共价对接（Covalent Docking）

共价对接（Covalent Docking）

  共价对接（Covalent Docking）是一种分子对接的计算方法，用于模拟分子之间的共价键形成过程。在传统的非共价对接中，分子之间的相互作用主要是基于范德华力、电荷相互作用和氢键等非共价相互作用。然而，在某些生物活性分子的设计和药物发现中，拥有共价键结合的共价抑制剂的活性和选择性均为理想，因此共价对接方法应运而生。

1. 共价对接简介

  共价对接的关键思想是模拟潜在药物分子与蛋白质目标之间的共价键形成，通过计算得出最有可能形成共价结合的分子构象。这通常涉及到特定的功能基团，如亲核基团（Nucleophiles）和电子亲合基团（Electrophiles），它们能够参与共价键的形成。共价对接方法需要考虑这些功能基团的相互作用，并通过优化分子构象来实现共价键的形成。

  共价对接的应用领域包括药物发现和生物活性分子的设计。它可以用于研究一些药物的作用机制，开发具有共价作用的药物，或者设计特定的生物活性分子。然而，共价对接也面临挑战，因为需要考虑共价键的稳定性和选择性，以避免不希望的共价修饰。以下是一些共价抑制剂的优点：

• 高活性：共价药物是一类独特的药物，它们与其靶蛋白形成共价键，从而提高配体效率、延长药物作用持续时间且减少给药频率。它们的活性不仅来自非共价相互作用，还来自抑制剂和靶蛋白之间共价键的形成。
• 高选择性：共价抑制剂可用于针对靶向蛋白质家族中的稀有非保守残基，从而相对于蛋白质靶家族的大多数其他成员实现对所需靶标的高度选择性抑制。
• 结合浅结合位点：针对浅结合位点，还可以利用共价抑制方法来提供额外的结合效力，而通过非共价相互作用很难获得这种额外的结合效力。有机会靶向以前被认为“不可成药”的疾病靶点。
• 安全性高：为了改善安全问题，可以通过设计具有需要非共价和共价相互作用的特定组合的结合模式的抑制剂来最大程度地减少脱靶反应性，从而创造了提供与由传统的高度优化的非共价抑制剂提供。

2. 共价药物

  共价药物包含一个温和的反应性官能团，与蛋白质靶标形成共价键，除了药物结合所涉及的非共价相互作用之外，还具有额外的亲和力。许多早期共价药物是偶然发现的，并结合活性位点来抑制酶活性。这些药物通常模拟底物过渡态以实现催化氨基酸残基的共价修饰。在过去的 30 年里，共价药物的合理设计引起了越来越多的兴趣，共价靶向非保守氨基酸以提高选择性已变得司空见惯。下图是一些典型的共价药物根据其治疗的药物类型或疾病类型进行分类。

  尽管担心共价反应所带来的毒性，共价结合的潜在优势仍然激发了药物化学家探索共价药物空间。在许多情况下，反应性、选择性和活性之间的折衷已经产生了安全有效的药物。通过共价修饰的有效抑制已经能够靶向传统上“不可成药”的蛋白质，例如 安进公司的药物Sotorasib 的批准，是一种突变型 KRAS(G12C) 的抑制剂。与此同时，更传统的蛋白酶活性位点共价靶向不断产生有价值的药物，例如辉瑞公司研发的Nirmatrelvir，它可以抑制SARS-CoV-2的主蛋白酶 (Mpro)。

  更多关于共价药物与靶点的信息，可以参考侯廷军课题组开发的CovalentInDB（共价抑制剂数据库），提供了通过综合文献检索收集到的8544个共价抑制剂和343个相关蛋白靶点的信息。

3. 共价对接计算的工具

  接下来将介绍八款可以开展共价对接计算的分子对接工具：AutoDock4, Dockovalent, HCovDock, CovDock, FITTED, GOLD, ICM-Pro, and MOE，其中AutoDock4、Dockovalent和HCovDock是开源软件，其余5款皆为商业性质软件。

