《Computational Biology and Chemistry》:Identification of Phosphodiesterase 10
A Modulators for Neurodegenerative and Psychiatric Disorders: Combination of Physics-based Virtual Screening and Machine Learning Approaches
编辑推荐:
PDE10A神经递质调节剂通过配体引导虚拟筛选及分子动力学验证发现。摘要:采用配体引导虚拟筛选结合AutoDock Vina和KDEEP优化,从ZINCPharmer数据库中筛选出四个高亲和力抑制剂(-9.1至-9.7 kcal/mol),经ADMET-AI评估和100 ns MD模拟验证其稳定性和药代性质,为神经退行性疾病治疗提供新靶点。
Vipra Ajay Parekh | Musarat Amina | Md Lutful Islam | Pritee Chunarkar Patil | Mohammad Ajmal Ali | Saikh Mohammad Wabaidur | Md Ataul Islam
SilicoScientia Private Limited, Nagananda Commercial Complex, No. 07/3, 15/1, 18th Main Road, Jayanagar 9th Block, Bengaluru 560041
摘要
磷酸二酯酶(PDE)是一种关键的酶,通过将环腺苷一磷酸(cAMP)和环鸟苷一磷酸(cGMP)分解为无活性形式来调节细胞内信号转导。在11个PDE家族中,PDE10A作为神经退行性疾病和精神疾病的潜在治疗靶点受到了关注。本研究旨在鉴定针对PDE10A活性位点的强效抑制剂。采用配体引导的虚拟筛选方法从ZINCPharmer数据库中寻找潜在的调节剂。利用AutoDock Vina (ADV)和PLANTS工具对配体库进行了基于网格的分子对接。使用KDEEP预测并优化了绝对结合亲和力。通过ADMET-AI评估排序化合物的ADMET特性来验证对接协议。使用ProteinPlus分析了蛋白质-配体相互作用。最终确定的四种化合物ZINC09233950、ZINC19374064、ZINC33686121和ZINC58090432的结合亲和力分别为-9.1、-9.3、-9.7和-9.3 kcal/mol。进行了100 ns的分子动力学(MD)模拟,以评估立方水箱内蛋白质-配体复合物的稳定性。使用MM-GBSA方法评估了选定化合物的结合自由能,证实了它们作为PDE10A抑制剂的潜力。本研究鉴定了潜在的抑制剂,并强调了配体引导的药物发现方法在提高特异性和效力方面的价值。
引言
磷酸二酯酶(PDE)是一类广泛的酶,通过水解细胞内的第二信使——环腺苷3', 5'-一磷酸(cAMP)和环鸟苷3', 5'-一磷酸(cGMP),将其转化为无活性形式来调节细胞信号转导(Lugnier, 2006)。PDE超家族分为11个不同的家族(PDE1-PDE11),包含21个不同的基因和超过100个基因变体(Bolger, 2021)。PDE家族根据其对环核苷酸的特异性进行分类。某些PDE,包括PDE1-3、10和11,通过水解cAMP和其他底物cGMP表现出双重特异性(Calamera et al., 2022)。相比之下,PDE4、PDE7和PDE8选择性地水解cAMP,而PDE5、PDE6和PDE9则特异性地水解cGMP(Azevedo et al., 2014)。近年来,PDE抑制剂因其在神经和精神疾病中的作用而受到广泛关注。这种兴趣主要源于它们调节cAMP和cGMP水平的能力,这两种物质是参与突触可塑性、记忆形成、神经递质释放以及认知功能整体调节的过程中的关键介质(Argyrousi et al., 2020)。抑制PDE可以增加这些环核苷酸的水平,从而增强细胞内信号传导。由于PDE在重要脑功能中的广泛参与,它们被用作治疗神经退行性疾病(如阿尔茨海默病、帕金森病和亨廷顿病)以及精神疾病(如精神分裂症、抑郁症和双相情感障碍)的药物(Heckman et al., 2016)。除了增强认知功能外,PDE抑制剂还被证明具有神经保护作用,通过调节炎症途径、减少氧化应激和促进神经元存活(Peixoto et al., 2015)。
