FBDD（Fragment-based drug design）是一種將隨機篩選和基於結構藥物設計有機結合的藥物發現新方法。自1981年提出以來，隨著片段設計，篩選和優化技術的不斷提高，FBDD逐漸從理論走向實際，成為當今主流的藥物發現技術之一。迄今，全球共有4款由FBDD技術衍生的藥物獲得FDA批准，超過40種化合物處於臨床階段中。
FBDD相較於傳統的高通量篩選（HTS）有著獨特的優勢，因此受到工業界和學術界的廣泛關注。美國化學會自2015年以來，每年都會對公開發表的成功的fragment-to-lead案例進行總結和評估，以跟蹤和討論FBDD技術的新興趨勢和未來發展方向。近日，Wolfgang Jahnke等人在Journal of Medicinal Chemistry上發表了該系列中題為《Fragment-to-Lead Medicinal Chemistry Publications in 2019》的第五期文章（以下簡稱「文章」），盤點了2019年公開發表的FBDD藥物開發情況。
圖1：Journal of Medicinal Chemistry期刊盤點
2019年公開發表的FBDD藥物開發情況
文章首先對2019年的案例進行收集和研究，再根據篩選規則進行甄別，最終嚴格挑選出符合入選標準的20個案例，並以此為基礎進行了以下幾個方面的探討。
圖2：2019年符合入選標準的20個FBDD案例
（圖片參考：參考資料[1]）
與前幾年形成鮮明對比的是，上述20個優化案例中只有2個激酶靶點和1個蛋白酶靶點，而有9個案例說明FBDD成功靶向了其他酶領域。此外，FBDD衍生的蛋白-蛋白相互作用（PPIs）的抑制劑的數量也非常引人注目-有6個成功的非布羅莫結構域蛋白-蛋白相互作用研究案例，包括K-RASG12D，Mcl-1和TNF。在這幾個案例中，K-RASG12D的工作形成了在細胞體系中研究K-RAS的生物抑制活性檢測的探針，Mcl-1的工作為臨床化合物S64315/MIK665的發現鋪平了道路，而TNF的工作強調了PPIs變構調節抑制劑開發的多樣性。儘管大多數的PPIs的開發是尋找抑制劑，但也有一些示例試圖通過FBDD技術來穩定蛋白之間的相互作用，如片段衍生的14-3-3複合物與雌激素受體ɑ，以及KRAS-SOS1複合物穩定化開發工作。
另外，其他FBDD成功的靶點包括GPCR (mGluR2)和Apolipoprotein E4。後者的工作將穩定蛋白-蛋白相互作用的概念擴展到穩定單一純化後的蛋白，而監測FBDD在這樣非典型藥物作用模式中的應用是有趣的。2019年另一個有意思的概念是基於磷酸酶PTPN5/STEP的片段酶活化劑的發現。片段衍生分子作為激酶的變構激動劑已被報導過，而闡明這種激活機制在科學上同樣非常有趣。
表3：2015-2019年FBDD篩選靶點分類
（圖片來源：參考資料[1]）
除上述提到的K-RASG12D外，2019年還有一篇關於另一個K-RAS突變類型即K-RASG12C的報導，該工作具有劃時代的意義。該突變體中存在半胱氨酸，這提供了一個共價靶向的機會。Amgen和 Carmot Therapeutics採用Chemotype Evolution technology方法（化學型進化技術，一種FBDD方法）找到了針對細胞活化P2口袋的共價結合物。更重要的是，通過對這個結合物進行骨架躍遷產生了第一個針對K-RASG12C的臨床抑制化合物（AMG510）。儘管嚴格來說這項工作不符合最初的篩選規則，但它確實完全符合FBDD技術原則，因此文章將此開創性工作突出展示。
圖4：共價FBDD衍生的K-RASG12D抑制劑的發現
(圖片來源：參考資料[1])
共價FBDD案例在過去幾年一直有良好的應用，有趣的是，2019年兩個案例闡述了兩種不同實現共價FBDD的方法。前述K-RASG12C的工作是首先篩選親電碎片庫，再在此基礎上進行片段優化，而Kallikrein 5的案例是先篩選非共價碎片庫，再在優化過程中加入硼雜環親電彈頭最終得到共價先導化合物。這兩種方法使得大量共價FBDD的案例產出，包括cysteine protease cathepsin L, fructose-1,6-bisphosphatase和 E3 Ubiquitin Ligase HOIP。另外，共價FBDD也經歷了技術的進步，例如虛擬篩選設計工具CovaDOTS，親電片段庫設計，以及進行對映體探針對的全功能化片段(FFF)的方法擴展。
