Цитозольная фосфолипаза A2 (cPLA2) — это фермент, который играет решающую роль в метаболизме мембранных фосфолипидов и выработке арахидоновой кислоты, предшественника различных биоактивных липидов, таких как простагландины и лейкотриены. Эти метаболиты являются основными компонентами воспалительных реакций, что делает cPLA2 потенциальной мишенью при разработке противовоспалительных препаратов. Ингибиторы cPLA2 играют важную роль в разработке лекарств из-за их потенциала в лечении различных воспалительных расстройств. cPLA2, фермент, играющий решающую роль в пути арахидоновой кислоты, участвует в выработке провоспалительных медиаторов, таких как простагландины и лейкотриены. Ингибируя cPLA2, эти препараты стремятся снизить синтез этих медиаторов, тем самым облегчая воспаление и связанные с ним симптомы. Это делает ингибиторы cPLA2 перспективными кандидатами для таких состояний, как астма, ревматоидный артрит и другие хронические воспалительные заболевания. Кроме того, в настоящее время изучается их потенциал для нейродегенеративной и онкологической клинической практики, где воспаление является ключевым фактором прогрессирования заболевания.

Библиотека ингибиторов cPLA2 ГК включает более 5 тыс. соединений.
Библиотека была разработана в соответствии со следующими стратегиями:
- Анализ данных ингибиторов cPLA2 в базе данных ChEMBL, содержащей 399 лигандов в качестве источника первичных каркасов для разработки наборов виртуального скрининга на основе лигандов;
- Дизайн на основе структуры с использованием кристаллической структуры человеческого cPLA2.

Вышеуказанная стратегия была реализована при создании библиотеки через рабочий процесс:
- Исключение соединений с нежелательными физико-химическими характеристиками:
- Удаление интерференционных соединений Pan-Assay (PAIN) посредством фильтрации подструктур;
- Фильтрация на основе недружественного MedChem SMARTS;
- Исключение высоколипофильных соединений (cLogP, предсказанный программным обеспечением Molsoft).
- Процедура виртуального скрининга с использованием комбинированных методов на основе лигандов и молекулярной стыковки;
- Выбор соединений на основе структурного разнообразия с использованием алгоритма «Min-Max».

Подход к разработке лиганда:
- Фильтрация коллекции запасов по значениям липофильности (cLogP), предсказанным моделями ICM
- Фильтрация виртуального скрининга на основе модели машинного обучения (ML) начальной классификации:
- База данных ChEMBL, содержащая 399 записей с соответствующими данными о биологической активности известных ингибиторов cPLA2, использовалась в качестве источника данных для обучения. Ложные объекты в обучающем наборе были созданы с использованием методологии DUD-E, тогда как те, что в тестовом наборе, были собраны из данных ChEMBL
- Были развернуты две независимые модели ML: модель случайного леса, построенная на основе отпечатков пальцев Моргана на основе подсчетов, и модель XGBoost, построенная на отпечатках пальцев ECFP4.
- Соединения, предсказанные этими моделями, вместе с их соответствующими оценками были составлены в качестве окончательных результатов.
- Выбор соединений, ориентированный на разнообразие, для улучшенного охвата химического пространства
- Выбор на основе лигандов из коллекции запасов дал около 100 000 разнообразных соединений, пригодных для последующих исследований на основе структуры.
Исследования на основе структуры проводились с использованием данных, полученных из банка данных белков (PDB), который предоставляет одну уникальную структуру (идентификатор Uniprot P47712, код PDB: 1CJY) с желаемыми доменами CAP/CAP. Структура области Lid (код PDB: 1CJY) включает в себя некоторые неразрешенные петли и боковые цепи, служащие потенциальными сайтами связывания лекарственных средств. Для моделирования этих фрагментов использовался метод FREAD, а затем были проведены дополнительные исследования молекулярной динамики для улучшения выборки целевых областей.

Ключевые этапы этого процесса включают:
- Моделирование молекулярной динамики длительностью 10 нс проводилось с использованием движка OpenMM в явно смоделированных молекулах растворителя для улучшения выборки областей Lid/CAP;
- Обнаружение сайтов связывания с использованием алгоритма ICM, фокусирующегося на тех, которые кажутся стабильными в моделировании;
- Кластеризация траекторий MD по значениям RMSD области CAP, использованной в исследованиях стыковки, привела к выбору трех наиболее заселенных кластеров;
- Молекулярная стыковка и оценка проводились с использованием программного обеспечения Flare (Cresset);
- Дополнительные электростатические расчеты (Flare, Cresset) были реализованы в качестве дополнительных методов на основе структуры.

Были выполнены следующие критерии стратегии на основе структуры:
- 10 нс молекулярная динамика была развернута для выборки конформаций сайта связывания
- Консенсусная стыковка использовалась для выбора трех наиболее заселенных кластеров, созданных с помощью MD
- Дополнительные электростатические расчеты
- Выбор на основе структуры, основанный на расчетах стыковки и EC, дает ~17 тыс. соединений с наивысшими оценками
- Выбор соединений на основе разнообразия дает 5,6 тыс. соединений
- Распределения основных физико-химических свойств и репрезентативных структур показаны на слайде выше.