基于机器学习的天然RORγt抑制剂发现：虚拟筛选与体内验证揭示黄连碱的抗银屑病潜力

本研究针对Th17细胞关键转录因子RORγt抑制剂开发难题，通过机器学习虚拟筛选结合化学分类学分析，从天然产物库中鉴定出原小檗碱类化合物黄连碱（Cop）和黄连素（Ber）作为新型RORγt抑制剂。实验证实二者通过直接结合RORγt-LBD抑制Th17分化，其中Cop在银屑病小鼠模型中显著改善皮肤炎症。该研究为自身免疫疾病治疗提供了新候选药物，并建立了AI驱动的天然药物发现范式。

　　

在免疫调节领域，Th17细胞及其特征性细胞因子IL-17已被证实是多种自身免疫疾病的核心驱动因素。作为调控Th17分化的"主开关"转录因子，视黄酸相关孤儿受体γt（Retinoic acid receptor-related orphan receptor gamma t, RORγt）成为治疗银屑病、类风湿性关节炎等疾病的重要靶点。然而现有RORγt抑制剂如乌索酸和地高辛存在选择性差、毒副作用大等问题，且天然产物（Natural products, NPs）庞大的化学空间使得传统筛选方法效率低下。

针对这些挑战，Bionsight公司的Hojin Yoo团队在《Journal of Advanced Research》发表研究，开创性地将人工智能与实验验证相结合。研究人员首先构建了包含27万化合物的RORγt活性数据集，开发了基于图神经网络（Graph Neural Network, GNN）的集成预测模型，其AUC值达0.92。通过LOTUS天然产物数据库筛选后，结合化学分类学聚焦原小檗碱类化合物，最终通过表面等离子共振（Surface plasmon resonance, SPR）、分子动力学模拟和小鼠模型等多维度验证候选分子机制。

Development of Machine learning models for RORγt inhibitor discovery

研究团队采用注意力机制图神经网络（AttentiveFP）等7种算法构建集成模型，通过骨架分割法确保模型泛化能力。特征重要性分析显示模型能稳定识别关键药效团，为后续虚拟筛选奠定基础。

Virtual screening of natural products and selection of protoberberine alkaloids

对19.6万天然产物进行机器学习初筛后，通过类药性分析和NPASS数据库关联，优先选择原小檗碱亚类。该策略成功规避了脂类化合物可能存在的RORβ交叉反应风险。

Inhibitory effects of protoberberine alkaloids on Th17 cell differentiation in vitro

在Il17a^EGFP报告基因小鼠实验中，Cop和Ber分别以1.859 μM和0.8561 μM的IC₅₀抑制Th17分化，且对Th1分化无影响，显示靶向特异性。

Coptisine and berberine inhibit expansion of antigen-specific Th17 cells

利用Il17a^Cre×Rosa26^YFP命运图谱小鼠证实，3.3 μM Cop即可减少抗原特异性Th17细胞扩增，为体内实验提供剂量参考。

Coptisine and berberine directly bind to RORγt

SPR实验首次证实Cop与RORγt-LBD结合（K_D=59.7 μM），其亲和力是Ber的1.8倍，分子动力学模拟揭示其与Phe388/His479形成稳定π-π堆积。

Coptisine treatment ameliorates the induction and progression of psoriasis-like skin inflammation

在咪喹莫特诱导的银屑病模型中，Cop（50 mg/kg）治疗使耳厚度减少47%，表皮增生减轻，且显著降低γδT17和Th17细胞浸润，Ki-67⁺细胞减少62%。

这项研究的意义在于：首次建立机器学习驱动的天然产物RORγt抑制剂发现流程，将虚拟筛选时间从传统方法的数月缩短至数天；阐明Cop通过直接结合RORγt发挥治疗作用的分子机制，为改造天然产物提高效价提供结构基础；证实原小檗碱骨架可作为开发新一代自身免疫疾病药物的优势结构。尽管Cop存在口服生物利用度低的局限，但其明确的靶点机制和优异体内活性，使其成为优化新型RORγt抑制剂的理想先导化合物。该研究范式也为其他难成药靶点的天然药物发现提供了可借鉴的技术路线。