3.1 AutoDock4

  AutoDock4 的Covalentdocking实现了两种算法来模拟共价“蛋白质-配体”系统：Two-point attractor 和 Flexible side-chain 方法。这两种算法的不同之处在于配体建模的方式。使用柔性侧链（Flexible side-chain）方法，配体以任意构象与靶标连接，并且连接的配体在 AutoDock 模拟中被建模为完全柔性侧链，其方式与GOLD 和 FlexX类似。先前报道的结果表明，AutoDock 柔性残基方法在 76 个复合物的数据集中优于 GOLD。使用两点吸引子（Two-point attractor）方法，将烷基化分子建模为游离配体，并使用自定义电势将配体和烷基化残基的共价结合部分结合在一起。使用这两种方法，可以对最常共价修饰的氨基酸残基进行建模，例如半胱氨酸（Cysteine）、赖氨酸（Lysine）、苏氨酸（Threonine）和丝氨酸（Serine）。

上图是两种共价对接方法的示意图，其中蛋白质为灰色，配体为黑色。
上图：两点吸引子（Two-point attractor）方法计算蛋白质共价附着位点处的两个能量吸引图（用圆圈表示），并使用两种虚拟原子类型（X 和 Z）将配体靶向该位点。
下图：柔性侧链（Flexible side-chain）方法将配体与蛋白质残基重叠，然后使用AutoDock优化构象。

3.2 Dockovalent

  Dockovalent基于UCSF DOCK，改进纳入了动态配体最小化和能量函数，例如依赖于几何形状的氢键项，以及对共价键能量的显式计算。共价复杂结构的系统分析提供了： 1. 共价化合物构象预测的黄金标准基准；2.从已知复合体导出的基于知识的统计数据可以作为能量函数改进来实施。Dockovalent是一款学术免费对接计算软件，同时还提供了Web端的服务器共价对接计算Covalent Docking Server，可供用户直接提交使用。

3.3 HCovDock

  HCovDock是一种通过集成增量构建的配体采样方法和基于共价键能量的打分函数的共价蛋白质-配体相互作用的高效对接算法。其测试结果表明：HCovDock 的性能优于其他七种最先进的共价对接程序（AutoDock、Cov_DOX、CovDock、FITTED、GOLD、ICM-Pro 和 MOE）。HCovDock也提供了Web端的服务：HCovDock Server，可供用户免费计算。

3.4 CovDock

   CovDock是由Schrödinger公司开发的一种新的共价对接方法，用于对接和评价共价抑制剂。该方法不需要对不同的共价反应类型进行参数拟合，易于设置，可以针对大型数据库进行虚拟筛选。

  CovDock 的构象预测和打分函数建立在Prime和 Glide之上，并且与大多数其他共价对接程序相比，不需要针对任何特定化学反应类型进行额外的参数拟合。如上图所示，CovDock 首先将反应残基突变为丙氨酸（ALA），通过ConfGen 对配体构象进行采样，并利用对接程序 Glide 提供的快速采样来生成大量预反应物种的初始构象。其次，根据几何标准，选择构象的子集并与受体共价连接。接着，使用蛋白质结构预测和细化程序 Prime 同时优化配体构象和附着残基，以产生合理的物理几何形状。最后，由此产生的蛋白质-配体复合物几何形状根据全原子能量函数 VSGB2.0 进行排序。

3.5 FITTED

  FITTED是第一个实现全自动共价对接的程序。Fitted 能够标记反应性官能团、创建共价键并计算其能量。在对接时，如果官能团在几何上可接近反应性残基，则形成共价键；否则，假定它是非共价的。其他程序包括AutoDock4的Covalent docking和 Dockovalent (DOCK)也是基于这种方法。

3.6 GOLD

  GOLD是由剑桥晶体学数据中心（CCDC）开发的基于遗传算法的对接程序。其共价实现依赖于配体和蛋白质结构中“连接原子”的叠加，使用事后反应的配体构象。输入文件需要手动修改，以将目标半胱氨酸的反应性硫原子连接到配体的亲电原子上。配体的连接原子被迫适应蛋白质的连接原子，并从相应的参数文件中计算弯曲能量项。最终，将这个能量项添加到对接得分中，以确保共价键的正确几何构型。最终得分的其他贡献是从在结合口袋内对配体的扭转自由度进行取样生成的常规非共价相互作用中计算的。配体对接构象按照GOLD适应性分数排名。在模拟中，得分最高的为最佳对接构象。

