基于序列的藥物設計新方法

　　20世紀90年代以來，基于蛋白質結構的藥物設計（SBDD）一直是創新藥物發現的主流方法，在針對具有明確靶標的疾病治療方面取得了進步。這種方法一般涉及多個步驟的復雜流程，包括建立蛋白質的三維（3D）結構，識別潛在的配體結合位點，并通過虛擬篩選或全新設計發現活性化合物等。SBDD流程中的每個步驟都有局限性，如許多蛋白質沒有高分辨率的結構。雖然近年來的蛋白質結構預測技術如AlphaFold和RoseTTAFold有所突破，但并非所有預測的結構都適合進行基于結構的藥物設計。精確預測配體結合口袋頗具挑戰性，原因在于這些局部結構往往違反“蛋白質折疊規則”，同時配體的結合也會誘導氨基酸構象發生變化。此外，由于變構效應的機制多樣性，對具有多個結構域的新靶標如何確定配體結合位點也存在困難。虛擬篩選可能會產生假陽性，誤差和錯誤的不斷累積會導致嚴重的假陽性問題。

　　中國科學院上海藥物研究所鄭明月團隊提出了一種基于序列的藥物設計新概念。這一“從序列到藥物”（sequence-to-drug）的思路采用端到端的可微學習，直接從蛋白質序列出發進行藥物設計發現，而無需經過上述多個中間步驟的復雜流程（圖1）。端到端的可微深度學習已在計算機視覺和自然語言處理等領域產生了影響。它通過可微基元（differentiable primitives）取代了復雜流程的所有組件，從輸入端到輸出端進行聯合優化。AlphaFold2在蛋白質結構預測的成功，較大程度上依賴端到端可微學習的思想。這一概念可以一種自洽和數據高效的方式執行整個學習建模過程，可能避免復雜流程中的錯誤積累。7月15日，相關研究成果以Sequence-based drug design as a concept in computational drug design為題，在線發表在《自然-通訊》（Nature Communications）上。

　　盡管已有深度學習研究報道可基于蛋白質序列信息預測與化合物的相互作用，但尚無一種模型完全驗證了“從序列到藥物”的藥物設計概念。本研究設計了TransformerCPI2.0作為概念驗證的基礎模型。該模型利用Transformer神經網絡架構和預訓練蛋白質語言模型，在蛋白質和化學多樣性空間中均展示出泛化能力。研究對TransformerCPI2.0進行可解釋分析表明，模型可以通過注意力機制從序列信息中有效學習蛋白質與配體分子間相互作用的抽象知識，而不僅是簡單的記憶訓練數據中的分布偏差。

　　為了進一步檢驗基于蛋白質序列藥物設計的可行性，研究團隊基于TransformerCPI2.0預測結果開展了濕實驗的驗證研究，針對多種具有挑戰性的藥物靶標發現活性化合物，包括靶向E3泛素連接酶接頭蛋白SPOP（配體結合位點為難以靶向的PPI作用界面）的新骨架抑制劑（圖2）、靶向E3泛素連接酶RNF130（無蛋白晶體結構、無已知活性化合物）的結合分子。此外，研究通過逆向應用TransformerCPI2.0對已上市藥物進行蛋白質組范圍的靶標篩選發現，雷貝拉唑抗腫瘤作用的潛在靶標ADP-核糖基化因子ARF1。這些新發現的活性分子和靶標蛋白都是模型訓練過程未見的，表明TransformerCPI2.0可以推廣到新的蛋白質和化學空間，顯示了良好的泛化能力。計算分析和實驗結果支持基于序列藥物設計的可行性。基于這一概念的新方法有望成為未來理性藥物設計流程的重要組成部分。

　　這一工作通過計算機、信息學、化學和生物學等多學科融合交叉，為創新藥物發現提供了新視角。基于序列的方法可以作為基于結構藥物設計的替代方法，在無法獲得高質量蛋白質3D結構的場景中發揮作用，也可與其他虛擬篩選和高通量體外篩選技術結合，加速藥物發現進程。超大規模按需定制化合物庫（make-on-demand library）技術快速發展，已覆蓋了數億到數十億種化學物質的多樣性空間，如何開發計算效率更高的虛擬篩選方法成為領域的研究熱點。“從序列到藥物”的端到端學習策略可以有效的簡化建模和篩選流程，可以更加高效的探索未知化學和生物學空間，為原創藥物的發現提供新的出發點和切入點。