基于结构导向的亚纳摩尔级登革病毒NS4B抑制剂设计
《Journal of Chemical Information and Modeling》:Structure-Guided Design of a Subnanomolar Dengue Virus NS4B Inhibitor
【字体:
大
中
小
】
时间:2026年10月16日
来源:Journal of Chemical Information and Modeling 6.4
编辑推荐:
在浏览器中打开图形查看器
摘要
登革热病毒非结构蛋白4B(NS4B)是病毒复制的关键调控因子,但其结构仍未被解析,限制了药物研发。在此,我们结合分子建模、基于配体的设计与实验验证,实现了对NS4B的结构导向抑制。我们对全部四种血清型的比较模型揭示了保守的跨膜结合口袋,与耐
在浏览器中打开图形查看器
摘要
登革热病毒非结构蛋白4B(NS4B)是病毒复制的关键调控因子,但其结构仍未被解析,限制了药物研发。在此,我们结合分子建模、基于配体的设计与实验验证,实现了对NS4B的结构导向抑制。我们对全部四种血清型的比较模型揭示了保守的跨膜结合口袋,与耐药突变一致。JNJ系列抑制剂的对接结果阐明了关键的相互作用特征,据此构建了预测性场基三维定量构效关系(3D-QSAR)模型(R = 0.91,Q = 0.89)。对生物电子等排体和院内化合物的前瞻性筛选鉴定出BNJ-495作为候选广谱抑制剂,预测其对全部四种登革热血清型均有活性。实验验证确认其对登革热病毒第2型具有强效活性(IC50 = 0.17 nM),且选择性指数很高(约37,000)。各血清型间保守的结合相互作用支持其广谱潜力。本研究为靶向结构难以解析的病毒膜蛋白建立了一套通用框架。
引言
登革热病毒是一种正义(+)单链RNA黄病毒,通过雌性伊蚊叮咬传播。(1,2)据估计,全球每年约有4亿例DENV感染,平均有50万人因重症和致命性疾病需要住院。此外,25亿人生活在登革热高风险区域,部分地区病死率超过5–20%。(3–5)因此,登革热感染被视为全球严重的公共卫生风险(世界卫生组织,2012年)。(6)临床表现从轻微的登革热(DF)到致命的症状,包括登革出血热(DHF)和登革休克综合征(DSS)。(7)感染登革热后产生的抗体仅对同一种登革热血清型具有免疫力。(5,8)一些临床研究表明,感染异源血清型会增加登革热致命症状的风险。(9)
登革热病毒有四种血清型:DENV-1、DENV-2、DENV-3和DENV-4。每种血清型在世界各地均有流行,可导致各种类型的疾病。登革病毒基因组是长度约为11,000个碱基对的单链RNA。当病毒复制开始,开放阅读框被翻译为多聚蛋白,随后被病毒和细胞蛋白酶切割为七种非结构蛋白(NS1、NS2A、NS2B、NS3、NS4A、NS4B和NS5)和三种结构蛋白(核衣壳C壳、prM/M前膜/膜以及包膜糖蛋白E;图1A)。(8)这些蛋白对病毒的生命周期至关重要。在非结构蛋白中,NS4B在病毒复制中起着不可或缺的作用。结构上,NS4B是一种小的跨膜蛋白。尽管已进行了广泛的生物化学和生物物理学研究,但仍未有NS4B的高分辨结构被报道。因此,我们对NS4B的认识来自拓扑图谱绘制和间接的生物物理表征,而非明确的三维结构。(10,11)尽管缺乏酶活性,但它作为病毒复制复合物的结构性和组织性枢纽发挥作用。通过与其他非结构蛋白相互作用,特别是NS3、NS4A以及NS2B/NS3蛋白酶-解旋酶复合体,NS4B有助于建立容纳病毒RNA合成的特化囊泡结构。这些膜结合复制细胞器在其缺失时无法有效形成,凸显了NS4B在塑造和维持高效基因组复制所需的胞内环境中的关键作用。(10)
图1 放大查看 下载至幻灯片 图1.(A)登革病毒基因组组织的示意图。多聚蛋白编码结构蛋白(C、prM、E;红色)和非结构蛋白(NS1–NS5;蓝色),并标明其主要生物学功能。(B)四种血清型NS4B蛋白的序列比对。保守残基以绿色高亮,结合位点残基以红色加粗方框高亮。(C)DENV-2 NS4B的推测结构拓扑图。特定突变,如V91A和L94F,以红色三角标示。(D)AlphaFold预测的DENV-2 NS4B三维结构。模型按预测的局部距离差异检验(pLDDT)得分进行配色,以表示置信度水平。虚线表示膜的边界。
