在藥物研究中，可能存在的有機(jī)分子的數(shù)目估計(jì)超過10^60，但高通量篩選(HTS)方法的極限為10^6到10^9，其中通常小于10^3分子具有所需的生物活性。為了使得這種方法能發(fā)揮作用，我們必須確保我們的10^6個(gè)子集的分子能夠代表比10^60更大的集合。然而以制藥公司的傳統(tǒng)方式收集到的分子通常不能代表更大的“化學(xué)空間”。是否有方法使收集的數(shù)據(jù)更具代表性是挑戰(zhàn)之一。接下來的挑戰(zhàn)是設(shè)計(jì)的新藥既具有最大限度的療效又能使昂貴的合成過程最少。通常統(tǒng)計(jì)學(xué)家可能會考慮設(shè)計(jì)實(shí)驗(yàn)(DOE)來實(shí)現(xiàn)這一點(diǎn)，但在多維世界的化學(xué)空間，這是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。JMP的獨(dú)特的數(shù)據(jù)交互式可視化功能， DOE能力和數(shù)據(jù)整理工具，使我們能夠結(jié)合化學(xué)原理的方法，系統(tǒng)地探索和評估大型復(fù)雜的數(shù)據(jù)集。通過這種方式，我們分析現(xiàn)有的數(shù)據(jù)，確定下一步的工作，大大加快了藥物研究的進(jìn)程。

藥物研究是一個(gè)漫長的旅程，從數(shù)以百萬計(jì)的潛在的開始點(diǎn)一直到一個(gè)單一的可能有一天會成為一種市場化藥物的候選分子?？v觀整個(gè)醫(yī)藥行業(yè)，從項(xiàng)目開始到一個(gè)藥物到達(dá)市場約需要11到14年的時(shí)間。每一個(gè)成功藥物的平均成本是50億美元(福布斯，2014)。耗費(fèi)如此長的時(shí)間和巨大成本的原因有很多。從統(tǒng)計(jì)角度的一個(gè)原因是我們在尋找一個(gè)極不可能的結(jié)果。需要給出可以把原子放在一起組成分子的各種各樣的方法，并考慮自然規(guī)律與藥物分子的限制，我們可以估計(jì)藥物分子可能存在的總數(shù)。參與研究的原子總數(shù)多達(dá)17個(gè)，這就形成了1660億個(gè)組合。藥品經(jīng)常包含40個(gè)或更多原子，估計(jì)就達(dá)到10^60個(gè)是潛在的藥物分子了。

傳統(tǒng)的方法從化合物的大集合中通過蛋白化驗(yàn)來尋找對靶蛋白具有某些活性的藥品分子(亦稱hits)，這種方法也被稱為高通量篩選(HTS)，但是這種方式可以支持篩選的化合物的最大數(shù)量約是一百萬。最近我們關(guān)注到基因編碼庫的創(chuàng)新方法，可以同時(shí)進(jìn)行幾個(gè)化合物的測試。這些方法能夠相對容易上網(wǎng)的篩數(shù)十億化合物，然而這僅僅是可能的化合物的小部分。如何能夠成功地運(yùn)用這些方法，是巨大的挑戰(zhàn)。

在下一階段的藥物研究中我們面臨類似的問題。有效復(fù)合物(或一系列類似的化合物組合)的識別使藥物研究人員能夠聚焦在單一分子的“結(jié)構(gòu)支架”。緊接著的任務(wù)是人工合成和測試類似的化合物，尋找核心結(jié)構(gòu)支架上不同取代基組，分析局部結(jié)構(gòu)活性的關(guān)系(SAR)，見圖1。這里的挑戰(zhàn)是，即使限制在對少量的原子分析，依然有數(shù)百個(gè)潛在的子結(jié)構(gòu)組選擇，如果考慮原子越多選擇組合就越多。作為藥物研究人員迫切需要知道如何選擇化合物才能快速、高效地探索結(jié)構(gòu)活性關(guān)系。

為了簡化問題，我們運(yùn)用了類似化學(xué)結(jié)構(gòu)具有相似性能的理論。這意味著一個(gè)多個(gè)維度的“化學(xué)空間”的存在，其中涵蓋所有潛在有效的化學(xué)分子結(jié)構(gòu)。因此一個(gè)理想的HTS篩選集合是具有均勻化學(xué)空間屬性的一組化合物。從概念上講，這是一個(gè)很好的方案，但我們沒有有效的化學(xué)空間界定可以使用。我們有多種計(jì)算化學(xué)結(jié)構(gòu)性能的方法，但發(fā)現(xiàn)經(jīng)常出現(xiàn)化學(xué)結(jié)構(gòu)的描述不完全，以及潛在結(jié)構(gòu)的范圍太大的問題。在現(xiàn)實(shí)中，雖然藥物公司定期收集新化合物來補(bǔ)充篩選的需要，但是許多HTS的結(jié)論只有非常微弱的“hits” ，有的甚至沒有“hits”，這是因?yàn)榛衔锏暮Y選集不能代表充分的化學(xué)空間。

                                                             圖1 典型的藥品(Iressa)分子結(jié)構(gòu)顯示                     圖2 GPCR有效的化合物結(jié)構(gòu)支架結(jié)構(gòu)支架(黃色)和取代基(藍(lán)色) X是分析對象組的位置

當(dāng)化學(xué)反應(yīng)鎖定在分子的單個(gè)結(jié)構(gòu)支架時(shí)，我們就可以確定可用的范圍，開始應(yīng)用統(tǒng)計(jì)方法使化合物的多樣性最大化。圖1顯示了一個(gè)具有三個(gè)取代基組圍繞在固定結(jié)構(gòu)支架的化合物。在第一輪的探索中，我們傾向依次改變每一個(gè)結(jié)構(gòu)組(在隨后的幾輪進(jìn)行最好的組合)，得到僅有一個(gè)取代基位置不同的類似的化合物組成的合成庫。

