CN1668918A - 药物发现的方法 - Google Patents

药物发现的方法 Download PDF

Info

Publication number
CN1668918A
CN1668918A CNA028296621A CN02829662A CN1668918A CN 1668918 A CN1668918 A CN 1668918A CN A028296621 A CNA028296621 A CN A028296621A CN 02829662 A CN02829662 A CN 02829662A CN 1668918 A CN1668918 A CN 1668918A
Authority
CN
China
Prior art keywords
gauge
storehouse
dihydro
ketone
molecule
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA028296621A
Other languages
English (en)
Inventor
德罗尔·奥弗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Keddem Bio Science Ltd
Original Assignee
Keddem Bio Science Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Keddem Bio Science Ltd filed Critical Keddem Bio Science Ltd
Priority to CN201110355854.8A priority Critical patent/CN102592040B/zh
Publication of CN1668918A publication Critical patent/CN1668918A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • C—CHEMISTRY; METALLURGY
    • C40—COMBINATORIAL TECHNOLOGY
    • C40B—COMBINATORIAL CHEMISTRY; LIBRARIES, e.g. CHEMICAL LIBRARIES
    • C40B30/00—Methods of screening libraries
    • C40B30/04—Methods of screening libraries by measuring the ability to specifically bind a target molecule, e.g. antibody-antigen binding, receptor-ligand binding
    • C—CHEMISTRY; METALLURGY
    • C40—COMBINATORIAL TECHNOLOGY
    • C40B—COMBINATORIAL CHEMISTRY; LIBRARIES, e.g. CHEMICAL LIBRARIES
    • C40B40/00—Libraries per se, e.g. arrays, mixtures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • G16B15/30—Drug targeting using structural data; Docking or binding prediction
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/50—Molecular design, e.g. of drugs
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07H—SUGARS; DERIVATIVES THEREOF; NUCLEOSIDES; NUCLEOTIDES; NUCLEIC ACIDS
    • C07H21/00—Compounds containing two or more mononucleotide units having separate phosphate or polyphosphate groups linked by saccharide radicals of nucleoside groups, e.g. nucleic acids
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2500/00—Screening for compounds of potential therapeutic value

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Medical Informatics (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Organic Chemistry (AREA)
  • Immunology (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Biochemistry (AREA)
  • Biomedical Technology (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • General Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Microbiology (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Cell Biology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

一种获得关于靶分子化学活性区域信息的方法，例如用于药物开发，包括：提供一组基本上刚性的量规；使靶点与所述量规组中许多量规反应；测试所述量规与所述靶点的结合以获得许多测试结果；以及分析所述测试结果以获得关于所述化学活性区域的信息。

