《ACS Omega》:Machine Learning-Guided Discovery of Natural BACE1 Inhibitors with Enzymatic and Cellular Validation
编辑推荐:
阿尔茨海默病(Alzheimer's disease, AD)是一种进行性神经退行性疾病,其特征是脑内β-淀粉样蛋白(β-amyloid, Aβ)肽的过度积累。β-分泌酶1(Beta-secretase 1, BACE1)是淀粉样前体蛋白(amyloid pr
阿尔茨海默病(Alzheimer's disease, AD)是一种进行性神经退行性疾病,其特征是脑内β-淀粉样蛋白(β-amyloid, Aβ)肽的过度积累。β-分泌酶1(Beta-secretase 1, BACE1)是淀粉样前体蛋白(amyloid precursor protein, APP)淀粉样加工途径中的限速酶,已被广泛认为是减少Aβ产生的重要治疗靶点。本研究利用朴素贝叶斯(Na?ve Bayes, NB)和递归划分(Recursive Partitioning, RP)算法构建了9个基于机器学习的BACE1抑制剂预测模型。随后进行了内部和外部验证以评估预测性能。将优化后的模型应用于筛选含有452个化合物的内部天然产物库。基于共识预测标准,171个化合物被鉴定为潜在BACE1抑制剂,并进行了基于荧光共振能量转移(fluorescence resonance energy transfer, FRET)的酶学实验。其中,33个化合物在初始浓度50 μg/mL下表现出大于50%的抑制率。进一步的剂量-反应评估确定了5个IC50值低于50 μM的化合物,包括茶黄素-3,3'-二没食子酸酯(Theaflavin-3,3′-digallate)、γ-倒捻子素(γ-mangostin)、甘草查尔酮B(Licoagrochalcone B)、菊苣酸(Chicoric acid)和白藜芦醇(Resveratrol)。使用APPswe-HEK293T细胞的细胞水平验证表明,茶黄素-3,3'-二没食子酸酯显著减少细胞外Aβ1–42的分泌。分子对接分析进一步揭示,茶黄素-3,3'-二没食子酸酯可通过多个氢键和疏水相互作用稳定结合BACE1。综上,本研究证明了将机器学习辅助虚拟筛选与天然产物库相结合是发现新型BACE1抑制剂的有效策略。茶黄素-3,3'-二没食子酸酯被鉴定为一种具有酶学和细胞活性的有前景的天然BACE1抑制剂。这项研究为未来抗阿尔茨海默病药物的开发提供了新技术和潜在先导化合物。
阿尔茨海默病(Alzheimer's disease, AD)是一种进行性神经退行性疾病,约占全球痴呆病例的70%。现有疗法如胆碱酯酶抑制剂、美金刚和抗淀粉样单克隆抗体等临床获益有限。在众多发病机制假说中,淀粉样级联假说受到广泛研究。β-分泌酶1(BACE1)是淀粉样前体蛋白(APP)淀粉样加工途径的限速酶,与γ-分泌酶共同产生β-淀粉样蛋白(Aβ),其中Aβ
1–42易于聚集形成斑块,在AD病理中起关键作用。APP的A673T(冰岛)突变位于BACE1切割位点P2′,可减少BACE1介导的APP切割并预防AD,遗传学证据进一步支持BACE1是降低淀粉样负荷的重要治疗靶点。尽管已有大量小分子BACE1抑制剂进入临床,但多数因疗效不足或安全性问题失败,因此有必要寻找安全性和调控活性更优的新型抑制剂。计算机辅助虚拟筛选和机器学习方法可从大型数据集中学习复杂的构效关系,适用于从天然产物中快速发现先导化合物。
本研究旨在建立基于机器学习的BACE1抑制剂预测模型,并将其用于筛选内部天然产物库。研究人员从BindingDB数据库收集928个人BACE1活性化合物(IC
50或K
i<100 nM),利用DUD-E数据库生成2784个物化性质匹配的诱饵化合物,按3:1随机划分为训练集(696活性、2088诱饵)和测试集(232活性、696诱饵);另从文献收集50个结构不同的BACE1抑制剂并生成150个诱饵组成外部验证集。计算348种分子描述符,经筛选后保留7个Discovery Studio 2D分子描述符(DS_2D_MD),并结合ECFP_4、ECFP_6和MACCS三种分子指纹。采用朴素贝叶斯(NB)和递归划分(RP)算法构建9个分类模型,通过五折交叉验证、独立测试集和外部验证集评估性能。将优化后的模型用于452个天然产物的共识虚拟筛选,获得171个预测阳性化合物,随后采用FRET酶学实验、APPswe-HEK293T细胞实验和分子对接进行验证。
