TargetGen-RNN模型发现靶向耐药金黄色葡萄球菌的新型抗生素化合物SAK-2970及其临床前验证

本研究发现基于深度生成学习模型TargetGen-RNN成功设计出具有全新骨架的抗生素化合物SAK-2970，该化合物针对耐药金黄色葡萄球菌（S. aureus）的二氢叶酸还原酶（DHFR）表现出强效抑制作用（IC50=2.379 nM），在体外和体内实验中均显示出卓越的抗菌活性、生物膜抑制能力和安全性，为应对抗菌素耐药性（AMR）危机提供了突破性解决方案。

　　

1 引言

抗菌素耐药性（AMR）已成为全球健康的重要威胁，其中金黄色葡萄球菌（Staphylococcus aureus）特别是耐甲氧西林金黄色葡萄球菌（MRSA）是这一危机的焦点。该病原体可引起从轻微皮肤感染到危及生命的全身性疾病（如败血症、心内膜炎和骨髓炎）等一系列疾病。其显著的适应性和获得及传播耐药性决定因素的能力，使其在临床环境中成为难以对付的对手。世界卫生组织警告，如果当前趋势持续，到2050年，AMR可能导致每年1000万人死亡，这凸显了对新型治疗策略的迫切需求。

传统抗生素发现方法，如高通量筛选（HTS）、基于结构的药物设计（SBDD）和基于片段的药物发现（FBDD）虽然发挥了重要作用，但存在显著局限性。HTS通常命中率低，且需要大量的资金和时间投入。尽管SBDD和FBDD提供了更聚焦的方法，但它们受限于在动态生物环境中准确模拟蛋白质-配体相互作用的复杂性。此外，天然产物筛选面临挑战，如频繁重新发现已知化合物以及天然产物的合成复杂性。

近年来，生成式深度学习（GDL）的革命性进展通过数据驱动的方法实现了全新分子设计，规避了传统方法的局限性。深度神经网络作为生成模型，无需显式设计规则，从而克服了传统技术固有的挑战。各种架构已被探索，包括变分自编码器（VAEs）、生成对抗网络（GANs）、图卷积网络（GCNs）、变换器（transformers）和循环神经网络（RNNs），这些架构已展现出卓越的功效。通过利用序列分子表示（如SMILES字符串），基于RNN的模型能够捕捉复杂的化学语法和语义，促进有效且多样化的分子结构生成。

2 材料与方法

2.1 数据集准备、TargetGen-RNN实现及从头分子生成

从ZINC数据库中检索了570万个类药化合物，通过分子量（300–425 Da）和logP（2–3.5）进行过滤，并使用RDKit进行预处理。另外，从BindingDB收集了82个已知的金黄色葡萄球菌DHFR抑制剂。选择DHFR作为微调靶点，因为该酶在金黄色葡萄球菌叶酸代谢中起核心作用，参与甲氧苄啶耐药性，并且具有经实验验证Ki值的抑制剂可用。经过标准化和去重后，保留560万个分子作为源数据，82个作为目标数据。TargetGen-RNN被实现并训练以学习源数据的SMILES格式结构特征。模型架构包括一个嵌入层、一个具有128个隐藏单元的LSTM层和一个输出层。使用Adam优化器进行30个周期的训练，并采用早停策略。随后对目标数据进行微调，以指导生成DHFR特异性抑制剂。微调后的模型生成新的SMILES字符串。使用RDKit确保化学有效性和独特性。化合物基于支架新颖性、类药性（Lipinski、Veber和Ghose规则）和物理化学性质进行过滤。最终有6672个化合物进入进一步的计算筛选。

2.2 QSAR和药效团筛选

使用AutoQSAR（Schr?dinger）构建QSAR模型，以预测抗菌活性。使用PHASE生成基于配体和电子药效团假设，并根据适应度和PhaseScreenScore对命中化合物进行优先排序。

2.3 分子对接、MM-GBSA和分子动力学模拟

将排名靠前的化合物对接到DHFR活性位点（PDB ID: 4LAE）中，使用Glide XP进行对接。对接后，使用多标准决策分析（MCDA）框架对36个命中化合物进行进一步评估。使用Prime模块的MM-GBSA估算结合能。使用Desmond（Schr?dinger）对选定的配体-DHFR复合物进行1000 ns的分子动力学（MD）模拟。

