基于结构的药物设计
28篇
从红斑狼疮用TLR7/8双重拮抗剂中设计剔除BRD4风险
- 对2-(吡啶-2(1H)-酮)吲哚进行基于结构的优化,得到渗透性更好、离子通道活性更低、稳态分布容积更小的TLR7/8双重拮抗剂。
- 早期吡啶酮先导化合物出人意料地抑制免疫细胞增殖,团队推测原因是BRD4脱靶。
- 通过优化去除BRD4结合后,抗增殖效应消失,而在人全血中对TLR7/8驱动的IL-6产生仍保持强效抑制。
细胞组合中出现异常毒性,先提出机制假说,再用SAR把两种活性分开,这是表型导向脱靶排查的一个干净范例。内体TLR7/8拮抗剂既要能透膜又要高选择性,而平面性强的杂芳环很容易落入BRD4这个陷阱。把这一办法借用到其他骨架之前,我想先看吡啶酮在TLR7/8二聚体界面的结合模式。
晶体结构揭示:面向中枢的EGFR抑制剂不仅提高脑暴露,也提升活性
- 通过X射线晶体学和活性测定,研究了几种为提高血脑屏障渗透而重新设计的EGFR抑制剂。
- 这些增强BBB渗透的基团与EGFR激酶结构域的不同区域相互作用,生化和细胞活性总体得到提升。
- 能形成盐桥的基团与特定卤素取代相结合效果最好,体现了“一举两得”的设计思路。
中枢暴露与活性通常此消彼长,所以有晶体学证据表明同一个极性或碱性基团可以兼得两者,很有价值。盐桥加卤素的组合是我可以直接拿到自己激酶系列上试的具体设计规则。不过文中没有涉及外排和脑内游离浓度,而这才决定患者中能否起效。
Structural Insights into Brain-Penetrant EGFR Tyrosine Kinase Inhibitors with Enhanced Potency ↗
靶向cereblon隐蔽Cys287的共价配体将E3连接酶锁定在开放态,阻断IMiD驱动的降解
- 半胱氨酸导向的化学蛋白质组筛选发现了结合Cys287的共价配体,该变构口袋远离沙利度胺结合位点。
- 先导化合物VVD-105917可广泛阻断IMiD和CELMoD驱动的新底物降解。
- 冷冻电镜显示它将cereblon锁定在开放的无活性构象,且与配体加入顺序有关;同一位点此前报道的配体反而促进闭合,说明该口袋的作用方向可以反转。
迄今所有CRBN药物都结合同一个正构口袋,因此能控制开/闭开关的共价把手确实是新旋钮。泛抑制剂是解析降解剂机制、挽救脱靶降解的绝佳工具。一个能向两个方向推动的位点,也意味着同一口袋里可能藏着增强降解的配体。这是预印本,仍需等待同行评审。
Allosteric covalent inhibition of cereblon through cryptic cysteine targeting ↗
冷冻电镜指导的口袋融合,得到口服变构SLC6A19抑制剂
- 针对SLC6A19/cinromide冷冻电镜结构中的变构口袋进行虚拟筛选,获得起始苗头化合物。
- 另一冷冻电镜结构揭示了部分重叠的第二口袋,据此设计融合类似物,得到高效、选择性好、口服可用的化合物20。
- 化合物20对小鼠SLC6A19的活性弱于非人灵长类,但口服给药能剂量依赖地增加尿氨基酸排泄。
膜转运蛋白很少有如此干净的结构驱动设计案例:两个冷冻电镜口袋、一个融合系列,再用简单的尿液指标验证体内药效。小鼠活性下降会给药效模型带来麻烦,而灵长类活性得以保留令人放心。下一步我想了解氨基酸耗竭方面的安全窗口。
共晶结构指导设计可触及L2环的HDAC6抑制剂,诱导肺癌细胞自噬
- 基于早期化合物与斑马鱼HDAC6催化结构域的X射线结构,设计了第二代HDAC6抑制剂。
- 两个先导化合物的共晶结构显示其与L2环的S531相互作用;细胞中乙酰化微管蛋白升高,而组蛋白乙酰化无明显变化。
