Motivation: Molecular docking is a widely used technique for predicting binding interactions between a protein and a ligand at the atomic level based on protein-ligand structural information identified through X-ray crystallography or NMR. Nonetheless, it has been known that the accuracy of docking is not high. Because firstly, during the energy minimization process in docking, the ligand structure is allowed to be flexible but the receptor is not in most docking software. Secondly, the predicted ligand conformations are evaluated only once in most docking programs resulting in scoring bias. Ultimately, those two obstacles hinder the direction to the global minimum state that corresponds to the presumptive near-native binding state we are looking for.
Results: The first study is about introducing a mutation of interest to the target protein, generating ensemble homology structures, performing docking to ensembles, and identifying the mutated residues related to drug resistance. The generation of ensemble homology structures of both wild and mutant types enables the researchers to conduct flexible docking and estimate the mutational effects on drug binding sites induced by a certain mutation. The changes in docking scores and docking conformations allowed us to make mutant structure modeling by docking scores. The automated web tool is available at http://pbil.kaist.ac.kr/KRDS. The second study is about employing the strategy of reverse docking using consensus scores to reduce false positives provoked by scoring bias. The validation results showed that the consensus scoring scheme was more efficient to retrieve the known target proteins than the three existing single scoring functions when tested on 122 ligands with 6,365 known targets from the DrugBank. The web server is available at http://pbil.kaist.ac.kr/CRDS.
Conclusions: The molecular docking and reverse docking are structure-based computational schemes that can be used in various phases of drug discovery and development pipeline. During my thesis studies, I developed ensemble docking and consensus reverse docking methods to overcome two major obstacles of docking. I implemented those strategies to identify mutation residues related to drug resistance and discover clinically relevant targets of small molecules. The developed techniques have been deployed in automated web tools that perform predictive modeling and report result. The web servers enable researchers to conduct computational analyses of structural modeling for speculating possible drug-protein interactions.
연구배경: 엑스선결정학 혹은 핵자기 공명 기술을 이용하여 많은 수의 단백질-약물 결정의 원자, 분자 구조를 밝혀 왔지만 인체 내에는 무수히 많은 단백질들이 존재하기 때문에 단백질-약물 결합 구조를 모두 얻기란 비용, 시간적인 측면에서 힘들다. 분자적 도킹은 구조 결정학 기술을 통해 확인된 단백질-리간드 구조 정보를 바탕으로 하여 원자 수준에서 리간드와 단백질 사이의 결합 상호작용을 모델링하고 결합 구조를 예측하는 기법이다. 도킹 계산은 리간드의 결합 conformation을 예측하는 샘플링 (Stochastic sampling) 단계와 예측된 결합 포즈를 평가하는 단계로 이루어 진다. 그럼에도 불구하고 도킹의 정확도가 낮다고 알려져 있는 이유는 단백질의 구조를 유동성 있게 두지 않고 고정하여 샘플링 하기 때문이며 또 하나는 예측된 리간드 포즈를 평가할 때에 단일평가 함수로 평가함으로써 다양한 단백질에 대한 성질을 반영하지 못하기 때문이다. 즉, 대부분의 도킹 프로그램들은 rigid-body 도킹을 수행하여 단백질의 다이나믹한 여러 구조들을 반영하지 못하는 문제점과, 단일 평가함수를 사용함으로써 특정 단백질의 scoring bias를 가지게 되는 문제점으로 크게 두가지를 가지고 있다. 이러한 도킹 기법이 가지고 있는 두가지 문제점을 보완하면서 현재 약물 개발에 큰 해결 과제인 약물 저항과 관련된 돌연변이 잔기를 예측하는 일과 약물 repositioning 및 약물 독성에도 활용할 수 있는 약물 타깃 발굴 연구 분야에 적용해 보았다. 첫번째 연구는 이러한 약물 저항과 관련된 돌연변이 잔기를 규명하기 위해서 분자 도킹 방법을 이용하되 해당 단백질의 구조를 고정하지 않고 유동성을 고려한 도킹을 수행함으로써 예측력을 높이고자 하였다. 두번째 연구는 특정 약물과 결합하는 타깃을 찾기 위해 도킹 방법을 활용하되 계산 과정에서 예측된 리간드 conformation을 평가할 때에 단일 평가함수를 이용하기 보다는 다른 종류의 성질을 가진 평가함수들을 결합한 개발된 컨센서스 스코어링를 이용하여 수행함으로써 예측력을 높이고자 하였다.
