A critical barrier to entry into structure-based virtual screening is the lack of a suitable, easy to access database of purchasable compounds. We have therefore prepared a library of 727,842 molecules, each with 3D structure, using catalogs of compounds from vendors (the size of this library continues to grow). The molecules have been assigned biologically relevant protonation states and are annotated with properties such as molecular weight, calculated LogP, and number of rotatable bonds. Each molecule in the library contains vendor and purchasing information and is ready for docking using a number of popular docking programs. Within certain limits, the molecules are prepared in multiple protonation states and multiple tautomeric forms. In one format, multiple conformations are available for the molecules. This database is available for free download (http://zinc.docking.org) in several common file formats including SMILES, mol2, 3D SDF, and DOCK flexibase format. A Web-based query tool incorporating a molecular drawing interface enables the database to be searched and browsed and subsets to be created. Users can process their own molecules by uploading them to a server. Our hope is that this database will bring virtual screening libraries to a wide community of structural biologists and medicinal chemists.

The identification of protein function based on biological information is an area of intense research. Here we consider a complementary technique that quantitatively groups and relates proteins based on the chemical similarity of their ligands. We began with 65,000 ligands annotated into sets for hundreds of drug targets. The similarity score between each set was calculated using ligand topology. A statistical model was developed to rank the significance of the resulting similarity scores, which are expressed as a minimum spanning tree to map the sets together. Although these maps are connected solely by chemical similarity, biologically sensible clusters nevertheless emerged. Links among unexpected targets also emerged, among them that methadone, emetine and loperamide (Imodium) may antagonize muscarinic M3, α2 adrenergic and neurokinin NK2 receptors, respectively. These predictions were subsequently confirmed experimentally. Relating receptors by ligand chemistry organizes biology to reveal unexpected relationships that may be assayed using the ligands themselves.

A key metric to assess molecular docking remains ligand enrichment against challenging decoys. Whereas the directory of useful decoys (DUD) has been widely used, clear areas for optimization have emerged. Here we describe an improved benchmarking set that includes more diverse targets such as GPCRs and ion channels, totaling 102 proteins with 22886 clustered ligands drawn from ChEMBL, each with 50 property-matched decoys drawn from ZINC. To ensure chemotype diversity, we cluster each target's ligands by their Bemis–Murcko atomic frameworks. We add net charge to the matched physicochemical properties and include only the most dissimilar decoys, by topology, from the ligands. An online automated tool (http://decoys.docking.org) generates these improved matched decoys for user-supplied ligands. We test this data set by docking all 102 targets, using the results to improve the balance between ligand desolvation and electrostatics in DOCK 3.6. The complete DUD-E benchmarking set is freely available at http://dude.docking.org.

Although drugs are intended to be selective, at least some bind to several physiological targets, explaining side effects and efficacy. Because many drug–target combinations exist, it would be useful to explore possible interactions computationally. Here we compared 3,665 US Food and Drug Administration (FDA)-approved and investigational drugs against hundreds of targets, defining each target by its ligands. Chemical similarities between drugs and ligand sets predicted thousands of unanticipated associations. Thirty were tested experimentally, including the antagonism of the β1 receptor by the transporter inhibitor Prozac, the inhibition of the 5-hydroxytryptamine (5-HT) transporter by the ion channel drug Vadilex, and antagonism of the histamine H4 receptor by the enzyme inhibitor Rescriptor. Overall, 23 new drug–target associations were confirmed, five of which were potent (<100 nM). The physiological relevance of one, the drug N,N-dimethyltryptamine (DMT) on serotonergic receptors, was confirmed in a knockout mouse. The chemical similarity approach is systematic and comprehensive, and may suggest side-effects and new indications for many drugs. Most drugs are intended to be selective for a single protein target, but will commonly bind to several other targets too. Some 'off-target' events induce side effects of varying degrees of severity, though some may be essential for a drug's efficacy. A new strategy to identify potential off-target effects for known drugs is reported in this issue. The structures of 3,665 FDA-approved and investigational drugs were computationally screened against hundreds of protein targets as defined by the ligands that bind to them. Chemical similarities between the drugs and various sets of ligands predicted thousands of off-target associations, some of which were confirmed in pharmacological assays. This approach may help predict and explain the side effects of known drugs and drug candidates, and may also lead to the identification of new clinical applications for drugs that have been previously approved for use in humans. Drugs that are chemically quite similar often bind to biologically diverse protein targets, and it is unclear how selective many of these compounds are. Because many drug–target combinations exist, it would be useful to explore possible interactions computationally. Here, 3,665 drugs are tested against hundreds of targets; chemical similarities between drugs and ligand sets are found to predict thousands of unanticipated associations.