图1 放大查看 下载至幻灯片 图1.(A)登革病毒基因组组织的示意图。多聚蛋白编码结构蛋白(C、prM、E;红色)和非结构蛋白(NS1–NS5;蓝色),并标明其主要生物学功能。(B)四种血清型NS4B蛋白的序列比对。保守残基以绿色高亮,结合位点残基以红色加粗方框高亮。(C)DENV-2 NS4B的推测结构拓扑图。特定突变,如V91A和L94F,以红色三角标示。(D)AlphaFold预测的DENV-2 NS4B三维结构。模型按预测的局部距离差异检验(pLDDT)得分进行配色,以表示置信度水平。虚线表示膜的边界。关闭图1。
NS4B的重要性超越了其支架功能。它还与NS3相互作用,充当复制机器的调控组分。(12)此外,NS4B显著增强了NS3解旋酶的DNA解旋活性。(13–15)NS4B不仅以成熟形式存在,还作为NS4A-2K-NS4B前体的一部分,该前体是一种与复制细胞器生物发生最初步骤功能相关的中间体。阻断该中间体的活性或加工会中断病毒RNA复制的起始。(16)此外,NS4B蛋白已知可特异性破坏STAT1磷酸化,从而介导对宿主天然免疫反应的拮抗。(17)近年来的登革热抗病毒抑制剂开发工作已确定跨膜蛋白NS4B因其功能而成为一个极具吸引力的候选靶点。(18)
在药物开发中,疫苗一直难以对所有四种登革热血清型产生均衡的免疫应答。一种减毒登革热疫苗CYD-TDV,即Dengvaxia,已在20个国家获批,但仅在严格条件下使用,且仅可接种于此前感染过登革热的个体。(19,20)尽管已报道了众多可抑制DENV的小分子化合物,但尚无任何一种获批用于治疗登革热。(21,22)不过,少数化合物已成功进入临床试验阶段。(23)尽管其抑制机制尚未完全阐明,实验结果表明其对全部四种血清型均以纳摩尔级亲和力结合NS4B。(24)一种在临床试验中未显示任何安全性问题的化合物是JNJ-1802。(25)已证实JNJ-1802和NITD-688(图S1)通过阻断DENV非结构蛋白NS3与NS4B之间的相互作用而抑制病毒增殖。(24,26)尽管JNJ-1802表现出最高的效力,但该项目因公司内部决定而终止(JNJ.com,2024年)。另一种化合物JNJ-A07(图S1)选择性地结合NS4B或其前体,并阻断NS4A-2K-NS4B与NS2B/NS3蛋白酶-解旋酶复合体之间的相互作用。(16)
由于缺乏高分辨率结构信息,迄今为止报道的所有NS4B抑制剂都依赖于基于配体的方法,而非真正的结构导向方法。虽然基于配体的发现方法已产生了强效化合物,但结构洞察的缺失限制了我们对结合相互作用进行优化、理解耐药突变以及设计覆盖所有登革热血清型的广谱抑制剂的能力。在本研究中,我们建模了NS4B蛋白结构,并报道了新型高效力NS4B抑制剂。我们利用JNJ系列化合物与NS4B的结合姿态,从JNJ抑制剂库构建了一个三维定量构效关系(3D-QSAR)模型,随后用于预测新配体的活性并筛选额外候选物。这种基于结构的优化方法使我们能够鉴定出界定NS4B结合位点的关键残基,并挑选出最有前景的抑制剂。通过这种结构与计算相结合的工作流,本研究提供了一种有理化的NS4B抑制剂结构导向发现综合方法。
方法
基于场的三维定量构效关系(Field-Based 3D-QSAR)
数据准备
从先前发表的研究中获取了21个JNJ化合物在四种DENV血清型上的已报道抗病毒EC50值。(25)以μM报告的EC50值被转换为负对数(pEC50)值,以确保用于预测建模的数据分布规范化,使用的公式如下:pEC50 = ?log10(EC50)
化合物的SMILES编码被压缩为SDF文件,以便上传并在ICM-Pro软件v3.9-1b(www.molsoft.com)中生成三维结构。
分子对接
全部四种DENV血清型间氨基酸序列的保守性介于76%至82%之间,凸显了其作为登革热泛血清型靶点的重要性(图1B)。(23)在缺乏任何实验结构的情况下,NS4B蛋白使用AlphaFold 3建模(1型NS4B蛋白株Nauru/West Pac/1974(UniProt ID: P17763),2型NS4B蛋白株16681-PDK53(UniProt ID: P29991),3型NS4B蛋白株Philippines/H87/1956(UniProt ID: P27915),以及4型NS4B蛋白株Philippines/H241/1956(UniProt ID: Q58HT7))。对接采用MolSoft ICM-Pro(版本3.9-1b)的随机全局优化算法进行。(27)使用PocketFinder功能搜索结合口袋。所选结合位点对应于DENV-2中包含残基V91、L94和T108的区域。这些残基的替换已被证明会降低JNJ-1802的效力。(25)此信息被用于构建一个30 ?3的网格,涵盖上述残基以及已鉴定的结合位点。(28)对接过程中配体被处理为完全柔性,而受体保持刚性。随后进行了多次对接运行以对接所有JNJ配体。生成了50个替代构象以探索潜在的结合姿态并评估分数。最终用于分子对齐的姿态是依据对接分数、与实验鉴定的耐药相关残基(V91、L94和T108)的一致性,以及JNJ抑制剂系列间的相似性进行选择。共识取向随后被选为模板,用于院内配体(包括生物电子等排体和BNJ配体)的进一步对接。
