《Current Issues in Molecular Biology》：Computational Identification of GABA-A Receptor Ligands Targeting the Histamine Allosteric Pocket
编辑推荐：
γ-氨基丁酸A型（GABA-A）受体是中枢神经系统中抑制性神经传递的关键调节因子，也是认知和神经系统疾病的重要靶点。组胺与位于β3–β3亚基界面的独特别构口袋相互作用，为发现新型配体提供了机会。本研究采用整合的计算工作流程，结合基于配体的相似性分析、ADMET
γ-氨基丁酸A型（GABA-A）受体是中枢神经系统中抑制性神经传递的关键调节因子，也是认知和神经系统疾病的重要靶点。组胺与位于β3–β3亚基界面的独特别构口袋相互作用，为发现新型配体提供了机会。本研究采用整合的计算工作流程，结合基于配体的相似性分析、ADMET过滤、分子对接和分子动力学模拟，来识别针对该组胺相关位点的候选配体。对接分析表明，相较于单独使用对接得分，配体效率相关指标能更有效地区分活性与非活性配体，支持其在虚拟筛选中的应用。研究人员对三种化合物进行了100纳秒的分子动力学模拟，结果显示受体结构完整性得以保持，蛋白质–配体复合物稳定。CHEMBL3236582展现出最有利的动态特征，其主链和配体均方根偏差（RMSD）值较低，并且分子力学/泊松–玻尔兹曼表面积（MM/PBSA）结合能估算最为有利；而CHEMBL521996尽管采用了替代性的结合取向，但仍保持了稳定的结合。总体而言，该整合计算工作流程将CHEMBL3236582确定为最有希望进行实验验证的候选化合物，并支持进一步研究组胺相关的别构口袋，以发现新型GABA-A受体配体。
研究背景、存在问题与研究目的
γ-氨基丁酸A型（GABA-A）受体是中枢神经系统（CNS）中介导抑制性神经传递的关键蛋白，维持神经元兴奋与抑制的生理平衡。它是由多个亚基家族（如α1–6、β1–3、γ1–3等）组装而成的异五聚体跨膜复合物，其中含α1亚基的受体是最丰富的脑内亚型。GABA能信号传导受损与癫痫、焦虑、失眠和认知缺陷等多种CNS疾病密切相关，因此GABA-A受体是重要的治疗靶点。除了经典的苯二氮?类位点和GABA结合位点外，组胺可直接作为正向别构调节剂（PAM）增强GABA-A受体功能，尤其优先增强含α4亚基的受体。该作用由位于β3–β3亚基界面的一个独特别构口袋介导。然而，针对这一特定组胺别构口袋的系统性配体发现研究仍较为有限。本研究的目的是通过整合多种计算方法，识别靶向GABA-A受体组胺相关别构口袋的候选配体，从而为开发新型认知和神经系统疾病调节剂提供先导化合物。
研究方法概述
研究人员首先从ChEMBL数据库检索组胺能受体调节剂，经标准化处理后构建了包含5641个分子的评估集（set E）。同时，从既往实验研究中获取了16个已知活性化合物（set A）和35个非活性化合物（set I）作为参考集。研究采用了多步计算工作流程：（1）基于配体的相似性分析，利用DataWarrior软件中的七种分子指纹描述符计算全局活性分数（GA）、全局非活性分数（GI）及S评分，并通过描述符共识评分（DCS）进行综合评估；（2）使用ADMETlab 3.0平台预测吸收、分布、代谢、排泄和毒性（ADMET）性质，包括血脑屏障（BBB）通透性、药物相似性评分（DLK）和毒性评分（TOX）；（3）分子对接研究，使用AutoDock Vina 1.1.2将配体对接到人源β3同五聚体GABA-A受体（PDB ID: 9FEU）的组胺结合位点，并评估配体效率（LE）、亲脂性配体效率（LLE）等指标；（4）对三个优选化合物进行100纳秒的分子动力学（MD）模拟，并使用分子力学/泊松–玻尔兹曼表面积（MM/PBSA）方法估算结合自由能。
