2025年4月13日,中国科学院上海药物研究所陆晓杰课题组联合复旦大学周璐课题组和浙江大学医学院附属第二医院肿瘤研究所/浙江大学转化医学研究院孙毅课题组在国际学术期刊Angewandte Chemie International Edition上发表了题为“Proteome-Wide Data Guides the Discovery of Lysine-Targeting Covalent Inhibitors Using DNA-Encoded Chemical Libraries”的研究论文。该研究将基于活性的蛋白质组分析(Activity-Based Protein Profiling,ABPP)数据与共价DNA编码化合物库(Covalent DNA-Encoded Chemical Library,CoDEL)技术相结合,利用赖氨酸反应性蛋白质组学数据指导CoDEL筛选,发现了结构新颖、反应机制多样的赖氨酸靶向共价抑制剂。这一方法不仅扩展了共价靶向策略的靶标适用范围,也为共价抑制剂的理性设计提供了新的思路。
共价药物通过与特定氨基酸残基形成共价键,实现对靶标蛋白的持久调控,是现代药物研发中的重要方向。相较于半胱氨酸靶向策略,赖氨酸作为共价结合位点能够克服半胱氨酸的丰度限制,拓宽潜在靶标的选择范围。近年来,基于结构的药物设计推动了赖氨酸靶向共价抑制剂的开发。然而,该方法对已知配体结构的依赖限制了其在新靶点或难成药靶点中的应用。
CoDEL技术正逐步发展为共价药物开发的关键工具。陆晓杰课题组合作将该技术成功应用于半胱氨酸靶向共价抑制剂的发现,针对BTK、JAK3、PIN1及SARS-CoV-2非结构蛋白等靶标发现了具有全新结构的共价苗头化合物(ACS Med. Chem. Lett. 2022, 13, 1574-1581;J. Am. Chem. Soc. 2024, 146, 33983-33996)。同时,陆晓杰课题组合作开发了ABPP-CoDEL联用策略,发现了一系列酪氨酸靶向的共价抑制剂(J. Am. Chem. Soc. 2023, 145, 25283-25292)。然而,目前仍缺乏专门针对赖氨酸的系统化CoDEL筛选平台。此外,由于赖氨酸在人类蛋白质组中分布广泛,随机靶标筛选效率较低。
本研究中,研究团队通过整合基于化合物和基于弹头的ABPP数据,构建了包含高反应性且可配体化赖氨酸位点的蛋白质数据集,为筛选靶标的合理选择提供了支持。随后,引入8个具有不同反应机制的赖氨酸靶向共价弹头,合成了包含1070万个化合物的CoDELs。共价筛选结果发现了针对PGAM1、BRD家族蛋白和UBE2N的赖氨酸靶向共价抑制剂。其中,化合物1是PGAM1的活性光共价配体,化合物4与BRD家族蛋白溴结构域中未被探索的位点形成可逆共价键。值得注意的是,化合物9能够不可逆地与UBE2N结合,诱导UBE2N/UBE2V2复合物的构象变化,破坏泛素链的形成并干扰其下游功能活性,为调节UBE2N介导的泛素化途径提供了一种新机制。本研究通过将整合蛋白质组学数据和共价DEL技术,为赖氨酸靶向共价抑制剂的发现提供了一个高效筛选平台。

蛋白质组学数据指导的赖氨酸靶向 CoDEL 筛选策略
想做共价对接?SciMiner 平台帮你轻松搞定!
重点推荐:Chai-1-Covalent 共价对接工具
在传统方法中,共价对接往往依赖复杂的反应模板,编写过程繁琐且限制众多,对用户的专业知识和经验要求很高,经常容易出错,得不到在正确位置连接的构象。而SciMiner平台上的Chai-1-Covalent工具,凭借Chai-1模型的基础能力,加上平台在交互上的优化,让没有计算经验的小伙伴也能轻松玩转。
可视化原子选择:无需编写反应模板,直接点击分子结构选中目标原子,即可定义共价对接位点。
操作简洁:全流程图形化界面,零编程门槛,轻松上手。
结果直观可视化:支持三维结构展示与交互操作,对接结果一目了然。
高效提升研发效率:为共价抑制剂设计与筛选提供快速、可靠的解决方案。
Chai-1-Covalent输入界面1
Chai-1-Covalent输入界面2
Chai-1-Covalent结果界面1
欢迎阅读我们此前的推文,了解相关工具的详细介绍:
最直观的共价对接工具实现Kras抑制剂的结合模式预测
暂无评论