分子对齐
在构建三维定量构效关系模型之前,使用ICM-Pro软件对21个JNJ配体(图S1)进行了分子对齐。配体依据分子结构(如核心残基:苯基核心、苯胺核心和吲哚核心)以及物理化学性质(如静电、疏水性、氢键受体HBA、氢键供体HBD和芳香环相互作用场势)进行叠合。建模过程中明确考虑了立体化学。JNJ-1802被报道为S-对映体,该构型在对接和对齐过程中被用作参考立体化学。相同的S-构型被赋予JNJ、BIS和BNJ化合物系列中相应的立体中心,以确保分子对齐和三维定量构效关系模型构建的一致性。对接过程的目的是在同系系列中生成一致的结合作用取向,用于后续的三维定量构效关系分析,而非确立一个经实验验证的、立体化学解析的结合模式。
三维定量构效关系模型
使用Schr?dinger Maestro(Schr?dinger Release 2024-4)构建了一个三维定量构效关系(3D-QSAR)模型。该模型用于在配体的结构属性与其观察到的抗病毒活性(EC50)之间建立具有统计学显著性的相关性。我们关注EC50(半数有效浓度),即引发50%响应所需的化合物浓度,在本例中为将抗病毒活性降低50%所需的浓度。(29)JNJ数据集被用于采用偏最小二乘法(PLS)回归分析开发三维定量构效关系模型。为使用基于场的QSAR工具构建三维定量构效关系模型,选择了扩展高斯势函数,其包含空间位阻、静电、疏水性、HBA、HBD和芳香环相互作用场势。最大PLS因子被设为3,以避免过拟合模型。随机训练集被设为70%。网格间距被设为1.0 ?。力场值被设为忽略任何训练集原子2.0 ?范围内的力场。截断的位阻和静电力场保持其默认值30.0 kcal/mol。标准差小于0.01的变量被剔除。用于交叉验证时被留出的配体数目设为1(留一法)。每个PLS因子的模型使用内部和外部验证参数进行评估,并依据统计稳健性选取最佳三维定量构效关系模型。(30)该方案被应用于所有DENV血清型的NS4B蛋白。随后,基于场基三维定量构效关系的预测功能被用于预测类似物和院内配体的活性。配体依据其预测的抗病毒活性进行排序。
生物电子等排体生成
为增加先导化合物的化学多样性并改善其物理化学性质,鉴定了参考配体的生物电子等排体。JNJ-24(JNJ-1802)被选为参考配体。
生物等值性替换的重点集中在苯胺和吲哚部分的侧链上,因为苯酚顶端的对位改变极大地降低了化合物的效力。(25) 在此过程中,SwissBioisostere 数据库(http://www.swissbioisostere.ch)(31) 被用于替换参考配体中的现有结构单元,从而维持或提高对 DENV NS4B 的预期生物活性。该数据库专门用于识别原子替换或官能团组合,利用从 ChEMBL 数据库中挖掘的生物学活性信息以及检测匹配的分子对。类似物的创建包括探索替代的基团或支架,以优化化合物的活性、改善药代动力学(ADME)特性或降低毒性。(31) 研究中还纳入了四种内部化合物 BNJ-278、BNJ-390、BNJ-391 和 BNJ-495 进行对比。分子筛选
随后使用 ADMETlab 3.0 对生物等值物数据集进行了 ADMET 性质筛选。采用 Lipinski 规则来筛选可能具有良好口服吸收和渗透性的化合物。(32) 通过 Lipinski 规则的化合物由四个基本参数表征:分子量(MW)不超过 500 Da,log P 值不超过 5,氢键受体(HBA)最多 10 个,氢键供体(HBD)最多 5 个。满足至少 3 项标准的化合物记为 0 分。辉瑞 3/75 规则基于两个要求:拓扑极性表面积(TPSA)小于 75,log P 值大于 3。(33, 34) 满足辉瑞标准的化合物记为 0 分,表示其具有高度非毒性。相反,未满足这两个要求的化合物被记为 1 分,表明这些化合物可能具有较高的毒性。(33) 满足所选 Lipinski 和辉瑞 3/75 标准的化合物优先用于后续的 3D-QSAR 预测,而未通过这些筛选的化合物则被降级处理。利用 3D-QSAR 模型,我们预测了化合物对各型 NS4B 蛋白的活性,随后根据预测活性对化合物进行排序。通过 IPK 实验进行实验评估
