Development of CYP3A4 - in silico Metabolic Stability

Slides:



Advertisements
Similar presentations
1 Chapter 2 Basic Physics of Semiconductors  2.1 Semiconductor materials and their properties  2.2 PN-junction diodes  2.3 Reverse Breakdown.
Advertisements

오승재. Contents 1. 지정 주제 -Computer Simulation of Darken’s Uphill Diffusion 2. 자유 주제 -Diffusion couple -(Sudoku)
실험 8. Cyclic Voltammetry - 7 조 : 한지영, 이호연, 최은진, 최효린 -
화학반응 속도론 Chapter 14. 화학반응속도론 열역학적 관점 – 이 반응이 일어날까 ? 속도론적 관점 – 얼마나 빨리 반응이 진행될까 ? 반응속도는 반응물과 생성물의 농도가 시간에 따라 변하는 것을 가지고 나타낸다 (M/s). A B rate = -  [A] tt.
캐나다의 지도 만든사람 = 김현정. 캐나다의 국기 단풍잎 모양 때문에 흔히 ' 메이플 리프플래그 ’ 라고 한다. 양쪽의 빨 강은 태평양과 대서양을 나타내 고, 12 개의 각이 있는 빨간 단풍잎 은 이 나라의 상징이다. 빨강과 하 양은 영국의 유니언 잭의 색에서 따온 것이며.
주기율표 제 8장제 8장 Copyright © The McGraw-Hill Companies, Inc. Permission required for reproduction or display.
1 As protons are added one by one to the nucleus to build up the elements, electrons are similarly added to these hydrogen-like orbitals. As protons are.
제 2 장. 작은 분자. 원소, 원자, 분자  원소 (element): 화학적인 방법으로는 더 이상 간단한 물질로 나눌 수 없는 물질을 말함.  현재 지구상에는 92 가지의 자연 원소가 존재  SPONCH: 황 (sulfur), 인 (phosphorus), 산소.
1 BondsBonds Forces that hold groups of atoms together and make them function as a unit Forces that hold groups of atoms together and make them function.
Copyright © Houghton Mifflin Company. All rights reserved.1 | 1 CHAPTER ONE Bonding and Isomerism.
Discrete energy level을 가진다 에너지 준위(n=1, n=2, n=3….)
그래프.
한국 영화계 네트웍 분석.
Chapter 7 Many-Electron Atoms
Maximum Flow.
Chapter 9. Magnetic Forces, Materials, and Inductance
Sources of the Magnetic Field
CHAPTER 13. Spectroscopy 2 : Electronic Resonance
Chapter 1 Organic Chemistry Electronic Structure 5th Edition and
Lec 4 Backpropagation & Neural Network
M.G. Macey et al., Cytometry, 1999
Inversion of Geophysical Data
Chapter 3 세포대사 (Cell metabolism) - 효소의 중요성 - 대사 경로 (catabolism) - 세포구성분의 생합성 (Anabolism)
Chaper 2 ~ chaper 3 허승현 제어시스템 설계.
Chapter 3. Energy Bands and Charge Carriers in Semiconductors
Chapter 5. Q-LEARNING & DEEP SARSA
Inductively coupled plasma - mass spectrometer (ICPMS)
REINFORCEMENT LEARNING
Sigmaplot 화학시스템공학과 정태윤.
Composite Coating 변 지 영 한국과학기술연구원 금속공정연구센터.
Slope Stability Slice Method - Fellenius Method - Bishop’s Simplified Method 연세대학교 지반공학연구실.
7장정상상태 오차 단위 궤환시스템의 정상상태 오차(편차) 정상상태오차의 원인 오차함수와 정상상태오차상수 시스템의 형 오차규격
Molecular Orbital theory
전자기적인 Impedance, 유전율, 유전 손실
I. Term Project 1-Make the report of QUAL2E and QUAL2K
전기물리학.
Electrical Properties of Materials (전기물성)
학습목표: UHF RHF ROHF MP2.
환경시스템 제3장. 화학 반응 역학 환경공학과 신은지.
3.2 구조 및 기능 예측 part 1 (Prediction of Structures and Functions)
Development & Cell Differentiation Laboratory
Realistic Projectile Motion
멀티미디어 시스템 (아날로그 이미지,신호를 디지털로 변환 방법) 이름 : 김대진 학번 :
자동제어 영남대학교 기계공학부 정 병 묵.
스티렌계 고분자의 라디칼 중합 울산대학교 화학과 정 한 모.
Michaelis-Menten 속도식의 속도상수의 결정
Parallel software Lab. 박 창 규
Changing Objectives of Optimization
Chapter 12 Application to atomic, molecular physics. 12.1
Chapter 11 Theories of Covalent Bonding.
고분자 화학 4번째 시간.
II. 에너지론, 효소 및 산화환원 3.3 미생물의 에너지 종류 3.4 생물에너지론 3.5 촉매작용과 효소
각종 연결 프로그램이 실행되지 않을 때 도움말을 클릭하세요
Real Value Representation for DNA Computing
II. 태양계와 지구 II-2. 지구 구성 원소와 지구계 4. 지구의 자기장.
제1장 생명체의 특성과 구성성분 식물인가 아니면 동물인가? 잎 모양의 바다용은 그 형태가 마치 주변의 해초를 흉내 낸 것처럼 주위환경에 절묘하게 적응하고 있다.
장애인단체 간담회 마스터 제목 스타일 편집 마스터 제목 스타일 편집 장애인 단체 간담회 마스터 부제목 스타일 편집
Two-Particle Problem 좌표변환 2개 이상의 입자 입자들 중심(Center of mass)의 병진운동 &
에어 PHP 입문.
이족 보행 시뮬레이션 서울대학교 운동연구실 운동연구실에서는 사람의 보행에 대한 시뮬레이션을 연구하고 있습니다.
8강 1. 활성화 에너지(activation energy).
상관계수.
Major in Food Biotechnology, Division of Bioindustry Silla University
Energy Band (고체속의 전자구조)에 대해서 쉬운 얘기를 한 후에 Bloch state 로 다시 돌아 가겠습니다.
효소반응역학의 반응식으로부터 Monodtlr을 유도하라
Monod Eq. 1.
Progress Seminar 권순빈.
Chapter 2. Coulomb’s Law & Electric Field Intensity
Chapter 4. Energy and Potential
5장 효소 작용의 기본 개념.
Presentation transcript:

