基于结构的虚拟筛选和模拟研究揭示抗SARS-CoV-2主蛋白酶的强效天然产物

《In Silico Pharmacology》:Uncovering potent natural products against Sars-Cov-2 main protease using structure-based virtual screening and simulation studies

【字体: 大 中 小 】 时间:2026年10月14日 来源:In Silico Pharmacology

编辑推荐:

   摘要 本研究旨在针对SARS-CoV-2主蛋白酶(Mpro)进行基于结构的虚拟筛选,利用计算机模拟方法鉴定新型天然产物。筛选研究将排名前10的分子与市售药物(NTR和LPV)以及已知抑制剂(D95)进行对接排序。这10个分子表现出令人满意的ADME结果。使用这10个分子进行

  

摘要

本研究旨在针对SARS-CoV-2主蛋白酶(Mpro)进行基于结构的虚拟筛选,利用计算机模拟方法鉴定新型天然产物。筛选研究将排名前10的分子与市售药物(NTR和LPV)以及已知抑制剂(D95)进行对接排序。这10个分子表现出令人满意的ADME结果。使用这10个分子进行的稳定性研究通过分子动力学(MD)模拟方法进行了至100纳秒并延长三次。三次重复的MD模拟研究(三个复制品)发现F35的稳定性参数令人满意,如RMSD、RMSF、Rg等。主成分分析(PCA)表明X77和NTR的三个复制品在整个MD模拟过程中显示出大量可重复的必需动力学和稳定的构象行为。然而,F35复合物在MD模拟过程中也表现出相当大的运动重叠或紧凑的构象采样。此外,自由能景观图上Mpro的零能态结构表明,新型天然产物F35与已知抑制剂(NTR、LPV、X77)相比表现令人满意。此外,延长的MD模拟发现F35具有与X77相似的结合潜力(NTR > F35 ≈ X77),但需要通过不同的体外/体内实验进行生物学验证。F35是一种从未针对SARS-CoV-2 Mpro报道过的新颖天然产物。这些计算研究表明,天然产物F35(植物:Ornithogalum caudatum)在已知Mpro抑制剂中表现出相似的结合模式和结合能。因此,F35可以作为SARS-CoV-2感染的替代和补充疗法,并可进一步用于设计和搜索新型Mpro抑制剂。

引言

一种新型β冠状病毒——严重急性呼吸系统综合征冠状病毒2(SARS-CoV-2)于2019年底出现并迅速蔓延全球,引发COVID-19大流行,在2019年至2020年间造成大量发病率和死亡率。该疾病最早在中国武汉被发现,随后蔓延至全球,包括美国、西班牙、巴西、意大利、英国和印度等国家。SARS-CoV-2感染的初始症状为高热和干咳,疾病可进展为致命的肺炎和急性呼吸衰竭病例,特别是在伴有合并症的老年人群中(Gray等,2018;Aynaud等,2024)。根据世界卫生组织(WHO)的数据,该病毒的传播速度令人警觉,已感染全球超过7亿人,造成超过710万人死亡(https://data.who.int/dashboards/covid19/deaths?n=o)。这已经超过了2003年SARS-CoV-1大流行的规模(Lu等,2020)。这两种病毒具有几乎相同的遗传结构。该病毒最可能起源于蝙蝠等动物与人类之间的动物源性传播,但已进展为通过普通飞沫感染在人与人之间传播(Kim等,2016;Zumla等,2016)。世界卫生组织宣布SARS-CoV-2爆发为国际关注的突发公共卫生事件(Aynaud等,2024;Lu等,2020)。一些药物如洛匹那韦(LPV)/利托那韦(Arabi等,2018;Yuan等,2023)和瑞德西韦[GS-5734](亲本腺苷类似物GS-441524的前药)以及莫诺拉韦[前药,美国FDA仅批准用于从轻度到中度COVID-19感染的高风险进展和死亡病例的紧急使用,由于严重不良反应;Paxlovid(莫诺拉韦和利托那韦的组合)]被用于SARS-CoV-2感染的治疗(Sheahan等,2020;Grundeis等,2023;Vangeel等,2022;Hammond等,2022)。

瑞德西韦最初是为治疗埃博拉病毒感染而开发的(Sheahan等,2020;Warren等,2016;Amirian和Levy,2020)。莫诺拉韦和瑞德西韦靶向SARS-CoV-2的RNA依赖性RNA聚合酶,阻断RNA合成,从而限制病毒复制(Gordon等,2020;Zheng等,2024;Agostini等,2018)。然而,尼玛特韦(NTR)是一种针对SARS-CoV-2的新型口服活性强效Mpro抑制剂(Huang等,2023;Tuttle等,2025)。

主蛋白酶(Mpro)酶也称为胰凝乳蛋白酶样半胱氨酸蛋白酶或3CLpro,由非结构蛋白5(nsp5)编码,被发现对SARS-CoV-2病毒的基因表达和复制起基本作用(Zagórska等,2024)。因此,它成为了设计和发现抗SARS-CoV-2药物的有吸引力的靶点(Zagórska等,2024;Rubio-Martínez等,2021)。在Mpro蛋白中观察到,催化二联体(His41和Cys145)负责Mpro蛋白的催化活性,并位于结构域I(1-101残基)和结构域II(102-184残基)的交界处。目前,蛋白质数据库(PDB:www.rcsb.org)中有多个Mpro的三维X射线晶体结构,具有良好的分辨率以及共结晶配体。这些三维结构可以作为计算机辅助药物设计和发现(CADDD)的起点,以鉴定SARS-CoV-2 Mpro的新颖抑制剂,具有高抑制活性、选择性和亲和力(Ang等,2023)。