结果:
1. 数据集构建与分子描述符优化
构建了包含928个活性化合物和2784个诱饵的内部数据集,以及包含50个活性和150个诱饵的外部验证集。通过相关性分析和逐步回归,最终选择7个描述符用于建模,涵盖亲脂性、氢键供体、片段复杂性和环特征等,降低了信息冗余。
2. 化学空间与结构多样性分析
主成分分析(PCA)显示训练集、测试集和外部验证集的化合物在三维主成分空间中广泛分布且高度重叠,各主成分标准差接近;基于ECFP_6的Tanimoto指数分别为0.098、0.097和0.091,表明三组均具有高结构多样性,适合机器学习建模和外部验证。
3. 模型预测性能评估
九个模型中,NB-2(MD+ECFP_4)、NB-3(MD+ECFP_6)、NB-4(MD+MACCS)和RP-1(MACCS)在外部验证集上表现最佳。NB-2和NB-3的外部验证AUC达1.000,敏感性和特异性均较高;RP-1外部验证敏感性为0.978,AUC为0.982。RP-2至RP-5尽管内部验证表现良好,但外部验证敏感性仅0.02,表明泛化能力不足。分子指纹的融合显著提升了NB模型的预测性能。
4. 优势与劣势结构片段分析
基于NB-3模型识别出20个优势片段和20个劣势片段。优势片段多为取代芳香/杂环通过酰胺、脲、脒或亚胺连接,含氟苯基或吡啶基团,且富含氢键供/受体;劣势片段则多为柔性脂肪胺、质子化铵、含硫脂肪链和高度不饱和开链,缺乏刚性和合适的氢键模式。
5. 虚拟筛选
四个最优模型对452个天然产物进行共识预测,设定标准为“至少一个NB模型(NB-2/NB-3)与至少一个RP/NB模型(NB-4/RP-1)同时预测为阳性”,共筛出171个候选化合物。
6. BACE1抑制活性实验验证
171个化合物在50 μg/mL下进行FRET酶学实验,33个抑制率>50%,实验命中率19.3%。对33个化合物进行剂量-反应分析,5个IC
50值低于50 μM,即茶黄素-3,3'-二没食子酸酯(IC
50=16.87 μM)、γ-倒捻子素(20.12 μM)、甘草查尔酮B(31.72 μM)、菊苣酸(33.12 μM)和白藜芦醇(44.37 μM),阳性对照MK-8931的IC
50为0.042 μM。
7. 细胞水平Aβ
1–42分泌抑制
在APPswe-HEK293T细胞中,5个化合物在各自最大无毒浓度下仅茶黄素-3,3'-二没食子酸酯显著降低细胞外Aβ
1–42水平,且呈浓度依赖性,在100 μM时效果最明显,但弱于5 μM阳性对照LY2811376。其余化合物未观察到显著效果,可能与细胞渗透性差或最大无毒浓度较低有关。
8. 分子对接分析
采用CDOCKER对接,茶黄素-3,3'-二没食子酸酯与BACE1活性口袋中的Pro70、Gln73、Phe108和Ile126形成氢键,与Gly34形成碳氢键,并通过π-阳离子、π-π T形和π-烷基与Arg235、Tyr71、Val332发生相互作用,提示其可稳定结合于BACE1活性位点。
讨论部分指出,验证准确率与实验命中率评价维度不同,实验命中率反映虚拟筛选的富集能力;多个活性化合物的结构特征与模型识别的优势片段一致,支持模型可解释性。γ-倒捻子素、菊苣酸和白藜芦醇已有报道具有AD相关多效活性。酶学与细胞活性差异可能归因于细胞渗透性、极性、代谢稳定性及毒性限制。茶黄素-3,3'-二没食子酸酯的对接姿势未与催化天冬氨酸二元体(Asp32/Asp228)直接作用,对接结果仅提供结合模式支持。茶黄素类化合物具有抗氧化、抗炎、抑制Aβ纤维形成等神经保护作用,支持其作为先导化合物的潜力。研究局限性在于仅使用了NB和RP算法,未尝试更先进算法;ADMET预测显示茶黄素-3,3'-二没食子酸酯低胃肠道吸收且不易透过血脑屏障,需结构优化或新型递送策略。
结论:本研究成功建立了用于BACE1抑制剂发现的机器学习预测模型,并验证了其筛选天然产物库的有效性。通过共识虚拟筛选结合酶学、细胞和分子对接研究,茶黄素-3,3'-二没食子酸酯被鉴定为同时具有酶学抑制活性和细胞水平降低Aβ
1–42分泌能力的天然先导化合物。该研究将机器学习与天然产物筛选相结合,为加速AD新药发现提供了新技术途径。