蛋白-蛋白相互作用
11篇
BCL9/β-catenin小分子阻断剂在胶质母细胞瘤细胞中接受检验
- BCL9是β-catenin的共激活因子,此前缺乏小分子抑制剂,因此其在胶质母细胞瘤中的治疗价值尚未经药理学验证。
- 新型抑制剂ZD37-28R经对接预测可结合β-catenin,并在体外破坏了BCL9/β-catenin相互作用。
- 它抑制β-catenin驱动的转录,并降低U87-MG和U251胶质母细胞瘤细胞的增殖与迁移。
Wnt/β-catenin一直是小分子药物的坟场,针对BCL9的选择性PPI阻断剂比直接打β-catenin更可行。遗留问题是PPI项目的老问题:需要直接的生物物理结合证据而不只是对接,需要对其他β-catenin结合伙伴的选择性,以及胶质瘤所需的脑暴露。目前应视为靶点验证工作,还谈不上先导化合物。
在不损失活性的前提下降低DCN1–UBE2M抑制剂的hERG风险
- 此前的工具化合物NAcM-OPT可阻断DCN1–UBE2M相互作用,口服可用并抑制异种移植瘤生长,但对hERG有明显亲和力,限制了开发。
- 作者对骨架进行系统修饰,在保留DCN1结合的同时降低hERG结合。
- 化合物110的生化与细胞活性与母体相当,理化性质更好,对hERG的选择性也有所提高。
一个已验证的PPI化学型因心脏安全性而停滞,仅靠SAR就被救了回来,这是不起眼却必要的续篇。如果你手上也有碱性、高脂溶性的PPI抑制剂,放弃药效团之前,不妨先验证hERG能否通过结构改造去除。
mRNA展示来源的大环肽IMP2660首次解析无效应蛋白的RAB27A结构
- 针对RAB27A效应蛋白结合界面进行mRNA展示,获得大环肽命中物并优化为IMP2660。
- IMP2660与RAB27A紧密结合,可破坏RAB27A与效应蛋白的相互作用。
- 其与活性态RAB27A的共晶结构无需效应蛋白即可解析,为结构导向设计勾勒出效应蛋白结合面。
被低估的收获是结晶伴侣的作用:野生型RAB27A只能与效应蛋白共结晶,有了干净的大环肽复合物结构,浸泡实验和片段筛选就能展开。至于IMP2660本身能否超越工具化合物,仍要看大环肽靶向胞内GTP酶的膜通透性这一明显难关。
A potent macrocyclic peptide binder enables effector-free crystallization of the GTPase RAB27A ↗
高通量筛选平台发现阻断tau与LRP1受体结合的小分子
- 团队以纯化的LRP1配体结合结构域4为核心,建立了荧光偏振、分裂荧光素酶和TR-FRET组成的定量检测体系。
- tau、RAP和一种肽配体竞争重叠的结合位点,各检测形式下亲和力均在纳摩尔范围。
- 基于该平台的筛选发现了抑制该相互作用的小分子,为阻断tau摄取与扩散提供起点。
与受体胞外域的蛋白–蛋白相互作用是难成药靶点,用三种正交检测剔除假阳性的做法很恰当。在苗头化合物于细胞tau摄取实验中显示活性、并且不对ApoE等LRP1其他配体造成广泛影响之前,我会保持谨慎。
High-Throughput Screening Identifies Small-Molecule Inhibitors of the Tau-LRP1 Interaction ↗
mRNA展示大环肽揭示CHD4是NuRD复合物的相互作用枢纽
- 针对CHD4的SANT-SLIDE结构域开展mRNA展示筛选,获得可阻断其与GATAD2A相互作用的小型大环肽,而这一相互作用是NuRD复合物组装的关键一步。
- 筛选还提示CHD4上存在第二个结合位点,经验证CDK2AP1结合于此,并解析了CHD4–GATAD2A–CDK2AP1三元复合物的结构。
- 破坏NuRD可诱导胎儿血红蛋白表达,是治疗镰状细胞病等β-血红蛋白病的已获验证的策略。
一轮筛选既给出了苗头化合物,又带来了生物学新知,这点很漂亮。位于蛋白–蛋白界面的大环肽通常难以直接成药,我最关心的是能否借助三元复合物结构把它们缩小成可透膜的分子,而CHD4上的第二位点提供了额外的切入点。我也想看到它们对相关染色质重塑因子的选择性。
