基于虛擬篩選技術(shù)探索脂肪酸結(jié)合蛋白抑制劑的發(fā)現(xiàn)與優(yōu)化一、引言1.1研究背景與意義在當(dāng)今社會(huì)，代謝相關(guān)疾病如肥胖、糖尿病、心血管疾病等已成為威脅人類健康的重要因素，其發(fā)病率呈逐年上升趨勢(shì)，給全球醫(yī)療系統(tǒng)帶來了沉重負(fù)擔(dān)。脂肪酸結(jié)合蛋白（FattyAcid-BindingProteins，F(xiàn)ABPs）作為一類在細(xì)胞內(nèi)脂質(zhì)代謝過程中發(fā)揮關(guān)鍵作用的蛋白質(zhì)，近年來受到了科研人員的廣泛關(guān)注。FABPs家族成員眾多，在人體各組織和器官中廣泛表達(dá)，且具有高度的組織特異性，它們能夠以高親和力與脂肪酸等疏水性配體可逆結(jié)合，并參與細(xì)胞內(nèi)脂肪酸的攝取、轉(zhuǎn)運(yùn)、代謝以及信號(hào)傳導(dǎo)等多個(gè)生物學(xué)過程，在維持細(xì)胞脂質(zhì)穩(wěn)態(tài)和正常生理功能方面起著不可或缺的作用。以FABP4（也稱為A-FABP，脂肪細(xì)胞脂肪酸結(jié)合蛋白）為例，它主要在脂肪細(xì)胞和巨噬細(xì)胞中大量表達(dá)。在肥胖和胰島素抵抗?fàn)顟B(tài)下，脂肪組織中的FABP4表達(dá)顯著上調(diào)，它通過促進(jìn)脂肪酸的攝取和儲(chǔ)存，干擾胰島素信號(hào)通路，進(jìn)而導(dǎo)致胰島素抵抗的發(fā)生和發(fā)展。臨床研究表明，F(xiàn)ABP4基因多態(tài)性與2型糖尿病、心血管疾病的發(fā)病風(fēng)險(xiǎn)密切相關(guān)。而FABP5（表皮脂肪酸結(jié)合蛋白）除了參與脂質(zhì)代謝外，還在炎癥調(diào)節(jié)和細(xì)胞增殖等過程中發(fā)揮作用，在皮膚炎癥、腫瘤發(fā)生等病理狀態(tài)下，F(xiàn)ABP5的表達(dá)和功能異常改變。這些研究結(jié)果充分表明，F(xiàn)ABP在代謝相關(guān)疾病的發(fā)生發(fā)展過程中扮演著關(guān)鍵角色，有望成為治療這些疾病的潛在藥物靶點(diǎn)。尋找高效、特異性強(qiáng)的脂肪酸結(jié)合蛋白抑制劑，成為藥物研發(fā)領(lǐng)域的重要研究方向。通過抑制FABP的活性，可以調(diào)節(jié)細(xì)胞內(nèi)脂質(zhì)代謝平衡，阻斷相關(guān)病理信號(hào)通路，從而為代謝相關(guān)疾病的治療提供新的策略和方法。傳統(tǒng)的藥物研發(fā)方法主要依賴于高通量實(shí)驗(yàn)篩選，這種方法雖然能夠發(fā)現(xiàn)一些具有潛在活性的化合物，但存在著成本高、周期長、效率低等缺點(diǎn)，且在篩選過程中往往需要消耗大量的人力、物力和時(shí)間資源，同時(shí)還面臨著大量假陽性和假陰性結(jié)果的困擾，導(dǎo)致研發(fā)成功率較低。隨著計(jì)算機(jī)技術(shù)和計(jì)算化學(xué)的飛速發(fā)展，虛擬篩選技術(shù)應(yīng)運(yùn)而生，為脂肪酸結(jié)合蛋白抑制劑的發(fā)現(xiàn)帶來了革命性的變革。虛擬篩選是一種基于計(jì)算機(jī)模擬的藥物篩選方法，它能夠在短時(shí)間內(nèi)對(duì)海量的化合物數(shù)據(jù)庫進(jìn)行快速搜索和分析，通過模擬化合物與靶點(diǎn)蛋白之間的相互作用，預(yù)測化合物的活性和親和力，從而從眾多化合物中篩選出具有潛在活性的先導(dǎo)化合物。