Description

药物发现的方法
发明领域
本发明涉及分子亲和力测定的方法，例如用于发现新药。
背景技术
新药开发，从概念到完成销售准备，通常需耗费数亿美金以及多年时间。该开发过程始于寻找与靶点(例如人体内或微生物体内的蛋白)相匹配的分子(潜在的药物)的步骤。与药物相匹配的分子被称为药物先导物，因为其可以发展成为药物。然后修饰该分子使其具有更强的活性、更高的选择性以及更强的药学上可接受性(例如，更低的毒性以及更方便的给药)。上述各阶段的失败率是非常高的。
随着组合化学和自动筛选技术的发展，已发展了一种新的药物发现方法。在该新方法中，一大库的分子与靶点进行化学测试，最佳匹配的分子被用作发现先导物的起点和/或用作先导物。一些这样的库是通过经验而构建的，例如，基于可用的分子和/或已知用作药物的分子。还有一些库被构建成具有尽可能广泛的不同分子。其它的库被构建成单个分子具有最可能的机会与靶点相匹配。一般地，选择尽可能不同类的分子或者药物样分子(例如，大小、化学特点)，这样，如果相匹配则可将其用作先导物。
这样的库和/或其它的开发方法的参考文献包括Pickett S.D.等，J.Chem.Inf Comput.Sci.36(6)，1214-23页(1996)以及Ferguson A.M.等.，J.Biomol.Scr.1(2)，65页(1996)，Bunin AB.等，Proc.Natl.Acad.Sci.USA 91，4708-12页(1994)，Ellman J.等，Proc.Natl.Acad Sci.USA 94，2779-82等(1997)和Maly D.J.等，Proc.Natl.Acad.Sci.USA 97(6)，2419-24页(2000)，这些文献在此引入作为参考。
另外，基于结构的虚拟的筛选类型为人所知。在此虚拟的方法中，生成靶点模型(例如，x射线结晶图谱、估计的三维布局、模拟物)。然后，通过计算在靶点模型中分子模型的对接行为以测定大量分子的亲和力。由于分子模型相对原始的状态以及可用模型的最终缺乏，目前该方法并不非常成功。
Sunesis，inc.在DJ Maly等PNAS 97(6)，2419-24页(2000)中，建议使用大的分子片断作为先导物，然后将这样的匹配先导物连接在一起以发现更大的先导物进而再次进行匹配测试。给该片断提供预定的连接单元，用于连接，该文献在此引入作为参考。
PCT申请PCT/US99/06734(WO 99/49314)也描述使用片断的方案，然后连接该片断以提供先导物，该文献在此引入作为参考。
发明概述
本发明的一些实施方案一方面涉及靶点的表征方法，其中多个小的测量分子与靶点相互作用，并基于这些测量分子与靶点相互作用的分析表征该靶点。在本发明的示例性实施方案中，这些测量分子不被用作先导物或先导物片断，这些分子也不是基于它们药物类型的多样性而选择用于相互作用的。相反，这些测量分子是基于它们测量靶点的各种化学和/或物理空间的预期能力而选择的。在本发明的示例性实施方案中，尽管测量分子的数量相对小(例如，＜106)，但该数目跨越靶分子的表征空间并足以提供关于靶分子相对完整的表征。在一个实施方案中，只需要和/或获得部分表征。或者或另外地，虽然根据跨度等因素选择测量分子，它们还可用作先导物或先导物片断。
在本发明的示例性实施方案中，药物开发的完整过程包括：
(a)选择靶点；
(b)任选地选择适用于靶点的一组测量分子或使用通用库；
(c)使用一组测量分子表征靶点；
(d)基于该表征重新构建靶点的药学模型；以及
(e)使用该模型推进发现过程，例如，选择、排除、过滤和/或设计药物先导物。
在本发明的一些实施方案中，典型的测量分子可以进行几种测量之一，而且处理方法例如聚类任选用于提取由分子构成的特定测量。
在本发明示例性实施方案中，测量分子是一组化学量规(gauge)，其中一些典型地是小数目，与靶点结合，典型地与靶点的一个或多个活性位点结合。可以使用各种测试方法测定量规与靶点的结合，基本上包括本领域已知的任何方法，例如，通过探测靶点的化学或生物学行为的改变或通过探测样本中游离量规分子数目的减少。在特定的例子中，蛋白酶(例如，HIV蛋白酶)的功能测试包括在蛋白(或其它肽)上连接荧光分子。允许蛋白酶与量规相互作用，且该相互作用预期能降低或对抗(或增强)其对蛋白的亲和力，其亲和力的改变可通过测量蛋白和蛋白酶混合物的荧光性质(例如，偏振现象)而测定。在本发明的示例性实施方案中，所选择的各量规对一个或多个特定几何布局具有亲和力。在本发明的示例性实施方案中，靶点区域的总体几何性质由对许多(plurality of)量规的亲和力(和/或缺乏亲和力)的测定而重新构建。
在本发明示例性实施方案中，各量规根据附着了许多特定的化学部分的骨架(scaffold)而构建。三个这样的化学部分(moiety)限定了一个三角形的部分，其包括顶点处的部分的定义以及顶点间的距离。在本发明的一个示例性实施方案中，选择骨架和化学部分以便三角形是相对刚性的，然而，三角形各边的长度(化学部分间的距离)在一定程度变化可能是合乎需要的。
每个这样的化学部分三角形与匹配这些化学部分的三个结合位点的特定的空间布局相匹配。任选地，对于不同的量规，化学部分之间的距离不同，以便提供具有化学部分和化学部分之间距离等各种需要的组合的大量三角形。如下所示，并不限制包括这样的三角形生成集的量规库的大小，其既虑及距离又虑及化学部分。
在本发明的示例性实施方案中，所选择的骨架和/或部分具有最小的柔韧性，以便其更明确地限定其所匹配的几何特征。
任选地，所选择的骨架和/或部分具有低分子量，以便改善低亲和力量规和/或靶点的连接并可以提供这样的情况的信息。
在本发明的示例性实施方案中，当为测量库选择量规的时候，提供了一定程度的化学部分三角形的重叠。例如，可以提供2或3重复重叠因子(例如，各三角形出现于至少2或者3个量规中)。这预计会增加发现结合的三角形的概率，特别是考虑到可能发生的问题比如空间的抵触、化学错配和/或溶解度。典型地，没有化学部分三角形的精确重复，所以使用几乎相似的三角形提供该重叠。有时，选择三角形以便对于至少靶点上的一些化学部分对，在同样的化学部分之间距离较小的三角形和在同样的部分之间距离较大的三角形均可用于结合。这就提供了非重复重叠因子。可替换2或3，可以使用较低或较高的重叠因子，例如4或6，和/或可能的分数因子(例如，平均重叠)。库上的重叠可能是统一的，或者可能为一些三角形和/或分子提供更大的重叠，例如对于由于其骨架和/或其他化学部分具有更大的空间抵触概率的分子，，或基于显示一些量规和/或三角形难以结合的试验结果。
应该注意到如果分子为了结合而需要扭曲，那么其结合的可能性一般地较低。这样，两个量规的两个不同三角形之间的实际重叠可能是不同的且依赖于总体结合概率。一般地，如果在测试中发现命中的概率可以忽略，那么可以认为该量规不结合。这有助于限定失真范围，可用于限定覆盖和重叠。在本发明的实施方案中，分子基本上是刚性的，因此更加清楚地定义并限定了扭曲度的取舍点。
根据本发明的示例性实施方案的特定的示例性药物开发方法如下：
(a)合成用来跨越全部可能的3-点药效团的小分子库(3个基本的化学部分和它们间距离的全部组合)。这是有限的库，可以包括例如～100,000个化合物。由于其用于描绘可设计小分子药物的广泛靶点的综合的能力特性(例如，在本发明的一些实施方案中)，被称为USL(通用筛选库)。
(b)对于任何靶点，筛选作用于该靶点的USL，寻找弱活性化合物(亲和力～100微摩)。理论研究与试验数据显示对于任何靶点应期望有100-1000的命中物(hits)。
(c)计算分析活性分子，寻找：
1.命中物结合涉及的3-点-药效团(3PP式)。
2.依据结合涉及的化学部分的结合位点形貌学的重新构建。生成结合位点的完整药效团(～10-20个点)。
(d)计算鉴别可满足全部药效团的足够大(例如，对纳摩尔结合，6-8个点)亚组的分子。任选地，通过识别这些分子的哪些部分不是直接地涉及结合而设计分子以满足预定的药物样性质(例如，使用Lipinski′s的5规则)。
(e)使用熟知的化学知识，选择最易于合成的分子及其它的考虑(例如，毒性)并合成那些可能的药物候选物。
(f)测验与重复。
本发明的一些实施方案一方面涉及估计靶分子中结合区的空间布局。在本发明的示例性实施方案中，许多小分子与靶点的结合经例如测试法测定。在本发明的示例性实施方案中，所选择的小分子分别已经或被塑造为一组自身可以与靶点结合的几何亚结构。在一个例子中，该几何亚结构可能是以三角形排列的三个化学部分。在本发明的示例性实施方案中，分析测试结果以确定在小分子的许多几何亚结构中实际上是哪个与靶分子相结合。在本发明的示例性实施方案中，使用聚类分析法确定哪些几何亚结构相结合，该方法是通过将结合的并且具有相似的几何亚结构的分子聚类在一起。聚类分析法的结果可能是一列所有可能结合的亚结构。任选地，用于分析和用于设计量规的亚结构是三角形的。
在本发明的示例性实施方案中，使用基于评分的方法将一列几何亚结构(例如，三角形)转换为完整的几何结构，通过：
(a)从该列亚结构中产生可能的结构；
(b)关联“正确”的分数和各结构；以及
(c)基于它们的分数在结构间进行选择。
在本发明的示例性实施方案中，分数代表两个亚结构共享结构中的一部分的概率以及，任选地，为其中部分共享的结构提供了较高的分数，因为那代表了更加内聚的结构。或者或另外地，分数代表两个不同的化学部分结合至相同的结合区的概率，以及任选地，如果较多的化学部分共享相同的结合位点那么就提供了较高的分数，因为这代表了药效团点数被最小化至所需的最小值。还可使用其它的试探规则。
在本发明的示例性实施方案中，实际上并不构建全部地潜在模型集合。相反，由空间模型进行搜寻，该模型特别是基于所测定的亚结构进行构建(和/或排除)。
在本发明可替换的实施方案中，使用了聚类分析方法，包括例如：
(a)从所发现的三角形中产生(全部的)可能结构，任选使用特定的构建规则；
(b)寻找最共有的大的亚结构，该亚结构由多个结构所共有；以及
(c)选择特定的共有亚结构，任选使用评分法，比如群大小、边缘大小以及群大小的界限确定，可能从所有那些超过一定阈值的结构中选择最共用的亚结构。有时，将提供多于一个的最终所得亚结构。
应该注意到实际的药效团可能不是限制大小的且严格定义的实体，例如，从技术上看在活性区域外的一位点，如果与该位点结合的小分子药物包括阻碍活性区域与底物相互作用的尾部，那么该位点就可以作为药效团。但经常是，结合区域的“相关性”随着该区域与活性区域、控制区域和/或构型改变区域的距离增大而减少。此外，远离这样的区域的蛋白的结合亲和力通常显著的变小。
在本发明的示例性实施方案中，进行聚类的结构以如下方式产生：
(a)选择一个三角形作为基本上的亚结构；
(b)向基本的亚结构增加一个点，如果有两个三角形那么，与该亚结构上的三角形一起，限定了一四面体；以及
(c)重复(b)直至没有留下可加入的未用三角形。
本发明的一些实施方案一方面涉及从对靶点区域的许多几何和/或化学测量中寻找一种或多种预期与靶点匹配的分子(例如，药物先导物)。该测量任选用于产生靶点的重新构建模型，对于该模型可以应用多种处理方法，例如使用适当的计算机硬件或者软件。在本发明的示例性实施方案中，通过靶点与许多量规分子的相互作用以及确定量规分子与靶点的结合程度以提供了该测量。例如，一组三角形的几何性质由量规匹配测定并与重建靶点区域的三维模型相关。
任选地，将靶点区域与已知药物或药物样物质例如药物先导物库的结构进行比较。或者或另外地，靶点区域几何学用于从相对少的物质中选择最可能的候选物。或者或另外地，该匹配用于药物开发过程中，以选择或排除药物先导物的修饰，该修饰与靶点区域的几何学相匹配或不匹配。
在特定的例子中，如果想通过添加或减去H-键供体/受体而满足Lipinski′s规则，就要知道其中哪些对于结合是重要的，这就指示了这些不能除去，还要知道分子的哪部分是不重要的，这就指示了这里的加合可能不损害结合。
本发明的一些实施方案一方面涉及测量生物化学靶点的量规库。在本发明的示例性实施方案中，该库包含由在相对少量的骨架上的附着部分而构造的大量分子。在本发明的示例性实施方案中，所选择的该部分具有尽可能低的分子量。或者或另外地，该库以所需方式设计以用于覆盖一组参数定义的几何亚结构。也许，该几何亚结构是三角形，在它们的顶点具有不同的化学部分。在一个例子中，均匀地覆盖不同的三角形量纲的范围。
在本发明的示例性实施方案中，所选择的库提供基于若干骨架和/或若干分子的相同的(重叠的)几何亚结构，例如提供各亚结构两次或者三次。任选地，该重叠设计用以考虑不同的骨架和/或量规的空间抵触和/或不同的化学性质。
在本发明的示例性实施方案中，所用的骨架包括至少两个、至少五个、至少七个、至少10个或任何更大的或之间的数目，比如至少全部下列的骨架：单-碳、吡咯、喹啉、吡嗪并喹啉、异吲哚并吲哚、带有氧部分的异吲哚并吲哚、吲哚并[2，3-b]喹啉、pyrrolizine、2，2′-二吡咯酮、中氮茚、噻吩、1H-吡咯、呋喃、苯、吡啶、嘧啶、吡嗪、6H-噻吩并[2，3-b]吡咯、1，6-二氢-吡咯并[2，3-b]吡咯、1H-吲哚、噻吩并[2，3-d]嘧啶、6，7-二氢-吡唑并[1，5-a]嘧啶、喹啉、异喹啉、喹喔啉、3，4-二氢-苯并[e][1，4]二氮_-5-酮、3，8-二氢-4H-吡咯并[2，3-e][1，4]二氮_-5-酮、3，4-二氢-噻吩并[2，3-e][1，4]二氮_-5-酮、3，6-二氢-4H-吡咯并[3，2-e][1，4]二氮_-5-酮、5H，11H-二苯并[b，f][1，5]二氮杂辛英-6，12-二酮、1，4-二氢-10H-1，4，10-三氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、4H，10H-1-硫杂-4，10-二氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、二吡咯并[1，2-c；2’，1’-e]咪唑-5-酮、1，4，7，9-四氢-1，4，6，9-四氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、4，7，9-三氢-1-硫杂-4，6，9-三氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、2，4，9，三氢-1λ*4*，6-二硫杂-4，9-二氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、6，9-二氢-5H-1-硫杂-5，8，9三氮杂-环戊二烯并[a]甘菊环-4-酮、3，10，二氢-4H-[1，4]二氮_并[5，6-b]吲哚-5-酮、3，6-二氢-4H-[1，4]二氮_并[6，5-b]吲哚-5-酮、7，8-二氢-1H-1，7，10-三氮杂-环戊二烯并[e]茚-6-酮、8，9-二氢-3H-3，6，9-三氮杂-芳庚并[e]茚-10-酮、7，8-二氢-1H-1，5，8-三氮杂-芳庚并[f]茚-9酮、8，9-二氢-5，6，9，11-四氮杂-芳庚并[b]萘-10-酮、3，4-二氢[1，4]二氮_并[5，6-b]喹啉-5-酮、8，9-二氢-4，8，11-三氮杂-芳庚并[e]萘-7-酮、11H-10，11-二氮杂-苯并[b]芴、α-羟基酸、α-氨基酸、cohels、双环[2.2.2]辛烷、2-甲撑基-2，3-二氢苯并[1，4]二噁烯、6，7-二氢-2H-吡嗪并[1，2-a]嘧啶、9H-芴、1，4-二氮杂-双环[2.2.2]辛烷、1-氮杂-双环[2.2.2]辛烷、吡啶并[2，3-d]嘧啶、5-甲撑基-1，5-二氢-吡咯-2-酮、苯并[4，5]咪唑并[1，2-a]嘧啶、1，4-二氢-苯并[4，5]咪唑并[1，2-a]嘧啶、4，10-二氢-1，4a，10-三氮杂-菲-9-酮、1，5-二氢-咪唑并[1，2-a]嘧啶-5-酮、1，2，3，5-四氢-咪唑并[1，2-a]嘧啶、噻唑并[3，2-a]噻吩并[2，3-d]嘧啶-5-酮、1，9-二硫杂-4a，10-二氮杂-环戊二烯并[b]芴-4-酮、5，6-二氢-1-硫杂-5，7，8，9a-四氮杂-环戊二烯并[e]甘菊环-4-酮、6，10-二氢-5H-1-硫杂-5，7，10a-三氮杂-苯并[e]甘菊环-4-酮、4，5-二氢-3-硫杂-4，5a，10-三氮杂-环戊二烯并[a]芴、8H-1-硫杂环戊二烯并[a]茚、3-硫杂-4，5a，10-三氮杂-环戊二烯并[a]芴、6，7，9，11-四氢-10-硫杂-6，9-二氮杂-茚并[1，2-a]甘菊环-5，8-二酮、2，3，6，7，12，12a-六氢吡嗪并[1’，2’：1，6]吡啶并[3，4-b]-1，4-二酮、5，10-二氢-4H-2，3a，10-三氮杂-环戊二烯并[a]芴、5H-吡啶并[4，3-b]吲哚、11H-中氮茚并[1，2-b]喹啉-9-酮、1，2-二氢-2，4a，9-三氮杂-蒽-3，10-二酮、6H-异引哚并[2，1-a]吲哚、1，5-二氢-苯并[b][1，4]二氮_-2-酮、5，10-二氢-二苯并[b，e][1，4]二氮_-11-酮、5，11-二氢-苯并[e]吡啶并[3，2-b][1，4]二氮_-6-酮、4，9-二氢-3-硫杂-4，9-二氮杂苯并[f]甘菊环-10-酮、苯并[g]喹喔啉、吡嗪并[2，3-b]喹喔啉、吡啶并[2，1-b]喹唑啉-11-酮、1-硫杂-4a，9-二氮杂-环戊二烯并[b]萘-4-酮、2-甲撑基-4H-苯并[1，4]噻嗪-3-酮。
一般地，骨架的数目越大，越易于找到正确大小的量规以及处理较宽范围的空间抵触情况和/或不同的化学性质。另一方面，较小数目的骨架促进了化学行为和合成方法的一致性。
在本发明的示例性实施方案中，所用的部分包括至少2个、至少4个、至少6个或者任何更大数目的比如所有的以下化学部分：Me、Et、Pr、Ph、CO2H、OH、NH2、酮基、卤素比如Cl或Br，其它酸比如SO3H、PO3H2，以及NH-C＝NH(-NH2)(胍)。
一般地，在表征结合中，使用较多的化学部分可以提供更大的准确度，充分利用了库的大小。使用较少的化学部分却可以简化合成方法。
本发明的一些实施方案一方面涉及选择用于表征靶点的量规库。在本发明的示例性实施方案中，估计了靶点几何范围以及结合区的键型。跨越大量可能的大小和键型的范围的一组分子是从较大的可用分子组中选择出来的。该选择可以是例如电性的，合成的所选分子对选择应答，该选择也可以是物理性的，其量规分子已然存在。任选地，运用已知的有关靶点的各种信息进行判断。或者或另外地，使用第一筛选库进行判断，即例如在其键型的亲合力方面更加灵活和/或使用更加易于变形的分子。
任选地，选择量规以便该库具有相当大的重复，以克服例如分子的空间抵触和/或其它性质，这些性质可能阻止结合。任选地，对于至少一些物理几何结构例如三角形和五边形，该库包括至少一个或也许超过一个的多-点结合几何结构。
根据本发明的示例性实施方案，这样的库可自身用于或作为不同库的一部分而用于多种用途。在本发明的示例性实施方案中，这样的跨越库用于增加库中任一量规与靶点结合的概率，令人满意地，大量的量规。已指出，标准先导物库经常不提供任何结合。任选地，结合结果用于聚合关于靶点的信息，尤其是统计信息。任选地，该统计信息用于提供关于靶点的结构信息。任选地，该结构信息包含靶点重要部分的化学的和/或几何的结构，例如，其中的活性区域。应注意到在本发明的示例性实施方案中，一旦发现了哪怕仅单一的结合，也可提供关于靶点的有用信息，并可使用有助于确保该结合的任何库。
本发明的一些实施方案一方面涉及设计和/或创建通过几何和/或化学测量用于表征靶分子的量规库。
在本发明的示例性实施方案中，库的构建包括：
(a)鉴别可能适用作量规的分子；
(b)确定所鉴别的分子是否提供了所要求的量规；以及
(c)核实这些分子的实际性，例如易于合成和/或具有合适的的化学行为。应注意这些顺序是可变的，例如下面所示。
在一个例子中，当至少量规库的部分基于现有库时使用这一方法。在一些库中，当该库最初组成时候，已经完成(c)。此外，有时，不是选择分子，而是使用某些分子已知存在的结合结果作为输入，代替选择量规和结合亲和力的物理测试。
可选择地，例如当向库中添加新的骨架时，候选量规可以作为整体提供。由于向骨架附着了不同的部分，就出现了大量候选物。然而，此时，可能采取相反的步骤-可能由于骨架没有增加任何(或足够的)不与现有量规重叠的量规而将其排除。对于跨越空间的一些部分，产生少数量规的骨架可能是适当的。
在可选择的方法中，化学设计方法学被应用于设计具有所需性质和/或几何结构的量规和/或骨架，例如可以填充量测空间的缺少部分。
在本发明的示例性实施方案中，为了适用于本发明的一些实施方案，具有一个或多个如下性质的量规被认为是合适的，然而，一个量规不必具有全部的或者甚至任一如下性质：
(a)高的刚性。这可使得测量更加精确，然而可能需要小的柔韧度以允许完全覆盖所有空间。刚性意指键的长度和/或相对角不显著地变化。
(b)低的质量。这可以增加结合的机会，即使亲和力低以及在量规结合上只有三个点。
(c)小的尺寸。这可以使得靶点更易于测量以及更易于避免空间抵触。
(d)无毒。这可以使得量规应用于活细胞中。然而，由于不同细胞的敏感性不同，经常无法确保这一点。
(e)良好的化学行为。这意味着量规是可溶解的并且在没有扭曲量规或以已知的量扭曲量规的条件下结合。
(f)强结合。这意味着在本发明的一个实施方案中，如果其是低溶解度或高毒性的，例如，1-100微摩尔是有效的例子。
在本发明的示例性实施方案中，为了适用于本发明的一些实施方案，具有一个或多个如下性质的骨架被认为是合适的，然而，一个骨架不必具有全部的或者甚至任一如下性质：
(a)易于附着化学部分(例如，合成量规)和获得特定量规的纯溶液。
(b)提供大量的尺寸。
(c)具有许多(例如，≥3，最好＞4、＞5)附着点。尽管分子中的每一氢原子都是一个潜在的附着点，在本发明的示例性实施方案中，有用的附着点易于进行化学操作。
(d)通过包含骨架，向该库中加入什么样(在其它的量规中相对地少)的化学可能性和/或量规大小。
(e)允许化学部分的各种组合连接，由于并非所有的组合均能与所有骨架连接。
在本发明的示例性实施方案中，具有一个或多个下列性质的量规库被认为是合适的：
(a)跨越键间的广泛距离。
(b)化学跨越。在键的相反端点，提供了各种各样的部分。
(c)亚结构跨越。对于所选的亚结构，例如三角形，靶点中全部可能的三角构型可以与库中的至少一个量规结合。
(d)小库。库越小越好。因为实际的理由，库不能太小，然而，通常不需要很大的库。
(e)库内量规性质的变化以匹配量规覆盖的密度，例如较少刚性的键长以覆盖缺少的或者空间间隔的键。
(f)一致的覆盖。可以提供各种类型的一致性，例如，绝对大小中的一致性或对于化学依赖性修正的一致性。例如，对于短键长的距离密度将高于长键长，对于不同的长度提供相同的归一化密度。
(g)重叠的程度和类型。虽然对于重新构建和化学归纳而言重叠越多通常越好，但其通常以库大小和成本为代价。一个三重叠(例如，每个三角形以三个量规提供)是示例性的折衷。
但是通常，合适的性质可能取决于靶点、环境和/或所应用的开发方法的类型。特别地，应该指出在有些情况下，产生的库仅是部分的，例如仅跨越空间的一部分，仅适于靶点的一部分，在较低的分辨率中，具有较少(或没有)重叠和/或对于一些类型的靶点易于失败。
本发明一些实施方案的广泛方面涉及可发现用于根据本发明的示例性实施方案的库的分子，比如量规和骨架和其合成方法。
因此根据本发明的示例性实施方案提供了获得关于靶分子化学活性区域的信息的方法，包括：
提供一组基本上刚性的化学量规；
使所述靶点与所述量规组的许多量规反应；
测试所述量规与所述靶点的结合以获得许多测试结果；以及
分析所述测试结果以获得关于所述化学活性区域的信息。任选地，所述量规允许所述量规的化学部分旋转。或者或另外地，使用刚性骨架构建所述量规。
在本发明的示例性实施方案中，所述量规的组成原子的移动不超过1埃，除非对该量规应用至少20Kcal/Mol。
在本发明的示例性实施方案中，分析包括在所述靶点活性区域鉴别许多空间的和化学的具体结合构型。任选地，所述构型包括三角构型。或者或另外地，鉴别包括鉴别与结合量规的构型相匹配的构型。或者或另外地，鉴别包括鉴别与结合量规的构型不相配的构型。任选地，鉴别包括通过统计分析所述的试验结果进行鉴别。任选地，鉴别包括通过聚类进行鉴别。
在本发明的示例性实施方案中，鉴别包括假定每个量规显示单一构型。或者或另外地，鉴别包括假定至少一些量规显示许多构型。或者或另外地，鉴别包括通过在所述构型的顶点的化学部分对量规进行分类。
在本发明的示例性实施方案中，该方法包括从至少两个所述试验结果重新构建至少部分所述化学活性区域的立体图，所述部分包括至少四个化学结合区域。任选地，所述部分包括至少六个化学结合区域。
在本发明的示例性实施方案中，该方法包括从至少两个构型重新构建至少部分所述化学活性区域的立体图，所述部分包括至少四个化学结合点。任选地，所述部分包括至少六个化学结合区域。
在本发明的示例性实施方案中，重新构建包括：
从所述构型试验-重新构建许多立体图；
给所述图谱评分；以及
基于其分数选择立体图。或者或另外地，重新构建包括：
从所述构型试验-重新构建许多立体图；
根据共有结构聚类所述图谱；以及
基于其所属于的群集的相对性质选择立体图。任选地，所述相对性质包括大小。
在本发明的示例性实施方案中，所示立体图包括足够的结合点以确保具有与该结合点匹配的化学特性的小分子药物的结合。任选地，所述立体图包括至少6个结合点。任选地，所述立体图包括至少8个结合点。
在本发明的示例性实施方案中，所述量规组包括具有至少10,000个量规的量规组。任选地，所述量规组包括具有至少50,000个量规的量规组。
在本发明的示例性实施方案中，所述量规包括排列于立体构型中的部分以及其中选择的所述量规跨越空间化学构型的虚拟空间。
在本发明的示例性实施方案中，所述量规跨越的虚拟空间的各点基本上被至少两个量规覆盖。任选地，所述量规跨越的虚拟空间的各点基本上被至少三个量规覆盖。
在本发明的示例性实施方案中，至少0.5％的所述量规与所述靶点结合。任选地，至少1％的所述量规与所述靶点结合。任选地，至少3％的所述量规与所述靶点结合。
在本发明的示例性实施方案中，至少50％的所述量规是通过将部分添加到少于100个骨架的组中而限定的。任选地，至少50％的所述量规是通过将部分添加到少于50个骨架的组中而限定的。
在本发明的示例性实施方案中，至少所述的量规组使用少于15种不同的化学部分定义所述量规的化学行为。
在本发明的示例性实施方案中，至少所述的量规组使用少于10种不同的化学部分定义所述量规的化学行为。
在本发明的示例性实施方案中，所述试验是功能性试验。或者或另外地，所述测试是结合测试。或者或另外地，所述测试是细胞测试。或者或另外地，所述测试是流通测试(flow-through assay)。
在本发明的示例性实施方案中，所述功能性测试在靶点的天然底物的存在下进行。
在本发明的示例性实施方案中，所述靶点包括蛋白，该蛋白包括适于啮合(engage)底物的生物化学活性区域。任选地，所述化学活性区域包含包括所述生物化学活性区域的区域。或者或另外地，所述化学活性区域包括所述蛋白的控制区域。
在本发明的示例性实施方案中，分析包括分析至少60个量规的成功结合。或者或另外地，分析包括分析至少10个量规的成功结合。或者或另外地，分析包括分析至少100个量规的成功结合。
在本发明的示例性实施方案中，鉴别包括鉴别至少40个不同的构型。或者或另外地，鉴别包括鉴别至少10个不同的构型。或者或另外地，鉴别包括鉴别至少100个不同的构型。
在本发明的示例性实施方案中，该方法包括：
比较所述图谱与先导物数据库；以及
从所述数据库中选择先导物，进一步用于响应所述先导物和所述图谱间的相似或缺乏相似。
或者或另外地，该方法包括：
比较所述图谱与先导物数据库；以及
从所述数据库中排除先导物，进一步用于响应所述先导物和所述图谱间的相似或缺乏相似。
或者或另外地，该方法包括：
构建与所述图谱相似的先导物。任选地，构建包括使用所述量规或者用于限定所述量规的骨架进行构建。
在本发明的示例性实施方案中，该方法包括：
比较所述构型与先导物数据库；以及
从所述数据库中选择进一步响应所述先导物与所述构型间相匹配的先导物。
在本发明的示例性实施方案中，该方法包括基于所述构型构建先导物。
在本发明的示例性实施方案中，该方法包括选自至少一个所述量规作为用于药物发现的先导物。
在本发明的示例性实施方案中，该方法包括比较具有相似的结合几何结构的量规结合以获得空间抵触的数据；以及
分析所述空间抵触的数据以提供关于所述靶点的几何信息。
根据本发明的示例性实施方案还提供了鉴别靶点中多种化学-立体构型存在的方法，包括：
使用已知其顶点的化学-立体构型的许多量规测试靶点，以提供许多测试结果；
确定一系列空间，每一空间对应各构型顶点的每一组化学行为；
根据所述空间显示所述结果以产生群集；以及
从所述群集中鉴别所述靶点中构型的存在。任选地，显示包括伸展响应伸展函数的指示。任选地，所述伸展函数取决于量规结合至所述靶点的估算能。
根据本发明的示例性实施方案还提供了从一组亚形状重新构建靶点化学结合构型的空间形状的方法，每个亚形状显示部分所述的结合构型，包括：
从所述的亚形状选择基准(base)；
选择具有至少沿着一个侧面相互匹配并沿着另一侧面匹配所述基准的性质的至少两个亚形状；
将所述亚形状积累到所述的基准中；以及
重复所述选择和所述积累直到使用或无法使用所有的亚形状，从而提供所述靶点的结合构型的形状。任选地，该方法包括变化地重复所述选择、积累并重复使用不同的选择亚形状的顺序。任选地，该方法包括对于许多不同的基准选择重复所述的选择基准以及所述变化地重复。任选地，该方法包括根据共用的亚组成的形状聚类许多这样的形状。任选地，该方法包括基于所述聚类选择亚组成的形状作为最终的形状。
在本发明的示例性实施方案中，所述亚形状包括三角形。或者或另外地，所述亚形状限定了在其顶点的化学行为并且如果该化学行为在其顶点匹配那么就认为其中的两个侧边匹配。
在本发明的示例性实施方案中，如果其长度相似那么就认为两个侧边匹配。
还根据本发明的示例性实施方案提供了选择用于产生部分筛选库的骨架的方法，包括：
提供潜在的骨架分子，其包括许多可能的附着点以附着化学部分；
测定分子的刚性；以及
排除所述的潜在的骨架分子，其响应所述骨架的刚性缺乏。任选地，所述的刚性缺乏是绝对的。可选择地，所述的刚性缺乏是相对于其它潜在的骨架而言的。
在本发明的示例性实施方案中，该方法包括基于其大量环选择骨架。
在本发明的示例性实施方案中，该方法包括：
确定许多的量规分子，这些量规分子是通过向所述的潜在的骨架分子上增加化学部分而产生的；
确定所述分子给已存在的库部分增加了怎样的空间化学构型；以及
如果其给所述的库部分增加了一个或多个重要的空间化学构型，选择所述的潜在的骨架分子。任选地，该方法包括基于所述骨架增加的大量构型选择骨架。或者或另外地，所述重要的立体构型不是以前提供的或相重叠的构型。
还根据本发明的示例性实施方案提供了选择加入筛选库的量规分子的方法，包括：
提供一组化学分子和至少部分筛选库；
从所述的化学分子组中选择潜在的量规分子；
测定所述潜在的量规分子的刚性；以及
排除所述的潜在的量规分子，其响应所述量规分子的刚性缺乏。任选地，所述的刚性缺乏是绝对的。可选择地，所述的刚性缺乏是相对于其它潜在的骨架而言的。
在本发明的示例性实施方案中，该方法包括：
确定所述的部分筛选库在化学构形空间的跨越；
确定至少所述潜在分子的至少一个空间化学构型；以及
如果其给所述的筛选库增加了至少一个重要的空间化学构型，选择所述的潜在量规分子。
任选地，提供一组分子包括使用化学部分选择性附着其上的单一骨架产生所述分子。或者或另外地，提供一组分子包括提供化学库。
在本发明的示例性实施方案中，如果所述量规增加了至少一个以前没有提供过或不与已有构型相重叠的空间化学构型，那么选择此量规。
根据本发明的示例性实施方案还提供了创建至少部分筛选库的方法，包括：
选择可加入化学部分的量规分子；
测定许多潜在的量规，其可通过向所述骨架附着化学部分而创建；以及
选择化学构型基本上不重叠的所述量规亚组。任选地，该方法包括排除增加超过六个空间化学构型的潜在量规。
根据本发明的示例性实施方案还提供了减少筛选库的方法，包括：
对于至少部分所述库中的每一分子，基本上测定由该分子提供的一定等级(certain order)结合点的所有空间化学构型；以及
除去增加多余的空间化学构型的许多分子。任选地，所述一定等级是三。
根据本发明的示例性实施方案还提供了减少筛选库的方法，包括：
对于至少部分所述库中的每一分子，基于能量考虑计算所述分子的结合概率；以及
去除至少一些结合概率低于阈值的分子。任选地，使用反向地依赖分子柔韧性的规则计算所述结合概率。或者或另外地，至少基于分子的溶解度估算所述结合概率。
根据本发明的示例性实施方案还提供了针对预定的靶分子任务设计筛选库的方法，包括；
确定由所述库直接确定的结合点间所需的距离范围；
确定由所述库的量规分子提供的测量间所需的重叠；
确定相互区别的一组所需的结合类型；以及
产生许多量规，所述量规各自限定许多结合类型及其间的距离，以便所述量规覆盖具有所述的所需重叠的空间化学构型空间，该空间包括所述距离和所述结合类型。任选地，许多化学部分的产生包括通过将化学部分附着于骨架而产生。或者或另外地，所述量规覆盖三重(triplet)结合点的空间化学构型空间。或者或另外地，所述预定的靶分子任务包括蛋白。
在本发明的示例性实施方案中，所述重叠至少为二。可选择地，所述重叠至少为四。可选择地，所述重叠至少为六。
在本发明的示例性实施方案中，所述量规基本上是刚性的。或者或另外地，所述覆盖考虑结合的固有柔韧性。
在本发明的示例性实施方案中，产生包括由不同的量规产生基本上相同的构型，从而提供至少部分所述重叠。任选地，产生包括提供至少两个重复因子(repetition factor)。
在本发明的示例性实施方案中，产生包括由不同的量规产生基本上不同的构型，由于其一定程度的柔韧性不同量规重叠，从而提供至少部分所述重叠。
在本发明的示例性实施方案中，该方法包括基于所述信息对于所述靶点产生一组药物先导物。任选地，该方法包括从所述组中除去对于所述靶点已知的药物先导物。
依据本发明的示例性实施方案，还提供了由上述方法之一产生的先导物集合。
根据本发明的示例性实施方案还提供了药物先导物，包括：
许多基本上刚性的骨架分子部件；
至少将所述骨架分子部件相连的连接单元；以及
许多附着于所述骨架的部分。
根据本发明的示例性实施方案还提供了筛选库，包括：
通过将化学部分附着于少于50种骨架分子而产生至少10,000种分子。任选地，少于20种骨架用于产生所述的至少10,000种分子。或者或另外地，所述骨架包括至少一个如下骨架分子：噻吩、1H-吡咯、呋喃、苯、吡啶、嘧啶、吡嗪、6H-噻吩并[2，3-b]吡咯、1，6-二氢-吡咯并[2，3-b]吡咯、1H-吲哚、噻吩并[2，3-d]嘧啶、6，7-二氢-吡唑并[1，5-a]嘧啶、喹啉、异喹啉、喹喔啉、3，4-二氢-苯并[e][1，4]二氮_-5-酮、3，8-二氢-4H-吡咯并[2，3-e][1，4]二氮_-5-酮、3，4-二氢-噻吩并[2，3-e][1，4]二氮_-5-酮、3，6-二氢-4H-吡咯并[3，2-e][1，4]二氮_-5-酮、5H，11H-二苯并[b，f][1，5]二氮杂辛英-6，12-二酮、1，4-二氢-10H-1，4，10-三氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、4H，10H-1-硫杂-4，10-二氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、二吡咯并[1，2-c；2’，1’-e]咪唑-5-酮、1，4，7，9-四氢-1，4，6，9-四氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、4，7，9-三氢-1-硫杂-4，6，9-三氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、2，4，9，三氢-1λ*4*，6-二硫杂-4，9-二氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、6，9-二氢-5H-1-硫杂-5，8，9三氮杂-环戊二烯并[a]甘菊环-4-酮、3，10，二氢-4H-[1，4]二氮_并[5，6-b]吲哚-5-酮、3，6-二氢-4H-[1，4]二氮_并[6，5-b]吲哚-5-酮、7，8-二氢-1H-1，7，10-三氮杂-环戊二烯并[e]茚-6-酮、8，9-二氢-3H-3，6，9-三氮杂-芳庚并[e]茚-10-酮、7，8-二氢-1H-1，5，8-三氮杂-芳庚并[f]茚-9酮、8，9-二氢-5，6，9，11-四氮杂-芳庚并[b]萘-10-酮、3，4-二氢[1，4]二氮_并[5，6-b]喹啉-5-酮、8，9-二氢-4，8，11-三氮杂-芳庚并[e]萘-7-酮、11H-10，11-二氮杂-苯并[b]芴、α-羟基酸、α-氨基酸、cohels、双环[2.2.2]辛烷、2-甲撑基-2，3-二氢苯并[1，4]二噁烯、6，7-二氢-2H-吡嗪并[1，2-a]嘧啶、9H-芴、1，4-二氮杂-双环[2.2.2]辛烷、1-氮杂-双环[2.2.2]辛烷、吡啶并[2，3-d]嘧啶、5-甲撑基-1，5-二氢-吡咯-2-酮、苯并[4，5]咪唑并[1，2-a]嘧啶、1，4-二氢-苯并[4，5]咪唑并[1，2-a]嘧啶、4，10-二氢-1，4a，10-三氮杂-菲-9-酮、1，5-二氢-咪唑并[1，2-a]嘧啶-5-酮、1，2，3，5-四氢-咪唑并[1，2-a]嘧啶、噻唑并[3，2-a]噻吩并[2，3-d]嘧啶-5-酮、1，9-二硫杂-4a，10-二氮杂-环戊二烯并[b]芴-4-酮、5，6-二氢-1-硫杂-5，7，8，9a-四氮杂-环戊二烯并[e]甘菊环-4-酮、6，10-二氢-5H-1-硫杂-5，7，10a-三氮杂-苯并[e]甘菊环-4-酮、4，5-二氢-3-硫杂-4，5a，10-三氮杂-环戊二烯并[a]芴、8H-1-硫杂环戊二烯并[a]茚、3-硫杂-4，5a，10-三氮杂-环戊二烯并[a]芴、6，7，9，11-四氢-10-硫杂-6，9-二氮杂-茚并[1，2-a]甘菊环-5，8-二酮、2，3，6，7，12，12a-六氢吡嗪并[1’，2’：1，6]吡啶并[3，4-b]-1，4-二酮、5，10-二氢-4H-2，3a，10-三氮杂-环戊二烯并[a]芴、5H-吡啶并[4，3-b]吲哚、11H-中氮茚并[1，2-b]喹啉-9-酮、1，2-二氢-2，4a，9-三氮杂-蒽-3，10-二酮、6H-异吲哚并[2，1-a]吲哚、1，5-二氢-苯并[b][1，4]二氮_-2-酮、5，10-二氢-二苯并[b，e][1，4]二氮_-11-酮、5，11-二氢-苯并[e]吡啶并[3，2-b][1，4]二氮_-6-酮、4，9-二氢-3-硫杂-4，9-二氮杂苯并[f]甘菊环-10-酮、苯并[g]喹喔啉、吡嗪并[2，3-b]喹喔啉、吡啶并[2，1-b]喹唑啉-11-酮、1-硫杂-4a，9-二氮杂-环戊二烯并[b]萘-4-酮、2-甲撑基-4H-苯并[1，4]噻嗪-3-酮。
