PPI靶點成藥的關鍵問題及其抑制劑的開發策略
圖 1. 蛋白質-蛋白質相互作用網絡[1]。
由于 PPI 在細胞內生物過程中發揮的重要作用，異常的 PPI 可能會誘導多種類型疾病的發生 (如癌癥、感染性疾病和神經退行性疾病等)。因此對 PPI 進行干預和調控，有望成為相關疾病治療的重要策略，也是新藥開發的一個重要方向。
那么 PPI 難以成藥的因素到底有哪些呢？小 M 總結了以下原因，大家一起接著往下看吧！
PPI 難以成藥的原因[2]
- PPI 界面面積大 (1500-3000 Å)，難以找到完全結合的藥物。
- PPI 界面均勻平坦，缺乏與配體結合所需要的特異性結合口袋，藥物親和力差。
- PPI 藥物分子量大，溶解度差，難以滿足 Lipinski 類藥“五原則”。
- 蛋白-蛋白之間親和力強，藥物難以破壞。
- PPI 抑制劑的驗證需要大量的生物學實驗。
隨著相關研究的深入，熱點 (Hot Spots) 的發現使有效靶向 PPI 成為可能。熱點是指 PPI 上一小部分非常重要的氨基酸殘基 (約占 PPI 界面上殘基的 9.5%)，經氨基酸掃描 (Alanine Scanning) 突變為丙氨酸后結合能增加大于 2 kcal/mol[3]。這些熱點有助于保持 PPI 的穩定性，是兩個蛋白發生相互作用的關鍵[4]。
因此，雖然 PPI 界面面積大，但小分子藥物只需作用于熱點，就能影響調控 PPI 的穩定性。
一般情況下，熱點更容易出現在色氨酸、精氨酸和酪氨酸殘基上[5]。
近些年，在藥物開發工作者的努力下，越來越多的熱點在各類 PPI 中得到確認，而這些熱點也極大程度的推動了 PPI 靶向藥物的開發進程。
PPI 抑制劑可主要分為三類：小分子藥物、抗體以及多肽。
表 1. 不同類型的 PPI 抑制劑類型及優缺點[6][7]。
▐ 目標蛋白復合物的晶體結構檢測
丙氨酸掃描結合 X 射線晶體衍射 (X-ray crystallography) 是鑒定 PPI 熱點的常見方法。X 射線晶體衍射能夠直接鑒定蛋白復合物的晶體結構。丙氨酸掃描首先將每個殘基突變為丙氨酸，繼而測定各個殘基在蛋白-蛋白復合物中的結合能，以確定特定殘基對蛋白復合物穩定性的影響。
注意：丙氨酸掃描法鑒定熱點是基于各個殘基與靶標蛋白的結合能確定的，但并不意味這些殘基就是藥物設計中的有效靶向位點，需要具備一些能夠與配體結合的結構特征才能被確定為有效結合位點。
▐ 高通量篩選
高通量篩選 (High Throughput Screening, HTS) 是傳統藥物篩選的一大重要途徑，可以大規模從已知化合物庫篩選出理想藥物，并具有高效率、低成本的優勢。
盡管 HTS 已被用來識別靶向 PPI 界面熱點的化合物，但由于 PPI 界面的特殊性，常規靶標的化合物庫并不適用于篩選 PPI 抑制劑，小 M 建議可以選擇 PPI 抑制劑庫 (HY-L109) 、環肽庫 (HY-L110)、大環類化合物庫 (HY-L041) 等進行后續研究。
PPI 抑制劑庫 (HY-L109) 收錄了一些已被報道的 PPI 抑制劑，主要靶向一些常見的 PPI 靶點，如 MDM2-p53、Keap1-Nrf2、PD-1/PD-L1、Myc-Max 等，這些產品可以幫助提高 PPI 抑制劑的篩選效率。而環肽類及大環類化合物由于具有較大的空間結構，與 PPI 靶點有著較好的結合力和靶點選擇性，因此環肽庫 (HY-L110) 和大環類化合物庫 (HY-L041) 也非常適合用于 PPI 抑制劑的開發。
圖 2. 經 HTS 所篩選出的部分 PPI 抑制劑[5]。
▐ 基于片段的藥物發現 (FBDD)