- 其中一个化合物通过激活促自噬通路降低A549细胞在2D和3D培养中的活力,并影响相分离行为。
想要同工酶选择性,L2环是最直接的抓手:CD2口袋保守,而这个环并不保守。乙酰化微管蛋白上升而组蛋白不变,正是我在相信选择性之前想看到的读数。不过在认可自噬机制之前,我还是想看到完整的HDAC谱和药代数据。
吲唑-双环吡咯杂合骨架用于探索突变体选择性LRRK2抑制剂
- 通过结构导向的杂合策略,将吲唑与八氢环戊并[c]吡咯结合,得到用于帕金森病的新型LRRK2抑制剂骨架。
- 早期含哌啶的类似物活性很高,但几乎无法区分野生型与G2019S突变体。
- 将哌啶替换为稠合双环胺,正是为了拓宽这一选择性窗口。
野生型与G2019S之间的窗口过窄,是LRRK2先导化合物常见的卡点,能带来突变体偏好的骨架改动值得一看。我想知道这种偏好在生理ATP浓度的细胞中是否依然成立,以及双环胺对脑渗透和清除率的影响。
借助结合动力学发现HDAC2选择性抑制剂KTT-1
- 通过同时评估酶–抑制剂结合的热力学与动力学(而不仅是亲和力),鉴定出HDAC2选择性抑制剂KTT-1(化合物12)。
- HDAC2与该化合物的晶体结构及模型化合物的量子化学计算提示,其2-呋喃基是选择性的来源。
- 在细胞中它优先抑制HDAC2而非高度同源的HDAC1,并促进神经突起生长;在应激易感小鼠中改善了记忆和抑郁样行为。
HDAC1/2活性位点几乎一样,只看IC50难以区分,按停留时间筛选才是出路;呋喃基的作用既有晶体结构又有QM支持,逻辑清晰、容易验证。细胞内偏向HDAC2而非HDAC1的化合物很少见,我想看到它在有真实脑暴露的神经元中也成立。
从DEL命中到可入脑的可逆MAGL抑制剂MAGLi 432
- 从DNA编码化合物库(DEL)得到的双环哌嗪类命中物,经结构导向优化成为可逆MAGL抑制剂化合物1.5(MAGLi 432)。
- 该化合物兼具高活性、对其他丝氨酸水解酶的选择性和适合中枢药物的性质,大鼠口服半衰期良好。
- 它在人脑匀浆中可抑制MAGL,并在小鼠神经炎症模型中有效;整个优化过程以转化导向的“Five-Star Matrix”框架为指引。
可逆性正是我最看重的一点,因为不可逆MAGL药物长期给药会引起CB1脱敏。非共价的DEL来源骨架已能在人脑组织中证明靶点结合,是很好的范本;早期而非最后才用人源组织做测试,这个习惯我想照搬。
每个骨架约五个晶体结构后,构象预测精度趋于平台
- 作者利用开放科学项目COVID Moonshot的403个SARS-CoV-2主蛋白酶结构,考察值得再获取多少新晶体结构。
- 相似参考配体的预测效果最好,成功率在每个Bemis-Murcko骨架约五个结构时趋于平台,先导系列超过95%。
这为结构生物学提供了一个具体的预算参考:每个骨架约五个结构之后,再多做一个浸泡对构象预测的收益很小。但Mpro口袋刚性、行为规整,这一数字不宜直接套用到柔性激酶或诱导契合型靶点。
How Many Crystal Structures Do You Need to Trust Your Docking Results? ↗
建模驱动设计出覆盖全血清型的登革热NS4B抑制剂候选物
- 针对结构尚未解析的NS4B,构建了四种血清型的比较模型,发现与耐药突变相符的保守跨膜口袋。
- 对JNJ系列抑制剂对接后建立基于场的3D-QSAR预测模型,并用于筛选生物电子等排体和内部化合物。
- 最优候选物BNJ-495对2型病毒活性极强且选择性指数高,保守的结合相互作用提示其具有广谱潜力。
针对没有结构的膜蛋白,用同源建模加3D-QSAR前瞻性地拿到经验证的苗头化合物,这点很难得,也是值得一读的原因。要相信“全血清型”这个说法,我还想看到另外三种血清型的实测结果,以及JNJ系列的已知问题是否被带入。