材料和试剂
实验中使用的均为登革热病毒血清型 2(DENV-2;BR DEN2 01-01 株,GenBank 登录号 JX073928)。Huh7.5 细胞的获取方法如前所述。(35) 抗病毒化合物瑞德西韦(MCE,HY-104077)和利巴韦林(MP Biomedicals,219606650)用作参考对照。使用在 D1-4G2-4-15 杂交瘤细胞系中产生的抗黄病毒包膜蛋白单克隆抗体 4G2(ATCC,HB-112)检测病毒感染。IPK 实验流程
使用 IPK 实验对 3D-QSAR 的预测进行了验证。感染前 1 天将 Huh7.5 细胞接种至 384 孔板中。每种测试化合物生成二十点剂量-反应曲线。使用 HummingWell 液体处理系统将化合物(每孔 0.25 μL)转移至已接种细胞的孔板中。随后以感染复数(MOI)为 2 感染 DENV-2(BR DEN2 01-01:GenBank JX073928)。感染后 48 小时(hpi),用多聚甲醛(PFA)固定细胞。通过免疫荧光染色标记病毒 4G2 包蛋白和宿主细胞核,以评估细胞数量和活力。使用 Operetta CLS 高内涵成像系统(PerkinElmer)采集图像,并使用 Columbus 软件(PerkinElmer)进行定量分析,以确定病毒感染抑制情况和细胞活力。通过将数据拟合为 S 形剂量-反应曲线并使用 XLfit 计算半数抑制浓度(IC50)值。结果与讨论
分子对接与对齐
分子对接
四种 NS4B 血清型的序列相似度在 76% 至 82% 之间(图 1B)。跨膜区域(TM)显示出高度保守性,而胞外环区域则表现出变异性。NS4B 的三维晶体结构目前在蛋白质数据银行中尚不可用,这可能是由于其动态性、高度疏水性和膜结合性质所致。因此,NS4B 蛋白的结构通过使用 AlphaFold 3 生成(图 1C/D)。(36) AlphaFold 3 模型使用预测模板建模(pTM)分数来报告整个结构的准确性。血清型 1、2、3 和 4 的 NS4B 模型的 pTM 分数分别为 0.79、0.79、0.78 和 0.81。基于 pTM 分数大于 0.5 的标准,这些模型被认为可靠,表明所预测的复合物整体折叠可能与真实结构相似。(37) AlphaFold 使用的另一个评分函数是 pLDDT(预测局部距离差异检验)。(38) 它是一个逐残基评分,表明模型对每个氨基酸预测局部环境的置信度,重点关注原子间的局部距离。(37) 所有模型的整体结构均呈现高置信度,因为整个结构的平均 pLDDT 为 80(图 1D/S4)。然而,由于环区具有动态性,其被标记为低置信度。最后,预测对齐误差(PAE)矩阵代表了结构预期中两个标记之间相对方向和位置的估计不准确性。较大的值意味着更大的投影误差,因此置信度较低。(36) 所有血清型的整体结构均显示为中等 PAE 值(图 S4)。使用 Ramachandran 图评估主链二面角(Phi (φ) 和 Psi (ψ))的立体化学质量。在所有 NS4B 血清型的模型中,大多数残基落在有利区(红色)、额外允许区(黄色)和宽泛允许区。没有残基落在异常值区(白色),表明具有适当的立体化学几何构型。单个残基构象显示为黑点(图 S4)。为了在实验上验证 JNJ-1802 与 DENV NS4B 蛋白之间的相互作用,Goethals 等人以前体形式表达了 C 端血凝素(HA)亲和力标签的 NS4A-2K-NS4B 前体,包括野生型(WT)形式或带有 V91A、L94F 或 T108I 突变的变异形式。(28) 此前在 DENV-2 中报道的突变研究指出,V91A、L94F 和 T108I 突变会减少对 JNJ-1802 的敏感性并损害 NS3–NS4B 相互作用的破坏。(28) 这些发现表明这些残基有助于抑制剂结合区域,因此被用于指导推测结合口袋的鉴定。基于这一观察以及为了进一步阐明配体识别的结构基础,我们将 JNJ-1802 对接到 DENV-2 NS4B 的预测结合口袋中。对接分析显示,该化合物占据由 NS4B 周围跨膜螺旋形成的深杯形空腔(图 2)。