[論文レビュー] AlphaFold Accelerates Artificial Intelligence Powered Drug Discovery: Efficient Discovery of a Novel Cyclin-dependent Kinase 20 (CDK20) Small Molecule Inhibitor

Feng Ren, Xiao Ding+20 more|arXiv (Cornell University)|Jan 21, 2022

Genetics, Bioinformatics, and Biomedical Research被引用数 9

ひとこと要約

本研究では、PandaOmicsとChemistry42を統合したプラットフォームを用いて、実験的構造が得られていない新規ドラッグターゲットであるCDK20に対するAI駆動型ハイト同定に、AlphaFoldで予測されたタンパク質構造を初めて応用した。30日間で7化合物の合成を経て、Kdが8.9 ± 1.6 µMの最初のクラスのハイト（ISM042-2-001）が同定され、2回目のラウンドで6つの追加合成を経て、Kdが210.0 ± 42.4 nMのより強力な化合物（ISM042-2-048）が得られた。

ABSTRACT

The AlphaFold computer program predicted protein structures for the whole human genome, which has been considered as a remarkable breakthrough both in artificial intelligence (AI) application and structural biology. Despite the varying confidence level, these predicted structures still could significantly contribute to structure-based drug design of novel targets, especially the ones with no or limited structural information. In this work, we successfully applied AlphaFold in our end-to-end AI-powered drug discovery engines constituted of a biocomputational platform PandaOmics and a generative chemistry platform Chemistry42, to identify a first-in-class hit molecule of a novel target without an experimental structure starting from target selection towards hit identification in a cost- and time-efficient manner. PandaOmics provided the targets of interest and Chemistry42 generated the molecules based on the AlphaFold predicted structure, and the selected molecules were synthesized and tested in biological assays. Through this approach, we identified a small molecule hit compound for CDK20 with a Kd value of 8.9 +/- 1.6 uM (n = 4) within 30 days from target selection and after only synthesizing 7 compounds. Based on the available data, the second round of AI-powered compound generation was conducted and through which, a more potent hit molecule, ISM042-2 048, was discovered with a Kd value of 210.0 +/- 42.4 nM (n = 2), within 30 days and after synthesizing 6 compounds from the discovery of the first hit ISM042-2-001. To the best of our knowledge, this is the first reported small molecule targeting CDK20 and more importantly, this work is the first demonstration of AlphaFold application in the hit identification process in early drug discovery.

研究の動機と目的

• 実験的構造が得られていない新規ターゲットの早期段階ドラッグディスcoveryをAI駆動プラットフォームを用いて加速すること。
• AlphaFoldで予測されたタンパク質構造が、ドラッグに適さないか、十分に特徴づけられていないターゲットにおける構造基盤型ドラッグ設計にどの程度有用であるかを評価すること。
• CDK20という新規ターゲットに対して、時間的・コスト効率に優れた形でエンドツーエンドのAI駆動型小分子阻害剤発見の可能性を実証すること。
• 計算的および実験的検証を経て、ヒト肝細管癌（HCC）に関与するとされるキナーゼであるCDK20の最初のクラスの小分子阻害剤を同定すること。

提案手法

• 1133例のHCCおよび674例の健常者由来のマルチオミクスデータを用いて、PandaOmicsを活用し、CDK20を新規治療的ターゲットとして優先順位付けした。
• AlphaFoldを用いてCDK20の3次元構造を予測し、後続のモデリングのための信頼性指標として、ローカル距離差異テスト（LDDT）スコアを用いた。
• 深層強化学習と分子生成を用いて、AlphaFoldで予測されたCDK20構造を標的にする新しい小分子を設計するため、生成化学プラットフォームであるChemistry42を適用した。
• ストレプトアビジンビーズを用いたアフィニティプルダウンとqPCR検出を組み合わせたin vitro結合アッセイにより、合成化合物のKd値を測定した。
• 非線形最小二乗法にレーベンバーグ・マーカートのアルゴリズムを用い、ハイル方程式に適合させ、スロープを-1としてKd値を計算した。
• ターゲット選定からハイト同定までを、2ラウンドにわたる反復的AI駆動型化合物生成と実験的検証を経て実施した。

実験結果

リサーチクエスチョン

• RQ1 実験的構造が得られていないターゲットにおいて、AlphaFoldで予測されたタンパク質構造が、構造基盤型ドラッグ設計に有効に機能できるか。
• RQ2 エンドツーエンドのAIプラットフォームが、CDK20のような新規キナーゼターゲットに対して、どの程度小分子阻害剤の発見を加速できるか。
• RQ3 高信頼性のAlphaFoldで予測された構造をガイドにすることで、生成化学モデルが強力で選択性の高いハイトを生成できるか。
• RQ4 新規ターゲット空間において、AI駆動型発見を用いた場合、強力なハイトを同定するために必要な化合物の最小数は何か。

主な発見

• CDK20の最初のクラスの小分子阻害剤であるISM042-2-001が、ターゲット選定後30日以内に同定され、Kdは8.9 ± 1.6 µM（n = 4）であった。
• 2回目のAI駆動型化合物生成ラウンドの結果、6つの追加合成を経て、より強力なハイトであるISM042-2-048が同定され、Kdは210.0 ± 42.4 nM（n = 2）であった。
• ターゲット選定からハイト同定までの全プロセスが30日間で完了し、早期ドラッグディスcoveryにおける高い効率性が示された。
• 本研究は、AlphaFoldをハイト同定フェーズに応用した報告例として初のものであり、実世界の治療開発におけるその有用性を裏付けた。
• 信頼性がばらつきのあるCDK20のAlphaFold予測構造でさえ、効果的なバーチャルスクリーニングおよびリデュースド・ノヴァ構造のリガンド設計を可能にし、測定可能な結合親和性を示した。
• PandaOmicsによるターゲット優先順位付けとChemistry42による分子生成の統合により、新規ターゲット向けに完全に自動化されたAIネイティブなドラッグディスcoveryパイプラインが実現された。