《ChemistrySelect》:Computational Identification of Epigenetic Modulators From Artemisia afra Targeting PfHDAC1 as Potential Antimalarial Agents: In Silico and Machine Learning-Based Virtual Screening Approach
编辑推荐:
恶性疟原虫(Plasmodium falciparum, P. falciparum)组蛋白去乙酰化酶1(histone deacetylase 1, PfHDAC1)在疟原虫红内期发育中发挥关键作用,是抗疟药物研发中有前景的表观遗传靶点。尽管青蒿素联合疗法在
恶性疟原虫(Plasmodium falciparum, P. falciparum)组蛋白去乙酰化酶1(histone deacetylase 1, PfHDAC1)在疟原虫红内期发育中发挥关键作用,是抗疟药物研发中有前景的表观遗传靶点。尽管青蒿素联合疗法在降低全球疟疾负担方面取得了成功,但恶性疟原虫的多药耐药性正在全球范围内出现。这清楚表明迫切需要能够靶向寄生虫多个阶段的创新抗疟药。本研究采用基于机器学习的虚拟筛选与分子对接相结合的策略,从Artemisia afra(A. afra)中鉴定PfHDAC1的潜在表观遗传抑制剂。研究人员利用不同的采样策略、特征子集大小(10、30和50个特征)及超参数优化方案构建了多个机器学习模型。其中,使用合成少数类过采样技术(Synthetic Minority Over-sampling Technique, SMOTE)并以30个选定特征训练的随机森林(Random Forest, RF)分类器在各项评估指标上表现出稳健且一致的预测性能。将优化模型应用于A. afra植物化学物,鉴定出14种被预测为有活性的表观遗传调节剂,所有这些化合物均无Lipinski五规则违规,且落在模型适用域内,支持其被选用于分子对接和进一步研究。分子对接进一步提供了关于这些化合物与PfHDAC1预测结合相互作用及其作为抗疟候选化合物进一步评估潜力的见解。
**研究背景与意义**
疟疾仍是全球最具破坏性的寄生虫病之一,每年影响约2.41亿人,造成约62.7万人死亡,近95%的全球疟疾负担集中在11个国家,其中10个位于撒哈拉以南非洲。这一沉重负担与恶性疟原虫(Plasmodium falciparum, P. falciparum)耐药株的快速出现以及蚊媒对杀虫剂的耐药性增强密切相关。青蒿素联合疗法虽在降低全球疟疾负担方面取得成功,但恶性疟原虫对包括一线青蒿素联合疗法在内的多种抗疟药的耐药性已在东南亚和非洲出现,因此亟需开发创新抗疟药物。
近年来,表观遗传调控被认为是调控恶性疟原虫生存和致病性的关键机制。寄生虫表现出显著的转录可塑性,使其能够表达替代转录组和表型,从而增强在宿主诱导应激和环境压力下的适应性。核心表观遗传过程包括组蛋白修饰、染色质重塑和转录调控,在抗原变异、免疫逃逸和发育转变等关键生物学功能中发挥重要作用。随着传统抗疟药疗效下降,包括组蛋白去乙酰化酶(histone deacetylases, HDACs)、组蛋白甲基转移酶(histone methyltransferases, HMTs)和溴结构域蛋白在内的表观遗传酶已成为新型治疗干预的有前景靶点。已有研究表明,恶性疟原虫5个组蛋白去乙酰化酶(PfHDACs)基因中有3个(包括PfHDAC1)对寄生虫红内期存活至关重要,多种抗疟HDAC抑制剂已被报道,支持PfHDACs作为有前景的药物靶点。然而,这些化合物作为PfHDACs靶点的直接证据仍然缺乏。
天然产物在药物发现中持续发挥基础性作用,尤其是传统医疗体系中的药用植物。Artemisia afra(非洲苦艾)在南部非洲广泛用于民族医学治疗发热和疟疾样疾病。植物化学研究表明A. afra含有多种次生代谢产物,包括酚酸、黄酮类、单萜和倍半萜,其中许多具有抗氧化、抗菌、抗炎和抗疟活性。尽管A. afra化学丰富且具有民族药理学相关性,但只有有限部分的代谢产物被系统评估针对恶性疟原虫表观遗传靶点,现有研究主要集中于粗提物筛选而非利用现代计算工具研究单个代谢产物。