與傳統(tǒng)實(shí)驗(yàn)篩選方法相比，虛擬篩選技術(shù)具有顯著的優(yōu)勢(shì)。它可以大大降低實(shí)驗(yàn)成本，縮短藥物研發(fā)周期，提高研發(fā)效率；能夠在早期階段對(duì)大量化合物進(jìn)行初步篩選，減少不必要的實(shí)驗(yàn)操作，為后續(xù)的實(shí)驗(yàn)研究提供有針對(duì)性的指導(dǎo)；還可以發(fā)現(xiàn)一些結(jié)構(gòu)新穎、具有獨(dú)特作用機(jī)制的化合物，為藥物研發(fā)提供更多的可能性。虛擬篩選技術(shù)在脂肪酸結(jié)合蛋白抑制劑的發(fā)現(xiàn)中具有巨大的潛力和廣闊的應(yīng)用前景。通過綜合運(yùn)用虛擬篩選技術(shù)與實(shí)驗(yàn)研究方法，有望加速新型脂肪酸結(jié)合蛋白抑制劑的研發(fā)進(jìn)程，為代謝相關(guān)疾病的治療提供更多有效的藥物選擇，從而改善患者的健康狀況和生活質(zhì)量，具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。1.2脂肪酸結(jié)合蛋白概述脂肪酸結(jié)合蛋白（FattyAcid-BindingProteins，F(xiàn)ABPs）是一類廣泛存在于生物體中的小分子蛋白質(zhì)，屬于細(xì)胞內(nèi)脂質(zhì)結(jié)合蛋白（iLBP）家族，在多種生理和病理過程中發(fā)揮著關(guān)鍵作用。自1972年首次被發(fā)現(xiàn)以來，隨著研究的不斷深入，人們對(duì)FABPs的結(jié)構(gòu)、功能、組織分布以及與疾病的關(guān)聯(lián)有了越來越全面和深入的認(rèn)識(shí)。FABPs家族成員眾多，在哺乳動(dòng)物中，已發(fā)現(xiàn)至少有12種不同的FABP亞型，而人類可產(chǎn)生多達(dá)10種，分別為肝臟型（L-FABP，F(xiàn)ABP1）、腸型（I-FABP，F(xiàn)ABP2）、心臟型（H-FABP，F(xiàn)ABP3）、脂肪細(xì)胞型（A-FABP，F(xiàn)ABP4）、表皮型（E-FABP，F(xiàn)ABP5）、回腸型（Il-FABP，F(xiàn)ABP6）、腦型（B-FABP，F(xiàn)ABP7）、髓磷脂型（M-FABP，F(xiàn)ABP8）、睪丸型（T-FABP，F(xiàn)ABP9）和FABP12。這些不同的亞型在氨基酸序列上僅有22%-73%的同源性，但它們卻具有高度保守的三維結(jié)構(gòu)。FABPs通常由127-136個(gè)氨基酸殘基組成，相對(duì)分子質(zhì)量在10-20kDa之間。其三維結(jié)構(gòu)主要由10條反平行的β折疊鏈（βA-βJ）和2個(gè)α-螺旋構(gòu)成，10條β折疊鏈形成一個(gè)β折疊桶狀結(jié)構(gòu)，配體結(jié)合位點(diǎn)位于β折疊桶的內(nèi)部空洞中心。在β折疊桶的一端，由α-螺旋構(gòu)成一個(gè)蓋子結(jié)構(gòu)，起到保護(hù)結(jié)合位點(diǎn)和調(diào)節(jié)配體結(jié)合與釋放的作用。脂肪酸等配體通過分子表面由α-螺旋、βC、βD、βE和βF組成的“開口”進(jìn)入蛋白內(nèi)部空洞，空洞內(nèi)的水分子可置換脂肪酸，維持空洞內(nèi)的靜電網(wǎng)絡(luò)和蛋白穩(wěn)定性。