Le Criblage Virtuel - lism.cnrs-mrs.fr · Institut de Biologie Structurale et Microbiologie Laboratoire IMR (*) [email protected] Le Criblage Virtuel “Une Accélération

Institut de Biologie Structurale et MicrobiologieLaboratoire IMR (*) [email protected]

Le Criblage Virtuel“Une Accélération du Processus de Criblage à Haut Débit”

Xavier Morelli (*)

M2 BBSG ‘08

« Virtual Library Screening »

PLAN du Cours

I] Pourquoi le Criblage Virtuel?I.1) Quelques chiffres…

I.2) Les solutions in silico

II] Les Chimiothèques

II.1) Les différents formats

II.2) Les paramètres « Drug-like »

II.3) Transformation 2D=>3D

II.4) Le problème de la Diversité

III] Les différentes approches de Criblage VirtuelIII.1) Recherche par Homologies (« Similarity / Pharmacophore searching »)

III.2) Recherche par Docking à Haut Débit (« High Throughput Docking »)

IV] Le problème du Re-Scoring / PostprocessingIV.1) Les Fonctions de score spécialistes

IV.2) Les Fonctions de score consensus

M2 BBSG ‘08








III] Les différentes approches de Criblage VirtuelIII.1) Recherche par Homologies (« Similarity/Pharmacophore searching »)




PLAN du Cours

M2 BBSG ‘08











PLAN du Cours

M2 BBSG ‘08











PLAN du Cours

M2 BBSG ‘08

I] Pourquoi le Criblage Virtuel ?

I.1) Quelques Chiffres…

• ~100.000 molécules testées par jour dans un criblage expérimental

• Coût par molécule ~1$ …

• Espace chimique réel ~1020/24 molécules

• 6 Milliards $ dépensés dans le monde en 2000 sur le criblage expérimental !

• Coût de développement d’une nouvelle molécule 231M$ en 1991 => 1000M$ en 2004

• « Time to Market » est passé de 4 => 15 ans

M2 BBSG ‘08

I.2) Les Solutions in silico

Sur les Chimiothèques

• Augmenter la diversité des banques pour diminuer le nombre de molécules à tester

• Utiliser les lois de « Druggability » (« Lipinski Rules of Five »; ADME…)

• Définir des banques spécifiques d’une famille de cibles

Sur les Cibles

• Prédiction des modes de fixations des molécules chimiques (Docking)

Problème:Les critères d’acceptation de nouveaux médicaments sont de plus en plus drastiques

=> Le processus de découverte de nouveaux médicaments se complexifie

Solution:

Optimiser TOUTES les étapes du développement des médicaments pour diminuer le COUT et le TEMPS

M2 BBSG ‘08


Banque A 2D Banque B 2D … Banque W 2D

• Il existe des chimiothèques académiques,

commerciales et nationales

• Le but est de construire une chimiothèque

virtuelle in house qui soit à la fois la plus

complète, diverse et représentative de l’espace

chimique total

• Les formats les plus courants sont Mol, Mol2 et

SDF (voir exemples)

•1ère étape: Rassembler les différentes bases 2D et

générer la base complète avec des empreintes 2D

uniques et non redondantes.


M2 BBSG ‘08

II.1.1) La détection des doublons


Courtesy of A. Monge

Les doublons sont parfois plus « délicat » à trouver qu’une molécule

simplement vendue par deux fournisseurs…

M2 BBSG ‘08

II.2) Les Paramètres « Drug-Like »

Banque A 2D Banque B 2D … Banque W 2D

Filtre « Drug Likeness »

Banque Brute 2D

Filtre

doublons

Banque Finale 2D

Nécessité de « Filtrer » les molécules toxiques et non utilisable

en médicaments (on parle de filtrage Pharmacocinétique,

Chimique et de profil de médicament).

