药物亲和反应的靶点稳定性技术及其应用研究进展

药物靶标是指存在于组织细胞内与药物相互作用,并赋予药物效应的特定分子,>98%药物靶标为蛋白质。药物与细胞内靶标相互作用,是药物发挥作用的基础。如何综合运用多种研究方法发现和确证药物作用新靶标是目前研究者面临的重要挑战。药物亲和反应的靶点稳定性(DARTS)技术是根据小分子药物与其靶标蛋白结合后导致对蛋白酶敏感性下降而发展起来的一项新技术,由于无需药物保护性修饰且无药物活性依赖性,因此可广泛应用于药物筛选与靶标鉴定。本文对DARTS技术的发现、技术原理及方法要点和应用进行综述。

药物亲和靶蛋白稳定性筛选技术在中药成分靶点鉴定中的应用

靶点的发现是阐明中药作用机制的核心,也是关联中药化学成分和药理作用的关键。然而关于中药作用靶点的研究相对较少,已成为中药现代化进程中的瓶颈问题。因此,建立有效的靶点发现与确证技术亟需被开发。目前,以药物亲和靶蛋白稳定性筛选(drug affinity responsive target stability, DARTS)为代表的无标记小分子探针技术在中药活性成分靶点鉴定领域中应用广泛,本综述对其原理与应用现状进行回顾,总结了一般步骤,探讨中药靶标的最新研究进展,以促进该方法在中药化学成分靶点鉴定中的应用。

依赖于靶点稳定性的药物亲和反应实验条件探索

目的对依赖于靶点稳定性的药物亲和反应（DARTS）这一靶标发现新技术进行主要影响因素的探索,获得DARTS更适宜的实验条件。方法采用不同浓度的链霉蛋白酶（酶与蛋白质量比1∶100~1∶10 000）对Jurkat细胞提取的蛋白混合物进行室温酶解,通过聚丙烯酰胺凝胶电泳（SDS-PAGE）和考马斯亮蓝染色,观察不同浓度链霉蛋白酶对蛋白混合物酶解的程度,以确定DARTS适宜的酶解浓度范围。在此基础上,以α-酮戊二酸为研究对象,采用DARTS联合SDS-PAGE,考察不同链霉蛋白酶浓度（酶与蛋白质量比为1∶500~1∶5000）和不同酶解时长（5~30 min）对DARTS结果的影响,获得适宜的酶解条件。选用靶标已知的麦考酚酸,采用上述实验所得的最适酶解条件进行DARTS,验证其可行性。结果采用不同浓度链酶蛋白酶对蛋白混合物进行酶解时,浓度为1∶100的条件下蛋白完全被水解,酶浓度为1∶10 000对蛋白混合物无明显水解,酶浓度为1∶500~1∶5000较温和,约可水解蛋白混合物的30%~60%。链霉蛋白酶浓度为1∶1000时,α-酮戊二酸的DARTS中受保护的蛋白条带呈现效果最好;在该酶浓度条件下,适宜的酶解时长为15 min。将以上酶解条件（链霉蛋白酶浓度1∶1000、酶解15 min）运用于麦考酸的DARTS,在4~7×10~4处可见明显的保护条带,Western免疫印迹法验证结果显示,保护条带中含有麦考酚酸靶蛋白IMPDH 1。结论以α-酮戊二酸为研究对象,获得了蛋白混合物DARTS更适宜的实验条件。

基于药物亲和反应靶标稳定性技术的综合型实验探索

以科学研究前沿和热点的药物亲和反应靶标稳定性(DARTS)技术为切入点,设计了"利用DARTS技术验证小分子化合物与维甲酸受体相关孤儿受体γt(RORγt)蛋白相互作用"的综合实验,并应用于药物化学生物学实验教学。教学实践表明,该实验的设计和实施,可使学生深入、全面、系统地理解与掌握DARTS技术,增强学生实验的严谨意识与规范操作意识,最终达到开拓学生知识视野、培养创新意识和创新技能的教学目标。