在本发明的示例性实施方案中，至少4个所述骨架确切地具有单环。或者或另外地，至少4个所述骨架确切地具有两个环。或者或另外地，至少4个所述骨架确切地具有三个环。或者或另外地，至少4个所述骨架确切地具有四个环。或者或另外地，所述库包括至少50,000种这样所生成的分子。或者或另外地，所述库包括至少100,000种这样所生成的分子。
在本发明的示例性实施方案中，所述骨架包括至少三个所述的如下骨架分子。或者或另外地，所述骨架包括至少十个所述的如下骨架分子。
在本发明的示例性实施方案中，所述生成的分子基本上是刚性的。或者或另外地，所述分子跨越结合点类型空间几何模式的构型空间，包括至少25％的存在于蛋白中的模式。任选地，所述分子跨越至少50％的模式。
在本发明的示例性实施方案中，所述分子跨越限定至少4个截然不同的结合点化学类型的空间。
在本发明的示例性实施方案中，所述分子跨越限定至少5个截然不同的结合点化学类型的空间。
根据本发明的示例性实施方案还提供了筛选库，包括：
通过将化学部分附着于少于一个下列骨架分子而产生至少100种分子：噻吩、1H-吡咯、呋喃、苯、吡啶、嘧啶、吡嗪、6H-噻吩并[2，3-b]吡咯、1，6-二氢-吡咯并[2，3-b]吡咯、1H-吲哚、噻吩并[2，3-d]嘧啶、6，7-二氢-吡唑并[1，5-a]嘧啶、喹啉、异喹啉、喹喔啉、3，4-二氢-苯并[e][1，4]二氮_-5-酮、3，8-二氢-4H-吡咯并[2，3-e][1，4]二氮_-5-酮、3，4-二氢-噻吩并[2，3-e][1，4]二氮_-5-酮、3，6-二氢-4H-吡咯并[3，2-e][1，4]二氮_-5-酮、5H，11H-二苯并[b，f][1，5]二氮杂辛英-6，12-二酮、1，4-二氢-10H-1，4，10-三氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、4H，10H-1-硫杂-4，10-二氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、二吡咯并[1，2-c；2’，1’-e]咪唑-5-酮、1，4，7，9-四氢-1，4，6，9-四氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、4，7，9-三氢-1-硫杂-4，6，9-三氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、2，4，9，三氢-1λ*4*，6-二硫杂-4，9-二氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、6，9-二氢-5H-1-硫杂-5，8，9三氮杂-环戊二烯并[a]甘菊环-4-酮、3，10，二氢-4H-[1，4]二氮_并[5，6-b]吲哚-5-酮、3，6-二氢-4H-[1，4]二氮_并[6，5-b]吲哚-5-酮、7，8-二氢-1H-1，7，10-三氮杂-环戊二烯并[e]茚-6-酮、8，9-二氢-3H-3，6，9-三氮杂-芳庚并[e]茚-10-酮、7，8-二氢-1H-1，5，8-三氮杂-芳庚并[f]茚-9酮、8，9-二氢-5，6，9，11-四氮杂-芳庚并[b]萘-10-酮、3，4-二氢[1，4]二氮_并[5，6-b]喹啉-5-酮、8，9-二氢-4，8，11-三氮杂-芳庚并[e]萘-7-酮、11H-10，11-二氮杂-苯并[b]芴、α-羟基酸、α-氨基酸、cohels、双环[2.2.2]辛烷、2-甲撑基-2，3-二氢苯并[1，4]二噁烯、6，7-二氢-2H-吡嗪并[1，2-a]嘧啶、9H-芴、1，4-二氮杂-双环[2.2.2]辛烷、1-氮杂-双环[2.2.2]辛烷、吡啶并[2，3-d]嘧啶、5-甲撑基-1，5-二氢-吡咯-2-酮、苯并[4，5]咪唑并[1，2-a]嘧啶、1，4-二氢-苯并[4，5]咪唑并[1，2-a]嘧啶、4，10-二氢-1，4a，10-三氮杂-菲-9-酮、1，5-二氢-咪唑并[1，2-a]嘧啶-5-酮、1，2，3，5-四氢-咪唑并[1，2-a]嘧啶、噻唑并[3，2-a]噻吩并[2，3-d]嘧啶-5-酮、1，9-二硫杂-4a，10-二氮杂-环戊二烯并[b]芴-4-酮、5，6-二氢-1-硫杂-5，7，8，9a-四氮杂-环戊二烯并[e]甘菊环-4-酮、6，10-二氢-5H-1-硫杂-5，7，10a-三氮杂-苯并[e]甘菊环-4-酮、4，5-二氢-3-硫杂-4，5a，10-三氮杂-环戊二烯并[a]芴、8H-1-硫杂环戊二烯并[a]茚、3-硫杂-4，5a，10-三氮杂-环戊二烯并[a]芴、6，7，9，11-四氢-10-硫杂-6，9-二氮杂-茚并[1，2-a]甘菊环-5，8-二酮、2，3，6，7，12，12a-六氢吡嗪并[1’，2’：1，6]吡啶并[3，4-b]-1，4-二酮、5，10-二氢-4H-2，3a，10-三氮杂-环戊二烯并[a]芴、5H-吡啶并[4，3-b]吲哚、11H-中氮茚并[1，2-b]喹啉-9-酮、1，2-二氢-2，4a，9-三氮杂-蒽-3，10-二酮、6H-异吲哚并[2，1-a]吲哚、1，5-二氢-苯并[b][1，4]二氮_-2-酮、5，10-二氢-二苯并[b，e][1，4]二氮_-11-酮、5，11-二氢-苯并[e]吡啶并[3，2-b][1，4]二氮_-6-酮、4，9-二氢-3-硫杂-4，9-二氮杂苯并[f]甘菊环-10-酮、苯并[g]喹喔啉、吡嗪并[2，3-b]喹喔啉、吡啶并[2，1-b]喹唑啉-11-酮、1-硫杂-4a，9-二氮杂-环戊二烯并[b]萘-4-酮、2-甲撑基-4H-苯并[1，4]噻嗪-3-酮。
任选地，所述的分子利用至少一种下述骨架产生：噻吩、1H-吡咯、呋喃、苯、吡啶、嘧啶、吡嗪、6H-噻吩并[2，3-b]吡咯、1，6-二氢-吡咯并[2，3-b]吡咯、1H-吲哚、噻吩并[2，3-d]嘧啶、6，7-二氢-吡唑并[1，5-a]嘧啶、喹啉、异喹啉、喹喔啉、3，4-二氢-苯并[e][1，4]二氮_-5-酮、3，8-二氢-4H-吡咯并[2，3-e][1，4]二氮_-5-酮、3，4-二氢-噻吩并[2，3-e][1，4]二氮_-5-酮、3，6-二氢-4H-吡咯并[3，2-e][1，4]二氮_-5-酮、5H，11H-二苯并[b，f][1，5]二氮杂辛英-6，12-二酮、1，4-二氢-10H-1，4，10-1，4，10-三氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、4H，10H-1-硫杂-4，10-二氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、二吡咯并[1，2-c；2’，1’-e]咪唑-5-酮。
在本发明的示例性实施方案中，所述的至少100种分子包括至少300种分子。或者或另外地，使用单一的所述骨架产生所述库的所述的至少100个分子。
根据本发明的示例性实施方案还提供了包含一组至少10,000种基本上刚性的分子的筛选库。任选地，所述组包含至少50,000种基本上刚性的分子。任选地，所述组包含至少100,000种基本上刚性的分子。
在本发明的示例性实施方案中，一般地，所选的所述组对于蛋白靶具有至少0.1％库的预期结合率。任选地，所述结合率至少为0.5％。
在本发明的示例性实施方案中，所述组用于提供对于综合的靶点具有均匀命中机率的分子，对于整个组而言其命中机率在1∶100的比例内。任选地，所述比例在1∶10内。
在本发明的示例性实施方案中，所述组跨越空间化学构型的空间，每一个这样的构型限定其间具有距离的多个的结合点，该组在指定的距离范围基本上覆盖该空间内所有可能的构型。
根据本发明的示例性实施方案还提供了筛选库，包括：
许多的至少5,000种量规分子，每一个这样的分子限定至少一个结合类型点的空间构型，
其中基本上这样的构型空间内的每一点均被至少两个不同的量规分子覆盖。任选地，每一点被至少两个基本上相同的空间构型覆盖。或者或另外地，每一点被至少两个基本上不同的空间构型覆盖。或者或另外地，所述空间是由顶点的结合类型和顶点间的距离所限定的三角形空间。任选地，所述空间包括4埃至8埃的距离(埃＝10-10米)。或者或另外地，所述空间包括2埃至10埃的距离。或者或另外地，所述空间包括至少5种不同的结合类型。任选地，所述空间包括至少7种不同的结合类型。
在本发明的示例性实施方案中，所述空间包括全方向的结合类型。或者或另外地，所述空间包括方向性的结合类型。
在本发明的示例性实施方案中，所述空间内的所述每一点基本上被至少三个量规覆盖。
在本发明的示例性实施方案中，基本上所有的量规包括所述空间的许多构型。
根据本发明的示例性实施方案还提供了获得关于靶点结合行为的信息的方法，包括：
提供一组基本上刚性的化学量规，大量的所述量规预期与所述靶点结合；
使所述靶点与所述量规组的许多量规反应；以及
物理分子结合量规的所述靶点的结构。任选地，物理分析包使用NMR分析。或者或另外地，物理分析包括使用X-射线晶体学分析。或者或另外地，物理分析包括使用与量规组的结合分析。或者或另外地，该方法包括虚拟的叠加许多通过所述物理分析获得的结构。
根据本发明的示例性实施方案还提供了构建先导物的方法，包括：
提供一组基本上刚性的化学量规；
使所述量规与所述量规组的许多量规反应；
测试所述量规与所述靶点的结合以获得许多测试结果；以及
基于所述测试结构构建先导物。任选地，构建先导物包括将许多在所述测试中已发现结合的量规连接在一起。或者或另外地，构建先导物包括修饰现有分子使其具有与所述测试发现的结合区相对应的化学部分。
附图简介
将参照下面对示例性实施方案的描述并连同附图对本发明非限制性实施方案进行描述。这些附图通常不按照比例显示且任何测量仅意在解释而非必要地限制。在附图中，在超过一个附图中出现的同一结构、要素或部分在它们出现的所有附图中优选使用相同或相似的数字标记，其中：
图1是包括许多结合点的靶蛋白的示意图；
图2是根据本发明的示例性实例的药物发现方法的流程图；
图3是根据本发明的示例性实例的靶点测量方法的流程图；
图4A是根据本发明的示例性实例的示例性量规的示意图；
图4B显示图4A的量规与图1的靶蛋白相互作用；
图5是根据本发明的示例性实例确定与靶点相连接的三角形的方法的流程图；
图6A是根据本发明的示例性实例由图5的结果确定结合区的空间布局的方法的流程图；以及
图6B是根据本发明的示例性实例由图5的结果确定结合区空间布局的可替换方法的流程图。
示例性实施方案的详细说明
1.概述
2.药物发现的示例性过程
3.过程详述
3.1靶点的测量
4.示例性测试
4.1功能性测试
4.2结合测试
5.量规，概论
5.1示例性量规
5.2测量中部分的数目
5.3量规中化学部分的数目
5.4化学部分的类型
5.5组中测量的重叠
6.重新构建
6.1三角形的提取
6.2布局构型重新构建
6.3重新构建的变化
6.4可替换的重新构建方法
7.分析
7.1概述
7.2重新构建的检验
7.3结合强度
7.4键间的相互作用
7.5几何分析
7.6空间抵触的测定
7.7控制区域的鉴别
7.8其他的图谱分析
8.在药物发现中的应用
8.1概述
8.2药物的生成
8.3先导物的生成
8.4先导物的描述
8.5先导物搜寻
8.6先导物的排除
8.7靶点描绘
8.8靶点适宜度检测
8.9靶点的分割
8.10药物和先导物的分析和强化
8.11药物的选择
8.12药物的强化
8.13药物失败分析和再设计
8.14与分析相关的其它药物发现
8.15流线型的发现过程
8.16效用的生成
9.示例性的发现应用
9.1概述
9.2基于筛选的药物设计
9.3另一种基于筛选的药物设计
9.4基于结构的药物设计
9.5配基的模装配
10.示例性非-发现应用
11.使用在先信息
12.重复测量
13.量规，物理性质
13.1概述
13.2骨架
13.3量规的体积几何学
13.4柔韧性
13.5量规长度
13.6环境稳定性
13.7量规的独特性以及边和三角形的重叠
13.8量规质量和大小
14.特定的和一般的量规组设计
14.1跨越库大小的例子
14.2量规亚组的选择
14.3量规库的设计
14.4库构建的方法
14.5骨架的选择方法
14.6量规选择的方法
14.7量规的合成
14.8混合库的设计
14.9确保库的可靠性
14.10在库设计期间人的互动
15.实验和实施例
15.1实验1
15.2实验2
16.合成部分
16.1苯、吡啶6元环骨架
16.2吲哚并[2，3-b]喹啉6，6，5，6环状骨架
16.3异吲哚并吲哚和异吲哚并吲哚酮6，5，5，6四环状骨架
16.3.1异吲哚并吲哚
16.4单原子骨架
16.5苯二氮_6，7二环骨架
16.6哌嗪并喹啉-6，6，6三环骨架
16.7吡咯-5元环骨架
16.8噻吩和相关骨架
16.8.1 5，5二环骨架
16.8.2 5，6-二环骨架
16.8.3 5，8，5 5，8，6三环和5，5，8，6 5，5，8，5四环骨架
16.8.4 5，7二环骨架
16.8.5 5，6，5，6四环和5，6，5三环骨架
16.8.6 5-6-5-6四环骨架
16.8.7 5-6-5三环骨架
1.概述
许多生物分子，比如酶的高特异性是由于该分子中存在的结合区特定空间排列而引起的。据信对于能与酶良好相互作用的底物分子，其必需与特定的空间排列相匹配(至少部分匹配)。在药学工业中，可通过发现与底物分子的形状和化学亲和力相似的小分子而利用该亲和力。在典型的药物发现方法中，这样的小分子通过数百万个小分子的试验而发现，一旦发现表现有一定亲和力的分子，化学微调这一“先导物”直至发现更佳的结合。在本发明的一个示例性实施方案中，描绘了特定的空间排列，并将该图谱用于辅助药物开发过程，最终用于发现新的有用的小分子药物。应注意到，该结合区的空间几何结构一般是三维的。
在如下的描述中，分子被称为靶点以及空间排列被称为靶点区域或药效团。但是，如将要指明的，根据本发明示例性实施方案的描绘方法和/或其衍生方法不仅可用于药物发现(例如，开发除草剂和靶抗体)。这样，除非另有指明，为了方便使用所用的术语，其并不是限制至所需范围。
图1是包括许多结合区102(和108)的靶蛋白100的示意图。如图所示，结合区102排列在靶点区域104内，其目的是用来接受蛋白底物。在一些蛋白中，有意义的靶点区域是蛋白控制区域106(具有结合区108)，当结合时，其改变了蛋白行为(例如，改变接受底物的蛋白区域的构型)。可能地，在该蛋白外发现许多非功能结合区域110。
尽管如下描述集中于发现影响酶蛋白的小分子，靶点100可以是任何生物分子，其生物学行为可以通过结合其它分子而如所期望地被影响。例如，靶点100可以是DNA、RNA、信号蛋白比如激素、结构激素、生长因子、其它蛋白、抗体、细胞受体、离子通道、细胞因子、络合物、膜、毒剂(生物的或合成的)、小和大分子药物以及碳水化合物中的一种或多种。非生物应用还包括，例如用于洗涤和工业应用的评价酶。此外，探寻分子不必是小分子，对于某些应用，例如可以是肽、蛋白、抗体或金属络合物。
根据本发明的一些示例性实施方案，通过进行靶点区域的多重几何和/或化学亲和测量然后关联该测量提供靶点区域104的三维模型，从而进行靶点区域104(或106)的描绘。在本发明的一个示例性实施方案中，使用一系列选择性量规分子进行测量。在本发明的一个示例性实施方案中，所选的量规具有某些键几何性质和/或某些化学亲和力，具有任选的小范围的柔韧性。在一组量规中，使用较大量的特定的量规任选提供大范围的几何参数、大小和/或亲和力。
在本发明的示例性实施方案中，各量规分子同时进行多重测量，在不同量规分子进行的测量中有重叠。任选提供一处理步骤，其中来自量规的组合测量是相互关联，以获得各测量的说明然后用于重新构建三维图谱。
其它的次要信息任选用于处理和/或用于分析和/或使用该处理的结果。这样的次要信息的各种例子描述如下。
2.药物发现的示例性过程
图2是根据本发明的示例性实施方案的药物发现200的流程表。在202处，提供了用于开发药物的靶点100。任选地，在204处，选择测量靶点100的量规亚组。可选择地，单一组的量规用于所有靶点。
在206处，量规用于测量相互作用区102和/或108的空间布局图。
在208处，根据测量结果重新构建靶点100的活性和/或控制区域的至少部分的模型。在210和212处，确定与该测量相匹配的一个或多个分子。在214处，进一步处理该匹配分子以提供药物。
本方法的更多细节描述如下。可选择的方法也在下面进行了描述。
3.过程详述
3.1靶点的测量
图3是根据本发明的示例性实施方案的靶点测量方法300的流程图。在302处，将一些的靶点100和一种或多种量规合并于容器中，可以允许孵化(304)以便量规可结合于靶点100的相互作用区。在本发明的一些实施方案中，该靶点还与底物或其它分子一起孵化。进行这样的孵化的原因很多，例如，加强靶点上的构型改变以辅助溶解、保持靶点存活和/或作为部分功能性测试。该靶点可以是相对纯的，例如纯化的复制DNA片断。可选择地，该靶点在更加天然的环境中提供，例如在活细胞中或与相关分子一起提供(例如，其相互作用可能是未知的)。任选地，多种重叠量规(即，其中的重叠可以测量相同或相似的空间几何性质)在同一测试中一起孵化。
在306处，任选测定量规与靶点100结合的程度。所用方法可以取决于所测试的类型，下面提供了其各种例子。或者或另外地，在308处，测定了对靶点100功能的作用，下面提供了各种例子。
应该指明，适于检测测试分子与靶分子结合的测验是药物开发中所公知的，并有许多测验适用于本发明，甚至可能无需修改。
可以使用不同的量规和/或不同的条件(310)重复该测试过程，比如溶剂、温度和pH。可以使用不同的条件，例如，测定结合的强度和/或补偿难获得的量规，例如强化靶点100上的构象变化。该重复可取决于一个或多个量规的初步结合结果和/或可取决于初步的测试或测试失败。
在本发明的一个示例性实施方案中，该测试为1-100微摩浓度的量规。然而，也可使用其它的浓度。该浓度取决于例如量规的溶解度和/或与量规相关的各种毒性或其它作用。在许多例子中，所用浓度将取决于测试的灵敏度。
靶点的纯度可以是或不是重要的，例如，取决于量规对杂质的亲和力和/或该测试对杂质的灵敏度。
4.示例性测试
4.1功能性测试
本领域已知许多类型的功能性测试方法。一般地，给所处理的靶点提供其常规底物(对于蛋白而言)，并使用酶活性测量法测定量规相对于基线或对照物部分的功能效果。自动平行测试装置，比如Tecan(瑞士)、Zymark(USA)或Cybio(DE)可对例如不同量规和/或单独量规-靶点匹配的更佳统计学平行地进行多功能测试。
功能性测试可以在多种水平上，例如，在分子、细胞或生物体水平上进行。一般地，任何已知功能性测试可以用于测试量规的功能。
在本发明示例性实施方案中，该量规象靶点配基作用并竞争或影响靶点功能。这些作用可以为各种类型，例如，该量规可以在正常底物的假定结合处结合，该量规可以在底物结合物处附近结合但仍然阻碍底物的结合，如果该量规较大(适于结合测试)和/或该量规行为是激动的而非拮抗的，该量规可以以不阻碍底物但却增强靶点与底物的亲和力的方式结合。
例如，可使用复制法测试DNA靶点(例如，观察是否抑制或增强了复制)。可选择地，在测验结合后通过测定该靶点与DNA芯片的相互作用测试DNA靶点。这样的DNA芯片典型地包括其上以已知的模式装配许多短的DNA片段的基质，所选片段可结合(例如特异性和互补地)于所探寻DNA的序列部分和/或匹配非线性DNA片段部分。结合于DNA芯片上各种短DNA片段的类型和/或相对机率预期取决于量规与DNA分子结合的程度和/或区域。例如，量规可阻碍DNA分子的一定部分与DNA芯片片段的匹配。在另一个例子中，量规可迫使DNA分子中的构象变化，其变化将干预与一个DNA芯片片段的结合但其可能允许与以前不适宜DNA芯片片段的结合。
4.2结合测试
在结合测试中，直接测量量规与靶点的结合。但是应当指出，结合试验可能比功能试验具有更少的指示性，这是由于量规可以结合于靶点区域之外并提供关于靶点区域的无用信息。此外，结合试验的灵敏度可能较低，因为结合的探测灵敏度通常较低且典型的结合率也是相当低的。然而，有时候，例如如果量规与底物相互作用或如果靶点功能未知就无法进行功能性试验，或者如果该试验要求活细胞则可能难以进行功能试验或需要耗费大量时间。此外，量规可能结合于活性区域而该结合并不影响其功能，如特定功能试验所测量的那样。
本领域已知并可使用各种类型的结合试验，例如如RamakrishnaSeethala和Prabhavathi B.Fernandes所编写的the Handbook of Drug Screening在Drugs and the Pharmaceutical Sciences，卷114，New York，NY MarcelDekker，2001中所描述的，该文献在此公开作为参照。
功能性试验和结合试验均可以以多种方法进行，现代技术是机器人操作试验以及流通分析的新兴技术(例如，使用DNA芯片)。应指出已可应用100,000次的测试系统，这意味着在本发明的一些实施方案中，可一步(天)完成使用量规库的筛选。任选地，这用于消除对清洗筛选靶点间的量规传送系统的需要。
在本发明的一些实施方案中，该结合测试(功能性测试的)包括修饰量规，例如在量规上附加荧光物质。取决于附着点，这可以导致一些量规中构象的变化和/或导致空间抵触。可以预期至少在许多时候量规间的重叠将克服这一问题。在本发明的其它实施方案中，该量规是不变化的，或者以非物质方式变化。例如，对于NMR结合试验或X-射线晶体衍射法结合试验而言，要求不需要变化。在基于放射性的试验中，放射性同位素可用于量规中。在本发明的示例性实施方案中，非放射性同位素(半自旋同位素)用于制造量规，以提供结合探测和/或较好的分析NMR数据。在这些试验中，未结合的量规可以与靶点分开，例如，使用本领域已知方法，例如，如果靶点与表面相连，通过洗涤将除去未连接的量规。
在本发明的一些实施方案中，量规的结合对靶点具有非功能性影响，其可被检测或测量，例如，影响附着于量规或靶点的荧光尾部的振动频率。在本发明的示例性实施方案中，量规以相似于靶点的配体的方式结合于靶点。可使用如本领域已知的各种技术(例如，NMR、IR)以分析靶点/量规的结合结构。任选地，一旦发现结合量规或其它底物，使用量规组测量靶点/配体的结合结构。
在一些结合测试中，可同时或可能分别测试许多不同标记的量规，例如通过向共同使用的不同量规附着不同的荧光标记物和/或对不同的量规使用不同的放射性同位素。
任选地，结合测试(和/或功能性测试)可以包括改变各种环境参数，例如温度、pH和/或其它环境变量，例如以确定结合强度。
在本发明的示例性实施方案中，结合试验用于确定靶点活性区域外量规结合的基线水平。在一个例子中，特定量规与蛋白内α螺旋的结合度可从靶点类似物中获知。但与靶点的总体结合却包括与蛋白质非螺旋部分和/或靶点的靶区域结合。
在本发明的示例性实施方案中，已指明预期大量命中物和/或提供量规间的重叠。结果，由于低结合率所引起的噪音可能不是较严重的问题，采用较低的质量和/或较快的试验。在一个例子中，基于用于测验的量规间的重复三角形测量，联合两个测验的界线结果。
5.量规，概论
5.1示例性量规
图4A是根据本发明的示例性实施方案的示例性量规400的示意图。
量规400包括骨架402和分别通过键404、408、412和420附着于骨架402的四个化学部分406、410、414和422。这仅是示例性量规，因为所有这些要素的性质均可以改变，例如如下所述。特别地，一种或多种化学部分类型、化学部分数目、键的类型、化学部分和骨架间的距离、骨架的类型和连接骨架的位置可能因为不同的量规、量规组和/或本发明的实施方案而改变。
在本发明的示例性实施方案中，配合许多化学部分以定义测量。在本发明的示例性实施方案中，量规的目的是检测与那些化学部分相结合的相互作用区，这些化学部分限定了在各化学部分间测量的距离。测量与靶分子的匹配可以通过量规的结合而显示。在本发明的示例性实施方案中，测量的基本单位是由所有部分的亚组所限定的三角形(或其他的几何形状)。如下所述，三角形具有特定的性质使其适于一些实施方案。一般地，如果在一次测量中一个量规包括超过一定数目的化学部分(例如，对于线性测量超过两个化学部分，对于三角形超过三个化学部分)，可以由单一量规提供多于一次的测量。这样，在本发明的示例性实施方案中表明，在单一量规中限定了许多不同的三角形测量。在一些实施方案中有时，一个量规将包括唯一的一次测量，例如量规400仅包括单一的四-点测量而非四次三角形测量。下面描述了确定各种可能的测量中哪种是实际上结合的示例性方法。
一个三角形几何结构由虚线416、418和420显示，其定义了量规400的化学部分对间的距离。如上所指出的，在本发明的示例性实施方案中，量规的目的是检测以虚线416、418和420(例如，三角形侧边)所限定的距离处与那些化学部分(406、410、414)相结合的相互作用区。假定量规400仅包括化学部分406、410和414，那么量规400与靶点100的结合可用以指示三个相互作用位点，其适于结合化学部分406、410和414的类型适当地是分别由量规400所限定的距离。因为量规400限定多个三角形，量规400的结合显示由部分所限定的至少一个三角形结合。
图4B显示与靶点100在相互作用区45.、452和454相互作用的量规400。没有显示非相互作用的化学部分和其余的量规。
5.2测量中部分的数目
如所指明的，每一组许多的化学部分限定了测量。尽管在一些实施方案的测量中，本发明容纳包括不同测量混合的两个、三个、四个和/或其它数目的化学部分和/或量规组，在本发明的示例性实施方案中，所用的基本上测量是具有三个化学部分的三角形。使用三角形可以提供一个或多个以下潜在的好处：
(a)三角形限定了稳定的空间关系，当从结合结果在靶点区域的三维空间内″构建″模型时，其适用作单元组件。
(b)与四-边测量(例如)相比具有较少的可能三角形。这样，产生包括覆盖全部空间的测量的库所耗费的时间较少。此外，由于在本发明的一些实施方案中合意地提供测量间的重叠，如果其测量数较少，这样的重叠测量更易于提供。化学的限制可能阻止高级测量量规库的构建。
(c)三角形总是位于平面内(例如，三个点限定一个面)，其可能在数学上适用于重新构建方法。
(d)对于一些应用，三角形代表最低数目的结合点，这些结合点将导致与靶点活性区域的可测量结合。典型的药物包括六个或更多的结合点，经常多至十个或更多。相反地，高级测量可能过强烈地结合。在其他的应用，当然在测量中最佳的化学部分数目可能更高或更低。
可选择地，例如使用包括两个部分的测量限定行。或者或另外地，例如使用四价或更高价的测量，以限定更加独特的相互作用区的构型。在本发明的一些实施方案中，在量规组和/或在重新构建中，可能使用不同价测量的混合，例如2-点、3-点、4-点和5-点测量，其可以是或不是平面的。
5.3量规中化学部分的数目
在本发明的示例性实施方案中，量规中部分的数目在四至十之间，但是，也可使用较小(例如，三)或更大的数目。一些骨架可能受不同的化学部分数目、化学部分的位置和/或可能的化学部分组合的限制。如果化学部分限定不同的三角形测量，较大数目的化学部分通常是合适的。相反地，具有多个附着点的量规和/或具有许多化学部分的量规可能更倾向于化学部分间的空间抵触和/或其它相反的相互作用，其抑制了结合。
尽管骨架自身具有化学性质并可被认为具有化学部分，在本发明的一些实施方案中，这些性质可被忽视，例如在库设计期间和/或结合结果分析期间。可替换地，可以例如仅在分析期间和/或库设计期间考虑骨架的性质。
5.4化学部分的类型
在本发明的示例性实施方案中，选择化学部分以反映预期药物与靶点结合的键的类型。在本发明的示例性实施方案中，基于它们的化学行为选择化学部分。如果几个化学部分显示了特定行为，在本发明的示例性实施方案中，仅选择这些化学部分中最小的那个。在本发明的一些实施方案中，可与若干不同的结合部位相结合的多目的化学部分，用于代替只与一种靶点部位相结合的化学部分。所选择的化学部分的特异性取决于例如化学部分的总数、它们的大小以及化学加工的可控制性。应指出，一些化学部分是有方向性的，而一些则是无方向性的。当可得到的时候，非方向性的键可能优于有方向性的键。在本发明的一些示例性实施方案中，进行了粗分辨水平和高分辨水平两个水平的测量。更加特定的化学部分可能用于高分辨水平的测量期间。下面描述了任选地减少本发明的一些实施方案中所用的化学部分数目的其它的细节和方法。
下面列出了一种或多种可附着于量规的化学部分：
a.氢键供体。有方向性的键。
b.氢键受体。有方向性的键。
c.正电荷。非方向性的键。
d.负电荷。非方向性的键。
e.芳环。有方向性的键。
f.疏水基。通常非方向性，然而有时，例如环系，可能是有方向性的，优选垂直于环平面的方向。
不同的化学部分均可用于本发明的其他实施方案中，例如，同时提供一个或多个卤素、羰基、磷酸酯和硫酸酯键。应指出，不同的化学部分在它们的化学亲和力方面差异很大或者差异较小甚至可以忽略。在一些示例性量规组中，化学部分的亲合力间的轻微差异用于微调键类型间的测量差别。
至于有方向性的键，在本发明的一些实施方案中，假定该键具有充分的空间柔韧性使得较少数目(例如，七个)的不同的有方向性的键足以覆盖所有可能的键方向。可选择地，可使用较小或较大数目的键方向。任选地，量规库中有代表不同数目方向的不同的有方向性的键。方向的角分布可能是例如均匀的或不均匀的，取决于例如键型。
可以存在若干不同尺寸的疏水键。在本发明的示例性实施方案中，选择了两种不同的大小并由不同的化学部分表示。还可同时使用芳环，其作为过大的疏水部分。或者或另外地，芳环的芳香键与其它环和/或几种氢键相匹配。
上述选择的化学部分和方向导致25个独特的部分，其可附着于骨架。示例性的化学部分组描述如下。
在本发明的示例性实施方案中，使用了上述化学部分的亚组。该应用由氢键供体和/或受体转动的柔韧性组成。虽然这样的柔韧性一般降低了化学键合的概率，但是用于氢键部分的氢原子的质量足够地低，以至对于一些量规和测试而言，概率的降低无法实质地影响该测量方法的结果。
或者或另外地，允许芳环的转动柔韧性。尽管芳环的质量较大，但该环大的键区域补偿了由允许环的转动柔韧性所引起的键强度的降低。
或者或另外地，一些极性键可能由单一化学部分表示，比如OH，其既可作为氢键供体又可作为受体。
任选地，例如如果化学信息可以无缺失的收集，可使用更常规的化学部分并在库中跨越较小数目的三角形。
5.5组中测量的重叠
在本发明的示例性实施方案中，通过提供许多三角形跨越三角形空间整体，各三角形的参数具有充分的自由度(例如，键长、化学亲和力)，以便结合点的每个三角形排列可以预计与一个三角形相连至可测量的程度。任选地，在三角形空间内各三角形的覆盖范围与其它三角形的覆盖范围相重叠，以保证该空间没有未覆盖的部分。
如下面更详细的说明，在本发明的示例性实施方案中，设计量规库使得结合点的每个可能三角形排列出现(或在参数内部匹配)于多于一个的量规中。有时，无法提供精确的全等三角形，代替以大略全等的三角形(例如，相似的部分、边长)。这些全等三角形在三角形空间中可能具有同样或不同的覆盖范围。例如，假定提供了化学部分相同、边长如下的两个三角形：(3，4，5)和(3.1，3.9，5.2)(单位为埃)。这些三角形可以覆盖例如从(2 3，4)到(4，5，6)部分的三角形空间。
在本发明的一些实施方案中，至少一些三角形空间由一组具有重叠覆盖范围的三角形跨越。例如，对于三角形空间的相同部分，提供的三角形为(2，3，4.5)和(2.5，3.5，5.3)，二者有重叠但覆盖范围不同的。
尽管重叠可用于多种理由，例如，如下所述，其增加了库的大小。当提供重叠时，所用的重新构建方法任选考虑重叠。
6.重新构建
根据需要对许多量规重复过程300(图3)，测得的量规400与靶点100的亲合力任选用于重新构建相互作用区域102的空间分布的模型。示例性的方法描述如下。
在特定靶分子的示例性(理论的)描绘过程中，使用了75,000量规库，预期约400个量规将与靶点结合。由于在库中三角形的重复和/或由于在示例性库中非全等三角形的覆盖范围的重叠，由靶点区域所限定并与量规结合的三角形的实际数目较小。在一个(理论的)例子中，由靶点区域所限定并与量规结合的“实际”三角形的数目为100个不同的三角形。
考虑例如一个10-点药效团，这样的药效团可以包括例如10*9*8/6个三角形，其为120个三角形。在本发明的一些实施方案中，不是鉴别所有的三角形，例如，由于两三角形间的高相似性(在判别能力以下)或由于缺乏结合(例如，由于空间抵触)。该10点结构当然可以使用少于100％的三角进行重新构建，特别是缺失的三角形是随机缺失时。例如，50％的三角形是足够的。
然而，实际的情形更加宽容。典型的药效团可包括20个点，其中典型地仅需要8至10个点以提供较好的结合。这样，包括8-10个正确点的任何药效团结构均可用作药物生成的良好起点。还可利用更少的鉴别点，例如如下所述。
尽管各种方法可用于重新构建该布局，在本发明的示例性实施方案中使用两步法。首先，据测试结果估计“实际”三角形，任选使用聚类运算法。然后，使用这些三角形发现适宜的布局，任选使用基于搜寻运算法或聚类运算法进行评分。在其它实施中，可使用单一步骤的方法或多步法。
6.1三角形的提取
在本发明的示例性实施方案中，该过程的步骤分两部分，然而，在其它的实施中，这一步骤为单一部分或两个以上的部分。一部分是确定匹配的三角形测量。这一部分可能非常琐碎，例如，由于各量规包括多重三角形的事实。然而，量规间三角形的重复可以有助于区分。该过程另一个任选的部分是确定所涉及的实际距离，而非测量所限定的距离。例如，两化学部分间的实际距离可能是4.3埃，而结合三角形测量的距离是4和5埃。在本发明的一些实施方案中，从结合结果中估计实际距离4.3埃是合适的。任选地，通过在不同三角形测量的覆盖范围内的重叠而提供。
在本发明的示例性实施方案中，该过程的两部分提供于单一化合物过程，例如使用聚类。可选择地可以使用二步法。任选地，使用估计值和实际距离的迭代法，其中测量结合用于估计实际距离，而实际距离用于改善先前测量结合的估计值。
图5是根据本发明的示例性实施方案断定与靶点相连接的三角形的方法500的流程图；
在502处，为各种三角形限定了空间(由三角形部分所定义)。各这样的空间具有三维，每一维度代表三角形一边的长度。
在504处，在区域空间内{x，y，z}进行了注释，如果显示包括具有长度边(x，y，z}的三角形类型的量规与靶点结合。应该注意到对于两个不同的骨架，可能难以生成精确匹配的三角形。相反，三角形也许是几乎匹配的，例如具有稍微不同的边长。
在本发明的示例性实施方案中，使用二进制输入试验结果，即或者结合或者不结合。可选择地，例如如果观察到共形的变化(conformal change)或活性和/或结合的测量，那么结合强度可由连续的或阶梯式的振幅代表，使用命中物注释。
在本发明的示例性实施方案中，如果单一量规包括多重三角形，应在各相关空间内标记命中物。或者或另外地，如果单一三角形可匹配两个不同类型的三角形，例如由于在化学部分亲和力间重叠，也在多重空间内进行标记。任选地，标记的幅度归一化为由量规标记的空间的数目。或者或另外地，在各空间内提供不同的振幅，响应键连的先验概率。
