Facilitating the identification of cryo-EM hit matter in drug discovery with Astex-Faro

在寻找新药的过程中，科学家们通常从发现能与特定蛋白质结合的微小化学碎片开始，这就像是钥匙寻找合适的锁。这些碎片通常非常微小且结合力极弱，因此很难被发现。为了观察这些相互作用，研究人员使用一种被称为冷冻电子显微镜（cryo-electron microscopy）的强大成像技术，通过将蛋白质冻在薄薄的一层冰中并拍摄数千张照片来构建三维模型。然而，当一个碎片仅与样本中的少数蛋白质分子结合时，其信号就会淹没在噪声中，呈现为一个模糊、微弱的斑点，而不是清晰的形状。这使得人们很难判断一个候选药物是否真的起到了作用，还是仅仅是实验误差的结果。

一个研究团队开发了一种名为 Astex-Faro 的新方法，旨在解决在拥挤场中识别微弱信号的问题。该方法并非孤立地观察单张图像，而是将新图像与从同一蛋白质在未附着药物状态下拍摄的大量参考图像进行对比。通过分析新图像与整组参考图像之间的差异，该系统可以从数学上识别出结构的哪些部分发生了真实变化。这使得软件能够突出显示那些可能存在药物碎片结合的微小、微弱的点，即使这些碎片仅存在于极小比例的样本中。研究人员在三种不同的蛋白质（包括一种位于细胞膜内的蛋白质）上测试了这种方法，发现它能够可靠地检测到这些微弱的相互作用，并使它们对肉眼而言更加清晰。

这一新方法的核心依赖于一个统计框架，该框架将一组蛋白质图像视为一个单一且一致的总体。在寻找药物之前，研究人员首先通过收集许多不同形态的相同空载（apo）蛋白质的重建图像，来建立该蛋白质在空载状态下的可靠基准。由于实验中的自然变异，没有任何两张显微镜图像是完全相同的，因此团队需要一种衡量这些图像之间一致性的方法。他们引入了一个名为“傅里叶壳层相干性”（Fourier Shell Coherence）的新指标，用于检查图像组在特定清晰度水平上是否对结构细节达成一致。这确保了随后发现的任何差异都是蛋白质真实的改变，而非随机噪声或成像过程中的不一致。

一旦团队建立了空载蛋白质的可靠基准，他们就可以将其与可能存在药物的新图像进行对比。软件会计算三维模型中每个微小点的得分，测量该点与空载蛋白质平均值之间的偏差程度。如果某个点表现出显著差异，它就会被标记为潜在的结合位点。在对一种名为 β-半乳糖苷酶（beta-galactosidase）的蛋白质进行的测试中，该方法成功地突出了一个药物分子，甚至展示了蛋白质自身的部件如何为了容纳这位“新客”而发生轻微位移。研究人员还在蛋白质的侧链（即帮助固定药物的小臂部分）中观察到了这些位移，从而证实了这些变化具有生物学意义，而非随机误差。

当处理更困难的目标，例如嵌入细胞膜中的蛋白质时，该方法的威力变得更加明显。这些结构天生更加复杂且多变，使得观察微小的药物分子变得更加困难。当团队将该方法应用于一种名为 TRPML1 的膜蛋白时，他们能够在膜深处发现药物结合，而该区域通常噪声极大且难以解释。尽管药物信号微弱且破碎，但统计分析仍将其识别为相对于空载蛋白质的显著变化。该方法还揭示了蛋白质结构如何围绕药物进行重排，从而提供了关于这种相互作用如何发生的清晰图像，尽管所处的环境极具挑战性。

Astex-Faro 最有价值的特性在于它能够恢复那些因过于微弱而通常无法被看见的信号。这种情况发生在药物仅与一小部分蛋白质结合时，即所谓的“部分占据”（partial occupancy）。在这种情况下，药物的密度会被大量的空载蛋白质所稀释，从而消失在背景中。研究人员展示了该方法可以通过计算一个特定的权重因子，在数学上移除图像中的“空载”信号。当他们将此校正应用于一个药物仅存在于极小比例分子中的数据集时，原本微弱、破碎的药物线条突然变成了连续、清晰的形状。这种增强效果非常显著，使其能够以比原始未处理数据更高的细节水平观察药物结构。

为了证明这种增强是真实的而非软件产生的伪影，团队通过将已知比例的计算机生成的空载蛋白质图像与药物结合蛋白质图像混合，创建了人工数据集。他们发现，随着药物结合蛋白质比例的降低，信号会逐渐减弱，但该方法仍能在药物结合比例仅为 20% 到 30% 时恢复药物的形状。即使在这些困难的情景下，软件仍能将药物从背景噪声中区分出来，并使图像锐化到足以观察到药物与蛋白质之间的连接。这表明该方法足以应对现实世界实验中的复杂情况，即药物结合往往是不完全的，且图像充满了噪声。

研究人员还将这一新工具与现有的图像清晰度提升技术进行了对比。虽然其他技术可以平滑图像或归一化对比度，但它们无法在统计学上识别图像中哪些部分真正不同于参考组。新方法的独特之处在于它专门寻找“离群值”——即那些不符合空载蛋白质模式的结构部分。这种针对性的方法意味着它可以在不被蛋白质其余部分干扰的情况下，精准地找到药物结合事件。团队证实，无论是在简单的均匀样本还是复杂的膜蛋白（具有低药物占据率）中，其结果在不同类型的蛋白质和实验条件下均保持一致。

最终，这项工作为利用冷冻电子显微镜筛选大量潜在候选药物提供了一个实用的框架。通过更容易地识别微弱和部分结合事件，该方法降低了因信号过弱而错过极具前景的候选药物的风险。它提高了科学家对研究结果的信心，确保当他们发现一个“命中”目标时，那是一个真实的相互作用而非假阳性。随着药物研发领域向着分析数百个数据集以寻找下一代药物的方向发展，像这样能够将海量原始数据转化为清晰、可操作洞察力的工具将变得至关重要。