结合位点由 27 个氨基酸残基组成:W38、T39、Y41、A42、V43、T45、T46、T49、P50、D88、G90、V91、L93、L94、A95、E165、K166、Q170、H177、P209、T216、S220、G234、F237、S238、K241 和 N242(图 2)。图 2 放大查看 | 下载幻灯片 图 2.(A) DENV-2 NS4B 推测的配体结合位点位于跨膜螺旋之间。V91 和 L94 的位置以红色球体标记。(B) 结合位点的放大侧视图。蛋白质以分子表面表示。(C) 推测的结合口袋由 27 个残基组成。配体以表面表示。所有四种 DENV 血清型的残基已叠加并展示。V91 和 L94 的位置以红色标注。(D) 所有 JNJ 系列化合物对接到 DENV-2 NS4B 中的结合构象。(E) 源自 JNJ-1802 的参考配体化学结构,突出显示了关键的生物等值区域。吲哚部分以蓝色轮廓线标注,苯胺部分以红色圆圈标注。(F) 所有 JNJ 配体的结构对齐。图 2 放大查看 | 下载幻灯片 图 2.(A) DENV-2 NS4B 推测的配体结合位点位于跨膜螺旋之间。V91 和 L94 的位置以红色球体标记。(B) 结合位点的放大侧视图。蛋白质以分子表面表示。(C) 推测的结合口袋由 27 个残基组成。配体以表面表示。所有四种 DENV 血清型的残基已叠加并展示。V91 和 L94 的位置以红色标注。(D) 所有 JNJ 系列化合物对接到 DENV-2 NS4B 中的结合构象。(E) 源自 JNJ-1802 的参考配体化学结构,突出显示了关键的生物等值区域。吲哚部分以蓝色轮廓线标注,苯胺部分以红色圆圈标注。(F) 所有 JNJ 配体的结构对齐。关闭图 2。对配体-蛋白相互作用的详细检查突出了多个支架特异性接触。在苯基部分中,氯取代基与 A42、V43、V91 和 L94 形成疏水相互作用,而芳香苯基核心则参与与 A42、V91 和 L94 的稳定 π-烷基相互作用。在苯胺区域,砜官能团与残基 T45 和 T46 形成弱的碳-氢相互作用。在分子的吲哚侧,三氟甲氧基与 D88 形成卤键,与 N242 形成氢键,并额外与 S238 和 K241 形成疏水接触。此外,吡咯环的 NH 基团与 T216 贡献了一个氢键(图 2)。需要注意的是,JNJ 系列先前的构效关系研究强调了间甲氧基取代基对抗病毒效力的重要性。在选定的对接构象中,该基团位于结合口袋入口附近,可能通过空间和疏水互补性作出贡献。甲磺酸酯基团延伸至空腔中更极性的区域,可能部分可被溶剂接触。在缺乏实验确定的结构信息的情况下,不能排除配体的其他取向。因此,所提出的结合模式应被视为一种基于结构的假设,与当前可用的突变和 SAR 数据一致。JNJ-1802 的预测结合构象与已发表的突变研究一致,这些研究表明残基 V91 和 L94 与抑制剂的敏感性和耐药性有关。比较序列分析(图 1B)和结构分析(图 2)进一步表明,该结合口袋在所有四种 DENV 血清型中高度保守,残基几乎完全保守。唯一的例外是第 237 位,在 DENV-3 中由亮氨酸而非苯丙氨酸占据,这表明 JNJ-1802 在各血清型中具有广泛保守的结合模式。分子对齐
为了确定一种通用且可靠的结合模式,将数据集中的所有抑制剂同时对接到生成的 NS4B 结构中。分析所得构象以确定最常出现且预测最佳的结合取向。选择与参考配体 JNJ-1802 吻合良好且与关键残基 V91 和 L94 形成相互作用的共识构象,并用作所有生成化合物一致对齐的参考(图 2)。数据集对齐是开发具有高度预测准确性的 3D-QSAR 模型的关键因素。(29) 分子对接方法可以对齐并生成合适的抑制剂构象,从而产生统计质量与手动对齐相当的 3D-QSAR 模型。此外,基于对接的对齐模型通过阐明抑制剂与活性位点内氨基酸之间的相互作用,增强了新抑制剂的設計。(39)
3D-QSAR 模型
将 JNJ 数据集分为训练集(15 个配体)和测试集(6 个配体)。使用基于场的方法构建 3D-QSAR 模型,将相互作用能场与对齐化合物的生物学活性相关联。(40) 基于场的 QSAR 方法采用比较分子相似性指数分析(CoMSIA)方法,利用特定参数。(41) 对于 CoMSIA 类模型,场类型为高斯型(Schr?dinger, Inc., 2022)。CoMSIA 使用高斯型距离依赖函数评估五种具有不同理化特征的场(空间、静电、疏水、氢键供体和受体),避免了原子位置的奇异性。(42) 使用增强绿色荧光蛋白(eGFP)感染细胞和逆转录聚合酶链反应(RT-PCR)检测,确定了 JNJ 化合物对登革热病毒血清型 2(DENV-2)NS2B 的实验活性,以 pEC50(EC50 的负对数)表示。(25) 选择来自 RT-PCR 的实验活性数据用于模型构建,因为该基因型抗病毒检测适用于所有 DENV NS4B 血清型,使得能够比较不同蛋白类型的预测活性并识别最有效的抗病毒化合物。在对齐数据集构建和 3D-QSAR 模型建立后,使用偏最小二乘法(PLS)回归分析来优化模型,最多考虑三个 PLS 因子。
