《npj Drug Discovery》:Benchmarking Boltz-2 for relative kinase-inhibitor interaction patterns across conformational states and resistance mutations
编辑推荐:
生成式结构预测模型能够直接从序列和配体信息预测蛋白质-配体复合物,但其捕获药理学相关激酶-抑制剂相互作用的能力仍未得到充分理解。研究人员利用涵盖八种人类激酶、九种临床使用抑制剂及代表性耐药突变的精选生化IC50测量数据,对Boltz-2进行了系统评估。尽管预测
生成式结构预测模型能够直接从序列和配体信息预测蛋白质-配体复合物,但其捕获药理学相关激酶-抑制剂相互作用的能力仍未得到充分理解。研究人员利用涵盖八种人类激酶、九种临床使用抑制剂及代表性耐药突变的精选生化IC50测量数据,对Boltz-2进行了系统评估。尽管预测的log10(IC50)值相对于实验测量显示出压缩的动态范围,但在本基准范围内,突变依赖性抑制剂敏感性变化、抑制剂选择性模式及整体效力排序与实验模式表现出实质性一致性。预测的结合概率(binding probability)在本基准内对结合物与非结合物配对表现出良好的区分能力,并与实验效力呈现一致的负相关关系。结构分析表明,在所评估的激酶-抑制剂体系中,配体姿态变异性(ligand-pose variability)与预测行为相关,即使激酶结构域结构与相应实验结构高度吻合时也是如此。较大的配体RMSD值并不与更大幅度的预测误差相关,但与预测偏差的系统性偏移相关,表明配体姿态精度与预测实用性并非衡量Boltz-2性能的等效指标。这些发现表明,在本基准范围内,相对激酶-抑制剂相互作用模式比绝对效力值得到更一致的再现。研究人员提供了在所检视的激酶-抑制剂体系中解读Boltz-2输出结果的框架。
论文解读文章
一、研究背景与问题
蛋白激酶调控增殖、分化、存活、代谢及免疫信号等众多细胞过程,是治疗学上至关重要的蛋白家族。过去二十年间,针对激酶的小分子抑制剂开发取得了重大进展,ABL1抑制剂彻底改变了慢性髓系白血病的治疗格局,针对EGFR、HER2和BRAF的疗法在肺癌、乳腺癌和黑色素瘤治疗中发挥核心作用。然而,激酶-抑制剂亲和力预测仍面临重大挑战。激酶催化结构域虽共享保守的ATP结合折叠,但守门残基(gatekeeper residue)差异、激活环(activation loop)流动性、αC-螺旋(αC-helix)取向及溶剂前沿(solvent-front)结构均可改变配体偏好;单个氨基酸替换也能改变药物敏感性,如ABL1 T315I和EGFR T790M/C797S等耐药突变所示。
传统计算方法如分子对接(molecular docking)受限于打分函数近似和对构象 ensembles 的不完整处理。以AlphaFold为代表的生成式结构预测框架虽能高精度重建生物分子复合物结构,但并非主要为直接定量预测药理学亲和力或结合概率而设计。Boltz-2作为新一代生成模型,通过整合亲和力预测模块直接预测log10(IC50)和结合概率,拓展了这一范式。然而,此类生成模型能否捕获激酶抑制剂识别、构象可塑性和突变依赖性药物敏感性重编程,仍不清楚。激酶因其实验效力数据、结构信息和临床耐药突变的广泛可用性,成为评估这一问题的理想基准体系。
二、研究设计与主要技术方法