研究结果
3.1 配体数据集：最终评估集包含5641个独特分子，活性参考集包含16个已知负向别构调节剂（NAM），非活性参考集包含35个无此活性的化合物。
3.2 结构分析：共有791个分子获得了大于零的GA值，被命名为活性命中集（AH）。S评分≥2的操作性截断值保留了140个化合物，构成优先相似性集（PS set）。PS集中的化合物可归为四类：咪唑衍生物（57个）、2,4-二氨基嘧啶衍生物（27个）、吲哚-2-甲酰胺衍生物（39个）及其他多样化分子（17个）。
3.3 预测ADMET特征：BBB通透性预测显示104个化合物超过0.5阈值。DLK评分分析后，仅保留评分≥3的化合物。经BBB和DLK顺序过滤后，PS集缩减至88个化合物。最终通过选择TOX评分≤2的化合物，得到44个具有良好药代动力学和安全性特征的候选分子。
3.4 分子对接：对接验证显示，在β3同五聚体受体中，重新对接的组胺与实验结构的RMSD为1.96 ?。活性与非活性配体的预测结合能无显著差异（p=0.307），但活性配体的LE（p=0.019）、LLE（p=0.013）显著更高，LELP（p=0.007）和SEI（p=0.011）显著更低。ROC分析证实LE（AUC=0.75）、LLE（AUC=0.76）、LELP（AUC=0.78）和SEI（AUC=0.77）具有良好的区分能力。虚拟筛选后，根据配体效率从44个ADMET特性良好的化合物中优先选出13个结构，其中3个命中分子（CHEMBL1202320、CHEMBL521996、CHEMBL3236582）被选作后续分析。CHEMBL3236582通过与Glu155形成盐桥、与Gln64形成氢键以及与Phe200、Tyr205、Asp43等残基的π-阳离子/π-阴离子相互作用，有效模拟了组胺的结合模式。
3.5 分子动力学：所有系统在100纳秒模拟中均达到结构平衡。Cα原子RMSD分析显示，CHEMBL3236582表现出最低的平均RMSD（1.48±0.07 ?）和最小的波动。回转半径（Rg）分析表明所有配体结合复合物均保持整体结构紧凑性。分子内氢键分析显示各系统的氢键网络稳定。配体运动RMSD分析揭示CHEMBL3236582表现出最稳定的结合行为（平均RMSD=3.41±0.67 ?），而CHEMBL521996采用了替代性但稳定的结合取向。配体构象RMSD分析显示CHEMBL521996构象稳定性最高（平均RMSD=1.32±0.31 ?）。MM/PBSA结合自由能计算表明，CHEMBL3236582具有最有利的结合自由能（?280.8 kcal/mol），略优于组胺和其他筛选化合物。
讨论与结论
讨论部分指出，本研究采用的基于配体的优先化策略非常有效，因为它同时考虑了与已知活性化合物的相似性和与非活性配体的不相似性。描述符共识方法整合了互补的二维和三维分子结构表征，能够在显著的骨架多样性下识别共享相关药效团特征的化合物。研究发现非活性化合物的预测结合能略优于活性配体，这突显了对接评分在重现生物活性方面的局限性，而配体效率参数则提供了更有意义的命中优先化基础。分子动力学模拟进一步证实了所选受体-配体复合物的结构稳定性。
结论部分总结道：该整合计算工作流程成功识别了靶向GABA-A受体组胺相关别构口袋的有前景的候选调节剂。结果表明，配体效率指标（特别是LE和LLE）相比单独的对接评分能更优地优先化活性组胺能配体。在三个优先化合物中，CHEMBL3236582始终展现出最有利的整体特征，结合了稳定的受体相互作用、有限的配体移动性和最有利的MM/PBSA结合自由能。这些发现将CHEMBL3236582确定为未来实验验证的最有前景的候选化合物，并支持其作为靶向GABA-A受体组胺相关别构口袋的配体，在认知和神经系统疾病中具有潜在应用价值。
