Identification of novel kinase inhibitors for cancer therapy via virtual screening

Abstract

Despite advances in targeted therapies, discovering novel inhibitors for cancer related kinases remains challenging due to drug resistance, limited specificity, and associated side effects. Therefore, efficient and robust virtual screening methods are important to investigate extensive chemical spaces and accelerating drug discovery. In this study, I established a virtual screening workflow that combines ligand-based and structure-based drug design approaches to efficiently identify novel inhibitors against cancer related kinases. Initially, I employed shape similarity calculations such as ultrafast shape recognition (USR), USRCAT, and electrostatic potential similarity (ESP-sim) to filter small molecules from approximately 670 million compounds in the ZINC20 database based on ligand-based approach. This step effectively reduced the chemical space to manageable scales for subsequent computational analysis. The filtered compounds were subjected to structure- based calculations through molecular docking to predict their binding modes within kinase active sites. Binding stability and affinity were further evaluated using MM/GBSA and absolute binding free energy calculations via molecular dynamics simulations. This workflow successfully identified five novel Abl kinase inhibitors, of which compounds Z4 and Z5 showed higher binding affinity compared to known inhibitors Imatinib and Bafetinib. Similarly, seven candidates targeting focal adhesion kinase (FAK) were identified, four of which demonstrated biological efficacy in cellular experiments. Furthermore, the workflow facilitated the discovery of ten candidate inhibitors of Aurora kinase A, exhibiting binding modes consistent with known reference inhibitors and suggesting potential for further development. In conclusion, these results showed that this virtual screening workflow was efficient for exploring extensive chemical spaces, and significantly improved the identification of potential kinase inhibitors. The computational predictions and preliminary experimental validations were expected to provide a foundation for advancing targeted cancer therapeutics.|표적 치료법의 발전에도 불구하고 약물 내성, 제한된 특이성 및 관련 부작용으로 인해 암과 관련 있는 인산화 효소에 대한 새로운 저해제를 발굴하는 것은 여전히 어려운 과제이다. 따라서, 광범위한 화합물 데이터베이스를 조사하고 약물 개발의 효율을 높이기 위해서는 가상 스크리닝 방법이 중요하다. 이 연구에서는 리간드 기반 및 구조 기반 약물 설계 접근법을 결합한 가상 스크리닝 방법을 구축하여 암과 연관된 인산화 효소들에 대한 새로운 억제제들을 효율적으로 발굴하였다. 먼저, 리간드 기반 접근법을 기반으로 하여 USR, USRCAT, ESP-sim과 같은 형태 유사성 계산을 사용해서 ZINC20 데이터베이스의 약 6억 7천만 개의 화합물 중에서 후보군을 추렸다. 이 단계를 통해 화합물의 수를 후속 단계에서 다룰 수 있는 규모로 줄였다. 선택된 화합물들은 인산화 효소의 활성 부위에 결합하는 형태를 예측하기 위해서 도킹 계산을 통해 구조 기반 예측을 수행하였다. 결합 안정도와 친화도는 분자 동역학 시뮬레이션을 활용한 MM/GBSA와 절대적 결합 자유에너지 계산을 통하여 추가적으로 평가되었다. 본 연구에서 제안한 약물 가상 탐색 방법을 통하여 5개의 새로운 Abl 인산화 효소에 대한 저해제를 발굴하였으며, 그 중 화합물 Z4와 Z5는 알려진 억제제인 이마티닙과 바페티닙에 비해 더 높은 결합 친화도를 보여주었다. 또한, 국소 접착 인산화 효소를 표적으로 하는 7개의 후보 물질을 발굴하였으며, 그 중 4개는 세포 실험을 통하여 생물학적 효능을 입증하였다. 또한, 약물 가상 탐색 과정을 통하여 오로라 인산화 효소 A의 저해제 후보 물질 10개를 발견하였고, 알려진 오로라 인산화 효소 A의 억제제와 비슷한 결합 형태로 이들의 향후 약물로 개발될 수 있는 가능성을 확인하였다. 본 연구의 결과들은 여기서 제안된 가상 스크리닝 과정이 많은 수의 화합물들을 탐색하는 데에 효율적이며, 잠재력 있는 인산화 효소에 대한 억제제의 발굴 효율성을 높여준다는 것을 보여주었다. 계산을 통한 예측과 실험 결과들은 암에 대한 표적 치료법을 발전시키기 위한 기초에 기여할 것으로 기대한다.