Criblage virtuel des molécules qui bloquent l’entrée du HIV

Selon l’organisation mondiale de la santé (“World Health Organisation”, WHO), 33 millions de per-sonnes environ vivent actuellement avec le syndrome d’immunodéficience acquise (AIDS).⁴La cause principale du AIDS est une infection par le virus de l’immunodéficience humaine (HIV) qui, au niveau moléculaire, commence par une liaison de la glycoprotéine virale de l’enveloppe gp120 au récepteur cellulaire de surface CD4 et à un des co-récepteurs de chémokine CXCR4 ou CCR5 qui, par la suite, entraîne une fusion de la capside virale avec la membrane cellulaire. Des thérapies antirétrovirales courantes (ARTs) contre le AIDS sont généralement basées sur les inhibiteurs renversés de tran-scriptase et les inhibiteurs de protéase. En dépit des progrès dans le développement de ces agents qui bloquent la transcription et l’assemblage d’HIV, il reste des problèmes concernant la résistance aux médicaments, les réservoirs viraux latents et les effets toxiques induits par les médicaments qui peuvent tous compromettre le contrôle effectif du virus. Par conséquent, il y a un intérêt considérable à développer de nouvelles classes de médicaments anti-HIV ayant différents modes d’action. Une

4

Figure 4.26: Le clustering de forme de surface canonique SH de l’ensemble de données d’Odour. À gauche : le dendrogramme obtenu avec dix clusters avec L=6; À droite : les superpositions correspondantes 3D moléculaires.

approche très prometteuse pour atteindre cet objectif a été le développement des médicaments qui bloquent l’entrée du virus HIV en interférant avec l’interaction initiale entre la protéine virale gp120 et les protéines réceptrices CXCR4 et CCR5 présentes à la surface de la cellule. Plusieurs petites molécules antagonistes de CXCR4 et CCR5 ont déjà été identifiées et la première molécule commer-cialisée qui bloque l’entrée du virus HIV, Maraviroc, a été récemment présentée. Toutefois, il reste un besoin continu de développer de nouvelles molécules plus puissantes qui puissent bloquer l’entrée du HIV (Carrieri et al., 2009).

Dans le cadre de ma contribution pour atteindre l’objectif ci-dessus, au cours des cinq dernières années, j’ai développé des collaborations très enrichissantes et productives avec mes collègues de chimie informatique Professeur Antonio Carrieri de l’université de Bari (Italie) et Professeur Jordi Teixidó de l’Institut Químic de Sarriá de l’Universitat Ramon Llul à Barcelone (Espagne). Les deux collaborations ont impliqué des visites prolongées dans mon groupe à Aberdeen des doctorantes Alessandra Fano de Bari et Violeta Pérez-Nueno de Barcelone.

L’approche d’appariement de formes SH implémentée dans les programmes ParaFit et ParaSurf a été évaluée de manière approfondie par Violeta Pérez-Nueno dans le cadre de son projet de thèse

de doctorat sur le VS des inhibiteurs d’entrée du HIV. Afin d’effectuer un VS des ligands pour les protéines réceptrices CXCR4 et CCR5, Violeta a, tout d’abord, compilé un grand ensemble de don-nées contenant 248 inhibiteurs de CXCR4 et 354 de CCR5 extraits de la littérature qui se composent principalement de 5 familles de composés pour les inhibiteurs de CXCR4 et 13 familles de composés pour les inhibiteurs de CCR5. Elle a également assemblé une base de données contenant 4696 composés présumés inactifs (ou leurres) ayant les propriétés physico-chimiques similaires aux com-posés actifs assemblés à partir de la collection de criblage de Maybridge.⁵ Un VS rétrospectif des inhibiteurs de CXCR4 a été alors effectué en utilisant AMD3100 (un ligand connu de haute-affinité pour CXCR4) comme la molécule “requête” et en calculant la similarité entre elle et chacun des 248 ligands CXCR4 connus et les 4696 leurres. De même, les inhibiteurs de CCR5 ont été criblés en utilisant la molécule TAK779 de haute affinité comme requête, qui a été comparée à chacun des 354 ligands CCR5 connus et les 4696 leurres.

