Discovery of resistance-resilient quinoline papain-like protease inhibitors through topology-constrained molecular generative design

该研究利用拓扑约束分子生成模型（Tree-Invent）结合结构导向优化，成功发现了一种具有优异抗耐药性、广谱抗病毒活性及良好药代动力学特征的喹啉类木瓜蛋白酶抑制剂 GZNL-2016，为应对耐药性 SARS-CoV-2 变异株提供了有前景的先导化合物。

要点

这篇论文讲述了一个非常精彩的故事：科学家如何利用人工智能（AI），像一位“超级化学建筑师”一样，设计并制造出一种能对抗新冠病毒变异株的新药。

为了让你更容易理解，我们可以把整个过程想象成一场**“病毒与药物的攻防战”**。

1. 战场背景：病毒在“换马甲”

新冠病毒（SARS-CoV-2）非常狡猾，它经常发生变异（比如奥密克戎的各种子变体）。

• 以前的武器失效了：我们之前用的疫苗和药物，很多是瞄准病毒表面的“尖刺”（Spike 蛋白）或者病毒内部的“主引擎”（主蛋白酶）。但病毒通过突变，让这些武器要么打不准，要么完全失效。
• 新的目标：科学家发现病毒体内还有一个叫**PLpro（木瓜样蛋白酶）**的“小助手”。它有两个坏心眼：
  1. 帮病毒复制自己。
  2. 帮病毒“伪装”成人体细胞，骗过我们的免疫系统。
     这个“小助手”非常稳定，很少变异，是打击病毒的一个绝佳目标。

2. 遇到的难题：老药“短命”且怕“变异”

之前科学家发现过一种叫 GZNL-P4 的药物，能锁住这个“小助手”。但它有两个大问题：

• 寿命太短：吃进肚子后，肝脏很快就把它分解了（代谢不稳定），还没起效就没了。
• 怕变异：病毒如果在这个“小助手”的某个关键位置（E167）发生突变（比如变成 E167K），老药就完全抓不住它了，就像钥匙孔变了，钥匙插不进去了。

3. 超级武器：AI 设计的“拓扑积木”

为了解决这些问题，研究团队请来了AI 助手（Tree-Invent 模型）。

• 传统方法：像在大海里捞针，随机试错，效率很低。
• AI 方法（拓扑约束生成）：
  想象一下，药物分子是由不同形状的“积木块”拼成的。
  • 科学家告诉 AI：“请保留中间连接部分和尾巴（这是锁住病毒的关键），只把最上面的‘头’换掉。”
  • 同时给 AI 下达指令：“新换的‘头’必须是一个双环结构（像两个连在一起的圆圈），这样才能稳稳地卡在病毒的手里。”
  • AI 就像一位不知疲倦的乐高大师，在几秒钟内生成了成千上万种符合要求的“新头”，并模拟它们与病毒的结合情况，挑出了最完美的几个。

4. 战果：新神药 GZNL-2016 诞生

AI 筛选出的最佳候选者，被科学家合成出来，命名为 GZNL-2016（文中也称为化合物 16）。它简直是个“六边形战士”：

• 更稳（代谢好）：以前的药在肝脏里只能活几分钟，GZNL-2016 能活2 个小时以上。这意味着吃一次药，它在身体里能工作更久。
• 更狠（效力强）：它锁住病毒“小助手”的能力比之前的药强了几十倍。
• 不怕变异（抗耐药）：这是最厉害的一点！当病毒试图通过"E167K"突变来逃跑时，老药（如 Jun12682）完全失效了，但 GZNL-2016 依然能死死抓住它。
  • 比喻：就像小偷换了把新锁（突变），老钥匙打不开，但 GZNL-2016 是一把万能钥匙，不管锁怎么变，它都能开。
• 安全：它对人体的正常细胞伤害很小，也不会干扰肝脏处理其他药物的能力。

