基于QSAR指导的吲哚酮类新型抗癌药物计算机辅助设计及其合成路线提议

《Frontiers in Bioinformatics》：In silico design of novel indolinone-based anticancer agents and proposal of synthetic routes

摘要专业翻译 RAF–MEK–ERK信号通路在癌症发生和发展中发挥核心作用，是抗癌药物发现的重要靶点。同时靶向该通路的多个组分可能代表一种有前景的癌症治疗策略。研究人员采用多元线性回归（MLR）方法建立了定量构效关系（QSAR）模型。该QSAR模型基于互补的内部和外部验证指标显示出令人满意的预测性能。研究人员利用所选分子描述符指导取代基的结构修饰，从而获得更高的预测活性。据此，通过策略性取代基修饰设计了10个新分子，并基于文献报道的合成方法提出了这些化合物的合成路线。分子对接、分子动力学（MD）模拟以及Petra、Osiris和Molinspiration（POM）分析支持将Pred 9和Pred 10优先作为计算机辅助设计的候选化合物进行进一步研究。计算机模拟的吸收、分布、代谢、排泄和毒性（ADMET）预测表明，Pred 9和Pred 10可能具有有利的药代动力学性质。总体而言，这些结果支持将这些化合物纳入实验合成和生物学评价的考虑范围。然而，Pred 9和Pred 10尚未被合成，也尚未经过MEK1抑制活性或抗癌活性的实验评价。

论文解读

一、研究背景与研究目的

癌症是一类以细胞不受控制的生长和增殖为特征的异质性疾病，源于遗传和表观遗传改变的累积。肺癌尤为致命，因其早期阶段常无症状。2022年，肺癌是全球癌症相关死亡的首要原因，约有180万例死亡，占所有癌症死亡数的18.7%。该疾病的高死亡率以及多种治疗耐药机制的出现，凸显了对更有效治疗策略和新抗癌药物开发的持续需求。

RAF–MEK–ERK信号通路（又称MAPK通路）有助于调控细胞生长、分化和存活，在包括肺癌在内的多种癌症中频繁失调。RAS和BRAF等关键蛋白的突变可导致该通路组成性激活，从而促进不受控制的肿瘤生长并可能限制标准治疗的反应。RAF–MEK–ERK通路抑制剂目前被认为是肺癌的有效治疗选择。尽管该级联通路的多个组分均可作为治疗靶点，本研究特别聚焦于MEK1作为分子靶点，因其位于RAF与ERK之间的中枢信号枢纽位置，直接调控ERK的磷酸化与激活。

吲哚酮衍生物因其结构骨架易于修饰以探索与激酶结合位点的相互作用并优化生物活性，作为激酶靶向化合物开发中的优势骨架受到广泛关注。然而，尽管MEK1具有治疗相关性且MEK1靶向药物发现持续受到关注，吲哚酮衍生物分子结构与其生物活性之间的关系仍未被充分理解。因此，能够识别相关分子描述符并利用这些描述符指导新候选化合物合理设计的计算方法，可为这些衍生物的构效关系提供有价值的见解。

基于吲哚酮衍生物的特定结构和理化描述符与其报告的生物活性相关的假设，本研究的目标是开发和验证一个QSAR模型，并利用已识别的构效关系指导新计算候选化合物的设计和优先级排序。需要强调的是，新设计的化合物仅为计算候选物，尚未被合成或经过MEK1抑制活性或抗癌活性的实验评价，因此本研究结果应视为预测性和假设生成性的。

二、研究设计与关键方法

本研究数据集包含33个杂合3-取代5-(苯氨基)吲哚酮衍生物的实验抗癌活性数据，分为三组：第一组6个分子（1–6），第二组4个化合物（7–10），第三组23个分子（11–33）。化合物按约80:20比例随机分为训练集（27个化合物）和外部测试集（6个化合物）。研究人员采用多元线性回归（MLR）方法建立QSAR模型，最终模型包含六个分子描述符：Bend、Stretch-Bend、1,4 VDW、NHA、TC和TVC。模型稳健性通过Y随机化测试（500次置换）和方差膨胀因子（VIF）多重共线性分析进行评价。此外，研究人员使用AutoDock 4对MEK1蛋白结构（PDB ID: 3EQG，分辨率2.50 ?）进行分子对接，并使用Desmond程序在OPLS3e力场下进行了100 ns的分子动力学（MD）模拟。同时采用SwissADME和pkCSM网络服务器进行计算机模拟ADMET分析，并运用Petra、Osiris和Molinspiration（POM）理论进行药效团分析和药物相似性评价。

三、研究结果

3.1 数据收集与数据集准备

研究人员使用33个选定化合物的实验抗癌活性数据及其对应描述符值开发QSAR模型，数据集随机分为27个化合物的训练集和6个化合物的测试集，通过迭代MLR分析保留统计显著的描述符并消除贡献最小的变量。

3.2 MLR方法

MLR方法因简单、易于解释且结果可重现而常用于QSAR研究。最终QSAR模型方程为：pIC₅₀ = 1.67403 ? 0.04656×(Bend) + 2.38681×(Stretch-Bend) + 0.19034×(1,4 VDW) + 0.10543×(NHA) + 2631×(TC) ? 76125×(TVC)。模型训练集R² = 0.741，调整后R² = 0.663，RMSE = 0.144。系数归一化图显示TC和1,4 VDW是模型中最具影响力的两个描述符。