研究人员构建了一个包含八种人类激酶(ABL1、SRC、EGFR、ERBB2/HER2、KIT、PDGFRA、RIPK2和BRAF)、九种临床使用抑制剂及代表性致癌或耐药变异的基准数据集,共涵盖57个野生型激酶-抑制剂配对。实验IC50数据来源于PubChem和BindingDB公共数据库记录。研究采用三种序列输入定义(孤立激酶结构域、激酶结构域加侧翼区域、全长蛋白序列)进行预测评估,每种配对执行10次独立Boltz-2预测运行。主要技术方法包括:线性回归和Pearson/Spearman相关分析评估预测与实验效力的一致性;留一配对交叉验证(leave-one-pair-out cross-validation)比较Boltz-2与统计基线模型;ROC曲线分析评估结合物/非结合物分类性能;RMSD(均方根偏差)指标量化激酶结构域和配体姿态的结构精度;与RTMScore、MMGBSA、MMPBSA三种已确立的亲和力打分方法进行比较;与AlphaFold 3和Chai-1进行配体姿态精度对比。
三、主要研究结果
Boltz-2抑制剂效力预测评估:预测log10(IC50)值与实验值在三种序列输入定义下均强相关(Pearson r = 0.81–0.82),但回归斜率(0.562–0.580)显著低于1,表明预测值动态范围系统性压缩。强效结合物(实验log10(IC50) < ?1)的效力被低估(平均残差+0.48至+0.52 log单位),而弱结合物和非结合物(log10(IC50) ≥ 0)的效力被高估(平均残差?0.65至?0.71 log单位),呈现向中间效力值回归的趋势。Boltz-2在所有四项评估指标上均优于简单基线模型(最强基线为抑制剂均值模型,r = 0.531,RMSE = 1.168 log单位;Boltz-2 r = 0.806–0.821,RMSE = 0.799–0.834 log单位),表明观察到的吻合不能仅归因于激酶或抑制剂特异性平均效力效应。
跨激酶和抑制剂的预测精度变异性:ABL1、KIT、PDGFRA和SRC显示最高的一致性(r = 0.89–0.95),而EGFR和HER2一致性较弱(r = 0.47–0.68)。抑制剂方面,Gefitinib、Imatinib和Dasatinib与实验值吻合最强(r = 0.84–0.94),广谱抑制剂Staurosporine和Sorafenib吻合较弱(r = 0.37–0.65)。抑制剂构象柔性指数(FI_RMSD)与预测精度呈适度正相关趋势(r = 0.68,p = 0.065),表明预测精度不能仅由构象柔性解释。
结合概率预测评估:以实验log10(IC50) < 0(IC50 < 1 μM)定义为结合物,ROC分析显示三种序列输入下的AUC值分别为0.89、0.92和0.92,表明结合概率对结合物/非结合物具有良好的区分能力。结合概率与实验log10(IC50)呈负相关(r = ?0.67至?0.71),与预测log10(IC50)呈强负相关(r = ?0.80至?0.85),表明两个输出包含大量重叠的相互作用信息。将两个输出组合并未一致改善分类性能。
突变依赖性抑制剂敏感性评估:预测log10(IC50)值虽动态范围较窄,但突变依赖性效力变化与实验趋势实质性一致(实验与预测log10倍数变化的相关性r = 0.72)。ABL1 T315I对Dasatinib产生明确的耐药相关偏移(实验+3.33,预测+1.80 log单位),Ponatinib受影响较小(实验+0.70,预测+0.50)。EGFR T790M使Gefitinib和Lapatinib失效而Osimertinib保持活性;C797S进一步降低Osimertinib敏感性,预测值方向一致但幅度较小。BRAF V600E的Dabrafenib预测值(?2.00)与实验强抑制活性(?3.16)一致。结合概率的突变差异与实验IC50倍数变化呈中等负相关(r = ?0.61),表明其在估计突变效应幅度方面信息量较低。