Structure-Guided Design of a Subnanomolar Dengue Virus NS4B Inhibitor ↗
基于结构的设计获得强效pan-YTHDF型m6A读取蛋白配体
- YTHDF1、YTHDF2和YTHDF3在胞质中识别m6A修饰的mRNA,这篇预印本报道了针对它们的、基于蛋白结构的药物化学研究。
- 目标是能同时结合三个旁系同源蛋白的配体,而不是逐个靶向。
- 目前只能读到摘要开头部分,因此未涉及活性和细胞数据。
YTH结构域的芳香笼是带电、难成药的口袋,任何基于结构的进展都值得跟踪。考虑到三个读取蛋白功能冗余,泛旁系配体是合理的选择。在称其为探针之前,我想看到对YTHDC1/2的选择性及细胞内靶点结合的证据。
首个合成PAPP-A抑制剂可在细胞和体内抑制IGF-1信号
- PAPP-A是一种分泌型金属蛋白酶,通过切割IGF结合蛋白调控局部IGF信号,为靶向IGF-1R之外提供了另一条思路。
- 抑制剂以源自IGFBP-5的锚定序列为基础,将可裂解键替换为次膦酸或膦酸基团,获得了高效且选择性好的化合物。
- 冷冻电镜揭示了其与活性位点的结合方式,并阻断了IGFBP-4和IGFBP-5的切割。
- 它们在A549细胞中抑制IGF-1信号,效果与stanniocalcin-1相当,并在体内抑制了Papp-aa依赖的信号。
把IGFBP-5锚定序列中的可裂解键换成次膦酸或膦酸基团,是典型的过渡态模拟,冷冻电镜给出的结合构象可以印证锌结合假说。不去打IGF-1R而是抑制蛋白酶PAPP-A,在选择性上思路很聪明。但这只是预印本,我想先看到对近缘金属蛋白酶的Ki数据,以及这类肽类先导物的稳定性和细胞通透性,再判断体内结果。
靶向入口通道的设计降低NNRTI先导物JK-4b的细胞毒性
- JK-4b对野生型及临床HIV-1变异株均有强效抑制,但因细胞毒性高而终止开发,本研究以其为先导设计新型类似物。
- 针对NNRTI入口通道的结构导向设计,得到细胞毒性更低、选择性更高的一个系列。
- 代表化合物9n对常见耐药突变株(包括双突变株)仍保持强效,与依曲韦林相当。
- 9n对细胞色素P450的抑制极弱,在人肝微粒体中代谢稳定性良好,支持其进一步开发。
把搁置的先导物救回来,总比从零开始有意思:JK-4b本来就有活性和耐药覆盖,真正的问题是入口通道的相互作用能否把这些优点与细胞毒性拆开。如果9n的特征站得住,说明毒性是可以通过骨架调节的,而不是藏在药效团里。在双突变株上与依曲韦林相当,同时P450抑制很弱、微粒体稳定性良好,这正是我在继续投入合成之前想看到的数据。
结构导向设计获得避开III类RTK脱靶的野生型KIT选择性抑制剂
- III类受体酪氨酸激酶的ATP结合位点高度保守,使选择性抑制KIT十分困难;本研究采用结构导向的优化策略应对这一难题。
- 三唑并吡啶铰链结合基团提供了选择性的起点,中心连接子的改造则发展出活性和药代动力学更佳的“反向”芳基乙酰胺系列。
- 吡唑连接子及铰链结合基团的修饰使化合物在人血清存在下仍保持活性,末端芳基的调整减轻了CYP时间依赖性抑制,并提高了激酶组选择性。
- 晶体结构表明,门卫区附近连接子的立体电子效应可驱动选择性,最终获得适合长期治疗的先导化合物。
我最在意的不是铰链结合基团,而是连接子:门卫区附近的立体电子效应似乎换来了选择性,而III类RTK之间ATP位点高度相似本来很难做到这一点。这是值得借鉴到其他拥挤激酶家族的抓手。同一轮优化中还解决了CYP时间依赖性抑制和人血清下活性的问题,读起来就是奔着长期给药去的先导化合物。
