通过计算机模拟方法和回顾性实验数据支持，发现了新型间变性淋巴瘤激酶抑制剂，这些抑制剂对非小细胞肺癌具有更强的结合能力

《Journal of Molecular Graphics and Modelling》：Discovery of Novel Anaplastic Lymphoma Kinase Inhibitors with Enhanced Binding Interactions for Non-Small Cell Lung Cancer via In Silico Approaches and Retrospective Experimental Data Support

　　

张宇|焦鹏|王业明|张晓坤|严红

北京工业大学化学与生命科学学院，中国北京100124

摘要

由于在致癌信号通路中的核心作用，间变性淋巴瘤激酶（ALK）已成为非小细胞肺癌（NSCLC）治疗的关键靶点。基于对Brigatinib作用机制的详细分析，采用计算机模拟方法发现了具有增强结合能力的新ALK抑制剂。通过对ChEMBL数据库的结构基虚拟筛选，获得了16个具有良好药物相似性和预测ALK亲和力的候选化合物。通过ADMET分析，5种化合物（C321、C475、C487、C444和C479）因良好的药代动力学特性和较低的预测毒性风险而被优先考虑。全原子分子动力学模拟（超过500纳秒的轨迹）显示，蛋白质-配体复合物的关键构象转变在动态分析中是稳定的。密度泛函理论（DFT）分析进一步揭示了这些候选化合物之间的不同电子构型模式和相互作用几何结构，表明它们采用了不同的结合策略。具体来说，氢键主导的锚定作用（例如C444、C479）、范德华力驱动的疏水包裹（例如C321、C475、C487）以及静电互补作用（例如C444）对整体结合亲和力有不同贡献。值得注意的是，C479在体外实验中表现出与Brigatinib相当的抑制活性。所有结果表明，这些候选化合物不仅具有与Brigatinib相似的抑制活性，还有助于丰富现有的ALK靶向药物库，并为NSCLC研究提供更多选择。

引言

肺癌仍然是全球癌症相关死亡的主要原因，约占所有癌症死亡的18%。非小细胞肺癌（NSCLC）占这些病例的近85%[1]。间变性淋巴瘤激酶（ALK）是一种受体酪氨酸激酶，在NSCLC中是关键的致癌驱动因素，ALK的持续激活会促进肿瘤的发生和发展[2]、[3]。因此，ALK已成为NSCLC及多种具有ALK融合特征的血液系统恶性肿瘤的公认治疗靶点[4]。临床证据一致表明，ALK靶向的小分子抑制剂显著改善了ALK阳性NSCLC患者的生存预后[5]。

目前，已经开发了三代ALK靶向小分子抑制剂[6]、[7]（图1）。第一代ALK抑制剂Crizotinib存在L1196M和C1156Y等获得性耐药突变，缺乏激酶选择性，并且对中枢神经系统（CNS）的渗透性较差[8]。第二代抑制剂（Ceritinib、Ensartinib、Brigatinib和Alectinib）提高了疗效和颅内暴露量，但其疗效因G1202R、F1174C/L、G1269A和I1171T/N/S等突变而受到限制[9]、[10]。第三代抑制剂Lorlatinib对多种耐药突变具有更广泛的覆盖范围，并具有强效的CNS渗透性。但其临床疗效受到显著毒性的影响（认知障碍、高脂血症和神经病变）以及耐药突变（L1198F和C1156Y/L1198F）[11]。在这些抑制剂中，Brigatinib由于其平衡的药代动力学特性和一线治疗中的良好疗效，在当前ALK阳性NSCLC治疗中应用更为广泛[11]。然而，Brigatinib仍存在一些重要局限性，这促使人们继续探索下一代抑制剂。临床上，Brigatinib与早期肺部事件（包括间质性肺病和肺炎）相关。从耐药性的角度来看，化合物突变仍然是一个关键挑战。因此，利用Brigatinib与ALK结合的高分辨率晶体结构作为虚拟筛选的模板，是一种有价值的方法，可以识别出具有增强结合能力、更广泛耐药突变覆盖范围、更好CNS渗透性和更低毒性的新ALK抑制剂。据此，可以利用基于结构的虚拟筛选策略探索新的化学空间，识别出具有更强预测结合力和更好药物特性的替代骨架，从而优先选择具有比Brigatinib更高活性的候选化合物，同时降低风险。

在这项研究中，使用Schr?dinger软件对ChEMBL数据库进行了系统的基于结构的虚拟筛选，以识别新的ALK抑制剂（图2）。选择那些对接得分和结合自由能优于或可与Brigatinib相媲美的化合物进行ADMET（吸收、分布、代谢、排泄和毒性）预测[12]、[13]。然后对表现出良好ADMET特性的候选化合物进行全原子分子动力学（MD）模拟，以检查蛋白质-配体复合物的结合稳定性并解析活性位点内的灵活、时间依赖的相互作用模式。候选化合物与ALK之间的结合自由能谱是通过Poisson-Boltzmann表面积（MM/PBSA）方法估算的。

此外，还进行了密度泛函理论计算，以表征它们的电子结构、关键物理化学参数和分子静电势特征。总体而言，这些结果为从“旧化合物”中筛选出潜在的NSCLCALK抑制剂提供了严格的理论依据。

章节摘录

基于结构的虚拟筛选

首先使用Lipinski五规则筛选了大约206万个ChEMBL化合物，然后将其对接到ALK激酶结构域（PDB ID：6MX8）中。通过分层的Glide工作流程（HTVS保留了10,000个得分≤?6.0 kcal/mol的化合物，SP对接将其减少到500个化合物，XP对接得到了50个排名最高的化合物），随后通过MM/GBSA重新评分和配体应变能评估，最终确定了16个预测亲和力高于Brigatinib的候选化合物

基于结构的虚拟筛选

所有分子对接实验均使用Glide v5.5（Schr?dinger Release 2020-4）执行[20]。

结论

本研究建立了一种创新的多尺度计算工作流程，结合了基于结构的虚拟筛选、500纳秒分子动力学模拟、MM/PBSA计算和密度泛函理论（DFT）分析，从ChEMBL数据库中识别出5种新的ALK抑制剂候选化合物（C321、C475、C487、C444和C479）。这种综合方法不仅优先选择了候选化合物，还阐明了它们之间的三种不同结合策略：氢键主导的锚定作用

CRediT作者贡献声明

严红：撰写 – 审稿与编辑，监督。张晓坤：资源获取，项目管理。张宇：撰写 – 审稿与编辑，初稿撰写，项目管理，概念构思。王业明：验证，软件使用，资源获取。焦鹏：方法学研究，形式分析，数据整理

[15]。

作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。

数据可向作者索取。

资金支持

未收到任何资金支持。

我们声明与任何可能不恰当地影响我们工作的个人或组织没有财务和个人关系，对任何产品、服务和/或公司没有专业或其他性质的利益，这些利益可能会影响本文的观点或手稿的评审。