5. 实战演练：小鼠身上的胜利

科学家把这种新药喂给感染了新冠病毒的小鼠。

• 结果：吃药的小鼠肺部病毒数量大幅下降，而且体重没有明显下降（说明病好了，也没副作用）。
• 对比：它的效果甚至能媲美目前最好的口服药（Paxlovid），而且不需要像 Paxlovid 那样搭配其他药物来维持药效。

总结

这篇论文的核心就是：利用 AI 的“创造力”，在分子层面进行“换头手术”，成功制造出了一种既稳定、又强力、还能对抗病毒变异的新型抗病毒药物。

这不仅为治疗当前的新冠提供了新希望，更重要的是，它展示了一种**“未来制药”的新模式**：当病毒不断变异时，我们可以利用 AI 快速设计出新的“钥匙”，永远跑在病毒的前面。

技术摘要

这篇论文报道了一种利用人工智能辅助药物设计（AIDD）策略，发现新型喹啉类木瓜蛋白酶样蛋白酶（PLpro）抑制剂以应对 SARS-CoV-2 耐药性挑战的研究。以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

• 病毒变异与耐药性挑战：SARS-CoV-2 的快速变异（如 Omicron 亚型）导致现有疫苗和单克隆抗体疗效下降。同时，病毒关键靶点（如 RdRp、3CLpro 和 PLpro）的突变使得已批准的小分子药物（如瑞德西韦、莫努匹韦、奈玛特韦）面临耐药风险。
• PLpro 的重要性：PLpro 不仅负责病毒多聚蛋白的切割，还通过去除宿主蛋白的 ISG-15 和泛素化修饰来抑制宿主免疫反应，是高度保守且极具潜力的抗病毒靶点。
• 现有抑制剂局限性：
  • 已报道的强效 PLpro 抑制剂（如 Jun12682, PF-07957472）在面对关键耐药突变（特别是 E167K 和 Y268N）时，抑制活性急剧下降（Ki 值增加数百至数千倍）。
  • 先前的先导化合物 GZNL-P4 虽然活性较好，但存在严重的肝脏代谢稳定性差的问题（半衰期短），限制了其成药性。
• 需求：急需开发具有新骨架、高代谢稳定性、口服生物利用度好，且能有效克服 E167K 等耐药突变的新型 PLpro 抑制剂。

2. 方法论 (Methodology)

本研究采用了一种基于拓扑约束的分子生成模型（Tree-Invent）与结构导向优化相结合的 AIDD 策略：

• 骨架跃迁（Scaffold Hopping）：
  • 利用 Tree-Invent 模型（一种基于图论的拓扑树生成模型），以前述先导化合物 GZNL-P4 为起点进行骨架跃迁。
  • 拓扑约束：将 GZNL-P4 的“连接子（Linker）”和“尾部（Tail）”部分固定为不变节点（Node N1），仅对“头部（Head）”节点（Node N2）进行可变生成。
  • 约束条件：限制生成的头部必须包含 5,6-或 6,6-稠合双环系统，且至少含有一个芳香环，以模拟已知抑制剂与 PLpro 活性位点（如 Y268, P247, P248）的 $\pi$-$\pi$ 堆积和疏水相互作用。
  • 强化学习（RL）：结合强化学习，以分子对接评分（Glide-SP）作为奖励函数，引导模型生成高亲和力分子。
• 虚拟筛选与合成：
  • 从生成的数千个分子中，通过对接评分和类药性规则（Lipinski 规则）筛选出 367 个候选分子，最终合成并测试了 9 个最具潜力的化合物。
• 结构导向优化：
  • 基于共晶结构解析，针对活性位点关键残基（特别是 E167）进行 R 基团优化。构建了包含 2347 个含正电荷胺基团的虚拟库，通过对接筛选出能与 E167 形成盐桥的化合物进行合成。
• 实验验证：
  • 包括酶学抑制实验（IC50）、生物层干涉（BLI）和等温滴定量热（ITC）测定结合亲和力、细胞抗病毒活性（EC50）、肝微粒体代谢稳定性、药代动力学（PK）研究以及小鼠体内抗病毒 efficacy 实验。
  • 利用 X 射线晶体学解析了关键化合物与 PLpro 的共晶结构。