芳基氨基磺酸酯作为碳酸酐酶IX结合剂获得系统构效关系研究
- 合成了邻位、间位取代的芳基氨基磺酸酯,并通过热位移、酶抑制和活细胞竞争实验评估其对CA IX(缺氧实体瘤中过表达的同工酶)的结合。
- 最佳化合物对CA IX亲和力极高,与多种同工酶的X射线晶体结构揭示了决定亲和力和选择性的官能团。
- pH依赖性结合数据表明,去质子化带负电的氨基磺酸酯氮与活性位点锌配位。
CA抑制剂以磺酰胺为主,因此有晶体结构支撑的氨基磺酸酯构效关系是有价值的骨架多样化。肿瘤CA项目常栽在对CA I、II的选择性上,共晶结构给出了具体抓手。活细胞竞争数据比单纯重组酶实验更可信,但要称为类先导化合物,我还想看到缺氧细胞活性和理化性质。
Structure-Affinity and Selectivity of Aryl-Sulfamates as Inhibitors of Carbonic Anhydrase IX ↗
可透脑共价BChE抑制剂在阿尔茨海默病模型中显示促认知效果
- 研究人员采用结构导向设计策略,开发出一种靶向人源丁酰胆碱酯酶(BChE)的共价小分子抑制剂,该酶被认为与阿尔茨海默病进展有关。
- 该先导化合物经过优化以提高血脑屏障穿透性,这是中枢性胆碱酯酶抑制剂面临的主要挑战之一。
- 体内实验显示该化合物具有促认知作用,支持共价抑制BChE作为阿尔茨海默病潜在治疗策略的可行性。
疾病进展到晚期时BChE活性上升而AChE下降,这一发现终于让该领域摆脱了AChE主导的固有思路。但共价弹头要打在丝氨酸水解酶这个近源旁系同源物众多的家族(AChE、其他酯酶)上,需要扎实的选择性数据,而不仅是效力数据。真正让它区别于利斯的明一类可逆抑制剂的,是中枢渗透性——脑内暴露一直是这类药物未能很好解决的问题。
口袋条件AI生成模型发现强效STAT3抑制剂,用于结直肠癌治疗
- 研究人员使用了一种口袋条件下的自回归生成式AI模型,直接在STAT3结合口袋内设计候选分子,而非筛选现有化合物库。
- 这种基于结构的生成式方法产生了一种强效小分子STAT3抑制剂,并进入了生物学评价阶段。
- 该抑制剂在结直肠癌中显示出活性,而STAT3过度激活是该癌种中已知的肿瘤生长和存活驱动因素。
STAT3的SH2二聚化口袋浅且动态,这正是许多抑制剂项目(尼克罗沙胺类似物、肽类模拟物)始终未能进入临床的原因。真正的方法学突破在于直接在口袋结构内生成原子,而非对静态化合物库重新打分。不过,"强效"在纸面上说说容易——除非能看到对STAT1/STAT5的选择性数据和可合成的路线,de novo设计的苗头往往就在这一步夭折。
两阶段生成动力学实现无需训练的AI药物设计
- 贝叶斯流网络通过同时生成原子类型和三维坐标,为目标蛋白口袋设计分子。
- 这两个通道的行为并不相同:原子类型在一个明确的转变点上骤然变化,而坐标精度则是逐步提高,这一模式在多个模型变体中保持一致。
- 利用这些转变时点进行的无需训练的优化方案,在标准基准测试中,无需额外预测模型即可达到与现有方法相当的对接性能。
不用针对每个靶点重新训练,这一点最值得关注——这一步正是大多数生成式工具在走到我实验台前就被淘汰的原因,所以这种只把优化时机对准相变点的免训练技巧值得一试。但和基线对接打平而非超越,只是及格线,不是成绩单——CrossDocked2020的打分说明不了可合成性,也说明不了真实结合情况。
Hierarchical Phase Transitions in Bayesian Flow Networks Enable Training-Free Molecular Design ↗
对接大比拼:物理方法、协同折叠与混合模型正面交锋