在过去二十年中,CADDD在鉴定针对生物靶点(蛋白质三维结构)的新颖先导物/先导化合物并进行优化以获得更有效的先导物方面非常成功(Rubio-Martínez等,2021;Ang等,2023)。CADDD策略包括基于配体的(药效团)和基于结构的[对接、分子动力学(MD)模拟和药效团方法](Nayarisseri等,2020;Singh等,2020)。多种CADDD策略如虚拟筛选(Singh等,2020,2016)、使用相似性的三维数据库筛选(Singh等,2020)、药效团映射(Liu等,2020)、分子对接(Gupta等,2023;Sharma等,2019)和MD模拟(Sohraby等,2019;Patel等,2021)已被用于鉴定新颖的先导物/先导化合物以及现有药物的重新利用(Sharma等,2019;Sohraby等,2019;Patel等,2021;Reddy等,2013)。药物的重新利用是指通过计算机模拟和实验方法(体外/体内)鉴定市售药物的新颖治疗益处(Ang等,2023;Sharma等,2019;Talevi和Bellera,2020;Pushpakom等,2019)。计算机模拟药物重新利用(Sharma等,2019;Sohraby等,2019;Talevi和Bellera,2020;Pushpakom等,2019;Rabelo等,2019;Mahanta等,2021)是一种非常有吸引力的方法,使用上述不同的CADDD策略筛选市售药物。这是一种快速和经济的方法,可在短时间内鉴定现有药物的新治疗类别/益处。最近,美国FDA批准的抗菌药物的计算机模拟药物重新利用(Gupta等,2023)通过不同的CADDD策略被预测为Mpro蛋白的潜在抑制剂(Mahanta等,2021;Gahlawat等,2020;Gupta等,2024)。同样,CADDD和实验研究(如HTS、X射线晶体学)也被用于鉴定SARS-CoV-2 Mpro酶的不可逆小分子抑制剂(Wang等,2020;Mahgoub等,2022;Uniyal等,2022)。这些研究的结果已经鉴定了针对Mpro的新型小分子/药物(Jin等,2020)。Khaerunnisa等和Gupta等报道了药用植物的一些抗病毒天然产物针对SARS-CoV-2 Mpro的对接研究(Gupta等,2023;Khaerunnisa等,2020)。

本研究的目的是利用计算机模拟方法(基于分子对接的虚拟筛选和MD模拟)鉴定针对Mpro酶的新颖天然抑制剂。为此,使用了天然产物或植物化学物质数据库。筛选得到的先导物进一步通过MD模拟进行验证,以确认其在活性位点中的稳定性以及针对Mpro酶的结合相互作用和亲和力。这些研究的结果可能有助于鉴定针对Mpro酶的新颖、选择性抑制剂(此前从未报道或未经过生物学测试),并将帮助研究界进一步优化和设计具有良好结合亲和力和相互作用的新型潜在抑制剂(天然/合成)。

方法

数据集收集与准备:
使用自建天然产物数据库(约5000种从不同文献收集的天然产物)进行基于对接的虚拟筛选。天然产物数据库中的所有分子均使用Schr?dinger-2024-3软件的LigPrep71.138模块进行准备。在此过程中,使用EPIK开发可能的电离态,对配体进行去盐处理,并在目标pH 7.0 ± 2下为每个配体生成最多32个构象。

从蛋白质数据库(PDB ID:6W63)获取主蛋白酶(Mpro)酶的三维晶体结构。对于蛋白质准备,使用了Schr?dinger-2024-3软件中集成的蛋白质准备向导。在此过程中,移除了不需要的分子,添加了缺失的氢原子,分配了键级,进行了正确的氨基和羟基取向优化,并创建了二硫键。进一步,使用PROPKA和Epik工具确定每个氨基酸在pH 7.0 ± 2下的电离态。蛋白质经过处理后使用OPLS3e力场在pH 7.0 ± 2下进行了最小化以稳定蛋白质系统(图1)。

图1:研究所用计算机模拟技术的示意图

基于结构的虚拟筛选

虚拟筛选是一种非常有吸引力的工具,可在药物发现过程中筛选针对给定靶点的新颖潜在小分子(Singh等,2020;Liu等,2020;Reddy等,2013;Gupta等,2024)。为此,使用了分子对接方法。分子对接方法被广泛用于鉴定对目标蛋白或受体具有高结合潜力的新颖小分子(Singh等,2016;Gupta等,2023,2024;Patel等,2021)。在蛋白质准备之后,在Mpro蛋白(PDB_ID:6W63)共结晶配体(X77)周围生成了网格,网格中心(X = ?20.456 ?,Y = 18.172 ?,Z = ?26.979 ?)和网格大小(X = 30.0350 ?,Y = 30.035 ?,Z = 30.0350 ?),使用Schr?dinger-2024-3软件的受体网格生成程序。这一步骤是定义蛋白质结合位点的前提,即配体将结合的位置。网格准备完成后,进行了共结晶配体(X77)的对接。这是为了验证对接方案,看是否能够重现6W63 X射线结构中发现的相同结合构象。将对接的X77几何形状与结合的X77进行比较,并计算了RMSD。然后,使用Schr?dinger-2024-3软件的Glide(v104.138)模块针对Mpro蛋白进行了自建数据库(约5000种分子)的基于对接的虚拟筛选。在Glide中,所有分子(连同X77)经过三个层级的对接程序进行筛选:高通量虚拟筛选(HTVS)、标准精度(SP)和超高精度(XP)。在三个层级的对接程序中,从HTVS筛选出的所有分子传入SP模式,然后传入XP模式。对接的XP阶段相比SP模式更为精确,且计算量更大(Tripathi等,2013)。

XP模式下产生的对接结果在XP模式下进行了对接构象的优化和重新打分。所有对接结果均经过分析,并与X77以及已上市的SARS-CoV-2药物进行了比较(Arabi等,2018;Sheahan等,2020;Vangeel等,2022;Hammond等,2022;Tuttle等,2025)。

MM-GBSA结合自由能估算

单一体打分不足以评估配体的结合。本研究采用了分层Glide对接方案(HTVS→SP→XP),逐步评估配体在Mpro结合位点内的结合构象和相互作用,并结合对接评分(SP和XP评分)。此外,选定的对接构象还使用Prime MM-GBSA进行了进一步评估,该方法作为独立的对接后计算重新打分/筛选手段,为预测的蛋白-配体相互作用提供额外的能量支持。

