《Molecular Biomedicine》:Targeting protein degradation strategies in drug discovery: integrating PROTACs, ubiquitination biology, and AI-driven design
靶向蛋白降解(TPD)已成为一种变革性治疗策略,用于消除疾病相关蛋白,包括那些难以通过传统占位驱动抑制剂进行调控的靶点。在TPD方法中,蛋白降解靶向嵌合体(PROTACs)利用泛素-蛋白酶体系统(UPS)诱导目的蛋白(POIs)的选择性和事件驱动降解。尽管PROTAC开发进展迅速,其成功转化取决于相互关联的决定因素,包括靶点可降解性、泛素连接酶(E3)募集、弹头与连接体特性、三元复合物形成、泛素化效率、细胞内暴露及药代动力学行为。本综述通过关联PROTAC设计、泛素化生物学、计算方法与临床开发,对这些决定因素提供了整合的、机制导向的分析。研究人员重点探讨了PROTAC介导降解的关键原理,强调E3连接酶选择、连接体设计、三元复合物几何学与协同性、泛素(Ub)-受体赖氨酸(Lys)可及性、泛素结合酶(E2)/E3背景、蛋白酶体参与、低效降解及钩状效应。近期在人工智能(AI)和机器学习用于降解活性预测、E3连接酶/POI配对、配体和连接体优化、三元复合物建模以及吸收、分布、代谢、排泄和毒性(ADMET)评估方面的进展,连同其技术和转化局限性被一并批判性评估。临床前开发、临床期降解剂、新兴TPD模式以及主要转化障碍亦被讨论。研究人员提出了一个整合框架,将不同的靶点泛素化模式、降解剂设计、三元复合物几何结构、AI驱动的预测以及药代动力学/临床约束联系起来,为合理开发下一代蛋白降解剂提供了机制导向的路线图,并识别了不同治疗环境中的机制瓶颈和转化优先事项。
**Introduction**
靶向蛋白降解(TPD)已作为一种事件驱动药理学策略出现,旨在消除疾病相关蛋白而非仅抑制其活性,该策略对缺乏传统活性或别构口袋或执行非酶支架功能的蛋白尤为具有吸引力。在细胞蛋白清除系统中,泛素-蛋白酶体系统(UPS)已成为诱导降解的核心平台。自2001年首个蛋白降解靶向嵌合体(PROTAC)报道以来,异双功能降解剂已从概念验证分子迅速演进至临床阶段治疗药物,其中雌激素受体靶向降解剂vepdegestrant(ARV-471)的监管批准标志着治疗性诱导蛋白降解的重要转化里程碑。然而,成功的蛋白降解无法仅凭二元配体亲和力预测,而需要协调的靶点参与、适当泛素连接酶(E3)募集、几何有利的三元复合物形成、泛素受体赖氨酸(Lys)可及性、高效泛素转移与蛋白酶体加工,以及足够的细胞内暴露。在分子设计层面,弹头选择、E3连接酶配体、连接子长度/组成/刚性、出口向量、理化性质和药代动力学紧密关联,这些依赖性解释了为何强效结合剂可能无法实现高效降解,以及为何机制理解必须指导降解剂优化与临床转化。
**Mechanistic basis of ubiquitination in targeted protein degradation**
在考虑降解剂架构之前,对泛素化级联机制的理解至关重要,因为诱导降解最终取决于招募的E3连接酶能否有效定位靶点以实现泛素转移和蛋白酶体识别。
**Enzymatic cascade of ubiquitination and proteasomal degradation**
泛素化始于E1酶依赖三磷酸腺苷(ATP)对泛素的激活。泛素是一种包含76个残基、分子量8.5 kDa的调节性蛋白,含有7个赖氨酸残基(Lys6、Lys11、Lys27、Lys29、Lys33、Lys48、Lys63),普遍存在于所有真核细胞中。其中,Lys48连接链主要与蛋白酶体降解相关。泛素化作为一种翻译后修饰(PTM),将一个或多个泛素分子标记于底物蛋白上。该过程通常通过三种酶的协作与协调进行:泛素激活酶(E1)、泛素结合酶(E2)和泛素连接酶(E3)。活化的泛素与E1酶的催化半胱氨酸(Cys)位点形成硫酯中间体,随后转移至E2酶的Cys位点;E2-泛素结合物进而与E3连接酶合作,赋予底物特异性并促进泛素向底物转移。通常,泛素通过其C端甘氨酸残基(Gly76)与底物蛋白赖氨酸残基的ε-氨基之间形成异肽键共价连接。重复循环可生成拓扑结构影响底物命运的多聚泛素链。E3连接酶通过调控泛素共价连接至靶点蛋白的赖氨酸残基介导该过程,蛋白可被标记单泛素化、多聚单泛素化或多聚泛素化。26 S蛋白酶体识别适当多泛素化的底物,并介导其展开与蛋白水解降解。
