靶向中等大小S1'口袋的基质金属蛋白酶-9抑制剂结构指纹解析

《Journal of Molecular Graphics and Modelling》：Decoding Structural Fingerprints of Matrix Metalloproteinase-9 Inhibitors Targeting the Medium-Sized S1′ Pocket

　　

• •
  探索大量多样化的MMP-9抑制剂化学空间。
• •
  通过柔性对接和自由能景观分析进行指纹研究并验证关键指纹。
• •
  疏水性芳基系统、三唑杂环、S1′定向的芳硫乙基取代基以及羟肟酸基团共同增强了MMP-9抑制剂的活性。

引言

基质金属蛋白酶（MMP）家族包含20多个成员，它们在序列同源性方面具有显著相似性和结构域构成。由于副作用和不良耐受性，广谱MMP抑制剂在临床试验中的失败，凸显了对更具选择性和精心设计的靶向特定MMP的抑制剂的迫切需求[1]。在此背景下，MMP-9是一个潜在的生物分子靶点，可用于开发针对癌症、心血管疾病、纤维化疾病和多种神经系统疾病的抑制剂[2]。然而，不同MMP活性位点之间的相似性较高，使得开发具有选择性和高活性的MMP-9抑制剂成为一项挑战[3]。在结构上，MMP-9由N端前结构域、催化结构域（CD）、信号肽和血卟啉结合结构域组成（图1）。催化结构域包含活性位点、锌离子（Zn²⁺）结合位点和钙离子结合位点，对于其活性和结构稳定性至关重要。由于其在外基质蛋白降解中的功能作用，催化结构域是最主要的靶向位点[2]，[3]，[4]。

通常，MMPs在催化结构域中拥有六个亚位点（S1-S3和S1′-S3′）[5]。活性位点形成一个水平贯穿酶的沟槽状空腔，由催化Zn²⁺离子左侧的三个非标记亚位点（S1、S2、S3）和右侧的三个标记亚位点（S1′、S2′、S3′）组成。在这些亚位点中，S1′口袋是最突出且溶剂暴露最少的区域，使其成为选择性抑制的关键决定因素。值得注意的是，该口袋的深度和形状在MMP家族成员之间存在显著差异[6]。例如，MMP-9抑制剂的P1′取代基可契合MMP-9特有的中等深度S1′口袋。

根据S1′口袋的深度，MMPs可分为三组：(a) 浅口袋：MMP-1，MMP-7；(b) 中等深度口袋：MMP-2，MMP-8，MMP-9，MMP-12，MMP-14；(c) 深口袋：MMP-3，MMP-10，MMP-13 [5]。由于这种结构变异性，通过优化抑制剂中P1′取代基的大小和形状，可以对活性和选择性进行微调。因此，靶向中等深度S1′口袋（如MMP-2或MMP-9中的口袋）为设计具有改进的选择性和治疗潜力的抑制剂提供了战略机会[5]，[6]，[7]。

MMP-9抑制剂的发展经历了显著进展，从最初的小分子和肽类抑制剂发展到最近靶向金属蛋白酶和抗体的蛋白质工程抑制剂[8]。然而，第一代抑制剂如batimastat和marimastat，以及更特异性的第二代药物如tanomastat、prinomastat和rebimastat，由于溶解性差、口服生物利用度低、特异性不足、严重的肌肉骨骼副作用和其他副作用等问题，未能进入临床应用[2]。因此，有必要开发替代性的、安全和强效的MMP-9抑制剂。

计算方法已经证明是药物发现中的重要工具，能够提高速度并降低成本。它们提高了识别潜在抑制剂的准确性和效率，同时降低了失败风险点。在此背景下，化学信息学技术，特别是指纹分析，有助于在先导化合物优化期间揭示关键的结构洞察。在我们的研究中，对近期一个广泛的MMP-9抑制剂数据集应用了整合配体基和结构基的药物设计方法，以设计和发展潜在的MMP-9抑制剂。我们当前的研究有三个主要目标：(i) 旨在探索MMP-9抑制剂的化学空间和骨架多样性的配体基方法，(ii) 基于贝叶斯分类和递归分割研究的指纹识别，(iii) 涉及集成分子对接、基于DFT的优化和分子动力学（MD）模拟的结构基方法，以研究配体与MMP-9的结合相互作用。本研究的整体工作流程如图2所示。

章节摘录

数据集准备和描述符计算

MMP-9抑制剂及其生物活性数据（IC₅₀）从ChEMBL数据库中检索[9]。初始数据集主要由2340个化合物组成。数据整理涉及去除重复项、立体异构体、盐、以范围表示的IC₅₀值（例如">", "<", "≤", "≥"）以及缺少SMILES表示的条目。经过此预处理，数据集减少到1924个独特化合物。对于分类分析，将IC₅₀值转换为两个类别：

化学空间网络（CSN）分析

采用数据驱动策略，使用化学空间网络（CSNs）[12]分析1924个MMP-9抑制剂，并辅以骨架多样性分析[17]。所得CSNs具有高度连接性，Tanimoto相似性（Tc）[13]阈值为≥0.68。此CSN图将单独连通分量（子图）的总数限制在101个。此分析显示平均聚类系数为0.628，度聚集系数为0.882。总共111

结论

本研究整合了化学空间分析、骨架多样性、基于片段的QSAR分类和分子对接集成，针对多样化的MMP-9抑制剂进行分析。化学空间网络（CSN）分析揭示了101个聚类，其中18个包含超过20个MMP-9i。取代杂环如吡啶、哌嗪、哌啶、吡咯烷（簇5）、哌啶（簇7）、吡唑（簇20）、哌嗪、嘧啶（簇34）、二氢吡啶（簇54），

CRediT作者贡献声明

Lucia Sessa：撰写——初稿，验证，方法学。Rupchand Pandit：撰写——初稿，方法学，形式分析，数据整理。Stefano Piotto：撰写——审阅与编辑，监督，资源。Indrasis Dasgupta：方法学，形式分析，数据整理。Shovanlal Gayen：撰写——审阅与编辑，验证，监督，概念化。Sk. Abdul Amin：撰写——初稿，验证，方法学，概念化

参与同意

不适用

数据可用性

与本研究相关的数据包含在文章或补充材料中。如有需要，数据将根据请求提供。

利益冲突

作者没有利益冲突。

伦理批准

不适用

发表同意

所有共同作者均已阅读并批准了手稿。

资助

SG感谢印度医学研究委员会（ICMR），印度政府，根据ICMR SMALL Extermural Grants（档案号：EMDR/SG/12/2025-2896）提供的财政支持。

竞争利益声明

作者声明他们没有已知的竞争财务利益或个人关系，这些可能会影响本文所报道的工作。

致谢

SP衷心感谢EUREKA MIND Project，分子神经疾病抑制剂（MIND），项目编号459，Eurostars 3（EUREKA与欧盟Horizon Europe之间的联合项目）——第一轮（2022-2026），以及欧洲科学和技术合作（COST）DYNALIFE：健康与疾病中的动态互作组，COST Action CA21113。感谢印度贾达普尔大学的Tarun Jha教授，感谢他的持续激励并提供使用Discovery的设施。

Rupchand Pandit|Lucia Sessa|Indrasis Dasgupta|Stefano Piotto|Sk. Abdul Amin|Shovanlal Gayen