具体而言,选用扩展高斯型势作为分子场类型,产生了三个模型,分别纳入了疏水场、位阻场、静电场、氢键受体(HBA)、氢键供体(HBD)和芳香环场。对每种场,计算了数据集中预测的活性值。最优模型的选定基于统计稳健性(表1)(43)。
表1. JNJ配体与不同类型DENV NS4B复合物基于场的3D QSAR统计模型
| DENV类型 | SDR2 | R2 | CV | R2scramble | 稳定性 | F | P | RMSE | Q2 | Pearson-r |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 0.2606 | 0.9188 | 0.3963 | 0.7394 | 0.5854 | 1.5 | 2.74 × 10?? | 0.25 | 0.8927 | 0.9822 |
| 2 | 0.2343 | 0.9138 | 0.6436 | 0.6148 | 0.8373 | 8.9 | 3.79 × 10?? | 0.23 | 0.8905 | 0.9528 |
| 3 | 0.242 | 0.9043 | 0.6625 | 0.5444 | 0.8393 | 4.6 | 6.74 × 10?? | 0.26 | 0.8811 | 0.9537 |
| 4 | 0.1301 | 0.9678 | 0.3357 | 0.7144 | 0.4311 | 10.3 | 1.72 × 10?? | 0.16 | 0.9228 | 0.9653 |
对于DENV-2 NS4B蛋白,最佳模型的PLS因子确定为3。决定系数R2为0.9138,表明模型可解释观测活性变异的91%。交叉验证R2采用N-out策略计算,得到的R2CV为0.6436。R2scramble是利用打乱活性计算的平均值,结果为0.6148(表1)。使用多个以打乱活性构建的模型来计算该参数。较高的值表明变量集可能相当完整,模型能容纳广泛的数据范围,但较低的值则表明模型无法拟合随机数据(44)。
用于训练集组成变化预测的模型统计量为0.837。描述符F提供了模型与实测活性的方差比。由于活性方差分布在n–m–1个自由度上(n为配体数,m为PLS因子数),而模型方差是针对分散数据在m个自由度上计算的,因此得到的值为38.9。F值越大,回归越显著(43)。Pearson(P)描述符的值为3.79 × 10??,其中P描述符被处理为卡方分布的比值。P值越小,置信度越高(43)。外部验证指标显示RMSE为0.23,Q2为0.8905,Pearson r为0.9528,表明该模型良好且能够预测未参与模型构建过程的BNJ化合物和生物电子等排体的抗病毒活性(表1)(30)。
所示散点图展示了训练集和测试集中实验值与预测pEC50值之间的相关性(图3)。因此,所有呈现的数据均表明基于场的3D-QSAR模型具有良好的稳定性和高度统计学显著性。本研究的一个局限性是训练集规模相对较小且化学多样性有限。这反映了JNJ抑制剂系列中实验表征化合物的可用性。因此,所开发的模型预计在该骨架系列所代表的化学空间内最为可靠,不应未经进一步验证外推至高度不相似的化学类型。
图3. DENV-2复合物实验活性与预测活性的相关性。(A) 3D-QSAR训练集突出了实验活性与训练阶段所用化合物的模型预测活性之间的相关性。(B) 3D-QSAR测试集展示了使用独立的化合物测试集进行模型外部验证,以确保其对新颖结构的预测可靠性。
