新規コロナウイルスのためのディープラーニングベースの薬物スクリーニング 2019-nCov

Deep Learning Based Drug Screening for Novel Coronavirus 2019-nCov.

• Haiping Zhang
• Konda Mani Saravanan
• Yang Yang
• Md Tofazzal Hossain
• Junxin Li
• Xiaohu Ren
• Yi Pan
• Yanjie Wei

抄録

2019-nCoVと呼ばれる新型コロナウイルスが最近、中国湖北省武漢市で発見され、現在、中国をはじめ世界各地に広がっています。2019-nCoVを治療する薬剤はあるものの、ウイルスに対する活性については適切な科学的根拠がない。貴重な人命を救うためにも、このウイルスに効果的に対抗できる薬を開発することの意義は大きい。通常、従来の方法では、薬剤の開発にははるかに長い時間がかかります。2019-nCoVについては、2019-nCoVはSARS-CoVとの相同性が高いため、このような疾患と効果的に闘うことができる薬剤を開発するためには、ディープラーニングのようないくつかの代替手法に頼った方が良いと考えられるようになった。本研究では、まず、2019-nCoVの発症が報告されている患者18名のウイルスRNA配列をパブリックドメインデータベースから収集し、そのRNAをタンパク質配列に翻訳し、多重配列アラインメントを行った。慎重な文献調査と配列解析の結果、3C様プロテアーゼが主要な治療標的と考えられていることから、相同性モデリングを用いて3C様プロテアーゼのタンパク質3Dモデルを構築した。この構造モデルに依存して、我々はパイプラインを用いて、我々のグループで最近開発されたタンパク質-リガンド相互作用ペアを正確にランク付け/同定するためのディープラーニングベースの手法を用いて、大規模な仮想スクリーニングを行った。我々のモデルは、4つの化合物データベース（Chimdiv、Targetmol-Approved_Drug_Library、Targetmol-Natural_Compound_Library、Targetmol-Bioactive_Compound_Library）とトリペプチドのデータベースに対してドラッグスクリーニングを行うことで、2019-nCoV 3C様プロテアーゼの潜在的な薬剤を同定した。本論文では、化学的リガンド（メグルミン、ビダラビン、アデノシン、D-ソルビトール、D-マンニトール、グルコン酸ナトリウム、ガンシクロビル、クロロブタノール）とペプチド医薬品（イソロイシン、リジン、プロリンの組み合わせ）の可能性のあるリストをデータベースから提供し、実験研究者の指針となり、より短期間でウイルスと闘うことができる分子の検証を行った。

A novel coronavirus, called 2019-nCoV, was recently found in Wuhan, Hubei Province of China, and now is spreading across China and other parts of the world. Although there are some drugs to treat 2019-nCoV, there is no proper scientific evidence about its activity on the virus. It is of high significance to develop a drug that can combat the virus effectively to save valuable human lives. It usually takes a much longer time to develop a drug using traditional methods. For 2019-nCoV, it is now better to rely on some alternative methods such as deep learning to develop drugs that can combat such a disease effectively since 2019-nCoV is highly homologous to SARS-CoV. In the present work, we first collected virus RNA sequences of 18 patients reported to have 2019-nCoV from the public domain database, translated the RNA into protein sequences, and performed multiple sequence alignment. After a careful literature survey and sequence analysis, 3C-like protease is considered to be a major therapeutic target and we built a protein 3D model of 3C-like protease using homology modeling. Relying on the structural model, we used a pipeline to perform large scale virtual screening by using a deep learning based method to accurately rank/identify protein-ligand interacting pairs developed recently in our group. Our model identified potential drugs for 2019-nCoV 3C-like protease by performing drug screening against four chemical compound databases (Chimdiv, Targetmol-Approved_Drug_Library, Targetmol-Natural_Compound_Library, and Targetmol-Bioactive_Compound_Library) and a database of tripeptides. Through this paper, we provided the list of possible chemical ligands (Meglumine, Vidarabine, Adenosine, D-Sorbitol, D-Mannitol, Sodium_gluconate, Ganciclovir and Chlorobutanol) and peptide drugs (combination of isoleucine, lysine and proline) from the databases to guide the experimental scientists and validate the molecules which can combat the virus in a shorter time.