在506处，命中物注释由空间伸展函数(spatial spread function)替代。在本发明的示例性实施方案中，伸展函数代表三角形以伸展所表示的不同距离形成键的概率。或者或另外地，例如，如果两个部分在它们亲和力中重叠，该伸展是在各空间之间。
可选择地，该命中物指示最初提供为伸展函数。
在本发明的示例性实施方案中，该伸展定义为
f = e - Δ x 2 σ x 2
这里Δx是边长间的差异，σx是表示弯曲分子以便形成键的困难的特征值。在本发明示例性实施方案中，σx是x的函数，例如 σx = a x . 在示例性应用中，参数“a”是1.414。也许，在空间内该伸展函数是不均匀的，例如，反映键的不均匀特征。任选地，至少一些伸展函数起源于经验，通过与具有已知模型的靶点在键之间具有受控制距离的结合量规。或者或另外地，这样的经验性测试用于其它目的，例如，用以确定键长中的柔韧性、化学部分的多重化学亲合性和/或伸展函数的对称性。任选地，靶点也根据它们的柔韧性分类。任选地，在迭代过程中，一旦估计出了模型，就估计和/或判断靶点的柔韧性，例如形成表格，并用于校正所用的伸展函数。
然后组合伸展命中物，例如通过加法，并在结果中寻找峰值(508)。在本发明的示例性实施方案中，基于它们的形状选择峰值。或者或另外地，基于它们通过阈值的幅度选择峰值。这一阈值可以代表例如需要连接的三角形的数目，以显示可能的匹配。对于所有空间，这一阈值可能相同或者不同。任选地，基于聚类统计学，例如从早先的经验数据表中选择该阈值和/或作出判断的方法。或者或另外地，选择该阈值以便寻找最小数目的匹配。任选地，如果有许多匹配的亚阈值，不同的量规组用于连接过程。已指出在本发明的一些实施方案中，对于任何给定的三重结合点通常有约12个或者更多个三角形预期可以结合。例如，较短的边和较长的边预期与具有它们间中间距离的一对结合区相结合。此外，各三角形类型可以出现多次，例如，在一些组中出现三次。在一些组中，三角形空间内的各(或一些)三角形点由24个三角形-8个三角形样式所覆盖，这些样式在不同的组合中有较长和较短边，如果各三角形提供三次，那么出现3次。其它的重叠可由不明确的部分提供。
任选地，通过分析空间和量规间的相关，还可寻找一些四-点几何匹配(或更高的)。
6.2布局构型重新构建
图6A是根据本发明示例性实施方案，从图5的方法的结果中确定结合区空间布局的方法600的流程图。在本发明的示例性实施方案中，该方法包括构建所有的根据已鉴别的三角形可以构建的构型(例如，三维形状)并使用评分法排列构型，最终选择最高分的构型。
在602处，可以从图5中所发现的三角形中构建构建所有可能的构型。可选择地，构建所有可能构型的计算机模型，在本发明的示例性实施方案中，特别地(ad hoc)生成所述构型。例如，连同如下所述的评分法，只有当其可能具有有用的分数时，可以构造该构型，或推进其构造。例如，一旦构型方案的分数低于迄今所发现的最高分，那么忽略那些较低的方案。
在本发明的示例性实施方案中，构造法为逐渐地组建结构。例如，只有当边长和/或部分与结构上部分对的边长匹配时，才给存在的构型增加一三角形。为了两边的匹配可以限定大小差异的阈值。或者或另外地，可以限定化学部分间匹配的阈值。任选地，化学部分要求在匹配边的末端匹配或具有重叠的化学行为。这样的阈值应取决于部分的长度和/或种类和/或量规和/或靶点的其它性质。已指出使用不同于第二量规的结合法可将第一量规结合于特定的结合区，只要该结合区支持两种结合法。
在本发明的示例性实施方案中，构型的构建是从一列可用的(键)三角形中相继选择三角形，直到所有的三角形至少使用一次。使用过的三角形可以留在列中以重复使用。可选择地，可使用模型组建该构型，根据亚组成和最终的三角形而构建各模型。
在604处，给各构型计算分数。这一分数任选是试探值(heuristic value)，该值显示源自于靶点构型的测试结果的合理性。可以使用各种评分方法。在本发明示例性实施方案中，评分方法基于构型中三角形特定的连接和/或三角形自身处于正确的第一位置的概率。
在本发明的示例性实施方案中，分数是对各共用的三角形边进行评分的产物。在本发明示例性实施方案中，两个三角形共用的三角形边的分数是两个三角形双方结合于同一对结合区的估计概率。在本发明的示例性实施方案中，分数是上述伸展函数对于x、y和z轴的产物。或者或另外地，可使用其它较简单的评分法，例如仅基于边大小差异的评分法。
在本发明的示例性实施方案中，该分数不取决于三角形的缺乏。例如，如果生成的构型包括没有适当的量规匹配的三点构型，不认为该构型不正确，也不减少分数。可选择地，可能响应在构型中发现的或在任何匹配量规上未发现的三角形的存在而减少该分数，例如，基于它们的计数。
或者或另外地，可基于直观推断例如描述典型的布局的规则而排除一些构型。或者或另外地，先前的信息用于排除一些构型，例如局部模型或与靶点结合良好的分子知识。
在606处，具有最高分数的结构被选为靶点结合区的图谱布局。正如所指出的那样，602-606可能作为反复的搜寻和构建方法而进行，例如使用特别组建的结构随着搜寻的进行并显示了高于阈值分数的结构(及其从属)。本领域已知许多适宜的搜索法，例如，本领域的图搜索和本领域的博奕树搜索(例如，对于象棋程序)。
6.3重新构建的变化
在本发明的示例性实施方案中，一个靶点可能有若干个活性区域。在本发明的示例性实施方案中，该重新构建允许重新创建不相交的构型结构，各不相交的部分代表一个靶点区域图谱。任选地，即使对于单一有效区域也需要这样的重新构建，如果与不相交的部分相互连接的足够多的三角形(例如，量规部分)无法相连(因为各种原因)和/或无法应用于量规组，这样连续的结构无法从所匹配的三角形中重新构建。
任选地，上述重新构建允许三角形在重新构建的构型中仅出现一次。即使三角形在实际构型中实际上出现两次(或更多)，那么冗余的相似三角形通常仍将能重新构建该结构。或者或另外地，允许三角形出现不止一次，然而，这可能影响评分，例如减少分数。可选择地，使用如下所述的迭代试验方法以阻挡部分靶点(例如，以适当的抗体或者小分子药物)并观察是否该三角形仍匹配。
任选地，允许用户干预，例如，以观察最终结构或若干候选结构。例如，如果无法进行测定，就需要人们基于例如人经验和判断和/或关于各种类型的靶点的附加信息在各选项中选择、推动某些匹配和/或构型部分和或根据考虑除去某些可能性。
应注意聚类和/或形状重新构建方法的一个可能的输出是交互过程和/或进一步药物开发的输入。例如，应用上述方法可以表明哪里缺乏形成完整结果的更精确的资料和/或在可能的解决方案中哪里是模糊的。
应注意由于单一应用三角形，所得结构可能具有镜像(例如，对称的)模糊。任选地，通过使用至少一个4-或更高的-点数测量解决了这一模糊，任选地仅在一个可能的结合中构造或选择。或者或另外地，空间抵触的影响用于区别两个可能性。或者或另外地，在先信息用于区别它们。
6.4可替换的重新构建方法
图6B是流程图620的可选择的构建方法，根据本发明的示例性实施方案对于形状的重新构建使用聚类。
在622处，从所发现的三角形组中选择三角形，发现其在图5的测验和群集中结合。这一三角形用作构造结构的基础。
在624处，从剩余的所发现的三角形中选择一对三角形，以便该两个三角形彼此共用一条边，同时每一三角形也共用部分该结构的一条边(例如，该结构的两条边可能是或不是相同的三角形边，取决于例如实际操作)。当将该三角形对加至该结构时，该结构增长一个空间点。
重复624(626)直到无法加入三角形对。这就完成了一个潜在的结构。
在624处经常有若干可能的选择，例如，选择三角形对和/或判断将它们增加到何处。在628处，通过624和626的三角形对及其位置的各可能选择而完成可能的结构树。这一过程可能为演绎的方法，例如，通过每次进行多重线索推导出可使用的多重三角形对和/或可附加在不同位置的这样的对。
在630处，通过选择所有可能的三角形作为基础依次(或平行)重复622-628。可选择地，可以使用从三角形产生所有可能的结构的其它方法。任选地，使用删除法，例如，如果一种结构显然不适合或无法利用大百分数的三角形(例如，30％、50％、70％或者任何较小的、中间的或更高的值)，除去该结构。通常，允许忽略的三角形数目越大，其将越易于提供结构(例如，即使低于噪声情况)。然而，该结构将由试验结果限制并较不可靠。
在632处，在所生成的潜在结构中寻找所有的亚结构。任选地，只寻找一些亚结构，例如，只寻找最大的或一定大小以上的。在本发明的示例性实施方案中，所应用的方法是用于寻找最可能结构的最大似然算法。
在634处，聚类这些亚结构，各点代表一种结构，在其中寻找亚结构。在本发明的示例性实施方案中，限定聚类空间的每一三角形类型(例如，三角形上部分的类型)且该空间由三角形的各边跨越该空间。这样，例如，在空间内标记20点结构的一个10点亚结构，该空间包括相同数目的部分类型作为亚结构，该空间内的区域由各点的三个Cartesian区确定(例如，对于10点亚结构有30量纲)。各种取向任选通过选择一定三角形处理，该三角形将为有方向性的基本上三角形。或者或另外地，以旋转对称的方式(或这样的分析)使用结构标记该空间以便可比较不同取向的结果。示例性的算法描述于R.Nussinov，H.J.Wolfson，″Efficient Detection of Three DimensionalStructural Motifs in Biological Macromolecules by Computer VisionTechniques″，PNAS，volume 88，pp.10495-10499，December 1991，该文献在此引入作为参考。
在636处，选择最佳的亚结构。假定，如果亚结构足够共有且足够大，那么其是正确有用的。在本发明的示例性实施方案中，应用阈值处理以仅选择结构和群集超过最小尺寸的那些亚结构。也可使用其它选择法，例如评分、例如基于相配的三角形对的积累分值(这一相配可以是构建期间的阈值，例如使用预置阈值)。
可选择地，使用寻找大的共有亚结构的其它方法。
应注意，尽管聚类分析方法可能产生没有使用全部三角形且不完整的结构，药物团的完整图谱对本发明的许多实施方案例如对于生成和寻找先导物并非是不可缺少的。
7.分析
7.1概述
上述测量和重新构建靶点区域的过程可用于提供大量的信息。该信息的质量和类型可能不同。下面是可用于分类这样的信息的参数示例性类型。
(a)完整性。该信息可能是完整的或是不完整的，例如，完整的靶点区域模型或仅部分区域的模型。
(b)实际的或者统计的。实际信息的例子是精确的模型。统计信息的例子是一组可能模型的一组相对的概率。
(c)独立性。信息可独立于其它信息，例如是精确的模型，或者其可以是依赖性的，例如其精确值取决于附加信息的参数模型。此外，使用上述方法取得的信息可用作不同过程的部分信息。
(d)证实。该信息可由其它信息支持或其可立足于自身甚至与其它信息相抵触。
(e)肯定性。该信息可以是肯定的，在于它显示了存在何物是合适的，或者是否定的，在于它主要用于除去某些可能性。
虽然所储存的信息可能是关于结合区的，有时，该信息也关于非结合区的靶点的几何结构。如下所述，例如几何结构将会影响药物先导物的有用性。
在本发明的一些实施方案中，该分析用于获得关于量规自身的信息，例如，它们的相对结合亲和力和/或它们的化学行为(例如，pH依赖性)。这样的信息可能是一般性的，或可能是关于目标组，例如因蛋白族的不同而不同，在同一族内相同。
人们可以理解，这样广泛改变的信息可经许多分析方法和许多应用所检验，其中一些方法和应用描述如下。特别地，一些示例性分析方法的目的是储存关于靶点区域的进一步信息并用于误差检测和分析，一些示例性应用被整合为药物发现过程的一部分。
有时，将分析结果整合到重新构建中作为几何的和/或化学的信息。或者或另外地，该信息与重新构建和/或靶点相关联，例如以类似于用作药物先导物的方式。这一方式通常取决于用以存储信息的数据库的类型。
7.2重新构建的检验
在本发明的示例性实施方案中，确定了错误的尺寸和/或布局的类型。在一个例子中，分析重新构建的布局以产生所用量规组的理论结合值。这些理论结合值和实际结合值之间的差异可用以显示不精确的部分布局和/或显示布局和/或重新构建过程总体的错误程度。
或者或另外地，应用物理验证，例如通过应用附加测试方法和/或测试库以在可选择物间选择或用于检验。
7.3结合强度
在本发明的示例性实施方案中，分析所生成的布局以估计靶点区域中结合点的相对结合强度。在本发明的示例性实施方案中，塑造重新构建的布局模型并计算量规组的理论结合值。实际结合值的变化可以由靶点区域亲和力的减少或增加而引起。这样的判断在本质上通常是统计学的，因为有许多变量影响结合率。然而，可以预期如果键的长度和类型已知且可以确定量规在靶点区域中的精确位置(例如，及其作用结果)，那么至少可提供结合强度的统计分析。任选地，通过分析性能已知的分子或通过比较不同但相似的量规-三角形的结合而提供基线。
7.4键间的相互作用
在本发明的示例性实施方案中，该分析用于确定不同结合点间的相互作用。例如，这样的分析可比较一个结合点对一些量规结合的贡献，与预期的(例如，基于能量和其它算法)和/或与该结合点对另一不同的量规结合的表观贡献相比。这可显示，例如，结合于一个相互作用区对相邻相互作用区的亲和力的影响。任选地，在靶点内使用电荷分配模型估计和/或塑造这样的相互作用的模型。
7.5几何分析
为了某些目的并具有一定程度的准确度，所确定的布局可以被认为是靶点区域的模型。在本发明的示例性实施方案中，分析靶点区域的几何结构。通过测定没有结合或以较低亲和力结合(在本发明的一些实施方案中，如果结合的几何结构相似，认为该较低亲和力归因于空间抵触)的量规以提供附加信息。这可辅助进一步限定靶点区域的几何结构。应注意，可由布局的几何结构预测一些空间的抵触。任何没有其它明显理由并且本该与所确定的几何结构相匹配的失败的结合，可认为是由于没有限定重要结合点的预定问题所引起的。下面进行了更详细的描述。
在本发明的示例性实施方案中，几何分析用于确定区域104(例如，图4B中所示的箭头440)入口的大小。洞口处的小孔和/或确定的部分可以排除某些药物大小和/或类型的可能性。或者或另外地，几何分析用于靶点的分类，例如，基于可作用的底物的大小。在本发明的示例性实施方案中，通过靶点区域104中部分的化学分析支持几何分析(例如，对于底物的测定)。几何结构的测定可用于判断使用怎样的小分子和/或量规的标记法(例如，如果入口小，不使用大的荧光标识物)。
应该理解为有时更易于重新构建靶点区域的几何结构，而非其化学结合模式，反之亦然。
7.6空间抵触的测定
在本发明的示例性实施方案中，空间抵触是在分析处理中检测的和/或用于提供关于靶点的其它几何的和/或化学的信息。在本发明的示例性实施方案中，在结合过程中通过比较不同量规与同样三角形的亲合力而测定空间抵触。这一比较任选考虑了一个或多个入孔大小、量规的化学行为、结合几何结构和/或其它结合区的匹配程度。例如，当量规和靶分子邻近或者潜在的重叠减少结合亲合力时导致空间抵触。
如已知的量规形状和，在本发明一些实施方案中相对刚性的，空间抵触可能预期由量规和/或骨架自身非-参与的部分所引起。
在本发明的示例性实施方案中，空间抵触用于生成接近靶点的与量规原子抵触的区域的图谱，这样可能显示靶点被占领(例如，被原子、电子场)的部分，其表面上不引起显著程度的与任何量规的结合相互作用。
在本发明的示例性实施方案中，该图谱用于提供关于靶点100活性区域的形状的进一步信息。或者或另外地，该图谱用于帮助药物研制，例如可滤除具有同样的空间抵触的潜在药物。任选地，可仅通过匹配本应该当却没有良好结合的药物几何结构与量规几何结构而实现一定水平的过滤。
几何的和/或化学的亲合性分析也可用于确定靶点的天然底物的形状，例如，如果没有清楚地认识和/或确定底物的哪一部分被区域104啮合。
7.7控制区域的鉴别
在本发明的示例性实施方案中，分析结合结果和/或重新构建以检测靶点的一个或多个控制区域。一般地，控制区域不与靶点的“主要”底物结合，相反与个别的激素或其它调节物分子结合。这一次级结合典型地影响靶点区域的结合行为。
在本发明的示例性实施方案中，通过它们的大小和它们与主要的靶点区域布局重新构建的不相交而鉴别控制区域。或者或另外地，通过与量规对(或在各种分子存在下，任选之前或在检测控制区域存在之后)的试验结合以检测量规内结合依赖性而鉴别控制区域。或者或另外地，通过重新构建的布局形状鉴别控制区。或者或另外地，通过在重新构建中不需要的和/或不合适的剩余的量规结合检测控制区域的存在。
在本发明的示例性实施方案中，取决于与控制区域的结合是合适的或是不合适的，控制区域的不同鉴别可用作筛选潜在的药物先导物。
7.8其他的图谱分析
根据本发明的示例性实施方案，靶点的图谱或模型可经分析以获得其它信息。例如，如上所指出的，控制区域或活性区域的结合点的距离可影响所开发的药物类型。例如，结合于控制区域的药物可能对靶点具有增强的影响，例如激动作用。结合于控制区域或活性区域附近或活性区域内部的分子，可以导致靶点对信号较不敏感和/或无反应例如拮抗剂作用。这样，在本发明的示例性实施方案中，靶点上结合区域的位置用于帮助确定所研发的药物预期具有何种疗效。
在另一个例子中，靶点外的结合区域可用于增强药物设计。所构建的(或发现的)药物可包括结合于靶点区域内的部分和结合于靶点区域外的部分。虽然结合于靶点区的分子可提供所需的疗效，但结合区域的组合提供了大于各区域分别提供的结合强度。或者或另外地，与两个分离区域结合的分子可以导致靶分子构象的改变或阻止这样的改变。
8.在药物发现中的应用
8.1概述
药物发现是发现治疗疾病的药物的长期昂贵的过程。该过程起始于鉴别被药物影响的靶点，发现潜在的影响该靶点的药物，然后确定是否任何的潜在药物是安全且可依赖的。通常，如果没有发现适宜的药物，就需使用各种方法修饰药物候选物以使其更加合适。药物发现过程困难的一个原因是难以知晓何种分子将影响靶点。如下所述，在本发明的一些实施方案中，本发明的方法用于至少部分地降低这一难度。药物发现困难的另一原因是潜在药物的许多未预料的副作用，致使它们不适宜和/或不可预期。同样，如下所述，本发明的一些方法可用于至少部分地降低这一难度。
典型地，药物发现方法致力于解决两个问题。一是有无/何种药物分子强烈地结合并影响靶分子。二是如何确保这些药物分子具有合适的ADMET特性(ADMET表示吸收、分布、代谢、排泄、毒性)从而在临床试验中获得成功。在本发明的示例性实施方案中，此处描述的方法、材料和/或装置用于选择、设计和/或瞄向潜在的药物分子，这些药物分子具有已知的或被认为可改善ADMET特性的化学特性。Lipinski规则是一个例子。应理解为通过知晓分子的哪些部分与结合相关以及哪些不相关(假定，例如通过比较分子与靶点模型)，人们可方便地修饰(或预先计划)潜在的药物先导化合物以紧密地结合和/或达到任何较好明确的性质。
一般地，上述方法以及尤其是靶点的各种模型可用于选择构建图谱的分子或研究方法并可排除无用的分子或方法。上述测量过程的应用还可如下描述，例如使用其它描绘步骤以校正理论。如所期望的，药物发现的不同方法(已有的或新的)可通过使用本发明的示例性实施方案受到不同的影响。
应理解为，本发明的各种实施方案应以自动的方式执行。然而，由于考虑到昂贵的成本，在本发明的一些实施方案中，该应用为半自动的，例如使用改变发现过程的方法，例如通过添加过滤步骤或候选物生成步骤，同时仍允许人的判断，例如，判断是否达到了某些归纳的模糊标准。在一些例子中，使用人的智慧控制整个过程的各种步骤，例如，人工进行描绘和/或排除先导物。改变阈值和重复进行的步骤是留给人进行判断的例子。
8.2药物的生成
一个相对新的药物发现类型实际上是药物生成，设计具有合适的功能的新分子。在本发明的示例性实施方案中，上述靶点的化学的和/或几何图谱用于辅助此过程。例如可通过显示药物的活性部分必需具有的形状(或限制可能形状的范围)而辅助合成。
在本发明的示例性实施方案中，药物合成包括从库中取出量规并进行修饰，例如替换部分，以便它们更好的匹配靶点。有时，替换部分具有相同的亲和力但不同的连接强度，例如选择NH2或OH作为氢键供体，并选择疏水部分的最佳尺寸。应理解为基于强度的化学部分分类还可用于库的构建，例如，提供氢键供体的多重强度或多重尺寸或疏水部分。一个可能的应用是获得部分间结合强度的较好均一性。另一个是提供具有较高精确性的库。
在本发明的示例性实施方案中，用于药物合成的骨架和/或分子部分作为靶点描绘过程的结果而构建。例如，通过分析靶点的几何结构，发现了跨越(与附着部分一起)大部分靶点空间的一组骨架。该特定的骨架可以由例如亚骨架构建或从化学库中选择，例如使用与下面描述的寻找库中的量规相似的方法。例如基于在一族靶点或在一列普通的靶点中化学部分怎样群集的统计分析，可选择化学部分组或化学部分群集组。任选地，在描绘许多靶点的过程中收集统计信息。任选地，所选靶点是预期的其它靶点的例示。当然应预期到，使用这样的合成方法有时无法产生最佳的药物，但所合成的药物可能是药物优化的良好起点。
8.3先导物的生成
通常先导物的生成较药物合成更简单，其中生成了并不期望是合适的药物的先导物，然后使用本领域已知的方法提高和修饰。在本发明的示例性实施方案中，为了合成为药物先导物，使用图谱描述潜在的分子。在本发明的示例性实施方案中，图谱用作一组限制条件并进行搜寻以发现符合限制条件的分子。其它的限制条件可以是，例如已知的合成方法、用作起点的基本上分子。可使用的示例性软件为MSI(USA)销售的LUDI。LUDI系统通过将基本上的化学组分连接在一起而进行操作，从而获得所需的药效团-匹配或其它分子。
然后可以合成潜在的分子并开发成药物，如本领域已知的。
在一个可选择的方法中，潜在的药物分子可通过将量规库的分子或其它具有适宜的化学部分或结构的分子连接在一起而构建，使所得分子比单一量规具有更高的亲和力。然后优化这一分子，例如除去不必要的化学部分和/或添加化学部分以提供各种所需的性质。任选地，使用骨架附着量规，而非相互间直接相连。任选地，分析连接怎样的量规(例如，使用群集)，可以获得连接的片断的所需大小和/或化学性质的较好估计。例如，连接在一起的两量规的选择可基于附加的(或其它量规)实际结合例如，2、4、5、6或更多的量规。对于结合的每一组这样的量规，选择用于连接的最佳量规或其它分子。或者或另外地，特异性较高的量规用于确定量规的几种可能三角形测量中的哪种实际地连接。通过例如从存在的量规除去化学部分(或使用本领域已知的任何方法产生这样的量规)可以生成这样的特异性较高的量规。这样的特异性较高的量规还可用于本发明的其它实施方案，例如以改善群集统计。但是通常，由于这样量规的数目可能相对较大，当有限制可能的量规范围的方法时可以使用这些量规。可选择地，创建大量的更加特定的量规例如具有1、2、3或4个三角形的量规，以用作量规库或量规库的一部分。
在本发明的示例性实施方案中，靶点结构的知识用于正确地定位连接物和/或选择不与靶点空间抵触的合适的连接物。
在本发明的示例性实施方案中，选择量规用于连接而非实际构建模型。相反，选择实际结合量规并连接于一起。可选择地，该模型用于判断连接哪些量规以及怎样连接。这一模型还可用于其它的先导物-连接方案，例如如背景技术中所描述的，以引导选择连接哪些片段、提供怎样的连接长度、在哪里附着和/或附着于什么方向。任选地，从量规逐步构建先导物，并测试每一步以观察是否实现了预期的行为。
或者或另外地，代替使用此处提供的模型，而使用不同类型的模型，例如与量规结合的靶点模型，例如使用X-射线结晶图谱法和/或NMR所产生。例如，每一次使用许多量规均可生成一次的这一模型可用于判断当从量规创建先导物时提供怎样的连接距离和类型。或者或另外地，可设计并构建在结晶模型所显示的一些或全部结合区域中具有结合点的新分子，例如对于两个、三个或更多的量规。一般地，这一类型的方法假定一旦知晓结合靶点-量规对的构型，就无需精确的模型，因为可提供实际的顺应信息。或者或另外地，如此处所指出的，可由键靶点组成测量。
8.4先导物的描述
在本发明的示例性实施方案中，图谱用于描述一种或多种分子特性，这些分子预期作用于靶点。在本发明的示例性实施方案中，考虑一种或多种生成的特性：
(a)相互作用区布局的几何结构；
(b)相互作用区的亲和力；
(c)活性区域入口的大小；
(d)潜在控制区域的鉴别；
(e)合成能力；以及
(f)伸延性，例如可附着的其它部分的伸延性。
典型地，分子需要至少五或六个键以在靶点中形成足够强的停留，从而在纳摩尔浓度影响靶点。精确的数目取决于例如相互作用区的亲和力。单一靶点通常将提供大量可能的特性。这些特性可能与库不相匹配，例如使用本领域已知的方法。
在本发明的示例性实施方案中，使用匹配于特定搜寻软件和/或库数据结构的模式以生成这些特性。在本发明的示例性实施方案中，提供了通过药效团的搜寻，例如MDL的ISIS库中已知的方法(当搜寻3D库时)。
8.5先导物的搜寻
在本发明的示例性实施方案中，图谱用于在已知分子库中搜寻可能的匹配。可能地，在已知的虚拟扫描技术中，图谱用于代替靶点分析模型。在本发明的示例性实施方案中，预处理库以便以用于测量靶点的布局模型和/或量规的化学部分和几何结构描述库中分子。或者或另外地，预处理现有库获得关于其内容的量规相容性描述，例如，基于测量量规每一分子被定义为参变的模型。应指出，这一描述可能不是一-对-一的描绘，例如，由于化学部分化学行为间的重叠，同一分子可使用两组不同的化学部分进行描述。
在本发明的示例性实施方案中，基于它们在所需位置包括或能够包括的大量化学部分而鉴别潜在的先导物，如图谱所示。在一个例子中，对3点或更高的(例如，4、5、6、7或更多)匹配进行这一搜寻。在另一个例子中，测验库中各分子在所需位点所包括的化学部分的数目和附着点附着缺少的化学部分的可行性。在本发明的一个示例性实施方案中，一个接一个的添加缺少的化学部分直至创建了适宜的药物先导物(例如，足够强的结合)。
示例性的搜寻是通过MDL的ISIS库进行的。
搜寻的可能类型包括仔细检查所搜寻库中所有可用的3D结构、将它们分为药效团点的组和/或亚组并寻找该搜寻所限定的容许范围内的合适物。
8.6先导物的排除
在本发明的示例性实施方案中，上述方法的结果用于排除表现不适宜的先导物。在一个例子中，如果上面模型暗示缺少结合和/或有空间抵触，那么排除该先导物(或先导物族)。在另一个例子中，假定如果先导物是合适的，先导物上化学部分的一个三角形(或其它数目)相对应的量规预计与靶点结合。如果没有发现这样的量规或数据分析暗示量规中三个部分的三角形结合概率不易于发生，排除该先导物，或进行其它筛查。或者或另外地，一些规的匹配也可预示先导物是不合适的。
在一个例子中，本领域工作者使用用于确定是否一定先导物易于被优化(合理地)的信息。例如，可预期，通过直接添加或除去特定的化学部分(例如，通常被认为是分子中主要类型的小变化)可显著改善亲和力(通常需要至少3-4个数量级)。通过知晓应该或可以进行怎样的改变(例如，哪里需要添加额外的点，哪些信息可由本发明的实施方案提供)，人们可判断是否可对一个特定的先导物进行所需的改变，例如使其推定的附着点位于正确的位置。特定的量规(例如，结合的)将显示所需的改变可以是怎样的。
这些方法还可用于排除某些在先导物强化过程中提供的先导物修饰。
应指出，一些先导物排除方法不需要所能提供的所有可能的量规和/或三角形测量。相反，即使部分库仍适用于例如排除某些先导物。在一个例子中，使用部分-跨越的库产生部分图谱(例如，部分空间、不相交和/或不完全连接的点)，其可用于排除一些先导物和/或显示其它先导物潜在的稳定性以及用于搜寻。此外，即使单一量规的结合或结合失败可能显示先导物的稳定性或缺乏稳定性。一般地，由于此时涉及所有化学过程的不确定性，无法基于单一结合测试作出判断。
8.7靶点描绘
在本发明的一些实施方案中，在发现过程中测试量规结合。在一个例子中，该结合用于检验关于先导物的理论或假设。例如，如果一定先导物预期是适宜的，几个特定量规中至少之一可预期结合。先导物可基于例如这样的目标结合的情形而排序。或者或另外地，作为开发过程的结果可重新描绘一部分布局。例如，该开发过程可显示布局结构的抵触事件。在另一个例子中，可能需要较高分辨率地描绘部分布局，从而例如更精确地确定两部分间的距离。有时，不同于使用全部的量规组，基于它们最易于结合(或不结合)于特定的合意布局部分而选择量规。例如，如果需要测定布局上两点间的距离，那么选择较不易于结合于该布局其它点的量规。在另一个例子中，所用的化学部分更加具体，例如，具有更加限定的化学行为指令和/或具有更大的方向性。这可能需要使用不同的骨架。也许每一个用于这样的描绘的量规具有较少的三角形，例如一个至三个，从而减少意外的结合机率。或者或另外地，选择量规以便立体抵触阻止在不需要区域的结合。有时，这些量规不在用于最初测定布局的基本上的描绘库中。有时，所需量规经特别合成而不是从现有库中选择。
8.8靶点适宜度检测
在本发明的示例性实施方案中，图谱用于测定一个靶点作为药物靶点的适宜性。适宜性的值可以是例如二进制或可以分级(离散的或连续的)。在本发明的一些实施方案中，适宜性的值不是标量，例如而是矢量，每一矢量要素显示适宜性的不同方面。相似性的结构可用于显示先导物和潜在药物的适宜性。
使用靶点适宜度检测的一个例子是存在许多潜在靶点时。例如，在一些疾病中，有可能在许多靶蛋白间进行选择，或在蛋白合成链(例如，DNA转录、蛋白链创建、蛋白折叠、蛋白后加工和蛋白解聚)中选择不同的部分。一些这样的潜在靶点可能时不适宜的。
在本发明的示例性实施方案中，可分析图谱以检测这样的适宜性，例如，通过排除具有太大活性区域的靶点(对于一些处理类型)。靶点区域的大小可从布局的几何结构而获知。或者或另外地，具有太过一般活性的(非特异性)靶点区域的靶点可被认为是不适宜的，这可通过例如分析所测定的靶点布局的特异性而确定。或者或另外地，由于其活性区域的亲和力非常弱(例如，可能需要具有许多结合点的大药物分子)，该靶点可被认为是不适宜的。或者或另外地，与看家蛋白相似的靶点可能被认为是不适宜的。这一相似性可通过比较该靶点的布局与已知看家蛋白的布局而确定。与任何人类蛋白的相似性可以辅助提前确定潜在的副作用。在先导物分级中，可基于先导物妨碍看家蛋白的机率评价先导物，其任选可通过核对先导物与看家蛋白的模型布局的结合而确定。
在本发明的示例性实施方案中，提供了看家蛋白布局的数据库。这样的数据库可使用本领域已知的方法提供。或者或另外地，至少部分数据库通过系统地描绘看家蛋白而提供。或者或另外地，基于作用于该蛋白的底物的结构知识，通过产生“最差例”靶点区域几何结合构或活性区域可能的几何结构范围而提供至少部分数据库。这样的最差例靶点区域还可用作在先信息以辅助判断几种重新构建中哪一种是正确的。
8.9靶点的分隔
在本发明的示例性实施方案中，图谱用于鉴别潜在的“精确”靶点的靶点部分，且药物开发的方法可以基于其上。尽管该靶点整体是药物影响的对象，但其可受许多方式的影响，例如，不同药物可阻碍活性区域的不同部分。或者或另外地，一些药物可引起构象改变。或者或另外地，一些药物可与靶点上的控制区域相互作用。或者或另外地，一些药物可以是激动剂而另一些为拮抗剂。或者或另外地，一些结合区域可适用作平台(例如，作为附着距靶点区域较近的分子的基底)而非直接的活性。结合区域可基于效果的类型分类，其效果可根据结合于那些区域的分子推断。这一分类可以是例如人工的。或者或另外地，例如基于靶点模板的结构，可提供自动分类(例如，其显示对于一定类型的蛋白，该蛋白的各区域可能由怎样的作用)。
任选地，鉴别可改变靶点的潜在控制区域。可能地，基于结合测试中的结合鉴别这样的控制区域。任选地，靶点模型用于评价潜在控制区的结合是否可导致构象改变，例如基于蛋白不同的相邻部分上相互作用区的接近。
在本发明的示例性实施方案中，基于具有与药物相互作用潜能的亚区域，例如基于它们的几何结构将活性区域分为不同的“精确靶点”。或者或另外地，基于选择与相似的看家蛋白亚区域不同的这样的亚区域而进行分割(例如，分割成特别的共有的结合区域)。
8.10药物和先导物的分析和强化
在本发明的示例性实施方案中，上述布局用于分析现有药物或药物先导物例如以辅助改善或重新装配药物或辅助筛选。
在本发明的示例性实施方案中，该布局用于确定靶点上许多复杂的靶点区域的哪些与药物相互作用或许多可能的靶点中哪一靶点可与给定药物相互作用。该方法可用于例如分析作用机理尚不清楚的药物的效果。
在另一个例子中，分析该药物以确定药物的哪一部分与靶点结合。这可用作修饰药物的过程基础，其中保留药物的结合部分并修饰药物的其它部分。或者或另外地，当修饰药物时，注意不能扭曲药物的活性部分使得其无法结合或扭曲药物整体从而导致空间抵触。
应指出，单一药物可能与两个不同靶点以合适的方式相互作用，各靶点与不同的可能重叠的药物部分相互作用。这样的药物活性任选通过比较药物结构与靶点结构而确定。
有时，药物(或蛋白底物)的精确空间和化学性质未知。但是，通过确定与药物结合的靶点布局，可估计药物(或底物)活性部分的空间和化学布局。
在另一个例子中，该布局用于确定合成副产物的药物活性。当使用特定过程制备药物时，也产生了各种副产物，一些具有有益活性而一些具有无益活性。在本发明的示例性实施方案中，比较这样的副产物的结构与靶点和看家蛋白的靶点区域以试图估计它们可能导致怎样的副作用。假定特定过程所产生的副产物的类型和含量均可确定，基于如此估计的副产物的活性，任意地选择或排除药物的制造过程。或者或另外地，这样的比较可用于辅助改善制备方法和/或判断使用哪些合成参数。该测验还可用于常规目的，例如许可或不许可的普通药物。
8.11药物的选择
在许多时候，可能有许多的药物可治疗同一疾病。药物影响哪一靶点(和看家蛋白和/或其它人类蛋白)以及其怎样相互作用的知识可用于在可选择的治疗中进行选择，从而防止副作用、预防或控制药物-相互作用，和/或可用于选择对于某些疾病的治疗，这些疾病没有选定明确的药物例如外来热带病以及一些病毒疾病。
在本发明的示例性实施方案中，靶点的布局用于选择许多可用的药物或表明最适合与靶点相互作用药物先导物。对于药物，这可允许选择可替换的治疗协议。此外有时，相互作用方法的知识将辅助选择那些使得药物最为有效和/或具有最小副作用的给药次数和/或相关的方案和/或药物组合物。
或者或另外地，药物设计为与许多靶点相互作用。例如，与多靶点(例如，相同或不同疾病或综合征的)或靶点区域部分相互作用的先导物可被奖以较高的分数用于进一步的推进或引导。
可能相关的应用是发现旧药的新用途和/或辅助确定怎样修饰旧药从而使其具有新用途。例如，当搜寻匹配模板的先导物时，还可通过药物数据库搜寻，以观察哪一药物具有由建模过程所预言的提供良好结合的结构。一般地，现有药物具有其它的性质(ADMET)。
8.12药物的强化
如上所指出的，相互作用方法和/或与靶点区域相互作用困难的知识可辅助修饰先导物使其称为药物。或者或另外地，这样的知识可用于增强现有药物和/或修饰药物以与涉及现有靶点的靶点相互作用。通过比较两靶点的布局，例如，可以确定药物中可能有益的改变。或者或另外地，靶点区域的布局可用于评价药物与靶点的结合问题(例如，太强或太弱)和/或确定药物修饰对这样的结合行为的影响。在本发明的示例性实施方案中，潜在的药物结合时，针对模型进行评价，以确定是否存在可理论上添加的部分，在结合区域哪一点将与另一点结合。
或者或另外地，药物的强化包括强化药物使其匹配多于一个靶点，或许多靶点的变异体，例如包括一部分结合一种变异体而一部分结合于另一变异体，例如，在HIV中一些蛋白具有两种主要的变异体和无数的亚变异体。这一强化可干预药物的其它性质，但折衷考虑是有效的。
或者或另外地，药物可设计为结合于许多靶点或变异体共有的结合点的亚组，例如，分析许多靶点模型以确定共有的结合点。然后任选应用假定只有这些结合点存在的各种药物发现的方法。蛋白药物的实际测试可在多个靶点上进行，从而确保药物的各种修饰没有使其无法结合于其中的一个靶点。或者或另外地，当进行修饰时，应确定是否修饰后的药物将结合于共有的结合区和/或有无立体抵触。应指出，可能有其它的动机以发现仅结合于可能的结合点亚组的药物，例如，如果预期结合点之一变异和/或即使妨碍分子结合于一个结合点仍要允许药物有效。
8.13药物失败分析和再设计
通常，药物将推向市场然后失败。此处描述的方法可有效地确定失败的原因然后可能辅助挽救该药物。在本发明的示例性实施方案中，产生了药物靶点和/或其它被认为与药物相互作用的蛋白(例如，基于副反应的类型)的布局。然后比较药物与靶点以确定结合预正确靶点的失败和/或与非靶点的无需的结合。应理解为，虽然这样的比较可以是理论上可能使用的其它方法，人们相信在有效地描绘靶点之前，由于时间和成本的限制，这样大规模的对靶点活性区域建模是不切实际的。
在本发明的可选择的实施方案中指出，例如由于个体差异，药物可能仅适用于部分人群。在本发明的示例性实施方案中，表达意外靶点和/或靶点的基因用于重新构建模型或靶点样本然后描绘该模型的活性区域。该结果可以显示个体对药物的敏感性和/或不同个体对药物作用的抵抗。或者或另外地，该测验可用于测试病原体株，以确定对药物的不同敏感性。有时，基因变异与已知的标记物相关，例如对磺酸盐的敏感性与G6PD缺陷对于磺酸盐的缺陷有关，这样就可以简单的将人群分为与药物相容的类别。可选择的，可在选择用于人体的药物之前应用基因测试。