基于结构特征的药物靶点亲和力预测

预测药物与其靶向蛋白的结合亲和力是研发新药的关键步骤。传统的湿实验耗时长,成本高。随着人工智能技术的快速发展,在药物筛选阶段应用深度学习的技术可以大幅度提升研发效率。针对上述问题,提出一种基于卷积神经网络预测药物靶点亲和力的方法。将蛋白质和小分子的结构特征分别转换成对应的三维矩阵,送入对应的三维卷积神经网络中进行训练,然后再通过若干层全连接神经网络提取特征值,得到最终的亲和力值。实验结果表明,该模型可有效地预测药物靶点亲和力,具有良好的应用前景。

基于残差结构的图卷积网络的药物靶点亲和力预测

准确的药物靶点亲和力预测(DTA)能够缩短药物研发周期,节省人力和物力,加速药物研发过程。图神经网络(GNN)在药物靶点亲和力预测中得到了广泛应用,但现有的方法大多基于浅层GNN。该文提出了一种基于残差结构的图卷积网络,残差结构的加入能够加深网络结构,借此构建一个具有24个图卷积层的深度图卷积网络,以此捕获药物分子的特征,学习有效的嵌入表达,并在两个基准药物靶点亲和力数据集上与几种先进的基于机器学习或深度学习的模型进行比较。结果表明,该文所提模型相较于其他基准模型有着更好的预测性能,验证了该文所提方法的有效性。

深度学习在药物靶点亲和力预测中的应用

在药物研发前期阶段中,预测小分子药物和蛋白质靶点结合亲和力的计算机方法已经证明其关键作用,这类方法被称为药物靶点亲和力(Drug-Target Affinity,DTA)预测。其中基于深度学习的DTA预测方法表现出其预测模型优异的性能与巨大的潜力。这篇综述全面回顾了与基于深度学习的DTA预测相关的主题,如来源数据库、数据挖掘与特征学习方法、深度学习模型等,以及一些利用这些资源开发的代表性的预测方法。本综述首先从数据格式和编码方案的角度讨论了来自各种库的化合物和蛋白质数据。对于DTA预测模型,我们从两种角度进行分类,即预测任务类型的角度和模型采用的学习方法的角度,并且总结了每个类型代表性的DTA预测模型。最后,我们讨论了一些尚存的问题,以探索开发更强大和准确的DTA预测方法。

药物-靶点亲和力预测的全局特征提取策略

为有效解决药物靶点亲和力预测中单模型提取特征种类受限问题,结合深度学习混合模型,提出一种深度并行全局特征提取策略。利用卷积神经网络(CNN)和特征存储融合层构建局部特征提取器,实现药物靶点序列局部特征的多层次提取、存储与压缩;利用卷积神经网络(CNN)和双向长短时记忆(BiLSTM)神经网络的串行混合模型构建上下文特征提取器,提取局部特征之间的上下文联系;将两种互补特征进行融合。该特征提取策略解决了单模型提取特征种类受限问题,缓解了数据集差异对特征提取效率的影响。实验结果表明,该特征提取策略有助于提升预测模型的预测性能。

微管蛋白亲和力调节激酶4作为药物靶点的研究进展

微管蛋白亲和力调节激酶4(microtubule affinity-regulating kinase,MARK4)是丝氨酸/苏氨酸激酶家族重要成员之一,主要功能是磷酸化微管结合蛋白(microtubule associated protein,MAP),进而导致MAP从微管中分离,从而改变细胞形状,促进细胞分裂,调控细胞周期等。研究表明,MARK4与微管束形成、神经系统发育和程序性细胞死亡等密切相关,并且参与多种疾病的发生,比如阿尔茨海默病(Alzheimer’s disease,AD)、代谢紊乱、癌症以及心衰心梗等疾病,因此MARK4被认为是极具潜力的药物靶点。本文综述了MARK4的三维结构、生物学功能以及MARK4介导的相关疾病,并且总结了MARK4抑制剂的研究进展。

