基于片段药物发现（FBDD）是指针对目标分子筛选小分子化合物，然后优化和连接这些高亲和力的片段，创建命中率高的具有亲和力性的配体。FBDD技术是当今许多药物发现项目的基础，在这篇文章中汇总了在一系列目标分子和适应症中，使用基于片段筛选技术的5项最新进展。

1、片段裁剪

片段裁剪是传统的FBDD技术和基于结构的药物设计的结合体。该方法允许研究人员从较小的成分中设计分子片段，然后将这些片段连接在一起进行进一步的评估，包括在Covid-19期间紧急识别针对SARS-CoV-2病毒的潜在药物。

当时研究人员利用片段裁剪，构建了该病毒主要蛋白酶。研究人员使用计算方法设计了分子片段，并将它们连接在一起，同时结合到SARS-CoV-2-M的不同位置上，然后筛选了一个近20万个针对蛋白酶结合腔的片段库，任何结合到相邻的高亲和力片段都会被连接起来，生成最终的新候选分子。这些分子具有类似药物的性质和可能的结合亲合力，研究人员通过分子动力学模拟评估了多种候选分子的候选名单，其中17种被发现能够与SARS-CoV-2-M形成稳定的复合物。值得注意的是这些新颖的、针对covid-19的候选药物，无法通过以往传统的高温超导方法研发。

2、亲和性质谱片段筛选

G蛋白耦联受体（GPCRs）是配体结合在主要活性位点以外的一个位点，在多种疾病中有一系列发挥潜在的治疗应用，包括心脏疾病到癌症，而识别负变构调节剂（NAMs）尤其具有挑战性，NAMs可抑制受体激活。最近，一种结合亲和质谱（MS）与FBDD结合的新方法被用于筛选潜在NAM的片段库，该NAM可靶向腺苷A受体的钠离子结合袋，这是炎症和心脏病中广泛探索的靶点。

与常规表面等离子体共振或基于NMR的FBDD方法相比，通过使用亲和MS富集特定结合物，可以减少2至4倍的目标蛋白质和片段库化合物混合物的使用量，并且分析速度可以提高2至3倍。这种方法确定了一种新的NAM，其特征是氮杂环丁烷部分被认为占据变构钠结合位点。这一发现将为NAM的设计提供针对A类GPCR钠离子的信息，展现了将亲和MS与FBDD相结合，以识别其他GPCR靶标的变构抑制剂的能力。

3、氟-19核磁共振波谱

核磁共振波谱是一种成熟的FBDD技术，方法是测量15N标记的目标蛋白在片段配体结合处的量子光谱的位移。最新发展显示，该技术已扩展到其他的目标分子。在一项研究中，氟-19NMR可用于针对14种不同的RNA筛选（包含102个片段的数据库），揭示了不同大小和二级和三级RNA结构的成药性，其中包括从发夹结构到细菌型核糖开关的多种结构，它们能够以高亲和力和特异性自然结合低分子量代谢物。

基于氟-19的检测要比其他基于NMR的方法具有优势，因为氟-19光谱显示出了更高的化学位移分散，使其在检测弱结合活性时更加灵敏。鉴定的片段可以通过直接的后续化学轻松进一步优化，以增加结合亲和力，同时仍保持不同RNA靶标之间的选择性。

4、片段计算协议

计算方法通常在实验片段筛选之前使用，用于设计潜在的筛选片段（如片段剪裁方法）或将化合物数据库缩小为更易于管理的集合。这些方法使用分子对接，模拟可视化片段与目标蛋白质上不同位点的结合。为此，研究人员需要使用X射线晶体学方法获得目标蛋白质的实验结构，或者用已知的结合剂探索相关的化学结构。但是，基于某些配体片段倾向于与进化无关蛋白质的保守蛋白质亚袋结合的观察结果，研究人员为此已经开发了一种新的虚拟筛选工具FRAGSITE，它使用的是不相关靶蛋白的相似位点结合的配体片段。

在实验测试中，FRAGSITE比其他虚拟筛选工具能够有更高的命中率，并为测试的目标识别出具有不同支架和纳摩尔亲和力的新分子。最近的另一项发展是一种称为高通量监督分子动力学（HT-SuMD）的计算协议。HT-SuMD协议允许研究者使用3D目标结构和要筛选的片段数据库，以全自动方式准备、运行和分析数千个模拟，将结合事件的采样加速到几秒，这也是迄今为止最大的完全基于分子动力学的片段筛选计算。

5、片段表型先导发现（FPLD)

长期以来，人们一直认为FBDD中使用片段的弱结合亲和力，不会在基于细胞的表型分析中检测到，或者使用足够高浓度的片段数据库来获得高的命中率，会导致毒性和读数不准确。但最近，研究人员已成功地使用精选片段库在传染病模型中达到了目标。

在一项研究中，研究人员针对一系列病原体（利什热病、恶性疟原虫、奈瑟菌、分枝杆菌和黄病毒）筛选了169个化合物数据库，每个库包含7至12个化合物。实验者对于每种病原体在单独的测定中进行解卷积，并与来自HTS先前的命中进行比较。这项概念验证研究并没有像预期的那样，观察到非特异性抑制和毒性，而是发现了表型筛选带来了可以进一步探索的一系列命中数据。除此之外，该方法还可以更广泛地用于其他缺乏明确临床目标的疾病，例如神经系统和心血管疾病以及某些类型的癌症。

参考文献

1. Erlanson DA, Fesik SW, Hubbard RE, Jahnke W, Jhoti H. Twenty years on: the impact of fragments on drug discovery.Nat Rev Drug Discov. 2016;15(9):605-619. doi: 10.1038/nrd.2016.109

2. Patterson AW, Wood WJ, Ellman JA. Substrate activity screening (SAS): a general procedure for the preparation and screening of a fragment-based non-peptidic protease substrate library for inhibitor discovery.Nat Protoc. 2007;2(2):424-433. doi: 10.1038/nprot.2007.28

3. Choudhury C. Fragment tailoring strategy to design novel chemical entities as potential binders of novel corona virus main protease. J Biomol Struct Dyn. 2021;39(10):3733-3746. doi: 10.1080/07391102.2020.1771424

4. Lu Y, Liu H, Yang D, et al. Affinity mass spectrometry-based fragment screening identified a new negative allosteric modulator of the adenosine A2A receptor targeting the sodium ion pocket. ACS Chem Biol. 2021;16(6):991-1002. doi: 10.1021/

acschembio.0c00899

5. Binas O, de Jesus V, Landgraf T, et al. 19 F NMR-based fragment screening for 14 different biologically active RNAs and 10 DNA and protein counter-screens. Chembiochem. 2021;22(2):423-433. doi: 10.1002/cbic.202000476

6. Zhou H, Cao H, Skolnick J. FRAGSITE: A fragment-based approach for virtual ligand screening. J Chem Inf Model. 2021;61(4):2074-2089. doi: 10.1021/acs.jcim.0c01160

7. Ferrari F, Bissaro M, Fabbian S, et al. HT-SuMD: making molecular dynamics simulations suitable for fragment-based screening. A comparative study with NMR. J Enzyme Inhib Med Chem. 2021;36(1):1-14. doi:10.1080/14756366.2020.1838499

8. Ayotte Y, Bernet E, Bilodeau F, et al. Fragment-based phenotypic lead discovery to identify new drug seeds that target infectious diseases.ACS Chem Biol. 2021;16(11):2158-2163. doi: 10.1021/acschembio.1c00657