2.4 SAK-2970的化学合成

SAK-2970通过三步程序合成。

2.5 生物学评价：抗菌活性、耐药性分析、体内功效和生物相容性分析

测试SAK-2970对DHFR的抑制、MIC/MBC测定、时间杀灭动力学、生物膜抑制和根除能力。使用CLSM和结晶紫染色技术可视化生物膜活力。在30天的亚MIC暴露下评估耐药性发展。在SPF昆明小鼠和C57BL/6小鼠中评估毒性和功效。感染后量化血液、肝脏、脾脏、肾脏和肺中的细菌负荷。治疗后评估存活率和器官指数。使用人红细胞评估血液相容性，并使用MTT测定和荧光显微镜在293T、hMSC和3T3细胞上评估细胞相容性。

2.6 统计分析

所有结果均以平均值±标准差（SD）报告。使用单因素和双因素ANOVA（GraphPad Prism）确定统计学显著性，p < 0.05被认为具有显著性。

3 结果

3.1 GDL模型的建立

提出的GDL模型基于复杂的自适应TargetGen-RNN架构，其中采用LSTM网络来模拟SMILES表示中固有的复杂序列依赖性。该模型集成了温度调节采样机制，结合迁移学习和微调，从而在支架多样化和靶向特异性优化方面提供了无与伦比的控制。这些进步使TargetGen-RNN具有卓越的生成能力，将其置于靶向驱动的从头药物发现的前沿，特别是在生成具有生物学相关性和结构多样性的新型分子实体方面。

在预训练期间，TargetGen-RNN接触了来自ZINC 15数据库的560万个化合物（称为源数据）的大量语料库，以SMILES字符串的形式，促进了模型对广泛且异质化学空间的内化。SMILES序列被标记化，并使用预定义的标记到索引字典映射为整数索引，该字典包含、和标记以确保序列 uniformity。这些标记索引随后由嵌入层处理，将其转换为密集向量表示，从而捕捉复杂的分子关系。LSTM层使用分类交叉熵进行精心优化，使模型能够捕捉分子结构内的局部和全局依赖性。这一详尽的预训练阶段赋予TargetGen-RNN深刻的化学理解力，为其在高度特定的生化背景中进行高效的迁移学习和下游专业化奠定了基础。

TargetGen-RNN的一个标志性能力在于其能够使用非常小的靶向特异性库进行微调，这是传统模型（如cRNNs）由于依赖大数据而表现不佳的领域。通过利用迁移学习，该模型保留了预训练阶段获得的大量化学知识，并将其动态适应于新的生物靶点。例如，微调紧凑的目标数据（此处为从BindingDB获取的82个金黄色葡萄球菌DHFR抑制剂，补充表S1）使TargetGen-RNN能够内化关键的药效团约束，从而产生一个擅长生成在新颖性和生化功效之间取得微妙平衡的抑制剂的模型，这对于受数据稀缺限制的其他模型来说是一个挑战。有趣的是，TargetGen-RNN实现了高预测准确性（～0.90）和低收敛损失（～0.30至0.40），反映了高效学习和强大的泛化能力（补充图S1）。

3.2 为金黄色葡萄球菌DHFR定制生成多样化和新颖支架库

上述TargetGen-RNN模型被用于构建一个定制的虚拟化合物库，特别关注靶向金黄色葡萄球菌DHFR。该模型的实施生成了28708个独特分子（生成的数据），其中冗余以及含有结构警报或反应性官能团的化合物被预先排除。为了表征源数据、目标数据和新生成数据之间的化学空间关系，生成了一个UMAP图。如图所示，生成的数据（绿色表示）在应用迁移学习后显示出从源数据（蓝色）向目标数据（橙色）的显著转变，从而证明了模型在从源域到目标域的化学空间 traversing 方面的有效性。

对相对支架多样性（即独特支架数量与支架总数的比率）的分析显示，源数据、生成数据和目标数据的Murcko支架多样性分别为99.85%、83.81%和89.47%。值得注意的是，生成数据中99.99%和83.83%的支架分别与目标数据和源数据中的支架不同，总体新颖性达到83.81%。此外，对支架多样性的分析表明，生成的数据不仅在多样性方面超过了目标数据和源数据，而且探索了比先前报道结果更广泛和更独特的化学空间。关于指纹多样性，生成的数据在各种类型的指纹（包括ECFP_4、MACSS_4和PubChem_4）方面也优于目标数据，并且更接近源数据。