8.14与分析相关的其它药物发现
其它的分析方法还可强化药物开发过程。例如，由于许多药物与看家蛋白或与如果相互作用会导致不舒服感觉的蛋白相互作用，它们具有副作用。例如包括GI蛋白和肝蛋白。一些药物靶点已知与这样的蛋白相似。在本发明的示例性实施方案中，生成这样的潜在副作用生成物的模型。如果表明潜在的药物先导物与这些被禁止的模型相结合那么排除该先导物(或给予较低的分数)。或者或另外地，分析具有已知副作用的药物以确定它们所连接的蛋白，且这一蛋白和/或特定的结合区用于限定潜在药物的结合抑制。
在另一个分析例子中，分析潜在的药物分子以观察是否它们作为底物结合于某些酶。这样的结合可显示药物失效的速度或其排泄。或者或另外地，这样的结合可用于鉴别前药，通过它们与某些酶比如肝酶的相互作用而活化。此时，药物可包括两组活性区域，一组用于活化药物，另一组用于将药物结合于其靶点。任选地，通过向药物分子的适宜区域添加结合部分或量规可确保结合于蛋白酶(或其它操纵蛋白)。
在另一个例子中，分析一组完全已知受相同蛋白或分子影响的靶分子从而确定它们具有相同的结合几何结构以与该分子结合。这可以帮助例如微调该分子以更加选择性地结合，例如通过添加将干预其它靶分子和/或辅助结合于特定靶分子的化学部分。
8.15流线型的发现过程
如可理解的，发现过程典型地包括穿过各种死胡同。在本发明的示例性实施方案中，靶点的描绘用于选择易于失败的发现过程部分并防止试用。一些例子(其中一些描述于该申请的其它地方)包括撤消似乎不适于改善的靶点、鉴别易于具有副作用的靶点和清除库。在本发明的示例性实施方案中，通过从库中除去预期低结合机率和/或似乎与其它分子重复的先导物而清除现有的库。例如，非常柔韧的分子不易于结合。可以估计结合的机率，例如使用基于分子自由度的能量考量。
8.16效用的生成
虽然许多蛋白和分子被编入目录，但其中许多并没有已知的效用。确定蛋白或分子的准确效用可能需要非常大的花费。在本发明的示例性实施方案中，以如下的方式可大规模地研究分子和蛋白的效用。一定分子可能具有作为量规或作为先导物或药物的效用。在本发明的示例性实施方案中，将现有的靶点区域布局例如10、50、100、1000或任何更小的、更大的或之间的数目与分子相匹配以观察是否易于结合。预期需要这样的分子将证明有潜在的效用。一般地，更多的匹配需要更多的工作，但增加了成功的可能。
蛋白的描绘以相似的方式提供了其活性区域形状、潜在的底物和/或可能影响其的潜在药物的指示。在本发明的示例性实施方案中，通过测定其底物发现蛋白的效用。任选地，对该蛋白活性区域布局与已知底物和蛋白的结构进行比较。
在此方式中，库以及个别药物和蛋白可被称为具有预期的效用。例如，该蛋白可以是任一如下的蛋白家族：GPCR’s、蛋白酶、蛋白激酶、离子通道信使蛋白或活有机体中发现的任一类型的蛋白或其它大分子。
9.示例性的发现应用
9.1概述
在此部分中将描述现有的发现方法，以及考虑到此处描述的方法可能的修改。
虽然已知许多药物发现的许多途径，下面的两种主要途径通常包含现存的方法。
9.2基于筛选的药物设计
此开发方法是通过靶点筛选大量作用该靶点的分子然后尝试强化任何的匹配从而产生药物。其过程如下：
(a)提供用于筛选的通用化合物库，其与所有靶蛋白同等相关。这样的库的典型大小大致以每十年一个数量级的速度不断增长。目前的典型大小为1百万-1千万。该库通常由各公司独立拥有且维持。
(b)针对所选靶点筛选公司的库。寻找展示了至少弱活性(有意义的活性的典型浓度1-100μM)的化合物，该活性为与靶点相关的所需类型。
(c)如果没有发现命中物，该过程到此结束。显然地，这是常常发生的情况，可能高于70％。如果发现命中物，启动优化期，该期的终产品预期是对靶点具有强活性(典型地浓度nM)的化合物。在如下的两种方法之一或其组合中使用该过程：
1.只有一个命中物或所有命中物均是一个分子母体的变异时，合成大量的该命中物的类似物。这一组化合物有时被称为“核心库”。这些化合物也针对靶蛋白进行筛选。其目的是通过鉴别原来命中物上提高活性的化学部分及位置，确定提高原来命中物活性的优化方向，这一过程被称为QSAR(定量构效关系)开发。
2.如果许多化学组被确定为命中物，进行确定可能的药效团(直接涉及命中物与靶点结合的分子结构)的计算过程。这不仅可显示优化的方向，还显示了特定的分子起点(既从物理的观点又从化学的观点)的可行性。
(d)药物样性质一般是该过程的副产物。通常选择起始筛选库中具有药物样性质的分子。在优化过程中，只有小部分信息是有效的以至在直接控制下很少能同时满足药物样需求且提高了活性。从该过程得到的最终药物候选物与起始筛选库中的命中化合物极为相近。
(e)测试。测试药物候选物，例如在活的动物模型体内然后在人体内，以确定其效能。许多药物候选物此时失败了，或者由于缺乏任何修饰的基础而彻底失败。
在本发明的示例性实施方案中，上述发明方法可用于改善上面的药物发现过程，例如一种或多种：
(a)命中率。如上所述，多数情况中没有发现新靶点的命中物。通过产生该靶点的图谱，可更好的选择用于筛选的先导物。根据非常弱的活性以及与图谱匹配情况的联合指示，即使亲和力非常弱的先导物也可选用于进一步的改善。或者或另外地，将设计量规库的方法用于分子库，以减少重复并辅助确保覆盖结合空间，例如，可通过分析该库以确定三角形空间内的量规和/或此空间内不均匀分布的先导物。此外，可确定过度重叠。或者或另外地，可分析该库以确定不易于结合的分子，例如，由于它们过度的柔韧性和未知的结合参与者。或者或另外地，如果在该期内进行筛选，可基于它们较少的相互重叠而为各期选择分子。
或者或另外地，至少在该过程的第一期，可忽略一些结合结果，例如具有高柔韧性的分子可能添加太多的噪音(以多种方式与许多分子结合)因此被忽略。
或者或另外地，结合的量规自身可用作先导物(并可预期许多这样的结合)。与公司库相比量规库常常较小，并可加入相对小的障碍限制。在本发明的示例性实施方案中，来自“旧”库的结果将用作优化的起点(如前)但将在从使用量规筛选所得的信息指引下进行优化。可能地，量规库结合测试使用相互作用的先导物在靶点上进行。这一类型的测试可用于测定是否先导物(或库中的分子)与活性区域相互作用(例如，基于是否以及其影响量规库结合的程度)。该测试与使用其它结合先导物和/或不结合先导物的测试相比较。先导物化学的效果可通过在存在一种或多种化学相似但不相互作用的先导物的存在下核对该测验而确证。
(b)过程引导。如果以对靶点绘图且已知先导物起点，有许多方法强化先导物以生成药物。在本发明的示例性实施方案中，靶点几何学和/或化学行为的知识用于辅助直接的修饰过程、使用虚拟物替换实物实验和/或辅以选除(可能地)无用先导物。此外，应指出，先导修饰物的各种组合生成可经仅选择那些对靶点布局和/或基于先导物的三维结构(例如，通过核对哪些先导物和先导修饰物显示了哪些三角形)有意义的(或最有意义的)先导物而简化。任选地，由确定的布局和先导物的实际结合活性所预示的结果之间的不匹配可用于校正布局、更好的理解先导物的化学性质和/或预示可能有希望的其它先导物。
(c)药物恢复。即使药物在最终的测试期失败了，在本发明的示例性实施方案中，上面方法可用于确定失败的原因和/或提供重新涉及药物的指导。
9.3另一种基于筛选的药物设计
最近，化学基因组学(chemical genomics)非常流行。其基于这样的思想，代替首先发现靶点然后发现作用的化合物，应用相反的过程：首先对于整体细胞测试筛选化合物，寻找表型结果(例如，癌细胞的选择性死亡)。然后一旦发现活性化合物，就寻找靶点。此方法一个可能的优势在于在多个靶点中平行进行，其中许多靶点甚至可能未知。然而，现存的筛选库无法保证发现命中物。在本发明的示例性实施方案中，使用此处描述的量规库并预期有许多与细胞相互作用的量规。虽然此相互作用可能较弱，可预期这样的相互作用的数量并不少。
9.4基于结构的药物设计
此方法假定使用模拟分子过程的准确模型软件。其过程如下：
(a)获得靶蛋白准确详细的三维结构。通常是通过X-射线结晶学或NMR分析(均为实验性的)。还存在计算机途径，但一般不够准确。
(b)鉴别蛋白结构中的活性位点(对于新的不熟悉的靶点不总是直接地)
(c)鉴别活性位点中的相关结合点，也称为药效团点。其是可发生弱(非共价)结合的位点。潜在的配基必需同时满足一定数量(通常是6个或更多)的这种位点才能达到nM的亲和力。
(d)设计“适合”活性位点的分子，既有合适的几何学性质又满足足够的药效团点。该期和以前的各期均使用“对接”或分子机理型模拟软件进行。
在本发明的示例性实施方案中，此处描述的创造性方法可用于改善上述药物发现过程，例如一种或多种：
(a)连接结构。在许多情况下，蛋白的3D结构自身明显具有较少用途。许多经验表明很难仅基于这一(例如，几何学的)信息设计强的结合物。在本发明的示例性实施方案中，应该注意到，靶点与结合配基的3D结构中存在有用的信息。虽然起先并不知道这样的配基，在本发明的示例性实施方案中，使用与靶点结合的量规代替这样的配基，预期会发现大量这样的靶点。在本发明的示例性实施方案中，应用量规结合过程然后构建连接有不同量规的靶点模型(例如使用NMR或X-射线结晶图谱)，可能进行多次。具有连接的量规的靶点区的形状预期可用于使用本领域已知的方法设计强结合物。可能地，例如可修饰已知的方法，以联合由不同量规的不同结合区导致的不同构型的结果。任选地，提供的多结合量规(例如，5、10、25、50、100或任何更小的、之间的或更大的数目)将辅助确定靶点的结合模式，还可能通过提供部分结合模式增强对结合模式的理解。通常，提供多个量规，意味着更多的工作，但是可提高分析的准确性。
在本发明的示例性实施方案中，连接的结构由许多量规的组合产生，例如通过与作为参考的靶点的重叠。这一重叠可获得靶点结合区域的整体模型和/或完全结合的构型，而非各量规可提供的一定部分。
(b)比较。在本发明的示例性实施方案中，由模拟模型确定的活性区域的形状与描绘过程所确定的形状进行比较。两者间的差异可辅助校正描绘/重新构建方法或校正模拟模型。任选地，该模拟模型用于在可选择的重新构建间选择和/或辅助调整重新构建，例如，通过辅助计算更准确的距离和/或显示在结合中起效的可能部分。
(c)鉴别结合位点。一般地，建模软件不够准确无法预测蛋白靶的结合点。也难以鉴别活性区域。对于新靶点尤其如此。在本发明的示例性实施方案中，上述方法通过实验性地鉴别潜在的结合点/模式例如使用量规库标准测试法而避免一个或两个这些问题。然后使用“对接”软件对这些活性区域进行较深入的分析，例如预测新化合物对特定靶点的亲和力。
9.5配基的模装配
此方法的原理是从显示亲和力的部分构建先导物，显然Sunesis inc使用过这一方法。其过程如下：
(a)合成基本上分子片段的有限的库，其包括“连接部分”(即分子上可轻易地实现连接的位点)。这些典型地是早先鉴别为有药学“意义的”小分子，且其必须包括标准“连接部分”。
(b)针对靶蛋白筛选基本片段，寻找极其(～1mM)低的亲和力。此步骤典型地是有困难的。
(c)通过它们的“连接部分”组成连接两个或多个片段组从而获得增加的亲和力。两片段间的距离，即连接链的长度，可以变化及优化。
在本发明的示例性实施方案中，此处所述的创造性方法可用于改善上面的药物发现过程，例如一个或多个：
(a)在本领域中目前没有设计的基本上片段，该设计使用任何可视为详尽的逻辑，即，使用典型的规格差异(如在标准的筛选库中)但却没有明确的列表。因此，很少发现命中物(对于一般的靶点)，甚至少于一般的筛选库，可能是由于预期的非常低的亲和力，其产生了许多技术问题(例如溶解度)。在本发明的示例性实施方案中，基于跨越空间选择一组片段。例如，片段可以是成对的(或三重的)化学部分，具有所选的用于跨越可能空间的距离和部分类型。
(b)在本领域中，几何性质，即两弱结合部分间的正确距离和取向，与起始筛选结果完全无关。在连接期，只可以尝试非常有限的几何变化(即连接物的长度)。在本发明示例性实施方案中，量规库的连接用于提供几何的命中物(或完整的模型)，其辅助确定如何将片段连接在一起，将怎样的片段连接在一起以及片段间设定的距离。这还可辅助确定连接片段时使用什么类型的连接物。这还可用于合成合成包括连接量规的连接部分的新分子，由适宜的结构隔离(例如，已知药物上的变化)。
10.示例性非-发现应用
上述测量方法还可用于药物发现以外的应用。对于一些应用可能需要不同的量规组。
在本发明的一个示例性实施方案中，该测量方法用于评价毒性，例如，鉴别与某些药物或潜在毒物有不良相互作用的看家蛋白。这可用于确定工业或家用化学制品的毒性。
在本发明的另一个示例性实施方案中，该测量方法通过例如鉴别抗体和/或某些物质上的结合位点，而用于预测抗体对某些物质和/或细胞的亲和力。
在本发明的另一个示例性实施方案中，该测量方法用于描绘有机体例如病毒、立克次体、如重、原虫、阿米巴虫或细菌的外形。这可用于开发疫苗。例如，由形状不变的蛋白制得的疫苗通常更加有效。通过测定病原体外部结合区域中不改变的部分，其结果可辅助从病原体选择特定的蛋白用于接种和/或辅助评价创制有用疫苗的变化。为了防止自免疫应答，可描绘现有疫苗物质的活性区域，以观察是否该模式与体蛋白的类似超过了一定限度。应注意，这一匹配应取决于个体遗传物质。
除了完全测量外，在本发明的一些实施方案中，上面的方法用于确定相对测量，例如，在不同条件下用于测量蛋白的构象变化。相同的(或不同的-例如，以匹配新的预期的测量)结合测试在不同的条件下可用于蛋白。可能地，更灵活的量规和/或更不稳定的量规可用于此应用中。
在本发明的另一个实施方案中，上面的测量方法用于发现新的农业化学制品，比如杀虫剂和除草剂，通过影响已知仅对某些类型的害虫或杂草其关键作用的蛋白。或者或另外地，开发人工激素以匹配植物细胞内的靶点。
11.使用在先信息
在一些例子中，上述过程被称为盲过程，其假定基本上没有关于靶点知识的不确定起点。有时，存在关于靶点的在先信息，从各种途径和/或通过对该靶点的先前测量收集到。这样的在先信息可以以多种方式使用。下面是一些例子。
在本发明的示例性实施方案中，在先信息足以建议一些选择。使用量规库、重新构建或不重新构建的结合测验可提供足够的信息以在各种选择间进行选择，例如在先导物的哪部分与靶点相互作用的可选择模型间，或在两靶点区域布局重新构建间进行选择。任选地，结束时，量规组可减少至仅含那些能区别的和/或任一模型所需的量规。
在另一个例子中，靶点的结晶学、NMR、IR图谱和/或化学性质用于上面的重新构建过程，解决例如模糊和/或克服数据缺乏。在一个例子中，这些方法表明一个或多个量规实际上怎样结合于靶点中。在另一个例子中，这些方法或其它先验知识用于强迫重新构建一定结构，而非在上面描述的基于评分的重新构建之后。例如，强迫该结构包括根据测试数据重新构建时不会含有的一定亚形(例如，四面体部分)。
在另一个实施方案中，如果已知靶点部分，可与封闭已知部分的底物反应，以至该测量仅用于未知部分。可选择地，已知部分相互作用的统计学可用于辅助使位置部分的结合的统计学与结构相关联。例如，计算机模型或类似靶点可用于估计哪些量规并以怎样的强度结合于已知部分。在测试结果分析中，结合于已知区域的量规被忽略，且不用于此测试和/或在此分析中减少它们的结合强度。任选地，如果从考虑中移出一些规后将导致没有一定大小的三角形和/或结合于未知区域的化学部分，那么就不移出该量规。或者，库以整体使用，例如，如上所述利用一次进行100,000分析的同时筛选是一种当前的技术。
在另一个例子中，当使用重复测量方法时，在先信息有助于洞察合适的起点。
任选地，在先信息用作修饰结合过程的输入，例如通过改变结合环境。
在另一个例子中，该在先信息用于设定在测量过程中使用的环境条件，例如，使用以前测试尝试的信息以及相似的蛋白以显示怎样的环境条件易于提供结合和/或至少不阻碍结合。
在本发明的示例性实施方案中，在先信息用于特定骨架、部分和/或量规的设计从而更好地测量特定的靶点。例如可特别地设计分子和/或通过选择已知分子构建子库。在本发明的示例性实施方案中，根据因骨架中的变化而导致的三角形一边的微小(例如，0.5A)差异而为这样的子库选择骨架。在常规的描绘过程中，这样的差异可能是不重要的，但在高分辨描绘中，对于一些靶点(比如，结合较弱处)却可能是重要的。相似地，在更微细的分辨率下，一组量规可以提供覆盖一定范围大小和/或化学行为。
12.重复测量
在与使用在先信息相似的一些方法中，重复测量允许使用以前测量步骤的信息，例如以更好地调整目前的步骤或排除某些可能性。
在本发明的实施方案中，代替一步测量过程，例如如在上面一些实施方案中所描述的，使用重复测量方法。在此方法的一个例子中，生成较低分辨率的重新构建。然后使用相同或不同的量规库进行其它测试，并提供较高分辨率的重新构建。较早的重新构建可以用作，例如，该重新构建过程的起点和/或用以辅助选择用于该额外分析中的那些量规。在本发明的示例性实施方案中，例如，当进行单一完整测试的成本很高和/或时间很长时，使用这样的重复方法。
在本发明的示例性实施方案中，在第一组测量中，重复测量使用较第二则测量更柔韧的量规(下面进行了解释)。或者或另外地，不同亚组的量规用于不同组的测量。
各期之间的差异可校正重新构建，例如，相互作用区在此处。或者或另外地，例如两结合区之间的距离或相互作用区的键角间的差异可以是精确的。在本发明的示例性实施方案中，上面假定的疏水键的尺寸以及有方向性的键的覆盖范围在后来的重新构建重复中更严格形成，例如，提供15种有方向性的键。然而，不是所有的测量均需要重新进行。相反，只使用在模型中结合于相互作用区预计会改变的那些量规。本领域已知的各种寻找方法可用于辅助提供和/或确定测试和重新构建过程的覆盖范围，例如，爬山式(hill-climbing)。
13.量规，物理性质
13.1概述
上面描述了量规的各种应用，一些可使用全部的量规库(例如，完全跨越并具有足够的分辨率)，或者或另外地，一些可使用部分库。在设计这样的库时可任选考虑几个主题中的一种或多种。设计和/或选择量规、两股样式和/或量规组时可任选使用的示例性的这样的主题和考虑描述如下。应注意一些主题与个别量规的性质相关而一些主题与一组量规的性质相关。完整量规组的设计(和/或选择)可涵盖多种主题和各种折衷，例如下述示例性量规组所示。这些主题在下面进行了探讨。一般地，应指出，即使量规组中的一些量规是无用的，但这一般并不损害量规组整体的有用性。
图4A表示了示例性的量规400。典型的量规组包括大量的量规。可能地，所有量规共用基本上的通用涉及，如下所述，但这并不是必要的。此外，可有许多适用于测量的量规、量规样式和量规组。
在本发明的示例性实施方案中，量规组中的大部分是基于少量基本上分子的排列，被称为骨架。在这一设计方法中，骨架包括许多附着点且各量规通过选择骨架和在附着点安放不同的部分而创建。此方法潜在的好处是合成库时需要差别较少的化学处理。另一个潜在的好处是例如在环境中用于测试时，所生成的库具有更易于预测的化学行为、表现。另一个潜在的好处是可获得更易于预测和/或控制的化学部分之间的距离组。另一个潜在的好处是设计生成库时的简便。另一个潜在的好处是更易于确保跨越库或库部分。另一个潜在的好处是使用此类型的排列(可能对库使用新骨架)特别支持生成缺少的或合适的测量。在一个例子中，例如，通过修饰现有的骨架生成具有特定距离的新量规。应注意并不是在本发明的任一实施方案中均预期体现所有的这些优势。
应理解为对于任何给定的库，一部分可基于骨架，而另一部分可使用其它方式生成，例如，使用本领域已知的各种分子构造、设计和合成方法从现存分子库中选择和/或构建，从而常规地创建具有特定性质的分子。此外，整个库可能都不是基于骨架的。应理解为不是所有基于骨架的库均提供所有的、部分的甚至仅一种上述潜在的好处。
13.2骨架
在图4A中，所表示的量规400包括骨架402，四个部分在四个可能更有利的附着点附着其上。在本发明的示例性实施方案中，选择量规400以跨越化学部分间的距离范围。在本发明的示例性实施方案中，通过在可用的各附着点内改变化学部分的量规位置，对单一骨架固定不同的内-化学部分距离。通过提供大量可能的骨架任选获得较大范围的可能值。但是应指出，其本质上不需要骨架。而且，应预期至少对于本发明的一些实施方案，组合使用骨架创建库可能更加经济。在图4B中进行了举例说明，其中量规表示为由其化学部分和化学部分间的距离限定的三角形，没有参考任何骨架。
但是，在本发明的示例性实施方案中，提供骨架并在其上构建许多不同的量规。许多不同或相同的化学部分可选择性附着于骨架上不同位置，使用相对标准的组合化学方法，从而创建大量可能具有一般已知的化学性质(例如，溶解性、蒸气压、稳定性)的量规。
在本发明的一些实施方案中，选择骨架以便其伸展至或超出由化学部分所限定的三角形。可选择的或在一些例子中，骨架和/或一些化学部分妨碍结合，并可以导致立体抵触。通过提供大量的骨架，对于一些量规可避免空间抵触和/或确定该空间抵触的原因。
在本发明的一些实施方案中，骨架的几何性质和/或化学性质是有意义的。
任选地，在量规组的设计中忽略提供结合三角形的骨架的参与。可选择地，在设计该组中注意骨架化学活性，例如以提供一个或多个量规。任选地，在重新构建或分析中考虑骨架提供结合、排斥和/或妨碍键的效果。或者或另外地，在例如确定立体抵触原因的分析中考虑骨架的几何性质。
或者或另外地，三角形结合分析忽略任何可能不接触靶点的连接三角形(例如，基于量规几何性质)。
13.3量规的体积几何学
公知三角形限定一个平面，其可以是或不是骨架(如果存在)的平面。在本发明的示例性实施方案中，当选择量规使其包含于库内时，该选择应使量规的附着点在平面中或具有其它所需的标准。平面排列具有防止包括多稳定分子的潜在优势，其在本发明的一些实施方案中是不需要，因为它们可能使分析混乱和/或减少结合机率。可能地，提供一组量规以覆盖可能的非平面方向的范围。在一些实施方案中，这比选择显示构型变化的分子更令人满意。还可使用其它方法例如通过分析各潜在量规而排除构型变化的分子。或者或另外地，选择量规以使该量规的维度或其中特定的三角形不改变，即使其它部分的量规显示构型变化。任选地，可通过使量规中一定三角形在能量上不易于结合而中和该三角形，例如，通过保证该三角形显示构型变化或增加一个或多个其化学部分的键的柔韧性。但是应指出，由于例如量规的小尺寸或其对量规的其它化学部分和/或其它三角形可能的影响，可能无法如此精确地修饰量规。
13.4柔韧性
量规的柔韧性可能对量规所提供的信息量以及量规与靶点的亲和力之一或两者产生不利的影响。然而由于熵值的原因，柔韧的分子却更易于发现所连接的排列点，增加的柔韧性至少有时可减少分子结合的整体机率。此外，柔韧的分子的结合与刚性分子的结合相比提供了较不精确的信息。
因此，尽管使用柔韧的量规可匹配更大量的相互作用区布局，但在本发明的示例性实施方案中，选择至少相对刚性的量规用于量规库，使得使用这些量规的测量更加精确。任选地，基本上量规组中的所有量规都是基本上刚性的。在本发明的示例性实施方案中，量规是平动刚性的，这是因为化学部分之间的距离不会有较大的变化。或者或另外地，量规是转动刚性的，这是因为化学部分的相对方向不变化。任选地，例如通过选择或多或少具体的化学部分将柔韧性扩展至各化学部分的化学特异性。例如，可以选择仅有一个官能团(即，对于疏水性选择叔丁基或非芳香的环(例如环己烷)或对于氢键避免使用羟基(OH)(其既是供体又是受体))，或反之亦然。
然而，在本发明的示例性实施方案中，提供了较小程度的柔韧性以例如确保量规间的重叠。在一个例子中，柔韧性的程度足以使靶点中的一对化学部分被量规中多对化学部分所匹配，它们间的距离不同。在本发明的例示实施方案中，设计量规以至靶点中化学部分间每一距离既被稍长距离的量规所匹配又被稍短距离的量规所匹配。可限定柔韧性的程度以至需要相对少量的能量以弯曲或伸展量规从而可匹配靶点中部分的布局。相应的能量水平可取决于，例如，测试的灵敏度、量规的浓度和/或测试的环境。
任选地，至少有少量的量规是柔韧的，例如以弥补无法得到的量规。例如，如此处所指出的，可为氢键参与者和/或芳香环提供转动柔韧性。或者或另外地，柔韧的量规用于辅助提供粗糙水平的信息可在以后使用刚性量规进行微调。任选地，减少的信息量(例如，通过结合的减少和/和更低的精度)通过量规冗余和量规中三角形测量而弥补。
应指出，上述确定哪个三角形结合的特定方法为刚性三角形提供了显著较大的权重。应指出，在单一量规中，三角形可具有不同的刚性。
在本发明的示例性实施方案中，Accelrys(以前的MSI)的Catalyst软件用于评价量规的刚性。
在本发明的示例性实施方案中，至少20％、40％、60％、80％或任何更小的、之间的或更大的百分比的量规是刚性的。一般地，如果使用更多刚性量规，更易于使用此处所述的方法进行分析。但是，这样的量规可能无法得到和/或可能因为各种原因需要使用非刚性分子，例如，如果这样的分子与药物相似或具有被认为使它们更适于筛选的其它性质。
在本发明的示例性实施方案中，基本上刚性的分子(或键)定义为具有单一熵的构型以及，其中，除了氢原子，使用低于20kCal/Mole的能量没有超过1埃的键的变化。本发明其它的实施方案可允许较低的刚性，例如应用10kCal/Mole、15kCal/Mole、30kCal/Mole、40kCal/Mole的能量允许较大的移动，比如0.8埃、1.5埃、2埃或任何更大、更小或之间的值。应理解为完全刚性的分子一般是不可能的。相反，在权利要求书中使用了“基本上刚性”。由于分子变得较低刚性，它们的结合将更加困难且在它们的结合中可能特异性较差。但是，较低刚性的分子可能更易于获得和/或用于确证范围等。
典型地，刚性分子是那些所有单键或者是环的一部分或者附着“端”原子即在它们末端的一点的分子(例如，单独的原子或简单的化学部分比如NH2，有时其旋转是不利的)。一旦环系过大，例如有时超过5或6个原子，该环变得柔韧。较大的环也可是刚性的，例如，如果没有超过2个相邻的单键且这些单键的原子仅以单键参与(即如果环中的任何原子自身附着了连接非环中成员的另一原子，这也可使环部分刚化)。单共价键是自由转动的，除非其是环的一部分。
13.5量规长度
在本发明的示例性实施方案中，选择量规的边长(即，化学部分的重心间的距离)以覆盖小分子药物相互作用区和/或维度之间所预期的距离范围。可选择地，例如，对于非小分子药物，可选择与小分子药物不同的范围。在本发明的示例性实施方案中，所选范围在2埃和12埃之间。在另一个例子中，该范围约低于10埃或低于8埃。或者或另外地，该范围约大于3埃或大于4埃。有时，“外部长度”或“内部长度”可能是有用的，其从参与三角形的外部或内部的化学部分定义。
在本发明的示例性实施方案中，选择取样以统一采取分子调节取样分辨率所需的能量消耗。例如，如果第一三角形边为x埃，第二三角形边为y埃，第一边所覆盖距离的范围需要同样量的能量以修饰分子从而适合此范围，第二边所覆盖的距离范围同样如此。一般地，这意味着如果分子较大，对于相同量的能量，结合范围增加。任选地，所允许的能量的量是测试过程、所用靶点和/或量规的参数，例如以允许量规的可检测的结合。
在本发明的示例性实施方案中，由中等大小覆盖该范围，以便对于各对化学部分，至少一个量规将匹配各内-化学部分的距离。或者或另外地，至少两个量规或量规边的化学部分几何学是相似的。可选择的，只有两个量规边匹配。不同的环境可规定不同数目的量规，例如，一些键可在一定温度下显示更强的柔韧性，在另一温度下则不如此。
由于三角形间变化的骨架的影响，量规取样的距离可平滑的沿着该范围或者其是可变化的以获得不同的三角形边长，其变化是例如指数的和/或逐步的。
应指出，边长的一些组无法并入单一的三角形，因为三角形中所需的关系，可称为，任何两边长的和大于第三边。
13.6环境稳定性
在本发明的示例性实施方案中，在正常的生理条件下将量规应用于靶点，生理条件包括控制的pH、温度和离子含量。因此可选择仅在标准环境中表现恰当的量规。
但是，在一些实施方案中，测验范围可能不匹配生理正常存在的生理条件。在一个特定的例子中，药物所需的性质可能是过热温度下的活性或者用于发热病人而不能用于正常的生理温度。
一组特别的量规可用于非生理条件，例如使用其它量规代替一些量规。或者或另外地，可提供相对稳定的量规组，它们在广泛的环境中显示了同样的性质。或者或另外地，即使改变量规性质，如果该改变已知且保留跨越，可调整重新构建的方法(例如，三角形空间内的区和/或振幅)以适应环境的影响。
另一个可能的环境变量是所用溶剂的类型，因为一些量规可能在水中溶解度不大，因此测验时可使用非标准溶剂。
在另一个例子中，在环境的微小变化中，比如钙离子浓度的变化，靶点可显示构型变化，其需要进行测量。量规对此变化不显示与靶蛋白相同的敏感性。
或者或另外地，在不同的环境中可设计或选择量规进行变化，这样，例如，允许单一量规以进行多种测量，各测量分别在不同的环境中进行。
13.7量规的独特性以及边和三角形的重叠
如上所暗示的，两个不同量规边长可匹配特定的相互作用区构型，例如，通过可结合于两个不同部分的相互作用区和/或由于量规(和/或靶点)中无法完全消除的柔韧性。
在本发明的示例性实施方案中，控制量规测量间的重叠使其在量规空间内基本上恒定。或者或另外地，最小化该重叠。可选择地，鼓励至少最小量的重叠，例如以弥补各种可能性比如量规不连接或测试失败，或者以提供额外的连接信息。
应指出，即使使用基本上刚性的量规，在相互作用中仍存在一定水平的固有的耐受性(tolerance)，以便总是可以提供某些自由度，虽然，可能以牺牲结合强度为代价。
例如在聚类期间，如果重叠程度已知，其效果可由上面的重新构建的方法弥补。或者或另外地，如果预期的重叠程度没有显示预期的效果，那么应怀疑该测量。
但是，在本发明的示例性实施方案中，提供大的重叠程度，例如两、三或更多因子的重复三角形。例如，通过使用具有非-正交亲和力(在可检测的范围内)的化学部分和/或作为三角形间部分重叠的结果，可提供功能性重叠。但是，一般地，将不会重复精确相同的三角形，例如是由于骨架和/或骨架内其它化学部分的效果之间的差异。
因此，或者或另外地，对于偶然的重叠，在量规间重复一些或全部三角形。在本发明的示例性实施方案中，这一重叠用于弥补一些量规所显示的立体抵触和/或其它未预料的化学行为的影响。或者或另外地，基于量规的结合提供重复以辅助确定哪些三角形结合。对于此影响，考虑到两量规包括其它的三角形，可选择量规使得量规间重叠较少。但是，其表明如果骨架有足够大的差异，一个骨架中多数三角形与另一个骨架中多数三角形重叠的机率很小。这可辅助分布两不同骨架和量规间的重叠，可选择地，可使用相似的骨架，以至可以提供较大程度的相同量规的三角形重叠。应指出，据量规可以有一定程度的柔韧性的事实提供部分重叠，因此相同的三角形排列的结合点可由不同大小的三角形所匹配。在本发明的一个示例性实施方案中，该库设计为各三角形排列点均可由至少一个较大的三角形和至少一个较小的三角形所匹配。这一重叠可以是额外的或代替重复类型的重叠，其中基本上相同的三角至少提供两次。
任选地，控制特定骨架中化学部分的顺序以解决预期的空间抵触，例如，以确保至少一些三角形将不具有同其它三角形一样的立体抵触问题。
或者或另外地，具有相同三角形但不同的预期立体抵触的量规混合物可在单一测试中混合，以帮助避免立体抵触问题。
在本发明的示例性实施方案中，虽然三角形重叠是普遍的且不是确切相同的，选择库中至少一些量规三角形，例如，20％、40％、60％或任何较小的、之间的或更大的百分比，以至三角形空间内三角形的分布形成相对离散的格，具有接近格点的三角形群集。可选择地，至少一些库，例如20％、40％、60％或任何较小的、之间的或更大的百分比，被选择以至三角形空间的覆盖相对均匀，具有较少的群集。如上面指出的，重叠可用于克服各种非结合的原因。但是，较高的重叠意味着较大的库。
应指出重叠程度不必是均匀的。例如，一定三角形大小可能更加倾向于立体抵触(例如，如果它们全用于大的骨架)，此时可提供较大的重叠。任选地，群集方法考虑了重叠的程度，例如以测定阈值从而确定三角形是否结合。
13.8量规质量和大小
在本发明的示例性实施方案中，选择具有最小质量的量规。预期随着质量的增加，量规是更加高能的并更不易于结合。或者或另外地，较高的质量常常意味着更大的体积和更大机会的立体抵触。在本发明的示例性实施方案中，选择质量低于200的骨架，不包括化学部分。可能地，至少部分地因为苯环部分增强的亲和力而抵消了它们增加的质量。或者或另外地，根据大小选择量规，例如选择不大于4个稠合环大小的量规(例如，约10埃)。或者或另外地，当选择包含为量规的分子时，如果该分子过大或过重那么选择将失败。应指出，有时大小的考虑时相对的。例如，在本发明的一些实施方案中需要三角形的边与骨架的大小为同一数量级。当考虑特定量规所贡献的三角形时可忽略大骨架上的小三角形或者可以强迫提供较小的骨架。
应理解为，这些例子是非限制性的，量规可以较大和/或具有较大的质量或被限于较小和/或具有较小的质量，这取决于例如应用或实践。
14.特定的和一般的量规组设计
14.1跨越库大小的例子
在一定的前提下，下面估计了用于蛋白靶上小分子的完全跨越库中量规和三角形的数目。
假定所覆盖的长度范围是9埃，步长是1埃，可能的三角形数目是10*10*10/(2*3)(因子2用于三角形等同，因子3用于转动退化)。假定10个化学部分和化学部分方向，给出约166,000个三角形。假定每一量规3因子重叠和5个三角形，给出约100,000个量规。这些当然仅是示例性的，但可用于使下面描述的库设计清晰。
可以领会库的大小取决于所跨越的三角形空间、精确度、量规的复杂性和重叠程度。其中任一项可根据本发明的示例性实施方案而改变，例如，所得的库具有10,000或更少的量规至1,000,000或更多的量规。示例性的中等库大小包括30,000、60,000、80,000、200,000以及550,000个量规。此外，库中可包括非量规元素或可形成更大的筛选库部分，例如如上所述。一般地，库中量规越多，整体上所进行的工作就约多。但是，随着库大小的增加可获得较大的精确度、特异性和覆盖度。
较小量规库的例子，是那些仅具有7个化学部分、将取样距离减少至8和/或将重叠因子减少至2的库。较小和较大的库和/或库参数的其它改变也提供于本发明的一些实施方案以及各种部分库中。
在另一个例子中，所有的量规被设计为包括单一三角形(或小数目)，此时需要约166,000个量规(如果没有重叠)。在这样的特异性量规库中，任选省略起始的群集步骤。但是，应指出量规通常包括，至少无意地，多于一个测量，以至群集仍可是有用的。此时，在量规上提供化学部分以防止量规的骨架部分参与作为测量部分和/或以减少特定量规所提供的不同三角形的数目。
14.2量规亚组的选择
量规库的特殊类型是亚组库，其可以小于标准库(可也可较大，例如，如果其具有较高的长度分辨率和/或化学部分类型)
在本发明的例示性实例中，只将所有量规的亚组用于特殊的测量。有时这是因为应用了重复的途径，其并不在每一步骤中使用所有可用的量规。另外地，可能需要减少所进行测试的数目。另外地，这可能是不同量规间大量重叠的结果。在本发明的例示性实例中，例如在细胞测试中，选择在环境中(例如，所用的温度、pH、溶剂)表现更好和/或显示与靶点和/或测试的不利相互作用较少的量规。另外地，这可能是无法创建完全跨越库的结果，例如上面例子中所示的可能几乎普遍适用于所有蛋白靶的小药物。
应指出，刚性量规的一个潜在优势是即使它们的化学性质受到影响，许多刚性分子的几何性质受环境变化的影响最小。这可能使得量规组更加通用。
在本发明的例示性实例中，基于靶点类型选择用于亚组的量规，例如，相互作用区之间所预期的距离范围。
另外地，选择响应测量需要的量规。例如，如果某一相互作用区具有未知的大小但已知有弱亲和力，可对该相互作用区使用较密集的化学部分大小范围的取样(例如，对于预期结合于该区的量规)。
另外地，选择响应可用药物类型知识的量规，例如，药物中可能的氢键方向的类型。另外地，通过对于药物间差异提供更高的分辨率，选择量规以更好地区别两潜在药物。
在本发明的一些实例中，即使对于使用较低分辨度的量规的那些靶点部分，也可选择量规使得重新构建近似正确的模型。可选择地，选择量规以确定是否某一药物将结合于靶点，因此只有测量较小范围的可能构型的量规是必需的。
任选地，选择响应所需的键匹配类型的量规，例如，如果靶点和/或潜在药物已知包括硫酸键，使用包括硫酸根部分的量规。
在本发明的例示性实例中，选择量规亚组的方法包括：
(a)确定量规亚组的应用；
(b)确定选择符合所述应用的量规的标准(例如，大小、部分、密度等，例如，如上)；
(c)从库中选择符合所示标准的许多量规；以及
(d)任选地，确定是否所得库易于为多数应用提供所需的信息。例如，可进行模拟以观察是否测试结果易于导致重新构建(例如，基于测试结合率、覆盖的密度、性质或靶点和/或区别量规上三角形所需的重叠程度)。在另一个例子中，该信息是部分信息且进行模拟以观察是否可区别该信息。
14.3量规库的设计
下表显示了用于量规库设计的例示性的骨架组：
                                                              
