《Scientific Reports》：Computational analysis of CCN1 as a druggable target predicts interactions with bioactive compounds
编辑推荐：
本研究针对CCN1蛋白在衰老、纤维化及癌症等病理过程中的关键作用但缺乏直接靶向药物的现状，通过整合AlphaFold 3结构预测、Fpocket结合口袋识别和SwissDock分子对接技术，首次系统评估了CCN1的成药性。研究发现TSP-1/CTCK结构域交界处存在高亲和力结合口袋，Metformin等化合物显示强结合亲和力(AC score: -200.26)，且该相互作用在基因突变背景下保持稳定，为开发CCN1靶向疗法提供了理论依据和可扩展的计算筛选流程。
在细胞外基质的复杂通讯网络中，CCN1（Cysteine-rich angiogenic inducer 61）作为基质细胞蛋白家族的奠基成员，犹如一位多面手协调着组织修复、血管生成和胚胎发育等关键生理过程。然而这位“双面特工”的失调却与纤维化、炎症、癌症乃至衰老相关退行性病变等多种病理状态密切相关。尽管其生物学重要性日益凸显，但针对CCN1的直接小分子药物开发始终步履维艰，核心障碍在于其三维结构信息的缺失——就像试图在没有地图的迷宫中寻找宝藏。传统的实验方法耗时费力，而CCN1蛋白结构的复杂性更是雪上加霜。随着深度学习技术的突破，AlphaFold等计算工具为破解这一难题提供了新视角，使得在计算机中精准预测蛋白质结构并筛选潜在药物成为可能。
本研究团队敏锐捕捉到这一技术机遇，在《Scientific Reports》上发表了开创性研究，首次通过计算生物学方法系统论证了CCN1作为药物靶标的可行性。研究人员构建了整合AlphaFold 3结构预测、Fpocket结合口袋识别和SwissDock分子对接的标准化工作流程，不仅描绘出CCN1的精细三维图谱，更发现了其与多种临床常用药物的潜在相互作用，为开发靶向CCN1的疗法奠定了理论基础。
关键技术方法包括：基于DeepMind AlphaFold 3平台预测人源CCN1（UniProt: O00622）的三维结构并进行立体化学质量验证；使用Fpocket工具基于Voronoi镶嵌算法识别潜在配体结合口袋；通过SwissDock平台采用吸引腔体(Attracting Cavities)算法对20种与CCN1功能相关的生物活性化合物进行分子对接模拟。
3D结构分析揭示CCN1的多构象特性
通过AlphaFold 3预测获得五种可能结构模型，均显示高度可靠的立体化学质量（84.0%残基位于拉曼图最优势区域）。这些模型揭示了CCN1由胰岛素样生长因子结合蛋白（IGFBP）样结构域、血管性血友病因子C（VWFC）重复序列、血小板反应蛋白1型重复（TSP-1）和C末端半胱氨酸结（CTCK）结构域通过柔性连接区组成的模块化架构，这种结构特征支持其作为信号蛋白特有的构象切换能力。
结合口袋预测锁定TSP-1/CTCK功能区
Fpocket分析在所有五种结构模型中均识别出多个潜在结合口袋，其中结构S2的16号口袋表现出最高成药性评分（0.873）。该口袋位于TSP-1与CTCK结构域交界处，具有大体积（828 ?3）、高α球密度（6.76）和平衡的极性/非极性比例（约46%极性）等理想特征，且位于高置信度区域（pLDDT > 90），为后续分子对接提供了可靠靶点。
分子对接筛选出高亲和力配体
针对TSP-1/CTCK结构域的对接实验显示，多种临床相关化合物与CCN1存在潜在相互作用。抗氧化剂（Naringenin、维生素A、Resveratrol）、抗衰老药物（Metformin、Piperlongumine）和抗高血压药物（Clonidine、Amlodipine、Esmolol）均显示负结合自由能（AC score），表明结合可行性。其中Metformin表现出最强亲和力（AC score: -200.26），而维生素C、表没食子儿茶素没食子酸酯（EGCG）等化合物则未显示结合潜力。
结合模式可视化揭示相互作用多样性
二维相互作用分析表明，不同配体通过氢键、π-π堆叠、范德华力等不同机制与口袋残基结合。例如Amlodipine与16个氨基酸残基产生相互作用，其中12个为口袋形成残基；而Naringenin仅与4个口袋残基相互作用。这种结合模式的多样性反映了CCN1结合口袋的结构可塑性，能够容纳不同化学特性的配体。
突变体分析证实结合稳健性
为评估遗传变异对结合的影响，研究人员构建了多点缺失突变体（删除原口袋形成残基）和两种自然变异体（Q238H和T242A）。令人惊讶的是，删除关键残基后CCN1并未丧失配体结合能力，反而通过结构重排产生了新的结合口袋（主要位于VWFC和TSP-1结构域），且除Piperlongumine外所有配体结合亲和力均有所增强。自然变异体也基本保持结合能力，仅T242A变异体中Piperlongumine的结合被完全破坏，表明CCN1具有显著的结构适应性和遗传稳健性。
这项研究首次通过计算生物学方法系统证实了CCN1作为药物靶标的可行性，其意义不仅在于发现了一个位于TSP-1/CTCK结构域的高亲和力结合口袋，更在于揭示了CCN1的结构可塑性和遗传稳健性——即使关键残基缺失或自然变异，仍能通过构象调整维持配体结合能力。这种特性对于跨人群应用的药物开发尤为重要，意味着针对CCN1的疗法可能具有更广泛的适用性。
从技术层面看，该研究建立的可扩展计算工作流程为快速筛选CCN1靶向化合物提供了高效平台，显著降低了早期药物发现的成本和周期。特别值得关注的是，预测的高亲和力配体如Metformin、Naringenin等均为已知临床药物，这为药物重定位策略提供了直接线索，有望加速CCN1靶向疗法的临床转化。
然而研究者也清醒认识到计算预测的局限性：静态模型无法完全模拟体内动态行为，翻译后修饰和辅因子影响尚未考虑，实验验证仍是确认生物学意义的必要环节。尽管如此，这项研究为理解CCN1的分子相互作用机制开辟了新视角，为后续针对衰老、纤维化、癌症等CCN1相关疾病的靶向治疗开发奠定了坚实基础。随着计算生物学与实验科学的深度融合，CCN1这一长期被忽视的靶点有望在精准医疗时代焕发新的生机。