Development of CYP3A4 - in silico Metabolic Stability 2011.07.18 Jeong Seung Hwa

GFA-MLR Km – QSAR model Aliphatic Hydroxylation r2 = 0.94 q2=0.90 Aromatic Hydroxylation r2 = 0.93 q2=0.86 N-dealkylation r2 = 0.83 q2=0.87 O-dealkylation r2 = 0.97 q2=0.88

GFA-MLR Vmax – QSAR model Aliphatic Hydroxylation r2 = 0.86 q2=0.82 Aromatic Hydroxylation r2 = 0.91 q2=0.86 N-dealkylation r2 = 0.92 q2=0.83 O-dealkylation r2 = 0.90 q2=0.85

GFA-MLR Metabolic stability prediction Ordinary Differential Equation (ODE) 오일러 Euler Method

Simulation in silico Metabolic Stability (4개 - only 3A4) r2 = 0.982 J. Pharmacol.Exp.Ther. 283 (1997) 46–58

Simulation in silico Metabolic Stability with Single Reaction (17개: 3A4) r2 = 0.6344 promazine Buspirone r2 = 0.8267 J. Pharmacol.Exp.Ther. 283 (1997) 46–58

Try for different method QSAR [GFA-MLR] Classification – 문제점 : stable/ unstable 기준 모호 QSAR [ non-linear] A Back propagation Neural Network [GNN] 175 compound reaction Vmax Km aliphatic hydroxylation 64 50 aromatic hydroxylation 29 14 N-dealkylation 80 57 O-dealkylation 22

Km GNN Descriptor [ by GFA] aliphatic hydroxylation Ea Graph_Petitjean No_H_bond_donors SKlogD_value aromatic hydroxylation Total_structure_connectivity_index Valence_bound_charge_index_03 N-dealkylation Fraction_of_2D_VSA_hydrophobic_sat VChi_05_path E_state_SaasC O-dealkylation E_state_SaaN AlogP98_value Initial equation length Maximum equation length

Vmax GNN Ea Descriptor [ by GFA] aliphatic hydroxylation AlogP98_value Eccentric_adjacency_index AI_SsssCH aromatic hydroxylation Total_structure_connectivity_index Fraction_of_2D_VSA_Hbond_acceptor N-dealkylation SKlogD_value VChi_05_path AI_SssNH O-dealkylation Fraction_of_2D_VSA_hydrophobic

GNN A Back propagation Neural Network (BNN) Aliphatic hydroxylation [Km] Ea Graph_Petitjean No_H_bond_donors SKlogD_value 4-4-1 r2 = 0.801

