01?預(yù)測(cè)腫瘤藥物結(jié)合位點(diǎn)的挑戰(zhàn)與進(jìn)展

預(yù)測(cè)結(jié)合位點(diǎn)是腫瘤藥物發(fā)現(xiàn)的關(guān)鍵步驟，但突變的結(jié)合位點(diǎn)和轉(zhuǎn)化的蛋白質(zhì)-蛋白質(zhì)相互作用會(huì)使預(yù)測(cè)變得復(fù)雜。目前有多種工具可用于預(yù)測(cè)小分子結(jié)合位點(diǎn)，這些工具通常集成了基于結(jié)構(gòu)的（SB）和機(jī)器學(xué)習(xí)（ML）技術(shù)。不過(guò)，在使用訓(xùn)練數(shù)據(jù)集相對(duì)較小的 ML 分析預(yù)測(cè)復(fù)雜特征時(shí)應(yīng)謹(jǐn)慎。異構(gòu)結(jié)合位點(diǎn)具有在癌細(xì)胞中選擇性靶向的潛力，在抗癌藥物開(kāi)發(fā)中尤其受到關(guān)注。雖然小分子的結(jié)合位點(diǎn)預(yù)測(cè)已經(jīng)非常成熟，但預(yù)測(cè)蛋白質(zhì)-蛋白質(zhì)相互作用中的結(jié)合區(qū)域仍然具有挑戰(zhàn)性。基于貝葉斯主動(dòng)學(xué)習(xí)的蛋白質(zhì)-蛋白質(zhì)對(duì)接和基于?ML?的蛋白質(zhì)-肽結(jié)合殘基預(yù)測(cè)等綜合?SB-ML 方法已在這一領(lǐng)域顯示出前景。這些方法的可行性取決于結(jié)構(gòu)數(shù)據(jù)的可用性，在缺乏實(shí)驗(yàn)結(jié)構(gòu)的情況下，可以利用同源模型。

a) AlphaFold 在 CASP14 數(shù)據(jù)集（由 87 個(gè)蛋白質(zhì)結(jié)構(gòu)域組成）上的表現(xiàn)是相對(duì)于競(jìng)賽 146 個(gè)參賽項(xiàng)目中的前 15 個(gè)項(xiàng)目而言的。數(shù)據(jù)以中位數(shù)和中位數(shù) 95% 置信區(qū)間的形式呈現(xiàn)，由 10,000 個(gè)引導(dǎo)樣本估算得出。b) 將 AlphaFold 對(duì) CASP14 目標(biāo) T1049（PDB 6Y4F）的預(yù)測(cè)結(jié)果與真實(shí)實(shí)驗(yàn)結(jié)構(gòu)（綠色）進(jìn)行比較。除了 C 末端的四個(gè)殘基是 B 因子異常值而未畫(huà)出外，預(yù)測(cè)結(jié)果與實(shí)驗(yàn)結(jié)構(gòu)非常吻合。c) 對(duì)于 CASP14 目標(biāo) T1056（PDB 6YJ1），AlphaFold 雖然沒(méi)有明確預(yù)測(cè)鋅離子，但準(zhǔn)確預(yù)測(cè)了鋅結(jié)合位點(diǎn)和精確的側(cè)鏈。d) CASP 目標(biāo) T1044（PDB 6VR4）是一個(gè)大型單鏈蛋白質(zhì)，有 2,180 個(gè)殘基。AlphaFold 在沒(méi)有任何干預(yù)的情況下成功預(yù)測(cè)了正確的結(jié)構(gòu)域堆積，展示了其處理高難度蛋白質(zhì)結(jié)構(gòu)的能力。e) AlphaFold 的模型結(jié)構(gòu)圖顯示了論文中描述的各個(gè)組件之間的信息流。括號(hào)中表示的是陣列形狀，包括序列數(shù)（Nseq）、殘基數(shù)（Nres）和通道數(shù)（c）。

與其他條目相比，AlphaFold 在 CASP14 數(shù)據(jù)集上的表現(xiàn)更好，它能準(zhǔn)確預(yù)測(cè)復(fù)雜的蛋白質(zhì)結(jié)構(gòu)和結(jié)合位點(diǎn)，是蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的有力工具。

最近發(fā)布的高精度蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)工具 AlphaFold 為在全基因組范圍內(nèi)實(shí)施結(jié)合位點(diǎn)預(yù)測(cè)方法提供了新的可能性。AlphaFold 的開(kāi)放源代碼也促進(jìn)了相關(guān)工具的開(kāi)發(fā)，如 AlphaFill，它可以用配體和輔助因子豐富 AlphaFold 模型。這些進(jìn)步對(duì)腫瘤藥物的發(fā)現(xiàn)具有重大意義，因?yàn)樗鼈兛梢栽诓贿M(jìn)行實(shí)驗(yàn)測(cè)定的情況下預(yù)測(cè)突變體的結(jié)合位點(diǎn)。在這一探索性領(lǐng)域，采用多種工具的共識(shí)方法可能有助于減少假陽(yáng)性，提高預(yù)測(cè)的可靠性。