- 比较了物理方法对接、深度学习协同折叠(co-folding)以及混合重打分方法在面对陌生蛋白靶点和化学骨架时的泛化能力。
- 以近期的Runs-n-Poses基准测试为基础——该测试发现,在真正全新的靶点上,经典物理方法对接的表现优于多款协同折叠工具。
- 评估了构象预测准确性和排序性能,为根据靶点新颖程度选择对接策略提供了实用指导。
在真正全新的靶点上,物理方法对接依然优于协同折叠工具,这个结论我总是忍不住反复想起——深度学习模型其实是在对PDB覆盖范围做模式匹配,而非真正求解折叠物理,一旦遇到没有相近类似物的靶点就会露馅。在协同折叠工具能在零类似物场景下证明自己之前,我会两种方法都跑,并以经典打分函数作为最终裁决。
Multiparadigm Benchmark of Molecular Docking: From Physics to Co-Folding and Hybrid Models ↗
X射线结构分析揭示激酶抑制剂如何结合保守催化残基
- 300多个激酶-抑制剂复合物的X射线共结晶结构经过系统分析,梳理出其中反复出现的非共价接触模式。
- 研究聚焦于ATP结合口袋附近保守的Lys、Asp和Glu残基,将其命名为“催化簇残基(CCR)”,这些残基既参与催化作用,又常与结合的抑制剂发生接触。
- 在大多数抑制剂化学类型中,这些极性残基形成的是非共价相互作用而非共价键,使其成为配体设计中具有普适意义的作用位点。
- CCR侧链的取向与激酶的活性/非活性构象状态密切相关,表明其结合几何构型与结构动态变化相互耦合。
- 作者认为,这种与构象耦合的特性可用于指导合理的、基于结构的抑制剂设计,以提高药效并在整个激酶组范围内调节选择性。
把这些残基包装成"Catalytic Cluster Residues"是个新名词,但背后的思路其实是大多数激酶化学家早就在凭经验用的东西——比如经典的Lys-Glu离子对、DFG-Asp接触。 这项工作真正的价值在于系统化:有300多个结构做统计支撑,就能更有依据地判断什么时候该去抓这些极性接触,而不是一味依赖铰链结合或口袋深处的选择性位点。 如果CCR的构象确实与激酶的活性/非活性状态挂钩,那就是一个可用的设计杠杆——可以通过盐桥和氢键来调控type-I还是type-II结合模式,而不必诉诸共价弹头,这在担心半胱氨酸脱靶或共价可逆性问题时很有吸引力。 不过我对"构象耦合"这一结论能否推广到整个激酶组持保留态度——300个结构听起来不少,但按亚家族拆分后,EGFR、ABL、CDK这类明星靶点在PDB里的沉积量几乎肯定过多,覆盖度未必均衡。
A Structural Perspective on Non-covalent Targeting of Conserved Polar Residues in Protein Kinases ↗
大规模虚拟筛选发现新型强效TAAR1激动剂,或用于精神分裂症治疗
- TAAR1(1型痕量胺相关受体)是一种G蛋白偶联受体(GPCR),被视为治疗精神分裂症的非多巴胺类新药靶点。
- 研究团队针对TAAR1的激活态结构模型,对约6500万个候选化合物进行了基于结构的虚拟对接筛选。
- 在实验测试的55个高排名化合物中,14个显示出真实的TAAR1激动活性,效力范围从中等纳摩尔到微摩尔级。
- 随后的先导化合物优化获得了纳摩尔级效力的激动剂,冷冻电镜(cryo-EM)结构证实了对接预测的结合模式。
- 三个经优化的激动剂均表现出良好的脑内暴露量,其效力据称超过处于临床开发阶段的TAAR1候选抗精神病药乌洛托龙(ulotaront)。
