There is considerable interest in the discovery of novel molecular glues that induce proximity between oncology targets and their modulators. Induced proximity can be used to degrade proteins by a range of mechanisms, including ubiquitination and trafficking to the proteasome. DNA-Encoded Chemical Library screening can readily be adapted to the discovery of glues, and we will describe case studies that exemplify how carefully designed screening campaigns with billions of encoded compounds can find rare examples of compounds able to induce proximity. Case studies will include a small molecule discovered in a DEL screen against ATAD2 that is able to inappropriately dimerize ATAD2 thereby reducing its ability to bind to acetylated histones and an activator of the integrated stress response pathway that only binds to the eIF2b complex, not its isolated components, thereby stabilizing it.

La technologie des bibliothèques chimiques codées par l'ADN (DEL) est devenue un outil puissant pour l'identification des pistes, permettant le criblage efficace de grandes collections de composés codés, avec des avantages par rapport au criblage à haut débit traditionnel en termes de taille de bibliothèque, de coût et d'efficacité des ressources. La diversité chimique élevée et la fidélité de codage des DEL génèrent des données étendues qui peuvent supporter des approches computationnelles telles que l'apprentissage automatique (ML), la génération de pharmacophores 3D et la découverte basée sur la structure. Cette approche DEL-chémomique a été appliquée à la découverte de nouveaux ligands récepteurs de ligases E3, élargissant le répertoire des ligands E3 au-delà des CRBN et VHL traditionnels pour la dégradation des cibles médicamenteuses. Une étude de cas sur la découverte d'un ligand DCAF1 et son application dans les PROTACs ciblant WDR5 pour la dégradation sera présentée.

Le criblage de bibliothèques codées par l'ADN (DEL) avec synthèse chimique combinatoire codée est apparu comme une approche puissante pour découvrir de nouveaux ligands pour des cibles d'intérêt. Nous décrivons ici un flux de travail complémentaire de “numérisation” qui encode des composés présynthétisés (non combinatoires). Dans cette approche, un linker bifonctionnel est photoactivé pour générer un carbène qui s'insère directement dans le ligand putatif, suivi d'une cycloaddition [3+2] pour conjuguer un code-barres ADN unique. Les composés marqués par l'ADN qui en résultent sont regroupés et criblés en parallèle contre des cibles protéiques, et les ligands actifs sont enrichis.

Le criblage de bibliothèques codées par l'ADN (DEL) a toujours été utilisé pour identifier des résultats positifs à partir de bibliothèques contenant des centaines de milliards de molécules diverses. Nous avons mis au point de nouvelles méthodes pour accéder aux cribles DEL et les exploiter pour obtenir des données SAR exploitables. L'échantillonnage de Thompson est une méthode qui a été réimplémentée entre nos mains pour récolter les données DEL, qu'elles soient positives ou négatives. Nous avons également mis au point de nouvelles méthodes de pharmacophore qui résument les principales caractéristiques de milliers de composés DEL chimiquement et mécanistiquement apparentés afin de permettre leur utilisation plus large dans la conception de la chimie médicale. L'accès combiné aux deux méthodes produit des données qui facilitent non seulement l'identification des résultats, mais aussi des ensembles de données qui facilitent l'accélération rapide des efforts de chimie médicinale.

Les bibliothèques macrocycliques codées pour l'ADN (DEL) constituent une approche puissante pour la découverte de nouvelles thérapies, en particulier contre des cibles biologiques difficiles. Précédemment, nous avons identifié des inhibiteurs macrocycliques puissants et sélectifs des protéines de la famille Bcl-2, optimisés pour une puissance faible en nanomolaires avec des propriétés favorables de type médicament. S'appuyant sur ce succès, notre DEL macrocyclique de nouvelle génération présente diverses tailles d'anneaux, une stéréochimie riche et des chimies propriétaires, permettant une exploration efficace de cibles complexes et accélérant le chemin vers des pistes de haute qualité.

La découverte de médicaments covalents a remodelé l'industrie pharmaceutique, en augmentant le nombre de résidus ciblés et la diversité des ogives. Si la demi-vie du GSH reste essentielle pour la réactivité intrinsèque, il n'existe pas de consensus sur les mesures optimales de réactivité et de puissance. Ce domaine en évolution apporte de nouvelles ogives, de nouveaux mécanismes et de nouvelles cinétiques. Ce poster met en évidence de nouveaux paramètres cinétiques pour la réactivité du GSH et l'approche de X-Chem pour dé-risquer les pistes covalentes en mesurant les potentiels de liaison et de réduction des phospholipides et de l'albumine.

