたポーズ
現在、更にシミュレーションを追加して予測精度を検証中
実験値に近づいたものの、まだ過大評価
共結晶構造中の化合物(参照位置)
マルチカノニカルMD法によって推定した化合物結合経路
2017~2018年:タンパク質-化合物結合過程の予測(結合過程の観測が困難なタンパク質-化合物ペアを対象とした方法論開発)
(konの実験値:1.4×106(M-1s-1))
共結晶構造中のリガンド(参照位置)
リガンド
共結晶構造中のリガンド(参照位置)
化合物
<熱ショックタンパク質(HSP90)-阻害剤>
ポケット周囲には接近するものの結合過程が観測されない→結合過程が観測されたトラジェクトリ数:0/129 ~0%
100nsのシミュレーション結果
阻害剤の化学構造
McMDを使用した構造サンプリングを介在させる事による、kon, koff予測フローの効率化を現在進行中
これらのスナップショット群を出発点としてMD/MSM法を実施
KBDDの組織体制
現場ニーズに即した計算プロセスの評価研究成果の実用化・医薬製品化
現場利用可能な計算基盤の構築 創薬計算技術の開発
「京」への実装
[製薬企業]
アクセリードドラッグディスカバリーパートナーズ(株),、旭化成ファーマ(株)、エーザイ(株)、科研製薬(株)、(株)カネカ、キッセイ薬品工業(株)、杏林製薬(株)、参天製薬(株)、塩野義製薬(株)、千寿製薬(株)、大正製薬(株)、(株)、田辺三菱製薬(株)、帝人ファーマ(株)、東レ(株)、日産化学工業(株)、日本新薬(株) 、富士フイルム(株)、マルホ(株)、MeijiSeikaファルマ(株)
[IT企業・ (公財)神戸医療産業都市推進機構](株)京都コンステラ・テクノロジーズ, 三井情報(株)
[学・官]京都大学医学研究科, 横浜市立大学,産業技術総合研究所, 兵庫県立大学、千葉大学医学部、(公財)都市活力研究所、(公財)神戸医療産業都市推進機構
未来の創薬~正確さ・手軽さを~創薬計算アプリケーション
™ 計算フロー
分子ビューア
ジョブ監視 解析結果
・分子モデリング・タンパク質-化合物ドッキング
(rDock)・MD, T-REMD, McMD・結合自由エネルギー計算(MP-CAFEE、MM-PBSA)
・結合エネルギー計算(FMO)
まとめと今後の課題
(2012年)新薬開発を加速させる「京」インシリコ創薬基盤を構築する事を目的として、
産学官連携のKBDDコンソーシアムを発足した。
(2012-2014年)アンサンブル型分子動力学(MD)シミュレーションによってタンパク質-
化合物結合自由エネルギー(ΔG)を予測するMP-CAFEE法を京に実装した。複数の創薬
ターゲットにおいて、医薬品候補化合物の結合親和性を高精度に予測できる事を示した。
(2015-2016年)タンパク質-化合物結合構造を予測するための方法論(MD/MM-PBSA法、
McMD法)を提案・検証した。
(2017年-現在)タンパク質に対する化合物結合過程における結合解離速度(kon, koff)を予
測するため、大規模MDシミュレーション結果をMarkov State Model に基づいて統合す
る(MD/MSM)法を検証した。その結果、DHFR-阻害剤系においては、konを精度高く予測
する事に成功した。今後は広範囲の創薬ターゲットに適用するため、マルチカノニカル
MD等の構造サンプリング手法を組み合わせる事でkon, koffを効率的に予測する計算フロー
を確立する。