AbMole推荐-源自ChemBridge化合物库的全新心肌肌钙蛋白钙离子增敏剂

由来自俄亥俄州立大学化学与生物化学系的Steffen Lindert、William H. Coldren发表了名为“Discovery of Novel Small-Molecule Calcium Sensitizers for Cardiac Troponin C: A Combined Virtual and Experimental Screening Approach”的论文。在该文章中，研究人员使用了ChemBridge化合物库筛选出一系列用于心衰的心肌肌钙蛋白钙离子增敏剂。AbMole（奥默生物）是ChemBridge在中国的唯一官方指定合作伙伴。

心脏肌钙调节蛋白C（Cardiac Troponin C，cTnC）是心肌细胞中的一种重要蛋白质，在心脏肌肉收缩中发挥着关键的调控作用。cTnC的结构包含钙离子结合的位点，在调控肌肉收缩过程中，cTnC通过与钙离子的结合发挥着重要的功能。cTnC对钙的敏感性和结合改变时，cTnC的结构和功能可能受到影响，导致心肌收缩的异常，进而导致心脏泵血功能的下降，最终引发心衰。

因此，研究者希望构建一个基于cTnC受体的虚拟药物筛选方法，以辅助心衰药物的发现，并借助该方法从ChemBridge化合物库中筛选出新型cTnC钙离子增敏剂。

研究人员设想基于已知的cTnC钙离子增敏剂与cTnC结合的蛋白构象可以更好地模拟和预测出cTnC与未知钙离子增敏剂结合的构象，从而更好地发现cTnC钙离子增敏剂。于是，研究人员在RCSB蛋白质数据库中选择了与钙离子增敏剂形成复合物的结构，供206个，并设置了评分方法对不同构象的预测效果进行评分。（图1A）预测结果显示，最终发现结合mDPA的5W88 3构象、结合dfbp-o的2L1R 构象和结合W7的6MV3构象评分最高。

图1.A：对各种cTnC蛋白构象预测方法的评分；B：结合mDPA的5W88 3构象、结合dfbp-o的2L1R 构象和结合W7的6MV3构象示意图。

随后，研究者利用受试者工作特征曲线（ROC）来评估该模型的预测性能。研究者利用已知cTnC钙离子增敏剂和1000个非活性伪装化合物进行模拟，验证了该模型的准确率。（图2）

图2.ROC对模型预测性能进行检验。

AbMole（奥默生物）是ChemBridge在中国的唯一官方指定合作伙伴。
总之，研究人员使用了多种对接算法，并通过实验和比较来选择最适合于预测未知化合物结合位置的算法。研究人员考虑了多个方面，包括性能、准确性以及算法在自对接和活性/伪装筛选中的表现，最终开发出筛选cTnC钙离子增敏剂的虚拟筛选方法。（图3）
图3.cTnC钙离子增敏剂虚拟筛选方法示意图

接下来，研究人员利用该模型来进行cTnC钙离子增敏剂的虚拟筛选，对ChemBridge化合物库中504,599个化合物进行筛选。最终筛选出系列cTnC钙离子增敏剂的先导化合物。（图4）

图4.通过虚拟筛选再ChemBridge中筛选出的系列cTnC钙离子增敏剂先导化合物

紧接着，研究人员利用了该系列化合物进行了体外实验。通过钙离子解离速率和钙流的检测。（图5）结果显示，化合物3、4、12、5可以延长钙离子与cTnC蛋白结合。

图5.化合物3、4、5和12对钙离子解离（A）和钙流（B）的影响

最后，为了检测化合物促进钙离子和cTnC结合后的增敏效果，研究人员采用了测量振幅的方式以指示增敏作用。结果显示，化合物4和5能够显著增加cTnC对钙离子敏感性。（图6）

图6.化合物4和5对cTnC的钙离子增敏作用

在本研究中，研究者假设了与已知的cTnC钙离子增敏剂结合的cTnC蛋白构象有更好的预测结果，并通过一系列评分和与实际实验的比较，对模型的预测结果进行评估。随后，研究者利用该模型通过虚拟筛选，从ChemBridge得到了一系列的cTnC钙离子增敏剂先导化合物。最终，通过体外实验进行测评，研究者发现化合物4和化合物5能够作为新型的cTnC钙离子增敏剂先导化合物。AbMole（奥默生物）是ChemBridge在中国的唯一官方指定合作伙伴。

鸣谢：Coldren WH et al. J Chem Inf Model. 2020 Jul 27;60(7):3648-3661.