基于结构虚拟筛选与3D-QSAR预筛引导的从头设计识别纳摩尔级STK3抑制剂

《ACS Omega》：Structure-Based Virtual Screening and De Novo Design Guided by 3D-QSAR Triage for the Identification of Nanomolar STK3 Inhibitors

　　

丝氨酸/苏氨酸激酶3（STK3，亦称哺乳动物不育20样激酶2/MST2）是Hippo信号通路的核心激酶，调控细胞增殖、分化与凋亡；该通路失调与多种癌症及免疫疾病相关，使STK3成为极具潜力的治疗靶点。尽管具治疗价值，已有强效STK3抑制剂稀少，主要因难以设计紧密结合其ATP结合位点的分子。研究人员通过虚拟筛选获得2-(2-氨基-5-苯基嘧啶-4-基)-5-甲氧基苯酚（APPP）骨架，并整合基于结构的从头设计与预测性3D定量构效关系（3D-QSAR）模型估算半数抑制浓度（IC50）及优先合成排序，发现系列新型强效STK3抑制剂，最低IC50达3.52 nM。该策略在从头设计中超越打分函数局限，提升结合能判别力。于APPP核心四个定义位点进行衍生化增强ATP结合位点相互作用，合成25个衍生物中18个IC50低于100 nM。研究进展源于量子力学衍生的3D结构比对及静电势分布作为定量分子描述符的引入；3D-QSAR建模起互补预筛作用而非独立驱动先导发现。综上，本研究确立通过基于结构的计算策略快速开发强效激酶抑制剂的稳健设计范式。

研究背景方面，丝氨酸/苏氨酸激酶3（STK3/MST2）作为Hippo信号通路关键调控者，通过激活LATS1/2磷酸化抑制YAP/TAZ转录共激活因子，参与细胞增殖、分化与凋亡；STK3及其同源物STK4在肝癌、肺癌、前列腺癌、胰腺癌及胶质母细胞瘤中展现肿瘤抑制或促生存双重角色，其失调亦见于免疫紊乱，因而靶向STK3具备抗癌与组织再生干预潜力。目前瓶颈在于ATP结合位点跨激酶组高度保守且具动态柔性，已报道抑制剂如XMU-MP-1（IC₅₀=38.1 nM）虽较优但存在脱靶至ULK1/2及极光激酶问题，多数已知STK3抑制剂停留于微摩尔至亚微摩尔级，纳摩尔级极少，亟需基于结构的新骨架与高精度优先级排序手段。

研究人员针对上述问题开展整合计算—实验研究，以《ACS Omega》为发表载体，核心结论为：从约35万类药分子库虚拟筛选锁定APPP骨架，经基于结构从头设计于R¹–R⁴四位点衍生化，并以量子力学对齐3D-QSAR模型预估IC₅₀预筛，合成25个衍生物中18个低于100 nM、最优达3.52 nM；3D-QSAR被定位为对打分函数的互补分诊工具而非独立发现引擎；该范式证明量子力学静电势描述符可弥补刚性受体虚拟筛选对构象动态捕捉不足。

主要关键技术方法概括（不超250字）：研究人员采用两阶段基于结构虚拟筛选——先以PDB中5DH3与4LGD验证AutoDock类协议重现性（RMSD 0.53 ?与0.70 ?），再从InterBioScreen约35万符合Lipinski五规则分子库对接，以结合自由能+Cys102铰链双氢键（≤3.1 ?）短筛，获37初筛命中并行放射激酶 Assay 确证4个低微摩尔命中（1–3共享APPP）。随后以LigBuilder于APPP的R¹–R⁴位点迭代接替，约束新氢键至Gly103/Ala104/Gly105且范德华接触P-loop（Leu33等）≤4 ?，结合自由能阈值为优于母核4.09 kcal/mol。3D-QSAR侧将33个结构多样分子（31文献+1、2）以最大分子量者为模板做量子力学交叉相关E_ij对齐，取量子力学静电势（ESP）空间分布经PCA降维，全连接ANN建模型，26:7划分+4折外部交叉验证，以R²_train>0.99、R²_test 0.954–0.986、r²_pred 0.953–0.982选优预测42个衍生化分子IC₅₀。

研究结果部分依原文小标题浓缩如下：

2.1 虚拟筛选新STK3抑制剂：研究人员以5DH3/4LGD回溯验证对接协议可靠性后，对~35万分子库按结合自由能取前100并强制Cys102铰链双氢键过滤，XMU-MP-1重筛入前100佐证流程；实验评估37命中得4个低微摩尔新抑制剂，其中1–3含APPP核心、4为吡唑-吡啶/吲唑酰胺类；研究人员指出刚体受体模型忽略铰链与活化环柔性是低命中率主因，建议未来用集合对接或诱导拟合。

2.2 APPP命中1–3构效分析引导优化策略：对接显示1–3酚氧受Intramolecular氢键极化后作受体氢键至Cys102酰胺氮，嘧啶NH₂供体氢键至Glu100羰氧，形成铰链双齿；周围Leu33/Val41/Met99/Tyr101等疏水包埋稳定氢键。1与2（邻位F/OMe）结合模式近重叠，3（对位Cl）甲氧基改向Ser106弱范德华（4.15 ?）致氢键长延0.09/0.07 ?、活性降约2倍；结论为铰链氢键强度主导活性差，范德华修饰为次要，优化应增铰链氢键并调末端苯取向。

2.3 从头设计与3D-QSAR建模优化抑制活性：以APPP（MW 293.3）为核心，定义R¹（邻位苯）、R²/R³（5-苯基嘧啶上C4/C5）、R⁴（对酚氧位）四位点；R¹留OMe尺寸避Asp164位阻，R²近Ser106宜强范德华，R³接触弱需换强相互作用基，R⁴最具增氢键潜力。LigBuilder生成库经可药性原则与铰链/P-loop几何约束三阶段过滤，得42个候选，结合能阈对应千倍亲和提升（微摩尔→纳摩尔）。

2.4 分子IC₅₀的3D-QSAR预测模型构建与验证：因已知STK3抑制剂数不足，并1、2实验值扩至33分子（MW 270–440 amu，IC₅₀ 0.036–1.23 μM），以最大MW分子为模板做E_ij量子力学对齐，取ESP分布为描述符经PCA压缩，ANN训练（26训/7测）并4折外验；四折R²_train均>0.99，R²_test 0.954–0.986，r²_pred 0.953–0.982，折间差<0.044证无过拟合；选Fold 4预测42个de novo分子IC₅₀，用于合成优先级排序。

讨论与结论翻译总结：研究人员讨论指出，传统虚拟筛选低命中率根源于STK3铰链与活化环构象动态未被刚体模型涵盖；APPP骨架凭借低分子量、铰链双齿氢键及四位点可修饰性成为理想优化起点，R⁴引入额外氢键供体/受体可显著增强铰链识别。3D-QSAR模型依赖量子力学对齐与ESP描述符，在de novo设计打分函数之外提供IC₅₀层级分诊，使25合成衍生物中18个IC₅₀<100 nM、最优3.52 nM；该集成范式表明基于结构的从头设计＋量子力学3D-QSAR预筛可克服ATP位点保守与动态双重挑战，为快速获取纳摩尔级激酶抑制剂提供可迁移框架，3D-QSAR定位于互补分诊而非孤立驱动。