02?計(jì)算藥物發(fā)現(xiàn)中的虛擬篩選：整合基于結(jié)構(gòu)的方法和機(jī)器學(xué)習(xí)方法

虛擬篩選（VS）是一種廣泛使用的計(jì)算藥物發(fā)現(xiàn)方法，可優(yōu)先選擇化合物進(jìn)行實(shí)驗(yàn)分析。虛擬篩選結(jié)合了基于結(jié)構(gòu)（SB）和機(jī)器學(xué)習(xí)（ML）的方法，以充分利用可用數(shù)據(jù)并提高準(zhǔn)確性?；?ML 的評(píng)分函數(shù)可與對(duì)接軟件集成，或用于對(duì)對(duì)接結(jié)果重新評(píng)分。這些評(píng)分函數(shù)可以是針對(duì)特定靶點(diǎn)的，也可以是通用的。較簡(jiǎn)單的方法包括將對(duì)接得分作為 ML 分類器的特征，而更復(fù)雜的方法則包括分子動(dòng)力學(xué)（MD）衍生特征和其他描述符。

另一種方法是將配體-蛋白質(zhì)相互作用數(shù)據(jù)作為 ML 模型的輸入，從而得出藥理空間的描述符。通常，SB 和 ML 方法會(huì)先后或并行使用?；谂潴w的?QSAR 模型是根據(jù)實(shí)驗(yàn)生物活性數(shù)據(jù)開(kāi)發(fā)的，用于根據(jù)預(yù)測(cè)的結(jié)合親和力對(duì)化學(xué)數(shù)據(jù)庫(kù)中的化合物進(jìn)行優(yōu)先排序。然后根據(jù)各種標(biāo)準(zhǔn)篩選出命中化合物，并使用對(duì)接和 MD 模擬等 SB 方法對(duì)化合物進(jìn)行合理化并提出進(jìn)一步驗(yàn)證的建議。

雖然 VS 策略通常用于篩選小分子，但也可用于肽。VS 面臨的主要挑戰(zhàn)之一是為 ML 模型提供相關(guān)的、足夠大的訓(xùn)練和驗(yàn)證數(shù)據(jù)集。針對(duì)特定靶點(diǎn)的應(yīng)用在避免偏差和過(guò)擬合方面面臨更多挑戰(zhàn)。而這些需要共同努力擴(kuò)大數(shù)據(jù)集，特別是癌癥相關(guān)突變體的數(shù)據(jù)集，以提高 VS 方法在個(gè)性化藥物優(yōu)先排序中的準(zhǔn)確性和適用性。

03?選擇性抗癌藥物開(kāi)發(fā)中的異構(gòu)調(diào)節(jié)分析

異構(gòu)調(diào)節(jié)是藥物發(fā)現(xiàn)的有力工具，它具有更高的選擇性和克服耐藥性突變的能力，因此在癌癥研究中大有可為。別構(gòu)結(jié)合位點(diǎn)和調(diào)制劑表現(xiàn)出與正構(gòu)位點(diǎn)不同的特征，因此需要開(kāi)發(fā)專門(mén)的別構(gòu)特異性工具。

Lu 等人的研究全面綜述了用于發(fā)現(xiàn)異構(gòu)調(diào)節(jié)劑的基于結(jié)構(gòu)（SB）的方法，整合了 SB 和機(jī)器學(xué)習(xí)（ML）技術(shù)，用于異構(gòu)結(jié)合位點(diǎn)預(yù)測(cè)、相互作用評(píng)分和突變效應(yīng)分析。這些工具已被應(yīng)用于腫瘤藥物的發(fā)現(xiàn)，優(yōu)先選擇 SIRT6 和 STAT3 等癌癥靶點(diǎn)的異構(gòu)激活劑和抑制劑。通過(guò)實(shí)驗(yàn)測(cè)定或晶體學(xué)研究對(duì)計(jì)算預(yù)測(cè)進(jìn)行了驗(yàn)證。此外，驅(qū)動(dòng)力預(yù)測(cè)工具 AlloDriver 將臨床癌癥樣本中的突變映射到其三維結(jié)構(gòu)中，識(shí)別潛在的異構(gòu)作用位點(diǎn)和驅(qū)動(dòng)力突變。

圖 1 以細(xì)胞周期蛋白依賴性激酶 2（CDK2）為例，說(shuō)明了單個(gè)蛋白質(zhì)上多個(gè)結(jié)合位點(diǎn)的概念。綠色區(qū)域代表與 ATP 結(jié)合的正交結(jié)合位點(diǎn)。紅色顯示的是異構(gòu)結(jié)合位點(diǎn)（V 型抑制劑），它與正位結(jié)合位點(diǎn)緊密相連。圖中顯示了兩種類型的抑制劑：綠色為非異位抑制劑，紅色為異位抑制劑。此外，該圖還顯示了細(xì)胞周期蛋白-A（淺灰色）與 CDK2 和天然抑制劑 CDKN1B（深綠色）配對(duì)的情況，突出了異位抑制劑如何可能破壞 CDK2 和細(xì)胞周期蛋白-A 之間的蛋白質(zhì)-蛋白質(zhì)相互作用。

