微调指导的虚拟筛选工作流程鉴定了靶向Gq介导信号通路的细胞活性小分子化合物

《Bioorganic Chemistry》:A fine-tuning-guided virtual screening workflow identifies cell-active small-molecule hits targeting Gq-mediated signaling

【字体: 大 中 小 】 时间:2026年10月12日 来源:Bioorganic Chemistry 5.1

编辑推荐:

   •一种靶向适应的微调策略,优先从配体稀疏的Gq数据集中筛选命中化合物。•以GraphDTA为例,对190万种商业化合物进行了排名筛选。•通过药效团和对接筛选,选出25种候选物进行实验验证。•四种化合物在IP1和BRET细胞实验中调控了Gq通路信号传导。•MST实验为14和18

  
  • •
    一种靶向适应的微调策略,优先从配体稀疏的Gq数据集中筛选命中化合物。
  • •
    以GraphDTA为例,对190万种商业化合物进行了排名筛选。
  • •
    通过药效团和对接筛选,选出25种候选物进行实验验证。
  • •
    四种化合物在IP1和BRET细胞实验中调控了Gq通路信号传导。
  • •
    MST实验为14和18与Gαq异三聚体的弱结合提供了初步证据。

引言

异三聚体G蛋白由Gα、Gβ和Gγ亚基组成,是真核生物中高度保守的分子开关。它们将由G蛋白偶联受体(GPCRs)识别的多种胞外刺激转化为特定的胞内反应[1],[2]。根据Gα亚基的序列同源性,哺乳动物G蛋白被分为四大家族:Gs、Gi/o、Gq/11和G12/13[3]。其中,Gq/11家族(以下简称Gq)因其在下多种疾病相关信号过程中的关键作用而备受关注[4]。
GPCR激活后,活化的GPCR作为Gα蛋白的鸟苷酸核苷酸交换因子(GEFs),催化GDP释放及随后GTP与Gαq的结合[5]。结合GTP的Gαq随后与Gβγ二聚体解离,并激活磷脂酶Cβ(PLCβ)[6],后者将磷脂酰肌醇4,5-二磷酸(PIP?)水解产生第二信使肌醇1,4,5-三磷酸(IP?)和二酰甘油(DAG)[7]。IP?启动胞内储存库中Ca2+的释放,而DAG则与Ca2+协同激活蛋白激酶C(PKC)[8]。Gq–PLCβ–Ca2+信号轴调控着广泛的生理过程,包括平滑肌收缩、突触可塑性、血小板聚集、免疫细胞激活,以及细胞生长、分化和凋亡[9],[10]。
这一精密调控的信号轴失调与多种疾病的发生发展密切相关,最典型的是葡萄膜黑色素瘤和心血管疾病。这些疾病常携带GNAQ或GNA11的激活突变,主要为Q209L/P和R183C替换[11],[12],[13],[14],[15]。此类突变消除了Gαq固有的GTPase活性,从而使蛋白锁定在持续活化的GTP结合状态[15],[16]。由此产生的持续性、受体非依赖性下游信号激活直接促进肿瘤的发生、增殖和转移。因此,开发针对Gq的高效且高选择性小分子抑制剂对这些疾病的治疗具有重要价值。
过去几十年中,已有大量努力致力于探索Gq抑制剂(图1)。从天然资源中分离的环状缩酚酸肽FR900359和YM-254890被认为是强效的Gαq抑制剂[17],[18],[19]。后续研究揭示,YM-254890与Gαq/11结合并阻断GDP释放,从而使G蛋白保持在非活化状态,有效抑制下游信号传导[20],[21]。尽管这些天然产物效力较高,但它们面临天然丰度有限、结构复杂度高、化学合成困难以及成药性差等问题,共同阻碍了其临床转化[22],[23],[24]。为了克服这些缺陷,研究焦点已转向合成小分子。BIM-46174及其更稳定的二聚体BIM-46187显示出对Gαq/11的抑制活性;然而,其选择性差和效力中等限制了进一步开发[25],[26],[27]。最近,骨架跳跃策略发现了GQ127、GQ262和GQ352,它们在IP1积累实验中实现了亚微米级IC??值,并在葡萄膜黑色素瘤模型中显示出体内疗效[28],[29],[30]。然而,目前报道的Gq抑制剂的化学结构多样性仍然有限,发现靶向Gq的新型化学型仍亟待探索[22],[31]。然而,传统的高通量筛选和基于结构的筛选方法在应对这一挑战方面收效甚微,因为所使用的化学库通常缺乏发现真正新颖起点所需的多样性。
近年来深度学习领域的进展,特别是图神经网络的发展,催生了药物-靶标相互作用预测的创新方法。GraphDTA等模型将小分子表示为分子图,同时捕获局部原子环境和全局拓扑特征,从而能够快速对超大规模化合物库进行优先排序[32],[33],[34],[35]。值得注意的是,一种迁移学习范式——即先在大规模药物-靶标相互作用数据集上进行预训练,再用靶标特异性活性分子进行微调——已被证明能够显著增强对靶标相关化学特征的识别,从而改善潜在活性化合物的富集[36],[37],[38],[39]。对于Gq,由于其已知抑制剂数量少且结构高度聚集,仅使用靶标特异性数据集进行训练可能会偏好已报道配体的近类似物。因此,我们利用预训练的药物-靶标表征,并用Gq特异性数据微调预测层,以改善Gq靶向排序,同时减少对从小配体集进行从头训练的依赖。微调后的排序结果随后用作药效团筛选和对接的预处理步骤[40],[41],[42],[43],[44],[45]。
在本研究中,我们开发了一种以Gq为重点的命中化合物优先排序工作流程,结合了GraphDTA的靶标特异性微调、基于YM-254890的药效团筛选、在YM-254890结合口袋中的基于结构的对接再筛选,以及正交的细胞学和生物物理评价。GraphDTA在此作为微调策略的实现工具,而将预训练药物-靶标相互作用模型进行适配的整体思路并不局限于这一单一架构。该工作流程的应用鉴定出若干具有细胞活性的Gq通路命中化合物,其中部分化合物在分子相互作用实验中显示出可检测的Gq结合活性。本研究展示了如何将靶标特异性深度学习优先排序与结构筛选相结合,以发现可用于进一步优化Gq靶向命中化合物。

