丁 克
(暨南大学药学院,广东 广州510632)
药物的本质是具有“安全和有效”属性的化学物质。因此,药学研究的核心必然是围绕具有这种特殊属性的化学物质的发现、发明和获得。自20世纪90年代以来,随着各种生物学技术、计算机技术和化学合成技术等的快速发展,人们对疾病机制等生命活动过程有了更为深入的了解,科学家对于新药发现的方式也逐步由早期的“神农尝百草”式的盲目尝试,逐步发展为以理论和技术为指导的“理性药物设计”。这种研发模式的转变,一方面大大提升了生物活性分子的发现效率,同时也催生了诸如激酶抑制剂和喹诺酮类抗生素等一系列解决恶性肿瘤和细菌感染等重大临床需求的划时代药物。
过去10年间,以各种组学为代表的生物学技术进步促使人们对疾病的发生发展机制有了全新的认识;而结构生物学以及基于人工智能(artificial intelligence, AI)的AlphaFold蛋白结构预测技术等的快速发展则让科学家对疾病相关蛋白的三维空间结构有了更加深入和清晰的了解;以海量数据分析和机器学习为基础的AI药物设计新策略为设计全新生物活性分子提供了全新的工具;以DNA编码化合物库(DNA-Encoding Library,DEL)为代表的高通量组合化学策略极大地提高了高容量化合物库的可及性;而以C-H键活化反应和有机催化为代表的化学合成新方法则为绿色合成这些活性分子和扩展化合物结构空间提供了技术保障。
以这些技术进步为基础,药物化学家在药物设计方法和策略上也发生了巨大的变化。药物设计由早期的主要利用生物电子等排等经典方法系统改造已知活性分子或模拟体内活性物质,逐步转变为以疾病相关蛋白的三维结构为基础进行全新分子的构建。相应地,基于片段的药物设计(fragment based drug design,FBDD)、别构调控(allosteric modulator)、可逆或非可逆共价抑制剂(reversible/irreversible covalent inhibitor)、蛋白-蛋白相互作用(proteinprotein interaction,PPI)阻断剂、蛋白水解靶向嵌合体(proteolysis-targeting chimeras,PROTACs)蛋白降解剂等药物设计新策略应运而生,并成功应用于多个已被美国FDA批准药物的设计开发之中。以蛋白激酶抑制剂为例,已有trametinib(2013年上市),cobimetinib(2015年上市),binimetinib(2018年上市),selumetinib(2020年上市)和asciminib(2021年上市)等5个别构抑制剂被美国FDA批准上市。同时,以osimertinib(2015年上市)和ibrutinib(2013年上市)等为代表的共价非可逆激酶抑制剂也展示出优异的临床疗效、靶标特异性和安全性。在Kirsten大鼠肉瘤病毒癌基因同源物(Kirsten rat sarcoma viral oncogene homolog,KRAS)G12C突 变蛋白抑制剂AMG510等的设计开发中,科学家成功地综合应用了非可逆别构抑制的策略,实现了对KRAS这一“无成药性”(undruggable)靶标的强效抑制,并于2021年底被美国FDA批准上市。美国雅培公司(Abbott Laboratory)的科学家通过利用基于结构的FBDD策略,成功设计了选择性B淋巴细胞瘤-2蛋白(B-cell lymphoma-2,Bcl-2)抑制剂药物venetoclax(ABT199)作为PPI阻断剂药物研发的范例,并被美国FDA批准用于慢性淋巴细胞白血病(chronic lymphocytic leukemia,CLL)/小淋巴细胞淋巴瘤(small lymphocytic lymphoma,SLL)和急性髓系白血病(acute myelogenous leukemia,AML)的治疗。