片段與靶點的結合力較弱，其結合常數Kd值通常在μM到mM級別，因此需求較為靈敏的檢測方法。據報導，目前已有超過9種檢測方法被用於FBDD的片段篩選階段，其中許多在2019年的案例研究中都有所體現。2019年最流行的片段篩選方法是bioassay（24%），NMR（22%，包括ligand-observed NMR和 Protein-observed NMR），X-ray crystallography（14%）和Thermal shift assay（10%）。與2017和2018年相比，bioassay所含比例有所降低，而X-ray crystallography的佔比一如既往的高，這可能反映了市場對X ray crystallography基礎設施的重大投資情況。值得一提的是，同樣有相當比例（10%）的片段起始點來源於文獻。
在片段優化方面，現在普遍認為FBDD是需要晶體結構信息促進的，但在沒有晶體結構信息的時候同樣有其他可替代的解決方法。2019年案例中有5起片段優化案例是在沒有晶體結構信息下進行的，約佔總數的四分之一，這種情況與往年結果類似。
圖5：2019年應用於FBDD的篩選技術（左圖）
和2015-2019年應用於FBDD的篩選技術（右圖）
（圖片來源：參考資料[1]）
FBDD片段優化主要使用基團添加策略，包括片段連接，片段增長（融合）以及片段自組裝等，因此需求片段具有一個較好的起點。目前，製藥行業在進行片段庫設計的時候除了滿足基本的Ro3原則外，通常還會進行HAC，PSA，3D character等因素的考量，甚至建立相應的片段化合物庫以滿足篩選需求，提升片段優化的成功率。文章統計了20個2019年和131個2015-2019年fragment-lead分子對，主要對以下三個方面進行了探討：
分子量和脂水分布係數。片段分子量範圍為200-250 Da，優化得到的先導化合物分子量範圍為350-400 Da，分子質量升高了約150 Da，與此同時，clogP升高了1個單位。
圖6：2019年片段-先導化合物分子對分子性質（上圖）
2015-2019年片段-先導化合物分子對分子性質（下圖）
（圖片來源：參考資料[1]）
配體效率（Ligand efficiency, LE）。文章對2015-2019的fragment-lead分子對的LE進行統計，發現片段的LE和對應的先導化合物的LE之間沒有明顯趨勢，配體在優化過程中，其LE可以升高也可能降低。這意味著通過合適的優化，低配體效率的片段仍然能夠產生高配體效率的先導化合物。因此配體效率不應該是片段選擇唯一的考量因素。片段和先導化合物的配體效率在不同的靶點之間存在細微差別，其中激酶類最高（0.42和0.40），非布羅莫結構域PPIs最低（0.32和0.31），而蛋白酶（0.39和0.33），布羅莫結構域PPIs（0.42和0.35）和其他酶（0.40和0.40）介於中間。
圖7：片段-先導化合物分子對配體效率，
不同顏色代表不同靶點
（圖片來源：參考資料[1]）
3D特徵（3D character）。分子的3D特徵又稱為「類天然產物性」，通常認為具有3D特徵的化合物在篩選時候有潛在的好處（雖然缺乏實驗依據）。從2015年到2019年積累數據顯示，最終先導化合物的偏離平面性（DFP）獨立於片段的DFP，且幾乎總是大於片段的DFP。這表明片段在優化過程中變得更加「三維」。因此，片段庫設計時候不一定需求很多3D特徵的分子，篩選具有三維特性片段庫的好處仍有待探索。
圖8：2015-2019年片段-先導化合物分子對偏離平面性
（DFP），圖中直線為片段和先導化合物偏離平面性一致
（圖片來源：參考資料[1]）
FBDD的廣泛應用表明該方法日趨成熟，但許多論文同時表明FBDD仍是一門不斷發展的學科，如片段合成中新反應和新技術（微流體和自動化）的應用，片段篩選中技術的發展（如Cryo-EM，XFELs和SFX）和拓展的碎片庫的創新（如MiniFrag，FragLites）等，這些幫助我們分析片段與蛋白質的相互作用，反饋庫設計信息，並告訴我們如何更有效的優化片段。因此，考慮到技術持續發展，文章認為FBDD會發展地越來越好。
根據FBDD設計原則，成都先導基於自有的DEL技術對片段化合物庫進行了應用拓展，實驗顯示出良好的結果。另外，成都先導近期收購了英國Vernalis (R & D)，憑藉其20年的FBDD和SBDD開發應用經驗，必然有助於這些片段化合物快速優化成臨床候選化合物，並最終加速新藥項目產出。
參考文獻：
[1] Wolfgang Jahnke et al., Fragment-to-Lead Medicinal Chemistry Publications in 2019. DOI:https://dx.doi.org/10.1021/acs.jmedchem.0c01608
[2] Harren Jhoti et al., Fragments: where are we now? DOI:https://doi.org/10.1042/BST20190694
歡迎掃碼添加微信
邀您加入醫藥&器械
研發&臨床高端學習交流群
[姓名+公司+部門]