在PDE家族中,PDE10A因其独特的组织分布和在大脑中的功能作用而成为药物发现的有趣靶点(Wilson and Brandon, 2014)。PDE10A主要表达在纹状体中,纹状体在运动控制和认知功能中起着关键作用。这种酶调节纹状体神经元中cAMP和cGMP的分解,这对协调多巴胺能和谷氨酸能信号通路至关重要。PDE10A的结构和功能特性突显了其作为药物靶点的潜力(Borneman et al., 2022; Yang et al., 2020)。PDE10A属于金属-β-内酰胺酶超家族,包含一个催化结构域,该结构域能够结合二价金属离子(如锌和镁),这些离子是水解cAMP和cGMP所必需的。PDE10A的活性位点具有保守的氨基酸残基,有助于底物结合和水解(Al-Nema et al., 2022)。这些特征使得可以用设计用于结合活性位点的小分子抑制剂来靶向该酶,从而防止环核苷酸的降解。
本研究的合理性在于,PDE10A在调节纹状体中的cAMP和cGMP水平方面起着关键作用。这影响了多巴胺能和谷氨酸能信号传导,这对运动控制和认知至关重要。由于阿尔茨海默病、帕金森病和亨廷顿病等神经退行性疾病以及精神分裂症和抑郁症等精神疾病涉及环核苷酸信号传导的紊乱,因此这一点尤为重要。这种紊乱会导致突触可塑性、记忆和神经元存活能力受损。目前的治疗方法往往缺乏特异性,导致副作用或效果有限。这突显了需要靶向PDE10A抑制剂的需求,这些抑制剂能够增强细胞内信号传导、提供神经保护,并对抗炎症或氧化应激,而不影响整个PDE家族。
在计算机辅助药物设计中,利用目标蛋白和已知配体的结构信息,配体引导的虚拟筛选已成为识别潜在抑制剂的有效方法(Carlsson and Luttens, 2024; Lionta et al., 2014)。这种方法利用已知的抑制剂作为模板,以发现具有相似或改进抑制特性的新骨架。机器学习(ML)技术在药物发现中的应用显著增加,特别是在评估药代动力学特性(如吸收、分布、代谢、排泄和毒性(ADMET)方面(Carracedo-Reboredo et al., 2021, Vamathevan et al., 2019)。在PDE10A调节的背景下,ML通过实现更有效的ADMET特性评估,增强了配体引导的虚拟筛选。因此,本研究通过利用ZINCPharmer数据库中的配体引导虚拟筛选、基于物理的对接、机器学习进行ADMET预测以及分子动力学(MD)模拟,发现了新的强效调节剂。可测量的目标包括筛选36,929种化合物,找到那些结合亲和力优于-8.9 kcal/mol的化合物,通过100 ns的MD模拟验证稳定性,并通过Lipinski规则、QED、AMES毒性和血脑屏障(BBB)通透性等药代动力学过滤器确认其药物类似性。通过鉴定出四种亲和力更高且稳定性更好的先导化合物,这项工作推进了靶向药物发现。
材料与方法
本研究介绍了一种结合基于物理和机器学习的方法来识别PDE10A调节剂,改进了虚拟筛选方法。该方法通过结合基于结构的对接、结合自由能估计和GNN驱动的ADMET计算,提高了潜在中枢神经系统(CNS)活性药物的预测性、效率和生物学相关性。使用基于物理的分子对接和MD模拟提供了结构和能量验证,而ADMET-AI
结果与讨论
图1展示了针对PDE10A的分子潜在筛选的流程图。此外,图S1(补充数据)提供了输入和输出文件类型以及决策阈值的全面说明。
结论
本研究有效地利用基于机器学习的配体引导虚拟筛选来鉴定PDE10A的新调节剂,展示了计算技术在药物发现中的有效性。通过采用基于配体的相似性搜索方法,使用ZINCPharmer数据库创建了一个多样化的化合物库。合成的化合物经过多方面的评估,包括基于机器学习的药代动力学评估和毒性测试
伦理批准
本研究是计算研究,因此不需要人类和动物实验。
CRediT作者贡献声明
Musarat Amina:撰写 – 审稿与编辑,概念构思。Vipra Ajay Parekh:撰写 – 审稿与编辑,方法学。Pritee Chunarkar Patil:撰写 – 审稿与编辑,资源准备,形式分析。Md Lutful Islam:撰写 – 审稿与编辑,概念构思。Saikh Mohammad Wabaidur:撰写 – 审稿与编辑,初稿撰写,概念构思。Mohammad Ajmal Ali:撰写 – 审稿与编辑,初稿撰写,概念构思。Md Ataul Islam:撰写 – 审稿与
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
致谢
作者衷心感谢沙特阿拉伯利雅得国王沙特大学的Ongoing Research Funding项目(ORF-2025-306)的支持。
技术资源
DBT Builder Scheme No. BT/INF/22/SP41297/2021, 印度政府科学技术部