可解释的机器学习方法和分子模拟技术帮助发现了天然的胰脂肪酶抑制剂以及具有疏水特性的关键残基

《Bioorganic Chemistry》：Interpretable machine learning and molecular simulations identify natural pancreatic lipase inhibitors and hydrophobic hotspot residues

本研究通过数据驱动策略筛选天然胰脂肪酶（PL）抑制剂，构建随机森林-PubChem指纹模型（AUC=0.9134），经药物可及性及毒性筛选后，实验验证发现Licochalcone C（IC50=62.05±1.77 μM）等三个天然抑制剂，并揭示Val260/Ala261关键结合残基及疏水作用主导的稳定结合机制。

　　

赵毅|王金宏|余爽|卓欣兰|李翔|陈志毅|梁贵钊

教育部生物流变科学与技术重点实验室，重庆大学生物工程学院，中国重庆400044

摘要

胰脂肪酶（PL）是一种已被验证的用于限制膳食脂肪吸收的外周靶点，然而结构多样的天然抑制剂仍然稀缺。我们从公共资源中收集了一个PL抑制剂数据集，并使用PubChem指纹图谱训练了一个随机森林分类器（测试AUC = 0.9134），以对天然产物库进行优先排序。经过药物相似性和毒性筛选、对接以及实验验证后，确定了三种候选抑制剂：利科卡隆C（IC50 = 62.05 ± 1.77 μM）、新甘油醇（IC50 = 95.21 ± 0.57 μM）和诺托pterol（IC50 = 104.27 ± 3.19 μM）。相互作用指纹图谱和分子动力学分析表明，结合主要通过疏水相互作用实现，其中Val260/Ala261在三种PL-配体复合物中起着关键作用。引导分子动力学和伞形采样的解离自由能曲线与效力排名一致。总体而言，这一数据驱动的流程发现了新的天然PL抑制剂，并为进一步优化提供了残基级别的见解。

引言

世界卫生组织将肥胖定义为一种全球普遍存在的慢性疾病。其在大多数国家的发病率持续上升，给公共卫生系统带来了巨大负担，并显著增加了2型糖尿病、心血管疾病、肝病和多种癌症的风险[1]、[2]。目前批准的大多数抗肥胖药物主要通过中枢途径调节食欲和能量摄入来发挥作用。尽管新一代疗法（如GLP-1受体激动剂）在临床实践中取得了显著的减肥效果，但仍存在挑战，包括长期安全性、高成本以及停药后的体重反弹[3]。因此，寻找针对非中枢途径并减少神经精神不良影响的抗肥胖策略仍然是药物发现和开发的重要方向。胰脂肪酶（PL）是小肠腔内水解膳食甘油三酯的主要限速酶。抑制PL活性可以显著减少脂肪吸收，使其成为抗肥胖干预的经典外周靶点。因此，开发具有良好安全性的PL抑制剂以适应长期使用对于改进抗肥胖干预措施具有重要意义。然而，长期或高剂量使用此类药物也可能导致胃肠道不良反应，如腹泻和油样大便，并可能影响脂溶性维生素的吸收[4]。

与化学合成药物相比，来自天然或传统药用资源的天然产物通常具有更高的安全性、结构多样性和多靶点协同效应等优点。大量研究表明，银杏[5]、柑橘类水果[6]、荞麦[7]和茶叶[8]中的多酚和皂苷可以显著抑制PL活性[9]。此外，文献中报道的各种PL抑制剂，包括来自水果、蔬菜和其他植物的皂苷和黄酮类化合物，也被视为安全的抗肥胖活性候选物[10]。

