下一代理性药物设计：晨伫生物科技发布全球首个靶标蛋白活化机理数据库PAM-DB
本公众号为中文版简介，完整技术文件使用手册下载和商业合作：www.momedpamdb.com
一、被忽视的“动力学盲区(Kinetics)”：稳态结构无法回答的问题
现代结构生物学和AI预测技术（如AlphaFold）的伟大成就不容置疑。它们让我们以前所未有的效率获得了蛋白质的稳定结构。但问题在于，这些结构绝大多数是蛋白质能量景观中的“谷底”——也就是最稳定、最不活跃的态。 真正的生物学功能从来不是非活化态给的。一个受体蛋白要传导信号，一个酶要催化反应，一个离子通道要开合，它们必须经历从非活化态到活化态的构象跃迁。这个过程伴随着自由能的起伏：先要爬上若干座能量山丘（到达过渡态Transition State, TS），再下降到活化态的谷底。药物分子的本质作用，恰恰是改变这座“山丘”的高度：抑制剂把山丘变高，让蛋白爬不过去；激动剂把山丘铲平，让蛋白轻松激活。 图1. (A) 多维蛋白活化能景观图投影至一维坐标（黑线：最低自由能路径）。(B) 黑线：简化靶蛋白活化坐标；红/蓝线：抑制剂/激动剂对能垒的调控。本数据库涵盖靶蛋白完整活化过程（IS、TS、连接路径及动力学信息）。(C) 行业研究通常限于端点稳定结构（IAS及部分AS），无法触及中间转换路径。 然而，现有的CADD/AIDD流程几乎只做一件事：计算分子与非活化态（以及少数能获得的活化态）的结合强弱（图 1C）。这就好比只研究钥匙插入锁孔那一瞬间的匹配度，却完全不管钥匙拧动时锁芯内部的受力与卡顿。我们设计出了无数把“插进去很顺”的钥匙，却打不开锁——因为内部的激活机制是个黑箱。这直接导致了传统计算筛选的命中率长期徘徊在极低水平，大量人力物力浪费在后续实验验证上。 二、为什么实验和常规计算都抓不住“激活过程”？ 有人会问：为什么不直接用冷冻电镜或X射线晶体学拍下过渡态和中间态？原因很残酷——这些高能态在自然界中转瞬即逝，丰度极低，无法被常规实验手段“冻结”并解析。尤其是最关键的过渡态，它们的寿命往往只有飞秒 (femtosecond, 10⁻¹⁵s)级别。 那么用计算模拟呢？普通的分子动力学（MD）模拟遵循热力学平衡分布，体系绝大多数时间都老老实实待在能量最低的谷底（非活化态），根本不会主动往高能的山脊上跑。增强采样算法（如TMD、元动力学）虽然存在，但面对数千个氨基酸的协同运动——比如GPCR胞内域的大规模打开、G蛋白的本质构象翻转， ATP酶中央轴的旋转（图 2）——往往因原子碰撞而崩溃。更复杂的是，多聚体蛋白的不同亚基之间运动是耦合的，强行拖动一个结构域，另一个结构域就会发生空间碰撞（图 3A）。因此，常规计算手段面对蛋白激活过程，几乎是束手无策。 图2. β2AR（上图）与叶绿体F1-ATP酶（下图）在其活化过程中的构象变化。上图的红色箭头标志了构象本质的变化，包括G蛋白的构象翻转，alpha5 helix插入receptor。下图的红色箭头标志了下部分Gamma轴的持续旋转，上部分alpha3beta3域的周期性开合。这些都是传统Molecular Dynamics无法获得的信息。 图3. (A) TMD中7TM结构域发生空间碰撞。(B) 本方法捕捉到IAS→AS完整构象转变，两个亚基旋转运动偶联但不同步。mGlu2跨膜结构域多聚化结构（胞外视角），红色箭头指示7TM旋转方向。图2 ATP酶同理。 换句话说，非活化态结构是容易获得的“已知”，而决定药效的活化路径是长期缺失的“未知”。这个“未知”，正是提高设计成功率的钥匙，也是PAM-DB要填补的空白。 三、PAM-DB：一座连接“稳态结构”与“动态药效”的桥梁 探索蛋白活化过程机理即使在学术界也是最具有挑战的方向之一，当试图推出一套能够直接被产业界使用的“标准化”数据库时这个难度又被极大的提升了。基于团队几十年在大分子生物物理体系非平衡态计算模拟领域的深耕，我们建立了一套经过系统验证的流程，能够可靠地生成从非活化态到活化态的全原子级连续构象轨迹。这套流程严格经过物理化学验证——我们将计算得到的能量壁垒与实验测定的反应速率常数进行比对，确保每一条激活轨迹都不是计算机臆想的产物，而是经得起实验检验的物理真实写照。¹⁻⁹ PAM-DB v1.0收录了GLP-1R、GCGR、ACLY、GlyR、β2AR、KRAS、AM1R/2R、AMY3R、CGRP、CTR等十余个关键药物靶点的完整激活轨迹。数据库中不仅包含大家熟知的非活化态和活化态，更关键的是包含了处于能量最高点的过渡态（TS），路径上所有局部极小值的中间态（IS），还有连接它们的所有构象，是一个完整的轨迹。 这份数据集的意义在于：它第一次让药物化学家和计算生物学家看到了“锁芯内部是怎么转动的”。分子不再是对着一个空洞的锁孔比划，而是可以观察自己的化合物在整个活化路径上，与每一个关键构象发生怎样的相互作用。 四、活化机制导向的药物设计（Activation Mechanism Based Drug Design, AMBDD）：四大核心价值重塑研发逻辑 有了完整的活化路径，药物设计的策略将发生质变： 1. 让“不可成药”靶点现出原形——发现隐藏的“瞬时口袋” 许多蛋白在非活化态下表面平滑，缺乏可结合的深口袋，被贴上“不可成药”的标签。