片段篩選是 PPI 抑制劑篩選的一大重要手段。
- 第一步，構建符合需求的片段庫，MCE 片段化合物庫 (HY-L032) 含有 20,000+ 個小片段，非常適合先導化合物的發現，并且具有廣闊的化學空間，利于后期進行結構優化。
-
第二步，使用表面等離子體共振 (SPR)、核磁共振 (NMR)、X 射線晶體學、和質譜 (MS) 等途徑從片段庫中篩選出熱點小片段。
-
第三步，使用“藥物化學”的方法對篩選出的片段進行結構優化 (包括片段延伸、片段合并、片段連接)，目的是增強其與靶點的親和力，改善其藥代動力學性質，最終得到先導化合物[7]。
注意：FBDD 不適用于結構未知的 PPI 靶標。
圖 3. FBDD 法開發 PPI 抑制劑的流程[8]。
▐ 虛擬篩選
虛擬篩選是基于專業的應用軟件從化合物庫中篩選出命中化合物，通過分析蛋白質表面來定位結合位點。虛擬篩選可被分為基于結構進行篩選和基于配體的篩選。基于結構法依賴于目標蛋白的結構信息，而基于配體法則是根據已建立的藥效團模型來篩選所需化學特征的藥物分子。
注意：由于大多數情況下 PPI 并沒有任何已知的配體，因此基于結構的篩選方法更加適合用于 PPI 抑制劑的篩選[9]。
▐ 基于結構的藥物設計
基于結構的設計 (Structure-based design) 主要從蛋白復合物的結構出發，需要對靶標蛋白復合物的相互作用表面進行分析，然后設計出靶向抑制劑。通過生物學實驗，對設計出的抑制劑進行鑒定并進行結構優化，最終識別出適用于靶標蛋白的有效藥物。
基于結構設計的 PPI 抑制劑策略分為兩種，第一種是基于界面熱點結構設計小分子藥物，第二種是擬肽設計，依靠計算機建模模擬 PPI 中關鍵肽的二級結構，根據關鍵肽形成的 α 螺旋結構設計肽/擬肽類化合物。
圖 4. 小分子 PPI 抑制劑的開發方法[5]。
盡管存在諸多挑戰，但隨著近些年來科學家們對 PPI 小分子抑制劑的機制研究取得的巨大進步，目前一些 PPI 小分子藥物已成功進入臨床實驗階段甚至已獲批上市如 venetoclax 。
詢價與訂購：
MCE 提供環肽庫 (HY-L110)、PPI 抑制劑庫 (HY-L109)、大環類化合物庫 (HY-L041)、片段化合物庫 (HY-L032) 等化合物庫，可供您進行蛋白-蛋白相互作用的研究及 PPI 藥物的篩選。此外，MCE 一站式藥篩平臺還提供虛擬篩選及后續驗證實驗服務，為藥物篩選提供一站式解決方案，希望加快您早期藥物發現。
| 環肽庫 本庫收錄了 80+ 個環狀結構的多肽鏈，具有良好的結合親和力、靶點選擇性和低毒性等特點。 |
| PPI 抑制劑庫 本庫收錄了 600+ 個已被報道的 PPI 抑制劑，主要靶向一些常見的 PPI 靶點，如 MDM2-p53、Keap1-Nrf2、PD-1/PD-L1、Myc-Max 等 |
| 大環類化合物庫 本庫收錄了 360+ 含有 12 元或更大環的分子，能夠提供更大的化學空間，從而增加與靶點結合親和力和選擇性。 |
| 片段化合物庫 本庫收錄了 22,000+ 個小片段，所有片段均符合“類藥 3 原則 (RO3)”，可以覆蓋廣闊的化學空間，易于后期進行結構優化。 |
| Venetoclax Venetoclax (ABT-199; GDC-0199) 是一種高效，有選擇性和口服有效的 Bcl-2 抑制劑，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.
Copyright(C) 1998-2025 生物器材網 電話：021-64166852;13621656896 E-mail：info@bio-equip.com