鐵死亡（ferroptosis），是2012年Brent R. Stockwell實(shí)驗(yàn)室發(fā)現(xiàn)的一種鐵依賴(lài)的細(xì)胞程序性死亡，由不受限制的脂質(zhì)過(guò)氧化和隨后的質(zhì)膜破裂引起，與腫瘤的發(fā)生、發(fā)展和耐藥密切相關(guān)。這種不同于凋亡、壞死、自噬的新型細(xì)胞死亡方式，自提出以來(lái)就迅速掀起了全球范圍的研究狂潮^[1]。

目前已有的研究表明，作為鐵死亡核心調(diào)控子的GPX4（谷胱甘肽過(guò)氧化物酶4），在非小細(xì)胞肺癌、胰腺癌、前列腺癌和黑色素瘤細(xì)胞中的功能喪失可以致使持續(xù)性癌細(xì)胞鐵死亡，抑制腫瘤的發(fā)生、進(jìn)展、復(fù)發(fā)、轉(zhuǎn)移及耐藥，因而逐漸成為細(xì)胞鐵死亡研究領(lǐng)域的“明星靶點(diǎn)”^[2]。

美國(guó)哈佛-麻省理工的博德研究所聯(lián)合創(chuàng)始人Stuart L. Schreiber教授在該領(lǐng)域深耕10年，創(chuàng)立Kojin Therapeutics；2021年6月9日，公司宣布完成6000萬(wàn)美元的A輪融資，用于加速對(duì)鐵死亡敏感的耐藥腫瘤的藥物研發(fā)。

(資料圖片僅供參考)

盡管GPX4看上去很有潛力，然而其整個(gè)蛋白很小，表面平坦，缺乏可成藥口袋（圖1A）。目前具有細(xì)胞活性的GPX4 抑制劑主要與46位的硒代半胱氨酸殘基發(fā)生共價(jià)結(jié)合，普遍存在選擇性差和毒性大的問(wèn)題（圖1B）。

圖1GPX4蛋白與ML162晶體復(fù)合物結(jié)構(gòu)^[3]（PDB ID: 6HKQ）以及現(xiàn)有共價(jià)抑制劑

仔細(xì)觀察ML162與GPX4的相互作用，如圖1A所示，我們不難發(fā)現(xiàn)，由于蛋白表面平坦，ML162與GPX4的非共價(jià)部分的相互作用非常少，這可能也是ML162分子選擇性差的原因。

基于以上，GPX4是否存在一個(gè)隱藏口袋或者別構(gòu)口袋，靶向其他位置是否能影響GPX4的生物學(xué)功能，是非常值得探索的問(wèn)題。

“對(duì)GPX4的開(kāi)發(fā)思路，我們從一開(kāi)始就定位在探索并發(fā)現(xiàn)有更好成藥性的隱藏口袋上?！鄙顒?shì)科技首席藥學(xué)官?gòu)垥悦舨┦勘硎荆吧顒?shì)科技基于AI for Science打造的RiDymo平臺(tái)，通過(guò)動(dòng)力學(xué)模擬發(fā)掘蛋白在體內(nèi)的構(gòu)象變化，發(fā)現(xiàn)全新的可藥口袋，并基于此開(kāi)發(fā)的非共價(jià)分子在酶學(xué)和細(xì)胞水平上的抑制活性均與陽(yáng)性共價(jià)分子相當(dāng)，同時(shí)具備更好的成藥性。這一實(shí)踐使我們充分驗(yàn)證了RiDymo平臺(tái)在藥物研發(fā)中的價(jià)值，在未來(lái)有望賦能更多難成藥靶標(biāo)的藥物發(fā)現(xiàn)?！?/p>

在本項(xiàng)目中，深勢(shì)科技藥物研發(fā)團(tuán)隊(duì)的開(kāi)發(fā)路徑如下：

1、蛋白構(gòu)象采樣：通過(guò)強(qiáng)化動(dòng)力學(xué)（Reinforced dynamics, RiD）方法對(duì)GPX4蛋白進(jìn)行計(jì)算模擬。如圖2右列顯示，對(duì)比傳統(tǒng)分子動(dòng)力學(xué)模擬（Molecular dynamics, MD）（圖2左列），可以看出Reinforced dynamics在同樣的模擬時(shí)間尺度可以更高效地探索蛋白質(zhì)的相空間，從而發(fā)現(xiàn)蛋白質(zhì)的其他亞穩(wěn)定構(gòu)象以及隱藏的位點(diǎn)（粉色區(qū)域?yàn)殡[藏在蛋白質(zhì)內(nèi)部的氨基酸）。

