《Journal of Chromatography A》:Mass Spectrometry?Based Chemoproteomics for Modern Drug Screening: A Critical Review and the 3M Framework (Match–Map–Mine)
编辑推荐:
•Match-Map-Mine通过LC-MS结合了识别、反卷积和安全性分析。•反馈循环(Mine-Match、Mine-Map、Map-Match)实现了自我修正的精细化。•离子迁移率和数据独立采集提高了识别准确性。•代谢物结构注释(Match)与毒理学风险评估(Mine)相结合
- •
Match-Map-Mine通过LC-MS结合了识别、反卷积和安全性分析。
- •
反馈循环(Mine-Match、Mine-Map、Map-Match)实现了自我修正的精细化。
- •
离子迁移率和数据独立采集提高了识别准确性。
- •
代谢物结构注释(Match)与毒理学风险评估(Mine)相结合。
- •
技术成熟度评估为AI集成提供了5年的展望。
引言
现代药物发现已经从传统的“一种药物-一个靶点”模式转向多药理学和网络药理学[1]。许多成功的药物,尤其是天然产物,是通过多种生物活性成分的协同作用发挥作用的,这正好符合网络药理学的观点[[2], [3], [4]]。最近关于抗病毒天然产物的研究也支持这一观点:单一种草药中的多种成分可以共同抑制同一个靶点,通常通过不同的共价修饰位点[5,6]。这改变了我们筛选药物的方式。过去的目标是实现最大选择性;现在,研究人员认为受控的多药理学可以提高疗效、减少耐药性并降低安全风险[7,8]。因此,能够同时确定活性成分、绘制其靶点图谱并识别脱靶风险的分析方法的需求显著增加[9,10]。最近针对天然产物抗病毒成分的化学生物组学研究开始填补这一空白[11]。
在现有的分析平台中,色谱-质谱(LC-MS)已成为化学生物组学的基石[12,13]。通过将高分辨率色谱分离与现代质谱的高质量、分辨能力和灵敏度相结合,LC-MS能够实现可靠的结构鉴定、定量分析和通路分析[14,15]。高分辨率质谱系统,包括Q-TOF、Orbitrap和FT-ICR,支持在广泛的动态范围内进行分子式赋值和结构解析[16]。当与离子迁移谱(IMS)结合时,碰撞截面(CCS)值提供了一个用于区分异构体和同位素的方法[17,18]。这些能力使得色谱-高分辨率质谱非常适合整合成分鉴定、靶点反卷积和安全性评估,而这些通常是分开处理的。
药物筛选越来越依赖于色谱与质谱的结合,但该领域的文献仍然相对分散[19]。对仪器平台和分析工作流的严格对比仍然很少[20]。最近的进展反而使得这一领域更加复杂:在2020-2025年间,离子迁移率-高分辨率质谱、数据独立采集、AI辅助的结构解析以及多组学方法各自带来了不同的方法学要求[[21], [22], [23]]。本文旨在解决这一缺口,通过实际相关的标准比较主要的高分辨率质谱平台,回顾了影响当前实践的进展,并提出了一个涵盖成分鉴定、靶点反卷积和安全性评估的统一框架。最后讨论了剩余的瓶颈以及未来五年内这些技术在常规应用中的发展前景。
我们将这篇综述围绕我们称为3M的新集成框架组织起来:Match、Map、Mine。如图1所示,它将药物筛选工作流程分为三个相互关联的部分。
在Match阶段,我们利用高分辨率质谱(HRMS)、离子迁移谱(IMS)和数据独立采集(DIA)以及AI辅助的结构解析技术,实现对复杂混合物中生物活性成分的高信心识别[19]。在Map阶段,我们描述了基于质谱的化学生物组学策略,包括CETSA、TPP和LiP-MS等无标记方法,以及基于亲和力的工具,如ABPP、光亲和标记和拉下质谱[22,23,25]。在Mine阶段,我们对候选化合物进行功能验证、机制表征和安全性评估。这些分析包括效力评估(例如抑制实验和动力学测量)、机制研究(例如共价对接)以及通过多组学、活性代谢物捕获和系统毒理学进行的毒理学风险分析[26,27]。
3M框架不是一个线性的流程,而是一个由三个条件反馈循环驱动的迭代螺旋。在Mine→Match过程中,检测到活性代谢物时,工作流程会回到原始质谱数据以确认结构或区分异构体。在Mine→Map过程中,脱靶风险或靶点验证失败会触发一次独立的化学生物组学重新评估。在Map→Match过程中,特定异构体的结合或错误的识别会促使重新调整候选化合物的优先级。这些循环是实用的设计,因为原始的HR-LC/MS文件会被永久保存——作为一个可重复使用的记录,随着新假设的出现可以不断进行挖掘。
