《Biochemistry Research International》：Machine Learning–Driven Bioprospecting of Cholinergic Medicinal Plants for Putative Leads Against Butyrylcholinesterase Towards Alzheimer’s Care
编辑推荐：
丁酰胆碱酯酶（Butyrylcholinesterase，BChE）在维持适当的胆碱能神经传递中发挥关键作用，而该传递在晚期阿尔茨海默病（Alzheimer’s disease，AD）患者的大脑中发生显著改变，因此BChE是一个治疗靶点。本研究采用机器学习（M
丁酰胆碱酯酶（Butyrylcholinesterase，BChE）在维持适当的胆碱能神经传递中发挥关键作用，而该传递在晚期阿尔茨海默病（Alzheimer’s disease，AD）患者的大脑中发生显著改变，因此BChE是一个治疗靶点。本研究采用机器学习（Machine Learning，ML）生物活性预测模型，探索潜在BChE抑制剂的化学空间。研究人员利用化学信息学流程，结合综合方差重要性图（Variance Importance Plot，VIP）和相关性矩阵分析，构建了用于BChE抑制的ML模型。具体而言，研究人员使用该ML模型对来自50种具有报道胆碱能活性的尼日利亚药用植物的2179种次级代谢产物（Secondary Metabolites，SMs）组成的化合物库进行了研究。随后，通过分子建模对活性SMs（827种）进行了进一步筛选。最终预测模型表现出显著的稳健性，相关系数达0.8981。对827种SMs的分子对接研究根据得分确定了前五名候选化合物：三种三萜类化合物（adipedatol、lupenone和β-amyrin）、一种甾体类化合物（9(11)-脱氢麦角甾醇苯甲酸酯）和一种黄酮类化合物（tiliroside）。这些先导化合物表现出良好的ADMET特性和有前景的安全性特征。在这五种化合物中，分别来源于Peltophorum pterocarpum、Bryophyllum pinnatum和Alchornea laxiflora的lupenone（?48.78?kcal/mol）、β-amyrin（?49.19?kcal/mol）和adipedatol（?48.87?kcal/mol）是最有前景的先导化合物，其结合自由能显著优于decamethonium（?17.64?kcal/mol），并具有更有利的范德华力、静电和非极性溶剂化能量。此外，这些先导化合物的结合产生了优化的相互作用谱，保持了BChE的结构完整性，并与理想的药物样特性良好契合。这些发现使这些先导化合物成为靶向BChE用于AD管理的治疗应用的有前景候选者，但还需进一步的体外和体内验证研究。
论文解读：机器学习驱动的胆碱能药用植物生物勘探用于发现阿尔茨海默病相关丁酰胆碱酯酶抑制剂
**研究背景与目的**
阿尔茨海默病（Alzheimer’s disease，AD）是全球最紧迫的健康问题之一，患者人数预计将从目前的超过3500万增长至2050年的1.15亿。AD的病理生理涉及β-淀粉样蛋白（Aβ）沉积、tau蛋白过度磷酸化和乙酰胆碱（ACh）水平下降，而胆碱能假说是解释认知衰退的主要理论。在AD进展过程中，脑内乙酰胆碱酯酶（AChE）水平降至正常值的55%–67%，而丁酰胆碱酯酶（BChE）水平升至正常值的120%，表明BChE在AD晚期ACh水解中起关键作用。BChE/AChE比率从0.6升至1.1，促进了新皮层和边缘结构的胆碱能损伤。目前仅有三种胆碱酯酶抑制剂（利斯的明、多奈哌齐和加兰他敏）获批用于AD治疗，且均非BChE特异性抑制剂，并常伴有剂量限制性副作用。因此，开发BChE特异性抑制剂具有重要意义。
尼日利亚拥有丰富的药用植物多样性，超过7000种高等植物，传统医学知识深厚，但对其次级代谢产物（SMs）的神经保护活性研究尚不充分。机器学习（ML）等先进计算技术为系统性地生物勘探植物SMs提供了新机遇。本研究旨在利用ML驱动的生物勘探框架，系统探索具有胆碱能活性的尼日利亚药用植物，以发现潜在的BChE抑制剂。
**研究内容与结论**
研究人员从ChEMBL数据库检索了3852个BChE抑制剂，经数据清洗后获得3812个化合物用于模型构建。采用随机森林（RF）回归器作为基础学习器，结合两阶段超参数优化（包含贝叶斯优化），构建了预测BChE抑制活性的ML模型。模型在训练集上表现优异（RMSE=0.1777，R2=0.9839），在测试集上具有可接受的泛化能力（RMSE=0.8757，R2=0.5342）。通过SHAP分析识别了影响预测的关键分子特征。随后，研究人员通过文献挖掘编制了来自50种尼日利亚药用植物的2179种SMs库，利用ML模型筛选出827种预测活性化合物，并通过分子对接、分子动力学模拟和结合自由能计算对先导化合物进行了深入评估。最终确定了五种先导化合物：tiliroside、lupenone、β-amyrin、9(11)-dehydroergosterol benzoate和adipedatol，其中lupenone、β-amyrin和adipedatol表现出最优的结合自由能，且具有有利的ADMET特性和安全性。研究表明，这些先导化合物有望成为靶向BChE的AD治疗候选药物。
