基于AlphaFold3共折叠与重新评分工作流的NPM1-TYK2抑制剂大规模前瞻性先导发现

《International Journal of Molecular Sciences》：Large-Scale Prospective Virtual Screening Using a Co-Folding-Rescoring Workflow for NPM1-TYK2 Inhibitor Discovery

　　

摘要

传统的大规模基于结构的虚拟筛选方法通常依赖于固定受体的对接技术，即通过将配体构象与预定义的受体构象进行比对来筛选潜在的配体。而蛋白质-配体共折叠模型则可以通过联合模拟配体的位置以及受体和配体之间的局部结构适应性，生成候选的复合物构象。尽管最近的基准研究展示了类似AlphaFold3的方法在回顾性虚拟筛选中的潜力，但将其实际应用于具有实验验证的目标特异性大规模前瞻性筛选仍受到限制。在此，我们开发并前瞻性地应用了一种共折叠-重新评分的工作流程来发现NPM1-TYK2抑制剂。利用内部数据库中在Ba/F3-NPM1-TYK2细胞中经过实验鉴定的4608种化合物，我们评估了13种结合AlphaFold 3、Protenix、Glide或AutoDock Vina进行构象生成并使用评分函数或置信度指标的方法。结果发现，首先使用AlphaFold 3再进行AutoDock Vina重新评分的方法获得了最高的BEDROC值，与Protenix + Vina的方法相当，并被选用于筛选包含超过30万种化合物的商业库。通过Vina重新评分后，由这些方法生成的复合物构象进一步根据物理化学性质、聚类结果和结合模式进行了排序。在经过实验验证的30种化合物中，FV13被确定为具有细胞活性的先导化合物，其TYK2激酶的IC₅₀值为21.70 μM，在Ba/F3-NPM1-TYK2细胞中的IC₅₀值为17.07 μM。后续的类似物探索发现TX14，其生化抑制活性提高了约9.4倍（IC₅₀ = 2.31 μM）。进一步的选择性分析和Western blot实验表明，这些化合物在高浓度下能够抑制STAT5的磷酸化。综上所述，这些研究结果表明，将共折叠技术、基于实验数据的重新评分方法以及目标特异性实验数据整合起来，可以用于大规模的前瞻性先导化合物发现。