3.3 物理化学性质：比较见解和过滤结果

筛选了不同的物理化学性质，以评估生成数据中的分子与目标数据中的分子基于这些性质的相似性关系。结果表明，生成数据中的分子不仅与目标数据的活性化合物表现出一致性，而且具有改进的物理化学性质，强调了模型产生化学和药理学相关实体的能力。为了保持生成数据中的支架独特性，系统性地排除了与已知金黄色葡萄球菌DHFR抑制剂（目标数据）具有相同通用Murcko支架或子结构的化合物，从而将分子数量从28708个减少到28410个。

图3B突出了在应用严格的类药性和药物化学过滤器（包括Lipinski规则、Veber规则、Ghose规则、QED评分、PAINS和Brenk警报）后，生成分子的结构 refinement。这种严格的过滤减少了生成的数据，将分子库从28410个缩小到6672个高质量命中化合物。TMAPs可视化表明，过滤后的生成分子库在参数（如MW、LogP、TPSA和NAR）方面保留了显著的化学多样性，证实了模型在生成符合经典类药性标准同时保持结构新颖性的化合物方面的能力。过滤后多样性的保留尤其关键，因为它表明生成的分子不仅遵循必要的药物化学原则，而且保持了在药物开发过程中减轻损耗风险所需的各种支架。精确调节的TPSA值表明优化的氢键潜力，从而增强了靶标特异性，同时减少了脱靶效应。此外，NAR值的范围表明生成了有利于π-π堆积相互作用的芳香系统，这对于稳定药物-靶标复合物至关重要。

该分析强调了模型在生成实现化学创新和遵循药物化学原则之间最佳平衡的化合物库方面的先进能力。生成的数据作为一个有前途的资源，用于识别具有高效力、有利药代动力学和降低毒性潜力的新型支架，从而为后续的先导化合物优化和临床前开发奠定了坚实的基础。

3.4 生成化合物的抗生素活性分析

为了评估生成化合物的抗生素潜力，使用Schr?dinger Maestro套件中的AutoQSAR模块开发了一系列QSAR模型。最初构建了10个模型，关键性能指标总结在补充表S2中。在构建的10个模型中，mlr_33表现出卓越的性能，其R2值为0.9378，RMSE低至0.2303，强调了其预测准确性和稳健性。该模型的Q2值为0.9398，通过严格的交叉验证进一步证实了其可靠性。

使用几个关键图全面分析了模型mlr_33的性能。观察值与预测活性散点图显示，在训练和测试数据中，观察值和预测值之间存在强相关性，数据点紧密聚集在y = x线附近。这种紧密对齐表明模型在预测抗生素活性方面具有精确性，过拟合或欠拟合的风险最小。残差图显示残差围绕零对称分布，表明预测误差是随机且无偏的，进一步验证了模型在不同化合物集合上的可靠性。残差的QQ图表明它们遵循近似正态分布，仅在极端值处有轻微偏差。这些轻微偏差（表明少数异常值）并未显著损害模型的整体准确性和预测能力。

随后使用模型mlr_33对6639个生成化合物进行QSAR分析，详细评估了它们的预测抗生素活性，并通过UMAP图和预测得分分布图进行可视化。在UMAP图中，化合物根据其预测的pIC50值进行聚类，并分为五个不同的组。具有高预测活性（pIC50值12–15）的化合物用红点表示，而具有中等活性水平（pIC50值介于9–11.99和6–8.99之间）的化合物分别用蓝色和绿色点表示。具有较低预测活性（pIC50值介于3和5.99之间及低于3）的化合物用黄色和棕色点表示。预测pIC50得分的累积分布显示，52.3%的生成化合物（相当于3472个命中化合物）超过了平均pIC50阈值7.37（由红线突出显示）。超过该阈值的化合物预计会表现出显著的抗生素活性，其中一部分达到pIC50得分12或更高，表明具有强效抗生素效应的潜力。这些结果突出了生成化合物的抗生素潜力，其中52.3%超过了平均pIC50阈值，使其成为针对MDR金黄色葡萄球菌进行进一步实验验证的有力候选者。