预测复合物中的激酶构象状态:预测结构同时呈现活性样(αC-IN/DFG-IN)和非活性样(DFG-OUT)构象。I型抑制剂配对如Dasatinib-ABL1、Gefitinib-EGFR和Osimertinib-EGFR呈现活性样构象,II型抑制剂复合物如Imatinib-ABL1、Imatinib-PDGFRA、Imatinib-KIT、Ponatinib-KIT、Ponatinib-SRC和Sorafenib-BRAF呈现DFG-OUT非活性样构象,与实验结构一致。预测构象景观并非严格遵循抑制剂类别,多种I型抑制剂在不同激酶背景下呈现激酶依赖性构象变异。
结构精度与配体姿态变异性:激酶结构域RMSD(RMSDKD)普遍低于0.5 ?,而配体姿态RMSD(RMSDLig)在0.25–3.29 ?间呈现广泛变异性。RMSDLig与预测误差呈中等负相关(r = ?0.42),以1.5 ?为阈值分组后两组预测误差分布显著不同(Mann–Whitney U检验,p = 7.74 × 10??;Cliff's δ = 0.634):高RMSDLig结构偏向效力高估。较大的RMSDLig值并不与更大幅度的预测误差相关,而是伴随误差符号的系统性偏移。与AlphaFold 3和Chai-1的对比显示,Boltz-2和AlphaFold 3的RMSDLig分布总体相似(中位数0.80 ?对0.95 ?,Wilcoxon符号秩检验p = 0.791),Chai-1变异性更大(中位数1.87 ?)。12个结构基准配对中有11个存在训练截止日期(2023年6月1日)前发布的精确野生型复合物,表明多数体系存在潜在直接结构训练暴露。
与已确立亲和力打分基线的比较:在相同57个配对中,Boltz-2与实验log10(IC50)的一致性最强(r = 0.820,ρ = 0.816),RTMScore次之(r = ?0.611,ρ = ?0.624),MMPBSA(r = 0.385)和MMGBSA(r = 0.268)较弱。激酶分层分析中,Boltz-2在全部七个激酶中均显示最高的Pearson相关。
序列上下文对预测相互作用的影响:EGFR和HER2的结合概率估计对序列上下文高度敏感。EGFR-Gefitinib的结合概率从激酶结构域输入的0.46增至序列延伸输入的0.82,HER2-Gefitinib从0.42增至0.73;而预测log10(IC50)值的变化小得多。结构分析表明,延伸序列在αC-螺旋和激活环周围形成折叠结构元件,改变活性位点局部环境,但αC和DFG构象状态保持稳定。ABL1和BRAF的序列延伸效应有限,延伸片段与活性位点环境保持空间分离。
四、讨论与结论
讨论部分指出,预测log10(IC50)值的系统性压缩可能源于多个非排他因素:亲和力预测模块可能为最小化异质训练样本上的误差而校准至训练分布中心;训练标签包含IC50、Ki、Kd、AC50、EC50和XC50等多种不等价生化端点;静态蛋白-配体结构无法显式编码ATP和底物浓度、动力学机制、蛋白构建体、孵育条件和测定格式等决定IC50的因素。结构精度与预测效用的非等价性、柔性抑制剂反而显示更好预测精度等发现提示,RMSDLig单独可能无法完全反映结合姿态变异与效力预测之间的关系。EGFR和HER2的序列上下文效应与ErbB家族激酶通过C端调控元件、受体二聚化和反式自磷酸化参与受体激活和信号传导的调控架构一致,而ABL1和BRAF主要通过SH2/SH3依赖性自抑制或14-3-3依赖性相互作用调控。
研究结论认为,预测log10(IC50)值在评估相对效力排序方面最具信息价值,而非绝对效力值;结合概率在本基准内表现出良好的结合物/非结合物分类性能,并保留与效力的定性关联,但其分类信息与预测log10(IC50)大量重叠;结构精度与效力预测性能并不总是一致,使用结构指标单独评估预测质量需谨慎;序列上下文分析表明结合概率预测可能纳入激酶结构域之外的结构信息。在这些约束下解读时,Boltz-2在优先排序激酶-抑制剂关系和探索药理学相关相互作用模式方面具有潜在实用价值,但需在更多蛋白家族和更大规模、时间分离的前瞻性基准中进一步验证。