机器学习与模拟联袂筛选：食物源黄嘌呤氧化酶抑制剂的发现与体外验证

《Scientific Reports》：Machine-learning and simulation identify food-derived xanthine oxidase inhibitors with in-vitro activity

本研究针对痛风治疗中现有黄嘌呤氧化酶(XO)抑制剂存在毒副作用的问题，通过整合机器学习(ML)、分子对接和分子动力学(MD)模拟技术，从3142种药食同源化合物中筛选出新型XO抑制剂。研究发现木犀草素-7-葡萄糖醛酸苷等三种黄酮类化合物具有优异体外抑制活性(IC50 26.15-39.06 μM)且无细胞毒性，为开发安全有效的抗痛风先导化合物提供了重要候选分子。

　　

随着生活方式的改变和人口老龄化趋势加剧，痛风已成为困扰全球数亿患者的代谢性疾病。这种由尿酸盐结晶沉积引发的炎症性关节炎，不仅造成关节剧痛肿胀，更与心血管疾病、肾病等严重并发症密切相关。当前临床主要采用别嘌呤醇和非布司他等黄嘌呤氧化酶(Xanthine Oxidase, XO)抑制剂来控制尿酸水平，然而这些药物可能引发超敏反应或心血管风险，使得开发更安全的替代疗法迫在眉睫。

自然界尤其是药食同源资源中蕴藏着大量结构多样的生物活性分子，为新型XO抑制剂的发现提供了宝贵来源。传统实验筛选方法虽可靠但耗时费力，而现代计算生物学技术的融合为高效挖掘天然产物潜力提供了新思路。在这项发表于《Scientific Reports》的研究中，中国研究人员构建了一套整合机器学习、分子对接和分子动力学模拟的创新工作流程，系统探索了食物源化合物作为XO抑制剂的潜力。

研究人员采用多项关键技术开展研究：首先构建包含2216个已知XO抑制剂的训练集，通过五种分子指纹(MACCS、Morgan、RDKit、TopologicalTorsion、Atom pairs)与三种机器学习算法(MLP、RF、XGBoost)组合优化预测模型；随后利用最优模型对3142种药食同源化合物进行虚拟筛选，对高评分分子进行分子对接验证；最后通过200 ns分子动力学模拟分析蛋白-配体复合物稳定性，并结合体外酶抑制实验和细胞毒性评估验证活性。

数据集特征

分子描述符分析显示，活性XO抑制剂通常具有中等分子量(350-600 Da)、较高脂溶性(LogP≈4-6)和适度氢键数量特征。基于Morgan指纹的聚类分析将化合物划分为四个结构多样性集群，为模型训练提供了全面的化学空间覆盖。

机器学习

拓扑扭转随机森林(TopologicalTorsion-RandomForest)模型表现最优，在测试集上AUC达0.992，精确度0.98，显著优于其他组合。该模型成功平衡了灵敏度与特异性，为后续虚拟筛选提供了可靠工具。

虚拟筛选

应用最优模型筛选出128个高置信度候选分子，其中十种化合物对接得分≤-9.0 kcal/mol。5,4'-二羟基黄酮(-9.88 kcal/mol)、木犀草素-7-葡萄糖醛酸苷(-9.85 kcal/mol)和乌拉烯醇(-9.65 kcal/mol)表现出最强结合亲和力，其黄酮核心均与Phe914形成稳定π-π堆叠作用。

分子动力学模拟

200 ns分子动力学模拟揭示，木犀草素-7-葡萄糖醛酸苷-XO复合物具有最佳稳定性(平均RMSD 2.6 ?)和紧凑性(平均Rg 30.2 ?)，其葡萄糖醛酸基团与Ser1080、Glu1261等残基形成额外氢键网络，显著增强结合稳定性。

IC50抑制率与安全性评价

体外实验证实三种黄酮衍生物均呈现浓度依赖性XO抑制活性，其中木犀草素-7-葡萄糖醛酸苷效力最强(IC₅₀ 26.15 μM)，与别嘌呤醇(28.91 μM)相当。细胞毒性实验表明，在高达100 μM浓度下，所有化合物对HepG2细胞活力均无显著影响，证实其良好生物安全性。

该研究通过计算与实验验证相结合的策略，成功鉴定了具有开发前景的食物源XO抑制剂。特别是木犀草素-7-葡萄糖醛酸苷凭借其葡萄糖醛酸修饰带来的增强水溶性和优化结合模式，展现出与临床药物相当的抑制活性。研究建立的跨尺度计算框架不仅加速了天然产物活性分子的发现进程，也为后续结构优化和体内研究奠定了坚实基础。尽管这些化合物的临床转化仍需系统评估其药代动力学特性和体内功效，但本研究无疑为开发更安全的痛风管理策略提供了有价值的候选分子和科学依据。