苏黎世联邦理工大学物理化学院的Sereina Riniker 教授课题组于2020年在Journal of Chemical Information and Modeling上发表了题为“Improving Conformer Generation for Small Rings and Macrocycles Based on Distance Geometry and Experimental Torsional-Angle Preferences”的工作,讨论了他们在环状化合物构象生成方向的研究成果,利用现有知识对环状化合物的认识来构建特殊的几何关系,从而达到更准确采样的目的。 ——背景介绍—— 生成分子三维结构的能力是药物发现的一个重要助力,因其可能是3D-QSAR,分子对接或分子动力学研究的起点。目前市面上已经有很多构象生成器被开发出来供研究者使用,包括商业产品(一些提供免费的学术许可证)如Omega, ConfGen, MacroModel and Prime, CSD Conformer Generator, LowModMD, BRIKARD, ForceGen 3D, TCG 和 Conformator, 当然还有一些开源的软件工具比如说 CONFECT, BALLOON和RDkit中的构象生成器ETKDG。 构象生成器ETKDG是一种随机搜索方法(也是本文作者开发的),它利用距离几何和从实验晶体结构中得到的知识。它已被证明可以为无环的柔性分子产生良好的构象。本文的工作建立在ETKDG的基础上,改进了含有小的或大的脂肪族(即非芳香族)环的分子的构象生成。首先,我们设计了额外的扭转角势来描述小的脂肪族环,并调整先前开发的无环键势,以促进大环的采样。然而,由于大环的自由度较大,取样的构象空间比小分子要宽得多,这给构象生成器带来了挑战。因此,我们引入不同的启发式来限制宏循环的搜索空间,并使抽样偏向于更实验相关的结构。具体地说,我们展示了使用椭圆几何和可定制的库仑相互作用作为启发式。改进的mETKDG的性能在不同的大环和环肽的测试集上得到了证明。 ——方法—— ØETKDG的做法流程:RDkit中最早的分子构建方法名为DG,虽然DG表现得很好,但生成的构象可能会扭曲芳香环和sp2中心,以及二面角值超出了实验晶体结构中观察到的范围,所以作者在之前ETKDG工作中进一步针对二面角进行了的优化。(还引入了一些规则性的约束来限制芳香环在同一平面内,增加sp2杂化的翻转情况,并且约束了三键体系的键角)
图八:mETKDG在环肽数据集上的表现,橙色是只用mETKDG加入椭圆约束和CPCI生成构象的rRMSD分布;蓝色是mETKDG加入椭圆约束和CPCI生成构象后经过OpenForceField优化后的结构rRMSD的分布;绿色是mETKDG只加入加入椭圆约束生成构象的rRMSD分布 ——总结—— 由于大环化合物,尤其是环肽的结构数据较少,因此很难采取目前热门的深度学习的方法对其进行建模和构象生成,本文提供了一种简便易行的方法高效地生成较为准确的大环化合物构象。但是我们可以从测试结果中看出来(作者在也在最后提到),生成构象的准确度和一些更加细致的氢键相互作用有些依赖于后续的力场优化,这也是后续这方面工作的一个上升空间。ReferenceWang S , Witek J , Landrum G A , et al. Improving Conformer Generation for Small Rings and Macrocycles Based on Distance Geometry and Experimental Torsional-Angle Preferences[J]. 2020.Riniker S , Landrum G . Better Informed Distance Geometry: Using What We Know To Improve Conformation Generation[J]. Journal of Chemical Information & Modeling, 2015:2562-74.