脂肪酸被結(jié)合后，由于范德華力作用使其分子彎曲、構(gòu)象改變并被相對(duì)固定，脂肪酸羧基端被7個(gè)氫鍵靜電網(wǎng)吸引，使羧基端埋在FABP分子內(nèi)，而βD和βE鏈間存在的另一個(gè)“開口”，則進(jìn)一步調(diào)節(jié)脂肪酸的結(jié)合和釋放。FABPs在人體各組織和器官中呈現(xiàn)出廣泛且具有高度組織特異性的分布特點(diǎn)。L-FABP（FABP1）主要在肝臟中高表達(dá)，占所有肝臟細(xì)胞胞質(zhì)蛋白的5%，在維持肝臟脂質(zhì)代謝平衡、脂肪酸轉(zhuǎn)運(yùn)和代謝調(diào)節(jié)等方面發(fā)揮著關(guān)鍵作用。I-FABP（FABP2）主要表達(dá)于小腸上皮細(xì)胞，在腸道脂肪酸的攝取、吸收和轉(zhuǎn)運(yùn)過程中起著重要作用。H-FABP（FABP3）在心肌細(xì)胞中大量存在，參與脂肪酸的重吸收及隨后轉(zhuǎn)運(yùn)到線粒體進(jìn)行β氧化的過程，為心肌細(xì)胞提供能量，在心肌缺血、損傷等病理狀態(tài)下，血液中H-FABP水平會(huì)迅速升高，因此它也被作為急性心肌梗死的早期診斷標(biāo)志物之一。A-FABP（FABP4）主要在脂肪細(xì)胞和巨噬細(xì)胞中大量表達(dá)，在脂肪細(xì)胞中，它參與脂肪酸的攝取、儲(chǔ)存和代謝調(diào)節(jié)，對(duì)脂肪細(xì)胞的分化和脂質(zhì)積累起著重要作用；在巨噬細(xì)胞中，A-FABP與炎癥反應(yīng)密切相關(guān)，它能夠調(diào)節(jié)炎癥介質(zhì)的產(chǎn)生和釋放，參與動(dòng)脈粥樣硬化等炎癥相關(guān)疾病的發(fā)生發(fā)展。E-FABP（FABP5）在皮膚、脂肪組織、巨噬細(xì)胞、腎臟和大腦等組織中均有表達(dá)，在皮膚中，主要表達(dá)于角質(zhì)形成細(xì)胞，對(duì)皮膚的屏障功能和脂質(zhì)代謝起重要作用；在脂肪組織和巨噬細(xì)胞中，E-FABP與A-FABP存在一定的功能重疊，共同參與脂質(zhì)代謝和炎癥調(diào)節(jié)過程。Il-FABP（FABP6）主要在小腸遠(yuǎn)端表達(dá)，與I-FABP在腸道脂肪酸代謝中可能具有協(xié)同或互補(bǔ)作用。B-FABP（FABP7）主要表達(dá)于大腦的灰質(zhì)神經(jīng)元，在神經(jīng)系統(tǒng)的發(fā)育、脂質(zhì)代謝和神經(jīng)信號(hào)傳導(dǎo)中發(fā)揮作用，由于長鏈脂肪酸是神經(jīng)系統(tǒng)重要的營養(yǎng)成分，B-FABP被認(rèn)為與神經(jīng)系統(tǒng)中脂肪酸的轉(zhuǎn)運(yùn)和利用密切相關(guān)。M-FABP（FABP8）主要存在于髓磷脂中，對(duì)髓磷脂的合成和維持神經(jīng)系統(tǒng)的正常功能具有重要意義。T-FABP（FABP9）主要在睪丸中表達(dá)，其具體功能目前尚不完全清楚，但推測可能與生殖細(xì)胞的發(fā)育和脂質(zhì)代謝有關(guān)。FABP12在人體中的表達(dá)和功能研究相對(duì)較少，其具體作用機(jī)制還有待進(jìn)一步探索。FABPs的生理功能十分廣泛，主要圍繞脂質(zhì)代謝、炎癥調(diào)節(jié)和細(xì)胞信號(hào)傳導(dǎo)等過程展開。