基于AI与分子对接双轨筛选发现新型Aurora B抑制剂及其抗肿瘤活性研究

本文通过融合人工智能（AI）驱动筛选与分子对接技术，高效发现新型Aurora B抑制剂（如化合物4，IC50 = 15.54?nM），其在体外显著抑制肝癌细胞（Huh-7/Huh-6），并通过分子动力学模拟揭示其与Aurora B的ATP结合口袋相互作用机制，为靶向抗癌药物研发提供新策略。

　　

Highlight

化合物

四种候选化合物均购自MedChemExpress（MCE），其编号分别为：化合物1（HY-137443）、化合物2（HY-N2123）、化合物3（HY-150076）和化合物4（HY-117596）。

蛋白质制备

从RCSB蛋白质数据库（PDB ID: 2VGP、3AMA、3ZTX、5K3Y）中获取Aurora B蛋白的X射线共晶结构，并通过UniProt进行数据整合。使用Schr?dinger的蛋白质制备向导（Protein Preparation Wizard）对Aurora B结构进行优化处理。

Aurora B数据集构建与诱饵生成

化合物数据库的质量对基于机器学习的筛选准确性至关重要。一个理想的数据库应涵盖多样化的分子结构，且结构相似的分子需具备不同的活性数据。为构建活性数据集，我们首先从ChEMBL数据库中收集了已报道具有Aurora B抑制活性的化合物结构及其活性信息。通过对该数据集的分析，我们进一步实施了数据清洗、标准化和特征工程处理，以提升模型预测效能。

结论

Aurora B的表达与多种癌症的肿瘤生长、转移及患者生存率下降密切相关。近期研究显示，肝癌患者的肿瘤组织中Aurora B表达常显著上调，且与不良预后相关。为应对这一挑战，本研究开发了一套混合筛选流程以识别潜在Aurora B抑制剂。结果表明，结合机器学习与结构模拟的筛选策略可高效发掘具有高活性和新颖骨架的先导化合物，为后续抗肿瘤药物研发提供了重要基础。