基于结构的虚拟筛选方案提供了得分最高的命中化合物(Rubio-Martínez等,2021;Singh等,2016;Gahlawat等,2020)。为估算选定命中化合物在蛋白-配体复合物中的结合自由能(dG),本研究采用了Schr?dinger-2024-3中集成的prime-MMGBSA方法(Xu等,2013),以确定最佳虚拟筛选命中化合物是否对Mpro蛋白表现出显著的dG或亲和力。该方法利用分子力学、溶剂可及性和广义Born(GB)模型技术来估算dG(Xu等,2013)。对于该计算,使用所选命中化合物中最优对接构象之一(通过Glide XP评分优化后获得)来估算Schr?dinger-2024-3软件prime-MMGBSA模块的dG。

分子动力学模拟

通过对接虚拟筛选获得的最佳10个筛选分子,经ADME分析后,对Mpro蛋白进行了MD模拟。MD模拟研究用于从活性位点几何构型角度验证对接结果,评估对接构象的稳定性及其与靶蛋白/受体的重要相互作用(Sohraby等,2019;Gupta等,2024;Tripathi等,2013)。MD模拟中,分子对接分析所得的所有构象均被用于Desmond v79.138中的MD模拟,模拟时长100 ns(Bowers等,2006)(图1)。这一步骤用于检查对接结果并非偶然产生。单次MD模拟不足以覆盖完整的构象空间。因此,在Desmond v79.138中使用不同的随机种子(默认、Random1和Random2(Gupta等,2024)),以增强系统的构象采样并评估MD模拟的可重复性。如果所有三次重复(三次重复实验)给出相同的结果,则说明构象向同一方向收敛(当使用不同的随机初始速度时),并且在均方根偏差(RMSD)、均方根涨落(RMSF)、回旋半径(Rg)和Gibbs自由能(dG)方面具有相似的结果。这将确定化合物与蛋白结合的程度(Gupta等,2024)。

MD模拟的第一步是构建体系(蛋白-配体复合物)。在此步骤中,每个分子复合物被放置在立方体水盒的中心,各方向缓冲距离为10 ?,并使用TIP3P水模型进行溶剂化(Mark和Nilsson,2001)。为中和整个体系,根据需求添加了额外的Na+/Cl?离子。对复合物施加了OPLS3e力场(Shivakumar等,2010;Kaminski等,2001)。体系的平衡使用Desmond的标准弛豫方案进行,该方案包括一系列受约束的最小化和MD模拟,以缓慢松弛体系(Angelova等,2026)。Desmond标准弛豫方案中的阶段:

1. NVT条件下10 K的布朗动力学,对溶质非氢原子施加约束(50 kcal mol?1·??2,100 ps)
2. NVT条件下10 K的模拟(12 ps),对溶质非氢原子使用Langevin恒温器,每1 ps重新采样速度
3. NPT条件下的受约束模拟(12 ps),对溶质非氢原子使用Langevin恒温器和Langevin恒压器(温度10 K,压力1 atm),每1 ps重新采样速度
4. NPT条件下的受约束模拟(12 ps),对溶质非氢原子使用Langevin恒温器和Langevin恒压器(温度300 K,压力1 atm),每1 ps重新采样速度
5. 无约束NPT模拟(24 ps),使用Langevin恒温器和Langevin恒压器(温度300 K,压力1 atm)

在生成阶段,采用NPT系综(恒定原子数(N)、恒定压力(P)和恒定温度(T)),复合物模拟100 ns(总共保存1000个轨迹帧,间隔100 ps)。在此过程中,溶剂化体系的总体温度和压力分别设置为300 K和1.01325 bar,持续100 ns。为此,使用了Nose-Hoover链式恒温器(Gupta等,2024;Lemak和Balabaev,1994)和Martyna-Tobias-Klien恒压器(Gupta等,2024)。对于长程静电相互作用使用粒子网格Ewald方法,对于范德华相互作用设置9 ?截止距离。所有可电离氨基酸残基和配体的质子化状态在蛋白质准备过程中使用Schr?dinger-2024-3程序中的Epik模块在生理pH值(pH = 7.0 ± 0.2)下指定。

对于每个复合物,模拟重复三次(如上所述)(Gupta等,2024)。使用Schr?dinger提供的thermal_mmgbsa.py Python脚本,计算每个蛋白-配体复合物最后50 ns(500个帧)的Gibbs自由能(dG),该脚本利用Desmond轨迹文件(*out.cms)通过Prime_MMGBSA计算,使用VSGB溶剂化模型。该溶剂模型利用可变介电表面广义Born模型,使用OPLS3e力场估算溶剂自由能(Genheden和Ryde,2015)。所有复合物的溶剂介电常数均设置为80。最终提供了计算的dG值,dG在每10步长后保存(总共使用500个轨迹帧)。

Schr?dinger-2024-3中prime_MMGBSA模块的dG按以下公式计算:

dGbinding = Gcomplex ? (Greceptor + Gligand)

其中Gcomplex、Greceptor和Gligand分别代表结合复合物的总能量、未结合受体的总能量和未结合配体的总能量。

该计算包括范德华能、静电能和溶剂化能,以评估蛋白-配体相互作用。该工具不计算熵贡献(?TΔS)。

最终,仅使用最后20 ns的数据(200个轨迹帧)计算dGbinding值。计算三次独立重复模拟的平均值 ± 标准差(SD),以考虑统计不确定性和采样变异性。

使用Desmond v79.138程序中集成的模拟相互作用图示面板,从平衡系综中计算RMSD、RMSF、Rg、氢键和极性表面积(PSA)数据,以理解各复合物中蛋白-配体结合模式的相互作用和稳定性(三次重复实验均如此)。在MD分析中,每条轨迹均独立分析RMSD、RMSF、Rg、PSA、溶剂可及表面积(SASA)、PCA、自由能景观(FEL)和MMGBSA。对于RMSD、Rg、PSA和SASA,使用每条独立轨迹获得的平均值来计算三次重复实验的总体平均值和标准差(SD)。同样,总体RMSF也是从对应的三次重复实验值汇总得出的。因此,报告的均值 ± SD代表的是独立模拟之间的变异性,而非单条轨迹中单个帧的变异性。每个体系的三次重复实验还计算了二级结构元件(SSE)和溶剂可及表面积(SASA),以检查蛋白-配体复合物的紧密度/折叠状态。所有这些轨迹帧均用于绘制这些图形,并计算这些MD参数的平均值和SD,以检查单次模拟中的变异性。

