今天为大家带来的是James S. Fraser教授发表在Cell上的文章Structure is beauty, but not always truth。关于结构生物学和药物发现的四个残酷事实。让我们先看看这四个残酷事实是什么：结构只是一个模型，不一定真实观察蛋白质的动态结构十分困难体外实验也可能会产生误导性的信息
药物可以与许多不同的受体相互作用
结构只是一个模型，不一定真实
AlphaFold通过“解决”蛋白质结构预测问题，震撼了结构生物学领域。“解决”意味着所预测的模型在CASPe（结构预测关键评估）竞赛使用的度量标准中与实验确定的“真实（ground truth）”结构高度相似。CASPe是一个旨在确定和推进从氨基酸序列建模蛋白质结构的最新技术的社区范围的实验。但是我们要注意，“真实”结构中包含实验生成的信号噪声之外的不准确性。例如，在X射线晶体学中，实验数据通常测量得非常精确（通常误差小于5%），但相对于实验数据，根据该数据调整的结构具有较大的残余误差（通常大于20%）。随着实验数据分辨率的降低，添加先前的知识，如几何约束，变得尤为重要。因此，“真实”可能不仅仅在于与原子坐标的比较，特别是当结构基于低分辨率数据时。相反，与密度图（甚至原始衍射图像或显微图像）的比较可能揭示出更深层次的“真实”（图1）。
图1：结构生物学数据流中信息的丧失
最近的一些科研学者已经开始将AlphaFold2模型直接与实验晶体学密度图进行比较。大部分情况下，预测与实验图谱密切匹配。对AlphaFold2模型进行对实验数据的调整可以解决一些全局尺度的扭曲和域定位问题。该调整还改善了局部主干和侧链构象。除了暗示直接与实验数据而不是“结构”达成一致可能是“真实”的新基准外，这些发现促使我们思考如何最大限度地发挥计算预测模型在药物发现中的效用。预测模型与实验结构（甚至底层数据）之间的一些差异可能反映了对蛋白质构象能量景观的较少探索部分的偏向。此外，将预测模型暴露于长时间分子动力学模拟等正交计算技术的价值目前尚不清楚。尽管存在这些担忧，AlphaFold2和相关方法已经在药物发现中产生了巨大影响，涉及了许多领域，例如生成人工智能对配体进入预测的结合口袋的建模。
因此，计算预测模型在药物发现初期阶段，即在结构启用之前，减少一些不确定性的潜力巨大。然而，令人不安的是，AlphaFold发展的下一阶段存在不确定性，因为AlphaFold方法的公布形式已从预印本、GitHub和期刊转移到公司博客文章，但博客文章而没有附带的方法。如果没有公开的方法，就很难确定我们是否正在接近结构预测准确性的平台。当达到这样的平台时，我们将需要知道其中有多少是由于对“真实”的错误定义。很可能需要更直接地针对实验数据进行训练，而不是经过调整的结构，以进一步提高结构预测准确性。此外，认识到结构是对实验数据的建模，而实验数据实际上代表许多（移动的）分子的平均值，可能会解锁新的能力。
观察蛋白质的动态结构十分困难
费曼的陈述中蕴含的深刻智慧：“所有生物所做的事情都可以用原子的摆动和颤动来理解”，表明有必要对“真实”进行全面重新定义。我们可以考虑到对于药物发现至关重要的大分子运动，并重新塑造我们的视角，将生物分子的动态性以及存在的集合（ensembles）考虑到实验设计中。一些蛋白质非常简单，可以在基于结构的药物设计中主要被视为静态的。但即使在典型的例子中，如碳酸酐酶，活性位点残基His 64也可能发生侧链χ1旋转并改变结合口袋的形状。识别这种旋转对于优化青光眼药物多索胺的性质至关重要，但即使是这种简单的侧链运动目前也很难预测，这就揭示了一个重要的原因，即在药物发现过程中，无论配体是否被认为 “类似药物“，都需要与任何种类的配体快速形成共复合物。敲击蛋白质表面的壁也是寻找替代结合位点和隐秘口袋的有效方法。这种策略可以引导研究小组制造出根本不适合静态结合口袋但却能与之结合的化合物，从而揭示受体的内在动态。
即使意识到单一结构可能具有误导性，让当前的人工智能流水线了解多个真实结构并生成概率集合仍然非常困难。当前的模拟方法难以应用，因为产生的状态通常很少且相互转换缓慢。用更符合实验数据的方式完善集合可能为单一结构和集合预测的下一个突破提供基础。与基于结构的药物设计在优化 “表面互补性 “和静电方面的巨大作用类似，未来的蛋白质建模方法将开启基于集合的药物设计，能够对药物设计许多性质（例如，结合配体的熵贡献和停留时间）进行可预测的调整。
体外试验也可能会产生误导性信息