3.7 ICM-Pro

  Molsoft LLC开发了ICM-Pro对接算法，其中包括一种独特的共价对接计算。根据反应类型，ICM-Pro会自动将事前反应的配体转化为“伪配体”，通过在所有产生的立体异构体上，将半胱氨酸的侧链共价连接到亲电性头部。首先使用蛋白质上的侧链原子坐标来约束伪配体的位置，然后将其移除，以避免对接过程中的不利冲突。通过蒙特卡罗模拟在用于结合口袋的一组网格图中对配体构象进行取样。最后，通过修改后的完整ICM打分函数对对接解决方案进行评分和排名，该函数不包括直接邻接共价键的原子之间的成对相互作用。

3.8 MOE

  MOE（Molecular Operating Environment）的共价对接模块依赖于一种反应/转化定位方法，以匹配配体和半胱氨酸残基上的反应性基团，随后形成它们之间的共价键。共价配体是在生成的事前反应形式中用Builder面板进行建模和最小化的。对于未在预定义集合中描述的化学反应，使用了MarvinSketch进行绘制。默认的后处理协议采用了刚性受体细化方案的最小化和GBVI/WSA dG评分函数的重新打分，最后根据打分对配体构象进行排序。

参考文献

1. Boike, L., Henning, N.J. & Nomura, D.K. Advances in covalent drug discovery. Nat Rev Drug Discov 21, 881–898 (2022). https://doi.org/10.1038/s41573-022-00542-z
2. Ouyang X, Zhou S, Su CT, Ge Z, Li R, Kwoh CK. CovalentDock: automated covalent docking with parameterized covalent linkage energy estimation and molecular geometry constraints. J Comput Chem. 2013;34(4):326-336. doi:10.1002/jcc.23136
3. Scarpino A, Ferenczy GG, Keserű GM. Comparative Evaluation of Covalent Docking Tools. J Chem Inf Model. 2018;58(7):1441-1458. doi:10.1021/acs.jcim.8b00228
4. Bianco G, Forli S, Goodsell DS, Olson AJ. Covalent docking using autodock: Two-point attractor and flexible side chain methods. Protein Sci. 2016;25(1):295-301. doi:10.1002/pro.2733
5. Wu Q, Huang SY. HCovDock: an efficient docking method for modeling covalent protein-ligand interactions. Brief Bioinform. 2023;24(1):bbac559. doi:10.1093/bib/bbac559
6. Verdonk ML, Cole JC, Hartshorn MJ, Murray CW, Taylor RD. Improved protein-ligand docking using GOLD. Proteins. 2003;52(4):609-623. doi:10.1002/prot.10465
7. Katritch V, Byrd CM, Tseitin V, Dai D, Raush E, Totrov M, Abagyan R, Jordan R, Hruby DE. Discovery of small molecule inhibitors of ubiquitin-like poxvirus proteinase I7L using homology modeling and covalent docking approaches. J Comput Aided Mol Des. 2007 Oct-Nov;21(10-11):549-58. doi: 10.1007/s10822-007-9138-7. Epub 2007 Oct 25. PMID: 17960327; PMCID: PMC7087885.
8. London N, Miller RM, Krishnan S, Uchida K, Irwin JJ, Eidam O, Gibold L, Cimermančič P, Bonnet R, Shoichet BK, Taunton J. Covalent docking of large libraries for the discovery of chemical probes. Nat Chem Biol. 2014 Dec;10(12):1066-72. doi: 10.1038/nchembio.1666. Epub 2014 Oct 26. Erratum in: Nat Chem Biol. 2015 Mar;11(3):235. PMID: 25344815; PMCID: PMC4232467.
9. Du, H., Gao, J., Weng, G., Ding, J., Chai, X., Pang, J., Kang, Y., Li, D., Cao, D., & Hou, T. (2021). CovalentInDB: a comprehensive database facilitating the discovery of covalent inhibitors. Nucleic acids research, 49(D1), D1122–D1129.