在PROTACs蛋白降解剂方面,虽然这种策略在2001年才被耶鲁大学的 Craig Crews教授等研究人员提出,目前已成为各大型制药公司和科研机构竞相投入的一个重要领域。已有包括核激素受体降解剂ARV-471等10余个分子进入临床研究,并与传统小分子抑制剂药物相比展示出一定的优势。此外,基于深度学习的AI药物设计在激酶小分子抑制剂等研究方面也取得重要进展。Insilicon Medicine公司和中科院上海药物研究所的研究人员分别近期独立报道了其利用AI快速设计高活性盘状结构域受体1(discoidin domain receptor1,DDR1)激酶小分子抑制剂的成功案例。
尽管近年来在药物设计新策略的发展和应用等方面取得了很大的进步,但鉴于药物这一特殊化学物质的“木桶效应”性质,目前的药物研发仍是一个漫长“试错”过程。现有的药物设计方法和策略也存在其自身的局限性。例如,目前常用的基于结构的药物设计 (structure-based drug design,SBDD)策略主要依据靶标蛋白的静态三维结构,而忽视了蛋白质动态变化过程对配体结合口袋的影响以及动态过程中新口袋的形成与分子调控。近期,Relay公司的科学家通过分析成纤维细胞生长因子受体(fibroblast growth factor receptor,FGFR)激酶结构中特定区域的动态变化差异,成功设计出了选择性FGFR2小分子抑制剂,可有效降低广谱FGFR抑制剂因抑制FGFR1而带来的高磷血症副作用的风险。此外,包括肿瘤在内的绝大多数疾病都包含多种致病因素,而不是完全由某个单一靶标蛋白的功能异常介导。因此,如何综合利用现代药物设计策略,并结合AI的优势,设计能够同时作用于多个致病基因的选择性多靶点药物将成为下一代创新药物设计的难点。非可逆抑制虽然在提升药物与靶标蛋白中的驻留时间和克服药物耐药等方面显示优异的效果,但药物靶标永久性修饰带来的副作用等风险一直备受关注。同时,针对不同氨基酸的高选择“弹头”(warhead)基团短缺也将对这种策略的广泛应用起到限制作用。然而对于被寄予厚望的PROTACs降解药物而言,如何解决超大相对分子质量带来的药动学性质缺陷,以及因“Hook”效应带来的药物药代/药效性质不匹配等的问题,也值得进一步思考和关注。
本期专题中,来自于四川大学华西医院、四川大学华西药学院、山东大学、暨南大学和郑州大学的5位优秀青年药物化学家分别围绕“靶向特定氨基酸的共价抑制剂”、“深度学习辅助药物发现的研究进展”、“基于微量合成的药物研究”、“水分子在药物设计中的应用”和“靶向蛋白非催化功能的药物开发”等药物设计前沿方向,系统介绍相关领域的最新进展和发展趋势。内容将有助于一线药物设计工作者了解当前药物设计的前沿技术,并运用于实际工作之中。
四川大学华西医院欧阳亮教授等在《靶向特定氨基酸的共价抑制剂研究进展》一文中,从阿司匹林等经典药物的作用机制,以及共价抑制剂与可逆抑制剂相比的潜在优势出发,首先介绍了共价抑制剂的作用机制。作者以表皮生长因子受体(epidermal growth factor receptor,EGFR),布鲁顿酪氨酸激酶(Brutons tyrosine kinase,BTK)和Kristen肉瘤病毒致癌基因同源物(KRAS)等的共价抑制剂为切入点,系统介绍了目前研究最为成熟的针对半胱氨酸的共价抑制剂研究进展。随后,又以实例的方式较为详细的介绍了国际上近期针对甲硫氨酸、赖氨酸、丝氨酸、苏氨酸和酪氨酸进行共价抑制剂研究的尝试。值得关注的是,半胱氨酸突变为亲核能力较低的丝氨酸或苏氨酸共价抑制剂药物包括osimertinib等临床耐药的重要原因。因此,研发针对低亲核性氨基酸的共价抑制剂具有重要的意义。文章最后对如何基于蛋白结构进行共价抑制剂的设计进行了论述,提出如何寻找或选择具有合适反应活性和选择性的“warhead”是开发针对较低亲核能力氨基酸共价抑制剂的重点和难点。