3.5 基于药效团的虚拟筛选

在AutoQSAR分析的基础上，我们采用了两种互补的基于药效团的虚拟筛选策略：基于配体的方法和基于受体的方法。在基于配体的药效团筛选中，我们基于82个已知DHFR抑制剂的目标数据构建了详尽的药效团模型，产生了14个独特的药效团假设（补充表S3）。其中，四个假设（指定为DDRRR_1至DDRRR_4）包含五个特征：两个氢键供体（D）和三个芳香环系统（R），而其余10个假设（DDRR_1至DDRR_10）包含四个特征：两个氢键供体和两个芳香环系统。假设DDRRR_1成为表现最佳者，其Phase Hypo Score优异，证明了其在虚拟筛选中识别强效命中化合物的功效。此外，DDRRR_1的富集图证实了其稳健性，表明它能够在筛选数据的排名靠前的子集中快速检索近100%的活性化合物。这表明DDRRR_1是一个高度可靠和高效的虚拟筛选模型，因此可作为优先考虑潜在药物候选物的宝贵工具。随后，对3472个命中化合物的生成数据进行筛选，过滤出匹配至少四个药效团特征且适应度和PhaseScreenScore ≥1.5的化合物，从而将命中库缩小到553个化合物。此外，前20个命中化合物与DDRRR_1假设的叠加突出了药效团特征所描绘的关键相互作用，进一步验证了它们作为强效抑制剂的潜力。

为了进一步细化选择并在553个化合物中识别出稳健且高活性的命中化合物，进行了基于受体的药效团筛选。基于DHFR-配体复合物的共晶结构构建了全面的药效团模型，该模型封装了DHFR与其配体之间的所有关键相互作用。该药效团模型（指定为DDDRRR）包括六个特征：三个氢键供体（D3、D4和D6）和三个芳香环（R13–R15）。严格筛选满足至少五个药效团特征匹配标准，且适应度和PhaseScreenScore阈值≥1.5的化合物。这一严格的筛选过程最终确定了74个高效化合物。前20个命中化合物与DDDRRR假设的叠加显示在补充图S5中。值得注意的是，这些化合物表现出与DHFR的稳健相互作用谱，同时保留了原始生成数据中固有的支架和指纹多样性。这些高适应度化合物在狭窄的PhaseScreenScore范围内的聚类强调了筛选过程的精确性，强化了这些命中化合物作为卓越可成药候选物进行后续实验验证的潜力。

3.6 分子对接和MCDA分析

进行分子对接以优先考虑先前在基于药效团的虚拟筛选中确定的74个命中化合物。图6A展示了在t-SNE图上以颜色编码梯度表示的对接得分（kcal/mol），其中蓝色色调对应于更有利的结合相互作用（较低的对接得分），而红色色调表示较不利的相互作用（较高的对接得分）。值得注意的是，36个化合物的对接得分 > ?7.270 kcal/mol（平均对接得分）。这些化合物的化学结构及其对接得分显示在补充图S6中。此外，结果显示参考配体（1VM）的对接得分为?8.098 kcal/mol，有九个化合物超过了这一基准，表明对DHFR活性位点具有更强的结合亲和力。具有最高对接得分的三种化合物（SAK-2970、SAK-2257和SAK-5557）作为对接复合物显示在图6B-D中。

随后实施多标准决策分析（MCDA）进一步细化并优先考虑了这36个被确定为潜在治疗剂的化合物。MCDA根据药代动力学参数、物理化学性质、pIC50值、对接得分和ADMET profiles的综合评估，对七个最佳化合物（SAK-2970、SAK-3702、SAK-4367、SAK-6129、SAK-4409、SAK-2038和SAK-1893）进行了排名。这些化合物的MCDA得分范围在0.46–0.58之间。最有前途的化合物在高结合亲和力和强效生物活性之间表现出最佳平衡，表明具有显著的治疗潜力。值得注意的是，最有前途的化合物均未表现出对hERG通道的显著抑制水平，从而减轻了心脏毒性的潜在风险。此外，这些化合物表现出良好的生物利用度（Fub_human）和高合成可及性（SA），便于其开发和可扩展合成。它们对QED的遵守进一步证实了它们在药物化学优化方面的潜力。然而，其余29个化合物在一个或多个参数上表现出不利性质，从而降低了它们作为潜在治疗候选物的适用性。

3.7 MM-GBSA和MD模拟分析

为了进一步评估SAK-2970、SAK-4367、SAK-4409、SAK-3702、SAK-6129、SAK-1893和SAK-2038与DHFR对接复合物的稳定性，计算了它们的ΔG_Bind值。值得注意的是，所有复合物都显示出负的ΔG_Bind值，表明形成了稳健且稳定的DHFR-化合物结合。这些发现证实了化合物与DHFR活性位点建立了能量上有利的相互作用，突出了它们稳定和持续结合的潜力。

