TRPM8虚拟筛选:靶标特异性非活性富集机器学习打分函数的关键作用

《Digital Discovery》:TRPM8 virtual screening: the essential role of target-specific, inactive-enriched machine-learning scoring functionsOpen Access

【字体: 大 中 小 】 时间:2026年09月21日 来源:Digital Discovery 7.1

编辑推荐:

  瞬时受体电位美拉司他丁8(Transient Receptor Potential Melastatin 8, TRPM8)离子通道是一个新兴的治疗靶点,与疼痛、炎症及其他疾病相关。尽管基于结构的虚拟筛选(structure-based virtual scr

  
瞬时受体电位美拉司他丁8(Transient Receptor Potential Melastatin 8, TRPM8)离子通道是一个新兴的治疗靶点,与疼痛、炎症及其他疾病相关。尽管基于结构的虚拟筛选(structure-based virtual screening, VS)广泛用于药物发现,但通用及靶标特异性的机器学习(machine learning, ML)打分函数(scoring functions, SFs)对TRPM8等离子通道的有效性仍有待研究。研究人员建立了首个针对TRPM8的综合性基于结构的VS基准,该基准在多个TRPM8蛋白构象和对接方案下,对经典对接SF、通用ML SF及靶标特异性ML模型进行了回顾性评估。评估结果显示,在该靶标上,通用ML重打分相较于经典对接最多仅提供适度且依赖构象的改进。当采用回归算法时,仅基于蛋白-配体交互指纹(protein–ligand interaction fingerprints)的靶标特异性ML模型提高了测试集的早期富集度。然而,性能仍对蛋白构象选择和化学相异性敏感。对特征表示的系统性评估表明,在选定的对接工具-蛋白构象组合下,将结构衍生的交互特征与基于配体的描述符相结合可增强富集度。至关重要的是,通过非活性富集训练向学习算法提供更多阴性训练实例,可显著减少假阳性。这也使基于结构的模型对化学不相似测试集的泛化能力显著提升。相比之下,仅基于配体的定量构效关系(quantitative structure–activity relationship, QSAR)模型在相同的类别不平衡机制下性能崩溃。在非活性富集训练下,基于蛋白-配体扩展连接性(Protein-Ligand Extended Connectivity, PLEC)的支持向量回归(support vector regression, SVR)模型实现了稳健且强大的VS性能,凸显了在模型训练期间更好地学习大量非活性分子多样性对于开发预测性靶标特异性ML SF用于TRPM8 VS的关键作用。
**TRPM8虚拟筛选基准的系统构建与靶标特异性机器学习打分函数的优化研究**

**一、研究背景与问题提出**

瞬时受体电位美拉司他丁8(Transient Receptor Potential Melastatin 8, TRPM8)离子通道作为冷觉分子传感器被发现二十余年后,首个靶向TRPM8的药物Acoltremon于2025年获美国食品药品监督管理局(FDA)批准用于干眼症治疗,这一里程碑事件凸显了TRPM8超越传统温度感觉功能、延伸至多种病理状态的临床治疗相关性。TRPM8多样的生理和病理作用使其成为药物发现中极具吸引力的靶点,尤其是通过虚拟筛选(virtual screening, VS)这类成本效益高且可规模化的方法。

结构-based虚拟筛选利用分子对接,基于预测的结合亲和力对大化学库中的化合物进行排序。对接程序通过内置打分函数(scoring functions, SFs)估算这些亲和力。研究人员前期对经典打分函数(Smina和rDock)的基准测试发现,其用于TRPM8虚拟筛选存在计算效率差异大、强蛋白模板敏感性、活性物与诱饵区分度有限以及早期富集与整体排序性能间的权衡等局限性。机器学习打分函数(machine-learning SFs, ML SFs)被提出用于改进经典SF,但这些现成模型在异质多靶标数据集上训练,未针对特定蛋白优化,其泛化能力可能受限于与训练数据中靶标的相似性。靶标特异性SF的开发是解决该局限的一种策略。基于蛋白-配体交互指纹(如蛋白-配体扩展连接性,Protein-Ligand Extended Connectivity, PLEC)的靶标特异性ML SF已在水溶性酶类(如PARP1)中显示出有效性,但尚未在包括TRPM8在内的离子通道中进行系统评估——此类靶标因膜嵌入式结合位点而呈现独特的结构特征。此外,TRPM8在PDBbind等基准资源和许多通用ML SF的训练域中代表性不足,通用SF对该特定靶标的可迁移性和可达精度无法预先假设。