在脂質(zhì)代謝方面，F(xiàn)ABPs作為脂質(zhì)伴侶，能夠以高親和力與長鏈脂肪酸、類花生酸、膽汁鹽和過氧化物酶體增殖物等疏水性配體可逆結(jié)合，將細(xì)胞外的脂肪酸攝取到細(xì)胞內(nèi)，并轉(zhuǎn)運(yùn)至不同的細(xì)胞器，如線粒體用于β氧化供能，或轉(zhuǎn)運(yùn)至內(nèi)質(zhì)網(wǎng)用于甘油三酯和磷脂的合成，從而在脂肪酸的吸收、轉(zhuǎn)運(yùn)、儲(chǔ)存和利用等環(huán)節(jié)中發(fā)揮關(guān)鍵作用。以脂肪細(xì)胞為例，A-FABP（FABP4）和E-FABP（FABP5）能夠促進(jìn)脂肪酸進(jìn)入脂肪細(xì)胞，并通過調(diào)節(jié)脂肪酸的酯化和甘油三酯的合成，參與脂肪滴的形成和脂質(zhì)儲(chǔ)存。在炎癥調(diào)節(jié)方面，F(xiàn)ABPs在巨噬細(xì)胞和其他免疫細(xì)胞中發(fā)揮著重要作用。例如，A-FABP（FABP4）和E-FABP（FABP5）可以結(jié)合并轉(zhuǎn)運(yùn)炎癥介質(zhì)如花生四烯酸等，影響炎癥信號(hào)通路的激活，還能通過調(diào)節(jié)相關(guān)基因的表達(dá)，影響免疫細(xì)胞的功能和炎癥因子的釋放，在炎癥的發(fā)生、發(fā)展和消退過程中發(fā)揮復(fù)雜的調(diào)節(jié)作用。在動(dòng)脈粥樣硬化的發(fā)生發(fā)展過程中，巨噬細(xì)胞中的A-FABP（FABP4）會(huì)促進(jìn)炎癥反應(yīng)和脂質(zhì)攝取，導(dǎo)致泡沫細(xì)胞的形成和動(dòng)脈粥樣硬化斑塊的發(fā)展。在細(xì)胞信號(hào)傳導(dǎo)方面，F(xiàn)ABPs結(jié)合脂肪酸后，可作為一種配體-受體復(fù)合物與細(xì)胞內(nèi)的一些轉(zhuǎn)錄因子相互作用，進(jìn)而調(diào)節(jié)與脂肪酸代謝、細(xì)胞分化、增殖和凋亡等相關(guān)基因的表達(dá)。A-FABP（FABP4）和E-FABP（FABP5）可以與過氧化物酶體增殖物激活受體（PPAR）等轉(zhuǎn)錄因子結(jié)合，激活其下游靶基因的轉(zhuǎn)錄，影響細(xì)胞的代謝和生理功能。大量研究表明，F(xiàn)ABPs與多種疾病的發(fā)生發(fā)展密切相關(guān)。在代謝相關(guān)疾病方面，肥胖、糖尿病、心血管疾病等都與FABPs的異常表達(dá)和功能失調(diào)有關(guān)。在肥胖狀態(tài)下，脂肪組織中的A-FABP（FABP4）和E-FABP（FABP5）表達(dá)顯著上調(diào)，它們通過促進(jìn)脂肪酸的攝取和儲(chǔ)存，干擾胰島素信號(hào)通路，導(dǎo)致胰島素抵抗的發(fā)生和發(fā)展，臨床研究發(fā)現(xiàn)，F(xiàn)ABP4基因多態(tài)性與2型糖尿病、心血管疾病的發(fā)病風(fēng)險(xiǎn)密切相關(guān)。在心血管疾病中，除了A-FABP（FABP4）外，H-FABP（FABP3）作為心肌損傷的標(biāo)志物，其水平的升高與急性心肌梗死、心力衰竭等疾病密切相關(guān)；FABP5在血管內(nèi)皮細(xì)胞、平滑肌細(xì)胞和巨噬細(xì)胞中均有表達(dá)，可能通過調(diào)節(jié)脂質(zhì)代謝、炎癥反應(yīng)和細(xì)胞增殖等過程，影響動(dòng)脈粥樣硬化的形成，血漿中的FABP5水平還可能作為心血管疾病的一個(gè)潛在生物標(biāo)志物，用于疾病的診斷、風(fēng)險(xiǎn)評(píng)估和預(yù)后判斷。