此外,还对三次重复实验进行了主成分分析(PCA),以理解模拟过程中蛋白的整体运动。如果蛋白的运动是有秩序的且没有波动,则说明复合物正趋于稳定(David和Jacobs,2014;Baidya等,2023)。PCA使用Schr?dinger-2024-3中的trj_essential_dynamics.py脚本进行计算。对三次重复实验进行了自由能景观(FEL)分析,以评估构象变化稳定性与体系dG偏移之间的关系。该分析评估构象稳定性与体系内dG偏移的相关性(Baidya等,2023;Prada-Gracia等,2009)。对于FEL计算,使用Python脚本生成FEL的2D和3D图(https://github.com/shweta-Moni/free_energy_landscape_FEL_gromacs)。

对于构象分析,对独立轨迹评估了PCA和FEL,以评估构象采样的范围和可重复性。将独立模拟之间的PCA投影进行比较,同时保留从每条轨迹中识别的FEL最小值,以评估系统采样的构象状态。使用多条独立轨迹是为了改善构象采样,并与多重独立动力学方法一致。这减少了如对单一初始轨迹的依赖,如Pérez等人所报告的(Perez等,2016)。

此外,MD模拟研究对最佳分子延长至400 ns(总共保存4000个轨迹帧),并评估了RMSF、RMSD、Rg、PSA、SASA和氢键等MD模拟参数以进行分析。

计算机ADME研究

对于任何新颖分子,必须进行ADME分析以检查分子的药物属性,并克服药物候选物因ADME/药代动力学特性不佳而在临床试验中失败的问题(Wang和Urban,2004)。因此,基于对接的虚拟筛选获得的最佳筛选分子使用Schr?dinger-2024-3软件中的QikProp程序进行了ADME分析(Schr?dinger-2024-3)。此外,还使用SwissADME工具评估了类药性(五规则)。

结果与讨论

基于结构的虚拟筛选

图2

SARS-CoV-2 Mpro活性位点中共结晶配体(PDB ID: 6w63,X77)的对接构象。洋红色棒状表示X77,蓝色棒状表示X77的对接构象。青色棒状表示Mpro活性位点残基。黄色圆点表示氢键相互作用

对接虚拟筛选的结果经过检查,并使用共结晶配体X77的结合构象进行了比较分析。对接研究结果表明,大多数天然产物(表1)在Glide程序中以不同精度水平重复对接后,表现出较高的Glide XP评分[标准精度(SP)和额外精度(XP)]。根据Glide XP评分和与关键活性位点残基的特征性相互作用,首先选择了前14个筛选分子进行进一步分析,包括已上市药物和已知抑制剂(表1)。仅有前10个筛选分子表现出几乎高于共结晶配体X77(?8.79 kcal/mol)的较高Glide XP评分(范围为?8.26至?11.45 kcal/mol)(表1)。这表明所有前10个筛选分子(图3)具有良好的或几乎与X77相同的结合亲和力。从图3可以看出,所有前10个筛选分子化学多样性较高。

表1 筛选分子、已上市药物和已知抑制剂针对SARS-CoV-2 Mpro的对接结果

图3

前10个筛选分子和已上市药物的2D化学结构(对接研究中发现)

对接研究表明,所有10个筛选分子[Fav_110(F10)、Flav_116(F16)、Flav_135(F35)、Flav_275(F75)、木犀草素-7-葡萄糖苷(L7G)、表儿茶素没食子酸酯(ECG)、山奈酚(KMP)、已上市药物(NTR、LPV)和共结晶配体DB04595(D95,PDB: 6LU7的共结晶配体)](来自表1)占据并以与X77相同的方式结合在Mpro结合腔内(图4)。部分筛选的植物化学物具有更高的Glide XP评分,并发现与X77(?8.79 kcal/mol)相比,对SARS-CoV-2 Mpro具有较高的结合潜力(Glide XP评分和相互作用见表1),如F35(?11.45 kcal/mol)、L7G(?10.72 kcal/mol)、ECG(?9.43 kcal/mol)、F75(?8.96 kcal/mol)和F16(?8.83 kcal/mol)。KMP(?8.79 kcal/mol)、D95(?8.72 kcal/mol)以及已上市药物NTR(?8.66 kcal/mol)和LPV(?8.26 kcal/mol)表现出与X77相似或略低的Glide XP评分(表1)。L7G、ECG、D95、KMP、NTR和LPV已被报道为Mpro抑制剂(Sheahan等,2020;Vangeel等,2022;Hammond等,2022;Tuttle等,2025;Jin等,2020;Nutho等,2020;Magro等,2021;Khan等,2021;Kato等,2021;Owen等,2021)。然而,已上市药物NTR被报道为针对SARS-CoV-2感染的Mpro抑制剂。这些药物在筛选结果中被发现,说明我们的虚拟筛选方案足以找到已知活性的Mpro抑制剂。