但在激活过程中，蛋白构象剧烈变化，会动态地暴露出非活化态和活化态都不存在的瞬时口袋（transient pockets） 或隐蔽的变构位点。这些口袋不同于在非活化态下长程分子动力学发现的那些口袋，新出现的口袋为 “undruggable”的靶点打开了全新的大门。 2. 精准操控信号流：从“全阻断”到“偏向性调控” 以GPCR家族蛋白为例，受体蛋白常通过同一靶点激活多条信号通路——一条带来疗效，另一条却引发副作用。当我们掌握了靶点激活的完整能量景观，就可以精准设计偏向性药物：只抬高致病通路的能量壁垒，保留保护性信号通路的正常功能。偏向性分子设计不再是碰运气，而是基于构象差异的理性设计。 3. 透视“老药”的内在机理，指导精准优化 对于已有临床化合物的靶点，PAM-DB提供了“逆向工程”的能力。通过将临床分子映射到活化路径上，可以精确识别哪些残基贡献了主要的能量壁垒提升，哪些相互作用是多余的，从而有方向地改造分子，实现迭代升级。 4. 前瞻性预测耐药与脱靶 突变如何改变激活壁垒？药物是否会在某些构象中与意外口袋结合？有了全路径信息，可以在临床前阶段模拟突变对激活过程的扰动，提前预判耐药位点，同时显著提升脱靶风险评估的准确性。 五、使用示例：数据库如何在实际研发中发挥作用 以下三个案例展示了PAM-DB在真实药物发现项目中的典型应用方式。 示例一：发现全新瞬时口袋，开辟“不可成药”靶点的新机遇 以AMY3R受体为例。在非活化态下，其跨膜结构域的正构口袋相对稳定，而胞外结构域的口袋随着胞外螺旋的展开会发生空间重排。更关键的是，在胞内侧面，跨膜螺旋6（TM6）会向外大幅旋转和位移，随着激活进程逐渐打开一个在非活化态和活化态均不存在的“新型瞬时口袋”。这个口袋仅在活化路径的特定阶段出现，传统基于终点结构的筛选完全无法触及。 图4. AMY3R构象转变与新型口袋的选择性出现。 类似的现象在PAM-DB收录的AM1R、CTR、CGRP、GLP-1R、KRAS、ACLY等多个靶点中均有发现，证明瞬时口袋的出现在生物系统中具有普遍性。这些新口袋的识别，为设计新型别构调节剂或针对“不可成药”靶点的共价抑制剂提供了前所未有的化学空间。针对v1.0所有靶标蛋白的完整转化动画请参考网站: www.momedpamdb.com 示例二：基于机制洞察的新骨架偏向性拮抗剂设计——以GCGR为例 GCGR是糖尿病领域的重要靶点，此前三个临床候选药物均因胆固醇升高、肝损伤等严重副作用而失败。利用PAM-DB提供的活化路径信息，我们发现失败根源在于传统抑制剂同时阻断了两条下游通路：一条控制血糖（需抑制），另一条维持肝脏代谢静态（需保留）（图 5B）。 图5. (A) GCGR通过G蛋白和β-arrestin介导的经典信号通路。(B) 传统抑制剂同时阻断G蛋白和β-arrestin通路。(C) 偏向性抑制剂选择性抑制G蛋白介导的信号传导，同时保留β-arrestin的招募功能。 基于这一机制认知，团队设定了明确的“偏向性抑制”目标：选择性阻断G蛋白介导的cAMP-PKA通路，同时保留β-arrestin介导的保护性信号（图 5C）。通过迭代计算筛选与优化(图6)，最终获得的候选分子在偏向性选择性和活性上比现存唯一的临床在研药物LGD6972提升了约8倍，实现了疗效与安全性的分离。 图6. 靶向GCGR的偏向性抑制剂设计整体流程。 图中所示仅为示意图，不代表最终实验数据，因涉及专利申请中及未来发表的相关内容。 示例三：已有临床分子的作用模式分析与精准优化——以DPP1为例 DPP1是治疗支气管扩张等中性粒细胞介导炎症的重要靶点。对于已进入临床的抑制剂（如Brensocatib、BI 1291583），我们首先利用PAM-DB解析了DPP1自身的激活全貌，随后将临床分子的作用模式映射到活化路径上，精准识别出哪些残基对提升能量壁垒贡献最大，以及现有分子在这些关键位点上的相互作用是否最优。 基于这些“精准锚点”进行局部改造，我们重新设计了针对关键残基的相互作用，最终获得的化合物在酶活性、细胞活性、肝微粒体稳定性和渗透性等关键指标上优于现有同类分子，展现了同类最优的潜力。在头对头的PK实验中，我们的分子在骨髓/血浆暴露量比例显著高于阳参分子。 六、从“快照筛选”到“景观调控”的范式跃迁 PAM-DB的发布，不是为了否定现有的CADD/AIDD工具，而是给它们补上了最关键的“动力学视野(Kinetics，不是Dynamics)”。这个数据库将活化路径上的每一个构象都转化为可计算、可筛选、可训练的“正负样本”。无论是用传统分子对接去探索新出现的瞬时口袋，还是用AI生成模型去学习能量壁垒与分子结构之间的映射关系，PAM-DB都提供了前所未有的高质量训练和测试集。 药物设计的未来不再仅仅追求“谁与靶点非活化态结合最紧”，而是转向“谁能在动力学上最精准地重塑能量景观”。这是一种从稳态到中间态、从亲和力到动力学、从稳态快照到活化电影的根本性思维转变。 PAM-DB v1.0只是一个起点。在即将推出的v2.0中，我们将新增SHP2、M4R等一系列具有重大临床需求的靶点。我们也诚挚欢迎学术界和工业界的同行提出宝贵建议，共同推动这一数据库的进化。 我们有充分的理由相信，若干年后，对候选分子的活化过程影响分析，就像目前行对稳态结构的对接亲和力分析一样，将成为下一代理性药物设计的标准环节。