由玻璃体腔灌注引起的急性高眼内压：一种用于评估角膜内皮损伤的动物模型

《Experimental Cell Research》：Acute High Intraocular Pressure Induced by Vitreous Cavity Infusion: an animal model to evaluate corneal endothelial injuries

疟疾抗药性增强背景下，本研究通过同源建模构建Plasmodium falciparum PI4K结构，并利用虚拟筛选发现天然蒽醌化合物AD37（6'-O-甲基千金藤酮）具有显著抑制活性（结合能-5.983 kcal/mol），符合药代动力学规则，并通过分子动力学验证其稳定性。研究为开发新型抗疟药物提供理论依据。

　　近年来，疟疾作为一种严重的寄生虫感染疾病，依然是全球公共卫生面临的主要挑战之一。特别是在新冠疫情的影响下，这一问题变得更加复杂。随着抗疟药物如青蒿素及其衍生物、氯喹和磺胺类药物的耐药性逐渐显现，尤其是青蒿素部分耐药性的出现，使得开发新的抗疟药物靶点和具有不同作用机制的药物变得尤为迫切。研究团队聚焦于疟原虫生命周期中至关重要的磷脂酰肌醇4激酶（PfPI4K），这是一种参与膜运输和膜生物合成的关键酶，其在疟原虫的肝期、无性血阶段以及配子体阶段均发挥着重要作用。

本研究通过计算方法，筛选了一组58种天然的蒽醌类化合物，这些化合物已被报道具有抗疟活性，作为PfPI4K的潜在抑制剂进行评估。利用Modeller 10.5软件进行同源建模，构建了PfPI4K的三维结构，并通过质量测试参数对模型进行了验证。随后，采用计算机辅助药物设计（CADD）中的虚拟筛选技术，识别出具有较高潜力的候选药物。经过进一步的体外和体内实验评估，其中一种化合物AD37（6'-O-甲基-金盏花黄质）被确认为具有显著抗疟活性的候选药物。

AD37符合Lipinski规则，表明其具有良好的药物特性。此外，通过ADMET分析，该化合物表现出良好的吸收、分布、代谢和排泄特性。在结合自由能计算中，AD37与PfPI4K之间的结合亲和力达到了-5.983 kcal/mol，显示出其较高的结合能力。为了进一步验证AD37的稳定性及其与PfPI4K之间的分子相互作用，研究团队还进行了100纳米秒的分子动力学模拟，使用GROMACS软件进行计算。模拟结果证实了AD37与PfPI4K之间形成的稳定复合物结构，为后续的实验研究提供了坚实的基础。

现有的抗疟药物虽然在一定程度上控制了疟疾的传播，但它们在临床应用中仍面临诸多挑战。例如，某些药物在高疟疾传播地区可能存在制剂质量问题，影响治疗效果。此外，某些药物如阿托伐醌-普鲁胍，虽然能够有效抑制疟原虫的线粒体电子传递和DNA复制，但其在孕妇和哺乳期女性中的使用受到限制。而某些药物如伯喹，虽然能有效预防疟原虫在肝脏中的休眠阶段，但其使用受到葡萄糖-6-磷酸脱氢酶（G6PD）缺乏症患者的限制，增加了临床应用的复杂性。

针对上述问题，研究团队提出了一种基于计算的方法，旨在发现新的抗疟药物靶点。PfPI4K作为疟原虫中唯一的前线激酶靶点，其抑制剂MMV0048已经进入临床试验阶段。这一发现表明，PfPI4K在疟原虫的多个生命周期阶段中都发挥着重要作用，特别是在无性血阶段的膜运输和生物合成过程中。此外，研究还指出，PfPI4K的抑制不仅能够有效对抗疟原虫，还可能通过协同作用增强现有药物的疗效，从而减少耐药性的发生。

在当前的研究中，除了传统的化学结构类化合物，如咪唑吡唑烷和咪唑吡啶类化合物，还有其他多种化学结构如联吡啶、萘啶酮和Torin-2等也被发现具有显著的PfPI4K抑制活性。这些发现为PfPI4K作为抗疟药物靶点的进一步研究提供了有力支持。然而，现有的研究多依赖于传统的结构基药物设计方法，而较少采用深度学习等新兴技术进行虚拟筛选。因此，本研究结合了深度学习模型和结构基药物设计技术，为发现新的抗疟药物提供了新的思路。

通过深度学习模型，研究团队能够利用大量的化学库和药物靶点数据，预测蛋白质-配体复合物的结合亲和力和分子相互作用。这种方法不仅减少了对蛋白质三维结构的依赖，还能够在没有实验数据的情况下，通过序列信息预测分子间的相互作用。同时，结合结构基药物设计技术，可以更准确地评估化合物与目标蛋白之间的结合能力，从而提高药物筛选的效率和准确性。

在构建PfPI4K的同源模型过程中，研究团队采用了Modeller 10.5软件，并通过蛋白质-蛋白质BLAST搜索获取了模板蛋白。最终选择的人类PI4Kβ（PDB ID: 8VOF）作为模板，其与PfPI4K在序列上的相似性达到44.9%。这一同源模型经过严格的质量评估和对接分析，验证了其结构的可靠性。基于该模型，研究团队对58种天然的蒽醌类化合物进行了虚拟筛选，识别出具有高结合亲和力的候选药物。

通过进一步的ADMET分析，研究团队评估了这些候选药物在人体内的药代动力学特性。其中，AD37因其良好的药代动力学特性而脱颖而出，成为最具潜力的候选药物之一。此外，AD37在分子动力学模拟中表现出较高的稳定性，进一步支持了其作为抗疟药物的可能性。这些结果表明，AD37不仅具有良好的结合能力，还能够在体内保持稳定，从而为抗疟药物的开发提供了重要的线索。

本研究的意义在于，它不仅提供了一种新的抗疟药物候选化合物，还展示了如何通过整合计算方法，如深度学习和结构基药物设计，来加速抗疟药物的发现过程。这种方法能够有效筛选出具有潜在抗疟活性的化合物，减少对实验研究的依赖，从而降低研发成本和时间。此外，通过结合ADMET分析和分子动力学模拟，研究团队能够更全面地评估候选药物的药代动力学特性和分子稳定性，为后续的实验验证和药物开发奠定基础。

在实际应用中，这些基于计算的方法可以为抗疟药物的开发提供重要支持。例如，通过虚拟筛选技术，可以快速评估大量化合物的抗疟活性，从而缩小实验验证的范围。同时，深度学习模型能够预测分子间的相互作用，帮助研究人员优化药物分子结构，提高其结合亲和力和选择性。这些技术的结合不仅提高了抗疟药物筛选的效率，还为开发具有多阶段覆盖能力的药物提供了可能。

此外，本研究还强调了天然药物在抗疟治疗中的潜力。蒽醌类化合物作为一种天然来源的药物，其具有较高的治疗指数和较低的毒性，能够有效抑制疟原虫的多种代谢途径。这使得它们成为开发新型抗疟药物的有力候选。通过计算机辅助方法，研究人员可以更高效地评估这些天然化合物的抗疟活性，从而加速其从实验室到临床的转化过程。

综上所述，本研究通过整合计算方法，发现了一种具有潜力的天然化合物AD37，作为PfPI4K的抑制剂，能够有效对抗疟疾。这种方法不仅为抗疟药物的开发提供了新的思路，还展示了如何利用现代计算技术来解决传统药物开发中的难题。未来的研究可以进一步验证AD37的体外和体内抗疟效果，并探索其与其他抗疟药物的协同作用，以期开发出更加有效的抗疟治疗方案。