**二、研究目的与数据集构建**

为填补上述空白,研究人员开展了首次针对TRPM8的全面回顾性结构-based VS基准研究。该基准数据集包含1984个TRPM8真实活性物和94650个DeepCoy生成的性质匹配(Property Matched, PM)诱饵,共96634个分子(活性物与诱饵比1:48),使用两个TRPM8冷冻电镜结构7WRE和9B6G作为蛋白模板。为开发靶标特异性SF,研究人员从PubChem、ChEMBL和BindingDB中整理了569个经实验确认的非活性物(pAct < 6;活性 > 1 μM),合并后按80:20随机划分训练/测试集。初始训练集包含1598个活性物与569个非活性物(3:1比例)。为避免DeepCoy诱饵偏差,测试集仅纳入与385个测试活性物对应的18350个诱饵(即全测试集)。进一步通过去除与训练集任意分子最大ECFP4 Morgan指纹Tanimoto相似度≥0.70的分子,构建了化学不相似测试集(仅剩26个活性物),以严格评估模型对新颖化学空间的泛化能力。此外,通过加入75595个ZINC22性质不匹配(Property Unmatched, PU)诱饵构建非活性富集训练集,将活性物与非活性物比例调整至约1:48。

**三、主要研究方法**

研究人员系统评估了以下方法:经典对接SF(Smina、rDock)作为基线;三种代表性通用ML SF(SCORCH2、GNINA 1.0和1.3、RF-Score-VS v2)对已对接构象进行重打分;靶标特异性ML模型涵盖随机森林(random forest, RF)、极限梯度提升(eXtreme Gradient Boosting, XGB)、支持向量机(support vector machine, SVM)、人工神经网络(artificial neural network, ANN)和深度神经网络(deep neural network, DNN),以分类和回归两种模式训练。特征表示包括:基于ODDT v0.7从蛋白-配体复合物提取的PLEC交互指纹(片段深度配体为2、蛋白为4,指纹大小4096),由Smina和rDock分别对两个TRPM8结构对接产生四种PLEC变体(Smina::PLEC-7WRE、Smina::PLEC-9B6G、rDock::PLEC-7WRE、rDock::PLEC-9B6G);基于ECFP4的Morgan指纹(半径2,1024位)和9种理化描述符构建的配体-only QSAR模型;PLEC与配体描述符的特征拼接(PLEC-ECFP4和PLEC-ECFP4-PhysChem,后者称PLEC-QSAR)。研究还评估了结构无关的蛋白语言模型BIND(基于ESM-2蛋白序列表示与GATv2图神经网络配体编码,经图到变换器交叉注意力整合),通过在非活性富集训练集上微调使其成为TRPM8特异性模型。模型性能主要以归一化富集因子在1%处(Normalized Enrichment Factor at 1%, NEF1%)评估,辅以精确率-召回率曲线和命中率。

**四、主要研究结果**

**4.1 全测试集与化学不相似测试集探测不同化学空间区域**:全测试集的活性化合物在结构上总体接近训练集,93.2%的最大相似度≥0.70;而化学不相似测试集所有活性物均低于该阈值。Bemis–Murcko骨架分析显示训练活性物有466个独特骨架(353个仅存在于训练集),全测试活性物中约62%骨架与训练集重叠,化学不相似测试集则无骨架与训练集专属共享,证实后者是对结构新颖化学型的更严格评估。

**4.2 通用ML SF对该靶标最多提供适度改进**:重打分Smina生成构象时,RF-Score-VS和CNNaffinity v1.0对TRPM87WRE模板的早期命中恢复有最明显提升(NEF1%分别达0.203和0.139),SCORCH2变化较小;但重打分rDock构象未改善任一模板的早期富集或命中率,且改进具有模板和协议依赖性。整体而言,通用ML重打分仅提供有限且不一致的增益,rDock无需重打分即在两个蛋白模板上保持强性能。

**4.3 靶标特异性ML SF改善TRPM8虚拟筛选性能**:使用PLEC特征训练的分类模型未持续改善富集度。而基于定量生物活性数据训练的回归模型在全测试集上显著改善早期富集,如Smina::PLEC-7WRE下SVR-RBF::PLEC使NEF1%从分类器的0.021升至0.203,DNN::PLEC达0.193。但在化学不相似测试集上,所有靶标特异性模型均未超越通用SF。初始训练下,靶标特异性PLEC模型最多仅提供适度改进,提示仅构建靶标特异性ML SF不足以获得竞争性VS性能。