Filtres « Maison » dérivés de « règle de 5 de Lipinski » : (Pour

devenir un médicament, une molécule doit posséder 3 des 4 propriétés

suivantes)

• 100 < PM < 800 (PM < 500)

• # Donneurs liaisons H < 5

• # Donneurs accepteurs liaisons H < 10

• SlogP < 7 (logPcalc < 5)

• Surface polaire < 150 A²

• Halogènes < 7

• Nombre Cycles < 6 et Cycles < 6 atomes

• Chaînes linéaires < 6 atomes

• Nombre Liaisons rotatoires < 15

• Présence de certains groupes

Pharmacocinétique

Chimique

* Lipinski, Adv Drug Deliv, Rev 1997


M2 BBSG ‘08


II.2.1) Les Structures Privilégiées

Sous-structures de taille importante que l’on retrouve dans de nombreux

Ligands de cibles biologiques différentes


M2 BBSG ‘08


II.2.2) Les Faux Positifs

• Les fonctions réactives (forment des liaisons covalentes)

• Les « warheads » (forment des liaisons non-covalentes)

M2 BBSG ‘08



• Les « Promiscuous aggregating inhibitors » (1)

M2 BBSG ‘08



• Les composés potentiellement mutagènes (1)

M2 BBSG ‘08

II.3) Transformation 2D=>3DBanque A 2D Banque B 2D … Banque W 2D

Filtre « Drug Likeness »

Banque Brute 2D

Filtre

doublons

Banque Finale 2D

Conversion 3D

Banque « Maison » 3D

(~3Million composés)

Pour certains logiciels de docking, nécessité:

• Transformer en 3D

• Traiter les liaisons H

• Traiter l’état d’ionisation

Certains logiciels ce sont imposés sur le marché

CORINA

http://www2.ccc.uni-erlangen.de/software/corina/corina.html

http://www.mol-net.de/

CONCORD (Bob Pearlman)

http://www.tripos.com/software/concord.html


M2 BBSG ‘08







http://www.tripos.com/software/concord.html

0

50

100

150

200

250

300

350

400

Nom

bre

de

mol

écu

les

MilliersM

icro

sourc

e

Div

ers

ity (

NC

I)

KeyO

rganic

s

MD

PI

Maybridge

AC

B

Chem

sta

r

IFLab

Tripos

Tim

tec

NC

I

IBS

Asin

ex

Chem

div

Chem

bridge

Doublons

Filtrées

Non unique

Entrees uniques

II] La Chimiothèque virtuelle maison

M2 BBSG ‘08



Problème:

• Temps de docking ~30 secondes par molécules (avec FlexX 2.0)

• Espace Chimique ~1024 molécules

~1016 années pour cribler toutes les molécules…

Question:

Comment choisir les molécules à tester lors des criblages virtuels ?

Solutions:

• Banques « de confiance » (d’après les publications)

• Banques « spécialisées » (ex. Banque du NCI: HIV, Cancer etc…)

• Sous-banque de la banque maison: Création d’une Banque de diversité

M2 BBSG ‘08

http://www.univ-orleans.fr/icoa/screeningassistant/


M2 BBSG ‘08





M2 BBSG ‘08

• Compilation des chimiothèques avec prise en charge automatique des doublons

• Analyses Graphiques

• Filtration des composés par leurs propriétés physicochimiques

• Filtration des composés en fonction de leurs propriétés « Drug-like » et « lead-like »

• Suppression des composés pouvant générer des faux-positifs lors des tests biochimiques

• Suppression des composés potentiellement mutagènes

• Sélection des composés par Diversité

II.4.1) Le logiciel Screening Assistant


M2 BBSG ‘08

•Structure Similaire = Activité Proche

•BUT= Sélectionner des molécules suffisamment Dissimilaires

II.4.1) Le logiciel Screening Assistant / Diversité



M2 BBSG ‘08


Méthode basée sur le clustering



M2 BBSG ‘08


Ensemble de sous-structures, masse et le logP par exemple


M2 BBSG ‘08




M2 BBSG ‘08



Règles de base de nomenclature


M2 BBSG ‘08

III] Les Différentes Approches de Criblage Virtuel

Molécule 1

Molécule 2

Molécule 3

Molécule 5

Molécule 6

Molécule 7

…

Molécule n

Défini les Propriétés SpatialesPhysico-chimiques du site actif

Pharmacophore searching

Arrimage moléculaire

De chacune des molécules de la banque

Dans le site actif

High Throughput Docking (HTD)

?


