机器学习引导鉴定羟基积雪草苷(Madecassoside)作为潜在RAD51调控因子增敏乳腺癌细胞对顺铂反应的研究

《Chemical Biology & Drug Design》:Machine Learning-Guided Identification of Madecassoside as a Potential RAD51 Modulator That Sensitizes Breast Cancer Cells to Cisplatin

【字体: 大 中 小 】 时间:2026年10月16日 来源:Chemical Biology & Drug Design 3.3

编辑推荐:

  同源重组(Homologous Recombination, HR)是维持细胞基因组稳定性的重要通路,主要通过修复DNA损伤,尤其是双链断裂和链间交联。RAD51重组酶在HR通路中发挥核心作用,当DNA损伤发生时,RAD51与切割位点的单链DNA结合形成螺旋核

  
同源重组(Homologous Recombination, HR)是维持细胞基因组稳定性的重要通路,主要通过修复DNA损伤,尤其是双链断裂和链间交联。RAD51重组酶在HR通路中发挥核心作用,当DNA损伤发生时,RAD51与切割位点的单链DNA结合形成螺旋核蛋白丝。因此,药理抑制RAD51正成为阻断癌细胞修复机制并最大化传统放疗和化疗疗效的一种有吸引力的策略。包括CYT-0851、B02和IBR2在内的几种RAD51小分子抑制剂已在临床前或早期临床中显示出疗效,但目前尚无候选药物获得监管批准。在本研究中,研究人员利用结合机器学习模型和分子对接模拟的计算工作流,从天然产物库中鉴定出一种新型RAD51抑制剂。在评估的五种机器学习模型中,经过基于SMOTE的类别平衡和近零方差滤波后,随机森林(Random Forest, RF)模型展现出最佳的整体预测性能,其准确率为0.933,灵敏度为0.800,特异度为1.000,Cohen's Kappa系数为0.842,ROC-AUC为0.980。利用优化后的RF模型,对1142种天然化合物进行了虚拟筛选,并通过分子对接分析最终选定了羟基积雪草苷(Madecassoside)。生物学验证表明,经羟基积雪草苷处理后,MDA-MB-231细胞对顺铂的敏感性增加,并且显著抑制了由顺铂诱导的RAD51 foci形成,从而强效抑制DNA损伤修复。这些发现表明,羟基积雪草苷是一种有前景的RAD51调控先导化合物,可能通过削弱RAD51介导的DNA修复来增强顺铂敏感性。
研究背景与目的
细胞的基因组持续受到各种外源性和内源性因素的损害,其中DNA双链断裂可能导致细胞死亡或致癌突变。细胞主要通过非同源末端连接(Non-Homologous End Joining, NHEJ)和同源重组(Homologous Recombination, HR)两种途径修复DNA。HR利用姐妹染色单体作为模板,将DNA恢复至原始序列,从而维持基因组的完整性。RAD51重组酶是真核细胞中保守的关键蛋白,在HR通路中扮演核心角色。当DNA受损时,RAD51会与断裂处的单链DNA(single-stranded DNA, ssDNA)结合,形成螺旋状核蛋白丝,进而寻找同源DNA序列并诱导链侵入,形成D-loop结构以启动完整的DNA合成与修复。大量研究表明,RAD51在多种恶性肿瘤(如乳腺癌、卵巢癌、肝癌和胰腺癌)中存在异常过表达。癌细胞利用RAD51来承受高水平的复制压力,并通过快速修复放化疗引起的DNA损伤来抵抗治疗以求存活。因此,RAD51作为阻断癌细胞生存并最大化常规治疗效果的有前景的治疗靶点而备受关注。然而,目前已开发的小分子抑制剂(如B02、RI-1、IBR2等)多因药代动力学性质不佳或选择性不足而未能进入临床阶段。为了克服这一局限,本研究旨在通过整合机器学习策略与基于结构的药物设计,来鉴定具有结构多样性和稳健功效的RAD51靶向化合物。
研究方法概述