3M框架不仅仅是一个理论概念。其迭代和反馈驱动的逻辑在最近对银杏提取物(GBE50)中的SARS-CoV-2 3CLpro抑制剂的研究中得到了体现,实验流程自然符合这一模型[24]。在Match阶段,UHPLC-Q-Exactive Orbitrap HRMS鉴定了GBE50中的38种不同成分。在Map阶段,使用nanoLC-MS/MS的化学生物组学分析鉴定了18种成分中的26种半胱氨酸修饰肽,确定了精确的结合位点,包括Cys85、Cys128和Cys156。在Mine阶段,时间依赖性抑制实验确认了11种共价抑制剂,其中gallocatechin的效力最强(IC50 = 0.98 μM)。该研究还揭示了一个与3M螺旋模型一致的反馈循环。Mine显示两种异构体ginkgetin和isoginkgetin的效力有显著差异(IC50值分别为7.42 μM和35.18 μM)。作者随后回到Map阶段检查了它们的修饰位点,结果发现ginkgetin修饰的是催化Cys38,而isoginkgetin则没有。这一观察结果与之前定义的Map→Match反馈循环一致,在该循环中,来自靶点反卷积的新证据会触发候选列表的重新排序。这些反馈循环将一个一次性的流程转变为一个自我优化的系统,但它们是条件性的,而不是自动的:每个步骤都需要分析确认才能继续进行。
章节片段
色谱分离和质谱平台
反相液相色谱(RPLC)仍然是用于类药物化合物、植物化学物质和代谢物的最广泛使用的平台[28]。亲水相互作用色谱(HILIC)通过保留常规RPLC系统中难以保留的极性代谢物来补充RPLC[29]。其他分离技术,如离子对RPLC、SFC-MS、GC-MS和CE-MS,虽然有特定的应用范围,但超出了本综述的范围[30]。高分辨率质谱(HRMS)能够
像草药提取物、传统中药、细胞裂解物和生物流体这样的复杂混合物给成分鉴定带来了极大挑战。高丰度的成分经常掩盖低丰度的生物活性化合物,其中许多化合物的浓度低于0.01%,但它们对药理效应起主导作用[53,54]。结构异构体,包括立体异构体和位置异构体,常常一起洗脱并具有相似的碎片化路径,这使得区分变得困难
知道一个生物活性分子的结构只是成功的一半。下一个问题是它与哪种蛋白质结合,这定义了靶点反卷积的任务。长期以来,这一直是药物发现中的一个瓶颈,特别是在表型筛选和天然产物方面,因为活性成分的存在先于对其机制的理解[[93], [94], [95]]。传统方法各有局限性。化学生物组学利用基于质谱的蛋白质组学系统来系统研究小分子与蛋白质的相互作用
Match模块能够高信心地识别生物活性成分,而Map模块则表征它们的蛋白质靶点。然而,确认靶点结合并不确保临床安全性和治疗效果。Mine模块通过三个紧密相关的目标来填补这一空白:阐明化合物活性的机制、确认观察到的效应是否可归因于所识别的靶点,以及评估毒理学风险。Mine模块整合了Match模块的输出
分离科学瓶颈
尽管经历了数十年的创新,分离科学仍然是一个限制因素。单维色谱的峰容量仅能达到几百到一千个组分,这对于草药提取物或血浆等复杂样本来说是不够的[143]。反相色谱对于高极性代谢物的分离效果不佳,而HILIC则存在重现性问题[144]。
动态范围和灵敏度的权衡。同一生物样本中的分析物浓度差异可以达到6-8个数量级。没有
正如本文总结的那样,3M框架——Match、Map、Mine——为现代药物筛选提供了一个统一的高分辨率色谱-质谱工作流程:Match识别生物活性候选化合物,Map反卷积它们的靶点,Mine整合了机制表征、靶点验证和安全性评估,以优化候选化合物的优先级。
高分辨率液相色谱-质谱已经发展成为药物发现的核心平台。没有其他技术能比它更好地结合了这些功能
Fuyan Liu:撰写——审稿与编辑,原始草稿的撰写,概念构建。Haolin Zhang:撰写——审稿与编辑,数据管理。Ying Qu:监督,资源协调。Haojie Zheng:验证,数据管理。Shengxian Liu:可视化。Xiao-feng Zhang:验证。
作者声明他们没有已知的会可能影响本文工作的竞争性财务利益或个人关系。
Fuyan Liu|Haolin Zhang|Ying Qu|Haojie Zheng|Shengxian Liu|Xiao-feng Zhang