Figure A0282966200865
    AutoNom Name：    AutoNom Name：          AutoNom Name：  AutoNom Name：   AutoNom Name：
       噻吩              1H-吡咯                 呋喃             苯               吡啶
     
Figure A0282966200866
                                             
Figure A0282966200869
               
Figure A02829662008610
    AutoNom Name：    AutoNom Name：       AutoNom Name：           AutoNom Name：            AutoNom Name：
      嘧啶                吡嗪         6H-噻吩并[2，3-b]吡咯   1，6-二氢-吡咯并[2，3-b]吡咯      1H-吲哚
      
Figure A02829662008611
              
Figure A02829662008612
                
Figure A02829662008613
                 
Figure A02829662008615
   AutoNom Name：             AutoNom Name：            AutoNom name：   AutoNom Name：  AutoNom Name：
 噻吩并[2，3-b]嘧啶    6，7-二氢-吡唑并[1，5-a]             喹啉           异喹啉            喹喔啉
                                 嘧啶
       
Figure A02829662008616
                   
Figure A02829662008617
                 
Figure A02829662008618
             
       AutoNom Name：               AutoNom Name：              AutoNom Name：             AutoNom Name：
3，4-二氢-苯并[e][1，4]二氮     3，8-二氢-4H-吡咯并[2，3-e]  3，4-二氢-噻吩并[2，3-e] 3，6-二氢-4H-吡咯并[3，2-e]
       _-5-酮                      [1，4]二氧_-5-酮          [1，4]二氮_-5-酮        [1，4]二氮_-5-酮
                                                            
Figure A02829662008622
                              
        AutoNom Name：                    AutoNom Name：                                AutoNom Name：                           AutoNom Name：
5H，11H-二苯并[b，f][1，5]       1，4-二氢-10H-1，4，10-三氮杂-苯并[a]       4H，10H-1-硫杂-4，10-二氮杂-苯并[a]        二吡咯并[1，2-c：2’，1’-e]咪唑-5-酮
  二氮杂辛英-6，12-二酮             环戊二烯并[e]环辛烯-5，11-二酮             环戊二烯并[e]环辛烯-5，11-二酮
               
Figure A02829662008624
                                                                    
              AutoNom Name:                                 AutoNom Name：                                     AutoNom Name：
1，4，7，9-四氢-1，4，6，9-四氮杂-双环戊        4，7，9-三氢-1-硫杂-4，6，9-三氮杂-双环戊         2，4，9，三氢-1λ*4*，6-二硫杂-4，9-二氮杂
   二烯并[a，e]环辛烯-5，10-二酮                      二烯并[a，e]环辛烯-5，10-二酮                  -双环戊二烯并[a，e]环辛烯-5，10-二酮
                                        
Figure A0282966200872
                            
        AutoNom Name：                                AutoNom Name：                              AutoNom Name：
6，9-二氢-5H-1-硫杂-5，8，9三氮杂-     3，10，二氢-4H-[1，4]二氮_并[5，6-b]吲哚-5-酮      3，6-二氢-4H-[1，4]二氮_
    环戊二烯并[a]甘菊环-4-酮                                                                   并[6，5-b]吲哚-5-酮
                            
Figure A0282966200875
                  
Figure A0282966200876
        AutoNom Name：                  AutoNom Name：                   AutoNom Name：
7，8-二氢-1H-1，7，10-三氮杂      8，9-二氢-3H-3，6，9-三氮杂      7，8-二氢-1H-1，5，8-三氮杂
    -环戊二烯并[e]茚-6-酮             -芳庚并[e]茚-10-酮               -芳庚并[f]茚-9酮
                                                                       
      AutoNom Name：                            AutoNom Name：                                        AutoNom Name：
8，9-二氢-5，6，9，11-四氮杂-        3，4-二氢[1，4]二氮_并[5，6-b]喹啉-5-酮      8，9-二氢-4，8，11-三氮杂-芳庚并[e]萘-7-酮
     芳庚并[b]萘-10-酮
                
Figure A02829662008711
        
Figure A02829662008712
            
Figure A02829662008713
       AUtoNom Name：           AutoNom Name：     AutoNom Name：      AutoNom Name：
11H-10，11-二氮杂-苯并[b]芴      α-羟基酸          α-氨基酸              cohels
                             
Figure A02829662008715
                           
Figure A02829662008716
            
 AutoNom Name：                 AutoNom Name：                      AutoNom Name：           AutoNom Name：
双环[2.2.2]辛烷      2-甲撑基-2，3-二氢苯并[1，4]二噁烯    6，7-二氢-2H-吡嗪并[1，2-a]嘧啶      9H-芴
                                                            
     AutoNom Name：                       AutoNom Name：                  AutoNom Name：
1，4-二氮杂-双环[2.2.2]辛烷          1-氮杂-双环[2.2.2]辛烷             吡啶并[2，3-d]嘧啶
                                    
Figure A0282966200882
                        
Figure A0282966200883
                     
Figure A0282966200884
        AutoNom Name：                   AutoNom Name：                         AutoNom Name：                     AutoNom Name：
5-甲撑基-1，5-二氢-吡咯-2-酮     苯并[4，5]咪唑并[1，2-a]嘧啶     1，4-二氢-苯并[4，5]咪唑并[1，2-a]嘧啶     4，10-二氢-1，4a，10-
                                                                                                                 三氮杂-菲-9-酮
                                                  
Figure A0282966200886
                                                         
Figure A0282966200888
          AutoNom Name：                               AutoNom Name：                           AutoNom Name：                         AutoNom Name：
1，5-二氢-咪唑并[1，2-a]嘧啶-5-酮          1，2，3，5-四氢-咪唑并[1，2-a]嘧啶      噻唑并[3，2-a]噻吩并[2，3-d]嘧啶-5-酮      1，9-二硫杂-4a，10-二氮杂-环
                                                                                                                                   戊二烯并[b]芴-4-酮
               
Figure A0282966200889
                         
Figure A02829662008810
                        
Figure A02829662008811
                     
             AutoNom Name：                         AutoNom Name：                   AutoNom Name：                   AutoNom Name：
5，6-二氢-1-硫杂-5，7，8，9a-四氮杂       6，10-二氢-5H-1-硫杂-5，7，10a-      4，5-二氢-3-硫杂-4，5a，10-       8H-1-硫杂环戊二烯并[a]茚
   -环戊二烯并[e]甘菊环-4-酮                   三氮杂-苯并[c]甘菊环-4-酮        三氮杂-环戊二烯并[a]芴
            
Figure A02829662008813
                                                                                
Figure A02829662008816
      AutoNom Name：                    AutoNom Name：                            AutoNom Name：                                 AutoNom Name：
3-硫杂-4，5a，10-三氮杂-        6，7，9，11-四氢-10-硫杂-6，9-      2，3，6，7，12，12a-六氢吡嗪并[1’，2’:1，6]         5，10-二氢-4H-2，3a，10-
    环戊二烯并[a]芴           二氮杂-茚并[1，2-a]甘菊环-5，8-二酮          吡啶并[3，4-b]-1，4-二酮                        三氮杂-环戊二烯并[a]芴
      