在腫瘤方面，一些研究表明，F(xiàn)ABP5在某些腫瘤細(xì)胞中高表達(dá)，如乳腺癌、前列腺癌和黑色素瘤等，它可能通過調(diào)節(jié)腫瘤細(xì)胞的脂肪酸代謝，為腫瘤細(xì)胞的增殖和存活提供能量和生物合成底物，促進(jìn)腫瘤的生長和轉(zhuǎn)移，F(xiàn)ABP5還可能參與腫瘤細(xì)胞的上皮-間質(zhì)轉(zhuǎn)化過程，增強(qiáng)腫瘤細(xì)胞的侵襲能力。在神經(jīng)系統(tǒng)疾病中，B-FABP（FABP7）的異常表達(dá)與阿爾茨海默病、帕金森病等神經(jīng)退行性疾病的發(fā)生發(fā)展有關(guān)，可能參與神經(jīng)炎癥、氧化應(yīng)激和神經(jīng)細(xì)胞凋亡等病理過程。FABPs作為一類在細(xì)胞內(nèi)脂質(zhì)代謝和多種生理病理過程中發(fā)揮關(guān)鍵作用的蛋白質(zhì)，其家族成員的多樣性、結(jié)構(gòu)的保守性、組織分布的特異性以及與多種疾病的密切關(guān)聯(lián)，使其成為藥物研發(fā)領(lǐng)域極具潛力的靶點(diǎn)。深入研究FABPs的結(jié)構(gòu)與功能，探索其在疾病發(fā)生發(fā)展中的作用機(jī)制，對(duì)于開發(fā)針對(duì)相關(guān)疾病的新型治療藥物具有重要的理論和實(shí)踐意義。1.3虛擬篩選技術(shù)原理與方法虛擬篩選技術(shù)作為藥物研發(fā)領(lǐng)域的重要手段，主要分為基于受體的虛擬篩選和基于配體的虛擬篩選兩大類型，它們各自基于不同的原理和方法，在脂肪酸結(jié)合蛋白抑制劑的發(fā)現(xiàn)中發(fā)揮著獨(dú)特的作用。1.3.1基于受體的虛擬篩選基于受體的虛擬篩選（Receptor-basedVirtualScreening，RBVS）是一種以靶蛋白三維結(jié)構(gòu)為基礎(chǔ)的藥物篩選方法，其核心原理是通過精確模擬小分子化合物與靶蛋白結(jié)合位點(diǎn)之間的相互作用，深入研究它們之間的作用模式，并運(yùn)用與結(jié)合能相關(guān)的親合性打分函數(shù)，對(duì)蛋白和小分子化合物的結(jié)合能力進(jìn)行全面、系統(tǒng)的評(píng)價(jià)，從而從數(shù)量龐大的化合物分子庫中，精準(zhǔn)挑選出結(jié)合模式合理、預(yù)測得分較高的化合物，這些化合物將被用于后續(xù)的生物活性測試。在實(shí)際應(yīng)用基于受體的虛擬篩選技術(shù)時(shí)，通常遵循以下流程：首先，獲取高質(zhì)量的靶蛋白三維結(jié)構(gòu)。這是整個(gè)虛擬篩選過程的基石，靶蛋白結(jié)構(gòu)的準(zhǔn)確性和完整性直接影響著后續(xù)篩選結(jié)果的可靠性。靶蛋白的三維結(jié)構(gòu)可以通過多種實(shí)驗(yàn)技術(shù)獲得，如X射線晶體學(xué)、核磁共振波譜學(xué)（NMR）和冷凍電鏡技術(shù)（Cryo-EM）等。以脂肪酸結(jié)合蛋白為例，研究人員通過X射線晶體學(xué)技術(shù)，成功解析了多種脂肪酸結(jié)合蛋白亞型的高分辨率晶體結(jié)構(gòu)，為基于受體的虛擬篩選提供了堅(jiān)實(shí)的結(jié)構(gòu)基礎(chǔ)。如果無法通過實(shí)驗(yàn)手段直接獲得靶蛋白的三維結(jié)構(gòu)，也可以采用同源建模等計(jì)算方法，根據(jù)與靶蛋白序列相似性較高的已知結(jié)構(gòu)蛋白，構(gòu)建靶蛋白的三維結(jié)構(gòu)模型。