其余筛选分子F35、F16和F75被发现是新颖的,迄今为止从未在文献中作为Mpro抑制剂被报道过。图4全尺寸图像X射线共结晶配体X77(粉色)、F35(绿色)、L7G(红色)、ECG(橙色)、F75(黄色)、F16(蓝色)、KMP(紫色)、D95(洋红色)、NTR(青色)和LPV(黑色)与Mpro表面模型活性位点腔的最佳对接姿势对新颖筛选分子F35、F75和F16的对接分析表明,它们展现出与X77(表1)及其他已知Mpro抑制剂[NTR、LPV和D95]几乎相似的亲水性(氢键相互作用)和疏水性(π-π和π-阳离子)相互作用。几乎所有分子均展现出与催化二联体(His41、Cys145)、His164、Glu166和Gln189残基的结合相互作用(氢键/π-π/疏水相互作用),这些残基被发现在产生对Mpro的抑制作用方面具有重要作用(Tuttle等2025;Gupta等2024;Jin等2020;Kato等2021;Hatada等2020;Gao等2021;Zhang等2020)(表1)。除此之外,最佳对接分子还展现出与Thr25、Thr26、His41、Asn142、Gly143、Ser144、His163、His164、Glu166、Asp187、Arg188、Gln189、Thr190和Gln192的极性氢键和π-π相互作用。所有筛选分子均与以下残基形成常见的疏水相互作用:Leu27、Val42、Cys44、Met49、Pro52、Tyr54、Phe140、Leu141、Cys145、Met165、Leu167和Pro168(如文献报道(Gupta等2024))。因此,这些残基也被发现在配体结合到Mpro活性位点方面具有重要作用(Jin等2020)。所有筛选分子均来源于化学多样性类别(图3),因此它们在Mpro蛋白质结合腔中展现出不同的结合姿势或取向和相互作用。分子对接比较分析观察到F35结合在与X77、NTR、LPV和D95结合到Mpro活性位点完全相同的位置[图2、5a及支撑信息1中的S1–S3]。F35与关键残基Thr25、Thr26和His41展现出多重氢键相互作用[表1及图5b]。NTR和LPV所展现的结合相互作用也被F35所具备(表1及支撑信息1中的图S1和S2)。同样,D95(图S3)展现出与F35、NTR和LPV所观察到的相同的相互作用模式(氢键、极性和疏水相互作用)。所有这些实验已知的抑制剂(NTR、LPV和D95)以及F35均具有相同的结合模式[支撑信息1中的图S1–S3及图5a和c]。这意味着F35可以对Mpro表现出与已知抑制剂NTR、LPV、D95相同的生物学行为。其他已报道的天然产物(ECG、L7G)的结合亲和力较低(分别为?10.72和?9.43 kcal/mol),但高于NTR、LPV和D95(表1)。这些分子结合到活性位点腔的结合模式与F35和X77不同(支撑信息1中的图S4–S5、5c及S6,表1)。同样,F75、F16和KMP展现出与X77、F35及上市药物[NTR和LPV]不同的结合模式(参见图5、支撑信息1中的S6–S9及表1)。所有选定的分子均接受Prime-MMGBSA计算以检查它们对Mpro蛋白的结合潜力。图5全尺寸图像a F35结合到Mpro活性位点的姿势(表面模型),棍棒为F35。b F35(橙色棍棒)与Mpro的3D相互作用图。洋红色棍棒为X射线共结晶配体X77。虚线代表与His41、Thr25和Thr26的氢键相互作用。c F35与Mpro的2D相互作用图。洋红色箭头代表氢键相互作用,绿色圆圈代表疏水相互作用,其余颜色圆圈代表与Mpro活性位点残基的极性相互作用。Prime-MMGBSA中结合自由能的估算首先,使用Schr?dinger-2024-3(图1和表1)软件中的prime-MMGBSA模块测试了排名前10的筛选分子(包括X射线共结晶配体X77)的ΔG。这种静态MMGBSA被用于筛选最佳分子进行进一步的分子动力学模拟研究。研究发现前5个分子:X77(?72.66 kcal/mol)、F35(?73.24 kcal/mol)、D95(?81.59 kcal/mol)以及上市药物[NTR(?68.834 kcal/mol)和LPV(?88.95 kcal/mol)]在MMGBSA计算中展现出对Mpro蛋白的结合潜力。其余5个筛选分子(L7G、ECG、F75、F16和KMP)的ΔG数据见表1。这些分子还需要通过分子动力学模拟在动态条件下进行验证。分子动力学模拟为了进一步验证对接结果,即在选定命中分子对Mpro酶的稳定性及结合强度方面,筛选分子接受100 ns分子动力学模拟。在此,仅考虑前6个筛选分子F16、F35、F75、L7G、ECG和KMP,以及共结晶配体(X77)、D95和上市药物[NTR和LPV]进行分子动力学模拟,总共使用10个蛋白质-配体复合物进行研究。首先,使用Prime-MMGBSA工具对所有复合物进行三次重复(三个重复:默认、随机1和随机2)的ΔG计算(表2)。Prime-MMGBSA模块仅计算蛋白质-配体复合物的范德华力、静电力和溶剂化能(如下所示)。该模块无法计算熵贡献(?TΔS)。然而,本研究更多地关注分子动力学模拟衍生的基于MMGBSA的相对结合能估算。$$ \Delta G_{{{\text{binding}}}} = G_{{{\text{complex}}}} - \left( {G_{{{\text{receptor}}}} + G_{{{\text{ligand}}}} } \right) $$其中Gcomplex、Greceptor和Gligand分别代表结合复合物的总能量、未结合受体的总能量和未结合配体的总能量。表2所有蛋白质-配体复合物在Mpro中使用Prime_MMGBSA工具进行分子动力学模拟后20 ns(200个轨迹帧)的平均±SD结合自由能(ΔG)全尺寸表格后20 ns分子动力学模拟衍生的ΔG表明,NTR、LPV和D95分别具有最高平均±SD的ΔG:?79.617±1.284 kcal/mol、?72.097±16.336 kcal/mol和?63.613±6.979 kcal/mol,均高于X射线共结晶配体X77(?52.307±8.546 kcal/mol)对Mpro的结合。所有这些分子都已在文献中报道具有抗Mpro活性(如上文所述)。同样,F35和ECG也展现出比X77更高的平均±SD ΔG(分别为?61.777±8.110和?59.103±11.531 kcal/mol)。F16(?43.030±3.610 kcal/mol)和KMP(?43.930±17.864 kcal/mol)在模拟分子中展现出最低的平均±SD ΔG。F75(?50.837±11.577 kcal/mol)和L7G(?51.703±8.323 kcal/mol)相对于X77(?52.307±8.546 kcal/mol)展现出几乎相似的平均±SD ΔG(表2)。预测结合亲和力的总体排名(从最强到最弱)为:NTR > LPV > D95 > F35 > ECG > X77 > L7G > F75 > KMP > F16(表2)。平均±SD的ΔG反映了新颖筛选的天然产物F35对Mpro展现出与共结晶配体(D95或X77)几乎相同或更高的结合潜力。然而,静态MMGBSA(分子动力学模拟前)的ΔG对于X77、NTR、LPV、D95和F35分别为?72.658 kcal/mol、?68.834 kcal/mol、?88.949 kcal/mol、?81.587 kcal/mol和?73.245 kcal/mol。在所有分子中观察到静态和分子动力学模拟衍生的ΔG(轨迹平均MMGBSA值)之间存在显著差异(表1和2)。这是因为静态MMGBSA的ΔG来自单一对接姿势,而分子动力学模拟衍生的ΔG考虑了构象柔性、溶剂效应以及随时间的动态结构重排。分子动力学模拟衍生的MMGBSA ΔG更为真实,因为体系接近真实生物体系。静态MMGBSA在分子动力学模拟前使用,仅用于筛选配体进行分子动力学模拟研究。重要的是,尽管所有这些分子在分子动力学模拟衍生的ΔG值中有所降低(表2),但这些分子在三次重复模拟中始终保持稳定的结合相互作用和有利的轨迹平均参数(表S1)。根据ΔG计算结果,蛋白质-配体复合物的构象稳定性(使用X77、NTR、LPV、D95和F35复合物的三次重复轨迹)通过RMSD、RMSF、Rg、PSA、SASA和氢键相互作用进行评估。三次重复的RMSD、RMSF、Rg、PSA和SASA的平均±SD值已计算并分析,如支撑信息1和2中的表S1及图S10–S15所示。骨架RMSD数据表明,所有5个复合物(X77、NTR、LPV、D95和F35)在运行20 ns后达到平衡。X77、NTR、LPV、D95和F35的平均RMSD分别为1.991±0.179 ?、1.572±0.210 ?、1.980±0.304 ?、2.016±0.226 ?和2.204±0.468 ?(表S1)。平均RMSD维持在1.89–2.20 ?范围内,属于可接受范围。发现在整个模拟运行过程中蛋白质结构和稳定性没有发生主要变化,这确认了分子动力学模拟期间蛋白质的稳定性。图S10展示了每个复合物三次重复的RMSD图(支撑信息2)。每个蛋白质-配体复合物的平均RMSF(X77、NTR、LPV、D95和F35的三次重复)显示,所有复合物在分子动力学模拟期间均保持稳定,原子波动在可接受范围内(低于3 ?)(分别为1.061±0.038 ?、0.873±0.036 ?、1.060±0.085 ?、1.224±0.122 ?和1.210±0.191 ?)(表S1)。然而,Mpro的环区(45–55残基数)在所有复合物中相对于其他区域均发现略高的波动(2–3 ?),无论是三次重复中的哪一个(如支撑信息2中的图S11所示)。图S11展示了每个复合物(三次重复:默认、随机1和随机2)的单独RMSF图(使用每个残基的RMSF计算平均RMSF图)。RMSD和RMSF分析发现筛选分子在模拟过程中表现出最小波动,这表明复合物的稳定性。Mpro活性位点的N端和C端残基由于溶剂暴露和柔性而具有较高的RMSF值。Rg是研究蛋白质-配体复合物动态的重要参数,因为它提供了关于复合物整体紧凑性和结构柔性的洞察。在整个100 ns模拟运行期间计算并分析了每个复合物(三次重复)的紧凑性(支撑信息2中的图S12)。所有复合物在模拟期间均展现出高紧凑性,因为对于筛选分子X77、NTR、LPV、D95和F35,Rg值接近常数(分别为22.069±0.061 ?、21.954±0.087 ?、22.101±0.150 ?、22.192±0.084 ?和22.193±0.176 ?,表S1)。这反映出在筛选分子结合到Mpro活性位点时蛋白质的构象变化保持恒定。此外,Mpro的整体形状或折叠也保持不变。氢键相互作用对于将分子保持到活性位点并赋予复合物稳定性非常重要。所有复合物
的三次重复轨迹均被用于定量计算氢键相互作用(支撑信息2中的表S2)。氢键数据表明,在分子动力学模拟过程中,每个筛选分子(X77、NTR、LPV、D95和F35)均与Mpro关键残基展现出氢键相互作用。与Mpro的最显著氢键相互作用见表S2(粗体为最显著相互作用,红色文本为催化残基)。这些氢键相互作用对于蛋白质-配体复合物的稳定性也至关重要。与某些残基的相互作用也在对接研究中被观察到(表1)。催化残基(His41和Cys145)以及其他残基Asn142、Gly143、Glu166和Gln189在所有分子(X77、NTR、LPV、D95、F35)中被共同观察到(表S2)。所有这些相互作用均已被发现在分子与Mpro酶活性位点残基的结合中至关重要(Tuttle等2025;Gupta等2024;Jin等2020;Kato等2021;Hatada等2020;Gao等2021;Zhang等2020;Duong和Nguyen 2023)。此外,PSA是配体形成氢键能力的指标,这也是建立与蛋白质稳定相互作用的一个关键方面。在模拟过程中X77、NTR、LPV、D95和F35的PSA值没有发生很大波动[分别为6776.081±56.141 ?2、6807.907±40.017 ?2、6774.918±53.552 ?2、6852.756±77.531 ?2和6853.774±63.828 ?2]。较高的PSA值表明更强的氢键形成潜力,这显著影响结合亲和力和复合物的稳定性(支撑信息2中的图S13)。所有配体展现出足够的PSA水平,促进了分子动力学模拟期间的氢键相互作用(支撑信息2中的表S2和图S13)。为了进一步理解蛋白质-配体复合物的稳定性,也为每个复合物计算了SASA。配体结合过程中SASA的变化可能导致蛋白质结构的构象变化,从而影响其稳定性和功能。SASA还代表非极性残基对溶剂的暴露程度。蛋白质的非极性残基通过将非极性残基屏蔽到蛋白质的疏水核心中来赋予蛋白质稳定性。