传统的PL抑制剂发现主要依赖于高通量体外筛选和动物实验，这些方法耗时且成本高昂，且命中率通常较低。近年来，计算机辅助药物设计（CADD）和机器学习（ML）在化合物筛选和先导优化中的应用取得了快速进展。从数据驱动建模和虚拟筛选到分子动力学（MD）模拟和自由能计算的各种方法为精确阐明结构-活性-机制关系提供了强大工具[11]、[12]。分子对接和虚拟筛选已被广泛用于表征天然化合物（如茶多酚和类胡萝卜素）与靶酶之间的相互作用，从而指导功能成分的结构优化和配方设计[13]。尽管已有几篇综述系统总结了天然PL抑制剂的来源、结构类别以及体外和体内特性，但最近的研究才开始探索利用ML和定量结构-活性关系（QSAR）预测PL抑制活性的应用。大多数现有模型基于回归，且是从针对特定结构类别（如皂苷[14]、酚酸[15]或黄酮类[16]的小规模数据集构建的，这限制了它们的广泛应用性。尽管Zhou等人开发的分类模型显示出较高的预测准确性，PL抑制剂的最佳AUC值为0.953 ± 0.013，但这些模型的可解释性仍然有限，可能受到数据异质性的影响[17]。因此，构建大规模结构-活性数据集、开发可解释的机器学习分类模型，并将这些模型应用于多样化的天然产物库的工作仍然不足。特别是，缺乏将QSAR、虚拟筛选、活性验证和分子机制阐明整合到一个连贯流程中的系统研究框架[4]、[18]。天然产物（NP）通常占据比合成化合物更广泛且结构更复杂的化学空间，当训练数据不足以覆盖这些化学类型时，这可能会挑战ML的泛化能力[19]。为了在NP筛选中平衡预测性和可解释性，我们使用了三种互补且广泛采用的指纹图谱表示方法——ECFPs、MACCS键和PubChem指纹图谱——以实现结构级别的归因，并便于对优先发现的分子进行后续解释。

因此，本研究利用来自公共数据库的高质量PL抑制剂活性数据，系统分析了支架多样性，使用各种分子指纹图谱和ML算法构建了分类模型，并确定了一个具有优异泛化性能的随机森林（RF-PubChem）模型。然后将该模型应用于天然产物库的虚拟筛选。通过Lipinski五规则和基于毒性的筛选对候选分子进行优先排序，并通过体外酶测定验证其PL抑制活性。此外，还采用了计算方法，包括静电势（ESP）分析、相互作用指纹图谱（IFP）分析、MD模拟、引导分子动力学（SMD）模拟和伞形采样（US），以阐明抑制剂的结合和解离机制，并确定关键的疏水热点残基。总体而言，这项工作提供了一种通用的计算策略，用于高效筛选和结构优化天然PL抑制剂，并为开发更安全的天然来源抗肥胖生物活性化合物提供了理论基础。

材料与试剂

PL（II型，L3126）购自Sigma-Aldrich（美国）。利科卡隆C、诺托pterol和新甘油醇购自MedChemExpress（美国）。p-硝基苯基丁酸（pNPB）购自上海源叶生物科技有限公司。Tris-HCl购自上海阿拉丁生化科技有限公司。本研究中使用的所有其他化学品和试剂均为分析级。

数据集收集与预处理

PL抑制剂数据集是从ChEMBL [20]和AOCD [21]数据库中编译的。

支架多样性支持通用QSAR模型的开发

使用Scopy [40]提取了PL数据集的Murcko和碳支架，并可视化了前150个支架（图S1）。结果显示支架之间存在明显的结构差异，活性样本在多个支架中均匀分布。这种分布可能有助于识别具有跨支架相关性的活性相关片段，从而提高模型的外推能力和泛化能力。分子编码使用

结论

总之，本研究以PL为靶点，建立了一个具有优异泛化性能的RF-PubChem分类模型。通过虚拟筛选和活性验证，成功鉴定了三种来自天然植物的高潜力抑制剂。分子对接、ESP分析、IFP分析、MD模拟、SMD模拟和US分析表明，芳香堆积和疏水相互作用是稳定结合的关键，其中疏水热点残基如

作者声明

所有作者均已审阅并批准最终手稿，同意提交，并对工作的所有方面负责。作者顺序反映了各自的贡献，对此安排不存在争议。

CRediT作者贡献声明

赵毅：撰写——初稿、方法学、研究、数据管理、概念化。王金宏：撰写——审阅与编辑、撰写——初稿、数据管理。余爽：撰写——审阅与编辑、形式分析。卓欣兰：撰写——审阅与编辑。李翔：撰写——审阅与编辑。陈志毅：验证。梁贵钊：撰写——审阅与编辑、监督、资源管理、项目协调。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。

致谢

本研究得到了国家自然科学基金（32172196）、重庆人才计划项目（cstc2024ycjh-bgzxm0113）和重庆市技术创新与应用发展重点项目（CSTB2024TIAD-KPX0014）的支持。