研究人员首先从三个公共数据库(PubChem、ChEMBL和BindingDB)收集RAD51生物活性数据,经过严格的数据清洗和标准化处理,最终构建了一个包含119个化合物的数据集(39个活性化合物,80个非活性化合物)。随后,利用PaDEL-Descriptor软件计算了1304个二维(2D)分子描述符和881个PubChem指纹,共计2185个分子属性。研究人员比较了五种机器学习算法——随机森林(Random Forest, RF)、XGBoost、支持向量机(Support Vector Machine, SVM)、k近邻(k-Nearest Neighbors, KNN)和广义线性模型(Generalized Linear Model, GLM),并在四种累积预处理流程(基础、基础+SMOTE、基础+SMOTE+近零方差(NZV)滤波、基础+SMOTE+NZV+相关性滤波)下评估其性能。所有建模均在R语言环境中进行。最终,优化后的RF模型被用于对一个包含1142种独特天然产物的内部库进行虚拟筛选。排名靠前的候选化合物进一步通过分子对接(使用AutoDock Vina针对RAD51的冷冻电镜结构PDB ID: 5NP7)进行验证。最后,通过细胞活力测定、克隆形成实验和免疫荧光染色等细胞生物学实验对选定的先导化合物进行功能验证。
研究结果
  • •
    3.1 RAD51生物活性数据集的构建:通过整合三个公共数据库并应用严格的活性阈值(活性:IC50 ≤ 2000 nM;非活性:IC50 ≥ 30,000 nM),最终得到一个包含39个活性和80个非活性化合物的高度不平衡数据集。为解决此问题,研究人员采用了SMOTE过采样技术。
  • •
    3.2 机器学习模型的性能评估:在所有模型中,集成模型(RF和XGBoost)表现优于其他算法。优化后的RF模型(结合SMOTE和NZV预处理)展现出最可靠的性能,准确率达到0.933,灵敏度0.800,特异度1.000,Cohen's Kappa系数0.842,ROC-AUC高达0.980。
  • •
    3.3 基于性能稳定性的最优分类器选择:通过雷达图分析各模型在不同预处理条件下的最佳和最差表现,发现RF模型在不同条件下均保持了极其稳定的预测能力。相比之下,SVM、KNN和GLM模型对预处理方式较为敏感,性能波动较大。
  • •
    3.4 虚拟筛选与命中化合物鉴定:利用优化的RF模型从1142种天然产物中筛选出188个候选物,并从中选取10个可商业购买的化合物进行分子对接。尽管Geraniin的结合能最低(-10.4 kcal/mol),但其不同构象间的能量变异较大。而Madecassoside不仅具有较低的结合能(-8.9 kcal/mol),而且其所有预测构象的能量分布均匀,与RAD51的ATP结合口袋内的残基(如Gln135、Thr134、Ser223、Asn267和Lys284)形成了稳定的氢键网络。因此,Madecassoside被选定为最终的命中化合物进行后续细胞实验。
  • •
    3.5 Madecassoside抑制癌细胞中顺铂诱导的RAD51 foci形成:克隆形成实验表明,Madecassoside(5 μM)单独处理对MDA-MB-231乳腺癌细胞活力无显著影响,但能增强细胞对顺铂的敏感性。免疫荧光染色结果显示,顺铂处理增加了细胞核内RAD51 foci的数量,而Madecassoside预处理则显著抑制了顺铂诱导的RAD51 foci形成,同时伴随DNA损伤标志物γH2AX信号的持续存在,表明DNA修复受到了阻碍。
结论与意义
本研究的讨论部分指出,虽然RAD51是一个极具前景的治疗靶点,但其抑制剂的开发仍处于早期阶段。研究人员通过构建结合机器学习和基于结构的药物发现流程,成功鉴定了Madecassoside作为一种新的RAD51候选抑制剂。Madecassoside通过与RAD51 ATP结合口袋内的关键残基形成氢键,可能以一种不同于已知抑制剂的方式抑制ATP依赖的RAD51激活和纤维稳定化。该化合物本身无细胞毒性,但能提高乳腺癌细胞对顺铂的敏感性,并抑制顺铂诱导的RAD51 foci形成,表明其可能通过抑制RAD51介导的同源重组修复活性来损害DNA损伤应答,使癌细胞对DNA损伤因子更敏感。研究结论总结如下:本研究展示了将基于机器学习的虚拟筛选与实验验证相结合的方法,是发现新型RAD51抑制剂的有效策略。Madecassoside有望成为一个有前途的先导骨架,用于开发RAD51抑制剂和靶向DNA修复的抗癌药物。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号