Scope库：介于片段与完整分子之间的化学空间，获得易于优化的苗头化合物
- Scope定义了介于片段与高度修饰的低分子量库化合物之间的化学空间，强调化合物质量、配体效率和选定的理化性质范围，使苗头化合物在药物化学上易于优化。
- Scope环系（ring-X-ring）用于组织该化学空间，并指导有意识的官能团化以获得低至中等微摩尔活性；约1万个化合物的集合适用于SPR、原生质谱、DSF和生化方法的中通量筛选。
- 在锥虫CLK1、14-3-3/ERα分子胶项目和SARS-CoV-2 Mpro的案例中，其一次筛选命中率与多样性库相当，而反筛后的配体效率更优。
老实说，我喜欢这里的思路：筛出来的苗头能直接上手做。这个库介于片段和完整分子之间，以配体效率为核心，ring-X-ring 骨架还提示了下一步该在哪里官能团化。约1万个化合物的规模适合SPR、原生质谱和DSF，小团队也跑得动。我关心的是：一次命中率与多样性库相当、反筛后LE更优的结果，能否在这三个靶点之外站得住，以及环系限制会在多大程度上压缩骨架新颖性。
咪唑鎓氨基酸被提出作为甲基化赖氨酸与精氨酸残基的生物电子等排体
- 咪唑鎓氨基酸被提出作为阳离子生物电子等排体,用以模拟三甲基赖氨酸、二甲基精氨酸和精氨酸侧链的体积与电荷特性。
- 研究评估了这些替代残基与甲基化赖氨酸“阅读器”结构域的结合,以考察其对天然残基识别与选择性的重现程度。
- 细胞实验表明这些带电等排体仍可穿透细胞膜,构效关系显示咪唑鎓环上的取代模式关系到结合亲和力与穿透性之间的平衡,为阅读器配体及细胞穿透肽的设计提供参考。
一个不可水解的Kme3/Rme2模拟物确实解决了一个实际难题——天然甲基化肽段会被去甲基化酶清除,或在实验中途被蛋白酶切断,搞乱SAR数据。如果环取代基能在不牺牲膜通透性的前提下调节亲和力,这就是reader结构域PPI抑制剂和无精氨酸CPP的真正替代骨架——而不只是又一个季铵盐式的猎奇分子,值得放进我们自己的Kme3 reader筛选面板里测一测。
对AI共折叠虚拟筛选进行压力测试:以Keap1–Nrf2为案例研究
- 结合AI共折叠模型与学习型亲和力评分的多阶段虚拟筛选级联流程,如今已成为计算药物发现中的常规做法。
- 每个阶段输出的评分通常被直接采信,用于推进或淘汰候选化合物,而未对其实际含义进行独立验证。
- 本预印本以Keap1–Nrf2蛋白-蛋白相互作用为案例研究对象,逐阶段系统评估级联流程中的评分是否提供了从业者据以信任所需的信息。
- 作者对该级联流程各阶段出现的失效模式进行了归类总结,从质量控制的角度探讨了这些流程可能在何处、因何出错。
现在几乎每个筛选流程都在跑某种"共折叠+机器学习打分"级联,说实话,大多数人懒得逐级验证,直接把排名结果当真。 这篇预印本盯上的正是这个习惯,用Keap1-Nrf2这个出了名平坦、浅表的PPI界面做压力测试——这类界面本来就让对接和药效团方法头疼,正好能快速暴露打分模型的破绽。 如果摘要的框架站得住脚,想传达的不是"别用这些工具",而是"在搞清楚每一级到底在测什么之前,别把单一综合分数奉为圭臬"——构象置信度、亲和力排序和物理合理性根本不是一回事,把它们混为一谈正是假阳性混进候选清单前列的原因。 等完整方法和失效模式分类公开后值得再细读——目前信息还比较单薄。
全新化学空间概念“Scope”在三个药物靶点上产出高配体效率先导化合物
- “Scope”是一个介于极简片段库与完全优化的低分子量(LMW)化合物库之间的化学空间概念,规模约为1万至5万个化合物,旨在最大化配体效率与药物化学可操作性。
- 作者提出“Scope环系”(ring-X-ring)作为库设计与后续功能化以获得足够效力的核心组织原则。
- 通过表面等离子共振(SPR)、天然质谱、差示扫描荧光法(DSF)及生化检测评估的万级Scope筛选集,在更高筛选浓度下仍能保持与常规多样性化合物集相当的初筛命中率,同时表现出更优的配体效率,并在反筛选后拥有更高的命中率。
- 针对锥虫CLK1激酶、14-3-3/雌激素受体α分子胶项目以及SARS-CoV-2主蛋白酶的案例研究表明,该化合物集能在不同结合位点上产出多样、易于优化且配体效率高的先导化合物。
