基于量子药效团的虚拟筛选实现化学型多样的登革NS5抑制剂的前瞻性发现

《Journal of Chemical Information and Modeling》：Quantum Pharmacophore-Based Virtual Screening Enables Prospective Discovery of Chemotype-Diverse Dengue NS5 Inhibitors

　　

研究人员引入了一个量子药效团框架，从根本上重新定义了分子相互作用的计算表示和筛选方式。与依赖经验特征定义、构象采样和笛卡尔坐标的传统药效团或基于对接的方法不同，该方法直接从密度泛函理论（DFT）和量子原子分子理论（QTAIM）中导出药效团。这产生了配体-靶标复合物的靶标条件化、拓扑和以相互作用为中心的表示，实现了严格的降维和显著的计算加速。据研究人员所知，这是首次证明量子衍生的拓扑药效团能够支持化学库规模下基于子图同构的虚拟筛选。研究人员将基于量子药效团的筛选前瞻性地应用于登革病毒NS5 RNA依赖的RNA聚合酶（RdRP）的三个保守口袋，评估了4380万个化合物，并鉴定了五个在生化、生物物理和细胞实验中验证的化学多样性抑制剂。值得注意的是，其中三个化合物靶向高度动态的NITD-640口袋，其生化IC₅₀值在低至中微摩尔范围（约3-123 μM），与参考配体相比具有改善的配体效率和类药性质。这些结果共同表明，量子药效团可以在传统筛选方法难以处理的挑战性、柔性结合位点发现不同的化学型。

**量子药效团虚拟筛选发现登革NS5新型抑制剂：原理、方法与验证**

**研究背景与问题**

药效团概念自Paul Ehrlich提出以来，已发展逾百年，传统药效团由国际纯粹与应用化学联合会（IUPAC）定义为“确保与特定生物靶标结构产生最佳超分子相互作用并触发或阻断其生物反应所需的立体和电子特征集合”。然而，传统药效团依赖经验性特征定义（如氢键受体、供体、疏水基团、芳香环），并需进行构象采样和笛卡尔坐标对齐，导致电子相互作用表征简化且不精确，尤其对柔性结合位点处理困难。登革病毒（DENV）属于黄病毒科，包括西尼罗病毒（WNV）、寨卡病毒（ZIKV）、黄热病毒（YFV）和日本脑炎病毒（JEV），四种血清型（DENV1-4）通过蚊虫传播，每年约9600万人感染，约4万人死亡。其非结构蛋白5（NS5）由N端甲基转移酶（MTase）和C端RNA依赖的RNA聚合酶（RdRP）组成，是复制复合体核心，与NS3协同作用。RdRP的保守口袋（如N-口袋、RNA隧道和NITD-640口袋）是药物靶点，但以往非核苷抑制剂因缺乏细胞活性、高亲脂性和构效关系（SAR）耗尽而未能进入临床开发。因此，亟需一种能突破传统方法局限、识别化学新颖骨架的虚拟筛选（VS）技术。

**研究目标与内容**

研究人员引入基于量子药效团（QP）的框架，直接从密度泛函理论（DFT）和量子原子分子理论（QTAIM）推导分子相互作用表示，以拓扑和相互作用为中心的表征替代传统几何约束，旨在实现化学库规模下的子图同构虚拟筛选，并前瞻性地应用于登革病毒NS5 RdRP的三个保守口袋（N-口袋、RNA隧道和NITD-640口袋），以发现化学型多样的抑制剂。该研究发表在《Journal of Chemical Information and Modeling》上。

**主要技术方法**

研究人员采用以下几个关键方法：第一，基于DFT和QTAIM的量子药效团生成，通过电子密度计算将配体-靶标复合物分解为拓扑子结构，得到配体特异性空间交互网络（即QP）。第二，利用子图同构算法，在拓扑空间中匹配QP与预计算配体药效团数据库，替代传统笛卡尔坐标对齐和构象采样。第三，采用机器学习增强的图算法加速子图匹配，实现在标准硬件（Intel CPU@3.00 GHz, 72逻辑处理器, 128 GB RAM, 1 TB NVMe SSD）上数天内完成对约4380万个化合物的筛选。此外，筛选后结合笛卡尔约束（如立体位阻排除）、低结构相似性（Tanimoto系数<0.5）和类药性（Lipinski五规则）进行化合物排序。虚拟筛选所用化学库为Enamine REAL Diverse Drug-like库（2023年2月版本），包含约4380万个化合物。