Ligand enrichment among top-ranking hits is a key metric of molecular docking. To avoid bias, decoys should resemble ligands physically, so that enrichment is not simply a separation of gross features, yet be chemically distinct from them, so that they are unlikely to be binders. We have assembled a directory of useful decoys (DUD), with 2950 ligands for 40 different targets. Every ligand has 36 decoy molecules that are physically similar but topologically distinct, leading to a database of 98 266 compounds. For most targets, enrichment was at least half a log better with uncorrected databases such as the MDDR than with DUD, evidence of bias in the former. These calculations also allowed 40 × 40 cross-docking, where the enrichments of each ligand set could be compared for all 40 targets, enabling a specificity metric for the docking screens. DUD is freely available online as a benchmarking set for docking at http://blaster.docking.org/dud/.

High-throughput and virtual screening are widely used to discover novel leads for drug design. On examination, many screening hits appear non-drug-like: they act noncompetitively, show little relationship between structure and activity, and have poor selectivity. Attempts to develop these peculiar molecules into viable leads are often futile, and much time can be wasted on the characterization of these "phony" hits. Despite their common occurrence, the mechanism of action of these promiscuous molecules remains unknown. To investigate this problem, 45 diverse screening hits were studied. Fifteen of these were previously reported as inhibitors of various receptors, including beta-lactamase, malarial protease, dihydrofolate reductase, HIV Tar RNA, thymidylate synthase, kinesin, insulin receptor, tyrosine kinases, farnesyltransferase, gyrase, prions, triosephosphate isomerase, nitric oxide synthase, phosphoinositide 3-kinase, and integrase; 30 were from an in-house screening library of a major pharmaceutical company. In addition to their original targets, 35 of these 45 compounds were shown to inhibit several unrelated model enzymes. These 35 screening hits included compounds, such as fullerenes, dyes, and quercetin, that have repeatedly shown activity against diverse targets. When tested against the model enzymes, the compounds showed time-dependent but reversible inhibition that was dramatically attenuated by albumin, guanidinium, or urea. Surprisingly, increasing the concentration of the model enzymes 10-fold largely eliminated inhibition, despite a 1000-fold excess of inhibitor; a well-behaved competitive inhibitor did not show this behavior. One model to explain these observations was that the active form of the promiscuous inhibitors was an aggregate of many individual molecules. To test this hypothesis, light scattering and electron microscopy experiments were performed. The nonspecific inhibitors were observed to form particles of 30-400 nm diameter by both techniques. In control experiments, a well-behaved competitive inhibitor and an inactive dye-like molecule were not observed to form aggregates. Consistent with the hypothesis that the aggregates are the inhibitory species, the particle size and IC(50) values of the promiscuous inhibitors varied monotonically with ionic strength; a competitive inhibitor was unaffected by changes in ionic strength. Unexpectedly, aggregate formation appears to explain the activity of many nonspecific inhibitors and may account for the activity of many promiscuous screening hits. Molecules acting via this mechanism may be widespread in drug discovery screening databases. Recognition of these compounds may improve screening results in many areas of pharmaceutical interest.