Figure A02829662008817
                  
Figure A02829662008818
                   
Figure A02829662008819
                
      AutoNom Name：                 AutoNom Name：                  AutoNom Name：              AutoNom Name：
5H-吡啶并[4，3-b]吲哚      11H-中氮茚并[1，2-b]喹啉-9-酮      1，2-二氢-2，4a，9-三氮杂     6H-异吲哚并[2，1-a]吲哚
                                                                   -蒽-3-10-二酮
Figure A0282966200891
AutoNom Name：           AutoNom Name：         AutoNom Name：            AutoNom Name：
5-二氢-苯并[b][1，4]二氮 5，1-二氢-二苯并[b，e] 5，11-二氢-苯并[e]吡啶并  4，9-二氢-3-硫杂-4，9-二氮杂
_-2-酮                  [1，4]二氮_-11-酮     [3，2-b][1，4]二氮_-6-酮 苯并[f]甘菊环-10-酮
AutoNom Name：     AutoNom Name：          AutoNom Name：             AutoNom Name：
苯并[g]喹喔啉  吡嗪并[2，3-b]喹喔啉  吡啶并[2，1-b]喹唑啉-11-酮 1-硫杂-4a，9-二氮杂-环戊
                                                                   二烯并[b]萘-4-酮
Figure A0282966200893
AutoNom Name：
2-甲撑基-4H-苯并[1，4]噻嗪-3-酮.
                         表I
在本发明的例示性实例中，化学部分是Me(甲基)、Et(乙基)、Pr(丙基)、Ph(苯酚)、CO2H、OH以及NH2。尽管这些部分可连接于R区的任何位置，但不需要所有可能的量规，如上面解释的。中氮茚骨架的R1处可具有COOH或NH2，二者均示于表中。特别地，申请人发现一般具有四个或五个附着点的骨架可以以M个化学部分跨越其全部的三角形范围，仅使用约M3个不同的量规。对于具有较大数量的附着点的骨架上述规则被认为一般是正确的(例如，指数不大于3)。
应指出，即使库不覆盖所有可能的三角形，对于许多药物靶点和/或与该库相关的相当多的应用仍可以进行重新构建。如上指出的，有时部分重新构建也是有用的。如上指出的，即使有时无法进行重新构建，有时量规匹配也可用作先导物和/或用于否决先导物。在本发明的实例中，该方法的失败典型地是不言自明的，在不存在先导物后不创建徒然的搜寻。
除了从头开始构建量规库外，至少部分库还可以通过扫描已有的库寻找分子而生成，该分子包括具有合意的大小和/或化学部分的三角形。任选地，选择小且刚性的分子，如上所述。例如，这一类型的库可能不基于骨架组。
14.4库结合方法
从上面的描述中，应该清楚有许多可用于构建库的方法。下面描述的例示性方法至少部分举例说明了上面规则的各种应用：
(a)确定库的参数：例如，库所需的跨越范围和精确度；
(b)选择用于库的化学部分；
(c)选择骨架；
(d)从骨架中生成量规；
(e)如果合适增加所生成的量规；
(f)重复(c)-(e)直至该库跨越具有所需精确度和/或覆盖的范围；以及
(g)任选地，校正库。
根据本发明的例示性实例，使用源分配运算法则，例如贪婪法或第一合适法。这些名称是指从一组可能的来源而选择的方法，在特殊时间点分配哪一来源，例如，对于一个库从骨架上可用的量规中选择哪一量规或向该库中加入哪一骨架。本领域已知且可使用许多这样的方法，注意在本发明的一些实例中无需此方法提供最佳的解决方案，而只提供可用的或合理的方案。
一个可选择的方法是基于选择的库构建法。在此方法中，扫描已有的分子库以寻找具有量规样性质的分子(例如，如此处所述)。所得的潜在量规可经过滤去重。但是预计在目前的公用库中，扫描这样的库将不会获得完整的量规库。任选地，使用其它技术以完整这样的选择量规库，比如基于骨架的量规生成。
应理解为给定大量的可能量规和较小的实际所需数量，有许多选择适宜的和/或最佳的达到所需数量的量规组的优化技术。如上所指出的，该选择可基于所应用的库和/或基于其它的考虑比如多样性、化学行为以及合成的能力。此外，例如使用从其它骨架构建的一组量规或使用选自潜在的先导物库中的分子，可替换一部分库。在本发明的例示性实例中，在(g)中优化所构建的库，去重并确保所需的分布(例如三角形、化学性质)和重叠(例如，长度的和/或化学部分的)达到某一准则和/或是最佳的。
14.5骨架的选择方法
在本发明的例示性实例中，一般选择具有某些合意性质的骨架例如，一个或多个：
(a)小尺寸；
(b)刚性；
(c)适于组合化学；
(d)包括许多附着点，例如3、4、6、10、12或任何更小的之间的或更大的数目，用于附着物和/或化学标记物(例如，用于连接测试、化学操作)；
(e)附着点的几何排列使得可提供三角形边的范围；
(f)3D结构，例如对于不同的条件可优选平面的或立体的；
(g)过度伸出的数目(有时可能需要较小的)，化学部分可以或不可以附着其上，使得其相对于理想的骨架过度，其中有用的(例如，对于库或对于特殊的三角形)化学部分限定骨架的形状；和/或
(h)溶解度(例如可以基于骨架中极性原子的数目而确定)。
一般地，所提供的化学部分的附着点越多，该骨架越能够提供具有不同大小的三角形，但是，这可能对骨架(和量规大小)产生不利影响，因为许多三角形将是无用的。一般在骨架中，仅指定一些潜在的附着点用作附着点可能是有效的。这可减少所用的不同合成方法的数目和/或提高其均匀性。
在本发明的一些实例中，并非所有的甚至任一的这些性质是关键的。事实上，小环和环链显示能达到这些标准。因此，在本发明的例示性实例中，通过回顾用于达到所要求标准的分子的现已知的环系和小链生成一组骨架。在本发明的例示性实例中，在此类选择中，选择具有一定大小范围(例如，附着点间的距离)的骨架，使得使用该骨架生成一列三角形。
除了一般的骨架标准外，还可利用其它的标准为库选择骨架，例如骨架生成量规跨越库和/或大量化合物和/或骨架需要相对少量相对低复杂性的工艺以生成量规。
在本发明的例示性实例中，骨架的选择过程如下。给定现有的库部分，从一列可用的潜在骨架中选择新的骨架，该骨架应达到至少一种如下的标准：
(a)该骨架生成大量的库中没有的三角形，例如10、50、100或更小的之间的或更大的数目，比如使用者设定的数目；
(b)该骨架生成至少一个(或小数目的三角形，比如小于20、小于10或小于5，或任何其它使用者设定的值)使用其它方法没有生成的三角形并形成库中缺少的部分；
(c)该骨架具有大量已知的化学方法(例如生产和/或添加化学部分的方法)；以及
(d)该骨架为所需量的重叠增加潜力。
一般地，如果生产的量规数目越大，就越易于完成库。但是，不是所有的量规均可生产大量有用的三角形。
应指出，在一些基于离散库设计的方法中，选择尽可能不同的各库元素以便所用的此类选择方法和/或至少一些标准无法应用并违反常规的思路。
应指出，随着库的填补，可给予考量(b)更多的权重，以增加寻找或构建具有所需性质的骨架的可能性(例如，形成所需的三角形)。此外，该寻找可导致选择较少刚性骨架从而例如确保覆盖或者是由于适宜的更加刚性的骨架的缺乏。
在本发明的例示性实例中，在任选的库优化期内，针对骨架的质量(例如，满足骨架标准)、所生成的三角形的数目和/或所生产的三角形的独特性进行评价。如果基于一个或多个这样的考虑确定一个骨架用处较低或不需要，那么从库中除去该骨架。
骨架之间的一个差异是骨架中环的数目。一般地，随着环数目的增加，骨架的大小和重量也增加。对于一些应用，骨架中环的数目可用作启发确定骨架可提供怎样的三角形大小。对于一些应用，多环骨架可能是必需的。另外地，单一或双环骨架可用于小三角形和/或用于减少立体冲突。
14.6量规选择的方法
在本发明的例示性实例中，一般选择具有某些需要性质的量规，例如，一种或多种：
(a)小尺寸；
(b)大量的三角形；
(c)高或其它合意的结合亲和力，例如在1-100微摩尔之间；
(d)刚性；
(e)限定分子体积的附着化学部分；
(f)对于所有化学部分相对均匀的结合机率，例如在库中部分间的十因子以及分子间的100因子，但是，在其它实例中，对于一个或两个标准可提供较小和较大的因子(例如，～1、5、20、50、130、250、1000或任何更小的、之间的或更大的因子)；和/或；
(g)化学行为，比如(i)溶解度，例如在靶点的天然溶液中(或其近似物)，例如指定pH的水中，与一些清洁剂比如DMSO一起使用以辅助溶解度，(ii)与预期的致污物缺乏反应性，(iii)与靶蛋白即与氨基酸或它们已知的典型组合和/或与底物缺乏反应性(创建共价键)，(iv)在其性质范围内所需的行为。
一般地，结合的较高均一度意味着该测试具有相同的意义。但是，实践中通常不提供限定地这么窄的物质，如果提供实际的一组化学制品一定的范围是有意义的。
当从现有分子筛选库中通过选择量规而生成库(或其部分)时，各分子例如按照所需的标准进行筛选。可选择或否决某一个分子。另外地，分子可具有与其相关的适宜性的分数。相似地，可从骨架生成一组潜在的量规。
在本发明的例示性实例中，基于适宜性(例如，相对的或绝对的)和达到组标准之一或两者，从所生成/选择的组中选择量规。在本发明的例示性实例中，应用一种或多种下面的组标准，例如作为二进制标准或作为部分分数：
(a)所提供的三角形和/或它们匹配缺少三角形的独特性。
(b)匹配量规和/或单个三角形柔韧性，至所需的柔韧性。
(c)量规整体的形状，例如，为长条形或为圆形。例如当构建其中形状不同以至立体冲突将无法否决所有某一类的三角形的库时，形状可以是一个考量的因素。最后，量规的形状可与量规上特定三角形区相互作用，例如如果在两个长条形量规上发现同一三角形，那么一个量规三角形在轴向方向以及另一个在的反轴向方向可能是合意的。另外地，形状考量涉及量规和/或量规中三角形相对布局的三维形状。
(d)发现某些非三角形测量，例如提供特定的非三角形测量或这样的4-、5-或其它多-点测量的均匀(或其它)分布。
应指出，对于量规和/或骨架，适宜性确定可包括例如使用模拟和分子分析的软件、化学实验室测验和/或搜寻同样或相似化合物的文献。
当设计单一通用库(或一组这样的广泛应用的库)时上述选择方法可能是有意义的。但是应指出，当生成个人的和/或特别的库时，寻找具有特殊性质的量规或测量时和/或当限定所生成的量规和/或骨架时，可使用一些相似或其它的选择方法。
14.7量规的合成
在本发明的一些实例中，从骨架生成量规库可辅助量规的系列合成。在不基于(或部分地不基于)骨架的库中，可使用标准合成方法。
在本发明的例示性实例中，例如使用下述液相方法合成量规，并使用标准方法例如HPLC除去杂质。
在本发明的例示性实例中，使用平行合成法，其中同时合成许多量规然后分离。应指出在本发明的一些实例中，实际上只需要少量的由骨架创建的量规。另外地，即使无法创建许多特殊的量规，可应用足够多可选择的量规以便横跨和/或重叠所需的三角形空间。例如，在一个具有10个部分的五点骨架上，可能有100,00个组合，其中1000个就足以覆盖所有的三角形。因此该选择可以例如特别是基于实际的收率(例如，相对收率)或基于库的先前设计。
在本发明的例示性实例中，组合化学的方法可用于附着的化学部分，分别在骨架的不同附着点，任选地以便创建化学部分的所有组合。使各终化合物附着于聚合物小珠(例如)以便于分离。这些小珠可涂以不同的颜色以辅助分离和/或鉴别所创建的量规。
可选择地，可使用其它固相方法，例如下述方法或本领域已知的方法。
14.8混合库的设计
如上所指出的，为了有用，不需要完整的统一库。此外，量规库可包括于“常规”筛选库中。在本发明的例示性实例中，至少0.05％、0.1％、0.5％、1％、5％、10％、20％、40％或任何更小的、之间的或更大的百分比的库中分子可用于筛选、测量和/或包含量规样分子的其它应用。对于这样的量规，例如少于50％或大于30％、60％、80％、90％或任何更小的、之间的或更大的百分比的量规是基于骨架的量规，其中骨架用于生成至少5个量规，其在由附着部分所限定的三角形中具有低于20％的重叠。如上所指出的，当库可包括标准筛选部分时，假定有意义量的量规样分子可辅助应用此处描述的方法。
在本发明的例示性实例中，该库包括至少5,000、10,000、20,000、50,000、100,000或任何之间或更大数目的量规。这些量规可以是例如基于骨架的量规、平面量规和/或刚性量规。这些量规可跨越例如5％、20％、40％、80％、100％或任何更小的、之间的或更大的百分比的三角形空间，例如，其重叠为1.1、1.5、2、3和任何更小的、之间的或更大的程度。如上所指出的，虽然存在使用较大库的风险，但跨越较好时，成功度较高。较小的库较易于应用且在许多情况下仍能获得有益的结果。
根据本发明的一些例示性实例，量规和其它先导物库(例如，基于离散的库)间的一个显著的差异是使用基于量规的库预期有相对大量的匹配。例如至少0.01％、0.05％、0.1％、0.2％、0.5％、1％、3％、5％、10％或任何更小的、之间的或更大的百分比的数目预期结合。结合的百分比可以取决于例如库中量规和非量规库之间的比例。
应理解为这些百分比不仅仅是数字。而且，它们代表了与时常没有先导物连接的库的定性差异。发现一个或多个先导物的机率越大以及先导物的数量越大，就越易于发现药物。但是，如果结合过于容易，该结合所提供的定性信息可能较少。
库还可包括三点测量或更高价测量的混合。虽然任何包括多于三个部分的量规均包括高价测量，但在本发明的例示性实例中，设计该库以跨越较高价的空间。例如，该库跨越至少0.1％。0.3％、0.5％或至少1％或任何更小的、之间的或更大的百分比的较高价测量空间。该跨越可以是例如持续的(例如，整个库为低分辨率或部分库为高分辨率)或其可以是离散的(例如，库的分离部分)。一般地，较高价的测量可能需要非常大的数量，例如，20,000,000的跨越等同于100,000个三角形的库，所以经济上的可行性可取决于较现今可提供的平行试验容量更大的试验。任选地，可提供更加柔韧的较高价的测量，以便跨越空间时需要较低的分辨率。
14.9确保库的可靠性
在本发明的例示性实例中，构建成库时和/或构建库期间，可以应用各种性质保证过程。在一个例子中，分析该库以确保其达到为该库所设定的跨越、重叠和/或精确度标准。此时可提供任何缺失的三角形和/或量规或标记为缺失。另外地，将具有低溶解度或高毒性的分子移出和/或使用显示相似空间化学构型的分子替换。
在本发明的例示性实例中，应用该库时的反馈可用于校正该库。重新构建过程和/或辅助库的设计。
在本发明的例示性实例中，库的理论模型与其实际表现相比较，例如，通过进行与具有已知和/或未知结构的随机选择的靶点进行测试。具有已知结构分子的两个例子是完全描绘的蛋白且结构由DNA或RNA构建，具有任选的附着元件。任选地，该靶点不是随机的且选出用以测试理论库模型中的某些假设。另外地，通过分析随着时间推移实际应用库的结果从而提供校准。
在本发明的例示性实例中，通过这样的分析提供一个或多个如下数据：
(a)测试量规和量规家族(例如相似的)结合率；
(b)对于一个或多个量规，环境条件和结合率和/或构象改变之间的依赖性；
(c)量规(和其三角形)与重叠三角形间的空间冲突的Baysian机率；
(d)三角形间的实际重叠程度；
(e)靶点类型和量规结合间的依赖性；和/或
(f)对于不同运算法则的参数值(例如，阈值)。
库的其它性质，例如量规的一般刚性和数据库中各值的正确度也可由这样的或其它的分析提供。
在本发明的例示性实例中，作为上述发现的结果，例如通过除去重复的量规和/或寻找可生成缺少的三角形的量规，改正该库。
另外地，作为上述发现的结果，考虑校正信息修饰较晚生成的库和亚组库，例如当与具体量规相关时采用特殊的方式，和/或当与骨架和/或量规组适当的理论模型的行为和/或这样的模型的参数在统计学上的背离相关时采用一般的方式。
另外地，校正重新构建过程，例如以更好地区别那些三角形匹配，各三角形的实际覆盖范围、各匹配的空间形状(在三角形空间内)和/或各三角形测量和/或量规的相对结合强度。
14.10在库设计期间人的互动
设计库的过程可以是自动的、半自动的或手动的。一般地，当可用的潜在量规和/或骨架越多以及可用的建模软件越适宜，就可提供自动设计。此类的一个例子是一旦可得到完整的库，可完全自动的选择亚组，并可提供所需的参数。一些库可在任何时候自动生成，例如从现存库中选择量规和/或从现存库中选择骨架。如果没有提供较早的信息，可能需要手动确定的合成难易。但是应指出，在本发明的例示性实例中，选择具有已知化学行为和合成路径的骨架，以便附着部分时需要较小甚至不需进行研究工作。但有时，不仅需要人进行各种选择而且需要实际地发现特殊的缺失量规或建议骨架的样式。但应指出，根据本发明的一些实例，对库的数学性描述辅助并可以允许全自动或接近全自动地产生库，可使用构建性合成和/或对现有分子的分析。可能地，然后可优化这样的库，例如如上所述，可以是手动的，特别是辅助简便地合成库。
如上所述，该重新构建过程可以是完全自动的，或其可以包括手动方面。但一般地，预期高的量规结合命中率将减少或除去任何人干预的需要，至少在药物发现的某些步骤中。当然，一旦完成描绘，需要使用者测试各种假设的效果，例如，重新构建的布局如何取决于建立于靶点一致性上的各种假设。此外，有时可经专家(或专家组)进行各种选择或选择可能的先导物，由于在许多情况中该方法将产生少量的可能性，而只应该从其中选择一种或两种，这就可能因成本过高而失败。
在本发明的例示性实例中，在药物发现过程中的人的创造性的一点体现在于设计匹配最终药效团(例如，模型)的药物候选物。应指出，存在的各种软件可辅助或使该步骤自动化。但典型地(同时也在这一点中)，人的判断的好处在于评价合成复杂分子的可行性。但是，如果通过将量规或简单的片段连接在一起而创建了目标药物，那么自动评价和可能的生成方法可能是合理的。
15.实验和实施例
15.1实验1
使用如下的试验测试一些上面的测量方法。
在这一实验中，分析已知的HIV-1蛋白酶抑制剂以发现一组应显示结合于HIV-1蛋白酶的三角形测量。选择包括该三角形测量的一组分子并进行物理测验以显示具有预期的与HIV-1蛋白酶的结合。结果显示三角形的几何亚结构可用于通过结合测量靶点。
如下的PDB(蛋白数据库)入口被提取为具有已知的、结合的抑制剂的HIV-1蛋白酶结构：1ajv 1ajx 1dif 1gno 1hbv 1hih 1hos 1hps 1hpv 1hpx 1hsg1hte 1htf 1htg 1hvi 1hvj 1hvk 1hvl 1ohr 1sbg 1upj 2bpv 2bpw 2bpx 2bpy 2bpz2upj 3tlh 5hvp 7upj。
使用蛋白作为参考框架对该结构进行叠加，以至抑制剂的空间位置和方向被叠加。然后将抑制剂分子分解为化学部分并在空间上聚类。基于结合于蛋白上基本相同的结合区的不同分子中的相同部分鉴别强结合区。通过确证那些区中的蛋白部分与抑制剂分子的相容性而增加对这些区的信心。
选择强结合区中三组抑制剂部分作为“三角形”。例如如上所述量规组的具有那些三角形的量规预期结合，或至少它们中一些应结合。
这些三联体用作输入请求以在MDL的ACD-SC(可用于筛选的化学词典)中寻找。选择匹配该请求(部分和大小)以及对刚性的要求的分子，如下表所示：
Figure A0282966201011
                            表II
编号高达33的分子预期显示结合行为，因为它们包括至少一个三联体。编号34或更高的分子表面相似但不包括所需的三角形。
实际测试所有分子并显示各浓度(10至1000微摩尔之间)的表观活性(作用于HIV-1蛋白酶)。发现分子1-33中约60％是活性的，特别是分子7、9、23和27。还测试了分子34-39，没有显示所预期的活性。
如上所指出的，这些结果似乎显示具有匹配靶点布局的三角形测量的量规一般应以、通常也足以可检测的方式结合。
15.2实验2
在该实验中使用其他人进行实验的结果重新构建已知分子的结合区的空间布局，然后比较本领域目前的状况。
NCI维持对HIV测试有阳性活性的分子数据库。“公共库”下的”http：//drp.nci.nhi.gov”处，然后“AIDS抗病毒筛选结果”提供了43,000个结果(至1999年十月)。从这些分子中选择显示了至少中等水平活性且刚性足以允许确定其所有部分空间位置的亚组。产生少于200个分子。对这些所选分子中的化学部分三角形进行聚类。
聚类结果显示与实验I的结果很好匹配且在PDB结构中发现了该三角形分子。
这些结果似乎显示可使用一组量规(例如，用于HIV测试的分子)测量然后重新构建活性区域。
此外，这些结果似乎显示至少部分适宜的库可通过从适宜的库中选择适宜的量规而生成，而不是通过使用骨架构建而生成。应理解为可能不需要确定所有部分的空间位置，例如仅仅那些高结合亲和力的部分。有时，可除去低亲和力的部分。
16.合成部分
下面是示于表I一些骨架(和由其所衍生的量规)的合成部分，按照章节排列。这一合成的最重要方面在于其举例说明了适宜的骨架和量规是已有的且可以生成，生成的方法包括可将已知的化学方法应用于标准的或修饰的原料和/或以预期的方式改变其参数。本部分中所述的参考在此引入作为参照。无论何时，附录中描述的部分库至少具有在多数情况中可用于提供部分重新构建和/或显著增加先导物匹配的性质。
应理解为本部分中描述的新物质、其操作方法、其合成方法和本部分的分子组均应认为在本发明至少一些方面的范围内，例如，库包括一个、两个、四个、六个、八个或任何之间数目的如此处描述的骨架。另外地，根据本发明的例示性实例，库包括至少100、300、500、1000、2000、4000、10,000、20,000或任何更小的、之间的或更大数目的本部分中的量规。虽然从本部分中选择量规是有效的，例如通过使用其中所述的骨架以跨越部分该库，但其不是必需的。
16.1苯、吡啶6元环骨架
Beginelli二氢嘧啶的合成(途径如下)是一种成功的多成分缩合，其包括β-酮酯2、醛3和脲4的一锅环化缩合，提供了杂环1，其可经氧化形成相应的吡啶部分。
Figure A0282966201041
通用的Beginelli多成分方法
对于溶液相Beginelli反应已发展了几种方法1。为了使该反应完全，通常过量地应用三种成分2-4的两种，因此需要纯化步骤。固相合成提供了在直接从树脂断裂后高收率的二氢嘧啶以及高纯度2(途径如下)。
最近公开了另一种高取代吡啶的SP合成法3。此文献中从键合聚合物的硫脲盐5开始合成，其与炔酮6经历环化缩合形成羧基吡啶7(途径如下)。
四取代吡啶a可通过改进的Beginelli合成法制备，路径描述如下：
首先在酸不稳定树脂上形成亚胺功能基以生成固定于树脂的脒234、脲24和胍252。事实上，这些脒用作第一Beginelli构建块。接着，向23-25中加入另两个Beginelli构建块，即2和3，分别生成二氢嘧啶骨架20、21和225。接着酮部分还原(NaBH4、BF3OEt2)产生14、15和16，其经温和氧化(CAN、CH3CN)而断裂后分别形成所需的吡啶8、95和10。完全氧化后可通过固相提取(SPE)或简单的96孔SePak除去CAN。还可使用其它氧化剂例如MnO2 6、O-氯醌7、KMnO4 8和CrO3、AcOH、H2SO4。当R3＝OMe(此时构建块2为β-酮酯)时，二氢嘧啶20、21和22经历了酯的水解(LiOH、THF或5％KOH的乙醇溶液10)，生成4-羧基-二氢嘧啶17、18和19。与8、9和10相同的方式(1.TFA、DCM，1∶1；2.CAN、CH3CN)处理后，17、18和19反应分别得到4-羧基-嘧啶11、12和13的子库。应指出，在不对称1，3二酮2的情况中获得2对映体的混合物。
                         四取代嘧啶的核心方法
已证明二氢嘧啶5-羧酸可转化成羧酸叠氮，进一步经Curtius重排得到异氰酸酯11。该反应提供了过量的5-氨基二氢嘧啶A。
可通过脒与α，β不饱和酮的环化缩合制备嘧啶。近来，研究者发表的合成工作12描述了使用维蒂希反应在SP上形成α，β不饱和酮用于合成各种杂环。我们建议在溶液中的可选择的嘧啶a的三步合成法，基于形成α，β不饱和酮构建块26，关键步骤12b-d描述如下：
α，β不饱和酮26可通过适当的醛和相应的三苯基磷酸溴化物27与NaOEt在DMA中回流的维蒂希反应高收率以及高纯度地获得。含磷物27可从α-溴代酮28经Arbuzov反应方便地获得，随后使用强碱比如NaOEt处理。酮26与各种脒2312b-d的反应(图4)提供了所需的四取代嘧啶子库a。
在六元芳环上具有一个或多个恒定官能团小的子库b-g的特征在于较好的溶解度。
经SP使用环化-断裂策略13从易得的胺23和附着于树脂的α，β不饱和羧酸3014制备一系列2，5，6-三取代-4-氧代-二氢嘧啶29(参见下面的途径)。通过偶合聚合物和酰氯31(从商业可得的α，β不饱和羧酸衍生)获得化合物30。
化合物2913b可被氧化(CAN，CH3CN)成相应的嘧啶b。从结合于树脂的丙二酸酯和丙二酸制备Knoevenagel缩合产物的固相方法对于制备杂环和碳环的化合物具有潜能。(参见下面的途径)
从大孔Wang树脂(AgroPore，Argonaut Technologies)15使用Meldrum’s酸处理制备丙二酸单酯(参见上面的途径)。使用三氟乙醇和DIC处理实现不对称酯34的转化，随后与存在于乙酸哌啶盐中的醛经Knoevenagel缩合生成取代的亚甲基丙二酸酯33。对于33的大规模树脂制备(2-10g树脂)，可使用Dean-Stark阱进行Knoevenagel缩合以除去水，其一贯给出较高的收率和较快的反应。使用10当量的脒盐酸盐23的二甲基乙酰胺(DMA)溶液处理丙二酸酯33，过量的K2CO3中和HCl脒盐，在70℃持续4-8小时生成结合于树脂的二氢嘧啶32。使用FTIR观察C＝N和C＝O基团的吸收度监测试剂消耗过程。使用0.2M硝酸铈铵(CAN)的DMA16溶液氧化32提供结合于树脂的羟基-嘧啶。在酸条件下断裂(TFA/DMC，1∶1，室温，1-2小时)生成次级子库c(该子库c以互变异构形式的4-嘧啶酮存在)。
下面描述了适合混杂四取代6元环的合成的例子。
脒23-25在溶液中与商业可得的[双(甲硫基)甲撑基]丙二腈35(参见下面的途径)在DIEA17存在下反应生成相应的甲硫基嘧啶。后者经1.2当量的间-CPBA的DCM溶液或H2O2 18氧化，形成中间体亚磺酰基衍生物36，其与NH3 19(二噁烷，室温)进行胺取代，在腈(TEPA)10水解后生成最终氨基嘧啶37。如果使用LiOH代替NH3，腈水解后得到相应的羟基腈3821。
Figure A0282966201091
可使用“环化-断裂”方法22以高收率获得一系列各种3，4，5-三取代苯酚39。
基于α，β不饱和酮和键合于聚合物的丙酮基42之间的碱催化反应(参见上面的途径)导致先后的Michael加成/环合并同时从树脂断裂获得所需的酚39。该合成从使用由Merrifiald树脂与3-羟基吡啶钠偶合制得的树脂开始，产生较高负载能力的树脂44，利用1-溴丙烷-2-酮(或2-溴1-苯基丙基-1-酮；2-溴1，2二苯基乙酮；2-溴-1-苯基丁基-1-酮；3-溴丁基2-酮)成功地季铵化而提供多吡啶鎓盐43。使43与α，β-不饱和酮反应16小时，过滤树脂得到库39。
参考文献
1.Tet，32，6937，(1993).
2.a.P.Wipf，Tet.Lelt.，36，7819，(1995)；
  b.K.Lewandowski，J Comb.Chem.1，105，(1999).
3.D.Obrecht，Helv.Chem.Acta，65，(1997).
4.Chenra，WO 95/16712，1995.
5.化合物9和21在为其羰基互变异构体的形式的时候稳定；heterocyclic Chem.3.(1984).
6.Pharmazie，5435，(1999)
7.J Heterocyclic Chem.24，589，(1987)
8.J Heterocyclic Chem.23，1821，(1986)
9.Chem.Abst.90，121631y，(1979).
10.Montash Chem 107 587(1976).
11.Tet，48，5473，(1992).
12.a.A.Marzinzik，J：Org.Chem.，63，723，(1998)
   b.WO 9815532
   c.Sib.Khim/Zh.87，(1991)
   d.J Heterocyclic Chem.24，1141，(1987)
13.a.S.Kolodziej，Tet.Lett.，37，5277，(1996)；
   b.Synthesis，86，(1985).
14.a.D.Powers，Tetrahedron，54，4085，(1998)；
   b.K.Ito，J Heterocyclic Chem.，29，1037，(1992).
15.a.B.Hamper，Tet.Lett.，40，4973，(1999)；
   b.C.Chiu，J Comb.Chem.1，73，(1999).
16.a.M.Gordeev，Tet.Lett.，37，4643，(1996)；
   b.S.Tadesse，J.Comb.Chem.1，184，(1999).
17.T.Masquelin，Helv.Chem.Acta，646，(1998).
18.J.Heterocyclic Chem.25，959，(1988).
19.a.Tet Lett.38，211，(1997)
   b.J Med.Chem.39，4156，(1996)
   c.Synthesis，147，(1986)20.
20.Tet.Lett.，6557，(1998).
21.用OH取代4-亚磺酰基衍生物导致得到4-嘧啶酮。J HeterocyclicChem.22，49，(1985).
22.Katrrizky A.，Tet.Lett.39，8051，(1998).
16.2吲哚并[2，3-b]喹啉6，6，5，6环形骨架
吲哚并[2，3-b]喹啉1a，b合成途径略述于下面的途径中。该合成的关键步骤是相应的三氮唑2a，b在聚磷酸(PPA)中于110-160℃下的分解，其提供所需的1a，b1，2。对映体2a和2b可在纯化过程中分离。可在TEA存在下于110-120℃通过加热三取代的氯喹啉3与苯并三唑构建块6a，b制备起始三氮唑2a，b1，3。苯并三氮唑构建块6a，b由单取代硝基-苯胺还原NO2基团(SnCl2或H2/Pd)并随后重氮化方便获得的二胺而制备得到。1，4
吲哚并[2，3-b]喹啉的合成
2-氯-喹啉3从取代的苯胺经三步制备，首先或者通过与预活化(BTC、DMAP、三甲基吡啶)的β-酮-酸反应或与游离酸在高温下反应形成酰基苯胺，随后在酸环境分子内环化5。最后所得喹啉酮经新鲜蒸馏的POCl3氯化5获得3。还可利用另一途径，被称为1a，b的固相合成，其使用二取代的苯胺与可附着固体支撑物的官能团(COOH、NH2、OH)。
吲哚并[2，3-b]喹啉的固相合成
根据所附着官能团的类型，起始的苯胺可负载于适当的树脂。如果该官能团是CO2H，该树脂可以是酚的(参见喹啉一章根据本专利的模式改变配制)且该负载在酯化条件下进行(BTC、DMAP)；如果该官能团是OH，该负载可通过Mitsunobu反应进行；以及如果该官能团是NH2，起始苯胺可在磺化条件下负载于磺酰氯树脂或可选择地通过Curtius重排从相应的羧基衍生物制备。
参考文献
1.Bioorg.Med Chem.，2，2457，1999
2.Arch Pharm 321463，1988
3.Tet Lett 39 1827 1998
4.Org Syn Col Vol 1 3 106
5.Org Syn Col Vol 3 194
6.对于其它制备吲哚并[2，3-b]喹啉的合成方法，参见
a.从酰基苯并三氮唑和酰基异氰酸酯开始，J Org chem 65 8069 2000
b.偶合3-溴喹啉和2-氨基硼酸酯开始，Synlett 1067 1997
c.经改进的Graebe Ulmann反应，J Med Chem 37 3503 1994
16.3异吲哚并吲哚和异吲哚并吲哚酮6，5，5，6四环骨架
此处描述了Pd催化成环1，从而从方便制备的亚胺和内芳基乙炔形成异吲哚并吲哚骨架。
亚胺和二取代的乙炔在钯催化剂的存在下经历多步反应生成异吲哚并吲哚2，其以高收率获得(参见下面的途径)。
制备异吲哚并吲哚的通用方案
通过使用各种构建块-或者单-或者双-取代碘代-苯胺7，并预先制备二-或三取代的苯基乙炔5。
可获得异吲哚并吲哚-4的大库(参见下面途径)。
Figure A0282966201142
这一环化反应包括两步合成而不必分离中间体碘代亚胺6。合成步骤如下：
1.在溶液中使用干燥试剂比如TMOF、分子筛或Na2SO4形成亚胺6。
2.使用标准的Pd催化剂使商业可得或预形成的二-和单取代的碘代苯和单取代的乙炔间通过Heck反应制备炔5(参见下面的途径)3-8。还可使用固相上改进的Heck反应9-12。当我们使用溶液相时，该反应混合物自身可用于下一步，不必回收催化剂，因为后一步中仍然需要。
Figure A0282966201151
用于制备取代的苯基乙炔的Heck反应
3.在胺LiCl或Bu4NCl的存在下于DMF中使用Pd(OAc)2内炔环化为异吲哚并吲哚。
当一个取代基位于邻位时，将以区域选择的方式进行以提供单一的四-取代异吲哚并吲哚1，3。当5的邻位未占据时，一些取代基在σ-钯中间体中通过螯合钯控制环闭合的区域选择性，该中间体在反应过程中形成。其它情况时，可通过色谱法分离两对映体。为了生成11-羟基异喹啉：可使用TMS保护的羟基炔11，在除去TMS(正-Bu4NF)后生成11-羟基-异吲哚并吲哚子库12(参见下面的途径)。
为了生成11-氨基-异吲哚并吲哚，可使用羧基炔5制备11-羧基-异吲哚并吲哚1-4。后者可转化为相应的叠氮羰基14(正-BuOCOCl，然后NaN3)13-15(参见下面的途径)，其可通过氮烯中间体进行重排反应以提供所需11-氨基-异吲哚并吲哚子库13。
Figure A0282966201162
可加入恒定极性的官能团比如胍基。对于此目的最方便的位置为衍生自亚胺10的苯环上的对位(参见下面的途径)。该亚胺10含有Bpoc保护的氨基，其可方便地脱保护，与适当的炔环化后，得到9。氨基异吲哚并吲哚9可与二-Boc硫脲16(HgCl2、TEA)反应再接着的脱保护(TFA/DCM)后获得最终的库8。
16.3.1异吲哚并吲哚
轻微改变的异吲哚并吲哚骨架(参见下面)可通过两个系统路线制备：
示意性的描述显示于下面的途径中：
上面代表的方法分为三个主要步骤：
1.形成二-或三-取代吲哚：通过乙炔与碘代苯胺间的Heck反应
2.使用邻-碘代-苯甲酰部分使吲哚环苯甲酰化。二取代的邻-碘苯甲酸BB与吲哚18的偶合可以以两种方式进行：1.使用DCC/DMAP的BB与吲哚的常规偶合17；2.使用预形成的酰氯18，19。
Figure A0282966201181
使用Pd催化的反应进行环化(Heck环化)20，21。该加成使用碘-苯甲酰环时候非常特异。当第7位未被占据时，其可加至吲哚的7位而非2位。该加成给出了新的骨架，其是另一个库(参见下面的途径)。
Figure A0282966201182
可通过使用吲哚N-H作为树脂附着点的不留痕迹固相吲哚合成制备吲哚1822，其可断裂以给出游离吲哚18。合成吲哚的最有效的溶液相方法之一是Pd(0)介导的2-碘-苯胺与乙炔在碱存在下反应，该方法由Larock开发出来23，24。
单取代2-碘苯胺，使用PPTS通过缩醛胺连接负载于THP树脂上后可生成20(参见下面的途径)。将催化剂替换为Pd(PPh3)2Cl2并使用DCE可溶的碱TGM，发现可有益地促使环化反应完全，提供19。然后使用10％TFA断裂树脂可生成游离吲哚18。发现在80℃下TMS取代的乙炔易于完全反应，具有几乎完全的区域选择性。
通过相应的叠氮羰基，羧酸化的15(R＝CO2H)可转化为胺类似物16，其通过氮烯中间体发生重排以提供所需的氨基-异吲哚并吲哚子库。
Figure A0282966201191
异吲哚并吲哚酮的制备
羟基-和羧基-异吲哚酮23(X＝O、CO2)可通过SP合成得到(参见上面的途径)，以负载适当的碘-苯胺于树脂9上并进行TMS乙炔的环化而开始。
接着苯甲酰化并环化27，随后从树脂断裂提供25。
形成异吲哚并吲哚酮的另一方法表示于下面的途径中25：
关键的步骤是分子内维蒂希反应。取代的邻-烷基苯胺和邻苯二甲酸酐衍生物反应生成芳基邻苯二甲酰亚胺。其可转化为鏻盐且可关环得到异吲哚并吲哚酮系统。
参考文献
1.Larock R.J Am.Chem.Soc.121，3238，(1999).
2.Roesch K.Org.Lett.，1551，(1999).
3.Macdonald G.Chem.Commun.2647，(1996).
4.Amatore C.J.Org.Chem.60，6829，(1995).
5.Amatore C.J.Org.Chem.61，8160，(1996).
6.Lavastre O.，Tetrahedron，53，7595，(1997).
7.Cai M.Synthetic Commun.27，1935，(1997).
8.Watanabe T.SynLett.207，(1992).
9.Collini M.Tet.Lett.38，7963，(1997).
10.Tet.Lett.38，2307，(1997).
11.Tet.Lett.38，2439，(1997).
12.Amatore C.J.Org.Chem.61，5169，(1996).
13.Rawal V.Tet.Lett.35，4947，(1994).
14.Csuk R Tet.Lett 36，7193，(1995).
15.Paik S.Tet.Lett.37，5303，(1996).
16.Atigada V.Bioorganic & Medicinal Chemistry，2487，(1999).
17.Kraus G.Synthetic Commun.23，55，(1993).
18.Kozikowski A Tet.Lett.32，3317，(1991).
19.Black D.Tetrahedron 49，151，(1993).
20.Shao H.Tet.Lett.39，7235，(1998)
21.Desarbre E.Hetrocycles 41，1987，(1995)
22.Smith A.Tet.Lett.39，8317，(1998).
23.Larocke R.J.Org.Chem.60，3270，(1995).
24.Larocke R.J.Org.Chem.63，7652，(1998).
25.J.Heterocycles Chem 21，623，(1984).
16.4单原子骨架
用于该实施的最小骨架是单原子骨架，即一个碳原子的骨架，具有通式a：
库a由几种子库b-e(参见下面)组成，代表具有一个恒定官能团和各种独立的与碳原子相连的取代基的化合物：
包括两个或三个恒定极性官能团(参见下面)的次级子库可能有一些限制，因为含有两个或三个偕氨基或羟基的分子化学不稳定性(化合物f-i)：
但是，已知α-氨基酸k、α-羟基酸m和α-二羧基酸l的合成。例如它们描述于：Robert M.Williams，Pergamon Press的光学活性α-氨基酸的合成。
基于碳骨架的一些化合物大多是商业可得的。商业上无法得到的那些可以通过常规方法合成，大多通过在溶液中合成得到。
叔醇b1可通过所熟知的烯2环氧化合成(作为关键的步骤，生成环氧化物1，其已拥有所需的取代基2)(参见下面途径)
Figure A0282966201221
电子供体基团典型地提高速率。条件温和且收率较高。因此易于进行环氧化物的还原。最常用的试剂是LiAlH4，其通过反转构型2而反应3。如从SN2机理所预期的，通常发生断裂以便形成所需的叔醇b。产品b用作制备叔胺c的起始原料，其可从b在二噁烷中经使用氨取代相应的三氟甲基磺酸酯而获得。近来也报道了叔醇b的固相制备方法4。事实上，这一新的断裂的策略包括碳亲核剂对酯键聚合物3的加成。
Figure A0282966201222
通过这一方式仅可制备具有两个相同烷基或苯基取代基(R2)的叔醇，因此，限制了产品的多样性，但仍可快速生成叔醇的次级子库。
α-羟基酸m可从相应的α-酮酸4通过直接的一锅步骤获得(下面的途径)。α氧代酸4是商业可得的并使用Grigniard试剂处理(2当量，THF，-40℃-RT)生成所需的m产品。
Figure A0282966201223
支持于可溶性聚合物(PEG)上的席夫碱活化的氨基乙酸6在乙腈中在碳酸碱(Cs2CO3)存在时可方便地与大量的亲电试剂烷基化5，从而提供非立体特异性氨基酸酯。
相似地，席夫碱活化的氨基酸叔丁酯8可经烷基化形成α-C二取代的类似物7(途径如下)，其中使用烷基溴化物和作为碱的LDA(LDA，THF，-40℃)。
席夫碱8可通过商业可得的氨基酸的叔丁酯9与二苯酮亚胺的转换而制备。最终，烷基化的产品可通过TFA/DCM总体地脱保护获得所需的次级子库k。应指出所有本章中生成的所有产品均是对映-非选择性的且需要在手性柱上进行对映体的分离。还可考虑使用外消旋混合物。
参考文献：
1.Tetrahedron，2855，(1976).
2.Russ.Chem Rew.，986，(1985).
3.J.Org.Chem.，52，14，(1981)
4.S.Chandrasekhar，J Comb.Chem.，2，246，(2000).
5.a.B.Sauvagnat，Tet.Lett.，39，821，(1998).；
  b.B.Sauvagnat，J Comb.Chem.，2，134，(2000).
16.5苯并二氮_6，7双环骨架
苯并二氮_是治疗性的抗惊厥药。作为这样的1，4苯并二氮_已是几种固相合成策略的靶点。
1，4苯并二氮_的合成，是基于七元环，通过内酰胺化作用闭合以高收率实现。
稍微改进的固相方法，其基于环的闭合，是通过下述途径中的亚胺部分实现。
苯并二氮_的固相合成
根据此策略，醛树脂13与β-氨基-醇2通过还原烷基化偶合(图1)。β-氨基醇(2)可利用两个可选择的路线中制备(参见下面的路径)：
(1)偶合N-甲氧基异羟肟酸酯(8)和Griniard试剂(R2MgBr)以获得相应的酮，随后使用NaBH4(MeOH，rt，数小时)提供Boc保护的氨基-醇衍生物(9)。除去保护基得到2。
(2)使用LiAlH4将N-甲氧基异羟肟酸酯(8)还原为醛衍生物，随后与Griniard试剂(R2MgBr)偶合形成Boc保护的氨基-醇衍生物(9)。除去保护基得到2。
β-氨基醇的合成
醛树脂(1)与氨基-醇盐酸盐之间的偶合是通过使用NaBH(OAc)3、1％AcOH、DMF的还原性烷基化进行的，生成固定于树脂的β-氨基-醇3。为了避免消旋化，需要在向反应混合物中加入还原剂之前实现结合于树脂的醛1与β-氨基-醇2间的平衡。
二级胺3与Boc保护的二取代邻氨基苯甲酸4之间的偶合导致结合于树脂的中间体5。氧化羟基提供6。固体支持物上的氧化可在室温下于DMSO中使用Py.SO3 9复合物进行，或通过在室温下于DMF中使用NMO10(N-甲基吗啉N-氧化物)与TPAP(四-正-丙铵过钌酸盐)催化剂的另一种方法。化合物6脱保护(TFA/DCM)，游离胺在酸性条件下经分子内环化获得所需的苯并二氮_7。
在1，4苯并二氮_的3位引入氨基或羟基将导致物质的分解。在2位，OH基将异构化为酮形式，而NH2基可与亚胺基形成互变异构体。
制备在2位含有NH2取代基的苯并二氮_的合成路线描述于下面的两个途径中：
(1)硫代氨基酯(10)通过还原性烷基化(NaBH(OAc)3、1％AcOH在DMF中)负载于醛树脂1上以获得结合于树脂的中间体11(图3)。该仲胺与二取代的邻氨基苯甲酸(12)(EDC、NMP)偶合形成酰胺13，其可使用锂化的对-甲氧基-N-乙酰苯胺(14)1进行分子内环化生成硫代苯并二氮_15。对结合于硫代中间体15的环树脂进行甲基化(MeI)，随后氧化生成在亲核取代中优选的离去基团(称为甲基亚砜)。这样的取代反应可在标准条件下(16)(DMF、DIEA)使用酸不稳定的二甲氧基苯胺进行，酸性断裂后提供所需的2-氨基苯并二氮_子库17。
(2)另一种合成2-氨基苯并二氮_的方法如下，苯并二氮_2，5二酮(20)经偶合取代的邻氨基苯甲酸和氨基酸随后闭合环而形成，其与Lawesson试剂形成中间体-2-硫代苯并二氮_-5酮(21)。通过苯并二氮_硫酮21和氨的反应获得胺22。
Figure A0282966201261
2-氨基苯并二氮_的合成
2-氨基苯并二氮_的可替换合成
用于制备2-羧基苯并二氮_的构建块β-羟基α氨基-酸的合成，描述于下述的途径中。商业可得的手性Fmoc丝氨酸叔丁基酯26，经Sworn氧化((COCl)2、DMSO)获得醛27。该醛27与Gringard试剂R1MgX反应形成Fmoc保护的氨基-醇，除去Fmoc(吡啶、MeOH)后生成所需的构建块28。当R1和R2均为羧基时，起始原料是二-叔丁基富马酸酯23，其经环氧化(mCPBA、NaHCO3、DCM)得到环氧化物24，随后在甲醇中与氨反应提供25。
b-羟基氨基酸的制备
苯并吡啶并二氮_3311，12的合成描述于下面的途径中。2-氯-3-氨基吡啶2912与二取代的叠氮苯甲酰氯构建块30偶合。使用SnCl2还原叠氮化物31提供2-氯噁唑烷中间体32，其经酸处理重排成所需的基于吡啶的三环骨架33。
Figure A0282966201281
苯并吡啶并二氮_的合成
33的类似物，即10H-二苯并[b，f][1，4]氧杂_(oxazepin)-11-酮氧代的合成描述于下面的途径中。二取代的O-氨基酚构建单元35通过还原性氨化附着于树脂上的酸敏感性甲氧基苯甲醛(AMEBA)34上形成36。
树脂36经单取代的2-氟-5-硝基苯甲酸37使用HOAt/DIC策略进一步修饰以提供固定的底物38，其易于装配成硝基-10H二苯并[b，f][1，4]氧杂_-11-酮类似物39(氟与酚氧基间的关键环化步骤(SNAr)使用5％DBU于DMF中进行23，24，25)。使用1.5M SnCl2 H2O的DMF溶液可还原所得树脂中的硝基，接着从树脂断裂(TFA/DCM)获得2-氨基子库39。
二苯并氧杂_酮的合成
参考文献：
1.J.Org.Chem，62，1240，1997，
2.JCC，2，513，2000，
3.Synthetic Com.，21，167，1991
4.J.Org.Chem，60，5742，1995，
5.Tet.Lett，39，7227，1998
6.J.Org.Chem，63，8021，1998，
7.Tet.Lett，37，8081，1996；
8.J.Org.Chem，60，5744，1995.
9.J.Am.Chem.Soc.，116，2661，1994
10.J.Org.Chem，61，8765，1996.
11.J.Het.Chem.，23，695，1986
12.J.Org.Chem，62，6102，1997.
13.Tet，55，2827，1999；
14.Tet，55，8295，1999；
15.Tet.Lett，40，5827，1999
16.6吡嗪并喹唑啉酮-6，6，6三环骨架
该吡嗪并[2，1，-b]喹唑啉-3，6-二酮系统可被认为受限的类肽且存在于几类天然产物中。一些这样的化合物显示了非常有意义的生物活性(J.Antibiotics 46，380，1996.Annu Rev Biochem 62 385，1993)。
一种目前已知的合成该骨架的方法如下：
a：将4-取代的2，5-哌嗪二酮转化为相应的亚胺醚，随后与邻氨基苯甲酸或邻氨基苯甲酸甲酯环化。1-5
亚胺醚邻氨基苯甲酸缩合成吡嗪并喹唑啉酮
b：使用邻叠氮苯甲酰氯酰化4-取代的2，5-哌嗪二酮，随后与膦通过Staudinger反应得相应的γ-磷腈(phosphazene)并接着分子内氮杂维蒂希环化后面的中间体。6，7
Figure A0282966201303
通过N-邻-叠氮苯甲酰-二酮哌嗪制备吡嗪并喹唑啉酮
在改进的反应次序中，N-邻-叠氮苯甲酰-二酮哌嗪通过开链的三肽形成，其中邻氨基苯甲酸单元是含有封闭氨基功能的叠氮基团的N末端8。环化生成喹唑啉酮环。
C：在碘三苯基膦存在下环化适宜的邻-酰基邻氨基苯甲酰胺制备4-亚氨基-4-H-3，1-苯并噁嗪中间体，再通过该中间体环化开链的三嗪。
据报道该方法可在溶液中9-13也可在固相上14进行，这使其成为可用于平行排列合成的好方法，因此适用于我们的目的。
           EDC 1-乙基-3-(3-二甲氨基)-丙基碳二亚胺
                     (至多5％差向异构化)
通过苯并噁嗪中间体制备
三肽6可通过氨基酸酯(AA-OR)3与邻氨基苯甲酸在EDC介导下的直接偶合而制备。4与Fmoc氨基酰氯5在两相Scotten-Bauman条件下(Cl2H2，含水Na2CO3)缩合得三肽6。氨基酰氯5通过用BTC(三光气)和三甲基吡啶在THF、DCM或二噁烷中预活化相应的Fmoc-AA-OH在原位制备15。这些条件提供了没有消旋化的AA氯化物。
使用Wip’s条件(PPh3/I2叔胺远远过量)完成线性三肽向噁嗪的转化。使用20％哌啶的二氯甲烷溶液处理，脱保护后重排成喹唑啉。环化成喹唑啉时易受空间阻碍，当R3，R4＝大基团时环化需要较强的条件(DMAP回流CH3CN)。有时在一些例子中发生异构化(5％)。
将上述溶液中的s合成应用于固相上的组合合成时，首先在Wang树脂上负载适当的氨基酸(AA)提供7。对于大部分AA，预负载的Wang树脂是可商业得到的。7经脱保护(哌啶于DMF中)并偶合适当的邻氨基苯甲酸(EDC)获得8(下面的路径)。
吡嗪并喹唑啉酮的SPS
接着的步骤是苯胺7的酰化，使用Fmoc-AA-Cl获得线性三肽9。接着是关键的脱水环化线性三肽9得到10。为了确保完全转化，使用10当量的Ph3P。终反应是基于哌啶的Fmoc基团脱保护和噁嗪10重排为脒基酰胺11。洗涤后，在乙腈中回流该树脂以诱导11的环化断裂获得所需的吡嗪并喹唑啉库1。粗化合物的收率和纯度据说可以相当高14。个别情况下所获得的最终产物1是顺式∶反式非对映异构体(通常的比例是5-8∶1)混合物，固相上较大量的异构体可能是因为环化断裂，HT纯化器可分离产物。上述合成较好地说明了该合成路线的有利特征。最初的两步包括肽偶合—正是由于该反应开发了SPPS且对于各种氨基酸几乎以定量的收率进行。线性三肽9的脱水需要大量Ph3P、碘和TEA-通过简单的过滤固相可方便除去的试剂。在最终步骤中经环化的酯官能团被选作固相附着的位置，导致从树脂上的自断裂。
吡嗪并喹唑啉骨架的合成需要3个构建块、2个氨基酸3，5和二取代的邻氨基苯甲酸2。
氨基酸和Fmoc-氨基酸是商业可得的。
为了向吡嗪环(R3，R4)引入杂官能团(NH2，OH)，应合成保护的α-羟基-氨基酸14和α-氨基-氨基酸12。文献中已知氨基酸1216且其合成在如下途径中举例说明：
保护的α-氨基-α-羟基氨基酸的合成
可由相似的方式在沸腾的甲苯中在叔丁醇存在下通过水合乙醛酸和FmocNH2间的缩合制备而得所需的另一种氨基酸14。
除了第三构建块3，5二甲基邻氨基苯甲酸有商售外，其它取代的邻氨基苯甲酸应可在定制的合成中制备。
3-甲基-5-苯基-邻氨基苯甲酸15可通过溴化商售的3-甲基-邻氨基苯甲酸16制备17，随后进行Suzuki反应18。
Figure A0282966201332
3-甲基-5-烷基和苯基-邻氨基苯甲酸的制备
3，5-二苯基-邻氨基苯甲酸17可从相应的二溴代邻氨基苯甲酸18(商售)通过Pd催化与过量苯基硼酸(Aldrich)的交叉偶合反应而制备19。
Figure A0282966201341
二苯基邻氨基苯甲酸的制备
取代的邻氨基苯甲酸还可由相应的取代苯胺19利用经改进的Sandmayer方法制备。苯胺与三氯乙醛和羟胺反应提供肟基N-乙酰苯胺，随后在硫酸中环化得到靛红20。使用H2O2氧化后者提供邻氨基苯甲酸2021。(参见下面的途径)
通过靛红制备邻氨基苯甲酸
在3位取代被OH基团的邻氨基苯甲酸22可按照下面途径中描述的反应顺序以4-取代苯胺(Et，Pr，Me，Aldrich)作为原料而制备。首先溴化(23)苯胺，随后在CuI存在下选择性单甲氧化。使用Pd复合物作为催化剂(CO，Pd(PPh3)2Cl2)对所得的2-溴-6-甲氧基-4-烷基苯胺24进行羰化(＝＞25)，最后在浓氢溴酸中水解脱保护21。
3-羟基-5-烷基邻氨基苯甲酸的制备
4-烷基苯胺19a还可用作制备二烷基邻氨基苯甲酸26和5-烷基3-苯基邻氨基苯甲酸27的起始原料，如下面的途径中所述。
Figure A0282966201352
3-烷基-5-羧基邻氨基苯甲酸27可以以邻-烷基苯胺19b为原料制备，其转化位靛红20a(1.三氯乙醛，NH2OH，2.H2SO4)，随后溴化并氧化以获得5-溴邻氨基苯甲酸酯28，使用氰基取代溴(29)并水解得到3-烷基-5-羧基-邻氨基苯甲酸2227。
Figure A0282966201361
参考文献：
1.Tetrahedron Asym 9 3025 1998
2.Tetrahedron Asym 11，3515，2000
3.Tetrahedron 55 14185 1999
4.Tetrahedron 54，969，1998
5.Tetrahedron Asym 113515，2000
6.JACS 121 11953 1998
7.Tetrahedron 57 3301，2001
8.JOC 65 1743 2000..
9.JOC 63 2432 1998
10.Tetrahedron Lett 40，5429，1999
11.Org Lett 2，3103，2000
12.JOC  65，1022，2000
13.J.Org.Chem.， 63`，2432，1998
14.J.Com.Chem.， 2，186，2000
15.a.J.Peptide Res.， 53，507，1999.b.Tet Let，.34 3861，1993
16.Proc.NatL Acad.Sci.USA， 93 2031，1996
17.Tet Lett. 41 21083，2000
18.J.Am.Chem.Soc. 112，2707，2000
19.Synthesis 1410 1995
20.a.Synth.Commun 29，3627，1999 b.，J.Org.Chem 59，6823，1994，c.J.Med.Chem.34，1896，1991，d.J.lndian Chem.Soc.66，39，1989，e.Tet Lett29，3709，1988，f.J.Med.Chem 30，1166，1987
21.J.Med Chem 25 267 1990；
22.Tetrahedron，50，2543，1994
16.7吡咯-5元环骨架
本章描述了四取代吡咯的全面合成。包括已经提出的固相(SPS)上的合成以及溶液中的合成。
吡咯库和子库的纵览
Figure A0282966201371
在溶液中制备2位具有羧基的子库a。该合成起始于β-酮酯的亚硝化得到肟3，其与1，3-二酮还原性缩合生成乙基羧基酮基吡咯51(下面的途径)。吡咯5经过羰基还原为甲撑基1，随后水解羧酸乙酯得到子库a。Curtius重排可将羧基转化为氨基导致子库a最方便地转化为子库b。(有时获得R1#R2两种对映体的混合物，可以进行分离)。
Figure A0282966201372
合成子库a和b时需要两个构建块，商业可得的β-酮酯、1，3二酮。
子库c化合物可通过下面路径描述的合成方法获得。与以前的方法相比该方法包括固相合成(SPS)。即：1，2-二酮7与预附着的Boc亚胺二乙酸单酯6的缩合如下：
Figure A0282966201381
通过SPS合成此类其它十个化合物
在碱性条件下使用NaOMe或KOtBu进行该反应2，3。亚胺二乙酸6可从Gly的t-Bu酯通过使用硼氢氰钠作为还原剂还原胺化水合乙醛酸，接着引入Boc保护基而得4，可到克级的产品。
子库e可使用下面途径中描述的方法制备。所得产物3位具有固定的取代基--羟基。此外，SPS包括使用上述预制备的构建块。
在溶液中起始于制备五酰基Meldrum’s酸构建块(12)5，6的过程是通过酰氯10与Meldrum’s酸11在吡啶存在下反应几乎定量地得到相应化合物127，8。
因此，使用羟基树脂(该树脂生成羧酸，例如肟树脂9)在THF中回流加热12(5当量)数小时6提供了聚合物-连接的β-酮酯13，同时释放CO2和丙酮，其辅助驱使反应完全。该反应可以在树脂上(KBr片)经FT-IR轻易地监测。13的α-羰基官能化使用过量的烷化剂进行，避免O-烷基化或双重烷基化。
因此，卤代烷(36当量)在1M TBAF的THF溶液存在下(26当量，3小时)8时可方便地于室温中将13转化为14(图4)。典型地，除去痕量的水是重要的，水可降低收率。加入过量预合成的氨基酮1510，11(图5)(20当量，3h，室温)于连接树脂的β-酮酯14的THF/三甲基原甲酸酯(1/1)溶液中得到席夫碱16，在碱性条件下环化16同时将产品17释放于溶液中，所后还原该酮(R3＝Me，Et)(NaBH4 BF3OEt2)1生成子库e。
该反应也可使用α-取代的β-酮酯在溶液中形成，反应顺序相同。
应指出，β-羟基吡咯可存在一定程度的酮互变异构体14。所需的构建块是可购得的β-酮酯或是α-取代的β-酮酯。
α-氨基酮构建块可从相应的氨基酸异羟肟酸酯进行制备，描述于下面的途径。
Figure A0282966201392
从Gly Boc异羟肟酸酯合成氨基酮
N-保护的甘氨酸与N-O-二甲基羟胺反应生成异羟肟酸酯18。甘氨酸异羟肟酸酯与Gringard试剂(EtMgBr，MeMgBr)反应提供酮19，没有观察到过度加成。19脱保护得到氨基酮构建块。
当R3＝OH是，甘氨酸酯与取代的β-酮酯反应。
通过下面途径描述的方法获得十六个其它产品。制备子库f的关键步骤是氨基酮21与DTAD(21)的Michael加成12。所获得的氨基烯23在酸性条件下环化提供子库f。
2-羧基-3-氨基-吡咯的合成
2-羧基，3-氨基吡咯28的合成是已知的12，13(参见上面的途径)。通过26的烯胺形式进行反应，接着在碱性(NaOEt)条件下27分子内环化得到28。该β-酮腈25可通过烷化2515或酰化相应的腈而制备。16
参考文献：
1)J.Paine III，J.Org.Chem.，3857，(1976).
2)M.Friedman，.J.Org.Chem.，859，(1965).
3)K.Dimroth，Ann.Chem.，639，102，(1961).
4)G.Byk，J Org.Chem.，5687，(1992).
5)L.Tietze，Bioorg.& Med Chem.Lett.，1303，(1997).
6)L.Tietze，SYNLETT，667，(1996).
7)Y.Oikawa，J Org.Chem.，2087，1978).
8)L.Weber，SYNLETT，1156，(1998).
9)The Combinatorial Index，p.15
10)S.Nahm，Tet.Lett.，3815，(1981).
11)Eur.J.Org.Chem 2809，2000
12)H.Ward，Tet.Lett.，25，527，(1969).
13)Mu-III Lim，J Org.Chem.，3826，(1979).
14)Aust J.Chem 20，935，1967.
15)J Org Chem 554291990
16)a.Bull Chem Soc Jpn 62 3851 1989，b.Chem Pharm Bull 46 69 1998，c.J Med Chem 34 17411991
16.8噻吩和相关的骨架
在最近30年2-氨基噻吩和相关骨架的化学特别引人注目，因为它们可用于药物、农业、杀虫剂和染料中。
Figure A0282966201411
可通过Gewald1ab开发的合成方法方便地得到2-氨基噻吩，Gewald设计了最流畅最有前途的合成路线制备2-氨基噻吩A，在3位带有吸电子取代基比如氰基、乙酯基等并在4和5位带有烷基、芳基、环烷基和杂芳基。
Gewald反应
最简单的Gewald反应由一锅法组成，即醛、酮或1，3-二羰基化合物与活化腈以及硫在胺存在下于室温进行的缩合。乙醇、DMF和二噁烷是优选的溶剂，还使用了胺如二乙胺、吗啉或三乙胺1-7。这一方法较其它方法提供了相当大的改善，使用更加简单的原料替换a-巯基醛或a-巯基酮。必需使用基于腈量的0.5-1摩尔当量的胺以获得高收率。在另一合成方法中，优选两步法。首先通过Knoevengale-Cope缩合制备a，b-不饱和腈然后使用硫和胺处理。此两步法的Gewald反应具有更高的收率。在一锅的改进法中烷基芳基酮无法制得噻吩，但在两步法中具有可接受的收率2(参见下面的途径)。
两步法Gewald反应
使用氰基乙酸叔丁酯代替乙基酯可通过方便的TFA/DCM水解8获得3-羧基-2-氨基噻吩的游离酸。
所获得的氨基酸以及所保护的酸可用作构建块，进一步转变成更加复杂的骨架，如下举例说明：
16.8.1 5，5双环骨架
Figure A0282966201431
噻吩并吡咯的合成
噻吩并吡咯骨架B9(上面的途径)通过氨基羧酸酯A与溴代乙酸酯反应(K2CO3)获得二酯中间体1，酰化后(化合物2)(30％AcCl在AcOH中)进行Dieckmann缩合(EtONa，EtOH)提供3-羟基-2-羧基噻吩并[2，3-b]吡咯B1。氨基类似物B2要求以2-氨基-3-氰基噻吩A1为原料。酰化后使用α-溴代乙酸酯进行烷基化(K2CO3丙酮或NaH DMF)在相似反应条件下导致环闭合生成3-氨基-羧基噻吩并吡咯B2。需要2位的胺的酰化和LiOH以提高胺的亲核性。
16.8.2 5，6-双环骨架
通过改进的Friedlander反应制备噻吩并吡啶骨架C，即噻吩A、A1和5与b-酮酯、1，3二酮在碱条件下形成噻吩并吡啶的反应，描述于下面的途径中。
噻吩并吡啶的合成
另一种5，6-双环系统-噻吩并嘧啶D通过噻吩A、A1与氯代甲脒盐酸盐4、11反应而制备得到。
噻吩并嘧啶的合成
16.8.3 5，8，5 5，8，6三环和5，5，8，6 5，5，8，5四环骨架
骨架E、F、G和H可从噻吩按照路线6所描述步骤生成。这些化合物源自八元环二内酰胺的形成。
八元环二内酰胺的制备
八元环的形成包括几个步骤：
1.使用SOCl2 12a或POCl312b(此时氨基应由Boc保护)或通过DCC12c和氯甲酸甲酯12d活化β-氨基酸
2.偶合活化的氨基酸和另一种N-保护的β-氨基-叔丁酯13
3.在DCM中使用TFA脱除叔丁酯和N-Boc胺的保护
4.通过PyBop或任何其它类似物偶合，当R’是苄基时可在此时经氢化除去。
16.8.4 5，7双环骨架
苯并二氮_骨架类似物I、J的合成在下面的途径中举例说明。在两种路径中均向合成中引入手性氨基酸提高α碳周围的多样性。噻吩并二氮_从2-氨基-3-酰基-噻吩5制备，其与预形成的Boc氨基酰氯反应(氨基酸、BTC、三甲基吡啶、THF或DMC)。对8脱保护(4N HCl)同时环闭合导致2-氧代噻吩并二氮_I。噻吩并二氮_J可以以2-氨基-3-羧基-噻吩A为原料进行制备，预活化为噻吩并噁嗪二酮(BTC、三甲基吡啶、THF或DMC)后与氨基酮反应获得9，环闭合提供了5-氧代噻吩并二氮_J14
噻吩并二氮_的合成
噻吩并二氮_K的合成
上面的途径描述了噻吩并二氮_K的合成。首先使用适当的α-卤代乙酰氯酰化2-氨基-3酰基噻吩5。使用NaI进行亲核取代后使用氨获得氨基酰胺1511。后者在酸性条件下经过环闭合形成噻吩并二氮_K。另一个可供选择的方法是噻吩5与苯并呋喃酮保护的氨基酰氯反应，使用肼脱保护(11)并闭合环形成噻吩并二氮_K16。
噻吩并氮_(Thienozepine)L的合成是基于丁二酸酐或酰氯单酯与噻吩5的偶合(参见下面的路径)。所得到的酰胺12经分子内缩合(NaH)提供目标化合物17。
噻吩并氮_的制备
具有噻吩并二氮_骨架的骨架M可经如下路径中的描述制备。N-保护的氨基羧基噻吩A首先预活化(BTC、三甲基吡啶、DCM)并使其与α-氨基乙腈14反应以提供酰胺13。后者在碱性条件下反应(NaOMe)通过分子内提供环化二取代中间体2-氨基噻吩-1，4-二氮_-5-酮1518。在下一步中，加热2-氨基噻吩-1，4-二氮_-5-酮15和乙酰肼得到噻吩并三唑并二氮_酮M。
Figure A0282966201481
噻吩并三唑并二氮_酮的合成
16.8.5 5.6.5.6四环和5，6，5三环骨架
3位经苯并咪唑取代的噻吩，即苯并咪唑并氨基噻吩16，可用作合成噻吩并(2’，3’4，5)嘧啶并(1，6)苯并咪唑N、N1的构建块。起始原料2-氰基甲基苯并咪唑16由取代的苯二胺17和丙二腈19制备。腈18用于Gewald反应，使用元素硫粉和酮20或氰基乙酰胺21于包含催化量TEA的干燥DMF中回流形成噻吩16(参见下面的途径)。
Figure A0282966201491
噻吩并嘧啶苯并咪唑的合成
16与醛或酮的缩合分别提供N和N121，22。
噻吩并嘧啶并二氢咪唑的合成
使用同样的方法可以从相应的二胺(乙二胺和噻吩2，3二胺24)和丙二腈制备二氢咪唑乙腈2023(参见上面的路径)和噻吩并咪唑-乙腈21(参见下面的路径)。所得腈与酮在Gewald条件下反应形成O、O1和P、P1。
Figure A0282966201501
P和P1骨架的合成
16.8.6 5-6-5-6四环骨架
A    X＝S或N
骨架Q的合成
4H-噻吩并[2’，3’：4.5]嘧啶并[2，1-b]苯并噻唑或咪唑Q可由氨基噻吩A制备，制备路径概述如上25。2-氨基-3-羧基噻吩在高温下与氯代苯并咪唑26或氯代苯并噻唑23缩合生成相应的噻吩并唑Q。
16.8.7 5-6-5骨架
硫杂-三氮杂-s-indacenone R(参见下面的路径)，可根据文献的方法获得。在此合成中，氨基噻吩A在沸乙酸中与预形成的甲硫基咪唑24经环化形成所需的系统R。
Figure A0282966201511
参考文献：
1.a.Chem Ber 99 94 1966，b.Pharmazia 51 833 1996
2.J Heterocycl Chem 36 333 1999
3.Bull Chem Soc Jp 64 3768
4.Bioorg Med Chem Lett 7 1629 1997
5.J Chem Tech Biotechnol 47n39 1990
6.Monatsch Chem 127 297 1996
7.Indian J Chem 1209 1971
8.a.J.Med Chem 41 1729 1998，b.Tet Lett 40 5471 1999 c.J HeterocyclChem 32 1537 1995
9.Bull Soc Chim Fr 1786 1975
10.a.Chem Pharm Bull 47 993 1999，b.Phosphorus Sulfur Silicon andrelated elements 155 215 1999
11.a.J Heterocycl Chem 9 775 1972，b.J.Med Chem 16 191 1973
12.a.Heterocycles 27 105 1988 b.Org Prep roced.Int 29 711 1997 c.J.Chem Soc Perkin Trans 1 16491982d.Dokl Akad Nauk USSR41 1989
13.a.Acta Chim Acad Sci Hung 107 171 1981，b.Indian J Chem Sect B16B 393 1978
14.J.Heterocycl Chem 16 793 1979
15.Eur J Med Chem 31 683 1996
16.a.J Med Chem 16 214 1973 b.Collect Cezch Chem Commun 49 6211984
17.a.J.Med Chem，18，192，1975；b.J.Heterocycl Chem，36，477，1999；c.J.Heterocycl Chem，33，271，1996
18.a.Liebig Ann Chem，328，1979；b.J.Heterocycl Chem，29，1477，1992
19.J Am Chem Soc 65 1072 1943
20.Phosphorus Sulfur Silicon and related elements，105，51，1995
21.Monatshefte Chem，127，955，1996
22.Phosphorus Sulfur Silicon and related elements 106，193，1995
23.Acta Chem Scand 50 432 1996
24.J Chem Research 296 1985
25.Eur J Med Chem，29，569，1994
26.a.Aust J Chem 35 775 1982，b.Farmaco 44 227 1989 c.Eur J MedChem 24 623 1989
27.J Med Chem 30 1166 1987
28.J Heterocycl Chem.，38，743，2001
应理解为上述靶点测量和药物发现的方法可以以多种方式变化，包括改变各步骤的顺序，各步骤可以是按顺序的也可是不按顺序的。此外，各种平行的和/或相继的构造可用于实施上述发明中，任选利用各种软件工具和/或各种硬件/软件组合。此外，已经描述了多种特征、方法和装置。应理解为不同的特征可以以不同的方式组合。特别地，不是在上面特殊实施方案中表明的全部特征均需要体现于本发明的每一个相似的例示性实施方案中。此外，上述特征的组合还可被认为在本发明的一些例示性实施方案范围内。计算机可读写的媒介也在本发明的范围内，该媒介上写有执行部分或全部本发明的例示性实施方案的软件。还应理解为许多实施方案仅描述为方法或仅为仪器。本发明的范围还覆盖硬件和/或软件，适合和/或设计用来和/或编程以进行方法型的实施方案。此外，本发明的范围包括使用、构建、校正和/或维持此处描述的仪器的方法。各标题的作用是为了便于浏览，而不应解释为必需将各章节内容限制于标题所表示的范围。权利要求中所用的术语“包含”、“包括”、“具有”等意指“包括但不限于”。
本领域技术人员应理解到本发明并不受所描述的内容的限制。相反，本发明的范围仅受权利要求的限制。