**关键技术与方法**
本研究主要采用了以下关键技术方法：基于ChEMBL数据库的BChE抑制剂生物活性数据集构建与化学信息学处理；随机森林（Random Forest，RF）机器学习模型的建立与两阶段超参数优化（含贝叶斯优化）；SHAP特征重要性分析；基于文献挖掘的尼日利亚药用植物次级代谢产物库构建；分子对接（采用AutoDock Vina）筛选先导化合物；100ns分子动力学（MD）模拟评估蛋白质-配体复合物稳定性；MM-GBSA方法计算结合自由能（BFE）；ADMET性质预测。化合物库来自50种具有报道胆碱能活性的尼日利亚药用植物。
**研究结果**
**模型创建**：从ChEMBL数据库获取3852个BChE抑制剂，经筛选最终获得3812个化合物（pIC50范围1.22–9.96）。采用随机森林回归器，通过两阶段优化（Randomized Search CV和Optuna贝叶斯优化）构建模型。训练集RMSE=0.1777，R2=0.9839；测试集RMSE=0.8757，R2=0.5342，证明模型具有良好的预测能力和泛化性能。
**特征分析**：SHAP分析表明，RDKit 2D描述符构成最大贡献（52.7%），Morgan指纹占33.4%，MACCS键占13.8%。关键结构特征包括C-N-C连接（胺/酰胺）、苄基/苯基-烷基、甲氧基/醚基、羰基/酰胺等，这些都与已知的BChE抑制活性相关。
**生理化学性质**：活性化合物的分子量范围为380–550 Da，pIC50为6.0–8.8；非活性化合物分子量300–480 Da，pIC50<5。大多数活性分子遵循Lipinski五规则，具有良好的类药物特性。
**筛选SMs**：从50种尼日利亚药用植物中鉴定出2179种SMs，分布于26个科，其中Fabaceae科（9种）和Euphorbiaceae科（5种）代表性最高。ML模型筛选出827种预测活性化合物。
**分子对接分析**：对接方案经重新对接验证（RMSD=1.05 ?）。827种活性SMs对接至BChE活性位点，前15名得分范围为?11.6至?10.3 kcal/mol，均优于参考抑制剂decamethonium（?7.4 kcal/mol）和多奈哌齐（?8.5 kcal/mol）。前五名SMs包括tiliroside（?11.6）、lupenone（?11.3）、β-amyrin（?11.3）、9(11)-dehydroergosterol benzoate（?11.2）和adipedatol（?11.2）。
**氨基酸相互作用**：与参考化合物相比，先导化合物与BChE活性位点产生了更广泛的相互作用，包括多个氢键、π-π堆积和疏水接触。例如，tiliroside与Ser79、Ser198、Glu197等残基形成6个氢键。
**ADMET性质**：除tiliroside外，所有先导化合物均满足Lipinski五规则。所有化合物均预测可通过血脑屏障（BBB），不抑制hERG通道，无肝毒性和致癌性。lupenone具有最高的人肠道吸收概率（1.00）和较长的半衰期（1.963 h）。
**结合自由能分析**：MM-GBSA计算结果表明，lupenone（?48.78 kcal/mol）、β-amyrin（?49.19 kcal/mol）和adipedatol（?48.87 kcal/mol）的总结合自由能显著优于decamethonium（?17.64 kcal/mol）。这些先导化合物主要靠强范德华力作用稳定结合。
**分子动力学模拟**：100ns MD模拟显示，所有配体结合复合物的RMSD值（1.62–1.69 ?）均低于未结合蛋白（1.85 ?），表明配体诱导BChE采取更稳定的构象。adipedatol具有最低的RMSD（1.34 ?）和RMSF值，显示出最强的稳定化效果。先导化合物的结合降低了关键催化残基（如Trp82）的灵活性，同时增加了氢键数量。
**残基能量分解**：每个先导化合物的结合自由能主要由配体自身的范德华贡献以及活性位点疏水残基（如Trp82、Trp231、Phe329、Tyr332）的贡献主导，这些残基通过疏水相互作用和极性溶剂化效应稳定配体结合。
**讨论与结论**
本研究通过集成ML和分子建模方法，系统勘探了尼日利亚药用植物中潜在的BChE抑制剂，发现了五个有前景的先导化合物。这些先导化合物在实验中表现出优于参考药物的结合亲和力和稳定性，且具有良好的药物相似性和安全性。研究表明，将人工智能与民族医学相结合可以有效指导新型先导化合物的发现。尽管研究提供了强有力的计算证据，但结论仍需要通过体外和体内实验验证，以确认其治疗效果和临床潜力。未来的研究方向包括SAR研究以优化先导化合物的选择性和效力，以及对三萜支架的修饰以提高效力和降低脱靶效应。这些发现为开发针对BChE的AD治疗药物奠定了基础。