AI技术近年来在医学、药学及生命科学等多个领域取得了重大突破,特别是发展的若干深度学习方法正在改变创新药物研发进程,将有可能降低药物发现成本、提高药物研发效率。四川大学华西药学院的李国菠教授等在《深度学习辅助药物发现的研究进展》一文中,重点聚焦于深度学习在创新药物发现中的发展和应用。内容覆盖了深度学习在蛋白结构预测、药物靶标预测、药物-靶标相互作用预测、药物合成路线设计、从头药物分子设计以及药物吸收、分布、代谢、排泄和毒性预测等领域中的最新代表性应用案例。同时,对现有深度学习方法面临的问题和可能的解决思路进行了总结。这些新的进展总结将有可能为深度学习辅助药物发现相关方法的发展和应用提供新的借鉴与思考。
结构多样性化合物库是药物筛选的物质基础。构建化合物库的传统方式是通过收集、合成或分离单个化合物来完成。整个过程费钱、费时、费力。近年来,科学家通过将微量合成技术与生物活性筛选技术有机结合,极大地提升了先导化合物发现的效率。山东大学展鹏教授等在《基于微量合成的药物研究进展》一文中,从药物化学的角度较为全面地介绍了近年来基于微量合成的药物发现最新进展。内容涵盖基于多孔板微量合成的聚焦小型化合物库构建及其在多个生物学靶标筛选中的应用;基于小分子或液滴微阵列的微量化合物合成及其在药物筛选中的实际应用;以及基于靶标模板诱导的定向合成等。这些技术的应用和成功,为低成本快速药物筛选提供了崭新的思路。
SBDD在创新药物发现中发挥极其重要的作用。然而在靶标蛋白的配体结合口袋中普遍存在水分子介导的配体与蛋白的相互作用。通过自由能计算确定其中的高能态水分子,进而利用水分子替换的策略来进行新分子设计,有可能提高化合物亲和力、选择性,或改善药动学性质等。暨南大学陆小云教授等在《水分子在药物设计中的应用》一文中,通过KRASG12C抑制剂MRTX849、酪氨酸蛋白激酶2(tyrosine kinase 2,TYK2)高选择性抑制剂BMS-986165和泛酪氨酸蛋白激酶(pan-tyrosine kinase,pan-TRK)抑制剂研发的实际案例,系统介绍了水分子替换对化合物生物学活性、选择性和药动学性质的影响。文章最后还概括了计算水分子位点性质的相关方法及软件,为基于水分子替换的药物设计提供了重要的参考信息。
疾病相关蛋白的酶学催化功能小分子抑制剂是临床药物的重要组成部分,也是新药研发的一个重要方向。但随着生物学研究的不断深入,不少酶类蛋白被发现除了传统的催化功能之外,其支架蛋白功能、变构调控和PPI等非催化功能在疾病的发生发展进程中也发挥着重要的作用。因此,针对传统靶标的非经典催化功能调控成为创新药物研究的一个新生方向。郑州大学余斌教授等在《靶向蛋白非催化功能的药物开发新策略》一文中较为系统地介绍了利用PPI阻断剂、变构调控和针对蛋白非催化结构域调控等策略来实现靶标蛋白非催化功能调节的新策略。这些结果为进一步全面考察传统靶标的非经典催化功能和小分子调控提供了崭新的思路。
近年来,随着生物学技术、结构生物学、AI和化学合成等相关学科的快速发展,在药物设计领域也催生了一批诸如人工智能药学、DEL、PROTACs和基于结构的理性药物设计等革命性技术,极大地提高了药物活性分子的发现效率。但是,药物研发是一个复杂的系统工程,任何一个药物的最终成功都经历了多轮的“试错”过程。因此,先进的药物设计技术和策略只能为创新药物的研发提供有力的工具。在实际应用过程中,针对不同的药物靶标特点采用与其相匹配的设计策略,并在设计过程中尽可能兼顾分子的多种属性将会在提高药物研发成功率中起到更加关键的作用。