**研究结果**

**QP建模登革病毒RdRP的三个口袋**：研究人员选择了三个结构保守且功能相关的口袋：N-口袋（基于PDB 5JJR，与化合物29共晶）、RNA隧道（基于PDB 6XD0，与NITD-434共晶）和NITD-640口袋（基于PDB 6XD1，与NITD-640共晶）。量子药效团与传统药效团对比显示，QP识别了与电子密度相关的局部相互作用（灰色球体），而传统药效团仅显示氢键、疏水等特征，表明QP能发现与起始化学物质显著不同的相互作用。

**虚拟筛选与化合物选择**：分别针对三个模型进行虚拟筛选，5JJR模型获得137个虚拟命中，6XD0模型获得138个，6XD1模型获得130个。其中237个化合物可从Enamine购买，进行生化试验。

**生化与生物物理验证**：通过DENV2和DENV3 RdRP的生化聚合酶延伸实验，237个化合物中9个IC₅₀ ≤ 100 μM。进一步经表面等离子体共振（SPR）测定结合亲和力，最终5个候选化合物在两个实验中均显示活性。N-口袋命中JNJ-8284对DENV2和DENV3的IC₅₀分别为24.7 ± 29 μM和25.7 ± 30 μM，K_D为5.5 ± 0.94 μM。RNA隧道命中JNJ-3465的IC₅₀分别为139.1 ± 35 μM和109.6 ± 15 μM，K_D为22.6 ± 5.9 μM。NITD-640口袋的三个命中中，JNJ-2594最有效，对DENV2和DENV3的IC₅₀分别为5.8 ± 1.3 μM和3.2 ± 0.5 μM，K_D为7.5 ± 2.1 μM；JNJ-2763和JNJ-2750的IC₅₀分别为123.0 μM和93.0 μM。所有化合物在de novo RNA合成抑制实验中也显示抑制活性，其中JNJ-2594的IC₅₀为23.5 ± 5.5 μM。此外，所有化合物对人线粒体RNA聚合酶（h-mtRNAP）有一定交叉反应性，提示需优化抗病毒特异性。

**细胞抗病毒活性**：在Vero和Huh7细胞中，使用DENV2-eGFP报告病毒测试了5个化合物。JNJ-8284在Vero细胞中EC₅₀为27.9 ± 8.3 μM（CC₅₀ > 100 μM），但Huh7细胞中无活性。JNJ-3465的EC₅₀为24 ± 1.7 μM（Vero），选择性指数（SI）>4.1。JNJ-2763在Vero细胞中EC₅₀为9.1 ± 8 μM，SI > 11，但Huh7细胞中活性降低且毒性增加。JNJ-2750在Vero细胞中SI > 2.9，但Huh7细胞中SI约0.9。JNJ-2594无细胞活性，可能由于代谢或渗透性差。所有命中化合物均符合Lipinski五规则，且除JNJ-8284外，配体效率（LE）均高于参考配体。

**讨论与结论**

讨论部分指出，量子药效团方法在柔性结合位点表现最佳，特别是NITD-640口袋，该位点中NITD-640的羧基和四唑基团与R457、E458、K578形成关键相互作用，但命中化合物完全不包含这些基团，证明了发现化学新颖骨架的能力。与传统方法相比，QP基于拓扑而非笛卡尔坐标，避免了结合位姿的过度解释，并可通过将QP特征映射到分子等密度表面提供药物化学优化指导。研究结论：研究人员通过量子药效团虚拟筛选，在三个登革NS5 RdRP保守口袋中发现了五个化学型多样的抑制剂，其IC₅₀值从低微摩尔到约100 μM，具有良好配体效率和类药性质。这些结果证明量子药效团能够在挑战性、高动态结合位点识别具有生物活性的新颖化学起点，为抗登革及其他黄病毒药物发现提供了有价值的先导化合物。