章节摘要

Gq微调数据集的构建

为了将GraphDTA适配到Gq抑制剂识别并测试靶标特异性微调策略,我们首先由94种已知Gq抑制剂和6814个DUD-E诱饵分子构建了靶标特异性数据集。该数据集还凸显了一个核心建模挑战:已知Gq抑制剂数量稀疏且化学结构聚集。最近邻Tanimoto分析进一步证实了这一点:已知抑制剂之间显示出较高的相互相似度(中位数=0.821),而每个已知抑制剂的最近邻诱饵分子

结论

我们设计了一种靶向适配的命中化合物优先排序工作流程,集成了基于微调GraphDTA的排名、基于YM-254890的药效团筛选、基于结构的对接以及实验评价,用于发现候选Gq调节剂。在本工作中,利用Gq微调的GraphDTA模型对约190万种化合物进行排名,使我们仅将排名前50%的化合物推进到药效团筛选和对接步骤。GraphDTA用于实现和评估靶标特异性微调

数据库处理

本研究使用的DrugBank数据对应于2020年1月3日发布的5.1.5版本。在预处理过程中,移除了含有无机成分的化合物、极小分子(如铁,DB01592;锌,DB01593)以及其SMILES字符串无法被RDKit Python包识别的化合物。最终收集到6148种药物、4085个靶标和16,531个已知药物-靶标相互作用(作为正样本)。负样本通过随机打乱这些

CRediT作者贡献声明

吴紫阳:原稿撰写、方法学、调查研究、正式分析、数据整理。陈欣:原稿撰写、方法学、调查研究、正式分析、数据整理。苏航:资源、项目管理、经费获取。李哲:审阅与编辑、指导、资源。熊晓峰:审阅与编辑、指导、资源、项目管理、经费获取、概念构思。

利益冲突声明

作者声明不存在可能影响本文所报告工作的已知的竞争性经济利益或个人关系。

致谢

本研究由国家自然科学基金(编号:82373722)、广东省基础与应用基础研究基金(编号:2023B1515040006)、广东省建设基础重点实验室(编号:2023B1212060022)、吉林省科技发展计划项目(项目编号:20230402040GH)以及呼吸疾病国家重点实验室开放项目(项目编号:SKLRD-OP-202705)资助。
吴紫阳|陈欣|苏航|李哲|熊晓峰
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号