在構(gòu)建脂肪酸結(jié)合蛋白的同源模型時(shí)，需要仔細(xì)選擇合適的模板蛋白，并進(jìn)行嚴(yán)格的模型評(píng)估和優(yōu)化，以確保模型的質(zhì)量和可靠性。獲得靶蛋白三維結(jié)構(gòu)后，需要對(duì)其進(jìn)行細(xì)致的預(yù)處理。這一步驟至關(guān)重要，它包括去除與蛋白質(zhì)功能無關(guān)的雜質(zhì)原子、添加氫原子以及合理分配電荷等操作。去除雜質(zhì)原子可以減少計(jì)算量，提高計(jì)算效率；添加氫原子是因?yàn)樵趯?shí)驗(yàn)測定的蛋白質(zhì)結(jié)構(gòu)中，氫原子的位置往往難以準(zhǔn)確確定，但氫原子在分子間相互作用中起著重要作用；合理分配電荷則有助于更準(zhǔn)確地模擬分子間的靜電相互作用。以脂肪酸結(jié)合蛋白的結(jié)構(gòu)預(yù)處理為例，研究人員使用專業(yè)的分子模擬軟件，如Schr?dingerMaestro等，對(duì)脂肪酸結(jié)合蛋白的晶體結(jié)構(gòu)進(jìn)行精細(xì)處理，確保后續(xù)分子對(duì)接計(jì)算的準(zhǔn)確性。接下來，定義靶蛋白的活性位點(diǎn)?；钚晕稽c(diǎn)是小分子化合物與靶蛋白結(jié)合并發(fā)揮作用的關(guān)鍵區(qū)域。對(duì)于脂肪酸結(jié)合蛋白，其活性位點(diǎn)通常位于由β折疊鏈形成的β折疊桶內(nèi)部空洞中心，脂肪酸等配體通過分子表面特定的“開口”進(jìn)入該活性位點(diǎn)。準(zhǔn)確界定活性位點(diǎn)的范圍和性質(zhì)，對(duì)于后續(xù)分子對(duì)接計(jì)算的準(zhǔn)確性和篩選結(jié)果的有效性具有重要影響。研究人員可以通過分析已知配體與靶蛋白的結(jié)合模式、參考相關(guān)文獻(xiàn)以及運(yùn)用分子模擬軟件中的活性位點(diǎn)預(yù)測工具等多種方法，來精確定義脂肪酸結(jié)合蛋白的活性位點(diǎn)。完成上述準(zhǔn)備工作后，便進(jìn)入分子對(duì)接階段。分子對(duì)接是基于受體的虛擬篩選的核心步驟，它通過模擬小分子化合物在靶蛋白活性位點(diǎn)內(nèi)的動(dòng)態(tài)結(jié)合過程，尋找小分子與靶蛋白之間最穩(wěn)定、最合理的結(jié)合構(gòu)象。在分子對(duì)接過程中，通常將小分子視為柔性分子，允許其在一定程度上改變構(gòu)象，以更好地適應(yīng)靶蛋白活性位點(diǎn)的形狀和性質(zhì)；而將靶蛋白視為剛性分子或在一定程度上考慮其柔性。目前，常用的分子對(duì)接軟件有AutoDock、Glide、FlexX等。這些軟件采用不同的算法和打分函數(shù)來模擬分子對(duì)接過程，并對(duì)小分子與靶蛋白的結(jié)合能力進(jìn)行打分。在對(duì)脂肪酸結(jié)合蛋白進(jìn)行分子對(duì)接時(shí)，研究人員可以根據(jù)具體需求和研究目的，選擇合適的分子對(duì)接軟件和參數(shù)設(shè)置。例如，使用Glide軟件對(duì)脂肪酸結(jié)合蛋白進(jìn)行分子對(duì)接時(shí)，可以采用標(biāo)準(zhǔn)精度（SP）模式進(jìn)行初步篩選，快速從大量化合物中篩選出可能具有活性的化合物；然后，對(duì)這些初步篩選出的化合物，采用高精度（XP）模式進(jìn)行更精細(xì)的對(duì)接計(jì)算，以獲得更準(zhǔn)確的結(jié)合構(gòu)象和打分結(jié)果。