M2 BBSG ‘08

1) Algorithmes Génétiques:GOLD ...

2) Recuit Simulé:AutoDOCK

3) Dynamique Moléculaire:MCSS, CONCEPTS ...

4) Construction par Increments:FLEXX, DOCK, GROW, GroupBUILD,

LUDI , LEGEND, SPROUT, BUILDER,

GENSTAR ...

5) Criblage de Banques de données:Unity, CAVEAT, FOUNDATION, CLIX,

NEWLEAD, LEAPFROG ...

6) Recherche Conformationnelle:MIMUMBA, COBRA, WIZRAD ...

7) Descripteurs Moléculaires:MOE, GRID


M2 BBSG ‘08

1) Algorithmes Génétiques:GOLD ...

2) Recuit Simulé:AutoDOCK

3) Dynamique Moléculaire:MCSS, CONCEPTS ...

4) Construction par Increments:FLEXX, DOCK, GROW, GroupBUILD,

LUDI , LEGEND, SPROUT, BUILDER,

GENSTAR ...

5) Criblage de Banques de données:Unity, CAVEAT, FOUNDATION, CLIX,

NEWLEAD, LEAPFROG ...

6) Recherche Conformationnelle:MIMUMBA, COBRA, WIZRAD ...

7) Descripteurs Moléculaires:MOE, GRID


M2 BBSG ‘08


Molécule 1

Molécule 2

Molécule 3

Molécule 5

Molécule 6

Molécule 7

…

Molécule n

Défini les Propriétés SpatialesPhysico-Chimiques du site actif




Dans le site actif


?


M2 BBSG ‘08

III.1) Criblage sur Pharmacophore: Les Etapes

Molécule 1

Molécule 2

Molécule 3

Molécule 5

Molécule 6

Molécule 7

…

Molécule n

Définition du

Pharmacophore

Docking /

Analyse

Optimisation

Tests

In vitro


Criblage

2D ou 3D

M2 BBSG ‘08

III.1) Criblage sur Pharmacophore

•Les atomes de la chaîne principale autour du site actif sont utilisés pour définir les coordonées des centres de sphères d’exclusion. (différentes tailles de volume d’exclusion doivent être testées)

•Ces sphères sont alors fusionnées avec les points caractéristiques en un seul pharmacophore

•Le pharmacophore est alors utilisé pour cribler les banques de données (ex. Maybridge, Leadquest...) *

* En général on doit générer plusieurs requêtes pour: a- explorer les differents modes de fixations (surtout si on travaille à partir d’une structure non complexée)b- explorer différents types de sous-ensembles du pharmacophore

Exemple: Inhibiteur de l’Aldolase Reductase


M2 BBSG ‘08

Définir les coordonnées des centres de sphères d’exclusion

Greenidge, PA., Carlsson, B., Bladh, LG., and Gillner, M., J.Med.Chem. (1998), 41:2503-2512


M2 BBSG ‘08

Définir les coordonnées des centres de sphères d’exclusion


M2 BBSG ‘08

7

5

Moins de faux positifs pour le model 1

Mais il en manque moins (faux négatifs) avec le model 2 qui n‟a que 5 caractéristiques définies

De plus le modèle 1a ne possède pas d‟exclusion de volumes dans ces caractéristiques par rapport à 2a:

Plus de „Hits‟ mais aussi plus de faux positifs…


M2 BBSG ‘08

Cribler les banques de données

6 caractéristiques, volumes d‟exclusion

mais pas de poids et tolérances associés…

51 composés retrouvés avec ces caractéristiques!

