《Computational and Theoretical Chemistry》：Computational discovery of STAT3 potential inhibitors through self-supervised graph neural network screening and molecular dynamics analysis
编辑推荐：
•构建了用于STAT3抑制剂筛选的自监督GNN模型MolRLFI。•筛选了187万个ChEMBL化合物，以寻找能作用于STAT3 SH2结构域的候选物。•通过对接实验、分子动力学模拟以及MM/PBSA分析，验证了5种TNBC候选药物。•化合物3和化合物4表现出最高的亲和力与结合稳
- •
构建了用于STAT3抑制剂筛选的自监督GNN模型MolRLFI。
- •
筛选了187万个ChEMBL化合物，以寻找能作用于STAT3 SH2结构域的候选物。
- •
通过对接实验、分子动力学模拟以及MM/PBSA分析，验证了5种TNBC候选药物。
- •
化合物3和化合物4表现出最高的亲和力与结合稳定性。
引言
乳腺癌是中国女性中常见的恶性肿瘤，其发病率呈持续上升趋势[1]。根据雌激素受体、孕激素受体以及人类表皮生长因子受体2等分子标志物的表达情况，乳腺癌可被分为三种主要亚型：ER或PR阳性型、HER2阳性型以及三阴性乳腺癌（TNBC）[2]、[3]。TNBC是一种ER、PR和HER2均不表达的乳腺癌亚型，约占所有乳腺癌病例的24%[4]。由于该类型癌症具有独特的分子特征且可用的靶向治疗手段有限，其临床治疗面临诸多挑战。在临床实践中，尽管化疗是目前的主要治疗手段，但由于TNBC存在肿瘤间及肿瘤内的异质性，不同患者的化疗效果差异很大。此外，癌细胞还容易产生耐药性并出现严重副作用，进一步降低了化疗的临床疗效。因此，亟需开发新的靶向治疗策略。
近年来，研究人员利用基因组分析技术寻找TNBC的潜在药物靶点，发现了多种关键异常表现，其中包括信号转导子和转录激活子3的过度表达及异常激活现象[5]、[6]。这种异常激活主要通过以下经典途径实现：过表达的细胞因子或生长因子配体与其对应受体（如IL-6R、EGFR）结合，促使受体二聚化，进而招募糖蛋白130和Janus激酶，最终导致这些激酶的磷酸化与激活[7]、[8]。被激活的Janus激酶会磷酸化受体胞内结构域上的酪氨酸残基，这些磷酸化位点又会与STAT3蛋白的SH2结构域相互作用，进而促使JAKs对STAT3蛋白的Tyr705位点进行磷酸化[9]。此外，Src和Abl等非受体酪氨酸激酶也能参与这一过程[10]。磷酸化的STAT3分子会形成同二聚体并转移至细胞核内，在共激活因子的协助下与特定的DNA序列结合，最终驱动下游基因的转录，这些基因调控着癌细胞的增殖、存活及侵袭等恶性表型[11]、[12]、[13]。TNBC中STAT3通路激活及转录调控的机制如图1所示。
鉴于STAT3在转录调控中的关键作用，它被视为TNBC的潜在分子靶点与生物标志物。大量临床及实验研究表明，STAT3的持续激活与肿瘤的发生、进展、转移以及不良预后密切相关。其主要的致癌机制包括：通过上调survivin、c-Myc、cyclin D1、Bcl-2和Bcl-xL等基因的表达，促进细胞增殖并抑制细胞凋亡[14]、[15]；通过与SMYD2和NF-κB形成相互激活的循环，协同促进肿瘤的生长与转移[16]、[17]；以及上调MMP2、MMP9、TWIST和波形蛋白等基因的表达，增强细胞的迁移与侵袭能力[18]。
目前针对TNBC的STAT3靶向治疗策略主要集中在抑制STAT3的活性上。在临床前模型中，抑制STAT3的上游调控因子已展现出较强的抗肿瘤作用[19]。然而，STAT家族成员在结构上高度保守，因此靶向上游调控因子很容易导致所有STAT蛋白都被抑制，从而产生非靶向效应。相比之下，直接靶向STAT3被认为是一种更安全且更有效的策略。尽管近年来有一些研究报道了能够直接与STAT3的SH2结构域结合的小分子抑制剂，如Bt354、隐丹参酮和KYZ3，这类抑制剂在TNBC模型中也展现出了抑制效果[20]、[21]，但这类抑制剂的发现大多依赖于传统的实验筛选方法，这类方法不仅耗时而且成本高昂。
在此背景下，人工智能辅助的药物发现技术为快速筛选出高亲和力、高选择性的STAT3小分子抑制剂提供了重要帮助[22]、[23]。不过早期的AI筛选主要依赖传统的分子特征描述方法，比如人工设计的物理化学参数。虽然这些方法取得了一定成效，但往往受到专家经验的限制，还需要人工进行特征提取[24]、[25]。近年来，自监督学习技术为分子特征描述带来了新的进展。通过在大规模的未标记数据集上对图神经网络进行预训练，自监督学习能够让模型捕捉到更丰富的分子特征，进而提升后续分子性质预测任务的性能。
章节要点
STAT3抑制剂数据集与预训练
在本研究中，我们从ChEMBL25数据库中选取了约187万个化合物，用于MolRLFI模型的预训练[26]。ChEMBL25数据库中的所有化合物数据均为公开可获取的，其中包含化合物的SMILES表示式及生物活性信息。随后，为了构建用于后续任务的数据库，我们从ChEMBL25数据库中筛选出了所有具有STAT3抑制活性的化合物，以pChEMBL值作为判定化合物是否具有活性的标准。
MolRLFI在公共数据集上的性能评估
为评估MolRLFI作为通用分子表征学习工具的跨任务泛化能力，我们将其在MoleculeNet提供的三个基准数据集——BBBP、BACE和HIV上的性能进行了对比。我们采用AUROC作为评估指标，每个数据集都进行了三次独立的重复实验，最终的AUROC结果如图4所示。
在三个数据集的评估过程中，三次独立重复实验得到的ROC曲线显示出高度的一致性及重叠性。
结论
本研究聚焦于TNBC的STAT3小分子抑制剂的虚拟筛选工作，为此我们提出了一种名为MolRLFI的自监督图神经网络框架。MolRLFI基于GIN架构，通过对特征聚合方法的优化，提升了模型识别复杂分子结构关系的能力，进而提高了预测潜在STAT3抑制剂的准确性。在STAT3小分子抑制剂分类任务中，MolRLFI展现了良好的性能。
CRediT作者贡献说明
邢泽峰：论文撰写——初稿撰写、软件应用、方法设计、概念构思。侯洪军：论文撰写——初稿撰写、结果验证。刘彦辉：研究实施、资金筹集。徐大茂：论文撰写——审阅与编辑、项目指导、项目管理。谭荣瑞：论文撰写——审阅与编辑、项目指导、资源协调、资金筹集。
生成式AI使用声明
作者声明，在本篇论文的撰写过程中未使用任何生成式AI或AI辅助技术。
利益冲突声明
作者声明，他们不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。
致谢
本项工作得到了国家自然科学基金的资助（项目编号为11864006和12164007）。
Zefeng Xing|Hongjun Hou|Yanhui Liu|Damao Xun|Rongri Tan