最后，根據(jù)分子對(duì)接的打分結(jié)果，對(duì)化合物進(jìn)行排序和篩選。打分函數(shù)是分子對(duì)接過程中用于評(píng)估小分子與靶蛋白結(jié)合能力的數(shù)學(xué)模型，它綜合考慮了小分子與靶蛋白之間的多種相互作用，如靜電相互作用、氫鍵作用、疏水作用和范德華力等。不同的打分函數(shù)在計(jì)算方法和考慮因素上存在差異，因此在實(shí)際應(yīng)用中，需要根據(jù)具體情況選擇合適的打分函數(shù)，并對(duì)其進(jìn)行驗(yàn)證和優(yōu)化。研究人員通常會(huì)設(shè)定一個(gè)打分閾值，將打分高于閾值的化合物挑選出來，作為潛在的活性化合物進(jìn)入后續(xù)的實(shí)驗(yàn)驗(yàn)證階段。在篩選脂肪酸結(jié)合蛋白抑制劑時(shí)，研究人員通過對(duì)大量化合物進(jìn)行分子對(duì)接計(jì)算，根據(jù)打分結(jié)果篩選出了一系列與脂肪酸結(jié)合蛋白具有較強(qiáng)結(jié)合能力的化合物，并對(duì)這些化合物進(jìn)行了后續(xù)的生物活性測試，成功發(fā)現(xiàn)了一些具有潛在抑制活性的先導(dǎo)化合物?；谑荏w的虛擬篩選技術(shù)具有顯著的優(yōu)勢(shì)，它能夠直接利用靶蛋白的三維結(jié)構(gòu)信息，深入研究小分子與靶蛋白之間的相互作用機(jī)制，從而為藥物設(shè)計(jì)提供更直觀、更準(zhǔn)確的指導(dǎo)。該技術(shù)可以避免因活性化合物結(jié)構(gòu)微小改變而導(dǎo)致的活性改變問題。然而，基于受體的虛擬篩選也存在一些局限性。一方面，打分函數(shù)的準(zhǔn)確性和適用性仍然是一個(gè)挑戰(zhàn)。目前的打分函數(shù)雖然能夠在一定程度上反映小分子與靶蛋白之間的結(jié)合能力，但由于實(shí)際分子間相互作用的復(fù)雜性，打分函數(shù)往往難以精確地預(yù)測化合物的活性。另一方面，該技術(shù)需要準(zhǔn)確的靶蛋白結(jié)構(gòu)和明確的活性位點(diǎn)信息，然而，在實(shí)際研究中，許多重要的靶標(biāo)蛋白的結(jié)構(gòu)信息并不容易獲得，或者其活性位點(diǎn)的性質(zhì)和功能還不完全清楚，這在一定程度上限制了基于受體的虛擬篩選技術(shù)的應(yīng)用范圍。1.3.2基于配體的虛擬篩選基于配體的虛擬篩選（Ligand-basedVirtualScreening，LBVS）是依據(jù)“結(jié)構(gòu)決定性質(zhì)”的基本原理發(fā)展起來的藥物篩選方法。該方法主要利用已知活性的小分子化合物作為模板，通過深入分析這些化合物的結(jié)構(gòu)特征和活性關(guān)系，構(gòu)建相應(yīng)的藥效團(tuán)模型或采用定量構(gòu)效關(guān)系（QSAR）等方法，在大規(guī)模的化合物數(shù)據(jù)庫中進(jìn)行全面搜索，以尋找與模板化合物具有相似結(jié)構(gòu)特征和活性潛力的化學(xué)分子結(jié)構(gòu)。藥效團(tuán)模型是基于配體的虛擬篩選中常用的工具之一。它是對(duì)具有相同藥理活性的一類化合物中，對(duì)活性起關(guān)鍵作用的原子和基團(tuán)的空間排列特征的抽象和概括。