PPI靶点成药的关键问题及其抑制剂的开发策略
2024-06-27 来源:MedChemExpress (MCE) 点击次数:882
图 1. 蛋白质-蛋白质相互作用网络[1]。
由于 PPI 在细胞内生物过程中发挥的重要作用，异常的 PPI 可能会诱导多种类型疾病的发生 (如癌症、感染性疾病和神经退行性疾病等)。因此对 PPI 进行干预和调控，有望成为相关疾病治疗的重要策略，也是新药开发的一个重要方向。
那么 PPI 难以成药的因素到底有哪些呢？小 M 总结了以下原因，大家一起接着往下看吧！
PPI 难以成药的原因[2]
- PPI 界面面积大 (1500-3000 Å)，难以找到完全结合的药物。
- PPI 界面均匀平坦，缺乏与配体结合所需要的特异性结合口袋，药物亲和力差。
- PPI 药物分子量大，溶解度差，难以满足 Lipinski 类药“五原则”。
- 蛋白-蛋白之间亲和力强，药物难以破坏。
- PPI 抑制剂的验证需要大量的生物学实验。
随着相关研究的深入，热点 (Hot Spots) 的发现使有效靶向 PPI 成为可能。热点是指 PPI 上一小部分非常重要的氨基酸残基 (约占 PPI 界面上残基的 9.5%)，经氨基酸扫描 (Alanine Scanning) 突变为丙氨酸后结合能增加大于 2 kcal/mol[3]。这些热点有助于保持 PPI 的稳定性，是两个蛋白发生相互作用的关键[4]。
因此，虽然 PPI 界面面积大，但小分子药物只需作用于热点，就能影响调控 PPI 的稳定性。
一般情况下，热点更容易出现在色氨酸、精氨酸和酪氨酸残基上[5]。
近些年，在药物开发工作者的努力下，越来越多的热点在各类 PPI 中得到确认，而这些热点也极大程度的推动了 PPI 靶向药物的开发进程。
PPI 抑制剂可主要分为三类：小分子药物、抗体以及多肽。
表 1. 不同类型的 PPI 抑制剂类型及优缺点[6][7]。
▐ 目标蛋白复合物的晶体结构检测
丙氨酸扫描结合 X 射线晶体衍射 (X-ray crystallography) 是鉴定 PPI 热点的常见方法。X 射线晶体衍射能够直接鉴定蛋白复合物的晶体结构。丙氨酸扫描首先将每个残基突变为丙氨酸，继而测定各个残基在蛋白-蛋白复合物中的结合能，以确定特定残基对蛋白复合物稳定性的影响。
注意：丙氨酸扫描法鉴定热点是基于各个残基与靶标蛋白的结合能确定的，但并不意味这些残基就是药物设计中的有效靶向位点，需要具备一些能够与配体结合的结构特征才能被确定为有效结合位点。
▐ 高通量筛选
高通量筛选 (High Throughput Screening, HTS) 是传统药物筛选的一大重要途径，可以大规模从已知化合物库筛选出理想药物，并具有高效率、低成本的优势。
尽管 HTS 已被用来识别靶向 PPI 界面热点的化合物，但由于 PPI 界面的特殊性，常规靶标的化合物库并不适用于筛选 PPI 抑制剂，小 M 建议可以选择 PPI 抑制剂库 (HY-L109) 、环肽库 (HY-L110)、大环类化合物库 (HY-L041) 等进行后续研究。
PPI 抑制剂库 (HY-L109) 收录了一些已被报道的 PPI 抑制剂，主要靶向一些常见的 PPI 靶点，如 MDM2-p53、Keap1-Nrf2、PD-1/PD-L1、Myc-Max 等，这些产品可以帮助提高 PPI 抑制剂的筛选效率。而环肽类及大环类化合物由于具有较大的空间结构，与 PPI 靶点有着较好的结合力和靶点选择性，因此环肽库 (HY-L110) 和大环类化合物库 (HY-L041) 也非常适合用于 PPI 抑制剂的开发。
图 2. 经 HTS 所筛选出的部分 PPI 抑制剂[5]。
▐ 基于片段的药物发现 (FBDD)
片段筛选是 PPI 抑制剂筛选的一大重要手段。
- 第一步，构建符合需求的片段库，MCE 片段化合物库 (HY-L032) 含有 20,000+ 个小片段，非常适合先导化合物的发现，并且具有广阔的化学空间，利于后期进行结构优化。
-
第二步，使用表面等离子体共振 (SPR)、核磁共振 (NMR)、X 射线晶体学、和质谱 (MS) 等途径从片段库中筛选出热点小片段。
-
第三步，使用“药物化学”的方法对筛选出的片段进行结构优化 (包括片段延伸、片段合并、片段连接)，目的是增强其与靶点的亲和力，改善其药代动力学性质，最终得到先导化合物[7]。
注意：FBDD 不适用于结构未知的 PPI 靶标。
图 3. FBDD 法开发 PPI 抑制剂的流程[8]。
▐ 虚拟筛选
虚拟筛选是基于专业的应用软件从化合物库中筛选出命中化合物，通过分析蛋白质表面来定位结合位点。虚拟筛选可被分为基于结构进行筛选和基于配体的筛选。基于结构法依赖于目标蛋白的结构信息，而基于配体法则是根据已建立的药效团模型来筛选所需化学特征的药物分子。
注意：由于大多数情况下 PPI 并没有任何已知的配体，因此基于结构的筛选方法更加适合用于 PPI 抑制剂的筛选[9]。
▐ 基于结构的药物设计
基于结构的设计 (Structure-based design) 主要从蛋白复合物的结构出发，需要对靶标蛋白复合物的相互作用表面进行分析，然后设计出靶向抑制剂。通过生物学实验，对设计出的抑制剂进行鉴定并进行结构优化，最终识别出适用于靶标蛋白的有效药物。
基于结构设计的 PPI 抑制剂策略分为两种，第一种是基于界面热点结构设计小分子药物，第二种是拟肽设计，依靠计算机建模模拟 PPI 中关键肽的二级结构，根据关键肽形成的 α 螺旋结构设计肽/拟肽类化合物。