"介于片段库和成品化合物库之间"这个定位本身并不新鲜——DEL、FBDD、各家自建库都这么宣传过。Scope真正新鲜的是"ring-X-ring"这种搭建逻辑:不是从单一平面骨架出发,而是强制从两个环系统上引出取代基方向,这样从拿到hit的那一刻起就自带SAR拓展的矢量——这恰恰是传统片段筛选项目通常要后期才补上的东西。 对我来说真正有意义的数字不是初筛命中率,而是"counter-screening之后命中率更高"这一点——意味着少追几周SPR伪信号和聚集体假阳性。 真正的试金石是14-3-3/ERα分子胶案例:PPI/分子胶靶点通常没有深口袋可以撑起配体效率,常规库很难啃得动。如果这套刚性、中等规模的骨架集能种出一个分子胶hit,那才是值得关注的"可迁移性"证据,比Mpro或CLK1上的成功更说明问题。
基准研究揭示Keap1-Nrf2虚拟筛选中的AI评分盲点
- 一项新的基准研究考察了一条虚拟筛选流程,该流程将基于结构的共折叠(co-folding)模型与学习型亲和力评分相结合,这种组合在计算药物发现中正变得越来越常见。
- 该级联流程被应用于Keap1-Nrf2蛋白-蛋白相互作用(PPI),该靶点因结合界面平坦、极性较强而长期被视为难以成药的目标。
- 作者并未仅凭最终排序结果做判断,而是分别评估了流程中每一阶段的评分是否与具有实验意义的信号相符。
- 研究识别出若干具体环节,其中某阶段的评分会与真实信号脱节,这种失效模式可能误导下游化合物的优先排序。
- 论文提出了从业者在信赖级联流程最终命中列表之前,应在每个阶段执行的控制检查措施,并将该工作定位为方法学与可靠性研究,而非报告新型抑制剂。
Keap1-Nrf2正是那种co-folding模型能自信地摆出一个像样构象、亲和力评分又会莫名其妙把它排到榜首的平坦、极性PPI靶点——所以这篇把级联拆开逐级验证的论文,对我来说比又一篇"我们找到了苗头化合物"的论文更有用。 我想从中拿到的是一份清单:在让自家或供应商这套流水线的前20个化合物进入合成排期之前,先照着跑一遍。如果co-folding的置信度和亲和力评分开始悄悄背离,那正是会把几周时间烧在根本没有真实信号的化合物上的典型失效模式。 这里没有新的化学结构,也没有值得追的结合模式——只是提醒一句:对这么难啃的靶点,排名列表本身从来不是质控环节。归入"下单前先读"一类,不是"当阻断剂新闻读"。
疟原虫入侵背后的隐藏环区
- 这是一篇观点/综述性文章,而非新的实验研究,聚焦于恶性疟原虫顶膜抗原1(PfAMA1)作为抗疟药物靶点。
- PfAMA1与棒状体颈部蛋白2(PfRON2)结合形成"移动连接"(moving junction),使疟原虫得以侵入红细胞,因此这一蛋白质相互作用是重要的治疗靶点。
- 以往大多数基于结构的抑制剂设计都集中于疏水凹槽(hydrophobic trough),即PfAMA1上容纳PfRON2肽段的一个明确凹槽区域。
- 作者指出,该凹槽附近的结构域2(D2)环并非固定结构,而是表现出隐蔽的、依赖构象变化的动态行为。
- 他们认为,这种此前被忽视的环区柔性,对PfAMA1识别PfRON2的方式具有重要影响。
- 该综述呼吁未来的抗疟药物设计应同时考虑D2环的动态特性与疏水凹槽本身,而不应将结合位点视为静态结构。
要是只盯着那个疏水槽做设计,我大概会拿一个共晶结构搭一个刚性药效团,然后困惑于类似物为什么活性下降得毫无道理——原来是D2 loop在捣鬼。主口袋旁边存在一个隐蔽的、依赖构象的元件,意味着你在PyMOL里盯着看的那条'可成药沟槽'根本不是结合事件的全部;与其再跑一轮刚性受体的SBDD,不如做系综对接或短程MD,先把值得瞄准的构象状态找出来。这和Bcl-2/Mcl-1、MDM2-p53那些项目里的教训如出一辙——定义明确的热点附近那些柔性loop或螺旋,往往才是选择性的真正来源,而不是锚定口袋本身。这里没有给出新化合物,但足以让人重新审视我们的PfAMA1系列,用考虑loop动态的系综去看,而不是把SAR里解释不了的缺口都归为噪音。