基于深度学习的“药物-靶点”亲和力预测方法设计

目的:构建一种基于深度神经网络的“药物-靶点”亲和力预测方法。方法:先对拟定药物进行独热编码,并使用预训练语言表征模型对靶蛋白进行编码,以捕获氨基酸序列中的重要信息,然后设计2个独立的卷积神经网络,通过4个全连接层来预测“药物-靶点”的亲和力。最后在Davis激酶结合亲和力数据集和KIBA大规模激酶抑制剂生物活性数据集上验证本方法的性能,并将实验结果与KronRLS、SimBoost、DeepDTA算法结果进行比较。结果:相较于KronRLS、SimBoost、DeepDTA算法,本方法在Davis激酶结合亲和力数据集和KIBA大规模激酶抑制剂生物活性数据集上均获得了最高的一致性指数和最低的均方误差值。结论:采用双向语言模型对靶蛋白进行编码后再进行深度学习,可以提高“药物-靶点”亲和力预测的准确度。

细胞自噬是逆转抗肿瘤药物耐药的治疗靶点

自噬是细胞对于营养不足或代谢应激做出的一种分解代谢反应。自噬的主要功能是通过降解未进行正确折叠或发生凝聚的蛋白质和细胞器，来维持细胞内的代谢平衡。尽管细胞自噬的调控过程十分复杂，但是已有明确的实验证据显示，P13K—Akt—mTOR，LKBl一AMPK—mTOR和p53等信号通路是细胞自噬发生的主要上游调控分子。

靶分子亲和-质谱联用技术应用于中药等复杂体系中活性成分的筛选

如何从中药等复杂体系中快速、高效地筛选出活性成分,是现代药物研究的重要领域之一。基于光学检测或放射性检测的高通量药物筛选模式,在应用于中药等复杂体系时,由于没有成分分离过程,易产生假阳性或假阴性结果;而采用传统的成分分离、结构鉴定、活性测试的筛选模式,则存在工作量大、周期长、活性成分易丢失等缺陷。靶分子亲和-质谱联用技术是利用药物靶点与配体的亲和作用或靶酶的催化作用将活性成分从复杂体系中抽提出来,并用质谱对其进行检测及活性评价的一种筛选技术。本文对适用于中药等复杂体系中活性成分筛选的靶分子亲和-质谱联用技术进行了综述,主要介绍直接进样质谱筛选技术、膜分离-质谱联用技术、分子排阻色谱-质谱联用技术、固定化靶蛋白-质谱联用技术、前沿亲和色谱-质谱联用技术、高效液相色谱恒流在线反应-质谱联用技术等的原理及其应用,为中药活性成分筛选提供技术参考。

手足皮肤反应与手足综合征

近年来,多靶点酪氨酸激酶抑制剂在肿瘤内科领域发挥着重要作用,手足皮肤反应(HFSR)是该类药物常见的不良反应。然而,手足皮肤反应与传统细胞毒化疗药物引起的手足综合征(HFS)容易混淆。虽然二者均有感觉异常,但在发病率、发病机制、临床及组织病理表现等方面均不相同。HFSR及HFS严重影响患者日常生活、社交,甚至导致抗肿瘤药物减量或提前停药,延误肿瘤治疗。因此,针对同时使用两类药物的肿瘤患者,二者的鉴别对于指导相应药物的剂量调整、提高患者生活质量、延长生存期等方面十分重要。该文对HFSR和HFS的发病率、危险因素、发病机制、临床表现、组织病理改变、分级评估标准、预防治疗及生存期等方面的异同作一综述。