最终,蛋白质结构的波动和SASA值将出现较大的波动。这些疏水接触对蛋白质的折叠或致密性至关重要。分子动力学(MD)模拟用于预测SASA变化对蛋白-配体相互作用的影响,从而为这些复合物的稳定性提供见解(Galindo-Murillo等,2015年)。配体结合到Mpro后,蛋白质构象发生了变化。然而,此处所有5个蛋白-配体复合物均未观察到SASA的显著变化 [X77、NTR、LPV、D95和F35:分别为14,527.90 ± 20.532 ?2、14,082.33 ± 51.278 ?2、14,596.84 ± 27.722 ?2、14,779.81 ± 44.786 ?2和14,646.65 ± 187.062 ?2,见表S1]。复合物平均SASA的变化范围为14,527–14,580 ?2(参见支持信息2中的图S14)。这些数据表明,当配体结合到活性位点时,蛋白质结构在MD模拟过程中保持稳定并维持其折叠状态。这反映了复合物在MD模拟过程中维持了稳定性以及蛋白质的致密性/折叠状态。此外,这些数据与Rg数据也高度一致。天然产物F35在MD模拟过程中具有与X77、NTR和D95类似的恒定PSA值。然而,与X77、D95和LPV相比,F35的SASA标准差略高。这可能是因为F35(远离活性位点)靠近环区域暴露所致(后文详述)。然而,在Rg、PSA、RMSF和RMSD中均未发现蛋白质折叠致密性的显著标准差变化(表S1)。此外,还检查了二级结构元件(SSE),以评估每个残基在MD模拟过程中三次重复实验中的二级结构变化 [X77、NTR、LPV、D95和F35]。结果表明,在MD模拟运行过程中二级结构得到了保守。在β-折叠链和螺旋中均未观察到SSE的显著变化(MD模拟过程中变化不超过约1%)(每种分子三次重复的平均±标准差SSE值见