1998… Aujourd'hui classiquement utilisé…


M2 BBSG ‘08

III.2) High Throughput Docking (HTD)

Molécule 5

Molécule 6

Molécule 7

…

Molécule n

Défini les Propriétés SpatialesPhysico-Chimiques du site actif




Dans le site actif


?

Molécule 1

Molécule 2

Molécule 3


M2 BBSG ‘08


Contributions Entropiques:

• Perte de degrés de liberté du corps dissout lors de la fixation

• Déplacement des molécules de solvant du site

Contributions Enthalpiques:

• Electrostatiques longues distances

• Liaisons Hydrogènes

• Interactions Van der Waals

• Enthalpie conformationnelle interne

G = H - T S1stp.pdb : Streptavidin-biotin complex

Gbind


M2 BBSG ‘08


Le problème de l’Arrimage Moléculaire :Prédire la structure d’un complexe à partir de deux molécules séparées

• Chercher à travers l‟espace conformationnel

• Evaluer les composantes de l‟énergie d‟interaction

• Sélectionner les structures les plus probables

4dfr.pdb :

Dihydrofolate reductase complexed with its inhibitor methotrexate


M2 BBSG ‘08


Chercher à travers l’espace conformationnel: une explosion combinatoire

360 iN T

N: nombre de conformations

T: nombre de liaisons rotatoires

i: taille du pas (degré) pour chaque liaison rotatoire

Methotrexate (MTX):

• 10 liaisons rotatoires

• 30º incrément d’angle

1012 conformations possibles


M2 BBSG ‘08


• Décrire chaque conformation en termes d‟angles de torsions 1...4

• Chaque liaison rotatoire peut prendre (par ex.) 64 angles différents (Soit un pas de 360/64=5.6º)

• Chaque valeur d‟angle de torsion peut être codée en chiffre binaire à l‟aide d‟un jeu de 6 bits (26=64)

• Chaque conformation est codée par un “chromosome binaire” qui contient 4x6 bits (0 or 1)

H

O

NH2

O

OH

1

2 3

4

tyrosine

Recherche Conformationnelle à partir d’ALGORITHMES GENETIQUES (GA)

011010010110011011101001

1 2

Ex: 011010

1 = 0x25 + 1x24 + 1x23 + 0x22 + 1x21 + 0x20 = 26

=> 5.6 * 26 = 145.6°


M2 BBSG ‘08

III.2) High Throughput Docking (HTD) : Les Algorithmes Génétiques

H

O

NH2

O

OH

1

2 3

4

Chromosome Individuel(conformation et configuration unique)

Population(jeux de conformations possibles et d‟états de configuration)

011010.010110.011010.010111

111010.010110.001011.010010

001010.010101.000101.010001

101001.010010.101010.101110

010101.010110.101010.001000

001010.101000.011101.001011

H

O

NH2

O

OH

H

O

NH2

O

OH

H

O

NH2

OOH

Définir une Population:

Gène individuel(code pour une propriété unique)


M2 BBSG ‘08

Opérateurs Génétiques:

A: 011010.010110.011010.010111

A’: 011010.010110.011011.010111

Mutations

H

O

NH2

O

OH

H

O

NH2

O OH

Recherche Conformationnelle à partir d’ALGORITHMES GENETIQUES (GA)



M2 BBSG ‘08


Crossing - over

ONH2

O

OHH

H

O

NH2

O

OH

H

O

NH2

O

OH

O

H NH2

O

OH

A: 011010.010110.011010.010111

A’: 011010.010110.001011.010010

B: 111010.010110.001011.010010

B’: 111010.010110.011010.010111



M2 BBSG ‘08

Population A

011010.010110.011010.010111

111010.010110.001011.010010

001010.010101.000101.010001

101001.010010.101010.101110

010101.010110.101010.001000

001010.101000.011101.001011

Migration

(Island model)

Population B

011010.010110.011010.010111

111010.010110.001011.010010

001010.010101.000101.010001

101001.010010.101010.101110

101001.010010.101010.101110

010101.010110.101010.001000




M2 BBSG ‘08

• Définir une (des) Population(s)

• Définir les règles (taux de mutations, probabilité pour chaque opérateur, lois de survivances...)