傳統(tǒng)的設(shè)計(jì)化學(xué)合成庫的方法是選擇一個(gè)易于處理的合成方法，并利用已有的試劑合成盡可能多的化合物。雖然在成本方面是比較經(jīng)濟(jì)，但是單一的合成路線將導(dǎo)致化合物缺乏多樣性。

我們希望利用量化的因子來準(zhǔn)確地描述代表特定的化合物集合，因此采用了實(shí)驗(yàn)設(shè)計(jì)的(DOE)原理，實(shí)現(xiàn)了使用更少的化合物也能確保更多的多樣性。

通過篩選確認(rèn)了一個(gè)A類G蛋白偶聯(lián)受體有活性的化合物，其分子結(jié)構(gòu)支架包含取代苯基環(huán)。我們希望探索取代基位置的結(jié)構(gòu)活性關(guān)系?；谛袠I(yè)經(jīng)驗(yàn)和分子結(jié)構(gòu)不同的基本屬性的原理，我們選擇三個(gè)屬性代表94個(gè)小的化學(xué)取代基。

這些屬性是：

l Pi(一種親脂性度量，一個(gè)區(qū)分水和有機(jī)溶劑指標(biāo));

l Molecular Refractivity(MR，衡量分子的大小);

l Sigmap(測量分子的電特性，如吸電子或供電子)

從主成分分析(PCA)看MR和Pi有一定的相關(guān)性，然而對于模型都是重要的，所以保留這兩項(xiàng)在模型中，以示區(qū)分。

在使用連續(xù)變量作為DOE的輸入時(shí)，有些組合在化合物集中是不存在的，因此我們通過將原有變量分成高中低三類轉(zhuǎn)換成分類變量(“高”與“低”為上下四分位數(shù)，“中”是的中位數(shù))?；谶@些輸入信息，定制設(shè)計(jì)給出了最小的9個(gè)化合物來表示這個(gè)集合，從而進(jìn)行合成。(包含原先的一個(gè))共有10種化合物可用于建模。

圖3 10個(gè)初始化合物的JMP多元回歸的                       圖4 訓(xùn)練集的化合物3D結(jié)構(gòu)圖顯示了大

結(jié)果顯示Pi，MR，Sigmap與 pIC50 型取代基在分子內(nèi)形成57度的夾角

無明確的聯(lián)系

運(yùn)用簡單的多元線性回歸(MLR)模型對10個(gè)化合物訓(xùn)練集的數(shù)據(jù)進(jìn)行擬合，令人失望的是測量活性(pIC50)沒有構(gòu)建出理想的模型，參見圖3。

這時(shí)我們需要考慮用來描述這些化合物其他屬性，特別是可能描述的離群化合物和解釋它們的顯然反常行為的屬性。我們意識到離群化合物有明顯的不同于大多數(shù)集合的形狀。我們使用分子力學(xué)計(jì)算每個(gè)分子的最小能量構(gòu)造，選定了苯基環(huán)和相鄰的羰基之間的面夾角(見圖4)代表形狀差異。在MLR模型中引入這個(gè)因素后極大地優(yōu)化了模型的擬合度。Pi和Sigmap是不顯著的(在95%置信度)，因此從模型中移除。最終的模型如圖5所示，MR和苯基環(huán)和相鄰的羰基之間的面夾角解釋了～63%的pIC50a的方差。

圖 5 10個(gè)初始化合物的JMP多元回歸的                圖 6 測試集的17個(gè)化合物的測量數(shù)據(jù)

結(jié)果顯示MR和pIC50存在相關(guān)性 顯示了多元回歸模型的預(yù)測效果

我們也容易解讀一個(gè)比較簡單的模型，從而理解觀察到的內(nèi)在關(guān)系。圖5參數(shù)估計(jì)表顯示pIC50與MR有負(fù)相關(guān)，與面夾角正相關(guān)，即最有效的化合物是那些具有最大的扭曲度和最小尺寸的化合物。在此基礎(chǔ)上又合成了17種化合物，其中大部分很好地預(yù)測了pIC50(同時(shí)加入了一些負(fù)面對照組)。圖6顯示了17種化合物訓(xùn)練集pIC50的實(shí)際測量值與預(yù)測值的關(guān)系。雖然不是每一個(gè)化合物都預(yù)測得很好，但其中10個(gè)化合物(圖6中所示的空心方塊)的預(yù)測是有效的，并被證實(shí)。

令人滿意的是該模型的預(yù)測(告訴我們無效的化合物特性)和解釋(告訴我們哪些屬性對于效力是重要的)使我們確定了現(xiàn)有集合中可以實(shí)現(xiàn)最佳效力的取代基組，即使考慮更大的化合物集合也成為可能。我們也能確定不值得擴(kuò)大的范圍，比如使用具有更多原子的更大的取代基，因?yàn)槲覀円呀?jīng)觀察到效力與分子大小的負(fù)相關(guān)性。

在這項(xiàng)工作中，我們已經(jīng)表明，實(shí)驗(yàn)設(shè)計(jì)(DOE)的原理可用于藥物研究，但仍需然仔細(xì)考慮構(gòu)建SAR的問題，并盡可能地避免變異，從而使得通過少量因子代表化學(xué)多樣性成為可能。

我們還發(fā)現(xiàn)，因子選擇需要一定數(shù)量的試錯(cuò)法，很難說哪個(gè)因子是最重要的，是第一優(yōu)先的。DOE在這個(gè)案例的成功運(yùn)用，使得深入的探索結(jié)構(gòu)活性的全貌，僅通過四分之一的可能化合物就聚焦在最有價(jià)值的屬性空間。