La technologie des bibliothèques chimiques codées dans l'ADN (DEL) permet le criblage efficace de vastes collections de composés codés et s'est imposée comme un outil puissant pour l'identification des résultats. La conception et la synthèse de novo de bibliothèques codées non traditionnelles, telles qu'une bibliothèque de composés covalents réversibles et des bibliothèques macrocycliques (MC) au-delà de la règle des cinq de Lipinski (bRo5), ont considérablement élargi l'espace chimique disponible pour le criblage DEL, et améliorent encore la faisabilité de la découverte de ligands hautement sélectifs pour des cibles oncologiques difficiles. Nous présenterons des exemples de découverte de ligands par affinité ciblant les interactions protéine-protéine au sein de la famille des protéines Bcl-2, en nous concentrant spécifiquement sur MCL1 et BFL1. Nous soulignons la stratégie de sélection multiplexée des DEL employée et élucidons les détails moléculaires concernant le caractère unique des interactions entre les ligands.

La formation de modèles appris par la machine à l'aide des données de criblage de la bibliothèque chimique codée par l'ADN “DEL-ML” et l'utilisation de ces modèles pour classer les composés dans des catalogues virtuels ont été couronnées de succès pour l'identification de succès pour une série de cibles oncologiques individuelles, y compris ER alpha et c-KIT [McCloskey et al. 2020]. Nous décrivons ici l'importance de la qualité et de la diversité des bibliothèques, de la qualité des protéines, de la conception des cribles, du choix des profils appropriés, de la préparation et de l'évaluation des ensembles d'entraînement, du marquage de la promiscuité, des représentations chimiques, des algorithmes de modélisation et de leur mise au point dans le contexte d'une évaluation systématique basée sur les classes de cibles pour une série de cibles oncologiques, notamment DCAF1, WDR5 et WDR12. Cette approche a permis d'obtenir des ligands de type médicamenteux, premiers de leur classe, pour de multiples cibles qui ont été caractérisées à l'aide d'une série d'approches biophysiques, y compris la cristallographie aux rayons X.

La découverte de petites molécules se liant à l'ARN est un défi formidable avec un immense potentiel thérapeutique mais peu de succès signalés. Nous rapportons ici la découverte de petites molécules ligands spécifiques pour des cibles de répétitions d'expansion, de sites d'épissage et de riboswitchs via la sélection par affinité de bibliothèques codées par l'ADN (DEL) contre de l'ARN immobilisé à l'image d'un miroir. Dans un système modèle, nous démontrons que la stratégie de l'image miroir élimine le faux enrichissement causé par l'hybridation ADN:ARN (un problème majeur dans les études DEL:ARN précédentes) et améliore l'enrichissement d'un ligand connu marqué par l'ADN, conformément à l'hypothèse sans précédent selon laquelle l'hybridation ADN:ARN ne se produit qu'entre les brins homochiraux. Pour trois cibles d'ARN importantes sur le plan thérapeutique, nous avons utilisé notre jeu de DEL contenant plus de 100 milliards de composés, découvert de nouvelles substances chimiques, synthétisé les versions miroirs des DEL et confirmé leur affinité pour la cible d'ARN naturelle dans des essais biophysiques orthogonaux. Notre méthode rend l'ARN aussi apte aux criblages DEL que d'autres classes de cibles et libère le débit inégalé de DEL pour la découverte de médicaments à base de petites molécules ciblées sur l'ARN.

Les bibliothèques codées dans l'ADN (DEL) de X-Chem contiennent des centaines de milliards de molécules couvrant un espace chimique diversifié. Lorsqu'elles sont examinées par rapport à des cibles biologiques, des tendances positives et négatives en matière de relations structure-activité (RAS) émergent au sein de cet espace chimique, produisant de riches ensembles de données sur lesquels l'apprentissage automatique se développe. Nous rapportons ici la découverte de premiers ligands pour la protéine 91 contenant des répétitions WD40 (WDR91) en appliquant des modèles d'apprentissage automatique formés sur les données de criblage DEL de X-Chem à des catalogues de composés commerciaux accessibles synthétiquement. Les prédictions initiales ont abouti à la découverte d'un composé sélectif de la WDR91 avec un K_D de 6±2 μM, l'expansion SAR basée sur l'apprentissage automatique des résultats primaires a permis d'identifier 11 composés supplémentaires avec un K_D ≤ 25 μM et %R_max > 60%, et la conception de médicaments basée sur la structure (SBDD) a permis de découvrir 2 analogues covalents avec KD ≤ 45 μM et %R._max > 50%, pour lesquels la formation d'adduits covalents a été confirmée par chromatographie liquide-spectrométrie de masse intacte.

Ce poster a été présenté lors du 12^th Symposium international sur les chimiothèques encodées dans l'ADN