机器学习驱动的QSAR与分子模拟揭示非洲罗勒中PTP1B抑制剂的抗糖尿病潜力

本研究针对2型糖尿病治疗靶点蛋白酪氨酸磷酸酶1B(PTP1B)，通过机器学习(ML)结合分子建模技术，系统筛选了传统药用植物非洲罗勒(Ocimum gratissimum)中的活性成分。研究人员构建随机森林回归(RFR)预测模型，从156种植物化学物中鉴定出49个潜在抑制剂(pIC50>5)，并通过分子对接和100纳秒分子动力学(MD)模拟锁定黄酮类化合物木犀草素、异荭草素和桑色素，证实其与PTP1B催化位点(CYS215/ARG221)的稳定结合。MM-PBSA计算揭示强动态结合亲和力，为开发新型糖尿病药物提供理论依据。

　　

蛋白酪氨酸磷酸酶1B(PTP1B)作为胰岛素信号通路的负调控开关，一直是2型糖尿病药物开发的热门靶标。传统药用植物非洲罗勒(Ocimum gratissimum)虽被报道具有胰岛素增敏作用，但其分子机制始终蒙着神秘面纱。这项研究犹如一场"植物化学探宝"，科研团队巧妙地将机器学习(ML)与分子模拟技术联袂登场。

研究人员首先从ChEMBL数据库精心整理PTP1B抑制剂的IC₅₀数据，在42种算法中优选出预测王者——随机森林回归(RFR)模型。这个"AI筛子"从156种植物成分中捞出49颗"珍珠"(pIC₅₀>5)。随后的分子对接实验如同微观世界的"锁钥配对"，黄酮三杰——木犀草素、异荭草素和桑色素脱颖而出，它们与PTP1B的催化二人组(CYS215和ARG221)形成了稳定的氢键网络和疏水拥抱。

长达100纳秒的分子动力学(MD)模拟就像拍摄超慢动作电影，清晰捕捉到这些黄酮-PTP1B复合物在溶液中的优美舞姿。MM-PBSA结合自由能计算则充当"能量会计"，精确核算出这些相互作用在动态环境中的稳定账单。研究不仅为非洲罗勒的传统药用价值提供了分子水平的"解说词"，更为糖尿病药物研发开辟了新思路——这些天然黄酮化合物或许能成为PTP1B的"温柔制动器"，通过非共价作用精准调控其活性。当然，这场"计算机预言"还需要实验室里的"现实检验"来最终加冕。