鐵死亡（ferroptosis），是2012年Brent R. Stockwell實驗室發現的一種鐵依賴的細胞程序性死亡，由不受限制的脂質過氧化和隨后的質膜破裂引起，與腫瘤的發生、發展和耐藥密切相關。這種不同于凋亡、壞死、自噬的新型細胞死亡方式，自提出以來就迅速掀起了全球范圍的研究狂潮^[1]。

目前已有的研究表明，作為鐵死亡核心調控子的GPX4（谷胱甘肽過氧化物酶4），在非小細胞肺癌、胰腺癌、前列腺癌和黑色素瘤細胞中的功能喪失可以致使持續性癌細胞鐵死亡，抑制腫瘤的發生、進展、復發、轉移及耐藥，因而逐漸成為細胞鐵死亡研究領域的“明星靶點”^[2]。

美國哈佛-麻省理工的博德研究所聯合創始人Stuart L. Schreiber教授在該領域深耕10年，創立Kojin Therapeutics；2021年6月9日，公司宣布完成6000萬美元的A輪融資，用于加速對鐵死亡敏感的耐藥腫瘤的藥物研發。

(資料圖片僅供參考)

盡管GPX4看上去很有潛力，然而其整個蛋白很小，表面平坦，缺乏可成藥口袋（圖1A）。目前具有細胞活性的GPX4 抑制劑主要與46位的硒代半胱氨酸殘基發生共價結合，普遍存在選擇性差和毒性大的問題（圖1B）。

圖1GPX4蛋白與ML162晶體復合物結構^[3]（PDB ID: 6HKQ）以及現有共價抑制劑

仔細觀察ML162與GPX4的相互作用，如圖1A所示，我們不難發現，由于蛋白表面平坦，ML162與GPX4的非共價部分的相互作用非常少，這可能也是ML162分子選擇性差的原因。

基于以上，GPX4是否存在一個隱藏口袋或者別構口袋，靶向其他位置是否能影響GPX4的生物學功能，是非常值得探索的問題。

“對GPX4的開發思路，我們從一開始就定位在探索并發現有更好成藥性的隱藏口袋上。”深勢科技首席藥學官張曉敏博士表示，“深勢科技基于AI for Science打造的RiDymo平臺，通過動力學模擬發掘蛋白在體內的構象變化，發現全新的可藥口袋，并基于此開發的非共價分子在酶學和細胞水平上的抑制活性均與陽性共價分子相當，同時具備更好的成藥性。這一實踐使我們充分驗證了RiDymo平臺在藥物研發中的價值，在未來有望賦能更多難成藥靶標的藥物發現。”

在本項目中，深勢科技藥物研發團隊的開發路徑如下：

1、蛋白構象采樣：通過強化動力學（Reinforced dynamics, RiD）方法對GPX4蛋白進行計算模擬。如圖2右列顯示，對比傳統分子動力學模擬（Molecular dynamics, MD）（圖2左列），可以看出Reinforced dynamics在同樣的模擬時間尺度可以更高效地探索蛋白質的相空間，從而發現蛋白質的其他亞穩定構象以及隱藏的位點（粉色區域為隱藏在蛋白質內部的氨基酸）。

圖2強化動力學對GPX4蛋白高效采樣

2、可藥口袋誘導：在實際的藥物研發項目中，當確定蛋白質主鏈結構后，側鏈的構象變化也至關重要。深勢科技團隊在以上發掘的隱藏位點基礎上，運用強化動力學+有機溶劑探針的方法，進一步對該口袋進行了更全面的探索和誘導。如圖3展示，在有機溶劑探針的幫助下，我們驚喜地發現，蛋白從原先比較平坦的表面誘導形成了更深的小分子結合口袋。

圖3RiDymo強化動力學結合Uni-Probe有機溶劑探針方法，誘導發現GPX4新口袋

3、分子篩選與驗證：基于此口袋，結合深勢科技Hermite藥物設計平臺中Uni-Docking方法一日千里，追風逐月| 深勢科技發布極致加速版分子對接引擎Uni-Docking，對此位點進行了分子的高通量虛擬篩選。如圖4所示，目前獲得的非共價分子DP018、DP029在GPX4酶學抑制活性（圖4A）達到了微摩級別的效果，與陽性的共價分子ML162抑制活性相當。隨后通過表面等離子共振實驗（SPR）驗證了非共價分子可以直接結合GPX4，結合強度也達到了微摩級別（圖4B）。圖4C展示了DP非共價分子在細胞上觀察到活性氧ROS的變化，說明引起了細胞的鐵死亡。

