基于计算筛选的高选择性醛糖还原酶抑制剂发现及其抗糖尿病并发症机制研究

本研究针对糖尿病微血管并发症治疗中醛糖还原酶(AR)抑制剂存在的脱靶毒性问题，通过整合分子对接、分子动力学模拟和MM-PBSA计算等计算机辅助药物设计方法，从4975个小分子中筛选出苯并[a]蒽-芘多酚类化合物4934，其与AR结合自由能(-2 kcal mol-1)显著优于参照药物Tolrestat，且对CYP450等5种抗靶蛋白亲和力更低，为开发新一代选择性AR抑制剂提供了重要先导化合物。该成果发表于《Scientific Reports》，为糖尿病并发症治疗提供了新思路。

　　

糖尿病已成为全球公共卫生的重大挑战，预计到2045年患者将达7.83亿。持续高血糖会激活多元醇通路，关键酶醛糖还原酶(AR)将葡萄糖转化为山梨醇，导致视网膜、神经等组织损伤。虽然已有AR抑制剂如Tolrestat，但其存在细胞膜渗透性差、抑制CYP450等抗靶蛋白(antitarget)引发毒副作用等问题，亟需开发新型选择性抑制剂。

哥伦比亚西蒙·玻利瓦尔大学(Universidad Simon Bolivar)的研究团队采用阶梯式计算策略开展研究。首先对4975个小分子进行AR与5种抗靶蛋白(CYP2A6/2C9/3A4、SULT1A3和PXR)的平行分子对接，筛选出236个抗靶结合弱于Tolrestat的候选分子。随后通过5种高分辨率AR晶体结构的再对接、100 ns分子动力学模拟和MM-PBSA自由能计算，发现配体4934（苯并[a]蒽-芘多酚）表现最优：其与AR结合自由能较Tolrestat低2 kcal mol^-1，通过π-π堆积和疏水作用与Trp111/Phe123/Lys22形成稳定"塞子"构象，完全封闭催化口袋；同时对所有抗靶蛋白的预测亲和力均显著低于Tolrestat。该研究发表于《Scientific Reports》。

关键技术包括：1) 使用AutoDock Vina对4975个分子进行AR与抗靶蛋白的分子对接；2) 采用Amber22对TOP10复合物进行100 ns分子动力学模拟；3) 基于MM-PBSA方法计算结合自由能；4) 利用ProLIF分析相互作用指纹。

【分子对接部分I：抗靶蛋白】结果显示CYP2A6因活性腔体积最小(不足2C9/3A4的25%)得分最低，而PXR因其结合腔可塑性表现出较高得分。配体4934在5种抗靶中的4种得分最低，显示优异的选择性。

【分子对接部分II：醛糖还原酶AR】以2FZD晶体为基准验证方法后，发现4934在所有测试的AR结构(2FZD/5OUJ/5OUK/5OU0/4JIR)中均得分最高。其苯并[a]蒽单元占据催化口袋，芘单元覆盖入口，形成独特的三点锚定模式。

【MD模拟】100 ns动力学显示AR-4934复合物半径回转(2.20±0.35 ?)与AR-Tolrestat(1.89±0.37 ?)相当。相互作用分析表明Trp21/Phe116/Phe123等残基与4934保持>50%时间的疏水接触，而Tolrestat主要依赖范德华力。MM-PBSA计算证实4934结合自由能最优。

该研究首次报道了苯并[a]蒽-芘多酚类化合物作为AR抑制剂的潜力，其创新性在于：1) 通过抗靶过滤策略显著降低脱靶风险；2) 发现新型"塞子"式结合模式；3) 证实多环芳烃-多酚杂合结构的优势。尽管仍需实验验证，这种计算驱动的方法为开发新一代抗糖尿病并发症药物提供了高效模板，特别是解决了传统羧酸类抑制剂膜渗透性差的关键问题。未来可基于4934骨架进行先导化合物优化，推动选择性AR抑制剂的临床转化。