从MMP蛋白的晶体结构到药物与目标蛋白的结合机制：通过跨物种数据对比与深度学习相结合的方法，研究MMP-12抑制剂如何识别S1′口袋结构

《Computational Biology and Chemistry》：From MMP cliffs to binding interactions: An integrated Read-across and deep learning-based investigation of MMP-12 inhibitors to elucidate S1′ pocket recognition

　　• 采用了基于相似性的方法来提高外部预测能力。• MMP-cliff分析揭示了一些特定的结构修饰对MMP-12抑制作用的影响。• 使用了一种考虑物理特性的深度学习框架来分析结合相互作用。• 强效抑制剂与MMP-12 S1′口袋的关键残基建立了持久的相互作用。• 进行了RMSX分析，以深入了解S1′口袋的动态稳定性。

引言
基质金属蛋白酶-12（MMP-12），也称为巨噬细胞金属弹性蛋白酶，已被认为是多种病理条件下慢性炎症、细胞外基质重塑、免疫失调和进行性组织退化的主要调节因子（Chelluboina等人，2018年；Tamang等人，2025a）。最初在活化的巨噬细胞中发现，由于其针对弹性蛋白、层粘连蛋白、纤维连接蛋白、IV型胶原、髓鞘碱性蛋白和几种紧密连接相关蛋白的强烈蛋白水解活性，其病理意义得到了显著扩展（Tamang等人，2025a；Veeravalli，2024年；Deng等人，2019年）。在生理条件下，MMP-12受控制的蛋白水解活性有助于组织重塑和伤口修复（Tamang等人，2025a；Nighot等人，2021年）。然而，其过度表达会导致持续的炎症刺激，从而引起过度的细胞外基质降解、上皮屏障破坏、炎症细胞浸润、纤维化、成骨转化等。因此，MMP-12成为不同神经系统、心血管系统、胃肠道系统和肺部疾病的重要药物靶点（Tamang等人，2025a；Nighot等人，2021年；Banerjee等人，2023年）。

在神经系统疾病中，MMP-12在活化的小胶质细胞、浸润的巨噬细胞和少突胶质细胞中的表达升高，显著促进了血脑屏障的破坏。这是通过降解Claudin-5、Ocludin、ZO-1、层粘连蛋白和纤维连接蛋白来实现的，从而促进了白细胞向神经组织的浸润（Chelluboina等人，2018年；Tamang等人，2025a）。在钙化主动脉瓣疾病（CAVD）中也观察到了类似的炎症-重塑机制，其中钙化和狭窄的瓣膜组织中检测到MMP-12蛋白酶的表达显著升高，这些组织中浸润了大量的巨噬细胞和炎症细胞。过度的细胞外基质降解削弱了瓣膜的结构完整性，并促进了纤维钙化重塑（Deng等人，2019年）。MMP-12的类似病理意义也显著体现在炎症性肠病和实验性结肠炎中，其中肠道上皮完整性的破坏和慢性黏膜炎症与过度的蛋白水解活性密切相关（Tamang等人，2025a；Nighot等人，2021年）。除了心血管和胃肠道疾病外，MMP-12的慢性炎症性蛋白水解还显著促进了慢性阻塞性肺疾病（COPD）、纤维化疾病和牙周破坏（Tamang等人，2025b；Kathera等人，2025年；Lin等人，2024年）。MMP-12还通过与肿瘤微环境的相互作用参与了癌症生物学（Tamang等人，2025a），它通过促进细胞外基质降解来推动癌细胞的侵袭、迁移和转移，在多种恶性肿瘤中其表达升高，包括口腔癌、肝癌和胃癌（Gao等人，2021年；Saleem等人，2021年）。值得注意的是，科学家们专注于开发选择性和强效的MMP-12抑制剂，但这一过程受到毒性的阻碍，主要是因为其他MMPs的非选择性抑制。由于MMPs之间的序列和结构高度同源性，设计选择性的MMP-12抑制剂仍然具有挑战性。

尽管MMPs的催化结构具有高度相似性，但S1′口袋是催化结合位点中保守性较低的区域之一，并在不同MMP家族成员之间存在显著差异。根据口袋深度，MMPs的S1′口袋可以分为三类：具有浅口袋的MMPs（MMP-1和MMP-7）；具有中等或深口袋的MMPs（MMP-2、MMP-8、MMP-9、MMP-12和MMP-14）；以及具有深口袋的MMPs（MMP-3、MMP-10和MMP-13）（Gimeno等人，2020年；Fabre等人，2014年）。然而，口袋深度并不能完全描述这些酶之间的结构差异，因为Ω环的构象行为可以显著改变S1′腔的有效大小和形状。MMP-1和MMP-7具有相对较浅的S1′口袋，这限制了大型或深穿透取代基的容纳。MMP-2、MMP-8、MMP-9、MMP-12和MMP-14具有中等大小的口袋，尽管它们的构象灵活性有所不同。特别是MMP-8可以采取更开放的构象并容纳较大的配体，而MMP-9和MMP-12则相对更为刚性。相比之下，MMP-3、MMP-10尤其是MMP-13具有更深的S1′口袋，MMP-13表现出显著的构象灵活性，能够容纳延长的配体（Gimeno等人，2020年；Fabre等人，2014年；Baidya等人，2022年）。因此，应使用S1′口袋的互补性作为优化针对各种基质金属蛋白酶的强效和选择性抑制剂的指导原则。

