Free Energy Methods Involving Quantum Physics, Path Integrals, and Virtual Screenings: Development, Implementation and Application in Drug Discovery

Abstract

Computational science has the potential to solve most of the problems which pharmaceutical research is facing these days. In this field the most pivotal property is arguably the free energy of binding. Yet methods to predict this quantity with sufficient accuracy, reliability and efficiency remain elusive, and are thus not yet able to replace experimental determinations, which remains one of the unattained holy grails of computer-aided drug design (CADD). The situation is similar for methods which are used to identify promising new drug candidates with high binding affinity, which resembles a closely related endeavor in this field. In this thesis the development of a new free energy method (QSTAR) was in the focus. It is able to explicitly take into account the quantum nature of atomic nuclei which so far was not done in binding free energy simulations of biomolecular systems. However, it can be expected to play a substantial role in such systems in particular due to the abundance of hydrogen atoms which posses one of the strongest nuclear delocalizations of all atoms. To take these nuclear quantum effects into account Feynman’s path integral formulation is used and combined in a synergistic way with a novel alchemical transformation scheme. QSTAR makes also available the first readily available single topology approach for electronic structure methods (ESMs). Moreover, an extended alchemical scheme for relative binding free energies was developed to address van der Waals endpoint problems. QSTAR and the alchemical schemes were implemented in HyperQ, a new free energy simulation suite which is highly automated and scalable. Most ESMs methods become soon prohibitively expensive with the size of the system, a restriction which can be circumvented by quantum mechanics/molecular mechanics (QM/MM) methods. In order to be able to apply QSTAR together with ESMs on biomolecular systems an enhanced QM/MM scheme was developed. It is a method for diffusive systems based on restraining potentials, and allows to define QM regions of customizable shape while being computationally fast. It was implemented in a novel client for i-PI, and together with HyperQ allows to carry out free energy simulations of biomolecular systems with potentials of very high accuracy. One of the most promising ways to identify new hit compounds in CADD is provided by structure- based virtual screenings (SBVSs) which make use of free energy methods. In this thesis it is argued that the larger the scale of virtual screenings the higher their success. And a novel workflow system was developed called Virtual Flow, allowing to carry out SBVS-related tasks on computer clusters with virtually perfect scaling behavior and no practically relevant bounds regarding the number of nodes/CPUs. Two versions were implemented, VFLP and VFVS, dedicated to the preparation of large ligand databases and for carrying out the SBVS procedure itself. As a primary application of the new methods and software a dedicated drug design project was started involving three regions on the novel target EBP1, expected to be located on protein-protein interfaces which are extremely challenging to inhibit. Three multistage SBVSs were carried out each involving more than 100 million compounds. Subsequent experimental binding assays indicated a remarkably high true hit rate of above 30 %. Subsequent fluorescence microscopy of one selected compound exhibited favorable biological activities in cancer cells. Other applied projects included computational hit and lead discovery for several other types of anti- cancer drugs, anti-Herpes medications, as well as antibacterials.