图 4. 小分子 PPI 抑制剂的开发方法[5]。
尽管存在诸多挑战，但随着近些年来科学家们对 PPI 小分子抑制剂的机制研究取得的巨大进步，目前一些 PPI 小分子药物已成功进入临床实验阶段甚至已获批上市如 venetoclax 。
询价与订购：
MCE 提供环肽库 (HY-L110)、PPI 抑制剂库 (HY-L109)、大环类化合物库 (HY-L041)、片段化合物库 (HY-L032) 等化合物库，可供您进行蛋白-蛋白相互作用的研究及 PPI 药物的筛选。此外，MCE 一站式药筛平台还提供虚拟筛选及后续验证实验服务，为药物筛选提供一站式解决方案，希望加快您早期药物发现。
| 环肽库 本库收录了 80+ 个环状结构的多肽链，具有良好的结合亲和力、靶点选择性和低毒性等特点。 |
| PPI 抑制剂库 本库收录了 600+ 个已被报道的 PPI 抑制剂，主要靶向一些常见的 PPI 靶点，如 MDM2-p53、Keap1-Nrf2、PD-1/PD-L1、Myc-Max 等 |
| 大环类化合物库 本库收录了 360+ 含有 12 元或更大环的分子，能够提供更大的化学空间，从而增加与靶点结合亲和力和选择性。 |
| 片段化合物库 本库收录了 22,000+ 个小片段，所有片段均符合“类药 3 原则 (RO3)”，可以覆盖广阔的化学空间，易于后期进行结构优化。 |
| Venetoclax Venetoclax (ABT-199; GDC-0199) 是一种高效，有选择性和口服有效的 Bcl-2 抑制剂，Ki 小于 0.01 nM。 |
[1] Athanasios A, et al. Protein-Protein Interaction (PPI) Network: Recent Advances in Drug Discovery. Curr Drug Metab. 2017;18(1):5-10.
[2] Lu, Haiying et al. “Recent advances in the development of protein-protein interactions modulators: mechanisms and clinical trials.” Signal transduction and targeted therapy vol. 5,1 213. 23 Sep. 2020,
[3] Moreira, Irina S et al. “Hot spots--a review of the protein-protein interface determinant amino-acid residues.” Proteins vol. 68,4 (2007): 803-12.
[4] Cukuroglu, Engin et al. “Hot spots in protein-protein interfaces: towards drug discovery.” Progress in biophysics and molecular biology vol. 116,2-3 (2014): 165-73.
[5] Sheng, Chunquan et al. “State-of-the-art strategies for targeting protein-protein interactions by small-molecule inhibitors.” Chemical Society reviews vol. 44,22 (2015): 8238-59.
[6] Xie, Xin et al. “Recent advances in targeting the "undruggable" proteins: from drug discovery to clinical trials.” Signal transduction and targeted therapy vol. 8,1 335. 6 Sep. 2023.
[7] Wu, Defa et al. “Small molecules targeting protein-protein interactions for cancer therapy.” Acta pharmaceutica Sinica. B vol. 13,10 (2023): 4060-4088.
[8] Wang, Zhi-Zheng et al. “Fragment-based drug discovery supports drugging 'undruggable' protein-protein interactions.” Trends in biochemical sciences vol. 48,6 (2023): 539-552.
[9] Villoutreix, Bruno O. et al. “In silico-in vitro screening of protein-protein interactions: towards the next generation of therapeutics.” Current pharmaceutical biotechnology 9 2 (2008): 103-22.
相关文章
更多 >