基于领域认知的化学生物学方法与基于结构的HER2激酶抑制剂类似物优先级排序

《Computational Biology and Chemistry》：Applicability-domain-aware cheminformatics and structure-based prioritization of HER2 kinase inhibitor analogs

　　

• •
  经过筛选的HER2 IC50数据为基于骨架的机器学习验证提供了支持。
• •
  在骨架约束下共生成了500,000种HER2类似物。
• •
  通过适用性域评分和多样性过滤，最终筛选出100种配体。
• •
  通过对接/MMGBSA分析以及指纹识别技术，找到了与参考抑制剂类似的HER2结合剂。
• •
  突变体分析结果显示GEN_0268162、GEN_0394004和GEN_0015892是重点研究对象。

引言

HER2/ERBB2属于ErbB受体酪氨酸激酶家族，是多种癌症中已被证实的致癌驱动因子，尤其在HER2阳性的乳腺癌中作用显著（Slamon等人，1987年；Hynes和Lane，2005年；Hsu和Hung，2016年）。小分子HER家族酪氨酸激酶抑制剂通过作用于细胞内的激酶结构域，弥补了基于抗体的HER2治疗方法的不足。临床上常用的HER2靶向酪氨酸激酶抑制剂包括拉帕替尼、奈拉替尼、吡罗替尼和图卡替尼（Yarden和Sliwkowski，2001年；Schroeder等人，2014年；Schlam和Swain，2021年；Murthy等人，2020年）。选择HER2作为本项计算研究的生物靶点，是因为它拥有公开的生物活性数据、临床上可用的参考抑制剂，以及相关的激酶结构域突变信息，这些都有助于在统一的工作流程中开展基于配体的建模、化学空间设计以及基于结构的类似物筛选工作。

ChEMBL数据库提供了与化学结构、检测元数据及治疗靶点相关联的经过精心筛选的小分子生物活性数据，因此非常适合用于开展可重复的基于配体的建模工作（Zdrazil等人，2024年）。不过，现有的公开生物活性数据仍存在较大差异，因为不同研究报告中涉及的终点类型、关系描述、单位、检测条件、数据重复情况以及数据来源都各不相同（Tropsha，2010年；Fourches等人，2010年）。对于酪氨酸激酶抑制剂的相关建模工作而言，这些问题尤为重要，因为数据筛选过程中的错误可能会影响到后续的骨架富集、虚拟库构建、候选物质排序以及基于结构的进一步分析工作（Tropsha，2010年；Sheridan，2013年；Fourches等人，2010年）。因此，本研究将终点数据的筛选以及分子层面的数据整合视为化学信息学处理的核心步骤，而不仅仅是简单的预处理环节。

分子多样性相关的工作流程可用于小分子库的设计、化学空间探索、基于片段或配体的设计、结构-功能分析、分子设计、人工智能与机器学习应用、化学信息学分析以及筛选技术的开发（Reymond和Awale，2012年）。本研究的核心目标是基于骨架优先选择合适的类似物，而非无限制地寻找潜在的活性物质。其核心问题在于：能否利用从ChEMBL数据库中筛选得到的高效HER2活性骨架，扩展出一个规模较大的类似物库，同时确保这些类似物在解释性、适用性、化学多样性、可重复性以及与HER2激酶结合位点的结构匹配度等方面都能满足要求。

本研究在计算方法上的主要创新在于将以往在虚拟筛选研究中往往分开处理的多个决策环节进行了整合：包括严格的ChEMBL数据终点筛选、骨架级别的富集与优先级排序、在活性骨架基础上进行的受限R基团枚举、能够避免适用性偏差的复合筛选方法、在对接实验前进行的多样性筛选、合成可行性评估、对接及MMGBSA分析后的重新评分、与参考HER2抑制剂之间的相互作用指纹对比，以及针对HER2激酶结构域突变体受体的计算分析。该工作流程旨在提供一种可重复使用的、用于从骨架到目标结构优先排序的模板。本研究生成的化合物仅作为实验测试的候选对象，并非已经得到验证的HER2抑制剂、具有选择性的化合物、经过合成验证的分子，也不是具有抗耐药性的药物。