Die Simulationswissenschaft, auch wissenschaftliches Rechnen genannt, hat das Potential viele der aktuellen Probleme der pharmazeutischen Forschung zu lösen. Eine der zentralen physikalischen Größen in diesem Gebiet ist die Bindungsenergie zwischen Molekülen. Eines der Hauptziele in der computergestützter Wirkstoffentwicklung (CADD) ist es, diese Größe mit solcher Genauigkeit, Verlässlichkeit und Effizienz vorherzusagen, dass dassexperimentelle Bestimmungen nicht mehr notwendig sind. Jedoch sind derartige Methoden derzeit noch nicht verfügbar. Ein Schwerpunkt der vorliegenden Arbeit war die Entwicklung einer neuen Methode (QSTAR) zur Vorhersage von freien Energien. Diese Methode ist fähig die quantenmechanische Natur von Atomkernen explizit zu berücksichtigen, was in bisherigen Simulationen für freie Bindungsenergien in biomolekularen Simulationen vernachlässig wurde. Es kann angenommen werden, dass die quantenmechanische Delokalisation der Atomkerne in solchen Systemen eine erhebliche Rolle spielen kann, vor allem aufgrund der Wasserstoffatome, welche zu den Atomarten mit den stärksten Quantendelokalisationen gehören. Um diese nuklearen Quanteneffekte zu berücksichtigen, wurde der Feynman’sche Pfadintegral Formalismus verwendet und synergetisch mit einem neuen alchemischen Transformationsschema kombiniert. QSTAR stellt auch den ersten direkt anwendbaren Einfach- Topologieansatz für Elektronenstrukturmodelle (ESMs) zur Verfügung. Des Weiteren wurde ein erweitertes alchemisches Schema für relative freie Bindungsenergien entwickelt, um das van der Waals Endpunktproblem zu umgehen. QSTAR und die alchemischen Schemen wurden in HyperQ implementiert, einer neuen skalierbaren Software, welche in der Lage ist, Simulationen der freien Energie automatisch durchzuführen. Die meisten ESMs werden mit zunehmender Größe des Systems schnell prohibitiv teuer. Dies ist eine Einschränkung, welche mit QM/MM Methoden umgangen werden kann. Um QSTAR mit ESMs on auf biomolekulare Systeme anwenden zu können, wurde ein erweitertes QM/MM Schema entwickelt. Dieses Schema ist eine Methode für diffusive Systeme, welche auf Rückhaltepotentialen beruht. Diese erlaubt, QM Regionen von angepasster Form zu definieren, und ist rechnerisch sehr effizient. Die Methode wurde in einem neuen Klienten für i-PI implementiert, und sie ermöglicht es, Simulationen der freien Energie von biomolekularen Systemen mit einer sehr hohen Genauigkeit durchzuführen. Einer der vielversprechendsten Ansätze um neue Hit-Kandidaten im CADD zu identifizieren sind strukturbasierte virtuelle Screenings (SBVS) welche Methoden zur Schätzung von freien Bindungsenergien nutzen. In dieser Arbeit wird argumentiert, dass je umfangreicher das virtuelle Screening ist desto besser die Ergebnisse im Sinne der Bindungsaffinität sowie der Erfolgsrate werden. Ein neues Workflowsystem, Virtual Flow, wurde entwickelt, welches erlaubt Aufgaben im Zusammenhang von SBVSs mit fast perfektem Skalierungsverhalten ohne praktisch relevante Grenzen bezüglich der Anzahl der Knoten/CPUs auf Computerclustern durchzuführen. Zwei Versionen wurden bisher implementiert, VFLP und VFVS, welche spezialisiert sind auf die Aufbereitung von Moleküldatenbanken sowie die virtuelle Screeningprozedur selbst. Eine neues Wirkstoffentwicklungsprojekt wurde begonnen, um die neuen Methoden und Software unter realistischen Bedingungen zu testen und anzuwenden. Das Ziel dieses Projektes ist es, mögliche Inhibitoren für drei Regionen an der Oberfläche des Proteins EBP1 zu identifizieren, welche sich aller Erkenntnis nach auf Protein-Protein-Interfaces befinden und eine große Herausforderung darstellen. Drei zweistufige virtuelle Screenings wurden ausgeführt mit jeweils über 100 Millionen Molekülen. Nachfolgende Bindungsexperimente deuten auf eine relativ hohe Hitrate von über 30 % hin, und Fluoreszenzmikrosopie von mindestens einem Molekül weist auf gewünschte Effekte in Krebszellen hin. Weitere Projekte, in welchen die neuen Methoden und Software für die computergestützte Hit/Lead-Identifizierung angewendet wurden, beinhalteten die Zielmoleküle SHP2 (Krebs), eIF4E (Krebs), MED15 (Krebs), UL50/UL53 (Herpes), KEAP1 (Krebs), und die Peptidoglykane (Antibiotika).