通过引导式共组装实现动力学稳定的纳米凝聚体：解决药物发现过程中的溶解度与药效之间的不匹配问题以及溶剂对药物效果的干扰

《Journal of Controlled Release》：Kinetically stabilized nanocondensates via guided co-assembly: resolving solubility-potency mismatches and solvent confounding in drug discovery

【字体：大中小】 时间：2026年11月10日 来源：Journal of Controlled Release 12.4

编辑推荐：

　　 • MD-derived ΔNPE 优先选择能够稳定纳米凝聚体的辅料。 • 富含药物的纳米凝聚

•
MD-derived ΔNPE 优先选择能够稳定纳米凝聚体的辅料。
•
富含药物的纳米凝聚体可作为动态储存库，维持游离药物的水平。
•
e-PASS 解决了多种激酶抑制剂之间溶解度与药效的匹配问题。
•
无共溶剂输送方式消除了 DMSO 在细胞检测中引起的干扰。
•
持续的可利用性提高了肿瘤和纤维化模型中的药物暴露量和疗效。

引言

药物发现通过将机制洞察转化为治疗方法，从而延伸和改善了多种疾病的生命质量 [1], [2]。早期活性检测在这一过程中起着关键作用 [3]，它决定了哪些化学类型、靶点和机制能够进入昂贵的优化和体内验证阶段 [4], [5]。然而，准确的活性测量本身具有挑战性 [6], [7], [8]，而在现代发现活动中，这个问题变得更加严重。诸如人工智能驱动的设计 [9], [10], [11] 以及多样化的化学方法现在产生的候选药物往往药效极强，但同时也更亲脂、结构更复杂，在水介质中的溶解度较差 [7], [12]。常规的工作流程依赖于从有机贮备液中快速稀释，这通过多种物理化学效应（包括沉淀 [13], [14], [15]、不受控制的自组装 [16] 和共溶剂干扰 [17], [18]）将标称剂量与游离的、具有药理活性的组分分离开来。这些效应扭曲了浓度-反应关系 [6], [19], [20], [21]，导致药效估计不准确，并且对机制的推断产生误导 [7], [22], [23]。由此产生的数据既会增加假阳性的数量，也会产生假阴性的结果，使有潜力的候选药物过早被淘汰，资源被错误分配 [24], [25]。这些初始错误会贯穿整个发现过程，破坏下游决策的完整性，最终加剧项目的淘汰率、时间延迟和成本增加。

解决这一瓶颈需要一种在检测相关、生理意义显著的条件下保持活性化合物可用性的检测格式，从而获得不受制剂和基质干扰影响的可靠测量结果。一个有前景的方向是通过维持一个可以连续供应活性化合物的水性储存库来重新定义检测的可靠性 [26], [27]。从概念上讲，富含药物的凝聚体可以作为动态储存库，与周围的稀释相进行交换，即使标称浓度超过平衡溶解度，也能维持游离药物的分量 [28], [29], [30]。然而，将这一储存库概念转化为可用于小分子筛选的稳健技术仍然具有挑战性。仅由治疗化合物形成的凝聚体通常在动力学上不稳定：它们可能会聚集 [31], [32]，发生粗化成熟 [33], [34]，或不可逆地转化为不活跃的固体或不可交换的聚集体 [35], [36], [37]。这种成熟过程消除了进行精确检测所需的可交换储存库，特别是在溶解度干扰最严重的低投入早期阶段。因此，核心挑战是开发一种通用且材料消耗低的方法来生成纳米级的、可交换的富含药物的储存库，并在各种化学类型中对其进行动力学稳定，以防止其从液态转化为固态。

在本文中，我们介绍了 e-PASS（辅料泵送活性供应系统），这是一种基于分子信息的、计算机引导的协同组装策略，用于解决药物筛选中的这些挑战（图 1）。通过将分子动力学（MD）模拟与一个经过挑选的、与制药相关的辅料库相结合，e-PASS 优先选择了能够自发组装成动力学稳定的、富含化合物的纳米级凝聚体的辅料-化合物配对。这些凝聚体作为动态储存库，可以在检测相关的稀释和处理过程中抑制沉淀和不受控制的自组装，从而提高剂量精度并最小化溶剂带来的干扰。我们在不同的应用中展示了这一方法的广泛性和影响力：使用难溶模型化合物验证和推广该平台；减轻 CDK4/6 抑制剂筛选中二甲基亚砜（DMSO）引起的干扰；并使一种原本难以处理的、难溶的抗纤维化药物的体内效果得以实现。总体而言，这些结果证明了纳米凝聚体储存库作为一种实用的物理化学手段，能够使筛选结果与内在药理学相匹配，并扩展了传统基于稀释的工作流程所限制的筛选化学空间。