## 生物电子等排体的生成
为了探索替代性分子设计并鉴定预测活性改善的配体,生成了JNJ-1802的生物电子等排类似物。JNJ-1802的两个关键官能基团——吲哚和苯胺核心(图2)——被提交给SwissBioisosteres和ICM(MolSoft ICM 3.9-1b)以鉴定合适的生物电子等排替换基团。ICM建议在苯胺核心上有347个可替换侧链和在吲哚核心上有27个可替换基团。SwissBioisosteres在两个核心上共生成了约500个替换选项。所提议的替换在结构上与JNJ骨架的兼容性方面存在显著差异。ICM生成的374个生物电子等排替换与SwissBioisostere数据库中获得的替换建议存在大量重叠。在此背景下,"共识"指的是两种方法独立鉴定出的生物电子等排转变。SwissBioisostere建议的一些替换选项因其引入了不利的理化特征、过度的分子复杂性或被认为与既定JNJ骨架不相容的修饰而被排除。因此,共选择374个共识类似物进行进一步分析(支持信息表1)。化合物之间观测到的预测活性差异暗示结合相互作用是效力的主导决定因素,因此理化性质未考虑在QSAR模型的开发中。
## 分子筛选
在首次ADMET性质筛选中,仅有69个化合物同时通过了Lipinski规则和Pfizer 3/75规则(33)。完成首次筛选后,使用Schr?dinger Maestro中实现的预测功能估计了JNJ-1802类似配体的预测活性。该软件通过将新未表征的配体插入预存3D网格并确定其场值来预测其生物活性。所有配体的预测活性列于支持信息2中。结合ADMET性质和预测活性,有2个化合物显示出有前景的潜力。BIS-222(表2)在苯胺核心上具有取代的3-羟基吡咯烷-2-酮,对血清型2 NS4B表现出最高的潜在活性,估计pEC50为4.277(图4)。在自研配体中,BNJ-495——苯胺核心上具有取代膦酸酯基——被预测具有抗病毒活性,pEC50为4.230。然而,当考虑所有血清型NS4B时,BIS-222在血清型1(预测活性为3.684)和血清型2上均占主导地位。然而,其对血清型3和4的效力显著降低,pEC50分别为1.88和1.538。另一方面,BNJ-495对DENV-1、DENV-2、DENV-3和DENV-4的预测活性分别为3.511、4.230、2.596和1.895。与BIS-222类似,BIS-47和BIS-161在预测pEC50值上也表现出显著的基于血清型的变异。虽然BIS-47对DENV-3显示出最高的预测活性,BIS-161对DENV-4显示出最高的预测活性,但这两种化合物对其余血清型的预测活性均显著降低。具体而言,BIS-47对2型和4型NS4B的pEC50显著下降,而BIS-161对血清型1、2和3的预测活性有所降低(支持信息2)。基于此预测,BNJ-495被鉴定为最有效的泛血清型NS4B抑制剂。
图4. 配体的分子对接。(A) JNJ-1802(青色)、BNJ-495(粉色)和BIS-222(绿色)结合NS4B血清型2结合口袋的拓扑视图。蛋白质表面以静电势图渲染(蓝色:正电荷,红色:负电荷,绿色:疏水)。重叠的配体和周围残基(黄色)以棒状显示。(B) 结合口袋体积的网格表示,展示了配体相对于周围残基侧链(黄色)的空间占据和位阻适配。(C) JNJ-1802(青色)、BNJ-495(粉色)和BIS-222(绿色)的复合叠加图,突出显示了保守的对接取向和关键残基相互作用。单独的结合构象为(D) JNJ-1802、(E) BNJ-495和(F) BIS-222。
表2. JNJ-1802类似物(BIS)和自研配体(BNJ)对所有四种DENV NS4B血清型的预测活性
## 实验验证
使用IPK基于免疫荧光的病毒检测系统,对BNJ化合物在重复实验中对登革病毒血清型2的抗病毒活性进行了评估。瑞德西韦(Remdesivir)作为阳性对照加入每个检测板上,以确保检测质量并评估IC50的可重复性和抗病毒活性。四个BNJ化合物以10 mM浓度(各100 μL)的液态形式提供。化合物在20点、2倍倍比稀释量效曲线中测试,起始浓度为50 μM,所有浓度均进行重复测定。在测试的四种自研BNJ化合物中,BNJ-495在IPK免疫荧光检测中对登革病毒血清型2表现出最显著的抗病毒活性。BNJ-495表现出极高的效力,IC50为0.00017 μM,表明在低纳摩尔浓度下即可强烈抑制病毒感染(表3)。量效曲线表现出陡峭的Hill斜率(4.33),与在狭窄浓度范围内锐利而稳健的抗病毒效果一致(图5)。细胞毒性分析显示CC50为6.11 μM,从而得出约37,000的极高选择性指数(SI)。这些结果表明在检测条件下抗病毒功效与宿主细胞毒性之间存在明确分离。
表3. 测试的4个自研化合物的IC50和CC50值汇总
| 化合物名称 | Hill(斜率) | IC50 (μM) | IC (Y=50) | Min (%) | CC50 (μM) | CC (Y=50) | SI |