圖2強(qiáng)化動(dòng)力學(xué)對(duì)GPX4蛋白高效采樣

2、可藥口袋誘導(dǎo)：在實(shí)際的藥物研發(fā)項(xiàng)目中，當(dāng)確定蛋白質(zhì)主鏈結(jié)構(gòu)后，側(cè)鏈的構(gòu)象變化也至關(guān)重要。深勢(shì)科技團(tuán)隊(duì)在以上發(fā)掘的隱藏位點(diǎn)基礎(chǔ)上，運(yùn)用強(qiáng)化動(dòng)力學(xué)+有機(jī)溶劑探針的方法，進(jìn)一步對(duì)該口袋進(jìn)行了更全面的探索和誘導(dǎo)。如圖3展示，在有機(jī)溶劑探針的幫助下，我們驚喜地發(fā)現(xiàn)，蛋白從原先比較平坦的表面誘導(dǎo)形成了更深的小分子結(jié)合口袋。

圖3RiDymo強(qiáng)化動(dòng)力學(xué)結(jié)合Uni-Probe有機(jī)溶劑探針?lè)椒ǎT導(dǎo)發(fā)現(xiàn)GPX4新口袋

3、分子篩選與驗(yàn)證：基于此口袋，結(jié)合深勢(shì)科技Hermite藥物設(shè)計(jì)平臺(tái)中Uni-Docking方法一日千里，追風(fēng)逐月| 深勢(shì)科技發(fā)布極致加速版分子對(duì)接引擎Uni-Docking，對(duì)此位點(diǎn)進(jìn)行了分子的高通量虛擬篩選。如圖4所示，目前獲得的非共價(jià)分子DP018、DP029在GPX4酶學(xué)抑制活性（圖4A）達(dá)到了微摩級(jí)別的效果，與陽(yáng)性的共價(jià)分子ML162抑制活性相當(dāng)。隨后通過(guò)表面等離子共振實(shí)驗(yàn)（SPR）驗(yàn)證了非共價(jià)分子可以直接結(jié)合GPX4，結(jié)合強(qiáng)度也達(dá)到了微摩級(jí)別（圖4B）。圖4C展示了DP非共價(jià)分子在細(xì)胞上觀察到活性氧ROS的變化，說(shuō)明引起了細(xì)胞的鐵死亡。

圖4ML162及篩選分子在GPX4酶學(xué)實(shí)驗(yàn)（A）、SPR實(shí)驗(yàn)（B）以及ROS實(shí)驗(yàn)（C）中的結(jié)果

蛋白質(zhì)動(dòng)力學(xué)研究日趨成為全球藥物研發(fā)的熱點(diǎn)領(lǐng)域。通常的理性藥物設(shè)計(jì)需要靶標(biāo)蛋白具有明確的結(jié)構(gòu)和清晰的作用位點(diǎn)，這種類(lèi)型的靶點(diǎn)通常稱(chēng)為“可成藥”靶點(diǎn)，在人類(lèi)靶點(diǎn)中占15%左右。其余85%為“難成藥”靶點(diǎn)，一般體現(xiàn)在蛋白表面平坦無(wú)清晰作用位點(diǎn)，或者蛋白結(jié)構(gòu)柔性大，甚至沒(méi)有穩(wěn)定的三維結(jié)構(gòu)。這類(lèi)靶點(diǎn)難以使用傳統(tǒng)方法進(jìn)行理性藥物設(shè)計(jì)——而深勢(shì)科技自主開(kāi)發(fā)的RiDymo強(qiáng)化動(dòng)力學(xué)平臺(tái)（圖5）則對(duì)該問(wèn)題給出了新的解決思路。

RiDymo平臺(tái)是基于Reinforced dynamics （RiD）算法[4]開(kāi)發(fā)的專(zhuān)注于解決“難成藥”靶點(diǎn)的動(dòng)力學(xué)平臺(tái)。對(duì)比其他動(dòng)力學(xué)算法和平臺(tái)，RiDymo最核心的優(yōu)勢(shì)體現(xiàn)在模擬采樣效率上的巨幅提升，同時(shí)充分結(jié)合神經(jīng)網(wǎng)絡(luò)的高維表示能力，在復(fù)雜的生物大分子體系中高效捕捉動(dòng)態(tài)的構(gòu)象變化，在相對(duì)可控的算力資源和模擬時(shí)長(zhǎng)條件下就可以讓蛋白真正“動(dòng)”起來(lái)（如上圖）。

圖5 RiDymo強(qiáng)化動(dòng)力學(xué)平臺(tái)

此前，作為平臺(tái)核心能力的RiD算法已經(jīng)在Nature子刊上發(fā)表登上Nature子刊！深勢(shì)科技RiD方法解決生物大分子體系高維空間采樣難題。在文章中顯示，針對(duì)一個(gè)蛋白的從頭折疊問(wèn)題，RiD方法模擬1.86 μs時(shí)間獲得的自由能面比傳統(tǒng)分子動(dòng)力學(xué)方法100 μs獲得的自由能面更加全面，展現(xiàn)出RiD方法在分子模擬的效率上有了近百倍的提升。