部分摘录

e-PASS 的开发与验证

为了实现对易聚集化合物的可靠筛选，我们开发了一个平台，用于识别能够与化合物分子共同组装成动力学稳定的、富含化合物的纳米凝聚体的辅料。该平台基于一个包含药学上公认的非活性成分的库，这些成分根据水溶性和预期促进协同组装的相互作用基序的密度进行优先筛选（图 1a）。该库与分子动力学（MD）筛选工作流程相结合，以提名合适的辅料组合。

讨论

我们提出了 e-PASS，这是一个针对早期药物发现中普遍存在的错误来源的开发平台：由于物理化学效应导致标称剂量与实际化学可用性分离，从而错误分配了化合物的药效和作用机制。通过合理设计辅料-化合物的协同组装，e-PASS 生成了动力学稳定的、富含化合物的凝聚体，这些凝聚体作为动态储存库，在检测过程中的处理时间内维持了生物可利用的部分。

材料与试剂

Ceritinib 和 ibrutinib 从 MCE（美国）购买。Cyclosporin A（CyA）来自 Macklin（中国）。Paclitaxel（PTX）来自吴Xi Taxus Pharmaceutical Co., Ltd.（中国）。CH13、N11、N21 和 HDB 是内部合成的。所有化合物通过 HPLC 分析的纯度均超过 95%（图 S44）。羟丙基甲基纤维素醋酸琥珀酸酯（AS，分子量约 17 kDa）来自 Shin-Etsu Chemical Co.（日本）。聚乙烯吡咯烷酮（PVP，分子量约 40 kDa）和聚乙二醇（PEG，分子量约 20 kDa）来自 Aladdin（中国）。

手稿准备过程中使用生成式 AI 和 AI 辅助技术的声明

在撰写本工作时，作者使用了 ChatGPT 和 Gemini 来改进文本的语言和可读性。使用这些工具后，作者根据需要对内容进行了审查和编辑，并对已发表文章的内容负全责。

CRediT 作者贡献声明

Zifan Zhang： 原始草稿撰写、验证、方法论设计、调查、数据分析整理。 Hui Tang： 方法论设计、调查、数据分析整理。 Chao Peng： 方法论设计。 Yi Ding： 方法论设计。 Xiongru Cai： 方法论设计。 Guobing Feng： 数据整理。 Xinyi Pang： 调查。 Haoming Ma： 数据可视化。 Kai Yuan： 验证。 Yuanai Li： 数据整理。 Xurui Zhou： 数据整理。 Haishan Luo： 验证。 Chunfang Li： 验证。 Tongyu Wu：

作者贡献

D.L. 和 P.Y. 设计了整个研究方案。Z.Z. 构建了 ExLib 数据库。H.T., G.F. 和 K.Y. 进行了内部化合物的合成。Z.Z., Y.D., T.W. 和 S.H. 进行了分子动力学模拟。Z.Z., Y.L. 和 X.Z. 制备了化合物-辅料凝聚体。Z.Z., C.P. 和 X.C. 进行了化合物供应性能和制剂稳定性的实验。Z.Z. 和 Y.D. 对纳米凝聚体的形成及其背后的分子机制进行了表征。

利益冲突声明

作者声明以下可能的财务利益或个人关系可能构成潜在的利益冲突：D. Liu、Z. Zhang 和 Y. Ding 拥有中国药科大学提交的一项专利申请（编号 2026108432792），该申请涉及本文描述的基于辅料的协同组装技术（e-PASS），用于生成动力学稳定的纳米凝聚体。其他作者声明没有已知的财务利益或个人关系。

致谢

我们感谢国家自然科学基金（编号 82373822 和 82574356）、江苏省杰出青年科学基金（编号 BK20230041）以及国家重点实验室天然药物项目计划（中国药科大学，编号 SKLNMZZ2024JS14）的财政支持。我们特别感谢中国药科大学的 Zhou Jun 教授慷慨提供了用于细胞活力检测的微孔板读数器。