**Proximity-induced ubiquitination, experimental detection, and chemoproteomic profiling**
赖氨酸残基广泛分布于蛋白质中并可作为泛素受体位点,但其可及性和空间取向强烈影响有效的泛素化。理论上,诱导E3连接酶与靶点蛋白之间的邻近性可增强对特定赖氨酸残基的识别,从而精确调控泛素化与降解。研究人员采用多种技术检测泛素化,包括蛋白质免疫印迹、免疫共沉淀、质谱、定点突变、核磁共振、化学发光、荧光及放射性示踪剂等。化学蛋白质组学策略已成功捕获生物活性化合物与细胞蛋白之间的关键相互作用,并指导了共价分子胶降解剂的发现。
**E3 ligase families and mechanisms relevant to targeted protein degradation**
在人类中,E1和E2酶分别约有8种和35种,而E3连接酶编码超过600种,其与底物连接的过程至关重要。E3连接酶超家族的分类包括RING、U-box、HECT和RBR结构域蛋白。
**RING E3 ligases**
RING E3连接酶代表从E2向底物转移泛素的最大且最多样的家族,约含600个成员。Cullin RING连接酶(CRL)复合物是其中最大的亚类,包含RING结构域蛋白(RBX1/ROC1或RBX2/ROC2/SAG)、Cullin蛋白(Cullin 1至9)、衔接蛋白和底物识别蛋白。RING家族可进一步分为单体、同源二聚体、异源二聚体及多亚基RING E3连接酶。
**U-box E3 ligases**
U-box E3连接酶是第三类E3酶,其保守U-box结构域约含70个氨基酸残基,虽缺乏锌指结构域但功能类似RING类型,负责将泛素从E2酶转移到底物蛋白的赖氨酸残基。Hsp70相互作用蛋白(CHIP)是U-box家族成员,通过蛋白质质量控制功能参与多种人类癌症。
**HECT-type E3 ligases**
HECT E3连接酶通过两步机制转移泛素:首先形成E3-泛素硫酯键,随后将泛素转移到底物蛋白。人类基因组包含28个HECT E3连接酶成员,通常分为NEDD4亚家族、HERC亚家族及其他未分类亚家族。这些酶在多种癌症、神经发育障碍、炎性疾病和代谢疾病中经常失调。
**RBR E3 ligases**
RBR E3连接酶结合了大RING和HECT酶的特征,即"RING-HECT"杂交机制,包含RING1、RING2及介于其间的IBR结构域。该机制在概念上类似HECT型,通过两步过程实现泛素转移,涉及E2~Ub招募和向RING2催化Cys的硫酯键形成。人类基因组中约有14个RBR E3家族成员,如ARIH1、ARIH2及Parkin等。
**Emerging targeted protein degradation modalities**
建立泛素化机制基础后,需进一步探讨不同治疗平台如何利用细胞降解途径消除疾病相关蛋白。TPD模式在招募的降解机制、分子识别策略及可针对的靶点类别与细胞位置方面存在差异。
**Mechanistic principles and cellular machinery of TPD**
小分子抑制剂通常结合于靶蛋白的活性或别构位点,限制了可治疗蛋白的范围。TPD通过消除先前被视为"不可成药"的蛋白扩展了治疗机会,这些蛋白缺乏酶或配体结合口袋。在真核细胞中,UPS和自噬-溶酶体途径(ALP)是两种备受关注的蛋白降解系统:UPS负责降解可溶性错误折叠蛋白和短寿蛋白,而溶酶体参与降解不溶性聚集蛋白、细胞内寄生虫和长寿蛋白。针对这两种系统的治疗策略正在癌症、感染性疾病和神经退行性疾病中积极研究。
**Diversity of targeted protein degradation modalities**
主要策略包括PROTACs、选择性雄激素受体降解剂(SARDs)、选择性雌激素受体降解剂(SERDs)、分子胶(如来那度胺等免疫调节酰亚胺药物)以及溶酶体靶向模式,它们在机制、治疗潜力和临床结果方面存在显著差异。
**Heterobifunctional degraders (PROTACs)**
PROTAC是异双功能分子,包含三个组分:结合POI的弹头配体、结合E3连接酶的配体,以及连接两者的连接子。PROTAC通过强制邻近性建立靶蛋白泛素化,促进其蛋白酶体降解,从而劫持UPS。基于全蛋白质组预测,PROTAC可靶向并降解约1336种人类蛋白。然而,将这些降解剂转化为临床试验面临重大障碍,包括高分子量和亲脂性导致的药代动力学及制剂性质不佳。