- 在小鼠实验中,这三种化合物均能正常化苯丙胺诱导的前脉冲抑制紊乱(一种精神分裂症模型),且未引起传统抗精神病药常见的僵直(catalepsy)副作用。
最先跳出来的数字是命中率——从6500万个分子的对接筛选中挑出55个候选,实验验证后14个(约25%)确实具有TAAR1激动活性。对于基于活性态模型的GPCR结构筛选来说,这个命中率相当亮眼,而且cryo-EM证实了预测的结合姿势,说明这不只是对接分数好看而已。真正让人兴奋的是药理学数据——脑内暴露量高、效力超过ulotaront,在PPI实验中又不引起僵直,这正是非多巴胺机制承诺要交付的东西。Ulotaront现在成了所有TAAR1激动剂必须跨越的门槛,这三个化合物做到了。接下来要看这套SAR能否推广到其他化学骨架上。
Structure based discovery of antipsychotic-like TAAR1 agonists ↗
研究人员开发出用于治疗代谢疾病的喹啉类CYP8B1抑制剂先导化合物
- CYP8B1是胆汁酸合成通路中的一种肝脏酶,已成为治疗非酒精性脂肪性肝病(NAFLD)和2型糖尿病等代谢性疾病的潜在药物靶点。
- 该研究始于通过高通量筛选发现的CYP8B1抑制剂化合物1,但其代谢稳定性差,无法开展体内实验。
- 研究人员结合基于结构的药物设计与代谢产物鉴定,弄清了该化合物的降解方式,并借助DMPK数据指导的类似物合成来探索结构-活性关系。
- 这一优化最终产生了化合物9,一种代谢稳定性显著改善的喹啉类衍生物。
- 在小鼠体内,化合物9表现出强效的体内CYP8B1抑制作用,为该系列抑制剂的进一步优化提供了可靠的先导化合物。
化合物1体内代谢太快、无法用于活体实验——先鉴定代谢产物,再针对那个代谢弱点重新设计分子——这正是DMPK驱动的先导化合物优化该走的教科书式路线,很少见到有人把这个过程讲得这么清楚,值得点赞。最终落在喹啉骨架上也是好消息,合成上比较容易操作,SAR空间也相对成熟,后续做类似物应该不难。CYP8B1/胆汁酸这条通路对NAFLD和2型糖尿病来说也算是换了个赛道,不像FXR、GLP-1那样已经拥挤不堪。不过让我有点犹豫的是:从化合物1到代谢稳定、体内有效的化合物9,在同一轮筛选到先导化合物的项目里走得这么顺,总觉得有点太干净了——到底是哪个取代基或环上的改动真正解决了代谢稳定性问题?这个SAR细节没交代,在看到具体数据之前我不会完全买账。
研究人员开发选择性HDAC4/HDAC7抑制剂,调控Th17细胞转录
- HDAC4和HDAC7是表达受限的IIa类组蛋白去乙酰化酶,相比广泛表达的其他HDAC家族成员,是更具选择性的表观遗传药物靶点。
- 这两种酶共同驱动Th17细胞分化所需的转录程序,该通路与炎症性肠病及其他Th17相关炎症性疾病有关。
- 研究团队对已知的IIa类骨架化合物TMP269的金属结合区域和疏水接触区域进行改造,构建了一系列新型HDAC4/7靶向类似物。
- 报告基因实验、结合实验和分子对接分析揭示了分别决定HDAC4和HDAC7选择性的不同结构特征。
- 该研究获得了具有异构体选择性和高效力的化合物,可作为分别研究HDAC4和HDAC7功能的化学探针,并为开发针对Th17的疗法奠定基础。
IIa类HDAC是这个家族里的另类——本身几乎没有什么脱乙酰化活性,其生物学功能更多依赖蛋白质接触面而非干净的催化口袋,这也是为什么通用的HDAC药效基团很难把它们区分开。不从头设计,而是以TMP269为起点,这个思路很实际:它是已验证的IIa类结合分子,在此基础上调整金属结合弹头和相邻的疏水接触区域,比盲目筛选要可行得多的SAR课题。真正有价值的地方在于从中拿到了HDAC4与HDAC7的选择性——这两个亚型同源性很高,干净地区分开来是出了名的难。目前临床上的HDAC抑制剂大多是泛选择性或Class I选择性的,所以这种亚型纯净的IIa探针,在谈候选药物之前,已经是解析Th17生物学的实用工具化合物了。