|---|---|---|---|---|---|---|---|
| BNJ-278 | 3.08 | 0.023 | 0.022 | 0.34 | 5.12 | 5.23 | 240 |
| BNJ-390 | 2.76 | 0.0011 | 0.0013 | 4.61 | aPI | 19.06 | 18279 |
| BNJ-391 | 2.37 | 0.0052 | 0.0051 | 78.12 | aPI | >50 | 9838 |
| BNJ-495 | 4.33 | 0.00017 | 0.00017 | 0.17 | 6.11 | 6.41 | 37146 |
aPI = 部分抑制
图5. BNJ抑制剂对登革病毒血清型2感染检测的影响。在广泛浓度范围内评估了四种选定化合物(BNJ-278、BNJ-390、BNJ-391和BNJ-495)的抗病毒活性和细胞毒性。量效曲线展示了病毒抑制百分比(绿色圆圈)和细胞比率(蓝色三角形),后者反映宿主细胞活力。所有化合物均观察到显著的剂量依赖性感染抑制,在高浓度下几乎完全抑制病毒复制。相应的细胞比率数据表明,在较低有效剂量下这些化合物保持了有利的安全性谱,尽管BNJ-278和BNJ-495在最高测试浓度下出现了细胞活力的显著降低。免疫荧光图像证实了定量数据(细胞核呈蓝色显示,病毒蛋白以绿色标记)。在所示的每个化合物的三个代表性浓度(0.0001 μM至0.048 μM)中,可以观察到绿色荧光信号呈现明显的浓度依赖性降低,证明了病毒在细胞环境中的有效中和。
其余化合物也显示出抗病毒活性,但与BNJ-495相比效力较低。BNJ-390和BNJ-391表现出低纳摩尔IC50值(分别为0.0011 μM和0.0052 μM),且在测试浓度范围内未达到50%细胞毒性,表明可接受的细胞耐受性(表3)。BNJ-278在所测化合物中表现出最弱的抗病毒活性,IC50为0.023 μM,CC50为5.12 μM。
QSAR模型预测的排序与实验抗病毒活性基本一致。BNJ-495被预测为公司自研系列中最具前景的广谱活性化合物,随后在DENV-2实验中也展现出最高的抗病毒效力。这些发现为该化学系列中QSAR模型的预测效用提供了初步支持。另外值得注意的是,实验评估的BNJ化合物均以外消旋混合物形式合成和测试。因此,所报告的抗病毒活性代表了对映体的贡献之和。虽然BNJ-495的高效力表明至少一种立体异构体具有理想的抗病毒活性,但各对映体的相对贡献尚不明确。未来需要采用对映体纯化合物进行研究,以确定立体化学偏好并进一步完善所提出的NS4B结合模型。
结论
总之,我们的研究目标是通过寻找可能的结合姿态并构建QSAR模型,发现与JNJ-1802抗病毒活性相当的新配体或类似化合物。在缺乏高分辨率结构的情况下,我们使用AlphaFold 3构建了NS4B蛋白的四种血清型模型,模型质量报告的置信度评分较高。将JNJ配体数据集对接到所有血清型,以识别配体的结合构象。将各配体构象对齐,以寻找共识姿态和与先前发表的突变数据一致的相互作用。为识别最有效的化合物,我们构建了JNJ-1802的生物电子等排体数据集(BIS-1至BIS-374)和公司自研化合物数据集(BNJ-278、BNJ-390、BNJ-391和BNJ-495)。使用ADMET性质对数据集进行筛选,以提高开发成功的几率。通过结构-活性关系(3D-QSAR),我们能够预测类似物的效力或活性。3D-QSAR预测活性结果表明,BNJ-495是四个公司自研配体中针对所有四种NS4B蛋白血清型效力最强的配体。对于类似物,BIS-222对DENV-1和DENV-2 NS4B的活性最强,BIS-47对DENV-3 NS4B的活性最强,BIS-161对DENV-4 NS4的活性最强。重要的是,实验验证证实了3D-QSAR模型预测的活性,进一步验证了该计算方法的有效性。虽然计算分析预测了对所有四种登革热血清型的活性,但抗病毒实验仅在DENV-2上进行,仍需进一步的实验验证来确认BNJ-495的泛血清型活性。本研究采用的综合建模、QSAR与实验结果相结合的流程,凸显了BNJ-495作为有前景的NS4B靶向抗病毒候选物的潜力,并展示了理性化结构导向方法在指导登革热抗病毒药物发现中的实用价值。
数据可用性
所有分子的相关信息均详述于论文正文及补充材料中。
生物通微信公众号
生物通新浪微博
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