变构药物设计（allosteric drug design）是一种新兴的药物设计策略，通过靶向蛋白的变构位点（allosteric site）设计调节剂来调控蛋白功能，这一类分子和天然的正构分子（orthosteric ligand）没有竞争关系，因而具有一些显著的优势。虽然目前越来越多的变构共晶结构和变构位点被测定，但大多数变构分子仍然是随机发现的。如何提高变构药物发现的准确率是一大急需解决的问题。
变构调节（allosteric regulation）作为生物体内一种普遍存在的调控蛋白功能的方式，它是具有双向性的。小分子结合在蛋白的变构位点扰动周围的残基并将信号传导至正构位点（orthosteric site）从而改变蛋白的活性。同样地，蛋白上的正构位点在结合天然配体后也可以改变变构位点的动力学分布。但是通过对变构数据库（ASD）的分析，许多变构共晶是在没有结合正构分子的条件下解析出来的1。那么选取什么样的结构进行虚拟筛选才能提高变构药物发现的成功率呢？是没有结合正构分子的变构共晶（apo structure）还是结合了正构分子的变构共晶（holo structure）？针对这个问题，上海交大医学院张健课题组通过对6个典型的变构蛋白的apo和holo结构做了大规模的构象采样，同时结合对接分析，得出结论：如果正构位点和变构位点的距离低于5 Å，基于holo结构来进行药物筛选更合理。该项工作最近发表于Journal of Chemical Information and Modeling杂志上（J. Chem Inf. Model. 2019, 59, 597–604）2。
作者从ASD中选取6个分属不同家族的变构蛋白（TrpRS，MAPK，K-Ras4B，GlmU，MAO B，MIF），把删除变构分子的结构作为holo状态结构，而同时删除变构和正构分子的结构作为apo状态。首先他们通过分析模拟轨迹，发现6个体系中有4个可以观察到结合正构分子后变构位点体积增大，有1个体系则是减小，另有1个体系则是由于两个位点距离太远没有观察到明显差别。因此他们认为变构位点的空间结构会随着正构位点结合分子而发生改变。其次，他们对轨迹做了动力学关联性（dynamical cross-correlation matrices）分析，有5个体系的holo结构中的变构位点和正构位点之间的协同运动要明显强于apo结构。另1个体系没有明显变化。这些结果表明结合正构分子可以改变变构位点的动力学特征。最后，为了评估holo结构中变构位点结合小分子的亲和力，他们把apo和holo结构采样后的构象分别做层级聚类，选取5个具有代表性的结构将变构分子进行重对接分析，把和晶体结构中变构分子构象最接近的模型来评估可重现性。其中有5个蛋白的holo结构的对接模型要比apo结构更接近于共晶结构中构象。因此在正构分子结合的情况下，变构分子能更准确地结合到变构位点。
通过上面的研究，作者推断正构位点结合分子引起的变构位点的构象变化的程度主要取决于两个位点之间的距离，通过拟合变构位点体积和距离的曲线建立了定量模型，曲线表明如果变构位点和正构位点的距离低于5 Å，变构位点的构象会随着正构分子的结合发生剧烈变化。而如果距离超过5 Å，则变构位点构象变化不大。
目前，虽然变构药物具有许多优于传统药物（靶向正构位点的药物）的特点（选择性高毒性低），但经FDA批准上市的变构药物只有11个，因此靶向变构位点设计小分子还处于早期摸索阶段。而选择一个合理的变构位点结构是进行虚拟筛选前首要考虑的问题，也决定了是否能获得有潜力的化合物分子。这项工作的意义在于提出了一个基本准则，即在变构位点和正构位点距离小于5 Å时，利用结合有正构分子的变构共晶结构来进行化合物筛选是更为准确的。这一结论可以给从事基于结构的药物发现的研究人员提供依据。
参考文献：
- Shen Q., Wang G., Li S., Liu X., Lu S., Chen Z., Song K., Yan J., Geng L., Huang Z., Huang W., Cheng G., Zhang J. ASD v3.0: unraveling allosteric regulation with structural mechanisms and biological networks. Nucleic Acids Res. 2016, 44, D527-535. DOI: 10.1093/nar/gkv902
- An X., Lu S., Song K., Shen Q., Huang M., Yao X., Liu H., Zhang J. Are the Apo Proteins Suitable for the Rational Discovery of Allosteric Drugs?J. Chem. Inf. Model.2019, 59, 597–604. DOI: 10.1021/acs.jcim.8b00735