En chimie informatique, c’est une pratique courante d’évaluer des expériences de VS en utilisant les courbes de facteur d’enrichissement (EF) ou les courbes de ROC. Les deux approches sont large-ment équivalentes et consistent à tracer le rappel contre la précision comme dans des analyses con-ventionnelles de recherche de l’information. Cependant, les courbes de ROC deviennent de plus en plus populaires parce qu’elles fournissent une manière plus objective de comparer des expériences qui utilisent différents nombres d’exemples positifs et négatifs. Néanmoins, des courbes EF ont été initialement utilisées dans le cas actuel parce que des macros de tableurs étaient déjà disponibles pour exécuter les calculs. Pour les deux genres d’analyse, les composés sont classés dans une liste selon leur similarité avec la requête et la liste est alors analysée pour évaluer combien de composés actifs apparaissent parmi les premiers de la liste. Plus spécifiquement, dans une analyse de EF, à chaque position dans la liste, le ratio du nombre d’actifs connus (ou de hits), Hits_sampled, par rapport au nombre de composés échantillonnés jusqu’ici, N_sampled, est comparé au ratio du nombre total d’actifs, Hits_total, par rapport au nombre total de molécules dans la base de données, N_total. En d’autres mots, EF est calculée à chaque position de la liste classée en utilisant :

EF= ^{Hitssampled/Nsampled}

Hits_total/N_total . (4.82)

La figure 4.27 montre des courbes d’enrichissement de VS obtenues en comparant la fonction d’appariement de formes SH 2D de Parafit et la fonction d’appariement de densité 3D de Hex avec les fonctions de score basées sur la forme uniquement (COMBO) et celles basées sur la forme en plus de paramètres chimiques (issues de l’industrie-standard ROCS). Cette figure montre que le score de Combo de ROCS donne les meilleures EF en utilisant AMD3100 et TAK779 comme requêtes. Cependant, on peut voir aussi que la forme Tanimoto 2D de ParaFit donne en général de meilleurs résultats que celle de ROCS et donne souvent des résultats comparables au score de Combo de ROCS pour les deux inhibiteurs de CXCR4 et CCR5. Les fonctions de forme Tanimoto 3D de Hex

5

donnent de bons résultats pour les inhibiteurs de CXCR4 dans les premiers pourcentages de la base de données criblées, mais les EF sont considérablement inférieurs pour les inhibiteurs de CCR5. Pour les inhibiteurs de CXCR4, la forme Tanimoto de Hex et le score de Combo de ROCS donnent des EF comparables au maximum théorique (19.9%) dans le premier pourcentage de la base de données criblées. Pour les inhibiteurs de CCR5, le score de Combo de ROCS et celui de ParaFit donnent des EF comparables au maximum théorique (14.3%) dans le premier pourcentage de la base de données criblées. De plus, pour les inhibiteurs de CXCR4, les quatre fonctions de score d’appariement de formes fonctionnent bien dans les prochains pourcentages de la base de données criblées. Cependant, les EF pour les inhibiteurs de CCR5 ne sont pas aussi bons, en général, que les EF pour les inhibiteurs de CXCR4, bien que l’utilité relative des différentes fonctions de score soit similaire dans les deux cas. Les EF inférieurs obtenus pour le CCR5 semblent être ainsi parce que la conformation de la requête ne peut pas bien se superposer sur toutes les familles de ligand CCR5. Cette conformation se superpose bien sur les actifs ayant les mêmes familles structurales (qui ont été retrouvés en premier) mais elle ne peut pas bien se superposer sur celles qui possèdent une famille différente.

Cette étude a également comparé l’utilité du VS basé sur le ligand au VS basé sur le récepteur des deux protéines CXCR4 et CCR5 en utilisant plusieurs outils d’amarrage protéine-ligand. Il est à noter que, au moins pour ces récepteurs, les approches de criblage basées sur le ligand ont montré de meilleurs enrichissements de VS que n’importe quelle approche basée sur le récepteur (Pérez-Nueno et al., 2008).