基于RiD方法，RiDymo強(qiáng)化動(dòng)力學(xué)平臺(tái)可用于解決以下問(wèn)題：

?針對(duì)表面平坦或者蛋白-蛋白相互作用（PPI）體系，在缺乏明確的結(jié)合位點(diǎn)的情況下，RiDymo可以用于誘導(dǎo)形成可藥口袋、探索全新別構(gòu)口袋

?針對(duì)結(jié)構(gòu)動(dòng)態(tài)變化較大的GPCR、通道蛋白等體系，RiDymo可以分析殘基在運(yùn)動(dòng)軌跡中的相關(guān)性，助力藥靶作用機(jī)理研究和藥物篩選

?針對(duì)在體內(nèi)缺乏穩(wěn)定結(jié)構(gòu)的無(wú)序蛋白，RiDymo可以探索蛋白在熱力學(xué)（Thermodynamics）和動(dòng)力學(xué)（Kinetics）中的重要構(gòu)象并發(fā)現(xiàn)可藥結(jié)構(gòu)

?此外，藥物最終需要在體內(nèi)起效，僅考慮結(jié)合強(qiáng)度這一熱力學(xué)參數(shù)是不夠的，RiDymo可以有效計(jì)算藥物的駐留時(shí)間（即解離常數(shù)的倒數(shù)）等與藥物體內(nèi)藥效強(qiáng)相關(guān)的動(dòng)力學(xué)參數(shù)，而這一點(diǎn)在過(guò)去往往是被大家忽視的

RiDymo平臺(tái)致力于在藥物分子發(fā)現(xiàn)中建立Structure-kinetic relationship（SKR），通過(guò)緊密結(jié)合SAR (Structure-activity relationship)及SPR (Structure-property relationship)，高效推進(jìn)高質(zhì)量臨床前候選化合物的發(fā)現(xiàn)。

本次的管線進(jìn)展披露充分驗(yàn)證了深勢(shì)科技RiDymo平臺(tái)在實(shí)際藥物開(kāi)發(fā)中的巨大潛能，也是“AI for Science”新范式從算法到工具到應(yīng)用落地的一次充分的例證。

我們相信隨著未來(lái)對(duì)鐵死亡機(jī)制的研究愈發(fā)完善，對(duì)其通路上相關(guān)靶點(diǎn)的藥物開(kāi)發(fā)思路也會(huì)更加完備。憑借深勢(shì)科技對(duì)動(dòng)力學(xué)的深刻理解，也會(huì)不斷攻克更多難成藥靶標(biāo)，在更多的管線中取得更亮眼的成果。

深勢(shì)科技藥物研發(fā)團(tuán)隊(duì)基于“AI for Science”新范式，專(zhuān)注于利用人工智能和分子模擬相融合的先進(jìn)計(jì)算手段驅(qū)動(dòng)難成藥靶點(diǎn)的藥物開(kāi)發(fā)。團(tuán)隊(duì)由張曉敏博士領(lǐng)銜，核心成員具備深厚的交叉學(xué)科背景和豐富的藥物開(kāi)發(fā)經(jīng)驗(yàn)，同時(shí)依托深勢(shì)科技全球領(lǐng)先的強(qiáng)化動(dòng)力學(xué)平臺(tái)RiDymo和大分子De Novo Design從頭設(shè)計(jì)平臺(tái)，目前已通過(guò)“自建管線+聯(lián)合開(kāi)發(fā)”的方式形成了完整的研發(fā)體系，覆蓋CNS、腫瘤和自身免疫性疾病三大領(lǐng)域。

BD合作：bd@dp.tech

PR事宜：pr@dp.tech

Reference

[1] Stockwell, B. R. (2022). Ferroptosis turns 10: Emerging mechanisms, physiological functions, and therapeutic applications. Cell, 185(14), 2401-2421.

[2] Wang, F., & Min, J. (2021). DHODH tangoing with GPX4 on the ferroptotic stage. Signal Transduction and Targeted Therapy, 6(1), 1-2.

[3] Moosmayer, D., Hilpmann, A., Hoffmann, J., Schnirch, L., Zimmermann, K., Badock, V., ... & Hillig, R. C. (2021). Crystal structures of the selenoprotein glutathione peroxidase 4 in its apo form and in complex with the covalently bound inhibitor ML162. Acta Crystallographica Section D: Structural Biology, 77(2), 237-248.

[4] Wang, D., Wang, Y., Chang, J., Zhang, L., Wang, H. & E, W. (2022). Efficient sampling of high-dimensional free energy landscapes using adaptive reinforced dynamics. Nature Computational Science, 2(1), 20-29.

關(guān)鍵詞：