AlphaFold2 (AF2) and RosettaFold have greatly expanded the number of structures available for structure-based ligand discovery, even though retrospective studies have cast doubt on their direct usefulness for that goal. Here, we tested unrefined AF2 models

Abstract The σ 2 receptor is a poorly understood transmembrane receptor that has attracted intense interest in many areas of biology including cancer imaging, Alzheimer’s disease, schizophrenia, and neuropathic pain. However, little is known regarding the molecular details of the receptor, and few highly selective ligands are available. Here, we report the crystal structure of the σ 2 receptor in complex with the clinical drug candidate roluperidone and the probe compound PB28. These structures, in turn, templated a large-scale docking screen of 490 million make-on-demand molecules. Of these, 484 compounds were synthesized and tested, prioritizing not only high-ranking docked molecules, but also those with mediocre and poor scores. Overall, 127 compounds with binding affinities superior to 1 μM were identified, all in new chemotypes, 31 of which had affinities superior to 50 nM. Intriguingly, hit rate fell smoothly and monotonically with docking score. Seeking to develop selective and biologically active probe molecules, we optimized three of the original docking hits for potency and for selectivity, achieving affinities in the 3 to 48 nM range and to up to 250-fold selectivity vs. the σ 1 receptor. Crystal structures of the newly discovered ligands bound to the σ 2 receptor were subsequently determined, confirming the docked poses. To investigate the contribution of the σ 2 receptor in pain processing, and to distinguish it from the contribution of the σ 1 receptor, two potent σ 2 -selective and one potent σ 1 /σ 2 non-selective ligand were tested for efficacy in a mouse model of neuropathic pain. All three ligands demonstrated timedependent decreases in mechanical hypersensitivity in the spared nerve injury model, supporting a role for the σ 2 receptor in nociception, and a possible role for σ 1 /σ 2 polypharmacology. This study illustrates the opportunities for rapid discovery of in vivo active and selective probes to study under-explored areas of biology using structurebased screens of diverse, ultra-large libraries following the elucidation of protein structures.

The nonstructural protein 3 (NSP3) of the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) contains a conserved macrodomain enzyme (Mac1) that is critical for pathogenesis and lethality. While small molecule inhibitors of Mac1 have great therapeutic potential, at the outset of the COVID-19 pandemic there were no well-validated inhibitors for this protein nor, indeed, the macrodomain enzyme family, making this target a pharmacological orphan. Here, we report the structure-based discovery and development of several different chemical scaffolds exhibiting low- to sub-micromolar affinity for Mac1 through iterations of computer-aided design, structural characterization by ultra-high resolution protein crystallography, and binding evaluation. Potent scaffolds were designed with in silico fragment linkage and by ultra-large library docking of over 450 million molecules. Both techniques leverage the computational exploration of tangible chemical space and are applicable to other pharmacological orphans. Overall, 160 ligands in 119 different scaffolds were discovered, and 152 Mac1-ligand complex crystal structures were determined, typically to 1 Å resolution or better. Our analyses discovered selective and cell-permeable molecules, unexpected ligand-mediated protein dynamics within the active site, and key inhibitor motifs that will template future drug development against Mac1.

The cystic fibrosis transmembrane conductance regulator (CFTR) is a crucial ion channel whose loss of function leads to cystic fibrosis, whereas its hyperactivation leads to secretory diarrhea. Small molecules that improve CFTR folding (correctors) or function (potentiators) are clinically available. However, the only potentiator, ivacaftor, has suboptimal pharmacokinetics and inhibitors have yet to be clinically developed. Here, we combine molecular docking, electrophysiology, cryo-EM, and medicinal chemistry to identify CFTR modulators. We docked ∼155 million molecules into the potentiator site on CFTR, synthesized 53 test ligands, and used structure-based optimization to identify candidate modulators. This approach uncovered mid-nanomolar potentiators, as well as inhibitors, that bind to the same allosteric site. These molecules represent potential leads for the development of more effective drugs for cystic fibrosis and secretory diarrhea, demonstrating the feasibility of large-scale docking for ion channel drug discovery.

Large library docking can reveal unexpected chemotypes that complement the structures of biological targets. Seeking new agonists for the cannabinoid-1 receptor (CB1R), we docked 74 million tangible molecules, prioritizing 46 high ranking ones for de novo synthesis and testing. Nine were active by radioligand competition, a 20% hit-rate. Structure-based optimization of one of the most potent of these (Ki = 0.7 uM) led to '4042, a 1.9 nM ligand and a full CB1R agonist. A cryo-EM structure of the purified enantiomer of '4042 ('1350) in complex with CB1R-Gi1 confirmed its docked pose. The new agonist was strongly analgesic, with generally a 5-10-fold therapeutic window over sedation and catalepsy and no observable conditioned place preference. These findings suggest that new cannabinoid chemotypes may disentangle characteristic cannabinoid side-effects from their analgesia, supporting the further development of cannabinoids as pain therapeutics.