異構(gòu)調(diào)節(jié)分析通常在動(dòng)態(tài)環(huán)境中使用 ML 技術(shù)分析分子動(dòng)力學(xué)（MD）軌跡，探索驅(qū)動(dòng)觀察到的效應(yīng)的途徑。研究已成功確定了與蛋白質(zhì)活性上的異調(diào)效應(yīng)相關(guān)的不同動(dòng)態(tài)模式和構(gòu)象微態(tài)，并通過(guò)實(shí)驗(yàn)進(jìn)行了驗(yàn)證。

雖然異構(gòu)調(diào)節(jié)已為人所知數(shù)十年，但由于已知異構(gòu)調(diào)節(jié)劑的指數(shù)級(jí)增長(zhǎng)，它在藥物發(fā)現(xiàn)領(lǐng)域獲得了極大關(guān)注。值得注意的是，美國(guó)食品及藥物管理局批準(zhǔn)的抗癌藥物包括三種異構(gòu)調(diào)節(jié)劑。然而，由于缺乏實(shí)驗(yàn)確定的異構(gòu)相互作用和機(jī)制，計(jì)算工具，特別是基于 ML 的方法，仍然面臨著挑戰(zhàn)。未來(lái)的研究與實(shí)驗(yàn)驗(yàn)證相結(jié)合，有望在開(kāi)發(fā)更具選擇性和更有效的抗癌藥物投放市場(chǎng)方面發(fā)揮關(guān)鍵作用。

04?結(jié)論

事實(shí)證明，ML-SB 集成方法在腫瘤藥物發(fā)現(xiàn)的各個(gè)方面都很有價(jià)值。這些計(jì)算方法可應(yīng)用于特定的癌癥場(chǎng)景，也可應(yīng)用于與腫瘤研究潛在相關(guān)的更普遍的場(chǎng)景。選擇合適的方法取決于具體的研究目標(biāo)和范圍。虛擬篩選中基于 ML 的評(píng)分函數(shù)和異調(diào)分析中分子動(dòng)力學(xué)模擬的 ML 分析是常用的集成方法。

虛擬篩選仍然是一種流行的策略，但在驅(qū)動(dòng)力預(yù)測(cè)和計(jì)算誘變方面，綜合方法的重要性日益增加，因?yàn)榻Y(jié)構(gòu)數(shù)據(jù)能有效補(bǔ)充 Omics 數(shù)據(jù)。不過(guò)，這些方法也存在局限性，包括數(shù)據(jù)可用性、計(jì)算要求和成本效益需求。未來(lái)的研究可能會(huì)探索更復(fù)雜的算法，如深度神經(jīng)網(wǎng)絡(luò)（DNN），以便從結(jié)構(gòu)數(shù)據(jù)中提取更豐富的信息。缺乏實(shí)驗(yàn)驗(yàn)證仍然是計(jì)算藥物發(fā)現(xiàn)中的一個(gè)常見(jiàn)缺陷，這也提出了在腫瘤藥物研究中使用集成方法的問(wèn)題。應(yīng)對(duì)這些挑戰(zhàn)對(duì)于加強(qiáng)計(jì)算方法在個(gè)性化腫瘤療法中的應(yīng)用至關(guān)重要。腫瘤研究的快速發(fā)展要求不斷重新評(píng)估應(yīng)用方法的生物學(xué)相關(guān)性。總之，綜合計(jì)算方法為腫瘤藥物發(fā)現(xiàn)中優(yōu)先選擇靶點(diǎn)和小分子提供了寶貴的手段。將這些方法與實(shí)驗(yàn)驗(yàn)證相結(jié)合對(duì)于加快個(gè)性化腫瘤療法的開(kāi)發(fā)至關(guān)重要。參考資料：González M G, Janssen A P A, IJzerman A P, et al. Oncological drug discovery: AI meets structure-based computational research[J]. Drug discovery today, 2022, 27(6): 1661-1670.https://www.nature.com/articles/s41586-021-03819-2/figures/1

https://doi.org/10.1371/journal.pcbi.1003559.g001

版權(quán)信息

本文系A(chǔ)IDD Pro接受的外部投稿，文中所述觀點(diǎn)僅代表作者本人觀點(diǎn)，不代表AIDD Pro平臺(tái)，如您發(fā)現(xiàn)發(fā)布內(nèi)容有任何版權(quán)侵?jǐn)_或者其他信息錯(cuò)誤解讀，請(qǐng)及時(shí)聯(lián)系A(chǔ)IDD Pro (請(qǐng)?zhí)砑游⑿盘?hào)sixiali_fox59)進(jìn)行刪改處理。

原創(chuàng)內(nèi)容未經(jīng)授權(quán)，禁止轉(zhuǎn)載至其他平臺(tái)。有問(wèn)題可發(fā)郵件至sixiali@stonewise.cn