HDAC11抑制剂化学空间分析与结构特征解析：基于712种化合物的计算药物设计研究

为解决HDAC11晶体结构缺失导致的抑制剂开发难题，研究人员通过化合物空间网络和多种化学信息学方法，对712种HDAC11抑制剂进行系统分析，建立了分类QSAR模型并鉴定出isoindoline等关键药效团。分子对接和动力学模拟揭示了这些结构特征与HDAC11催化位点的相互作用，为靶向癌症和自身免疫疾病的药物设计提供新思路。

　　

在组蛋白去乙酰化酶(HDAC)家族中，HDAC11作为IV亚型的唯一成员，因其在癌症和自身免疫疾病中的关键作用成为热门药物靶点。面对该蛋白晶体结构缺失的挑战，研究者另辟蹊径，采用基于配体的药物设计(LBDD)策略，对712种抑制剂展开多维分析。化学空间网络揭示出明显的结构聚类现象，而机器学习驱动的分类定量构效关系(QSAR)模型则成功捕捉到isoindoline、苯并咪唑以及羧酰胺/异羟肟酸等关键药效团特征。

更有趣的是，分子对接和分子动力学(MD)模拟将这些"化学指纹"精准定位在HDAC11的催化口袋中，动态展示了氢键网络和疏水作用的形成过程。这项研究如同为药物化学家提供了一张高清"结构蓝图"，其中标注的立体电子效应和骨架刚性要求，将显著加速新一代高选择性HDAC11抑制剂的理性设计。特别值得注意的是，研究中发现的锌离子结合模序变异规律，可能为克服同类抑制剂交叉反应性提供全新突破口。