在延伸分子动力学模拟(MD模拟)中(至400 ns),仍观察到氢键相互作用的变异性(表S6)。X77和NTR与GLU166保持了持续的氢键相互作用,频率较高(同时与His41的相互作用频率较低),而F35与GLU166和HIS41的核心相互作用频率则低于X77和NTR(表S6)。CYS145的相互作用仅在NTR中被观察到。F35在延伸MD模拟至400 ns期间与THR190和GLN192表现出高频相互作用。然而,X77和NTR对这些残基的相互作用频率较低(表S6)。X77还表现出与ASN142的相互作用(类似于MD模拟至100 ns的结果:表S2)。NTR表现出与PHE140、GLY143、HIS163和THR190的相同相互作用模式,类似于三重MD模拟的结果(表S2)。但X77和F35未观察到这种一致性。相反,F35向灵活的环外区漂浮(移向活性位点口袋外部),主要以高频与GLN192和THR190相互作用(表S6和图S20)。在延伸MD模拟至400 ns期间,X77和NTR未观察到这种漂移现象,并且始终位于活性位点内。然而,在延伸MD模拟至400 ns期间,观察到F35向活性位点区域回归(图S20)。F35从100 ns MD模拟后的解离过渡(移向活性位点外部(远离His41、Cys145和Glu166)并靠近THR190和GLN192(位于外侧环处))到400 ns后的结合过渡(回归向重要的活性位点残基:HIS41、CYS145和GLU166,图S20),从100到400 ns MD模拟期间发生。F35的这种移动得到了与THR190和GLN192高频相互作用的支撑(位于活性位点角落),而与活性位点残基(HIS41、CYS145和GLU166)的相互作用则较少(表S6)。此外,为进一步评估F35在活性位点中的稳定性,MD模拟研究进一步延伸至500 ns(F35总MD模拟时间为1000 ns)。共保存了5000个轨迹帧。发现F35始终位于活性位点中,并且以高频恢复了与GLU166和HIS41的氢键相互作用。此外,THR190和GLN192的相互作用频率现在较低。另外,与活性位点附近残基THR22、THR26、CYS44、ASN142和GLN189的相互作用频率较高。从初始100 ns MD模拟研究来看,F35以高亲和力结合(表2,ΔG的平均值±SD为?61.777±8.110 kcal/mol),而延伸400 ns轨迹捕获了F35向活性位点的退出和再进入过程,亲和力较低(ΔG的平均值±SD为?45.067±6.296 kcal/mol)(图S20)。MD模拟进一步延伸至500 ns后,F35恢复了在活性位点靠近催化残基处的高结合亲和力(ΔG的平均值±SD为?62.306±5.543 kcal/mol),且未改变MD模拟参数(维持蛋白质的紧凑性和折叠,图S20)。此外,F35复合物在400 ns延伸MD模拟(15.98%、25.02%、41%)和500 ns延伸MD模拟(15.55%、24.25%、39.80%)期间几乎保持了相同的SSE(%螺旋、%片层、%总SSE),与100 ns MD模拟期间观察到的结果一致(见表S3)。所有ΔG的平均值±SD均从每个轨迹的最后20 ns或200帧计算得出(所有MD模拟)。从这些计算研究可以明显看出,F35对Mpro具有结合潜力,但需要实验验证来确认。

