Computational Molecular Docking Models and Design of Diarylpentanoids for the Androgen Receptor

 6
 
Materials and Methods/Experimental 
Approach 
Two software packages were used to computationally model the interaction between ca27, its 
analogs and the AR: 
•
MolSoft ICM-Pro (MolSoft LCC, San Diego CA). Chapman University holds an 
annually renewed license for use. 
•
AutoDock (Scripps Research Institute, La Jolla, CA). AutoDock is a freeware. Used 
through a third-party site, 1-Click Docking. 
The two software programs were used independently and to the same extent to cross-validate, 
i.e., corroborate or disprove the results obtained with the other. 
Protein Data Base (PDB) files of the AR ligand-binding domain (LBD; 2AMA) and DNA 
binding domain (DBD; 1R4I) are available from the RCSB PDB (Protein Data Bank) at 
www.rcsb.org. These files, as well as files for ca27 and its analogs of interest will be imported 
into MolSoft and AutoDock. The three-dimensional structures of the AR LBD and AR DBD 
are show in Figure 10 (images imported from the RCSB PDB).
 

---

21 
Figure 10:
 Three-dimensional structure of the androgen receptor ligand binding domain (LBD) 
and DNA binding domain (DBD). The arrow in LBD denotes the natural ligand 
dihydrotestosterone (DHT). The DNA is indicated below the DBD. 
Possible molecular interactions between ca27 and its analogs with the AR will include geometric 
(structural) and chemical strain (described in depth below), as well as favorability parameters. 
These interactions will be explored in respect to both the LBD and DBD. In regard to the LBD, 
the investigations will be performed with and without a focus on the ligand-binding pocket (LPC). 
In particular, MolSoft ICM determines possible bindings by assigning a numerical score, which 
represents the geometric and chemical strain from the free state of the ligand in the binding 
pocket
32
. The ICM scoring function is weighted according to the following parameters (i) internal 
force-field energy of the ligand, (ii) entropy loss of the ligand between bound and unbound states, 
(iii) ligand-receptor hydrogen bond interactions, (iv) polar and non-polar solvation energy 
differences between bound and unbound states, (v) electrostatic energy, (vi) hydrophobic energy, 
and (vii) hydrogen bond donor or acceptor de-solvation. The lower the ICM score, the higher the 
chance the ligand will bind
32
. 

---

22 
The geometric strain from the free state represents the configuration of the ligand-protein structural 
complex, where a favorable (or more negative) results indicates the receptor is actually more 
relaxed with the ligand and an unfavorable interaction means there is more strain structural than 
the free state. The chemical strain represents favorable or unfavorable interactions between the 
amino acids of both the ligand and the receptor (meaning chemical compatibility) where, again, 
more negative values represents more favorable interactions than the free state. MolSoft outputs 
two major values to be considered, Score and VLS Score. The Score is the strain from the free 
state for the protein alone whereas the VLS Score is the Score with the addition of the strain on 
the ligand as well. For the purpose of our analysis, we focused on the VLS Score as it is a more 
comprehensive model of the results as the strain on the ligand is important to docking. AutoDock 
takes a similar approach utilizing a suite of automated docking tools used to predict how small 
molecules bind to a receptor, given a three-dimensional structure
33
. Positive and negative controls 
will be used to set relative scoring values in perspective to the determined binding affinity of ca27 
and its analogs. For the LBD, the positive control is given by DHT, the natural ligand of the AR. 
In addition, clinically used AR blockers with proven affinity for the AR LBD will also be subjected 
to computational docking. These include bicalutamide and enzalutamide
30
. Because of the 
transcriptional function of the DBD, it has no natural ligand. However, the anti-helminthic 
compound pyrvinium pamoate (PP) has recently been discovered to exert high binding affinity to 
the AR DBD
34
and will thus be used as a positive control. Negative controls for both the LBD and 
the DBD will be compounds that are not linked to the androgen signaling axis, including organic 
small molecules from the taxol family of compounds, such as docetaxel.
Finally, using tools primarily in AutoDock (however the results shall be corroborated with the 
MolSoft software), I attempted to analyze the results of all the different analogs bound to the ligand 

---

23 
and utilize the best chemical and geometric structures found during the course of this research in 
order to design a new analog that will bind with greater affinity to the AR in either the LBD or the 
DBD and will hypothetically down-regulate the expression of the AR more. The primary tool used 
to design a new analog will be AutoLigand
35
. This tool rapidly scans high affinity binding pockets 
and outputs the optimal volume, shape and best atom types (carbon, hydrogen, or oxygen) to bind 
to a user defined pocket. AutoLigand completes this by creating affinity maps using AutoGrid, 
which scans each atom type through the grids and records the affinity at each point. It also 
performs flood-fills of the user’s input volume at each point in the grid and saves the 10 best non-
overlapping fills. Finally, the fill volume will migrate throughout the region to a shape and location 
with the best binding energy and the lowest volume. This migration shall continue until there are 
no points that can be moved in order to produce better results
35
. The output of these results was 
then tested in both MolSoft ICM and AutoDock to determine if the new ligands created are superior 
binding partners to the AR than any of the analogs from the start of this project.

---

24