将恩曲替尼和伊布替尼重定位为卵巢癌中的 MNK/eIF4E 通路调节剂

《European Journal of Pharmacology》：Repurposing Entrectinib and Ibrutinib as MNK/eIF4E Pathway Modulators in Ovarian Cancer

　　

• •
  使用机器学习无偏地筛选2,180种FDA批准的药物，伊布替尼和恩曲替尼被鉴定为潜在的MNK-1结合剂。
• •
  分子动力学模拟确认了它们通过"极性锚定与疏水外壳"机制与MNK-1稳定结合。
• •
  两种药物均降低了顺铂敏感性和顺铂耐药性卵巢癌细胞中的p-eIF4E/eIF4E比值。
• •
  eIF4E高表达水平与卵巢癌患者预后不良显著相关（HR=1.17，p=0.027）。
• •
  伊布替尼和恩曲替尼在两种细胞系中均降低了细胞活力和集落形成存活率。

引言

卵巢癌，尤其是上皮亚型，是全球女性面临的重大公共卫生挑战。尽管化疗和靶向治疗取得了进展，但由于高复发率和化疗耐药性的产生，预后仍然不理想，这影响了大约70-80%的患者。这种耐药性背后的机制是多方面的，包括DNA修复过程的增强、应激反应通路的改变、存活信号通路的激活以及影响药物转运的代谢变化1, 2。最近的研究表明，癌细胞的基因突变是化疗耐药的关键因素。此外，翻译重编程等动态机制显著促进了耐药癌细胞中关键mRNA的选择性翻译，这些mRNA对增殖、存活和侵袭等过程至关重要，尤其是在治疗应激条件下3, 4。在此过程中，eIF4E——eIF4F复合物的重要组成部分——对帽依赖性翻译起始至关重要。eIF4E优先促进具有复杂5'非翻译区（5'UTRs）的mRNA的翻译，这些mRNA通常与致癌过程相关。关键癌基因，如c-MYC、VEGF和各种cyclins的mRNA均属于此类。eIF4E表达或活性水平升高通常与多种癌症中更具侵袭性的肿瘤表型和更差的总体预后相关[5]。eIF4E的调控与mTORC1信号通路密切相关。补偿性耐药现象通常涉及MNK/eIF4E通路的激活，其特征是eIF4E在Ser209位点的磷酸化增加。位于ERK和p38 MAPK下游的MNK-1和MNK-2直接调控eIF4E磷酸化，从而将治疗诱导的应激信号与耐药通路中的翻译修饰联系起来。因此，靶向MNK激酶被强调为癌症治疗中的重要策略6, 7。因此，靶向MNK通路被提出作为一种在调节帽依赖性翻译的同时保留必需细胞功能的策略。特别是在卵巢癌中，MNK/eIF4E通路的激活与肿瘤生长和治疗耐药相关，而抑制该通路已被证明可以增强耐药细胞群对化疗的敏感性8, 9。

自2020年以来，药物化学的进展使开发通过类似于I型和II型激酶抑制剂机制起作用的MNK抑制剂成为可能[10]。然而，尽管取得了这些进展，但尚无FDA批准的药物被系统地评估为卵巢癌中的直接MNK-1抑制剂，这是一个关键未满足的需求。药物重定位提供了一种有效的药物从头发现的替代方案，通过利用现有的药代动力学和安全性数据来加速从临床前研究到临床试验的过渡。成功的重定位实例涵盖了COVID-19、肿瘤学和神经退行性疾病11, 12。结合多步计算技术——包括初始筛选、基于机器学习的优先级排序、分子对接、分子动力学验证和结合能评估——可以显著改善可行候选药物的识别13, 14。

本研究旨在利用整合计算到实验的流水线，鉴定FDA批准的药物作为卵巢癌中可重定位的MNK-1抑制剂。本研究同时使用了顺铂敏感的A2780-S和顺铂耐药的A2780-CP细胞系；选择耐药细胞系并非为了直接比较，而是因为在顺铂耐药环境下升高的MNK/eIF4E活性提供了富集的靶点抑制剂筛选模型9, 15, 16。

章节摘要

生存分析

卵巢癌患者eIF4E的总体生存数据来自Kaplan-Meier Plotter数据库（kmplot.com），使用TCGA卵巢癌数据集（n=1435），自动选择截断值[17]。记录了具有95%置信区间的风险比（HRs）和log-rank p值。

数据集筛选和预处理

生物活性数据来自ChEMBL，针对单一靶标：人MAP激酶相互作用丝氨酸/苏氨酸蛋白激酶1（MNK-1 / MKNK1；UniProt Q9BUB5）。仅保留针对该靶标注释的记录

结果

本研究的目的是通过计算筛选和分子动力学模拟鉴定MNK-1/eIF4E的调节剂，随后使用卵巢癌细胞系A2780-s（敏感）和A2780-cp（耐药）进行体外验证。主要关注点是抑制MNK-1及其相关信号通路，特别是靶向降低eIF4E磷酸化（见图2）。

讨论

本研究采用了整合计算和实验的方法，鉴定调节卵巢癌中MNK/eIF4E信号通路的FDA批准药物。该目标的临床意义得到了TCGA生存分析的支持，该分析显示eIF4E表达升高与卵巢癌患者总体生存期显著缩短相关（HR=1.17，p=0.027）。这一发现与该领域先前的研究一致[24]。

实验

作者贡献声明

Seyed Nasser Ostad：监督、资源、项目管理、资金获取。Shima Aliebrahimi：撰写——审阅与编辑、验证、资金获取。Seyed Shahriar Arab：软件、数据筛选。Abbas Kebriaeezadeh：资源。Shokoofeh Ghiam：软件、方法学、数据筛选。Sajjad Gharaghani：验证、方法学。Mohammad Hossein Ghahremani：验证、监督、方法学。Azadeh Rasouli：撰写——初稿、可视化、调查研究、形式化分析

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：Seyed Nasser Ostad报告由德黑兰医科大学提供资金支持。如果有其他作者，他们声明没有已知的竞争性财务利益或个人关系可能会影响本论文所报告的工作。

致谢

本研究与博士论文第53280号有关，由德黑兰医科大学研究副校长办公室支持，并获第662号资助，由伊朗德黑兰智能医科大学支持。

Azadeh Rasouli|Mohammad Hossein Ghahremani|Sajjad Gharaghani|Shokoofeh Ghiam|Abass Kebriaeezadeh|Seyed Shahriar Arab|Shima Aliebrahimi|Seyed Naser Ostad