**4.4 结构衍生与基于配体特征组合可获得更好性能**:对于若干分类器,ECFP4与PLEC的拼接提高了富集度(如TRPM89B6G Smina特征下RF从0.037升至0.134,ANN从0.021升至0.160)。进一步添加PhysChem描述符尤其改善了TRPM87WRE Smina特征的回归模型,SVR-RBF::PLEC-QSAR在两个测试集上均获得最高综合富集。但无一靶标特异性模型改善rDock构象的性能,增益仅出现在Smina对接构象中。由于化学不相似集仅含26个活性物,其NEF1%差异对应一至两个分子,自举95%置信区间均包含零,模型选择主要基于全测试集。

**4.5 仅配体QSAR模型提供富集但不超越经典对接**:SVR-RBF::QSAR在全测试集达NEF1%=0.251,超过Smina-based靶标特异性模型但未超过rDock(0.273)。在化学不相似集上,QSAR回归模型与Smina-based靶标模型相当(0.077)。但PLEC模型在top 1%中回收的活性物效能中位数更高,表明仅配体特征对高活性配体排序不足。

**4.6 非活性富集训练大幅提升TRPM8筛选性能**:将训练集扩增至活性与非活性比1:48后,基于结构的PLEC模型在所有对接方案和蛋白模板上的NEF1%从0.13–0.22大幅提升至全测试集0.85–1.00,化学不相似集从0.03–0.08升至0.38–0.73。相反,仅配体QSAR模型未受益于该策略,性能反而崩溃(NEF1%从0.251降至0.042)。相似度分析排除了记忆效应,表明改善源自对活性和非活性辨别力的提升。非活性富集后,仅用PLEC特征的SVR-RBF模型即与组合特征性能相当,具备计算效率优势。

**4.7 微调BIND提供有竞争力的结构无关替代方案**:经非活性富集微调的BIND在全测试集NEF1%=0.80(95% CI 0.73–0.86),低于SVR-RBF::PLEC(0.989),但在化学不相似集两者统计上不可区分(0.50对0.54),显示无结构模型在缺乏实验结构或明确结合位点时具竞争力。

**4.8 靶标特异性、姿态定义的配体接触模式驱动PLEC模型性能**:系统消融表明,将配体环境深度降至0导致富集显著下降(NEF1%=0.79),将两侧均降至仅接触原子类型时进一步下降(0.62),而蛋白侧环境深度变化影响极小。距离截断收紧至3.5 ?显著降低性能(0.72),而≥4.0 ?与基线无差异。指纹大小从1024至8192无影响。分子量、重原子数和总接触计数等简单描述符均为随机水平性能,排除尺寸相关解释。

**4.9 对诱饵构建的稳健性**:将诱饵固定效能值设为pIC50=1、2或3重训练,性能各指标在重叠置信区间内基本不变。以569个实验确认的非活性物替换合成诱饵后,模型在全held-out集保持强判别力(NEF5%=0.979,PR-AUC=0.893),化学不相似held-out集性能较低(NEF5%=0.269)但反映的是新颖化学型的固有难度,证明主要研究的富集并非诱饵构建或固定效能值的人为产物。

**五、讨论与结论**

研究表明,TRPM8的有效虚拟筛选依赖于基于结构的交互建模、以现实比例非活性分子富集的训练数据、以及ML算法和特征表示的严格评估三者的整合。靶标特异性ML SF可以大幅超越传统对接方法,但成功取决于训练集中非活性的充分代表性和严格验证。PLEC的强性能与TRPM8结合口袋中形状互补性是配体识别主要决定因素的结构研究结论一致,并提出了可检验假设——对于配体识别更依赖化学特异性相互作用(如氢键网络或电荷接触)而非形状互补性的靶标,蛋白侧上下文可能更有信息量。SVR-RBF::PLEC模型在充分非活性表示下,仅凭结构衍生交互指纹即可实现稳健TRPM8虚拟筛选,且比组合特征更具计算效率。本研究作为回顾性基准和模型选择框架,为TRPM8靶向筛选提供了实用指导,并为离子通道及其他膜蛋白靶标开发稳健竞争性ML SF提供了洞见;前瞻性验证将是未来工作方向。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号