章节节选

数据来源与终点数据筛选

HER2/ERBB2的IC50生物活性数据是从ChEMBL数据库中的目标CHEMBL1824中下载的。原始数据以分号分隔的表格形式存在，共计5,207行IC50数据。选择ChEMBL数据库是因为它是一个经过人工精心筛选的数据库，能够将化学结构、生物活性测定结果、检测相关信息以及药物发现的目标数据相互关联起来（Zdrazil等人，2024年）。

只有当数据中包含分子的唯一标识符以及标准的SMILES表达式，且所有数值均为正数时，这些数据才会被保留下来。

经过筛选的HER2生物活性数据集

通过严格的“精确关系、纳摩尔级别”筛选，原本5,207行的原始IC50数据被过滤后，剩余3,322条符合要求的精确纳摩尔级数据记录。经过分子层面的数据整合后，共得到了2,495种IC50相关的化合物，其中1,796种具有活性，437种活性较弱，262种没有活性。排除活性较弱的化合物后，共有2,058种具有明确活性状态的化合物可用于后续的二分类分析。各项数据筛选步骤的总结见表1。

机器学习模型的性能表现

大多数非基准版本的分类器的性能都要优于随机分类器。在预留的测试数据集上，ExtraTrees分类器的表现尤为突出。

讨论

本研究提出了一种从骨架到目标结构的计算工作流程，该流程能够将经过筛选的HER2 IC50数据转化为具有良好解释性、经过多样性过滤且经过对接分析重新评分后的类似物。这项研究的价值并不在于提出了新的分类算法，也不在于声称发现了新的HER2抑制剂。其真正的贡献在于将骨架选择、受限枚举、适用性控制、多样性管理、对接/MMGBSA分析后的重新评分、相互作用指纹分析、合成可行性评估以及针对突变体受体的分析等各个步骤有机整合在了一起。

研究的局限性及未来展望

本研究采用了对接分析、MMGBSA重新评分、相互作用指纹分析、合成可行性评估以及突变体分析等方法来进行相对性的计算优先级排序，而且在处理生成的类似物以及参考抑制剂时，均采用了统一的工作流程。不过该研究也存在一定的局限性：虽然骨架拆分验证方法能够减少类似物系列间的数据泄露问题，但仍然无法完全消除那些处于用于模型训练的HER2相关化学空间之外的化合物所存在的 extrapolation风险。

结论

本研究将ChEMBL1824数据库中的HER2 IC50数据、Morgan指纹模型、Bemis-Murcko骨架分析方法、基于骨架的受限枚举技术、兼顾适用性域特征的复合评分系统、Butina多样性过滤方法、合成可行性评估、对接及MMGBSA分析后的重新评分、相互作用指纹分析以及HER2突变体分析方法相结合，构建了一套可重复使用的计算生物学与化学分析工作流程。通过该流程，共生成了500,000种符合要求的、受骨架约束的类似物，同时还筛选出了100种适合进行对接实验的候选化合物。

资金支持情况

本研究未获得任何资金支持。

利益冲突声明

作者声明自己不存在任何可能影响本研究结果的已知财务利益冲突或个人关系。

致谢

作者感谢ChEMBL、RDKit、scikit-learn、RCSB蛋白质数据库以及Schr?dinger软件工具的开发者与维护者，正是这些工具为本研究中的计算分析提供了有力支持。

利益冲突声明

作者声明自己不存在任何利益冲突。

作者贡献

Precious A. Akinnusi负责该研究的构思与设计，负责对HER2生物活性数据集进行筛选与分析，开发了基于配体的建模工作流程，完成了骨架提取与类似物的生成工作，还进行了适用性域评分等相关工作。