随后进行了1000 ns的分子动力学（MD）模拟，以评估DHFR与六种生成化合物复合物相对于参考配体的稳定性和结合动力学。蛋白质骨架RMSD表明所有复合物在800 ns内达到平衡。SAK-2970复合物的波动与参考配体几乎相同（≈1.4–1.6 ?），而SAK-4409和SAK-2038保持在参考范围附近。相比之下，SAK-3702显示出最大的偏差（2.15 ± 0.28 ?），表明蛋白质稳定化作用较弱。蛋白质-RMSF分析显示，参考配体复合物具有最低的整体灵活性，SAK-2970紧密匹配这一特征。SAK-3702在几个区域诱导了升高的波动，而其他候选化合物表现出中间行为。

相互作用分析显示，SAK-2970、SAK-2038、SAK-1893和参考配体形成了多个直接和水介导的氢键以及π-π堆积相互作用，有助于强稳定化。相比之下，SAK-3702、SAK-4367和SAK-4409参与较少的稳定相互作用。配体RMSD值进一步强调了这些差异：参考配体（0.73 ± 0.06 ?）与SAK-2970（0.72 ± 0.04 ?）紧密匹配，而SAK-2038显示出中等偏差（1.51 ± 0.54 ?）。相比之下，SAK-1893超过5 ?，反映弱或瞬时结合。SAK-3702、SAK-4367和SAK-4409也显示出高RMSD值（4.31–4.61 ?），表明显著的配体流动性和降低的结合稳定性。

配体RMSF分析证实了SAK-2970和SAK-4367的波动最小，SAK-2038的变异适中，而SAK-1893、SAK-3702和SAK-4409的波动显著。此外，所有系统的rGyr值稳定，参考配体为4.13 ?，所有生成的复合物略更紧凑（≈3.40–3.98 ?），尽管这种紧凑化并未抵消在较弱结合剂中观察到的较高配体流动性。总的来说，这些分析表明，SAK-2970在所有MD指标上最接近地再现了参考配体结合特征，SAK-2038表现出中间稳定性，而其余化合物尽管具有合理的蛋白质水平稳定性，但因高配体波动而失稳。

3.8 SAK-2970的合成：一种强效抗生素化合物

SAK-2970根据图8A所示的方案进行化学合成。一般程序如下（详情请参见补充信息S1）：市售的（1）与硫酰氯（2）反应得到中间体（3），该中间体经胺化并与甲胺反应得到中间体（4）。中间体（4）通过Buchwald–Hartwig胺化反应与4-溴-1-环丙基-2-甲基-1H-咪唑（5）反应生成化合物SAK-2970。

3.9 SAK-2970的抗菌性能

对合成的化合物SAK-2970进行了生物学性能评估。最初，使用先前报道的方案检查了其对DHFR的抑制活性。结果表明，SAK-2970对DHFR表现出强效抑制活性，IC₅₀为2.379 nM。相比之下，甲氨蝶呤显示出显著较低的抑制，IC₅₀为0.12 μM，这与报道的结果非常一致。随后，通过测定SAK-2970对金黄色葡萄球菌的MIC和MBC来评估其抗菌功效。结果表明，SAK-2970不仅能有效抑制金黄色葡萄球菌的生长，而且表现出显著的抑菌活性，MIC/MBC值为13.48 ± 2.71 μg/mL。还通过测量600 nm处的光密度评估了细菌生长抑制，显示SAK-2970与标准药物环丙沙星相比，具有强效且显著 superior 的杀菌活性。

为了阐明细菌根除的时间动态，我们评估了SAK-2970的时间依赖性杀菌活性。在MIC/MBC剂量下，SAK-2970对金黄色葡萄球菌表现出快速的时间依赖性杀菌效果，在8小时内根除了超过60%的细菌种群，从而超过了环丙沙星的功效。细菌生长的抑制随时间成比例增加，在用SAK-2970处理24小时后，培养基中未观察到金黄色葡萄球菌的可见生长。相比之下，环丙沙星表现出显著较低的抑制活性。通过将接种物铺在LB琼脂平板上进一步证实了这种效果，在用SAK-2970孵育8小时后，观察到金黄色葡萄球菌的CFU减少了约92%，在处理24小时后抑制率>99.998%。相反，环丙沙星表现出显著低于SAK-2970的杀菌潜力。类似地，活/死染色进一步证实，在用SAK-2970孵育24小时后，与环丙沙星处理相比，金黄色葡萄球菌显示出显著更高比例的死亡细胞（由红色荧光指示）。

