比较评估自由能计算方法揭示驱动PARP1选择性抑制的相互作用

《Journal of Chemical Information and Modeling》：Comparative Assessment of Free Energy Computational Methods for Revealing the Interactions Driving PARP1 Selective Inhibition

为了准确预测抑制剂在同源蛋白间的选择性这一计算药物发现的核心挑战，研究人员对MM/PBSA、绝对结合自由能（ABFE）和伞状采样（US）三种计算方法的预测能力进行了比较评估。研究证实ABFE与实验结合自由能差异定量相关性最强，结构接触分析揭示了接触连接性如何控制配体选择性，为设计下一代PARP1选择性疗法、改善同源重组缺陷癌症的精准治疗提供了计算基础和机制见解。

　　

在癌症治疗领域，PARP（聚腺苷二磷酸核糖聚合酶）抑制剂（PARPi）通过“合成致死”效应，已成为治疗同源重组（HR）修复缺陷（如BRCA1/2突变）癌症的有效策略。然而，尽管PARP1和PARP2蛋白功能有部分重叠，但越来越多的证据表明，PARP1是DNA损伤检测的主要介质，而PARP2则在染色质组织和造血细胞稳态调节中扮演更专门的调节角色。目前的PARPi疗法在抑制PARP1的同时，也会对PARP2产生显著的脱靶抑制，从而导致了严重的血液学毒性，显著收窄了治疗窗口。这种差异促使了新一代高PARP1选择性抑制剂的研发，例如saruparib和NMS-P118，旨在保留强大抗肿瘤活性的同时，最大程度地减少剂量限制性血细胞减少。因此，理解和预测驱动这种选择性的分子决定因素，成为结构引导的计算药物发现领域的核心挑战。

为了系统评估计算自由能方法在预测PARP1/2抑制剂选择性方面的能力，并揭示驱动选择性的分子相互作用，一篇题为“Comparative Assessment of Free Energy Computational Methods for Revealing the Interactions Driving PARP1 Selective Inhibition”的研究在《Journal of Chemical Information and Modeling》上发表。该研究对八种临床相关的PARP抑制剂（saruparib, NMS-P118, veliparib, olaparib, rucaparib, niraparib, talazoparib, pamiparib）进行了多方法比较计算分析。

研究人员运用了三种互补的计算自由能方法：分子力学/泊松-玻尔兹曼表面积（MM/PBSA）、绝对结合自由能（ABFE）和伞状采样（US）计算。所有模拟均基于实验解析的晶体结构，采用全原子分子动力学（MD）模拟，在显式溶剂中进行。通过比对这三种方法在预测结合亲和力和PARP1/2选择性方面的准确性、计算性能、对结构变异的敏感性，并辅以结构接触分析，旨在阐明不同PARP抑制剂之间微妙的拓扑、动力学和溶剂化差异如何转化为不同的结合模式和最终的蛋白选择性，从而为下一代PARP1选择性疗法的设计提供定量基础和机制见解。

研究结果：

1. 计算自由能方法比较评估：研究表明，MM/PBSA计算快速但结果对所选静态构象姿态敏感，尤其在配体间能量差异细微时。相比之下，使用显式溶剂全原子模型的ABFE和US计算与实验结合亲和力的一致性显著改善。ABFE方法显示出与实验结合自由能差异最强的定量相关性，甚至能在能量接近的复合物中重现选择性趋势。US计算也显示出与ABFE的良好一致性。三种方法中，ABFE的计算成本高于MM/PBSA，但低于US。这项分析强调了在需要定量准确性时，使用更严格的ABFE和US方法的重要性。bind) of a given ligand in different protein paralogues. The relative binding affinity can be evaluated by MM/PBSA, which estimates the free energy through energy decomposition of representative conformations; Absolute Binding Free Energy (ABFE), where interactions between the ligand and its environment are gradually decoupled; and Umbrella Sampling (US), which quantifies the free energy profile as a function of the protein–ligand dissociation pathway. The relative computational cost of each method is also included.">

2. 与实验数据的对比：通过与实验IC₅₀值转化的结合自由能差异（Δ(ΔG)_{PARP1–PARP2}）比较发现，MM/PBSA与实验数据的整体一致性较弱，尤其对veliparib的预测存在较大偏差。而ABFE计算与实验数据表现出极强的相关性，US计算也显示出良好的相关性。这表明ABFE和US等全原子显式溶剂方法能更准确地复现实验观测到的选择性模式，为预测同源蛋白间的配体选择性提供了可靠的计算工具。PARP1–PARP2) for four inhibitors: saruparib (blue star), NMS-P118 (red star), veliparib (green circle), and olaparib (yellow circle) using different computational approaches. (A) Correlation between MM/PBSA and experimental results. (B) Correlation between ABFE and experimental results. (C) Correlation between US and experimental results.">

3. 驱动选择性的关键相互作用分析：通过扩展分析至八种抑制剂并进行分子接触分析，研究揭示了驱动PARP1选择性的结构基础。对于saruparib等选择性抑制剂，与PARP1特异性残基（如ARG⁸⁷⁸和SER⁹⁰⁴）的额外接触是关键。对于NMS-P118，与PARP1中TYR⁹⁰⁷和LYS⁹⁰³的交叉相互作用至关重要。相比之下，非选择性抑制剂如olaparib在两种蛋白中形成了几乎完全相同的核心相互作用网络。研究还发现，除主导的相互作用外，多种较弱的协同性分子间接触的组合与协同，进一步增强了PARP1与PARP2之间的非共享相互作用差异，共同决定了配体选择性。

结论与意义：

该研究通过系统比较MM/PBSA、ABFE和US三种自由能计算方法，全面评估了它们在预测PARP抑制剂对PARP1/2选择性方面的性能。研究证实，ABFE计算在定量重现实验结合自由能差异方面表现最佳，而US计算在提供结合路径的物理图像方面具有独特价值。结构接触分析进一步阐明了接触连接性如何控制配体选择性，识别出对选择性至关重要的关键残基（如PARP1中的ARG⁸⁷⁸、SER⁹⁰⁴、TYR⁹⁰⁷和LYS⁹⁰³）。这项多方法计算研究为阐明配体化学空间中的潜在化学修饰以增强效力和特异性做出了贡献，为未来设计和评估针对同源重组缺陷癌症等疾病的精准肿瘤学选择性抑制剂提供了宝贵的机制见解和定量基础。该工作不仅推进了计算药物发现方法学，也为开发具有改善疗效和安全性特征的下一代PARP1选择性疗法提供了直接指导。