计算机辅助ADME研究

使用Schr?dinger-2024-3软件的QikProp程序对F35天然产物与共结晶配体X77、D95以及上市药物(NTR和LPV)进行了ADME研究。大多数筛选分子表现出令人满意的ADME性质。然而,F35偏离了药物相似性规则(Rule of 5),与D95和上市药物(LPV和NTR)类似(表S7)。同样,市场上有一些药物并不遵循此规则(Giménez等2010;DeGoey等2017;Thilakarathna和Rupasinghe 2013)。另一方面,F35的ADME性质如渗透性(QPPCaco和QPPMDCK)与NTR和/或LPV的数值相似(表S7)。除LPV外,所有分子均预测具有皮肤渗透性(表S7)。与X77、D95、LPV和NTR相比,F35天然产物被发现具有较高的脂溶性性质(QPlogPoct和QPlogPw)。此外,F35表现出较低的口服给药能力(QPlogBB)。其他分子(X77、D95、LPV和NTR)被预测具有较高的口服给药可能性。此外,与其他分子相比,F35表现出较差的人体口服吸收(表S7)。由于F35是一种黄酮类化合物,与其他药物(LPV和NTR)相比,预测其水溶性较差且脂溶性较高。根据报道(Thilakarathna和Rupasinghe 2013;Park 2013),黄酮类、黄烷醇类和黄酮醇类具有本质上与低水溶性相关的结构骨架,这是湿实验中的常见瓶颈。这种差溶解性通常源于强的分子间晶体堆积和分子刚性,需要后续的实验验证。F35被预测的QPlogHERG值低于?5.0(不影响HERG K+通道),与X77、D95、LPV和NTR相似(表S7)。ADME研究结果总结在支持信息2的表S7中。所有这些计算机辅助预测都需要实验验证。

这些计算研究表明,F35可能成为针对SARS-CoV-2 Mpro蛋白的潜在活性化合物。F35是一种糖基化黄酮类化合物(由糖基和非糖基部分组成)。黄酮类化合物表现出多种生理活性,使其在药物开发中极具吸引力。已有多个研究报告表明,糖基化黄酮类化合物被用于针对SARS-CoV-2 Mpro的研究,并观察到糖基(糖部分)相较于非糖基化合物能改善结合(2016;Cherrak等2020;Zhu和Xie 2020)。然而,da Silva等人报告称,糖基化黄酮类化合物及其人体代谢产物可能成为针对Mpro和RNA依赖性RNA聚合酶的潜在抗病毒剂(2020;Silva等2020)。因此,需要实验工作来确认其效力、药代动力学和有效性,因为糖苷基团在肠道代谢后可能会改变活性(Ren等2025)。此外,作为有前景的Mpro结合活性化合物,F35需要进一步研究以评估其作为口服制剂的可开发性,这可能受限于ADME劣势(必须评估相应的非糖基化合物和/或可能的代谢产物)(Cherrak等2020;Silva等2020;Rocha等2024;Lohit等2024)。

此外,为应对关于脱靶毒性的关键药物化学问题,对F35在人溶酶体半胱氨酸蛋白酶——即组织蛋白酶L(PDB ID:5MQY)和组织蛋白酶B(PDB ID:3AI8)上的选择性谱进行了评估。分子对接研究表明,F35对组织蛋白酶L和组织蛋白酶B分别表现出-8.096 kcal/mol和-10.554 kcal/mol的非常有利的结合亲和力。这些数值显著强于天然共结晶配体(5MQY-配体为-5.025 kcal/mol,3AI8-配体为-4.330 kcal/mol)和上市药物NTR(分别为-4.659 kcal/mol和-5.229 kcal/mol)。

这些发现表明,F35可能与宿主半胱氨酸蛋白酶表现出脱靶相互作用,凸显了潜在的选择性劣势,需要进一步的实验研究。尽管组织蛋白酶B和组织蛋白酶L已被证实参与多种重要病毒(包括SARS-CoV-2和埃博拉病毒)进入相关的蛋白水解过程(Schornberg等2006;Chandran等2005;Simmons等2004;Smieszek等2020)。然而,仅凭目前的对接结果不足以确立功能性抑制作用或双重抗病毒机制。因此,需要进一步的生物化学和细胞研究来确定预测的相互作用是否具有功能相关性,并评估F35对病毒Mpro的选择性。在未来的研究中,可以探索结构修饰以改善对Mpro的选择性,同时最小化与宿主半胱氨酸蛋白酶的潜在相互作用。

总体而言,针对F35、天然产物和参考或已知化合物(上市药物NTR以及X射线配体X77)获得的这些计算结果被认为是对其预测结合模式和相对计算结合有利性的支持,但需要适当的细胞和药理学研究来确立其对SARS-CoV-2 Mpro的实际结合亲和力、抑制活性和选择性。因此,实验验证是确认和转化目前针对Mpro的计算机辅助活性化合物F35的必要步骤。

据报道,F35被鉴定为在Ornithogalum caudatum中发现的(-)-7-甲氧基佛手柑内酯5-O-β-芦丁,化学式为C30H38O15,分子量为637.2128。该参考文献中也提供了F35的结构表征数据。

结论

上述研究的总体结论是,与SARS-CoV-2 Mpro的深入结构基于虚拟筛选和MD模拟研究相比,天然产物F35表现出最高的ΔG值并在活性位点中具有最高的稳定性(除上市药物NTR、LPV和X射线配体X77和D95外)。然而,F35在三次MD模拟中与已知抑制剂D95的平均ΔG值几乎相同。此外,二级结构元件和SASA数据表明,MD模拟期间Mpro保持紧凑且折叠恒定。此外,F35被发现与Mpro蛋白的关键活性位点残基具有与NTR、LPV、D95和X77类似的结合相互作用。F35的ADME谱与NTR相似。此外,从三次重复轨迹中评估的各种MD参数,如RMSD、RMSF、Rg、PCA和FEL,反映了F35在Mpro活性位点中也保持稳定并具有结合潜力。此外,F35延伸至1000 ns的MD模拟研究显示其在Mpro活性位点中保持稳定。因此,天然产物F35可能成为针对Mpro的潜在活性化合物。根据文献,截至目前的Ornithogalum caudatum植物中发现的F35天然产物从未针对SARS-CoV-2的Mpro靶点进行过报道。该天然产物可作为治疗SARS-CoV-2感染的替代和/或补充手段,但需要进行实验测试以验证其生物活性和药代动力学性质。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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