3. 关键贡献与结果 (Key Contributions & Results)

A. 发现新型喹啉骨架

• 通过 Tree-Invent 模型成功识别出**喹啉（Quinoline）**作为新的头部骨架，替代了 GZNL-P4 中代谢不稳定的二氢苊烯（DHAN）骨架。
• 初步筛选出的化合物 Compound 2 表现出纳摩尔级的酶抑制活性，且肝脏代谢稳定性较 GZNL-P4 显著提升。

B. 结构优化获得先导化合物 GZNL-2016 (Compound 16)

• 通过对连接子尾部 R2 位点的系统优化，发现 Compound 16 (GZNL-2016) 为最优候选物。
• 酶学活性：对野生型 PLpro 的 IC50 为 10.5 nM，结合亲和力（Kd）低至 68.6 nM (ITC)。
• 克服耐药突变：
  • 对关键耐药突变 E167K 仍保持强效抑制（IC50 = 480.2 nM, Ki = 439.3 nM）。
  • 相比之下，已知抑制剂 Jun12682 和 PF-07957472 对 E167K 的 Ki 值均大于 10 $\mu$M（活性丧失 >1000 倍）。
  • 机制分析显示，Compound 16 通过独特的氢键网络（涉及水分子介导的 D164-E167 相互作用）和 $\pi$-$\pi$ 堆积（与 Q269）维持了对突变体的结合力。
• 抗病毒活性：
  • 对野生型及 Omicron BA.5、XBB.1 变体均表现出强效抗病毒活性（EC50 < 1 $\mu$M）。
  • 细胞毒性低，安全窗口大（CC50/EC50 > 379 倍）。

C. 优异的药代动力学与安全性

• 代谢稳定性：Compound 16 在大鼠和人肝微粒体中的半衰期（t1/2）显著延长（大鼠中为 120.12 min），清除率（CLint）显著降低，解决了 GZNL-P4 的代谢缺陷。
• 药代动力学（PK）：小鼠口服给药（20 mg/kg）后，AUC0-t 达到 1862.128 h·ng/mL，显示出良好的口服生物利用度。
• 安全性：对 CYP450 酶系和 hERG 通道的抑制作用微弱，表明潜在的药物相互作用和心脏毒性风险较低。

D. 体内疗效验证

• 在 SARS-CoV-2 EG.5 感染的 K18-hACE2 转基因小鼠模型中，口服给药（25 mpk）的 Compound 16 显著降低了肺部的病毒载量，疗效与阳性对照 PF-07321332（奈玛特韦，500 mpk）相当，且未引起明显的体重下降。

4. 意义与结论 (Significance)

• AIDD 策略的成功验证：本研究展示了基于拓扑约束的生成式 AI 模型（Tree-Invent）在快速发现新骨架、进行骨架跃迁以及克服药物代谢缺陷方面的巨大潜力。
• 解决耐药性难题：GZNL-2016 是首个报道的能有效克服 E167K 耐药突变的 PLpro 抑制剂，为应对未来可能出现的耐药病毒株提供了重要的化学实体和策略。
• 临床转化前景：该化合物兼具高活性、高稳定性、良好的口服 PK 性质和宽安全窗，是一个极具潜力的抗新冠候选药物，有望进入后续临床开发阶段。
• 数据共享：研究团队已公开了关键复合物的晶体结构（PDB ID: 8ZSE, 21MS, 21MU），为后续药物设计提供了宝贵的结构基础。

综上所述，该研究通过"AI 生成 + 结构生物学 + 药物化学”的闭环策略，成功开发出一类针对 SARS-CoV-2 PLpro 的新型喹啉类抑制剂，不仅解决了先导化合物的代谢稳定性问题，更关键地突破了现有的耐药瓶颈。