Expansion of DNA-Encoded Library Hits Using Generative Chemistry and Ultra-Large Compound Catalogs

寻找新药的过程通常始于对浩瀚且混乱的化学可能性海洋的搜寻。科学家需要找到一个能够完美契合特定生物靶点的分子，就像钥匙滑入锁孔一样，从而阻止疾病进程或修复体内受损的机制。几十年来，实现这一目标的标准方法是高通量筛选，即通过机器逐一测试成千上万种物理化学物质的方法。虽然这种方法行之有效，但过程缓慢、成本高昂，且需要大量的物理材料。一种被称为 DNA 编码库（DNA-encoded libraries）的更现代的技术已作为一种强大的替代方案脱颖而出。在这种方法中，科学家将一个独特的 DNA 条形码附着在数十亿个微小的化学构建模块上。他们将这些模块混合在一起，并让它们与目标蛋白质发生相互作用。DNA 标签充当了记录的角色，使研究人员能够快速读取哪些化学物质粘附在了蛋白质上，哪些没有。这使得研究人员能以比传统方法低得多的成本和精力，筛选出极其庞大的化合物数量。然而，这些库受限于研究人员最初决定构建的特定化学物质。如果最理想的药物分子并不存在于最初的这组构建模块中，那么搜索就会在此终止，潜在的疗法也将因此无法被发现。

北卡罗来纳大学教堂山分校的研究人员开发出一种新策略来突破这一局限，即将这些 DNA 库提供的真实世界数据与人工智能的预测能力相结合。他们的工作聚焦于一种名为 53BP1 的蛋白质，该蛋白质在细胞如何修复受损 DNA 的过程中起着关键作用。通过了解如何阻断这种蛋白质，科学家希望提高像 CRISPR 这样的基因编辑工具的效率。团队首先从大约 5 组 8,000 种已经针对 53BP1 蛋白质进行过 DNA 库测试的精选化学物质中开始。他们识别出了几个具有一定结合能力的潜力候选者。研究人员并没有止步于此，而是利用这些初步结果来训练一个生成式人工智能模型。这个模型不仅仅是在寻找现有化学物质的副本；它学习了使分子能够粘附在蛋白质上的规则，然后发明出遵循这些规则的全新结构。为了确保这些新创意具有可行性，团队将人工智能的发明与一个包含数十亿种商业可用化学物质的海量公开目录（即 Enamine REAL Space）进行了交叉比对。

这一过程就像是一场在浩瀚化学景观中的引导式旅行。研究人员首先提取了初始 DNA 库筛选中最优秀的“命中”分子，并利用它们在商业目录中寻找一百万个相似分子。随后，他们将这组分子输入其人工智能系统，该系统生成了数千个全新的、假设性的分子，旨在更好地与 53BP1 蛋白质结合。接着，系统会根据蛋白质的实际形状进行检查，以观察这些设计是否能够契合。最有潜力的虚拟候选者随后被重新匹配回目录中真实的、可购买的化学物质。这个循环不断重复，允许人工智能优化其建议并探索更多样化的化学形状。结果是一份由全新的化合物组成的名单，它们的结构与最初在 DNA 库中发现的化合物截然不同，但它们都可以立即从化学供应商处购买。

当团队在实验室中测试这些由人工智能指定的化合物时，结果令人鼓舞。他们使用了一种灵敏的分析法来测量这些化学物质置换已知 53BP1 结合剂的能力。其中三个新化合物表现出强劲的活性，仅需 50 微摩尔或更低的浓度即可产生显著效果，另有 11 个化合物在高达 100 微摩尔的浓度下也表现良好。这些结果与来自原始规模小得多的 DNA 库中的最佳命中者相当。至关重要的是，这些新化合物并非旧有化合物的副本；它们拥有更多样化的形状和化学特征。此外，它们似乎具备更好的成药特性，例如更高的预测水溶性和更容易由化学家合成的结构。这项研究表明，通过利用少量的实验数据来引导人工智能，研究人员可以迅速将其搜索范围扩展到初始库的物理限制之外。这种方法使他们能够寻找新颖、强效且市售的分子，而无需从头合成数千种新化合物，为发现下一代治疗工具提供了一条精简的路径。