综述：解锁“不可成药”的剪接体：生成式人工智能与结构动力学在癌症治疗中的应用

《Frontiers in Cell and Developmental Biology》：Unlocking the undruggable spliceosome: generative AI and structural dynamics in cancer therapy

这篇综述深刻剖析了癌症中剪接体核心因子（如SF3B1、U2AF1、SRSF2）的体细胞突变如何通过改变其结构动力学驱动疾病。文章的核心论点是：利用物理模拟和生成式AI（Artificial Intelligence）技术，从静态的冷冻电镜（cryo-EM）快照转向研究动态的结构集合，是揭示瞬变态、发现隐秘变构口袋并靶向内在无序区（IDRs）的关键。这为开发新型分子生物标志物、理性设计的变构调节剂、合成致死策略以及基于剪接的新抗原（neoantigens）提供了路线图，最终指向精准免疫治疗。

　　

1 剪接体的规范动态与癌变重塑

剪接体是一个由五种小核RNA（snRNAs）和数百种蛋白质组成的巨型核糖核蛋白复合物，是真核生物基因忠实表达的核心。其剪接循环涉及U1、U2、U4、U5、U6等snRNP在ATP驱动下不断重塑。癌症相关的体细胞突变并非随机失活事件，而是改变了剪接体RNA识别的结构逻辑，导致剪接位点选择的全局性重编程，进而产生驱动肿瘤发生的特异性异构体或导致肿瘤抑制基因失活。

复制
**SF3B1：分支点保真度的“守门员”**
最常见的剪接体突变发生在SF3B1，其中K700E取代是其典型代表。该突变将一个带正电荷的赖氨酸替换为带负电荷的谷氨酸，扰乱了分支点螺旋附近的局部静电环境。这一变化使SF3B1无法招募校正解旋酶DHX15，从而绕过了关键的动力学校对检查点，导致剪接体识别上游的异常分支点，进而选择隐秘的3'剪接位点。

**U2AF1：改变锌指结构域的特异性**
反复发生的S34F/Y突变将锌指结构域中的一个丝氨酸残基替换为庞大的芳香族侧链。结构分析显示，这一取代通过空间位阻重塑了RNA结合口袋，降低了蛋白质的结构灵活性。突变体表现出严格的胞嘧啶偏好性，同时排斥尿苷，从而在全转录组层面改变了外显子的保留与跳过模式。

**SRSF2：调控外显子剪接增强子**
SRSF2的P95热点突变重塑了对外显子剪接增强子的识别。P95位于RNA识别基序与富含丝氨酸/精氨酸结构域之间的连接区，该位点的突变诱导了蛋白质构象变化，改变了其RNA结合特异性，从而广泛影响了外显子的选择性剪接。

2 模拟大规模动态的挑战与增强采样策略

分子动力学模拟是研究剪接体结构-功能关系的重要工具，但经典平衡态MD面临着系统规模、时间尺度和力场精度的根本限制。功能上重要的剪接体转变通常发生在毫秒到秒级别，而常规全原子MD模拟通常只能达到微秒级别，这造成了数个数量级的“采样鸿沟”。此外，经典力场在描述RNA密集带负电的磷酸骨架、复杂碱基堆积以及催化Mg²⁺/K⁺离子的复杂配位几何方面仍存在挑战。

复制
为克服这些瓶颈，多种增强采样策略被应用：
*   **混合溶剂分子动力学**：通过引入有机小分子探针，识别和绘制蛋白质柔性表面的隐秘结合位点“热点”。
*   **加权集合与马尔可夫状态模型**：WE方法在不偏倚能量景观的前提下加速稀有事件采样；MSM则通过分析大量短模拟轨迹来重构长时间尺度的动力学。
*   **粗粒化模型**：通过将多个原子归为一个相互作用“珠子”，减少自由度，从而模拟剪接体循环中大规模的结构域重组或SR蛋白中内在无序区的相分离行为。
*   **元动力学与副本交换MD**：这些方法通过施加偏置势或在不同温度下运行并行模拟并交换构象，来驱动系统跨越高能势垒，探索替代构象。

