《Journal of Molecular Graphics and Modelling》：Multi-Representation Machine Learning Approaches for Screening Aurora Kinases A & B Inhibitors and Insights from Structural Alerts
编辑推荐：
选择性AURKA/AURKB抑制剂设计及机器学习模型开发研究，通过系统筛选和贝叶斯分析确定关键结构特征，结合多种分子特征构建高效预测模型，并验证其在临床前药物筛选中的应用价值。
阿希什·库马尔（Asheesh Kumar）| 希卢尔·楚蒂亚（Hillul Chutia）| 塞尔瓦拉曼·纳加马尼（Selvaraman Nagamani）
印度乔尔哈特（Jorhat）CSIR-东北科学技术研究所（CSIR–North East Institute of Science and Technology），邮编785006
摘要 极光激酶（Aurora kinase, AURK）家族的酶与丝氨酸或苏氨酸激酶（serine or threonine kinase, STK）几乎相同，它们对多种细胞功能至关重要，包括细胞周期到细胞分裂的过程。极光激酶A（AURKA）和B（AURKB）起着关键作用，它们的过表达与多种癌症的发病机制有关；因此，它们成为癌症治疗的潜在靶点。然而，现有的癌症治疗方法存在许多严重缺陷，包括非选择性、耐药性和致命的副作用。大量的临床和临床前研究旨在寻找选择性的AURKA和AURKB抑制剂。在这项研究中，我们对ARUKA（4268）和AURKB（3782）抑制剂进行了系统的筛选，并开发了一系列基于描述符、指纹和原子级特征的机器学习模型。这些模型通过不同的统计参数进行了分析，并在每组描述符中确定了最佳模型。我们还应用贝叶斯统计方法对相同的训练/测试集进行了分析，以递归地识别高性能的分子结构，从而提高了模型的可解释性。通过使用特定的AURKA和AURKB临床试验化合物进行筛选，评估了所开发模型的适用性。结构警报（structural alerts）有助于识别每组抑制剂中可能负责激酶活性的特定骨架。本研究的结果有助于设计更具选择性的AURKA和AURKB抑制剂。源代码和数据集可在以下链接获取：
https://github.com/NagaLab-MSN/AURK 引言 极光激酶、周期依赖性激酶（Cyclin-dependent kinases, CDKs）和Polo样激酶（Polo-like kinases, PLKs）是主要的激酶家族蛋白，是细胞成功分裂的关键调节因子[1]。这些蛋白控制遗传物质在两个子细胞之间的正确分配[2]。这些蛋白的功能和表达异常会导致非整倍体和肿瘤发生，使它们成为抗癌治疗的理想靶点[3]。研究表明，由激酶调控的通路之间存在复杂的相互作用网络，这些通路介导了多种功能和调控[4]。因此，设计有效的选择性激酶抑制剂对于治疗不同类型的癌症至关重要。在这项研究中，我们专注于开发机器学习（Machine Learning, ML）模型，以辅助设计选择性的极光激酶A（AURKA）和B（AURKB）抑制剂[5]。
AURKA和AURKB具有相似的序列，在其催化结构域中具有70%的同源性[6]。然而，在有丝分裂过程中，两者表现出不同的定位和功能。AURKA定位于纺锤体极点，调控有丝分裂的进入、中心体的成熟/分离以及纺锤体的双极性；而AURKB作为染色体乘客复合体（Chromosomal Passenger Complex）的一部分（与INCENP、Survivin和Borealin共同作用），在有丝分裂期间从着丝粒重新定位到纺锤体中部和皮质区域，调控染色体-微管相互作用、染色单体凝聚和细胞分裂[7]。这两种蛋白的N端区域长度不同，但包含催化位点的C端区域是保守的[8]。辅因子诱导的构象变化对这些酶的自我激活至关重要。通过结构突变研究发现了Aurora A和Aurora B之间的差异：人类AURKA中的G198位点和AURKB中的N142位点是导致它们基础激酶活性差异的关键因素。这一差异也使得TPX2能够选择性地与Aurora A而不是Aurora B相互作用[9]。