MMP-12的催化结构（图1A）由五个β-折叠片（β1-β5）和三个α-螺旋（α1-α3）组成，α2和α3螺旋之间有一个独特且相对开放的Ω环（Baidya等人，2022年；Lang等人，2001年）。催化结构中的活性位点组织成围绕催化Zn2+离子的多个亚位点：未激活的亚位点（S1、S2和S3）和激活的亚位点（S1′、S2′和S3′）。位于活性裂隙中的催化Zn2+离子对酶活性至关重要，通常由抑制剂中的锌结合基团（ZBGs）配位。在不同的亚位点中，S1′亚位点是抑制剂设计最关键的决定因素（Gimeno等人，2020年）。对于MMP-12来说，S1′口袋由L214、P238-Y240（形成壁的部分）和K241-L250（特异性环）组成，如图1B所示。MMP-12具有中等大小的S1′口袋，这为设计能够主动适应该区域的抑制剂提供了机会（Gimeno等人，2020年；Fabre等人，2014年；Baidya等人，2022年）。针对这一亚位点可以区分密切相关的MMPs，从而最小化脱靶效应。

如今，计算方法在现代药物发现中发挥着重要作用，通过促进药物-靶标相互作用的系统预测和表征（Zhou等人，2019年）。本研究采用基于配体的策略来识别潜在的MMP-12抑制剂，并通过基于结构的方法来深入了解它们的结合相互作用。其他作者之前的研究主要关注特定的结构基序，特别是二苯呋喃类、二苯硫醚类和芳基砜类衍生物，从而限制了数据集的化学多样性（Tamang等人，2024年；Hitaoka等人，2014年；Shamsara和Shahir-Sadr，2014年）。相比之下，本研究使用了一个更新的数据集，其中包含更大范围的结构多样的MMP-12抑制剂，使得模型具有更广泛的适用性和更好的泛化能力。此外，采用了qRASAR方法来整合QSAR和读跨方法的优势，从而提高了对MMP-12抑制活性的预测能力（Tamang等人，2024年；Shamsara和Shahir-Sadr，2014年）。本研究的另一个重要方面是引入了MMP-cliff分析，它提供了对MMP-12抑制剂结构-活性关系的更深入理解，有望促进未来新型MMP-12抑制剂的有效设计和优化。与以往依赖于传统分子对接方法的研究不同，本研究使用了最近开发的MetalloDock策略（Zhang等人，2026年），这是一种考虑物理特性的深度学习框架，专门用于分析金属蛋白的结合相互作用。通过准确模拟Zn2+与配体的配位，MetalloDock提供了更可靠的结合姿势预测，从而改进了MMP-12中配体结合的结构解释。使用分子动力学模拟进一步评估了鉴定复合物的稳定性，以了解MMP-12的S1′口袋在抑制中的作用。此外，为了更深入地了解蛋白质-配体复合物的动态行为，还进行了RMSX分析，即均方根波动（RMSF）分析的时间序列扩展（Beruldsen等人，2026年）。当前的 analysis提供了对MD模拟期间MMP-12动态行为的更详细理解。本研究使用的工作流程示意图见图2。

数据收集和 curacao
初始数据集是从公开可用的ChEMBL数据库中提取的（Gaulton等人，2012年），通过查询MMP-12并将物种限制为Homo sapiens（CHEMBL4393）获得。检索到的数据集最初包含500个报告了IC50值的化合物。对于本研究，仅保留了标准关系为“=”的化合物，因为当前的工作侧重于开发基于回归的预测模型。数据收集后，进行了标准的数据 curacao 协议。

分子性质分析
本研究使用的数据集包含各种MMP-12抑制剂，对其理化性质进行了分析，以了解它们的分布。分析了不同的性质，如分子量（MW）、氢键受体数（HBA）、氢键供体数（HBD）、疏水性（log P）、总极性表面积（TPSA）、可旋转键数（nRB）、环数（nRings）和芳香环数（nAR）等。

结论
本研究建立了一个综合的计算框架，通过有效结合基于配体和基于结构的方法，阐明了MMP-12抑制的分子决定因素。总体发现表明，强效的MMP-12抑制依赖于与催化Zn2+离子的有效协调以及S1′口袋的有利识别和稳定。特别是，MMP-cliff分析表明，即使是很小的结构变化也会影响抑制作用。

资金支持
该工作得到了印度医学研究委员会（ICMR）新德里的支持，属于“ICMR小型外部资助”计划（文件编号：EMDR/SG/12/2025–2896）。

作者贡献声明
Indrasis Dasgupta：撰写 – 原稿、验证、方法学、研究、形式分析、数据 curacao。
Asmita Sensarma：撰写 – 原稿、方法学、形式分析、数据 curacao。
Sk. Abdul Amin：撰写 – 审稿 & 编辑、验证、方法学、研究。
Simona Concilio：软件、方法学、形式分析。
Piyali Basak：验证、方法学、研究。
Stefano Piotto：撰写 – 审稿 & 编辑、可视化、验证、资源。

利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系可能会影响本文的报告。