基于机器学习和分子对接的虚拟筛选揭示两种蛇菰属植物中新型黄嘌呤氧化酶抑制剂

《Scientific Reports》：Unveiling potent xanthine oxidase inhibitors in two Balanophora spp. using machine learning-based virtual screening and molecular docking approach

本研究针对两种蛇菰属植物（Balanophora subcupularis 和 B. tobiracola）中抑制黄嘌呤氧化酶（XO）的具体活性成分不明确的问题，结合液相色谱-高分辨质谱（LC-QToF-HRMS）、机器学习（ML）虚拟筛选和分子对接技术，成功鉴定出紫杉叶素（taxifolin）等关键抑制剂。研究发现紫杉叶素与XO活性位点结合模式优于临床药物别嘌呤醇（allopurinol），且B. tobiracola的抑制活性显著更强。该研究为开发天然XO抑制剂治疗高尿酸血症和痛风提供了新策略，凸显了多技术联用在天然产物活性成分挖掘中的优势。

　　

在传统医学中，蛇菰属植物常被用于治疗炎症、伤口和痛风等疾病，但其发挥药理作用的具体活性成分及机制尚不明确。尤其在高尿酸血症和痛风的治疗中，黄嘌呤氧化酶（Xanthine Oxidase, XO）是调控尿酸生成的关键酶，现有药物如别嘌呤醇（allopurinol）虽有效但存在过敏反应等副作用，亟需开发更安全的天然替代方案。此前研究发现两种蛇菰属植物——Balanophora subcupularis 和 Balanophora tobiracola 的乙酸乙酯提取物具有显著的XO抑制活性，然而，究竟是哪些化合物在起效，仍是一个待解之谜。

为解决这一问题，研究团队采用了一种创新的多技术融合策略。首先，利用液相色谱-四极杆飞行时间高分辨质谱（LC-QToF-HRMS）对两种植物的乙酸乙酯提取物进行了全面化学成分分析，分别鉴定出23种和21种化合物。随后，构建了一个包含483个已知XO抑制剂的数据库，训练了五种基于极端梯度提升（XGBoost）算法的机器学习模型，使用不同分子指纹（如MACCS、ECFP4、ECFP6）进行优化。这些模型在测试集上表现出色，曲线下面积（AUC）最高达91.2%，且有效避免了过拟合。通过虚拟筛选，从植物成分中预测出三种候选活性化合物：1-(3,4-二羟基苯基)-6,7-二羟基-1,2-二氢-2,3-萘二甲酸、紫杉叶素（taxifolin）和1-O-咖啡酰基-6-O-(S)-短叶苏木酚羧基-β-D-吡喃葡萄糖。分子对接模拟进一步验证了这些化合物与XO活性位点的结合能力，其中紫杉叶素的表现尤为突出，其结合自由能（-6.46 kcal/mol）优于别嘌呤醇（-5.63 kcal/mol），且能与关键氨基酸残基（如Arg880、Glu802）形成稳定相互作用。

关键技术方法包括：LC-QToF-HRMS用于植物化学成分鉴定；机器学习模型（XGBoost）基于分子指纹进行虚拟筛选；分子对接（AutoDock4）模拟化合物与XO（PDB: 1VDV）的结合模式。样本来源于越南采集的B. subcupularis和B. tobiracola新鲜植株。

化学成分分析揭示蛇菰属植物代谢多样性

通过液相色谱-高分辨质谱分析，结合全球天然产物分子网络（GNPS）平台，研究团队成功鉴定出两种蛇菰属植物中的特征性成分，如水解单宁、木脂素和黄酮类化合物。其中，B. tobiracola中独有的紫杉叶素等成分可能与其更强的抑制活性相关。

机器学习模型高效筛选潜在XO抑制剂

五种优化后的XGBoost模型均表现出高预测精度（AUC>85%），其中ECFP6-1024模型性能最佳。虚拟筛选举荐的三种化合物均位于模型适用域内，且均存在于B. tobiracola提取物中，与其更高的XO抑制活性（IC₅₀=11.87 μg/mL）相符。

分子对接验证候选化合物结合潜力

对接结果表明，紫杉叶素等化合物能有效结合XO活性中心，与关键残基形成氢键和π-π堆叠作用，且距离钼辅因子（MTE）位置与别嘌呤醇相近，提示其可能直接干扰酶催化功能。

本研究通过整合化学分析与计算生物学方法，首次系统揭示两种蛇菰属植物中的XO抑制成分，并突出紫杉叶素作为潜在先导化合物的价值。其非嘌呤结构可能降低过敏风险，且兼具抗氧化、抗炎等多重药理活性，为开发更安全的高尿酸血症治疗药物提供了新方向。未来需通过实验验证其体内活性和优化结构，以推动临床应用。