机器学习和化学信息学的进步为加速天然产物药物发现提供了有效的计算策略。基于机器学习的虚拟筛选可在实验室验证之前快速、经济地评估大型分子库。通过已知表观遗传抑制剂训练预测模型,可从简化分子线性输入规范(simplified molecular-input line-entry system, SMILES)表示中识别与生物活性相关的结构模式并预测天然化合物的抗疟潜力。将机器学习与分子对接相结合,能够建立全面的计算工作流程来探索A. afra代谢产物的表观遗传潜力。
**关键技术方法**
研究人员从ChEMBL数据库获取针对人表观遗传靶点(包括HDACs、HMTs及相关酶)的化合物活性数据,经清洗后保留8771个独特化合物。使用Morgan指纹和MORDRED描述符进行分子特征表示,通过k-means聚类(10个聚类)进行基于聚类的数据集划分(70%训练集,30%测试集)。采用互信息进行特征选择(前10、30、50个特征),应用随机欠采样、SMOTE及欠采样联合SMOTE三种采样策略处理类别不平衡,评估逻辑回归(logistic regression, LR)、随机森林(RF)、支持向量机(support vector machine, SVM)和多层感知机(multilayer perceptron, MLP)四种分类算法,并通过三折交叉验证进行超参数优化。从已发表文献中手动收集117种A. afra植物化学物,从PubChem获取其规范SMILES。由于PfHDAC1无实验解析结构或AlphaFold预测模型,使用SWISS-MODEL以人HDAC2(PDB ID: 7ZZW, chain A)为模板进行同源建模,并通过SAVES v6.0服务器验证模型质量。分子对接采用AutoDock Vina(PyRx实现),以FR235222为参考配体。
**研究结果**
**数据集**:从199个独特靶点标识中获取约94,883个独特表观遗传调节剂化合物作为初始数据集。由于特异性针对PfHDAC1的实验验证抑制剂有限,采用人源表观遗传数据集作为替代,这得到HDAC酶跨物种保守结构特征的支持,尤其是催化锌结合结构域。排除IC50大于10 μM的化合物并解决39,888个重复条目后,最终数据集包含8771个独特表观遗传调节剂化合物。基于pIC50阈值6.0进行分类,得到2028个活性化合物和6743个非活性化合物。经聚类划分和预处理后,训练集6144个化合物(1431个活性,4713个非活性),测试集2627个化合物(597个活性,2030个非活性),每个化合物由1521个标准化特征描述。
**化学空间与多样性分析**:训练集中大多数化合物在两个活性类别中均符合Lipinski五规则(Rule-of-Five, Ro5)标准,74.8%的活性化合物和67.3%的非活性化合物无Ro5违规,表明两个类别间药物相似性相当,预测未受药物相似性偏倚。分子量(molecular weight, MW)与辛醇/水分配系数(logP)分布显示大多数化合物集中在MW约200–800 Da和logP 0–6范围内,活性与非活性化合物在此中心化学空间大量重叠。成对Tanimoto相似系数呈右偏分布,平均值为0.126(SD = 0.048),大多数分子对落在0.1–0.2之间,表明数据集内化学多样性高、冗余度低。
**主成分分析**:前三个主成分(principal component, PC)的特征值分别为3.89002189、2.27318456和0.69179312,前三个PC共解释100%的总方差,其中PC1解释56.70%,PC2解释33.19%,PC3解释10.10%。PC1–PC2投影显示训练集与测试集大量重叠,表明测试集能代表训练数据,模型评估未受分布差异偏倚。
**模型性能分析与选择**:在所有分类器中,使用SMOTE或欠采样联合SMOTE训练的模型一致优于仅使用欠采样的模型。仅欠采样模型虽仍达到高召回率,但精确率和F1分数略有降低,提示纯欠采样可能导致信息样本部分丢失,而基于SMOTE的策略通过丰富少数类而非丢弃多数类信息更好地保留了潜在数据结构。特征数量对模型稳健性有明显影响,使用30和50个特征的模型在不同分类器和采样策略间表现出更大一致性。RF和SVM在所有特征大小和采样策略下一致表现出优越性能,多个RF和SVM配置达到完美的精确率、召回率、F1分数、准确率和AUC。综合考虑预测性能、跨采样策略稳健性和跨特征子集稳定性,使用SMOTE和30个特征训练的RF模型被选为最优模型,因其在保持高预测性能的同时使用更紧凑的特征集,降低了模型复杂性而不牺牲准确性。