3 从静态结构到生成式设计

深度学习与生成式AI正在推动结构生物学范式的转变。基础模型如AlphaFold3和Boltz-2能够在单一框架内对蛋白质-核酸-小分子复合物进行原子精度预测。然而，这些模型本质上是“模式识别器”，可能对物理上不可能的接触产生“幻觉”，或为本质无序区预测出刚性的错误结构。因此，其输出应被视为高置信度的假设，而非绝对事实。

复制
新的算法正作为“生成式MD替代品”出现，例如BioEmu和AlphaFlow/ESMFlow，它们能以极低的计算成本采样多样的构象集合，捕捉玻尔兹曼分布或提供构象柔性的“伪轨迹”。此外，生成式AI正用于解决“逆向设计”问题。工具如RFDpoly能够同时“幻想”出核酸骨架和蛋白质结合剂，从而设计能锁定特定RNA构象的蛋白质。针对剪接因子突变体构象的变构口袋，生成式设计流程（如BindCraft、BoltzGen）可设计高亲和力结合剂。同时，大型语言模型如TrASPr正被用于解码剪接调控的“语法”，预测组织特异性剪接结果，甚至设计RNA序列以调控特定外显子的包含水平。为确保设计的可靠性，严格的基准测试和物理可行性验证（如PoseBusters）至关重要。

4 将结构动力学转化为临床策略

• •
  直接调控剪接体核心：第一代调节剂（如pladienolide B及其衍生物）通过结合SF3B1的分支点腺苷结合隧道，锁定其开放构象。虽然它们对野生型和突变型SF3B1具有同等亲和力，但通过利用突变细胞对额外剪接压力的耐受性降低，展现出功能选择性。然而，缺乏热力学选择性导致了狭窄的治疗窗口和剂量限制性毒性。
• •
  通过反义寡核苷酸进行可编程靶向：ASOs可直接碱基配对靶向pre-mRNA，以高序列特异性立体阻断调控基序。生成式AI框架可用于预测动态RNA可及性并优化ASO序列，以克服靶标序列被RNA二级结构屏蔽的挑战。
• •
  变构调节与隐秘口袋：新兴策略旨在开发靶向突变体特有构象的变构抑制剂。分子动力学模拟已成功绘制出动态药物结合景观，揭示了在静态晶体学中不可见的瞬变疏水口袋。例如，芳基磺酰胺类药物作为“分子胶”，重塑E3泛素连接酶底物受体DCAF15的表面，从而创造了一个高亲和力的复合结合位点以招募并降解RBM39蛋白。
• •
  合成致死：慢性剪接压力会在基因组维护和蛋白质稳态方面产生下游脆弱性。例如，有缺陷的共转录剪接会促进R环积累和复制应激，使突变细胞极度依赖ATR/Chk1检查点信号传导。此外，剪接体突变细胞对PRMT5抑制也表现出合成致死性，因为PRMT5对snRNP的生物发生至关重要。
• •
  剪接衍生新抗原作为免疫治疗靶点：剪接因子突变通过改变剪接位点选择，产生正常人类蛋白质组中不存在的新颖外显子-外显子连接和保留内含子，这些可被翻译成肿瘤特异性新抗原。这些新抗原通常比单核苷酸变异产生的新抗原免疫原性更高，并且由于突变在不同患者中反复出现，部分新抗原是“公共的”，为开发“现成”疫苗或T细胞受体疗法提供了可能。
• •
  计算发现管道与结构免疫信息学：专用计算工具（如SNAF、SpliceMutr）可系统地从RNA-seq数据中预测剪接新抗原。结构建模（如基于AlphaFold的pMHC模型）和分子动力学模拟可用于评估新抗原肽-MHC复合物的动态稳定性，从而更准确地预测其免疫原性，将新抗原发现从定性枚举转向定量临床预测。