2024年10月21日,中国药科大学孙慧涌研究团队和浙江大学侯廷军课题组联合在Journal of Chemical Information and Modeling上发表研究Characterizing the Cooperative Effect of PROTAC Systems with End-Point Binding Free Energy Calculation。
蛋白质降解靶向嵌合体(PROTACs)是一类新兴的药物,主要通过缩短目标蛋白质与E3泛素连接酶之间的距离,诱导靶标蛋白的泛素化修饰,从而实现靶标蛋白的降解。这一过程依赖于PROTAC分子将靶标蛋白与E3连接酶形成三级复合物,而这一协同效应在很大程度上影响了靶标蛋白的降解速率。然而,PROTAC设计中的一个关键挑战在于,如何合理表征这种复杂的三级系统之间的协同作用。为了应对这一挑战,本文提出了一种基于终点结合自由能计算的方法,旨在通过MM/PB(GB)SA模型来量化PROTAC系统中的稳定性和钩效应(hook effect)。
图1: PROTAC系统的协同效应中自由能示意图
FEP技术在PROTAC设计中的作用
传统药物设计主要是针对目标蛋白质的功能位点进行干预,然而,许多重要的调控蛋白往往缺乏适合的结合位点,因此被视为“不可药物化”蛋白质。PROTAC技术通过将靶标蛋白与E3连接酶聚合,从而触发靶标蛋白的降解,为解决这一问题提供了新的策略。
PROTAC系统中的协同效应包括稳定性效应(αstabilization)和钩效应(αhook)。稳定性效应反映了PROTAC在诱导靶标蛋白和E3连接酶形成稳定三级复合物的能力,而钩效应则描述了当PROTAC浓度超过一定阈值时,二元复合物的形成倾向如何削弱三级复合物的稳定性。为了设计更具针对性的PROTAC分子,了解这些效应并进行定量评估至关重要。
终点结合自由能计算的可行性
本文探讨了利用MM/PB(GB)SA方法表征PROTAC系统协同效应的可行性。MM/PB(GB)SA是一种计算效率与精度平衡的终点结合自由能计算方法,通过分子动力学(MD)模拟与结合能量计算相结合,可以有效地预测PROTAC系统中的稳定性和钩效应。研究表明,在较长的MD模拟时间(50100 ns)和较低的介电常数(εin = 1)下,该方法对稳定性效应和钩效应的Pearson相关系数(rp)分别超过0.5和0.6。
通过对145个PROTAC系统的数据分析,研究发现,三级复合物中的稳定性效应与靶标蛋白降解率之间具有显著相关性,这表明精确预测这种稳定性可以帮助设计更高效的PROTAC分子。
图2: 四种相互作用之间的相关性
实际应用与案例分析
研究选取了36个具有二元和三级相互作用数据的PROTAC系统,通过MM/PB(GB)SA方法评估其协同效应。这些系统涵盖了多个目标蛋白和E3连接酶,包括BRD2、SMARCA4、BTK等。分析结果表明,使用较长的MD模拟时间(50 ns以上)和较低的介电常数(εin = 1)能够显著提高稳定性效应和钩效应的预测精度。
例如,BRD4PROTACVHL系统在50ns MD模拟中的预测结果与实验数据高度一致,相关性达到0.76。这表明,MD模拟可以有效捕捉PROTAC三级复合物中的大分子构象变化,进而提升预测准确性。
图3: 基于33个PROTAC系统的最小化(min)结构和100nsMD结构的BAS与稳定(A)和钩状(B)效应之间的相关性
面临的挑战与未来发展方向
尽管MM/PB(GB)SA方法在表征PROTAC系统协同效应方面取得了较大进展,仍然存在一些挑战。首先,力场不准确性可能导致自由能计算的偏差,特别是在复杂蛋白质配体体系中。此外,MD模拟时间过短可能无法捕捉到系统的全局构象变化,从而影响预测结果。
未来,深度学习与MD模拟的结合可能进一步提升PROTAC设计的效率。通过机器学习模型预测PROTAC结合模式并优化力场参数,能够提高计算的准确性和效率。此外,随着更多实验数据的积累,FEP与AI技术的结合也有望在更广泛的系统中得到应用。
结论
本文表明,利用MM/PB(GB)SA方法可以有效表征PROTAC系统中的稳定性效应和钩效应,尤其是在较长MD模拟时间和低介电常数条件下,预测精度较高。随着FEP技术和AI算法的不断进步,PROTAC的设计将变得更加高效,未来在不可药物化蛋白质的靶向治疗中具有广泛应用潜力。
参考资料: Xu K, Wang Z, Xiang S, Tang R, Deng Q, Ge J, Jiang Z, Yang K, Hou T, Sun H. Characterizing the Cooperative Effect of PROTAC Systems with End-Point Binding Free Energy Calculation. J Chem Inf Model. 2024 Oct 3. doi: 10.1021/acs.jcim.4c01227. Epub ahead of print. PMID: 39361611.
--------- End ---------