3.3 外部验证

根据Golbraikh和Tropsha建立的标准进行外部验证。测试集R² = 0.726，r₀² = 0.65，r’₀² = 0.74，|r₀² ? r’₀²| = 0.09（小于0.3），k = 1.000，k′ = 0.999（均在0.85–1.15范围内）。外部验证标准均得到满意满足，表明所开发的QSAR模型在所用验证方法中表现一致。

3.4 Y随机化

原始QSAR模型表现出较强的统计性能，R² = 0.8739，Q²_LOO = 0.7736。相比之下，响应变量随机置换导致模型性能大幅下降，随机化模型平均R² = 0.1871，平均Q²_LOO = ?0.3801。结果表明模型统计性能不太可能源于偶然相关，支持其稳健性和可靠性。

3.5 多重共线性分析

六个选定描述符的VIF值范围为1.98至5.12。Bend、Stretch-Bend、1,4 VDW、NHA和TVC的VIF值低于5，TC的VIF值为5.12，略高于5但远低于严重多重共线性的常用阈值10。这表明所选描述符提供互补信息，模型不受严重多重共线性影响。

3.6 新化合物设计

基于QSAR模型识别的构效关系，研究人员设计了10个新化合物（Pred 1至Pred 10）。其中Pred 9和Pred 10显示出最高的预测pIC₅₀值（分别为6.046和6.306），被优先用于补充的计算机模拟分析。基于文献报道的合成方法，研究人员为这些化合物提出了假设性合成路线，但该路线尚未经过实验验证。

3.7 口服生物利用度和ADMET性质预测

Pred 9和Pred 10在口服生物利用度雷达图中均预测落在所评价理化性质的最优范围内，提示可能具有有利的口服生物利用度特征。Pred 9和Pred 10的预测水溶性logS值分别为?3.472和?3.139，高于M31的?4.688，提示相对更高的预测水溶性。三个化合物的预测人体肠道吸收率均超过82%。Pred 9和Pred 10均预测无AMES毒性。

3.8 分子对接研究

Pred 9和Pred 10与MEK1的预测结合能分别为?10.27和?10.49 kcal mol^-1，提示与MEK1结合位点可能存在有利相互作用。重新对接验证中，共结晶配体重新对接后的预测对接分数为?8.4 kcal mol^-1，与实验晶体构象叠加的RMSD值为0.90 ?，低于2.0 ?的常用接受阈值，支持所用对接方案能够重现实验观察到的结合模式。

3.9 分子动力学模拟结果

在100 ns MD模拟中，Pred 9–3EQG和Pred 10–3EQG复合物的回转半径（Rg）值主要波动于5.3至5.6 ?之间。Pred 9复合物中大多数蛋白残基的RMSF值低于约2.5 ?，个别残基最高约5.4 ?；Pred 10复合物中大多数残基RMSF值低于约2.0 ?，局部区域最高约3.4 ?。蛋白–配体接触分析显示两个复合物均存在显著的氢键、疏水和水桥相互作用。

3.10 POM分析

POM分析在Pred 9和Pred 10中识别出与抗肿瘤活性潜在相关的药效团特征（O^δ–、NH^δ+）。Osiris预测显示两个化合物均无预测致癌性和生殖毒性风险，但提示可能存在致突变性和刺激性风险。Pred 9和Pred 10的药物相似性（DL）值分别为0.21和0.50，药物评分（DS）分别为0.12和0.15。Molinspiration计算显示两个化合物均无Lipinski五规则违背（Nviolations = 0），miLogP值分别为3.99和3.06，TPSA分别为81.59 ?²和101.82 ?²。

四、讨论与结论

讨论部分指出，所开发的MLR-QSAR模型将生物活性与六个描述符相关联，其中TC和1,4 VDW是最具影响力的描述符。外部验证标准得到满意满足，表明模型在化学空间内对结构相关化合物具有预测潜力，但鉴于数据集规模相对有限，预测结果需谨慎解读并需更多实验数据进一步验证。实验与预测pIC₅₀值的图形比较显示大多数数据点接近理想线，但部分化合物存在明显偏差，可能反映数据集的多样性或所选描述符未完全捕获的分子特征。

Y随机化测试和多重共线性分析进一步支持了模型的稳健性和可解释性。新设计的化合物中，大多数预测活性高于初始系列中活性最高的分子（pIC₅₀ = 5.0410）。Pred 9和Pred 10的预测活性值由QSAR方程生成，属于预测值而非实验测定值，同样，分子对接、MD模拟和ADMET结果均为计算预测，需要实验验证。

研究结论为：通过QSAR建模、分子对接、MD模拟、POM分析和计算机模拟ADMET预测的综合计算策略，Pred 9和Pred 10被优先作为有前景的候选化合物，其预测的有利药代动力学性质和与MEK1的潜在有利相互作用支持将其纳入未来实验合成和生物学评价的考虑范围。然而，这些化合物尚未被合成或经过实验评价，其合成可行性和生物活性仍有待实验确认。