活性导向的化学探针在氨基酸反应活性表征中的应用进展

原创药物的研制得益于蛋白质新靶标的发现,而新靶标的发现依赖于高可信度、高通量的药物-蛋白质相互作用分析方法。蛋白质作为生命功能的执行者,其表达量、空间定位与结构差异直接影响药效的发挥。目前,超过85%的蛋白质尚被认为是无法成药的,主要原因是缺少药物分子靶向的空腔以及相应的反应活性位点。因此,基于蛋白质组学层次实现对氨基酸反应活性位点的表征成为原创共价靶向药物设计的关键,也是克服难以成药靶标蛋白问题的关键。近年来,质谱技术的飞速发展极大地推动了基于蛋白质组学技术的药物-靶蛋白相互作用研究。其中基于活性的蛋白质组分析(ABPP)策略是利用活性位点导向的化学探针分子在复杂样品中实现功能状态酶和药物靶标等蛋白质的检测。基于化学探针的开发和质谱定量技术的发展,ABPP技术在氨基酸反应活性表征研究中展现出重要的应用潜力,将助力于药物新靶标的发现和药物先导化合物的开发。ABPP策略主要基于蛋白质的活性特征进行富集,活性探针作为ABPP策略的核心,近年来取得了飞速进展。该文回顾了ABPP策略的发展历程,重点介绍基于广谱活性探针的ABPP技术在多种氨基酸反应活性筛选领域的研究进展,并对其在药物靶点发现中的应用前景进行展望。

抗结核活性化合物HY-152E的作用靶点分析

抗结核活性化合物HY-152E是本实验室前期获得的具有良好抗结核活性并拥有授权专利(ZL201210088290.0)的小分子化合物(最低抑菌浓度≤0.09μg/m L)。为深入探索HY-152E的抗结核机制,本研究利用药物亲和反应靶点稳定性(drug affinity responsive target stability,DARTS)技术并结合蛋白质谱技术,分析可能与HY-152E相互作用的结核分枝杆菌潜在靶标蛋白。将结核分枝杆菌H37Ra的菌体蛋白裂解液与HY-152E共同孵育,用不同浓度的链霉菌蛋白酶消化30、45、60 min后,十二烷基硫酸钠-聚丙烯酰胺凝胶电泳(sodium dodecyl sulfate-polyacrylamide gel electrophoresis,SDS-PAGE)分离并比较与HY-152E互作前后菌体蛋白耐受蛋白酶消化的差异条带,分别在相对分子质量70 000左右和45 000~55 000处观察到差异蛋白条带。利用蛋白质谱技术分析差异条带的蛋白信息,共获得86个蛋白信息。结合结核分枝杆菌数据库及蛋白功能信息,最终筛选到9个蛋白可能是HY-152E的抗结核作用潜在靶标。这些潜在靶标的确定,为后续研究HY-152E的抗结核分子机制奠定了基础。

免疫炎症反应在肺动脉高压中作用的研究进展

肺动脉高压(pulmonary artery hypertension,PAH)是一种伴有中、小肺动脉阻塞的心肺疾病。该文查阅国内外最近的研究文献,介绍PAH中免疫炎症反应的改变,阐述炎症因子、免疫细胞、Rho激酶和基因在PAH疾病的发生和发展的重要作用。大量临床前和临床研究已经证明PAH动物模型中免疫反应的异常,该文将以免疫炎症反应机制为基础,提出治疗或缓解PAH疾病的新的治疗策略和途径,为寻找和发现PAH潜在的药物靶点提供理论依据。

基因工程抗体亲和力成熟研究进展

自1975年，Kohler创建杂交瘤技术并成功制备单克隆抗体以来，人们己研制出数以千计的单克隆抗体。单克隆抗体因其高度的靶向特异性已经成为科学研究，疾病诊断，药物靶向治疗等不可或缺的工具。山于杂交瘤技术制备单克隆抗体为鼠源性，在人体应用时易发生免疫排斥反应，难以有效激发人体免疫效应，而人源的基因工程抗体很好地解决了这一问题。借助DNA重组和蛋白质工程技术，人们可以获得人源单克隆抗体，