圖4ML162及篩選分子在GPX4酶學實驗（A）、SPR實驗（B）以及ROS實驗（C）中的結果

蛋白質動力學研究日趨成為全球藥物研發的熱點領域。通常的理性藥物設計需要靶標蛋白具有明確的結構和清晰的作用位點，這種類型的靶點通常稱為“可成藥”靶點，在人類靶點中占15%左右。其余85%為“難成藥”靶點，一般體現在蛋白表面平坦無清晰作用位點，或者蛋白結構柔性大，甚至沒有穩定的三維結構。這類靶點難以使用傳統方法進行理性藥物設計——而深勢科技自主開發的RiDymo強化動力學平臺（圖5）則對該問題給出了新的解決思路。

RiDymo平臺是基于Reinforced dynamics （RiD）算法[4]開發的專注于解決“難成藥”靶點的動力學平臺。對比其他動力學算法和平臺，RiDymo最核心的優勢體現在模擬采樣效率上的巨幅提升，同時充分結合神經網絡的高維表示能力，在復雜的生物大分子體系中高效捕捉動態的構象變化，在相對可控的算力資源和模擬時長條件下就可以讓蛋白真正“動”起來（如上圖）。

圖5 RiDymo強化動力學平臺

此前，作為平臺核心能力的RiD算法已經在Nature子刊上發表登上Nature子刊！深勢科技RiD方法解決生物大分子體系高維空間采樣難題。在文章中顯示，針對一個蛋白的從頭折疊問題，RiD方法模擬1.86 μs時間獲得的自由能面比傳統分子動力學方法100 μs獲得的自由能面更加全面，展現出RiD方法在分子模擬的效率上有了近百倍的提升。

基于RiD方法，RiDymo強化動力學平臺可用于解決以下問題：

?針對表面平坦或者蛋白-蛋白相互作用（PPI）體系，在缺乏明確的結合位點的情況下，RiDymo可以用于誘導形成可藥口袋、探索全新別構口袋

?針對結構動態變化較大的GPCR、通道蛋白等體系，RiDymo可以分析殘基在運動軌跡中的相關性，助力藥靶作用機理研究和藥物篩選

?針對在體內缺乏穩定結構的無序蛋白，RiDymo可以探索蛋白在熱力學（Thermodynamics）和動力學（Kinetics）中的重要構象并發現可藥結構

?此外，藥物最終需要在體內起效，僅考慮結合強度這一熱力學參數是不夠的，RiDymo可以有效計算藥物的駐留時間（即解離常數的倒數）等與藥物體內藥效強相關的動力學參數，而這一點在過去往往是被大家忽視的

RiDymo平臺致力于在藥物分子發現中建立Structure-kinetic relationship（SKR），通過緊密結合SAR (Structure-activity relationship)及SPR (Structure-property relationship)，高效推進高質量臨床前候選化合物的發現。

本次的管線進展披露充分驗證了深勢科技RiDymo平臺在實際藥物開發中的巨大潛能，也是“AI for Science”新范式從算法到工具到應用落地的一次充分的例證。

我們相信隨著未來對鐵死亡機制的研究愈發完善，對其通路上相關靶點的藥物開發思路也會更加完備。憑借深勢科技對動力學的深刻理解，也會不斷攻克更多難成藥靶標，在更多的管線中取得更亮眼的成果。

深勢科技藥物研發團隊基于“AI for Science”新范式，專注于利用人工智能和分子模擬相融合的先進計算手段驅動難成藥靶點的藥物開發。團隊由張曉敏博士領銜，核心成員具備深厚的交叉學科背景和豐富的藥物開發經驗，同時依托深勢科技全球領先的強化動力學平臺RiDymo和大分子De Novo Design從頭設計平臺，目前已通過“自建管線+聯合開發”的方式形成了完整的研發體系，覆蓋CNS、腫瘤和自身免疫性疾病三大領域。

BD合作：bd@dp.tech

PR事宜：pr@dp.tech

Reference

[1] Stockwell, B. R. (2022). Ferroptosis turns 10: Emerging mechanisms, physiological functions, and therapeutic applications. Cell, 185(14), 2401-2421.

[2] Wang, F., & Min, J. (2021). DHODH tangoing with GPX4 on the ferroptotic stage. Signal Transduction and Targeted Therapy, 6(1), 1-2.

[3] Moosmayer, D., Hilpmann, A., Hoffmann, J., Schnirch, L., Zimmermann, K., Badock, V., ... & Hillig, R. C. (2021). Crystal structures of the selenoprotein glutathione peroxidase 4 in its apo form and in complex with the covalently bound inhibitor ML162. Acta Crystallographica Section D: Structural Biology, 77(2), 237-248.

[4] Wang, D., Wang, Y., Chang, J., Zhang, L., Wang, H. & E, W. (2022). Efficient sampling of high-dimensional free energy landscapes using adaptive reinforced dynamics. Nature Computational Science, 2(1), 20-29.

關鍵詞：