一款激酶抑制剂通过重塑自身结合口袋获得选择性
- Seidler等研究人员开发了一种针对p38δ(p38 delta)激酶——一种与癌症相关的MAP激酶——的小分子抑制剂,并在《应用化学国际版》上报告了其结合机制。
- 结构分析显示,该抑制剂最初与激酶ATP结合口袋内一段柔性环发生空间冲突,这种冲突通常会削弱或阻碍结合。
- 但该抑制剂并未被排斥在外,反而促使这段柔性环改变构象,包裹折叠在分子周围,形成一种异常紧密的"自我封装式"结合方式。
- 作者认为,这种诱导契合、口袋重塑的结合行为是一种此前未被描述的激酶选择性获得途径,与将结合口袋视为固定模板、要求分子去适配的传统基于结构的设计思路不同。
- 这一发现提示,未来激酶靶向药物设计中,主动利用口袋的柔性(而非回避空间冲突)有可能成为提升选择性的新策略。
最让我瞪大眼睛的是,那个原本会被视为"缺陷"的空间冲突,反而成了武器。常规思路是把ATP口袋当成固定模板,让配体去适配它;这次却是那圈柔性loop主动折叠、把抑制剂包裹起来,"冲突"本身变成了选择性的抓手。这直接颠覆了锁钥模型的老套思路。 从选择性策略上看,这确实是个新招。大家一直在铰链区微调、DFG-out、变构口袋上做文章,而这种诱导型自我包裹是完全不同的一条路,值得挪到其他激酶项目里试试。 但我也持保留态度:这到底是可以按需设计的,还是碰巧在这一个系列里撞上了、拿到晶体结构后再反过来讲故事?如果口袋重塑真能可控地设计出来,那意义重大;如果只是孤例式的诱导契合,那顶多是篇漂亮的论文。 另外值得一提,p38δ远不如p38α成熟,这里出现的新选择性思路对这个靶点确实有实打实的价值。
冷冻电镜揭示CTLH-MKLN1连接酶识别多种降解决定子的机制
- CTLH-MKLN1 E3泛素连接酶与三种不同底物蛋白结合的冷冻电镜结构已被解析,揭示了该受体亚基识别靶标的方式。
- MKLN1同时利用其discoidin结构域和Kelch结构域,通过多个接触点而非单一结合面与底物相互作用。
- MKLN1可通过discoidin-Kelch相互作用识别自身二聚体,这种结合方式会与其他底物的结合发生竞争。
- 对于ZMYND19和由接头蛋白介导的UNG2,其C端精氨酸残基插入MKLN1的Kelch通道,表明MKLN1是一种精氨酸/C端降解决定子受体。
- 另一个接头蛋白将UNG2乙酰化的N端定位于内部通道中,揭示了一种独特的乙酰化N端降解决定子识别途径。
- 这些发现拓展了人们对E3连接酶底物识别机制的认识,为开发超越CRBN和VHL的靶向蛋白降解策略提供了新思路。
三种降解决定子,一个受体识别——对CRBN/VHL用腻了的降解药物开发者来说,这个标题本身就够抓人。最有成药感的是识别C端精氨酸的Kelch通道:Kelch结构域(想想KEAP1)一向擅长在狭窄凹槽里容纳小分子极性配体,所以在这里设计一个紧凑的拟肽锚定基团并非天方夜谭。乙酰化N端识别的内部通道则更模糊——依赖接头蛋白,目前还没有任何小分子摸过乙酰化N端降解决定子口袋,这更像是片段筛选的地盘,而不是近期就能做出分子胶的靶点。最大的隐患是MKLN1通过同一个discoidin-Kelch界面进行自我二聚,意味着任何利用该界面的配体都得和内源性、高亲合力的蛋白-蛋白相互作用竞争——选择性和靶点结合都不会轻松。目前只是纯结构生物学,还没有任何化学实体,但这确实是拓展E3连接酶工具箱、摆脱CRBN/VHL两强格局的一个正当候选。