GNN Description Graph_Petitjean SKlogD = logP = Σniai (Graph diameter – graph radius ) / graph diameter Graph diameter : 거리행렬 (distance matrix)의 요소값 중 가장 큰 값 Graph radius : 거리행렬 (distance matrix)의 행에서 가장 큰 값들 중 그 값이 가장 작은 행의 값 [ Petitjean,M. J. Chem. Inf. Comput. Sci. 1992, 32, 331. ] SKlogD = logP = Σniai ni 는 분자내에 해당 atom type i 의 수를 나타내며, ai 는 해당 atom type의 기여도. logP는 섞이지 않는 octanol과 water층에 해당 화합물을 투여하여 각각 분배되는 분배계수( logP값이 클수록 지 질층을 대표하는 octanol층에 화합물이 많이 분배되는 것으로 소수성이 큼. 반면에 logP값이 작을수록 물층에 많 이 분배되므로, 친수성이 큼을 나타냄)

GNN A Back propagation Neural Network (BNN) Aromatic hydroxylation [Km] Ea Total_structure_connectivity_index Valence_bound_charge_index_03 3-3-1 r2 = 0.941

GNN Description charge index (Gk) bound charge index (Jk) k : 각 path의 길이 , dij : distance matrix 의 요소, δ(k, dij) : Kronecker delta dij =k인 경우는 1, 그렇지 않은 경우는 0을 표시 그러므로 Gk 는 dij=k인 모든 CTij항들의 합. bound charge index (Jk) 각 결합에 대한 전하 이동의 평균값을  valence charge index (Gkˇ , Jkˇ ) Charge index 와 유사하지만 인접행렬 A 대신에 A ˇ 를 사용. 행렬 A ˇ 는 일반적으로 인접행렬 A와 동일, 행렬의 대 각선에 있는 요소값은 A행렬의 경우 모두 0이지만, A ˇ 는 탄소와의 Pauling 전기음성도 차이 (electronegativity (EN) difference)로 얻어진 값. [ Galvez, et al. J. Chem. Inf. Comput. Sci. 1994, 34, 520. ]

GNN A Back propagation Neural Network (BNN) N-dealkylation [Km] 4-4-1 Fraction_of_2D_VSA_hydrophobic_sat VChi_05_path E_state_SaasC 4-4-1 r2 = 0.8365

GNN Description Electrotopological state indices (E-state) 분자내에서 원자-원자의 정전기적 상호작용과 원자 들의 위상적 환경 (연결)에 대한 정보 제공. intrinsic state (Ii) δ i(vertex degree) : 원자에 결합되어 있는 edge의 수, 인접행렬에서 i번째 행의 모든 요소의 합 Intrinsic state : 일반적으로 원자의 원자가상태 (valence state)의 전기음성도 (electro-negativity)에 비례하며, 단 순하게는 해당 원자에 대하여 σ결합 수에 대한 π전자 및 비공유 전자 쌍의 비율. Electrotopological state index (E-state index: Si ) rij = 원자간의 거리, 그래프 거리에 1을 더한 값 (rij = dij + 1). 즉 해당 원자의 intrinsic state (Ii)값에 이 해당 원자에 대하여 분자내의 모든 원자들의 영향을 반영한 perturbation term ( Δ Ii)을 더해서 계산. Atom-type E-state indices: 원자의 혼성 (hybridization) 또는 원 자들 사이의 연결정보를 고려한 E-state [ Hall,L.H. and Kier,L.B. J. Chem. Inf. Comput. Sci. 1995, 35, 1039. (2) Hall,L.H. and Kier,L.B. J. Chem. Inf. Comput. Sci. 1995, 35, 1074. ]

GNN A Back propagation Neural Network (BNN) O-dealkylation [Km] 3-3-1 E_state_SaaN AlogP98_value 3-3-1 r2 = 0.9986

GNN A Back propagation Neural Network (BNN) Aliphatic hydroxylation [Vmax] Ea AlogP98_value Eccentric_adjacency_index AI_SsssCH 4-4-1 r2 = 0.7514

GNN Description Eccentric_adjacency_index 각 원자의 인접한 원자들의 정점도 합 과 그 원자의 eccentricity와의 비율을 각 원자들에 대하여 총합계한 값. 정점도 (vertex degree) : 원자에 결합되어 있는 edge의 수 , 인접행렬에서 i번째 행의 모든 요소의 합. Oi : 각 원자 (정점 vi)에 인접한 원자들의 정점도 (vertex degree)의 합 E(i) : 정점 vi의 eccentricity (화학그래프에서 정점 vi로부터 가장 먼 정점까지의 거리). [ Gupta,E. et al. J. Comp. Aided Mol. Des. 2001, 15, 671. ] Fraction of 2D-VSA hydrophobic 전체 VDW 표면적에 대한 소수성 원자들의 VDW 표면적 비율 Edge 모서리