연구결과: 첫번째 연구는 표적 단백질에 대하여 관심 돌연변이를 도입하고 앙상블 상동 구조를 생성하여 약물을 도킹하여 약물 저항과 관련된 돌연변이 잔기를 규명하는 방법이다. 인과관계가 확실히 알려진 두 가지 키나아제 케이스 (ABL1 (T315I), EGFR (T790M))에 대해서 앙상블 상동 구조 기반 도킹을 수행해 본 결과 약물 저항과 관련된 잔기에 대하여 도킹 결과에 차이 (ABL1 (T315I): Imatinib (41.93%), Dasatinib (24.74%), Nilotinib (31.34%), Bosutinib (28.73%); EGFR (T790M): Gefitinib (20%), Erlotinib (36%))가 있는 것으로 나타났으며, 예측된 구조를 통하여 결합력이 감소한 원인을 추론해 볼 수 있었다. 정상군에 대비하여 약물 저항과 관련된 잔기를 가진 돌연변이군 사이의 결합 예측 및 시각화 데이터 생성을 위한 KRDS 웹서버 (http://pbil.kaist.ac.kr/KRDS)를 개발 하였다. 두번째 연구는 다른 성질의 평가 함수들을 하나의 평가 점수 (Consensus Docking Score (CDS))로 나타내어 각 단백질의 scoring bias를 줄이고, 표적 약물과 결합할 수 있는 잠재적 타깃을 CDS를 이용하여 예측하는 방법이다. 타깃 정보가 잘 알려진 리간드 (n=122)를 이용하여 주어진 타깃 (n=5,254)에 역도킹을 수행한 결과 CDS는 세 가지 단일 평가 함수들 보다 상위 10 위 안에 적어도 알려진 타깃 하나 이상을 더 잘 회수 하는 것으로 나왔다 (CDS (n=242), GOLD (n=119), Vina (n=123), LeDock (n=186)). 또한 DUD-E 데이터 셋과 PDBbind 데이터 셋을 이용하여 검증해 본 결과 CDS가 가장 높은 AUC 스코어 (DUD-E: CDS (0.77), GOLD (0.73), Vina (0.72), LeDock (0.68); PDBbind: CDS (0.79), GOLD (0.76), Vina (0.77), LeDock (0.75))를 나타내었다. 관심 표적 약물을 이용하여 5,254개의 잠재적 타깃에 CDS를 적용한 역도킹을 수행하고 약물과 타깃 사이의 결합 예측 및 시각화 데이터 제공을 위한 CRDS 웹서버 (http://pbil.kaist.ac.kr/CRDS)를 개발 하였다.
결론: 본 연구에서는 분자 도킹 시뮬레이션 방법이 가지고 있는 1) 고정된 단백질 구조의 사용 문제 및 2) 단일 평가 함수로 인한 scoring bias 문제를 극복하며 1) 약물 저항과 관련된 표적 단백질의 잔기를 효율적으로 예측할 수 있는 방법 및 2) 표적 약물과 잠재적으로 결합할 수 있는 타깃을 발굴할 수 있는 예측 방법을 제안 하였다. 제안된 KRDS 웹서버를 이용하여 약물 저항을 고려한 신약 스크리닝에 활용하거나 약물 저항을 회피할 수 있는 신약 후보물질을 용이하게 선정할 수 있는 기초를 마련해 줄 수 있고, CRDS 웹서버를 이용하여 새로운 타깃을 규명하거나 drug repositioning에 활용하거나 약물 독성을 연구하는 데에 유용할 것으로 기대된다.