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。
可逆功元动力学实现快速苗头化合物筛选,同时揭示AI共折叠方法的记忆偏差
- 虚拟筛选常因快速但近似的评分函数而产生假阳性,而能够筛除这些假阳性的高精度自由能计算方法,对于常规高通量应用而言成本仍然过高。
- 作者提出了CTMD(基于c(t)的元动力学)方法,利用源自若干条独立、短时的阱势增强元动力学轨迹的非平衡可逆功估计量c(t)对结合稳定性进行排序,无需获得收敛的结合自由能。
- 在多种靶点和化学型上的测试表明,CTMD在保持快速、可迁移且几乎无需参数调整的同时,实现了稳健的早期富集效果。
- 作者还对AI共折叠方法进行了基准测试,发现Boltz-2的富集效果与其训练集相似度成正比,即便对活性位点进行大幅改造后仍是如此,提示其表现可能部分源于"记忆"而非真实的结合物理。
- CTMD被定位为介于快速对接/共折叠筛选与昂贵自由能计算之间的开源中间方案,旨在减少药物发现项目中人力和资金的浪费。
对接和全套FEP计算之间,一直缺一个分诊环节,这个方法正好补上了这块空白。单靠对接打分来决定合成优先级太粗糙,而对每一个虚拟筛选命中都跑FEP,无论预算还是周期都吃不消。CTMD用短时、独立的元动力学轨迹加c(t)估计量,恰好卡在这个位置上,真有可能改变我们最终送去合成的化合物——而且不需要一整个计算集群。开源、基本不用调参,意味着不用专人盯着也能用起来。 Boltz-2那个发现是我会提醒团队的一点:哪怕对活性位点做了改造,富集效果依然跟训练集相似度挂钩,这说明它很可能是在对已知化学型做模式匹配,而不是真正在评估结合物理。这对我们正在追的那些新颖骨架来说,恰恰是个陷阱。
Early-Enrichment Hit Discovery via Reversible-Work c(t) Estimation in Metadynamics (CTMD) ↗
预注册研究显示:许多"虚拟筛选改进"可能只是统计噪音
- 这篇预印本探讨了一个基础性的方法学问题:在典型规模的基于结构的虚拟筛选基准测试中,两种方案之间在AUROC或富集度上的差异,究竟能在多大程度上被统计学意义上可靠地区分开。
- 作者没有默认基准测试比较结果天然可靠,而是首先直接测量了这种可分辨的"分辨率极限"。
- 随后,他们对对接/打分流程的六项干预措施进行了预注册,并将每一项都与测得的分辨率极限进行对照检验,而非事后挑选"成功"结果来报告。
- 这种预注册设计旨在防范虚拟筛选文献中时有出现的选择性报告问题,即把仅在特定基准上出现的微小提升当作普遍适用的改进来呈现。
- 该研究并未提出新的抑制剂或特定靶点,而是一项关于应当如何评估虚拟筛选改进方法的方法学/严谨性研究。
- 其实际意义在于:许多已发表的虚拟筛选性能提升声明,可能落在典型基准测试的噪声范围之内,因此先导化合物发现团队应谨慎对待仅基于单一基准得出的改进结论。
今后评估各家VS供应商的宣传话术,我都想拿这篇论文当标尺。如果所谓的'方案改进'连基准测试规模下AUROC/富集度的噪声下限都跨不过,那就不是改进,只是套上路演PPT外壳的抛硬币。六项预注册干预是很高的门槛——说实话,我们大多数人做筛选项目前都不会真去预注册,但至少可以要求合作方汇报相对于分辨率极限的效应量,而不是只报一个漂亮的AUROC提升数字。对我来说最扎心的启示是:co-folding那套热潮(Boltz-2之类)也该接受同样的检验——如果这些模型只是在对PDB附近的化学型做模式匹配,那它们在公开基准上'战胜'经典对接/自由能微扰的战绩,可能只是记忆而非真正的泛化能力。单凭这点证据,我还不会把FEP换成黑箱模型。