多项研究表明，AURKA和AURKB在多种癌症类型（如肺癌、胃癌、子宫癌、睾丸癌、卵巢癌、乳腺癌、膀胱癌、胰腺癌、肾癌和甲状腺癌）中过表达[10]。然而，选择性的抑制剂是必要的，因为AURKA会导致纺锤体缺陷和有丝分裂停滞，而AURKB会导致染色体错分和多倍体。同时抑制这两种激酶会导致毒性极大的有丝分裂失败，而不是可控的治疗效果[11]。任一激酶的失调表达，尤其是AURKA的扩增/过表达和AURKB的过表达，在人类肿瘤中会引发染色体不稳定和非整倍体，这是癌症的典型特征[12]。由于AURKA和AURKB控制着有丝分裂中非冗余但互补的环节，因此区分这两种激酶在临床上具有重要意义。选择性抑制剂如alisertib（MLN8237；选择性AURKA抑制剂）和barasertib（AZD1152；AZD2811的前体药物；选择性AURKB抑制剂）能够提高治疗的精确性，尽管仍可能产生靶向性的血液系统毒性（例如中性粒细胞减少症）[13]。相比之下，广谱Aurora抑制剂如tozasertib（VX-680）可以抑制AURKA/B/C（以及其他激酶），从而扩大抗肿瘤作用，但可能会缩短治疗窗口并增加全身毒性[14]。
在这项研究中，我们首次系统地分析了AURKA和AURKB抑制剂。我们分别基于描述符、指纹和分子图谱开发了三种不同的模型。这两种激酶抑制剂均从BindingDB下载，然后系统地筛选了用于机器学习计算的分子。进一步地，使用不同的特征选择方法缩小了计算得到的描述符范围，并探索了八种不同的指纹特征，基于这些特征开发了相应的激酶模型。此外，我们还应用了四种基于图谱的方法（图注意力网络Graph Attention Network, GAT、图卷积网络Graph Convolutional Network, GCN、消息传递神经网络Message-Passing Neural Network, MPNN和图变换器Graph Transformer, GT）来识别最佳的AURKA和AURKB抑制剂算法。我们还使用贝叶斯统计方法从同一数据集开发了一个结构警报模型，该模型有助于识别负责激酶活性的分子骨架。所开发的结构警报有助于药物化学家快速筛选或设计具有特定功能基团的分子。总体而言，本研究的结果在多个方面为科学界提供了帮助，包括：1. 理解用于设计特定AURKA和AURKB抑制剂的描述符；2. 识别对AURKA和AURKB抑制剂活性至关重要的指纹特征；3. 识别活性分子中的结构警报，以帮助设计更有效的AURKA和AURKB抑制剂。此外，该模型已在不同临床试验阶段的多种AURKA和AURKB抑制剂中得到了验证。本研究开发的模型和分析不仅提供了一个虚拟筛选工具，还提供了合理的设计思路，最终有助于开发更安全、更有效的极光激酶抑制剂。本研究采用的整体工作流程如图1所示。
数据集准备 激酶抑制剂及其结合活性数据从Binding数据库（
https://www.bindingdb.org - 2025年7月9日访问）下载[15]。我们应用了多种筛选程序，包括筛选属于
人类 的分子、去除冗余分子等，以仅筛选与AURKA（4268）和AURKB（3782）相关的分子。我们考虑了IC
50 值，并分别保留了3241个和2619个分子
数据集分析和有意义特征的选择 为3076个AURKA抑制剂和2411个AURKB抑制剂计算了三种不同类型的描述符（即RDKit（125个描述符）、Mordred（1613个描述符）和CDK（1875个描述符）。计算得到的描述符经过一系列过滤，以识别能够显著区分活性和非活性化合物的有意义描述符。首先，从每组描述符中移除了值为NaN 的描述符。其次，我们移除了其他不合适的描述符结论 在这项研究中，我们全面研究了AURKA和AURKB抑制剂，并基于描述符、指纹和图谱特征开发了多种类型的机器学习模型。我们采用了一种系统的筛选策略来减少用于模型生成的描述符数量。此外，我们还开发了一个模型，并识别出某些作为结构警报的分子亚结构。该模型已通过选定的临床试验化合物进行了验证
作者贡献声明 阿希什·库马尔（Asheesh Kumar）： 撰写初稿、可视化、验证、正式分析、数据整理。希卢尔·楚蒂亚（Hillul Chutia）： 可视化、验证、软件开发、正式分析。塞尔瓦拉曼·纳加马尼（Selvaraman Nagamani）： 撰写与编辑、验证、项目监督、方法论设计、概念构思
数据和软件的可用性 数据和代码可在以下链接获取：
https://github.com/Naga270588/AURK 。其中包含ARUKA和AURKB抑制剂的训练集和测试集数据，以及基于分子属性的三种不同类型的特征（包括描述符特征、指纹特征和原子级特征），还包括Jupyter笔记本。
利益冲突声明 作者声明没有利益冲突。
致谢 感谢DBT在高级计算和数据科学卓越中心（Centre of Excellence in Advanced Computation and Data Sciences，参考编号：BT/PR40188/BTIS/137/2021）和国家网络项目（National Networking Project，参考编号：BT/PR40233/BTIS/137/74/2023）方面的财政支持。手稿交流编号：CSIR-NEIST/PUB/2025/172。