尽管从其细胞环境中纯化蛋白质可以促进体外药物发现，但这也可能提供错误的信息。重组表达可能导致丢失对理解蛋白质功能至关重要的后转录修饰（例如磷酸化或糖基化）。AlphaFold2预测一个很好的点就是，该模型在某种程度上“意识到”了纯物理基础预测会忽略的部分原生环境。预测的结构非常适合填充假体基团（例如血红素）、金属和代谢产物，它们可以被“移植”到模型中并经过最小的调整。
随着药物发现的重点转向包括多蛋白复合物、蛋白质-RNA相互作用以及富含本质上无序蛋白质的细胞凝聚体在内的复杂生物系统，蛋白质的孤立结构变得越来越具有误导性。新兴技术，尤其是冷冻电子断层摄影（cryo-ET），有很大潜力可以直接从细胞观察中提供原子级的信息。cryo-ET的一个早期示例揭示了与抗生素氯霉素结合的核糖体在导致碰撞的伸长状态中富集的情况。这些技术最终将回答关于“无序区域”中残留结构的问题，这些问题在不考虑局部细胞环境的情况下无法解决。之后，结构生物学对药物发现的助益将大幅增加。
药物可以与许多不同的受体相互作用
所有药物发现者必须面对的悲惨现实就是，无论我们认为我们的化合物设计得多么出色，它们都会找到与体内许多其他蛋白质或核酸相互作用，并干扰这些生物分子的正常功能。虽然偶尔药物与多个生物分子结合的能力可能增加药物的功效，但大多数情况下这种多药理学更有可能产生不良效果。直接与反靶结合可能会产生毒性，其中许多毒性使药物的治疗都过于危险。除此之外，与反靶的结合可能会降低药物的治疗效果。大部分不会与反靶结合的药物可以更好地在体内分布，使其在疾病相关组织中积累到足够高的浓度，从而起到有效地调节目标靶点的效果。与药物相互作用的困难是，药物可能会与负责该药物代谢和药代动力学性质（DMPK）的酶、转运蛋白、通道和受体的相互作用。药物经常与血浆蛋白结合，阻止它们达到本该去的组织；它们可以阻止或成为各种泵和转运蛋白的底物，改变它们在体内的分布；它们偶尔干扰异物感应器，如启动转录程序识别外来物质的PXR；它们经常阻碍细胞色素P450等酶，从而改变它们自己和其他药物的代谢。它们本身是细胞色素P450和其他代谢酶的底物，一旦改变，就无法再履行其指定的的功能。综合考虑，我们将这些与DMPK相关的蛋白质戏称为“避让体（avoidome）”（图2）。不幸的是，绝大多数避让体目标的结构尚未确定。此外，这些蛋白质包含多个结构域，并呈现出相当大的结构动态性。它们的结合口袋可能相当大而杂乱，甚至对于非常相似的化合物也有不同的结合方式。因此，需要多个跨足多个结合配体和蛋白质构象状态范围的结构，才充分了解如何最好地防止药物与这些棘手的反靶相互作用。
图 2 与药物代谢和药代动力学（DMPK）相关的 “回避体 “所选蛋白质的结构示意图
参考资料：https://www.cell.com/cell/fulltext/S0092-8674(24)00005-9#%20
https://doi.org/10.1016/j.cell.2024.01.003
版权信息
本文系AIDD Pro接受的外部投稿，文中所述观点仅代表作者本人观点，不代表AIDD Pro平台，如您发现发布内容有任何版权侵扰或者其他信息错误解读，请及时联系AIDD Pro (请添加微信号sixiali_fox59)进行删改处理。
本文为原创内容，未经授权禁止转载，授权后转载亦需注明出处。有问题可发邮件至sixiali@stonewise.cn
关注我，更多资讯早知道↓↓↓
合肥科生景肽生物科技有限公司成立于2018年，目前已经打造了全球领先的以肽为核心的生命分子发现、合成生产、结构优化、递送平台，主要瞄准肽发现及靶向递送，专注于为各大制药企业、生物技术公司、科研单位提供一站式的定制化研发服务。 公司独有的KPDS™平台(KS-V Peptide Discovery Services Platform)是国际领先的的多肽药物发现平台，我们致力于创新药物的高效和精准开发，以科生景肽专有KPDS技术为核心，提供一站式，定制化的多肽发现服务，以灵活的产品形式和服务模式助力广大客户各类药物发现项目的快速推进和应用探究，包括但并不限于疾病诊断及保健功能产品、多肽药物、核素偶联药物(RDC)、基于小分子的肽药物偶联物（PDC)和多功能肽偶联物等。中文官网地址：https://www.ks-vpeptide.com.cn/
英文官网地址：https://www.ks-vpeptide.com
领英：https://www.linkedin.com/company/ks-v-peptide/
