DEL2PH4: Predictive 3D Pharmacophores from DNA-Encoded Library Screening Data
ゴール: DEL の enrich 化合物 + Thompson 由来負例から 3D ファーマコフォアを自動生成し、再合成なしに 3D SAR を VS に直結
1背景と課題
DEL は数十億化合物を 1 実験でスクリーニングできるが、enrichment データの SAR が十分活用されていない。
- 従来の DEL 解析は family 単位の 2D 表現や代表化合物の再合成に依存
- 分子認識は本質的に 3D。spatial な interaction feature の保存が必要
- 従来の pharmacophore は「再合成して活性確認した」化合物にしか適用されてこなかった
- DEL の positive と negative を直接 3D model に取り込む手法が欠落
2手法の概要
family 単位 / positive + Thompson negative / flexible align / consensus featureの自動パイプライン。
- enrichment >= 20、reads >= 50、family size >= 10 でフィルタ
- Thompson sampling で ECFP4 類似だが sequencer に出ない化合物を 5000 件負例化
- flexible alignment + Foij overlap matrix で pose cluster, 最大 cluster 採用
- polar=complete linkage / ring=single linkage で feature sphere 構築
- negative 由来 feature を Don!Acc 等で除外, ligand-density から exclusion 生成
3本研究で示したこと
MerTK で 65 family → 47 model、3 つの validation を全クリア。
- DUD-E property-matched decoy で enrichment > 200（Family 1-3 で decoy 0 ヒット）
- ChEMBL submicromolar MerTK active を family 1/2 model が recover
- Enamine 784k spike-in VS で active を高 enrichment 回収（2D fingerprint 低類似 = scaffold hop）
- PDB 7OLX/7OLV/7OLS の co-crystal binding mode と 6 model が一致
4主な結果 (図解)
A. ワークフロー
family 単位の自動 4 段階
完全自動、family 1+2 (46 mol/15 並列) で 15.5 分。
B. Consensus 3D feature
family 内の feature 集約
positive 専有=essential、neg type 重複=NOT 追加。
C. Decoy enrichment
10 family の retrospective
10/10 family で EF 高値、F1/F2/F3 は decoy 0 ヒット。
D. X-ray mapping
7OLS との binding mode 一致
family 別に hinge と DFG/αC pocket を再現。
5テイクホームメッセージ
1. DEL の positive と Thompson sampling 負例を併用すると、再合成・活性確認なしで 3D ファーマコフォアを family 単位で自動生成できる。
2. Foij 行列ベースの pose クラスタ、ligand-density excluded volume、negative-aware refinement (Don!Acc) が scaffold hopping を可能にする鍵。
3. MerTK validation で DUD-E EF>200、Enamine 784k で 2D 低類似 active を回収、7OLS 結晶 binding mode を再現。target-agnostic と主張。
4. 社内応用: lib/docking に consensus pharmacophore builder + Foij pose filter、lib/molgen に Thompson 負例サンプラを実装すれば DEL→VS が直結する。