3.10 抗菌膜功效

细菌生物膜构成复杂的生态系统，由不同的细菌菌落组成，聚集成密集的簇，并对抗生素和化学剂表现出显著的抵抗力。这种韧性导致持续的细菌感染，在医疗保健、医学和工业环境中构成重大挑战。患有损害表皮屏障的潜在慢性疾病的个体特别容易发生组织相关的生物膜感染。因此，在与环丙沙星比较后，仔细评估了SAK-2970对金黄色葡萄球菌的抗菌膜功效，经过24小时孵育期。结果显示，在? MIC和1 MIC下，SAK-2970表现出卓越的抗菌膜活性，相对于同等剂量的环丙沙星，抑制生物膜形成分别>65%和>90%。这种显著的抑制效果通过结晶紫染色得到进一步证实。为了进一步证实SAK-2970的抗菌膜功效，使用共聚焦激光扫描显微镜（CLSM）检查在SAK-2970和环丙沙星的MIC下金黄色葡萄球菌生物膜的形成。这些结果明确表明，SAK-2970 profoundly 抑制了金黄色葡萄球菌生物膜的形成。尽管环丙沙星也表现出抑制效果，但其功效明显逊于SAK-2970。这些发现与光密度、生物膜抑制百分比和结晶紫染色的评估一致，从而强化了SAK-2970卓越的抗菌膜性能。

为了进一步验证抗菌膜性能，通过测量预先形成的金黄色葡萄球菌生物膜与SAK-2970和环丙沙星在2 × MIC浓度下孵育后的光密度来量化生物膜根除。如图所示，SAK-2970表现出 outstanding 的抗菌膜活性，实现>85%的生物膜根除。相比之下，环丙沙星也表现出生物膜根除效果（>41%）；然而，其功效明显逊于SAK-2970。鉴于细胞膜完整性的 destabilization 对生物膜内的细菌种群产生不利影响，使用CLSM结合SYTO9/PI染料进一步研究了SAK-2970对生物膜相关金黄色葡萄球菌细胞膜的影响。如图9G所示，CLSM图像显示对照生物膜由厚的、均匀分布的绿色荧光簇组成，表明具有完整细胞膜的可存活金黄色葡萄球菌。形成鲜明对比的是，经SAK-2970处理的生物膜显示出广泛的红色荧光，表明所有生物膜层中的细菌细胞完全死亡。相反，经环丙沙星处理的生物膜显示绿色和红色荧光的混合，反映了存活和非存活细胞的存在，从而证明了相对 modest 的抗菌膜功效，如先前报道。这些发现证实，SAK-2970对金黄色葡萄球菌表现出 exceptional 的抗菌膜功效，在生物膜抑制和根除方面显著优于环丙沙星。这强调了其作为治疗持续性生物膜相关感染的 superior 治疗剂的潜力。

3.11 安全性和生物相容性评估

对于新型药理剂的细致评估，建立血液相容性和细胞相容性对于确定其临床可行性至关重要。SAK-2970与环丙沙星相比的安全性和生物相容性评估显示了SAK-2970耐受性前景良好的结果。在急性毒性评估中，SAK-2970在高剂量（1500 mg/kg）下14天内保持小鼠体重稳定，体重减轻显著少于环丙沙星。器官特异性指数进一步强调了SAK-2970的生物相容性；脾脏指数显示PBS组和SAK-2970处理组之间无显著差异，与环丙沙星组观察到的显著减少形成对比。同样，在胸腺指数方面，SAK-2970显示无 adverse effects，而环丙沙星处理导致明显的胸腺萎缩。血液学 profile 表明，SAK-2970处理的小鼠WBC计数稳定，仅在环丙沙星组观察到显著减少，并且RBC计数不受SAK-2970影响，而环丙沙星有影响。总的来说，这些发现表明，SAK-2970表现出卓越的安全性和生物相容性，具有最小的全身毒性和减少的血液学扰动，与环丙沙星相比。

为了进一步评估SAK-2970的生物相容性，进行了溶血测定。如图所示，将红细胞暴露于SAK-2970产生的溶血百分比为3.90 ± 0.10%，显著低于环丙沙星诱导的溶血。这种最小的溶血效应证明了SAK-2970与红细胞膜的良性相互作用，表明其低细胞毒性 profile。此外，先前也报道过环丙沙星的类似溶血百分比。形成鲜明对比的是，暴露于阳性对照Triton X-100的红细胞表现出完全破裂，产生 characteristic 显著溶血的 intensely 红色溶液。这些发现符合国际药用辅料血液相容性标准，该标准规定溶血值<10%表明是非溶血物质，而值>25%表明高溶血潜力。因此，SAK-