• Exécuter des cycles de générations avec des opérations génétiques pondérées

de manière aléatoire

• Evaluer “fitness” de chaque chromosome individuel

• Eliminer les individus non-survivants

• Répéter les générations de cycles jusqu‟à un nombre prédéfini de générations ou

jusqu‟à ce que la population devienne stable

• Puisque les GAs sont des algorithmes non-déterministes, plusieurs calculs

doivent être effectués.

Procédure complète:



M2 BBSG ‘08

Autre Exemple: FLEXX: Algorithme de CONTRUCTION PAR INCREMENTS

• Sélectionner la partie la plus rigide comme Fragment de départ “Base Fragment” (BF)

• Trouver les placements du BF (seulement) dans le récepteur qui maximisent les

interactions stériques et localisent les interactions chimiques

• Accroître par incrément le reste du ligand, fragment après fragment, dans le récepteur.

N

N

N+

N

NH2

NH2

H

NH

COO-

COO-

O

CH3Fragments du ligand

III.2) High Throughput Docking (HTD) : Construction par Incréments


M2 BBSG ‘08

FLEXX: Placer “Base Fragment” dans le site du Récepteur

Géométries d’interaction compatibles:

Groupements d’Interaction

Donneurs de Liaisons H: (-OH, -NH)Accepteurs de Liaisons H: (C=O, COO-, -OH ...)

Hyrophobes (aromatique, CH3, amide)

Ions Métalliques (Zn2+ ...)

Placer le “Base Fragment”:

Pour chaque triangle des atomes du BF, trouver tous les

triangles compatibles d’interaction dans le récepteur.

Algorithme:

“Pose clustering”(basé sur la reconnaissance de motifs)



M2 BBSG ‘08

FLEXX: “Accroître” le ligand fléxible dans le récepteur

N

N

N+

N

NH2

NH2

H

CH3

N

N

N+

N

NH2

NH2

H

CH3

N

N

N+

N

NH2

NH2

H

CH3

BF

F1

F2

Arbre solutions

Après chaque cycle de fragments:• Rejeter immédiatement les solutions avec des superpositions atomiques

• Optimiser les placements localement

• Calculer l‟énergie d‟interaction et le rang

• Garder uniquement les k meilleures solutions pour les prochaines étapes

BF

F1

F2



M2 BBSG ‘08

4dfr.pdb :

Dihydrofolate reductase complexée avec son inhibiteur: methotrexate

Exemple: methotrexate (MTX) / dihydrofolate reductase (DHFR).

Dihydrofolate reductase joue un rôle important dans les processus de

réplication de l‟ADN. C‟est une enzyme cible pour la conception de

drogues anti-bactériennes et anti-cancéreuses.

N

N

N+

N

NH2

NH2

H

NH

COO-

COO-

O

CH3

H1

23

45

67

8

9 10

methotrexate



M2 BBSG ‘08

N

N

N+

N

NH2

NH2

H

NH

COO-

COO-

O

CH3

H1

23

45

67

8

9 10

methotrexate

Compléxité du Système:

2 cercles aromatiques

10 liaisons rotatoires

3.9x107 conformations possibles



M2 BBSG ‘08

N

N

N+

N

NH2

NH2

H

NH

COO-

COO-

O

CH3

H1

23

45

67

8

9 10

methotrexate

Compléxité du Système:

2 cercles aromatiques

10 liaisons rotatoires

3.9x107 conformations possibles

Placement du “Base Fragment” :

107 placements possibles

Placement d‟énergie la plus basse: rmsd 0.48 Å



M2 BBSG ‘08

System complexity:

2 Ring systems

10 rotatable bonds

3.9x107 possible conformations

Placement du Base Fragment :

107 placements possible

Placement d‟énergie la plus basse: rmsd 0.48 Å

Construction Complète du ligand :

80 configurations alternatives générées

Configuration d‟énergie la plus basse : rmsd 1.41 Å

Prédiction Gbind=-57 kJ/mol vs Exp. -55 kJ/mol



M2 BBSG ‘08

Perte d’Entropie pendant la fixation du ligand

Liaisons H entre des atomes neutres

Ponts salins et liaisons H ioniques

Interactions aromatiques

Contacts Lipophiliques (surtout van der Waals)

Gbind

IV] Le problème du Re-Scoring / Postprocessing

Gbind = RT.log KD

f R,

f R,

f R,

f R

0 rot rot

hb

ion

aro

lipo

G G G N

G

G

G

G

fonction de pénalité pour les déviations de la géométrie idéale (R, )


M2 BBSG ‘08

IV.1) Les Fonctions de Score Spécialistes:

“Knowled-Based Scoring Function”

•DrugScore : “Solvent accessible surface area with dependent solvation term”

• PMFScore : “Summation of all pairwise interaction term where the magnitude and sign of

each interaction potential is based on the atom types of the interacting pair and the

intervening distance. Potential curves for each atom type pairing are derived from a survey of

crystal structures drawn from the PDB.”


M2 BBSG ‘08

“Empirical Scoring Function”

•Autodock : “van der Waals + electrostatic + hydrogen bonding + desolvation energy term

augmenting by entropic term that measures the loss of torsional degrees of freedom upon

binding (proportional to the volume around the atom that are exposed to the solvent).”

•Chemscore: “Regression-based scoring function with Lipophilic and Metal-binding

contributions + Hydrogen Bonding term + Function that penalizes restriction of

conformational degrees of freedom upon binding.”

•FlexX : “Consider the number of rotatable bonds, hydrogen bonds (atom type andgeometry), ion pairing, aromatic interactions and lipophilic contact energy”

•Ligscore1 and Ligscore2•PLP1 and PLP2



M2 BBSG ‘08


“Force-field Scoring Function”

•Gold Score : “Sum of Hydrogen Bonding energy + Steric interaction energy (4-8

potential) + Internal energy for the ligand (van der Waals energy + torsional

potential)”

•Dock Score : “Evaluation function composed of Steric and Electrostatic terms

based on the AMBER force-field.”


M2 BBSG ‘08

IV.2) Les Fonctions de Score Généralistes:

Le Problème: Toutes ces fonctions marchent plus ou moins bien, dans des cas plutôt précis

(cavité plus ou moins hydrophile, plus ou moins grande, ligand plus ou moins fléxible etc...

Une solution ? Utilisation de fonctions généralistes, dites CONSENSUS ...

Exemple de GFScore développée au Laboratoire...


M2 BBSG ‘08

GFScore

M2 BBSG ‘08

Analyse de la Diversité Structurale des banques

Diversity

Prestwick

Jeu de données

77 complexes

GFScore

M2 BBSG ‘08

Analyse de la Diversité Structurale du jeu de données Protéines / Ligands

GFScore

M2 BBSG ‘08


GFScore

M2 BBSG ‘08


GFScore

M2 BBSG ‘08

Analyse des Résultats de Scoring pour chaque fonctions de score

GFScore

M2 BBSG ‘08

Analyse des Résultats de Scoring pour chaque fonctions de score

GFScore

M2 BBSG ‘08

GFScore à partir de « Diversity »

GFScore

M2 BBSG ‘08

GFScore à partir de « Prestwick »

GFScore

M2 BBSG ‘08

STRATEGIE GLOBALE D’ACCELERATION

DE DECOUVERTE DE NOUVELLES MOLECULES

L’APPROCHE 2P2I

M2 BBSG ‘08

L’Approche 2P2I

M2 BBSG ‘08

L’Approche 2P2I

Complexe Nef – SH3Hck : Complexe Protéine-Protéine avec une interface de 1264A²

=> But est de trouver un inhibiteur de ce complexe => Renforcer la défense immunitaire