The cystic fibrosis transmembrane conductance regulator (CFTR) is a crucial ion channel whose loss of function leads to cystic fibrosis, while its hyperactivation leads to secretory diarrhea. Small molecules that improve CFTR folding (correctors) or function (potentiators) are clinically available. However, the only potentiator, ivacaftor, has suboptimal pharmacokinetics and inhibitors have yet to be clinically developed. Here we combine molecular docking, electrophysiology, cryo-EM, and medicinal chemistry to identify novel CFTR modulators. We docked ~155 million molecules into the potentiator site on CFTR, synthesized 53 test ligands, and used structure-based optimization to identify candidate modulators. This approach uncovered novel mid-nanomolar potentiators as well as inhibitors that bind to the same allosteric site. These molecules represent potential leads for the development of more effective drugs for cystic fibrosis and secretory diarrhea, demonstrating the feasibility of large-scale docking for ion channel drug discovery.

Abstract Drugs acting as positive allosteric modulators (PAMs) to enhance the activation of the calcium sensing receptor (CaSR) and to suppress parathyroid hormone (PTH) secretion can treat hyperparathyroidism but suffer from side effects including hypocalcemia and arrhythmias. Seeking new CaSR modulators, we docked libraries of 2.7 million and 1.2 billion molecules against transforming pockets in the active-state receptor dimer structure. Consistent with simulations suggesting that docking improves with library size, billion-molecule docking found new PAMs with a hit rate that was 2.7-fold higher than the million-molecule library and with hits up to 37-fold more potent. Structure-based optimization of ligands from both campaigns led to nanomolar leads, one of which was advanced to animal testing. This PAM displays 100-fold the potency of the standard of care, cinacalcet, in ex vivo organ assays, and reduces serum PTH levels in mice by up to 80% without the hypocalcemia typical of CaSR drugs. Cryo-EM structures with the new PAMs show that they induce residue rearrangements in the binding pockets and promote CaSR dimer conformations that are closer to the G-protein coupled state compared to established drugs. These findings highlight the promise of large library docking for therapeutic leads, especially when combined with experimental structure determination and mechanism. One sentence summary Structure-based virtual screening uncovers novel CaSR allosteric modulators with enhanced efficacy and less side effects.

Abstract Antiviral therapeutics to treat SARS-CoV-2 are much desired for the on-going pandemic. A well-precedented viral enzyme is the main protease (MPro), which is now targeted by an approved drug and by several investigational drugs. With the inevitable liabilities of these new drugs, and facing viral resistance, there remains a call for new chemical scaffolds against MPro. We virtually docked 1.2 billion non-covalent and a new library of 6.5 million electrophilic molecules against the enzyme structure. From these, 29 non-covalent and 11 covalent inhibitors were identified in 37 series, the most potent having an IC 50 of 29 μM and 20 μM, respectively. Several series were optimized, resulting in inhibitors active in the low micromolar range. Subsequent crystallography confirmed the docking predicted binding modes and may template further optimization. Together, these compounds reveal new chemotypes to aid in further discovery of MPro inhibitors for SARS-CoV-2 and other future coronaviruses.

Early-stage drug discovery has been limited by initial hit identification and lead optimization and their associated costs (1). Ultra-large virtual screens (ULVSs), which involve the virtual evaluation of massive numbers of molecules to engage a macromolec-ular target, have the ability to significantly alleviate these problems, as was recently demonstrated in multiple studies (2–7). Despite their potential, ULVSs have so far only explored a tiny fraction of the chemical space and of available docking programs. Here, we present VirtualFlow 2.0, the next generation of the first open-source drug discovery platform dedicated to ultra-large virtual screen ings. VirtualFlow 2.0 provides the REAL Space from Enamine containing 69 billion drug-like molecules in a "ready-to-dock" format, the largest library of its kind available to date. We provide an 18-dimensional matrix for intuitive exploration of the library through a web interface, where each dimension corresponds to a molecular property of the ligands. Additionally, VirtualFlow 2.0 supports multiple techniques that dramatically reduce computational costs, including a new method called Adaptive Target-Guided Virtual Screening (ATG-VS). By sampling a representative sparse version of the library, ATG-VS identifies the sections of the ultra-large chemical space that harbors the highest potential to engage the target site, leading to substantially reduced computational costs by up to a factor of 1000. In addition, VirtualFlow 2.0 supports the latest deep learning and GPU-based docking methods, allowing further speed-ups by up to two orders of magnitude. VirtualFlow 2.0 supports 1500 unique docking methods providing target-specific and consensus docking options to increase accuracy and has the ability to screen new types of ligands (such as peptides) and target receptors (including RNA and DNA). Moreover, VirtualFlow 2.0 has many advanced new features, such as enhanced AI and cloud support. We demonstrate a perfectly linear scaling behavior up to 5.6 million CPUs in the AWS Cloud, a new global record for parallel cloud computing. Due to its open-source nature and versatility, we expect that VirtualFlow 2.0 will play a key role in the future of early-stage drug discovery.