**A. afra中潜在表观遗传调节剂的鉴定**:使用最优RF + SMOTE模型(30个信息描述符)对117种A. afra植物化学物进行虚拟筛选,27种化合物被鉴定为有活性。其中19种化合物预测概率为1.0,被选为顶级预测候选化合物进行进一步药物相似性评估。在随机森林集成中,每棵树对活性或非活性类别投票,化合物产生活性的概率计算为投票活性类别的树的分数。
**基于PCA的适用域评估**:三维PCA可视化显示训练集和测试集化合物占据连续且重叠的化学空间,预测活性化合物位于同一区域内,表明筛选化合物与训练数据中代表的化合物共享化学空间特征。高置信度预测化合物聚集在训练集和测试集化合物 populated 的区域,与最近训练/测试化合物距离较近,表明其落在模型适用域内。
**预测活性化合物药物相似性评估**:19种预测概率为1.0的植物化学物中,14种无Ro5违规,其余5种各呈现一个违规(LogP值超过5)。14种无Lipinski五规则违规的化合物表现出有利的药物相似性,支持其被选用于进一步骨架分析、分子对接和先导优化研究。
**分子对接**:同源建模产生两个候选模型,Model 02被选用于后续研究,以人HDAC2(PDB ID: 7ZZW, chain A)为模板构建,序列一致性61.95%,全长覆盖。模型质量评估显示GMQE评分0.77,QMEAND Co全局评分0.84 ± 0.05。SAVES v6.0服务器验证确认模型适用于对接研究:ERRAT总体质量因子96.42,Verify3D显示82.21%残基评分≥ 0.1,Ramachandran图(PROCHECK)分析显示91.7%残基位于 favored 区域,仅0.3%位于不允许区域,总体G因子(?0.08)在可接受范围内。14种经ML模型预测为活性且无Lipinski违规的表观遗传调节剂与PfHDAC1进行分子对接,FR235222作为参考化合物。FR235222显示最强结合亲和力(?7.4 kcal/mol),与Asp228和Lys198形成稳定氢键,并与Pro25和Phe148发生疏水相互作用。在筛选化合物中,Artemisyl acetate表现突出,显示第三强结合亲和力(?5.6 kcal/mol),无任何可检测的不利相互作用,其结合主要通过疏水接触稳定,包括与Phe148(3.85 ?)、Tyr202(3.96 ?)、Phe203(3.85 ?)、His176(5.46 ?)和Leu269(5.50 ?)的π–sigma、烷基和π–烷基相互作用。其他萜类和酯类表观遗传调节剂显示一致的结合模式,以与Phe148、Phe203、His176、Leu269和Pro25等残基的疏水相互作用为主,结合能量范围?5.0至?5.6 kcal/mol。这些结果揭示了明确趋势:疏水性萜类和酯类骨架通过有效的疏水锚定实现稳定结合,具有最小的空间或静电惩罚,使其成为进一步优化靶向PfHDAC1的有前景候选物。
**讨论与结论**
本研究采用基于机器学习的虚拟筛选策略鉴定恶性疟原虫组蛋白去乙酰化酶1(PfHDAC1)的潜在表观遗传调节剂。在评估的模型中,使用SMOTE和30个选定特征训练的RF分类器表现出最强的整体预测性能,被选用于虚拟筛选。将优化模型应用于A. afra植物化学物,鉴定出19种预测为活性的化合物,每种预测概率为1.0,其中14种符合Lipinski五规则并落在模型适用域内。经过验证的PfHDAC1同源模型使所选候选化合物的基于结构评估成为可能。分子对接预测14种无Ro5违规化合物具有有利的结合相互作用,参考化合物FR235222表现出最有利的预测结合亲和力。部分预测表观遗传调节剂也显示与PfHDAC1活性位点的有利结合相互作用,特别是以Artemisyl acetate为代表的疏水性萜类骨架表现出与靶点的有利预测相互作用,突显其作为进一步研究和优化骨架的潜力。尽管机器学习模型在本研究评估条件下表现出高预测性能,但其对结构不同化合物的泛化性仍有待建立。此外,预测活性和对接结果需要实验验证以确立所鉴定化合物的PfHDAC1抑制活性和抗疟潜力。总体而言,本研究提供了一个整合机器学习引导的虚拟筛选和分子对接的计算框架,用于优先筛选A. afra植物化学物作为潜在PfHDAC1结合候选物,并提供了一组聚焦的化合物用于进一步研究、优化和实验验证。