Highlights•Phosphoproteomics analysis of SARS-CoV-2-infected cells uncovers signaling rewiring•Infection promotes host p38 MAPK cascade activity and shutdown of mitotic kinases•Infection stimulates CK2-containing filopodial protrusions with budding virus•Kinase activity analysis identifies potent antiviral drugs and compoundsSummaryThe causative agent of the coronavirus disease 2019 (COVID-19) pandemic, severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), has infected millions and killed hundreds of thousands of people worldwide, highlighting an urgent need to develop antiviral therapies. Here we present a quantitative mass spectrometry-based phosphoproteomics survey of SARS-CoV-2 infection in Vero E6 cells, revealing dramatic rewiring of phosphorylation on host and viral proteins. SARS-CoV-2 infection promoted casein kinase II (CK2) and p38 MAPK activation, production of diverse cytokines, and shutdown of mitotic kinases, resulting in cell cycle arrest. Infection also stimulated a marked induction of CK2-containing filopodial protrusions possessing budding viral particles. Eighty-seven drugs and compounds were identified by mapping global phosphorylation profiles to dysregulated kinases and pathways. We found pharmacologic inhibition of the p38, CK2, CDK, AXL, and PIKFYVE kinases to possess antiviral efficacy, representing potential COVID-19 therapies.Graphical abstract

Abstract The ability to generate feasible binding orientations of a small molecule within a site of known structure is important for ligand design. We present a method that combines a rapid, geometric docking algorithm with the evaluation of molecular mechanics interaction energies. The computational costs of evaluation are minimal because we precalculate the receptor‐dependent terms in the potential function at points on a three‐dimensional grid. In four test cases where the components of crystallographically determined complexes are redocked, the “force field” score correctly identifies the family of orientations closest to the experimental binding geometry. Scoring functions that consider only steric factors or only electrostatic factors are less successful. The force field function will play an important role in our efforts to search databases for potential lead compounds.

Morphine is an alkaloid from the opium poppy used to treat pain. The potentially lethal side effects of morphine and related opioids—which include fatal respiratory depression—are thought to be mediated by μ-opioid-receptor (μOR) signalling through the β-arrestin pathway or by actions at other receptors. Conversely, G-protein μOR signalling is thought to confer analgesia. Here we computationally dock over 3 million molecules against the μOR structure and identify new scaffolds unrelated to known opioids. Structure-based optimization yields PZM21—a potent Gi activator with exceptional selectivity for μOR and minimal β-arrestin-2 recruitment. Unlike morphine, PZM21 is more efficacious for the affective component of analgesia versus the reflexive component and is devoid of both respiratory depression and morphine-like reinforcing activity in mice at equi-analgesic doses. PZM21 thus serves as both a probe to disentangle μOR signalling and a therapeutic lead that is devoid of many of the side effects of current opioids. Computational docking to the the μ-opioid-receptor identifies PZM21, a novel selective biased agonist that generates substantial affective analgesia in mice without altering respiration or inducing drug reinforcement. Morphine and other alkaloids from the opium poppy are μ-opioid receptor agonists that have been used to treat pain for many centuries. These authors used a computational approach to dock over three million small molecules to the μ-opioid receptor. Structure-based optimization of the most promising structures led to the identification of a potent agonist, PZM21, with exceptional subtype selectivity for the μ-opioid receptor. In mice, PZM21 generates substantial analgesia, which is fully ablated in μ-opioid receptor knockout animals. This small molecule seems to reduce the affective component of pain, without detectably altering reflexive behaviours, and has little effect on respiration.

Discovering the unintended 'off-targets' that predict adverse drug reactions is daunting by empirical methods alone. Drugs can act on several protein targets, some of which can be unrelated by conventional molecular metrics, and hundreds of proteins have been implicated in side effects. Here we use a computational strategy to predict the activity of 656 marketed drugs on 73 unintended 'side-effect' targets. Approximately half of the predictions were confirmed, either from proprietary databases unknown to the method or by new experimental assays. Affinities for these new off-targets ranged from 1 nM to 30 μM. To explore relevance, we developed an association metric to prioritize those new off-targets that explained side effects better than any known target of a given drug, creating a drug-target-adverse drug reaction network. Among these new associations was the prediction that the abdominal pain side effect of the synthetic oestrogen chlorotrianisene was mediated through its newly discovered inhibition of the enzyme cyclooxygenase-1. The clinical relevance of this inhibition was borne out in whole human blood platelet aggregation assays. This approach may have wide application to de-risking toxicological liabilities in drug discovery.