人工智能驱动的新型TLR7选择性拮抗剂支架发现及其在增强mRNA翻译效率中的应用

推荐：本研究针对TLR7拮抗剂开发不足和选择性差的难题，利用AI工具MotifGen筛选出新型吡啶/喹啉类TLR7拮抗剂。通过虚拟筛选和分子对接获得两个高选择性化合物（IC50 36.8-95.7 μM），证实其可显著增强mRNA转染效率（体内提升1.6倍），为自身免疫疾病治疗和mRNA疗法优化提供新策略。

　　

在免疫治疗领域，Toll样受体7（TLR7）犹如一把"双刃剑"——它既能识别病毒RNA启动抗病毒反应，过度激活却会导致系统性红斑狼疮（SLE）等自身免疫疾病。尽管TLR7激动剂研发如火如荼，但拮抗剂开发却严重滞后，现有化合物普遍存在选择性差（难以区分TLR7/8/9）和结构单一等问题。更棘手的是，在mRNA疗法蓬勃发展的今天，TLR7对未修饰mRNA的识别会触发干扰素风暴，严重制约治疗效果。这些瓶颈呼唤着创新解决方案。

为突破这些限制，来自韩国科学技术研究院（KIST）的研究团队在《European Journal of Pharmaceutical Sciences》发表了一项跨界研究。他们巧妙融合人工智能（AI）与实验验证，开发出具有全新骨架的高选择性TLR7拮抗剂，并开创性地将其应用于增强mRNA治疗效率。这项研究不仅为自身免疫疾病带来新希望，更为mRNA疗法提供了"去免疫原性"的新思路。

研究团队采用三大关键技术：1）基于MotifGen AI模型的虚拟筛选系统，以0.01秒/分子的速度分析760万化合物库；2）Rosetta GALigandDock柔性对接技术评估结合能；3）双报告基因系统（Quanti-Blue检测TLR抑制，荧光素酶评估mRNA翻译）进行功能验证。动物实验采用C57BL/6小鼠模型评估体内效果。

在AI辅助的TLR7拮抗剂探索中，研究团队首先通过MotifGen的"结合概率预测-结构相似性过滤-分子对接"三级筛选流程，从ZINC20化合物库中锁定50个候选分子。其中化合物D（8-甲氧基喹啉衍生物）和F（嘧啶乙酰胺衍生物）凭借独特骨架脱颖而出。体外实验显示，二者对TLR7的IC₅₀分别为95.7 μM和36.8 μM，且对TLR8/9的选择性比高达2倍，显著优于现有双拮抗剂（如临床阶段的afimetoran）。分子对接揭示其选择性源于SER530氢键——该残基在TLR8/9中突变为丙氨酸，导致结合能升高。

令人振奋的是，在mRNA转染增效研究中，化合物F展现出双重价值。在HEK293细胞中，即使9.2 μM（1/4 IC₅₀）的F也能使野生型（WT）mRNA的荧光素酶表达提升3倍。更关键的动物实验证实，F与WT mRNA共处理可使小鼠发光信号增强1.6倍，效果媲美5-甲氧尿苷修饰（moU）mRNA，但规避了修饰核苷潜在的安全隐患。机制研究表明，F通过阻断TLR7对mRNA的识别，有效抑制了IFN-α等干扰素的产生，为mRNA疗法提供了"天然骨架+免疫抑制"的创新组合策略。

这项研究开创了多个"首次"：首次将AI驱动的MotifGen应用于TLR拮抗剂发现，首次报道吡啶/嘧啶类TLR7选择性拮抗剂，更是首个证实TLR7拮抗剂可增强非修饰mRNA疗效的研究。从转化医学角度看，化合物F的分子量（约350 Da）和logP值（<3.5）符合Lipinski规则，具备良好成药性。研究者特别指出，该策略可延伸至自身免疫疾病治疗——既能直接抑制TLR7通路缓解症状，又能提升治疗性mRNA的表达效率，实现"一箭双雕"。

当然，该研究也存在优化空间。如拮抗剂效力较临床候选药物仍有差距，未来可通过基于结构的优化（如DeepFrag AI建议的片段替换）提升活性。值得关注的是，补充材料中展示的优化分子已显示结合能降低50%的潜力。随着后续在狼疮模型中的验证，这类AI设计的"智能拮抗剂"或将开启精准免疫治疗的新纪元。