Claims (154)

1.获得关于靶分子化学活性区域信息的方法，包括：
提供一组上基本上刚性的化学量规；
使靶点与所述量规组中许多量规反应；
测试所述量规与所述靶点的结合以获得许多测试结果；以及
分析所述测试结果以获得关于所述化学活性区域的信息。
2.根据权利要求1的方法，其中所述量规允许所述量规部分的旋转。
3.根据权利要求1的方法，其中使用刚性骨架构建所述量规。
4.根据权利要求1的方法，其中所述量规的组成原子的移动不超过1埃，除非对该量规应用至少20Kcal/Mol的能量。
5.根据权利要求1的方法，其中分析包括鉴别所述靶点活性区域内的许多空间和化学特异性结合构型。
6.根据权利要求5的方法，其中所述构型包括三角形构型。
7.根据权利要求5的方法，其中鉴别包括鉴别与结合量规的构型匹配的构型。
8.根据权利要求5的方法，其中鉴别包括鉴别与结合量规的构型不匹配的构型。
9.根据权利要求8的方法，其中鉴别包括通过统计分析所述测试结果进行鉴别。
10.根据权利要求9的方法，其中鉴别包括经聚类进行鉴别。
11.根据权利要求5的方法，其中鉴别包括假定各量规显示单一构型。
12.根据权利要求5的方法，其中鉴别包括假定至少一些量规显示许多构型。
13.根据权利要求5的方法，其中鉴别包括根据在所述构型顶点处化学部分对量规进行分类。
14.根据权利要求1的方法，包括从至少两个所述测试的结果中重新构建至少部分所述化学活性区域的立体图，所述部分包括至少四个化学结合区域。
15.根据权利要求14的方法，其中所述部分包括至少六个化学结合区域。
16.根据权利要求5的方法，包括从至少两个构型中重新构建至少部分所述化学活性区域的立体图，所述部分包括至少四个化学结合区域。
17.根据权利要求16的方法，其中所述部分包括至少六个化学结合区域。
18.根据权利要求16的方法，其中重新构建包括：
从所述构型测试-重新构建许多立体图；
对所述图评分；以及
基于其分数选择立体图。
19.根据权利要求16的方法，其中重新构建包括：
从所述构型测试-重新构建许多立体图；
根据共有的结构聚类所述图谱；以及
基于所属类的相对性质选择立体图。
20.根据权利要求19的方法，其中所述相对性质包括大小。
21.根据权利要求16的方法，其中立体图包括足够的结合点以确保具有匹配结合点化学特性的小分子药物的结合。
22.根据权利要求21的方法，其中立体图包括至少6个结合点。
23.根据权利要求21的方法，其中立体图包括至少8个结合点。
24.根据权利要求1的方法，其中所述量规组包括具有至少10,000个量规的量规组。
25.根据权利要求1的方法，其中所述量规组包括具有至少50,000个量规的量规组。
26.根据权利要求1的方法，其中所述量规包括以空间构型排列的部分且其中所述量规被选用于跨越空间化学构型的虚拟空间。
27.根据权利要求1的方法，其中由所述量规跨越的虚拟空间的各点基本上被至少两个量规覆盖。
28.根据权利要求1的方法，其中由所述量规跨越的虚拟空间的各点基本上被至少三个量规覆盖。
29.根据权利要求1的方法，其中至少0.5％所述量规与所述靶点结合。
30.根据权利要求1的方法，其中至少1％所述量规与所述靶点结合。
31.根据权利要求1的方法，其中至少3％所述量规与所述靶点结合。
32.根据权利要求1的方法，其中至少50％所述量规通过向少于100个骨架的组中加入部分而限定。
33.根据权利要求1的方法，其中至少50％所述量规通过向少于50个骨架的组中加入部分而限定。
34.根据权利要求1的方法，其中至少所述量规组使用少于15个不同的化学部分以限定所述量规的化学行为。
35.根据权利要求1的方法，其中所述量规组使用少于10个不同的化学部分以限定所述量规的化学行为。
36.根据权利要求1的方法，其中所述测试是功能性测试。
37.根据权利要求1的方法，其中所述测试是结合测试。
38.根据权利要求1的方法，其中所述测试是细胞测试。
39.根据权利要求1的方法，其中所述测试是流通测试。
40.根据权利要求36的方法，其中所述功能性测试在所述靶点的天然底物存在下进行。
41.根据权利要求1的方法，其中所述靶点包括蛋白，该蛋白包括适于啮合底物的生物化学活性区域。
42.根据权利要求41的方法，其中所述化学活性区域包含包括所述生物化学活性区域的区域。
43.根据权利要求41的方法，其中所述化学活性区域包含包括所述蛋白的控制区域。
44.根据权利要求1的方法，分析包括分析至少60个量规的成功结合。
45.根据权利要求1的方法，分析包括分析至少10个量规的成功结合。
46.根据权利要求1的方法，分析包括分析至少100个量规的成功结合。
47.根据权利要求5的方法，其中鉴别包括鉴别至少40个不同的构型。
48.根据权利要求5的方法，其中鉴别包括鉴别至少10个不同的构型。
49.根据权利要求5的方法，其中鉴别包括鉴别至少100个不同的构型。
50.根据权利要求16的方法，包括：
比较所述图与先导物数据库；以及
从所述数据库中选择先导物，以进一步用于响应所述先导物和所述图谱间的相似或相似缺乏。
51.根据权利要求16的方法，包括：
比较所述图谱与先导物数据库；以及
从所述数据库中排除先导物，以进一步用于响应所述先导物和所述图谱间的相似或相似缺乏。
52.根据权利要求16的方法，包括：
构建与所述图谱相似的先导物。
53.根据权利要求52的方法，其中构建包括使用所述量规或用于限定所述量规的骨架进行构建。
54.根据权利要求5的方法，包括：
比较所述构型与先导物数据库；以及
从所述数据库中选择进一步用于响应所述先导物与所述构型匹配的先导物。
55.根据权利要求5的方法，包括：
基于所述构型构建先导物。
56.根据权利要求5的方法，包括：
选择至少一个所述量规作为药物发现的先导物。
57.根据权利要求1的方法，包括比较具有相似的结合几何结构的量规结合以获得空间抵触的数据；以及
分析所述空间抵触数据以提供关于所述靶点的几何信息。
58.鉴别靶点中多个化学-空间构型的存在，包括：
使用许多在其顶点具有已知化学-立体构型的量规分析靶点，以提供许多测试结果；
确定一系列空间，各构型顶点的每一组化学性质对应一个空间；
根据所述空间显示所述结果，以生成群集；以及
从所述群集鉴别所述靶点中构型的存在。
59.根据权利要求58的方法，其中所述显示包括伸展响应伸展函数的指示。
60.根据权利要求59的方法，其中所述伸展函数取决于量规结合于所述靶点的估算能。
61.从一组亚形状重新构建靶点化学结合构型的空间形状的方法，每个亚形状显示部分所述的结合构型，包括：
从所述的亚形状选择基准；
选择具有至少沿着一个侧面相互匹配并沿着另一侧面匹配所述基准的性质的至少两个亚形状；
将所述亚形状积累到所述的基准中；以及
重复所述选择和所述积累直到使用或无法使用所有的亚形状，从而提供所述靶点的结合构型的形状。
62.根据权利要求61的方法，包括变化地重复所述选择、积累并重复使用不同的选择亚形状的顺序。
63.根据权利要求62的方法，包括对于许多不同的基准选择重复所述的基准选择以及所述变化地重复。
64.根据权利要求63的方法，包括根据共用的亚组成的形状聚类许多这样的形状。
65.根据权利要求64的方法，包括基于所述聚类选择亚组成的形状作为得到的形状。
66.根据权利要求61的方法，其中所述亚形状包括三角形。
67.根据权利要求61的方法，其中所述亚形状限定了在其顶点的化学行为并且如果在其顶点该化学行为匹配那么就认为其中的两个侧边匹配。
68.根据权利要求61的方法，其中如果其长度相似那么就认为两个侧边匹配。
69.选择用于产生部分筛选库的骨架的方法，包括：
提供潜在的骨架分子，其包括许多可能的附着点以附着化学部分；
测定分子的刚性；以及
排除所述的潜在的骨架分子，其响应所述骨架的刚性缺乏。
70.根据权利要求69的方法，其中所述刚性缺乏是绝对的。
71.根据权利要求69的方法，其中所述刚性缺乏是相对于其它潜在的骨架而言的。
72.根据权利要求69的方法，包括基于其环的数目选择骨架。
73.根据权利要求69的方法，包括：
确定许多的量规分子，这些量规分子可通过向所述的潜在的骨架分子上增加化学部分而产生的；
确定所述分子给已存在的库部分增加了怎样的空间化学构型；以及
如果其给所述的库部分增加了一个或多个重要的空间化学构型，选择所述的潜在的骨架分子。
74.根据权利要求73的方法，包括基于所述骨架增加的大量构型选择骨架。
75.根据权利要求73的方法，其中所述重要的立体构型不是以前提供的或相重叠的构型。
76.选择加入筛选库的量规分子的方法，包括：
提供一组化学分子和至少部分筛选库；
从所述的化学分子组中选择潜在的量规分子；
测定所述潜在的量规分子的刚性；以及
排除所述潜在的量规分子，其响应所述量规分子的刚性缺乏。
77.根据权利要求76的方法，其中所述刚性缺乏是绝对的。
78.根据权利要求76的方法，其中所述刚性缺乏是相对于其它潜在的骨架而言的。
79.根据权利要求76的方法，包括
确定所述的部分筛选库在化学构形空间的跨越；
确定至少所述潜在分子的至少一个空间化学构型；以及
如果其给所述的筛选库增加了至少一个重要的空间化学构型，选择所述的潜在量规分子。
80.根据权利要求76的方法，其中提供一组分子包括使用化学部分选择性附着其上的单一骨架产生所述分子。
81.根据权利要求76的方法，其中提供一组分子包括提供化学库。
82.根据权利要求79的方法，其中所述量规增加了至少一个以前没有提供过或不与已有构型相重叠的空间化学构型，那么选择此量规。
83.创建至少部分筛选库的方法，包括：
选择可加入化学部分的量规分子；
测定许多潜在的量规，其可通过向所述骨架附着化学部分而创建；以及
选择化学构型基本上不重叠的所述量规亚组。
84.根据权利要求83的方法，包括：
排除增加超过六个空间化学构型的潜在量规。
85.减少筛选库的方法，包括：
对于至少部分所述库中的每一分子，基本上测定由该分子提供的一定等级结合点的所有空间化学构型；以及
除去增加多余空间化学构型的许多分子。
86.根据权利要求85的方法，其中所述一定等级是三。
87.减少筛选库的方法，包括：
对于至少部分所述库中的每一分子，基于能量考虑计算所述分子的结合概率；以及
除去至少一些结合概率低于阈值的分子。
88.根据权利要求87的方法，其中使用反向地依赖分子柔韧性的规则计算所述结合概率。
89.根据权利要求87的方法，其中至少基于分子的溶解度估算所述结合概率。
90.针对预定的靶分子任务设计筛选库的方法，包括；
确定由所述库直接确定的结合点间所需的距离范围；
确定由所述库的量规分子提供的测量间所需的重叠；
确定相互区别的一组所需的结合类型；以及
产生许多量规，所述量规各自限定许多结合类型及其间的距离，以便所述量规覆盖包括具有所述的所需重叠的空间化学构型空间，该空间包括所述距离和所述结合类型。
91.根据权利要求90的方法，其中许多化学部分的产生包括通过将化学部分附着于骨架而产生。
92.根据权利要求90的方法，其中所述量规覆盖三重结合点的空间化学构型空间。
93.根据权利要求90的方法，其中所述预定的靶分子任务包括蛋白。
94.根据权利要求90的方法，其中所述重叠至少为二。
95.根据权利要求90的方法，其中所述重叠至少为四。
96.根据权利要求90的方法，其中所述重叠至少为六。
97.根据权利要求90的方法，其中所述量规基本上是刚性的。
98.根据权利要求90的方法，其中所述覆盖考虑结合的固有柔韧性。
99.根据权利要求90的方法，其中产生包括由不同的量规产生基本上相同的构型，从而提供至少部分所述重叠。
100.根据权利要求99的方法，其中产生包括提供至少两个重复因子。
101.根据权利要求90的方法，其中产生包括由不同的量规产生基本上不同的构型，由于其一定程度的柔韧性不同量规重叠，从而提供至少部分所述重叠。
102.根据权利要求1的方法，包括基于所述信息对于所述靶点产生一组药物先导物。
103.根据权利要求102的方法，包括从所述组中除去对于所述靶点已知的药物先导物。
104.由权利要求102的方法产生的先导物组。
105.由权利要求103的方法产生的先导物组。
106.药物先导物，包括：
许多基本上刚性的骨架分子部件；
至少相互连接所述骨架分子部件的一种连接单元；以及
许多附着于所述骨架的部分。
107.筛选库，包括：
通过将化学部分附着于少于50个骨架分子组而产生至少10,000个分子。
108.根据权利要求107的筛选库，其中少于20个骨架分子用于产生所述至少10,000个分子。
109.根据权利要求107的库，其中所述骨架包括至少一种如下骨架分子：噻吩、1H-吡咯、呋喃、苯、吡啶、嘧啶、吡嗪、6H-噻吩并[2，3-b]吡咯、1，6-二氢-吡咯并[2，3-b]吡咯、1H-吲哚、噻吩并[2，3-d]嘧啶、6，7-二氢-吡唑并[1，5-a]嘧啶、喹啉、异喹啉、喹喔啉、3，4-二氢-苯并[e][1，4]二氮_-5-酮、3，8-二氢-4H-吡咯并[2，3-e][1，4]二氮_-5-酮、3，4-二氢-噻吩并[2，3-e][1，4]二氮_-5-酮、3，6-二氢-4H-吡咯并[3，2-e][1，4]二氮_-5-酮、5H，11H-二苯并[b，f][1，5]二氮杂辛英-6，12-二酮、1，4-二氢-10H-1，4，10-三氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、4H，10H-1-硫杂-4，10-二氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、二吡咯并[1，2-c；2’，1’-e]咪唑-5-酮、1，4，7，9-四氢-1，4，6，9-四氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、4，7，9-三氢-1-硫杂-4，6，9-三氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、2，4，9，三氢-1λ*4*，6-二硫杂-4，9-二氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、6，9-二氢-5H-1-硫杂-5，8，9三氮杂-环戊二烯并[a]甘菊环-4-酮、3，10，二氢-4H-[1，4]二氮_并[5，6-b]吲哚-5-酮、3，6-二氢-4H-[1，4]二氮_并[6，5-b]吲哚-5-酮、7，8-二氢-1H-1，7，10-三氮杂-环戊二烯并[e]茚-6-酮、8，9-二氢-3H-3，6，9-三氮杂-芳庚并[e]茚-10-酮、7，8-二氢-1H-1，5，8-三氮杂-芳庚并[f]茚-9酮、8，9-二氢-5，6，9，11-四氮杂-芳庚并[b]萘-10-酮、3，4-二氢[1，4]二氮_并[5，6-b]喹啉-5-酮、8，9-二氢-4，8，11-三氮杂-芳庚并[e]萘-7-酮、11H-10，11-二氮杂-苯并[b]芴、α-羟基酸、α-氨基酸、cohels、双环[2.2.2]辛烷、2-甲撑基-2，3-二氢苯并[1，4]二噁烯、6，7-二氢-2H-吡嗪并[1，2-a]嘧啶、9H-芴、1，4-二氮杂-双环[2.2.2]辛烷、1-氮杂-双环[2.2.2]辛烷、吡啶并[2，3-d]嘧啶、5-甲撑基-1，5-二氢-吡咯-2-酮、苯并[4，5]咪唑并[1，2-a]嘧啶、1，4-二氢-苯并[4，5]咪唑并[1，2-a]嘧啶、4，10-二氢-1，4a，10-三氮杂-菲-9-酮、1，5-二氢-咪唑并[1，2-a]嘧啶-5-酮、1，2，3，5-四氢-咪唑并[1，2-a]嘧啶、噻唑并[3，2-a]噻吩并[2，3-d]嘧啶-5-酮、1，9-二硫杂-4a，10-二氮杂-环戊二烯并[b]芴-4-酮、5，6-二氢-1-硫杂-5，7，8，9a-四氮杂-环戊二烯并[e]甘菊环-4-酮、6，10-二氢-5H-1-硫杂-5，7，10a-三氮杂-苯并[e]甘菊环-4-酮、4，5-二氢-3-硫杂-4，5a，10-三氮杂-环戊二烯并[a]芴、8H-1-硫杂环戊二烯并[a]茚、3-硫杂-4，5a，10-三氮杂-环戊二烯并[a]芴、6，7，9，11-四氢-10-硫杂-6，9-二氮杂-茚并[1，2-a]甘菊环-5，8-二酮、2，3，6，7，12，12a-六氢吡嗪并[1’，2’：1，6]吡啶并[3，4-b]-1，4-二酮、5，10-二氢-4H-2，3a，10-三氮杂-环戊二烯并[a]芴、5H-吡啶并[4，3-b]吲哚、11H-中氮茚并[1，2-b]喹啉-9-酮、1，2-二氢-2，4a，9-三氮杂-蒽-3，10-二酮、6H-异吲哚并[2，1-a]吲哚、1，5-二氢-苯并[b][1，4]二氮_-2-酮、5，10-二氢-二苯并[b，e][1，4]二氮_-11-酮、5，11-二氢-苯并[e]吡啶并[3，2-b][1，4]二氮_-6-酮、4，9-二氢-3-硫杂-4，9-二氮杂苯并[f]甘菊环-10-酮、苯并[g]喹喔啉、吡嗪并[2，3-b]喹喔啉、吡啶并[2，1-b]喹唑啉-11-酮、1-硫杂-4a，9-二氮杂-环戊二烯并[b]萘-4-酮、2-甲撑基-4H-苯并[1，4]噻嗪-3-酮。
110.根据权利要求107所述的库，其中至少4个所述骨架确切地具有单环。
111.根据权利要求107所述的库，其中至少4个所述骨架确切地具有两个环。
112.根据权利要求107所述的库，其中至少4个所述骨架确切地具有三个环。
113.根据权利要求107所述的库，其中至少4个所述骨架确切地具有四个环。
114.根据权利要求107所述的库，其中所述库包括至少50,000个这样所生成的分子。
115.根据权利要求107所述的库，其中所述库包括至少100,000个这样所生成的分子。
116.根据权利要求109所述的库，其中所述骨架包括至少三个所述的如下骨架分子。
117.根据权利要求109所述的库，其中所述骨架包括至少十个所述的如下骨架分子。
118.根据权利要求107所述的库，其中所述生成的分子基本上是刚性的。
119.根据权利要求107所述的库，其中所述分子跨越结合点类型空间几何模式的构型空间，包括至少25％的模式存在于蛋白中。
120.根据权利要求119所述的库，其中所述分子跨越至少50％的模式。
121.根据权利要求119所述的库，其中所述分子跨越限定至少4个截然不同的结合点化学类型的空间。
122.根据权利要求119所述的库，其中所述分子跨越限定至少5个截然不同的结合点化学类型的空间。
123.筛选库，包括：
通过将化学部分附着于至少一个下列骨架分子而产生至少100个量规分子：噻吩、1H-吡咯、呋喃、苯、吡啶、嘧啶、吡嗪、6H-噻吩并[2，3-b]吡咯、1，6-二氢-吡咯并[2，3-b]吡咯、1H-吲哚、噻吩并[2，3-d]嘧啶、6，7-二氢-吡唑并[1，5-a]嘧啶、喹啉、异喹啉、喹喔啉、3，4-二氢-苯并[e][1，4]二氮_-5-酮、3，8-二氢-4H-吡咯并[2，3-e][1，4]二氮_-5-酮、3，4-二氢-噻吩并[2，3-e][1，4]二氮_-5-酮、3，6-二氢-4H-吡咯并[3，2-e][1，4]二氮_-5-酮、5H，11H-二苯并[b，f][1，5]二氮杂辛英-6，12-二酮、1，4-二氢-10H-1，4，10-三氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、4H，10H-1-硫杂-4，10-二氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、二吡咯并[1，2-c；2’，1’-e]咪唑-5-酮、1，4，7，9-四氢-1，4，6，9-四氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、4，7，9-三氢-1-硫杂-4，6，9-三氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、2，4，9，三氢-1λ*4*，6-二硫杂-4，9-二氮杂-双环戊二烯并[a，e]环辛烯-5，10-二酮、6，9-二氢-5H-1-硫杂-5，8，9三氮杂-环戊二烯并[a]甘菊环-4-酮、3，10，二氢-4H-[1，4]二氮_并[5，6-b]吲哚-5-酮、3，6-二氢-4H-[1，4]二氮_并[6，5-b]吲哚-5-酮、7，8-二氢-1H-1，7，10-三氮杂-环戊二烯并[e]茚-6-酮、8，9-二氢-3H-3，6，9-三氮杂-芳庚并[e]茚-10-酮、7，8-二氢-1H-1，5，8-三氮杂-芳庚并[f]茚-9酮、8，9-二氢-5，6，9，11-四氮杂-芳庚并[b]萘-10-酮、3，4-二氢[1，4]二氮_并[5，6-b]喹啉-5-酮、8，9-二氢-4，8，11-三氮杂-芳庚并[e]萘-7-酮、11H-10，11-二氮杂-苯并[b]芴、α-羟基酸、α-氨基酸、cohels、双环[2.2.2]辛烷、2-甲撑基-2，3-二氢苯并[1，4]二噁烯、6，7-二氢-2H-吡嗪并[1，2-a]嘧啶、9H-芴、1，4-二氮杂-双环[2.2.2]辛烷、1-氮杂-双环[2.2.2]辛烷、吡啶并[2，3-d]嘧啶、5-甲撑基-1，5-二氢-吡咯-2-酮、苯并[4，5]咪唑并[1，2-a]嘧啶、1，4-二氢-苯并[4，5]咪唑并[1，2-a]嘧啶、4，10-二氢-1，4a，10-三氮杂-菲-9-酮、1，5-二氢-咪唑并[1，2-a]嘧啶-5-酮、1，2，3，5-四氢-咪唑并[1，2-a]嘧啶、噻唑并[3，2-a]噻吩并[2，3-d]嘧啶-5-酮、1，9-二硫杂-4a，10-二氮杂-环戊二烯并[b]芴-4-酮、5，6-二氢-1-硫杂-5，7，8，9a-四氮杂-环戊二烯并[e]甘菊环-4-酮、6，10-二氢-5H-1-硫杂-5，7，10a-三氮杂-苯并[e]甘菊环-4-酮、4，5-二氢-3-硫杂-4，5a，10-三氮杂-环戊二烯并[a]芴、8H-1-硫杂环戊二烯并[a]茚、3-硫杂-4，5a，10-三氮杂-环戊二烯并[a]芴、6，7，9，11-四氢-10-硫杂-6，9-二氮杂-茚并[1，2-a]甘菊环-5，8-二酮、2，3，6，7，12，12a-六氢吡嗪并[1’，2’：1，6]吡啶并[3，4-b]-1，4-二酮、5，10-二氢-4H-2，3a，10-三氮杂-环戊二烯并[a]芴、5H-吡啶并[4，3-b]吲哚、11H-中氮茚并[1，2-b]喹啉-9-酮、1，2-二氢-2，4a，9-三氮杂-蒽-3，10-二酮、6H-异吲哚并[2，1-a]吲哚、1，5-二氢-苯并[b][1，4]二氮_-2-酮、5，10-二氢-二苯并[b，e][1，4]二氮_-11-酮、5，11-二氢-苯并[e]吡啶并[3，2-b][1，4]二氮_-6-酮、4，9-二氢-3-硫杂-4，9-二氮杂苯并[f]甘菊环-10-酮、苯并[g]喹喔啉、吡嗪并[2，3-b]喹喔啉、吡啶并[2，1-b]喹唑啉-11-酮、1-硫杂-4a，9-二氮杂-环戊二烯并[b]萘-4-酮、2-甲撑基-4H-苯并[1，4]噻嗪-3-酮。
124.根据权利要求123的库，其中使用至少一个如下骨架产生所述分子：
噻吩、1H-吡咯、呋喃、苯、吡啶、嘧啶、吡嗪、6H-噻吩并[2，3-b]吡咯、1，6-二氢-吡咯并[2，3-b]吡咯、1H-吲哚、噻吩并[2，3-d]嘧啶、6，7-二氢-吡唑并[1，5-a]嘧啶、喹啉、异喹啉、喹喔啉、3，4-二氢-苯并[e][1，4]二氮_-5-酮、3，8-二氢-4H-吡咯并[2，3-e][1，4]二氮_-5-酮、3，4-二氢-噻吩并[2，3-e][1，4]二氮_-5-酮、3，6-二氢-4H-吡咯并[3，2-e][1，4]二氮_-5-酮、5H，11H-二苯并[b，f][1，5]二氮杂辛英-6，12-二酮、1，4-二氢-10H-1，4，10-1，4，10-三氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、4H，10H-1-硫杂-4，10-二氮杂-苯并[a]环戊二烯并[e]环辛烯-5，11-二酮、二吡咯并[1，2-c；2’，1’-e]咪唑-5-酮。
125.根据权利要求123的库，其中所述的至少100个分子包括至少300个分子。
126.根据权利要求123的库，其中使用单一的所述骨架产生所述库的所述的至少100个分子。
127.包含一组至少10,000个基本上刚性的分子的筛选库。
128.根据权利要求127的库，其中所述组包含至少50,000个基本上刚性的分子。
129.根据权利要求127的库，其中所述组包含至少100,000个基本上刚性的分子。
130.根据权利要求127的库，其中所选的所述组对于蛋白靶具有至少0.1％库的预期结合率。
131.根据权利要求130的库，其中所述结合率至少为0.5％。
132.根据权利要求130的库，其中所述组设计用于提供对于综合的靶点具有相似命中机率的分子，对于整个组而言其命中机率在1∶100的比例内。
133.根据权利要求132的库，其中所述比例在1∶10内。
134.根据权利要求127的库，其中所述组跨越空间化学构型的空间，每一个这样的构型确定其间具有距离的一些的结合点，该组在指定的距离范围基本上覆盖该空间内所有可能的构型。
135.筛选库，包括：
许多的至少5,000个量规分子，每一个这样的分子限定至少一个结合类型点的空间构型，
其中基本上这样的构型空间内的每一点均被至少两个不同的量规分子覆盖。
136.根据权利要求135的库，其中每一点被至少两个基本上相同的空间构型覆盖。
137.根据权利要求135的库，其中每一点被至少两个基本上不同的空间构型覆盖。
138.根据权利要求135的库，其中所述空间是由顶点的结合类型和顶点间的距离所限定的三角形空间。
139.根据权利要求138的库，其中所述空间包括4埃至8埃的距离(埃＝10-10米)。
140.根据权利要求138的库，其中所述空间包括2埃至10埃的距离。
141.根据权利要求138的库，其中所述空间包括至少5种不同的结合类型。
142.根据权利要求138的库，其中所述空间包括至少7种不同的结合类型。
143.根据权利要求138的库，其中所述空间包括全方向的结合类型。
144.根据权利要求138的库，其中所述空间包括方向性的结合类型。
145.根据权利要求138的库，其中所述空间内的所述每一点基本上被至少三个量规覆盖。
146.根据权利要求138的库，其中基本上所有的量规包括所述空间的许多构型。
147.获得关于靶分子结合行为的信息的方法，包括：
提供一组基本上刚性的化学量规，大量的所述量规预期与所述靶点结合；
使所述靶点与所述量规组的许多量规反应；以及
物理分析结合于量规的所述靶点的结构。
148.根据权利要求147的方法，其中物理分析包使用NMR分析。
149.根据权利要求147的方法，其中物理分析包括使用X-射线晶体学分析。
150.根据权利要求147的方法，其中物理分析包括使用与量规组的结合分析。
151.根据权利要求147的方法，其中包括虚拟的叠加许多通过所述物理分析获得的结构。
152.构建先导物的方法，包括：
提供一组基本上刚性的化学量规；
使所述靶点与所述量规组的许多量规反应；
测试所述量规与所述靶点的结合以获得许多测试结果；以及
基于所述测试结构构建先导物。
153.根据权利要求152的方法，其中构建先导物包括将许多在所述测试中已发现结合的量规连接在一起。
154.根据权利要求152的方法，其中构建先导物包括修饰现有分子使其具有与所述测试发现的结合区相对应的化学部分。
CNA028296621A 2002-07-24 2002-07-24 药物发现的方法 Pending CN1668918A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110355854.8A CN102592040B (zh) 2002-07-24 2002-07-24 药物发现的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/IL2002/000614 WO2004010136A1 (en) 2002-07-24 2002-07-24 Drug discovery method

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201110355854.8A Division CN102592040B (zh) 2002-07-24 2002-07-24 药物发现的方法

Publications (1)

Publication Number Publication Date
CN1668918A true CN1668918A (zh) 2005-09-14

Family

ID=30471435

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA028296621A Pending CN1668918A (zh) 2002-07-24 2002-07-24 药物发现的方法

Country Status (11)

Country Link
US (3) US8019550B2 (zh)
EP (2) EP2581849A1 (zh)
JP (1) JP5166675B2 (zh)
CN (1) CN1668918A (zh)
AU (1) AU2002321793B8 (zh)
BR (2) BRPI0215858B1 (zh)
CA (1) CA2493461C (zh)
EA (1) EA010258B1 (zh)
IL (1) IL166450A0 (zh)
MX (1) MXPA05001038A (zh)
WO (1) WO2004010136A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102797043A (zh) * 2011-05-23 2012-11-28 众曜(天津)生物技术有限公司 药物分子片段库及其构建方法
CN105027129A (zh) * 2012-12-14 2015-11-04 生命技术控股私人有限公司 用于计算机设计的方法和系统

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EA010258B1 (ru) 2002-07-24 2008-06-30 Кеддем Байо-Сайенс Лтд. Способ поиска лекарственного вещества
DE102004010954A1 (de) 2004-03-03 2005-10-06 Novaled Gmbh Verwendung eines Metallkomplexes als n-Dotand für ein organisches halbleitendes Matrixmaterial, organisches Halbleitermaterial und elektronisches Bauteil
RU2544856C2 (ru) * 2008-01-25 2015-03-20 Сергей Олегович Бачурин НОВЫЕ ПРОИЗВОДНЫЕ 2,3,4,5-ТЕТРАГИДРО-1-ПИРИДО[4,3-b]ИНДОЛА И СПОСОБЫ ИХ ПРИМЕНЕНИЯ
WO2010020892A2 (en) * 2009-07-07 2010-02-25 The Procter & Gamble Company Property-space similarity modeling
US9218460B2 (en) * 2011-05-09 2015-12-22 The Regents Of The University Of California Defining and mining a joint pharmacophoric space through geometric features
US9747424B2 (en) * 2011-11-18 2017-08-29 Transparency Life Science, Llc Systems and methods for drug development
EP3128451A1 (en) * 2015-08-07 2017-02-08 Molomics Biotech, S.L. Method, computer program, video game and system for optimizing a molecule for medical applications
KR20190100174A (ko) 2016-12-23 2019-08-28 엑소팜 리미티드 미세소포 및 엑소좀의 정제 또는 단리를 위한 방법 및 조성물
US10430395B2 (en) 2017-03-01 2019-10-01 International Business Machines Corporation Iterative widening search for designing chemical compounds
RU2743316C1 (ru) * 2020-08-14 2021-02-17 Автономная некоммерческая образовательная организация высшего образования Сколковский институт науки и технологий Способ идентификации участков связывания белковых комплексов

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09506913A (ja) 1993-12-15 1997-07-08 スミスクライン・ビーチャム・コーポレイション 化合物および方法
WO1998015532A1 (en) 1996-10-09 1998-04-16 Novartis Ag Solid phase synthesis of heterocyclic compounds
US5846722A (en) 1996-10-16 1998-12-08 Terrapin Technologies, Inc. System to detect small molecule/peptide interaction
CA2279571A1 (en) 1997-02-06 1998-08-13 Novalon Pharmaceutical Corporation Electrochemical probes for detection of molecular interactions and drug discovery
AU1925699A (en) 1997-12-18 1999-07-05 Sepracor, Inc. Methods for the simultaneous identification of novel biological targets and leadstructures for drug development
WO1999045389A2 (en) * 1998-03-06 1999-09-10 Abbott Lab Ligand screening and design by x-ray crystallography
US6344330B1 (en) 1998-03-27 2002-02-05 The Regents Of The University Of California Pharmacophore recombination for the identification of small molecule drug lead compounds
US6335155B1 (en) 1998-06-26 2002-01-01 Sunesis Pharmaceuticals, Inc. Methods for rapidly identifying small organic molecule ligands for binding to biological target molecules
WO2000025106A2 (en) 1998-10-28 2000-05-04 Glaxo Group Limited Pharmacophore fingerprinting in qsar and primary library design
EP1141708A1 (en) 1998-12-28 2001-10-10 Sunesis Pharmaceuticals Inc. Identifying small organic molecule ligands for binding
EP1203330A2 (en) * 1999-04-02 2002-05-08 Neogenesis, Inc. Analyzing molecule and protein diversity
AU745917C (en) 1999-12-08 2007-03-29 Agouron Pharmaceuticals, Inc. High-throughput screening of compounds using electrospray ionization mass spectrometry
US6143776A (en) * 2000-02-02 2000-11-07 Sunesis Pharmaceuticals, Inc. Tosylproline analogs as thymidylate synthase inhibitors
US6376524B1 (en) 2000-06-21 2002-04-23 Sunesis Pharmaceuticals, Inc. Triphenyl compounds as interleukin-4 antagonists
US6813615B1 (en) 2000-09-06 2004-11-02 Cellomics, Inc. Method and system for interpreting and validating experimental data with automated reasoning
EP1337853B1 (en) 2000-11-21 2009-01-07 Sunesis Pharmaceuticals, Inc. An extended tethering approach for rapid identification of ligands
AU2002219920A1 (en) 2000-11-28 2002-06-11 Sunesis Pharmaceuticals, Inc. Salicylate analogs as interleukin-4 antagonists
JP2003133529A (ja) 2001-10-24 2003-05-09 Sony Corp 情報記憶装置およびその製造方法
EA010258B1 (ru) 2002-07-24 2008-06-30 Кеддем Байо-Сайенс Лтд. Способ поиска лекарственного вещества

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102797043A (zh) * 2011-05-23 2012-11-28 众曜(天津)生物技术有限公司 药物分子片段库及其构建方法
CN102797043B (zh) * 2011-05-23 2015-11-25 天利康（天津）科技有限公司 药物分子片段库及其构建方法
CN105027129A (zh) * 2012-12-14 2015-11-04 生命技术控股私人有限公司 用于计算机设计的方法和系统

Also Published As

Publication number Publication date
US9405885B2 (en) 2016-08-02
EA010258B1 (ru) 2008-06-30
CA2493461C (en) 2013-01-08
EP2581849A1 (en) 2013-04-17
AU2002321793B2 (en) 2009-06-18
EA200500253A1 (ru) 2006-06-30
AU2002321793B8 (en) 2009-07-09
US20050277117A1 (en) 2005-12-15
CA2493461A1 (en) 2004-01-29
AU2002321793A1 (en) 2004-02-09
BR0215858A (pt) 2006-06-06
WO2004010136A1 (en) 2004-01-29
EP1540329A1 (en) 2005-06-15
US20110237458A1 (en) 2011-09-29
JP5166675B2 (ja) 2013-03-21
BRPI0215858B1 (pt) 2020-11-10
MXPA05001038A (es) 2005-09-12
US8019550B2 (en) 2011-09-13
IL166450A0 (en) 2006-01-15
EP1540329A4 (en) 2009-06-10
US20160314241A1 (en) 2016-10-27
JP2006507480A (ja) 2006-03-02

Similar Documents

Publication Publication Date Title
de Kloe et al. Transforming fragments into candidates: small becomes big in medicinal chemistry
Jaiteh et al. Docking screens for dual inhibitors of disparate drug targets for Parkinson’s disease
Toledo Warshaviak et al. Structure-based virtual screening approach for discovery of covalently bound ligands
CN1668918A (zh) 药物发现的方法
Basse et al. Toward the rational design of p53-stabilizing drugs: probing the surface of the oncogenic Y220C mutant
Ford et al. Computational tools to model halogen bonds in medicinal chemistry
Claffey et al. Application of structure-based drug design and parallel chemistry to identify selective, brain penetrant, in vivo active phosphodiesterase 9A inhibitors
CN1836041A (zh) 浏览突变
Byk et al. New regioselective multicomponent reaction: one pot synthesis of spiro heterobicyclic aliphatic rings
van der Wildt et al. Novel thienopyrimidine-based PET tracers for P2Y12 receptor imaging in the brain
Molani et al. Combining QM/MM calculations with classical mining minima to predict protein–ligand binding free energy
Chen et al. Design, synthesis, and anti‐HIV evaluation of novel triazine derivatives targeting the entrance channel of the NNRTI binding pocket
Ajani et al. Imidazo [1, 2‐c] pyrimidin‐5 (6H)‐one as a novel core of cyclin‐dependent kinase 2 inhibitors: Synthesis, activity measurement, docking, and quantum mechanical scoring
Liu et al. Selective thiazoline peptide cyclisation compatible with mRNA display and efficient synthesis
Corbett et al. Discovery of a potent and selective 5-ht5A receptor antagonist by high-throughput chemistry
Petrovic et al. Virtual screening in the cloud identifies potent and selective ROS1 kinase inhibitors
Ding et al. Combination of 2D and 3D-QSAR studies on DAPY and DANA derivatives as potent HIV-1 NNRTIs
Liu et al. The 3D-QSAR analysis of 4 (3H)-quinazolinone derivatives with dithiocarbamate side chains on thymidylate synthase
CN102592040A (zh) 药物发现的方法
JP5498416B2 (ja) 創薬手法
Siebert et al. SAR-Guided Scoring Function and Mutational Validation Reveal the Binding Mode of CGS-8216 at the α1+/γ2–Benzodiazepine Site
Sun et al. Prosit, an online service to calculate pseudorotational parameters of nucleosides and nucleotides
KR100922826B1 (ko) 약물 발견 방법
Wang et al. Pharmacophore models generation by catalyst and phase consensus-based virtual screening protocol against PI3Kα inhibitors
Li et al. Revealing interaction mode between HIV‐1 reverse transcriptase and diaryltriazine analog inhibitor

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1083122

Country of ref document: HK

C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Open date: 20050914

REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1083122

Country of ref document: HK