**Receptor destabilizers (SERDs and SARDs)**
SERD如氟维司群通过结合ERα并诱导受体构象变化促进降解,但受限于生物利用度低和需肌肉注射给药。SARD如AZD3514通过阻碍配体驱动的雄激素受体核转位和降低受体水平两种机制,抑制雄激素依赖性和非依赖性雄激素受体信号级联。
**Molecular glues**
分子胶是分子量通常低于500 Da的小单价化合物,通过稳定或诱导靶蛋白与E3连接酶之间的相互作用促进泛素化和降解。免疫调节酰亚胺药物(包括沙利度胺、来那度胺和泊马度胺)是临床确立的分子胶样降解剂,在多发性骨髓瘤等血液恶性肿瘤中具有明确治疗作用。
**Lysosomal and autophagic modalities**
溶酶体策略包括抗体基PROTAC(AbTACs)、自噬体连接化合物(ATTECs)、自噬靶向嵌合体(AUTACs)、自噬靶向嵌合体(AUTOTAC)、双特异性适配体嵌合体(BACs)、基于伴侣介导自噬(CMA)的降解剂、GlueTAC及溶酶体靶向嵌合体(LYTACs),显著拓宽了可靶向降解的蛋白和细胞区室范围。
**Clinical translation, benchmarks, and pipeline dynamics**
ER靶向PROTAC(ARV-471)和AR靶向PROTAC(ARV-110)作为首批进入I期临床试验的PROTAC,于2019年标志着该领域的范式转变。2026年5月1日,FDA批准vepdegestrant(ARV-471)治疗携带雌激素受体1(ESR1)突变的ER阳性/HER2阴性晚期或转移性乳腺癌。VERITAC-2 III期试验显示,在ESR1突变肿瘤患者中,vepdegestrant相比氟维司群显著延长无进展生存期,但在总体试验人群中获益未达统计学显著性,支持基于生物标志物的疗效解读。终止或中断的临床试验项目(如CFT8634)表明,强效细胞降解并不保证临床成功,口服暴露、分子尺寸与渗透性、组织穿透、脱靶与在靶毒性、E3连接酶表达、获得性耐药及靶蛋白再合成动力学均可限制治疗持久性。
**Determinants of degradation efficiency**
PROTAC介导的POI细胞降解效率受多重关键因素影响,包括细胞通透性、PROTAC代谢、PROTAC-E3结合亲和力、表面赖氨酸可及性以及靶标-PROTAC-E3复合物取向。
**Molecular components and rational design of PROTACs**
从降解生物学到降解剂工程的转化需要将机制性要求转化为分子设计选择。PROTAC必须同时结合目的蛋白和E3连接酶,同时保持与细胞暴露兼容的理化性质。
**Fundamental steps of event-driven TPD**
传统小分子治疗依赖占位驱动机制,需持续结合活性或别构位点以调控蛋白功能。相比之下,PROTAC利用内源性UPS诱导选择性、事件驱动的目标蛋白耗竭,其持续时间由PROTAC诱导的降解与新蛋白质从头合成之间的平衡决定。该策略允许催化性和亚化学计量机制作用,可扩大可成药蛋白质组范围,包括难以通过传统抑制剂调控的非酶和支架蛋白。
**Computational resources for supporting PROTAC design**
多种数据库和分析平台支持PROTAC研究,包括PROTAC-DB、PROTACpedia、E3Atlas、ELIOT、UbiBrowser、UbiHub及DEGRONOPEDIA等。这些资源在PROTAC结构-活性分析、E3连接酶选择、degron识别、泛素化网络查询、连接体设计和基于结构的药物发现方面具有互补而非可互换的作用。
**Medicinal chemistry innovations, cellular context, and translational bottlenecks**
现代PROTAC设计策略旨在优化影响临床前和临床转化的药理性质。例如,JWJ-01-378可诱导TPM3-TRKA融合蛋白降解,但无法有效降解耐药突变体;H-3-V诱导11β-HSD1的UPS依赖性降解;PROTAC 11在耐药卵巢癌细胞中实现Mcl-1的80-90%降解;Zp17靶向STING,其降解效率呈细胞背景依赖性,不同连接子在不同细胞系中效果迥异。关键瓶颈包括靶点选择、E3连接酶可用性、连接体优化、三元复合物形成、不利理化性质及药代动力学限制,高分子量与不利结构特征可导致细胞渗透性差、口服生物利用度低及不佳药代动力学特征。