越早拥抱这些信息就可以越早取得行业优势。补上药物发现的“动力学拼图”，让我们共同开启下一代理性药物设计的新篇章。 关于数据库 蛋白构象变化的完整视频，技术手册和使用指南下载，请访问：www.momedpamdb.com 商业合作与授权事宜，请联系：pamdb@momedtech.com.cn 学术交流与咨询，请联系：inquiry@momedtech.com.cn 图7. PAM-DB 1.0中所有结合口袋变化的概览。 蛋白质以卡通形式表示，口袋以表面形式呈现。针对v1.0所有靶标蛋白的完整转化动画请参考网站www.momedpamdb.com 论文与代码信息 参考文献： 1.Zhang, Y.; Zheng, Q.; Warshel, A.; Bai, C., Key Interaction Changes Determine the Activation Process of Human Parathyroid Hormone Type 1 Receptor. Journal of the American Chemical Society 2025, 147 (4), 3539-3552. 2.Liu, S.; Chen, H.; Zhu, X.; Ye, F.; Zhao, Y.; Qin, J.; Zheng, Y.; Wang, X.; Zhang, L.; Chen, H., Structural insights into the progressive recovery of α7 nicotinic acetylcholine receptor from nicotine-induced desensitization. Science Advances 2025, 11 (41), eadx4432. 3.Zhu, X.; Luo, M.; An, K.; Shi, D.; Hou, T.; Warshel, A.; Bai, C., Exploring the activation mechanism of metabotropic glutamate receptor 2. Proceedings of the National Academy of Sciences 2024, 121 (21), e2401079121. 4.Zhang, Y.; Wu, K.; Li, Y.; Wu, S.; Warshel, A.; Bai, C., Predicting Mutational Effects on Ca2+-Activated Chloride Conduction of TMEM16A Based on a Simulation Study. Journal of the American Chemical Society 2024, 146 (7), 4665-4679. 5.Yan, J.; Chen, L.; Warshel, A.; Bai, C., Exploring the activation process of the glycine receptor. Journal of the American Chemical Society 2024, 146 (38), 26297-26312. 6.Bai, C.; Wang, J.; Mondal, D.; Du, Y.; Ye, R. D.; Warshel, A., Exploring the activation process of the β2AR-Gs complex. Journal of the American Chemical Society 2021, 143 (29), 11044-11051. 7.Bai, C.; Wang, J.; Chen, G.; Zhang, H.; An, K.; Xu, P.; Du, Y.; Ye, R. D.; Saha, A.; Zhang, A., Predicting mutational effects on receptor binding of the spike protein of SARS-CoV-2 variants. Journal of the American Chemical Society 2021, 143 (42), 17646-17654. 8.Bai, C.; Asadi, M.; Warshel, A., The catalytic dwell in ATPases is not crucial for movement against applied torque. Nature Chemistry 2020, 12 (12), 1187-1192. 9.Bai, C.; Warshel, A., Revisiting the protomotive vectorial motion of F0-ATPase. Proceedings of the National Academy of Sciences 2019, 116 (39), 19484-19489.
分享:
下一篇
推荐新闻
- 2024-10-31
- 2025-01-16
- 2025-01-17
- 2025-04-16