GNN Description [Atom-type AI topological indices (AI)] 여기서 δ i : i 번째 원자의 정점도 (vertex degree), σi : 거리행렬(distatnce matrix)에서의 거리도 (distancedegree: 거리행렬에서 i 번째 행의 총합). Фi (j) : i 번째 원자에 대하여 다른 원자들이 영향을 주는 perturbing term [ (1) Ren,B. Comp. Chem. 2002, 26, 223. (2) Ren.B. J. Chem. Inf. Comput. Sci. 2002, 42, 858. ]

GNN A Back propagation Neural Network (BNN) Aromatic hydroxylation [Vmax] Ea AlogP98_value Total_structure_connectivity_index Fraction_of_2D_VSA_Hbond_acceptor 4-4-1 r2 = 0.9646

GNN A Back propagation Neural Network (BNN) N-dealkylation [Vmax] SKlogD_value VChi_05_path AI_SssNH 4-4-1 r2 = 0.7025

GNN A Back propagation Neural Network (BNN) O-dealkylation [Vmax] Eccentric_adjacency_index Fraction_of_2D_VSA_hydrophobic 3-3-1 r2 = 0.8655

Current & Further Study CSB Further study Current & Further Study Model optimization 논문작성

Aliphatic Hydroxylation/ N-deaklyation / O-dealkylation CSB Aliphatic Hydroxylation/ N-deaklyation / O-dealkylation [Aliphatic Hydroxylation] Hydrogen abstraction Oxygen rebound [N-deaklyation / O-dealkylation ] Mechanism적으로 접근 The ionization potential of the radical may be a quantitative measure of this stabilization, since the energy of the singly occupied orbital is lowered through resonance. e - abstraction Hydrogen abstraction Oxygen rebound

Aromatic Hydroxylation CSB Aromatic Hydroxylation ΔHact = 21.91 + 0.61(ΔHreac) Aliphatic hydroxylation : an initial hydrogen abstraction followed by the so called oxygen rebound Aromatic hydroxylation : probably initiated by an electrophilic attack by the FeO3+ complex . The reaction then proceeds either through a 1,2-migration or via an epoxidation reaction followed by a 1,2-migration an initial electrophilic attack on the ð-system of the aromatic ring to produce a tetrahedral radical or cationic ó-complex. due to the resonance stabilization of the radical cation in the aromatic system. If the oxidation of primary amines proceeds via an initial abstraction of an electron from the nitrogen atom, the rate would be expected to show a dependence on the Hammett electronic parameter, u(rou), provided the oxidation occurs prior to or during the rate-determing step the rate of hydroxylation of the aromatic system was about 10 times that of the aliphatic system. the hydrogen atom abstractions are predicted by AM1 to have barriers around 20 kcal/mol, whereas aromatic oxidation has barriers around 10 kcal/mol. The linear correlation of aromatic activation energies and the heats of reaction for formation of a tetrahedral intermediate by methoxy radical. DMD 30:7–12, 2002

CSB Introduction Metabolic stability prediction Km, Vmax prediction by QSAR Model Ex) CYP 450 3A4 E + S <----> ES ----> E + P Vmax = k2 [E]0 (k2 ≈ Activation Energy, Vmax ≈ C1(Activation Energy) + C2) KM= k-1 + k2 = Kd + k2 k1 k1 if k2 is the rate-limitings step (k2 >> k1) KM ≈ Kd + k2 ≈ Kd + Vmax KM ≈ C1(Binding Affinity) + C2 (Activation Energy) + C3 k1 k2 K-1 Michaelis-Menten Kinetics Vmax = the maximum metabolism rate capable by enzymes Km = the Michaelis-Menten Constant K1,k-1 : substrate binding , k2 = catalytic step(kcat) Km = The rate of ES formation = the rate of ES break down

CSB Introduction Metabolic stability prediction Km, Vmax prediction by QSAR Model Ex) CYP 450 3A4 E + S <----> ES ----> E + P Keq = k1 = e -ΔΔG/RT k-1 kp= k2 = Ae -Ea/RT KM = k-1 + k2 = 1/Keq + kp k1 KM = e ΔΔG/RT + Ae -Ea/RT k1 k2 K-1 From Boltzmann distribution law - binding affinity Arrhenius equation - rate-determining step Binding affinity Activation energy J. Chem. Inf. Model., 2008, 48 (5), pp 1074–1080