**Ternary-complex cooperativity and the hook effect**
成功的PROTAC设计不能仅从二元配体亲和力推断,降解效率取决于POI-PROTAC-E3三元复合物的几何结构与协同性、POI上可及赖氨酸残基的有效定位、与招募E2/E3泛素化机器的兼容性、细胞内暴露,以及泛素化、蛋白酶体加工与靶蛋白再合成的相对速率。即使在强POI或E3结合时,若三元复合物取向非生产性、相关赖氨酸可及性差、招募E3表达不足或理化性质限制细胞内浓度,仍可能导致失败。钩状效应是指PROTAC浓度过高时,分别形成POI-PROTAC和E3-PROTAC二元复合物,与有效三元复合物组装竞争而产生钟形降解响应。缓解策略包括优化连接体长度与出口向量、三元复合物协同性、E3连接酶选择及细胞暴露,而非简单增加化合物浓度。
**Linker chemistry, properties, and design principles**
连接子并非惰性间隔物,其长度、组成、刚性、极性和出口向量既塑造三元复合物几何结构,也影响溶解度、渗透性、代谢稳定性和药代动力学。连接体优化必须在构象适应性与足够预组织之间平衡,以促进有效泛素化。连接体长度和组成影响三元复合物的形成与稳定性及PROTAC的关键理化性质和ADME性质;减少连接子中的可旋转键可限制构象灵活性;在连接子-POI配体交界处用酯基替换酰胺基可减少氢键供体(HBDs)并改善细胞渗透性。柔性和刚性连接子各有优劣,需根据具体体系优化。
**Flexible linkers**
柔性连接子常包含聚乙二醇(PEG)单元、烷基链和含酰胺基序,可在溶液中采用多种构象。2023年估计,烷基链连接子占已使用PROTAC的44.81%,PEG链占22.5%。这种构象灵活性可促进POI与E3连接酶的有效结合,允许PROTAC采取与三元复合物形成兼容的几何结构。然而,连接子柔性效应高度依赖情境:过度柔性可能增加三元复合物形成的熵罚并降低实现生产性取向的概率。适当设计的柔性连接子可最小化POI与E3之间的空间位阻,促进三元复合物内的有利分子间相互作用,从而改善稳定性和降解效率。柔性连接子还可影响PROTAC的理化性质,包括有效极性表面积、渗透性和口服生物利用度;在某些情况下,构象折叠可部分遮蔽氢键供体和氢键受体(HBAs),从而改善膜通透性。
**Rigid and semi-rigid linkers**
刚性和半刚性连接子常包含饱和杂环(如哌啶和哌嗪)以及炔基和环状结构。与高度柔性的线性连接子相比,这些结构元件限制构象自由,并影响PROTAC的理化性质和空间组织。适当加入刚性基序可改善溶解度、效价和药代动力学行为,但连接子刚化效应高度依赖情境,具体PROTAC可能增加或降低降解效价。饱和杂环(如哌啶和哌嗪)常用于半刚性连接子以调节PROTAC溶解度和构象性质,其质子化氮原子可改变水溶性,增加的构象限制可促进生产性三元复合物形成。环烷烃和杂环连接子(如吡咯烷、环己烷、哌嗪、哌idine)显著提高代谢稳定性和降解活性,改善水溶性和体内分布。这些结构在KT-413等临床候选药物中得到验证,而CFT8634项目则展示了连接子切除的替代策略。
**Ternary complex formation, structural modeling, and translational challenges**
PROTAC介导的降解需要形成包含E3连接酶、PROTAC和POI的有效三元复合物,其几何结构、稳定性和协同性是有效泛素化和随后蛋白酶体降解的关键决定因素。PROTAC常占据超出传统小分子成药性的化学空间,常违反Lipinski五规则。计算方法(如HADDOCK、PatchDock、RosettaDock、ClusPro等)用于蛋白-蛋白对接,PROTAC三元复合物建模策略大致分为蛋白优先和配体优先两类。
**AI-driven and computational approaches for targeted protein degradation**
TPD设计的多维特性创造了巨大搜索空间,难以仅凭试错进行实验探索。AI和计算方法可帮助优先排序泛素化位点、靶点-E3对、降解剂结构、连接体特征、三元复合物几何结构、降解活性及ADME/毒性性质。其价值取决于数据集质量、生物学适当的验证,以及超越训练数据中化学和靶点空间的预期性能。