M2 BBSG ‘08

RMN

Test ELISA

Test In Cellulo

Test Virologique

D1

313

L’Approche 2P2I

M2 BBSG ‘08

L’Approche 2P2I

Résonance Magnétique Nucléaire

W113ε

L91

L117E98 V74

L58

N126

T80

1H

15N

M2 BBSG ‘08

L’Approche 2P2I

Calorimétrie à Titration Isotherme

KD ~ 0.24 µM

M2 BBSG ‘08

L’Approche 2P2I

0,00

0,20

0,40

0,60

0,80

1,00

1,20

1,40

1,60

0,01 0,1 1 10

µM (MC)

OD

405n

m

=1,2

*

TEST ELISA

phage-SH3

or

phage-peptide

Nef*

anti-phage

GAM HRP

Dx

IC50 ~ µM

M2 BBSG ‘08

L’Approche 2P2I

GAL4

-SH3

VP16

-NEF

Luc

-reporter

Transfection

Library (peptides, drugs)

Phage

displayDocking

Expression LucFF

GAL4

-SH3 VP16

-NEF

Luc-reporter

Candidate inhibitor

Analysis

« Hit »

GAL4

Secondary

sreening

96-well plates

24H

18H

Toxicity

LucRN

LucFF

Expérience In Cellulo

Pénétration

Compétition

Spécificité/Toxicité

M2 BBSG ‘08

L’Approche 2P2I

0,00

0,20

0,40

0,60

0,80

1,00

1,20

1,40

((F

F/R

N)*

10

0)/

DM

SO

2 µM

4 µM

8 µM

16 µM

32 µM

0,00

0,20

0,40

0,60

0,80

1,00

1,20

1,40

D1 D2 D3 D4 D5 D6 D7 D8 D9 D10

((F

F/R

N)*

10

0)/

DM

SO

NEF

SH3

Id

MyoD

0,00

0,20

0,40

0,60

0,80

1,00

1,20

1,40

((FF/R

N)*10

0)/DMSO

0,00

0,20

0,40

0,60

0,80

1,00

1,20

1,40

((FF/R

N)*10

0)/DMSO

2 µM

4 µM

8 µM

16 µM

32 µM=0,7

*

Expériences In cellulo

IC50 ~ µM

M2 BBSG ‘08

L’Approche 2P2I

Analyse Fonctionnelle de l’effet des composés Chimiques

Dans une expérience de régulation négative des MHC-1 et CD4

M2 BBSG ‘08

L’Approche 2P2I

M2 BBSG ‘08

L’Approche 2P2I

1) Expériences in cellulo

• 1990 molécules testées (25 plaques) D1 blanc / Validation

• 78 hits : 3,9% de hits dans le criblage primaire

• Mesure IC50 et la toxicité cellulaire…

=> 7 Hits sont confirmés (w/ % d’inhibition > 70% @ 10µM)

2) Calorimétrie à Titration Isotherme

4 hits sont validatés avec un KD ~ µM

D1 a le meilleur KD @ 0.24µM …

Criblage à Moyen Débit de la banque « Diversity »

M2 BBSG ‘08

L’Approche 2P2I

M2 BBSG ‘08

L’Approche 2P2I

M2 BBSG ‘08

QSAR/ CoMFA…

Dérivatisation des

Groupements

Fonctionnels

Modèle Statistique

Tests Virtuels

Modèle

CoMFA

Tests Cliniques

A Suivre…

M2 BBSG ‘08

L’Approche 2P2I

M2 BBSG ‘08

Documents

Le Criblage Virtuel - lism.cnrs-mrs.fr · Institut de Biologie Structurale et Microbiologie Laboratoire IMR (*) [email protected] Le Criblage Virtuel “Une Accélération