**Machine- and deep-learning approaches for ubiquitination and PTM-site prediction**
多种AI引导的泛素化位点预测方法已被开发,如胶囊网络用于翻译后修饰(PTM)位点分类;DeepNitro预测蛋白硝化与亚硝化;DeepTL-Ubi通过迁移深度学习解决训练数据不足;PrUb-EL预测拟南芥泛素化位点;MIND-S从蛋白结构和序列分类疾病相关PTM;PTMFusionNet结合蛋白表达数据与预测PTM进行疾病亚型分类;DeepPPSite预测磷酸化位点;UbiSite-XGBoost区分泛素化与非泛素化位点。这些方法多存在可解释性有限和计算整合不足的局限。
**Prediction of PROTAC degradation activity and E3-ligase selection**
MAPD(无模型分析蛋白可降解性)预测易感蛋白激酶降解。基于AtomPair指纹的30种机器学习算法用于预测PROTAC降解活性和选择强效E3连接酶,XGB模型表现最佳。但此类性能指标需在数据集组成、采样策略、化学空间覆盖和外部可推广性背景下解读。
**AI-based prediction of ADME, pharmacokinetics, and toxicity**
Zhang等开发了识别表皮生长因子受体(EGFR)靶向PROTAC的ADMET谱的机器学习模型。尽管这些模型可能促进候选物早期优先排序,但预测可靠性受限于该化学模态当前可用的相对有限且异质的药代动力学和毒性数据集。
**Automated identification and design of PROTAC substructures**
Ribes等基于约1.3百万PROTAC的合成数据集,整合机器学习模型以阐明PROTAC注释的结构分割模式。基于图的XGBoost模型设计在解析复杂或大环PROTAC时,可能因仅关注拓扑特征而导致亚结构误识别。
**Ternary-complex structure prediction**
有效形成POI-PROTAC-E3三元复合物是降解效率的关键决定因素。DeepTernary是端到端深度学习框架,整合SE(3)-等变图神经网络与基于查询的口袋点解码器预测三元复合物结构。MEGA PROTAC是蛋白-蛋白对接系统,对三元结构进行排序以提升预测性能,在77.273%测试案例中优于贝叶斯优化三元复合物预测(BOTCP),但对化学多样性PROTAC、未见POI-E3对和实验异质数据集的广泛适用性需进一步评估。
**Emerging strategies and future directions in targeted protein degradation**
E3连接酶可用性、组织选择性、细胞内递送、药代动力学和可操控性的当前局限正推动新降解剂架构和递送策略的发展。TRIMTAC、HyTTD、CLIPTAC、PHOTAC、桥接PROTAC和CHAMP等新出现技术为进展不足的E3连接酶和不可成药靶点提供了互补平台。mini-PROTACs通过劫持N-degron途径,基于单氨基酸精确降解BCR-ABL。DbTACs使用共价DNA框架构建PROTAC,配体间距在8 ?至57 ?范围内优化。pro-PROTACs提供控制激活方法,实现PROTAC在肿瘤位点的可控释放。纳米-PROTAC策略如dBET@TF通过自组装诱导BRD4降解,通过铁积累和GPX4下调诱导铁死亡、免疫原性细胞死亡(ICD)和结直肠癌免疫治疗。
**Conclusions and future perspectives**
TPD已成为通过精巧的事件驱动药理学机制选择性消除疾病相关蛋白的重要策略。PROTAC主要基于UPS降解挑战性蛋白,促进POI-PROTAC-E3三元复合物形成。然而这些技术面临分子量过高(>800 Da)、生物利用度不佳、溶解度有限和膜通透性差等挑战。获得性耐药,包括靶点蛋白或UPS组分的改变,也是重要挑战。超过600种E3连接酶中仅有限子集用于当前PROTAC应用。未来方向可能包括AI驱动的mini-PROTACs、DNA框架基PROTACs和Nano-PROTAC设计,以解决TPD基癌症治疗的高失败率。