這些原子和基團(tuán)被稱為藥效團(tuán)元素，它們通過特定的空間關(guān)系組合在一起，形成了能夠與靶標(biāo)蛋白相互作用并產(chǎn)生生物活性的藥效團(tuán)模型。構(gòu)建藥效團(tuán)模型的過程通常包括以下步驟：首先，收集一組具有已知活性的小分子化合物，這些化合物被稱為訓(xùn)練集。對(duì)于脂肪酸結(jié)合蛋白抑制劑的研究，研究人員會(huì)收集一系列已被證實(shí)具有抑制脂肪酸結(jié)合蛋白活性的小分子化合物作為訓(xùn)練集。然后，運(yùn)用分子模擬軟件或?qū)ｉT的藥效團(tuán)構(gòu)建工具，對(duì)訓(xùn)練集中的化合物進(jìn)行結(jié)構(gòu)分析和特征提取。通過分析這些化合物與脂肪酸結(jié)合蛋白的結(jié)合模式和相互作用特征，確定對(duì)活性起關(guān)鍵作用的藥效團(tuán)元素，如氫鍵供體、氫鍵受體、疏水基團(tuán)、芳香環(huán)等。根據(jù)這些藥效團(tuán)元素的空間位置和相互關(guān)系，構(gòu)建出藥效團(tuán)模型。在構(gòu)建脂肪酸結(jié)合蛋白抑制劑的藥效團(tuán)模型時(shí)，研究人員發(fā)現(xiàn)，一些能夠與脂肪酸結(jié)合蛋白活性位點(diǎn)內(nèi)特定氨基酸殘基形成氫鍵或疏水相互作用的基團(tuán)，如羧基、氨基、苯環(huán)等，是構(gòu)成藥效團(tuán)模型的重要元素。構(gòu)建好藥效團(tuán)模型后，就可以利用該模型在化合物數(shù)據(jù)庫中進(jìn)行搜索，篩選出與藥效團(tuán)模型匹配度較高的化合物，這些化合物被認(rèn)為具有潛在的活性。定量構(gòu)效關(guān)系（QSAR）是基于配體的虛擬篩選的另一種重要方法。它借助數(shù)學(xué)和統(tǒng)計(jì)學(xué)手段，建立化合物的結(jié)構(gòu)參數(shù)或理化性質(zhì)參數(shù)與生物活性之間的定量關(guān)系模型。通過對(duì)大量已知活性化合物的結(jié)構(gòu)和活性數(shù)據(jù)進(jìn)行深入分析和挖掘，尋找能夠準(zhǔn)確描述化合物結(jié)構(gòu)與活性之間關(guān)系的數(shù)學(xué)模型，從而實(shí)現(xiàn)對(duì)未知化合物活性的預(yù)測。在建立QSAR模型時(shí)，首先需要選擇合適的結(jié)構(gòu)描述符來表征化合物的結(jié)構(gòu)特征。結(jié)構(gòu)描述符可以是基于分子的幾何形狀、電子性質(zhì)、拓?fù)浣Y(jié)構(gòu)等多種因素的參數(shù)，如分子的分子量、疏水性參數(shù)、電性參數(shù)、分子連接性指數(shù)等。對(duì)于脂肪酸結(jié)合蛋白抑制劑，研究人員可以選擇與脂肪酸結(jié)合蛋白結(jié)合位點(diǎn)相互作用相關(guān)的結(jié)構(gòu)描述符，如分子中與脂肪酸結(jié)構(gòu)相似的部分的長度、角度，以及分子中電荷分布等參數(shù)。然后，收集足夠數(shù)量的具有已知活性的化合物作為訓(xùn)練集，并測定它們的結(jié)構(gòu)描述符和生物活性數(shù)據(jù)。運(yùn)用多元線性回歸、偏最小二乘回歸、人工神經(jīng)網(wǎng)絡(luò)等統(tǒng)計(jì)學(xué)方法，對(duì)訓(xùn)練集數(shù)據(jù)進(jìn)行分析和建模，建立化合物結(jié)構(gòu)描述符與生物活性之間的定量關(guān)系模型。在建立脂肪酸結(jié)合蛋白抑制劑的QSAR模型時(shí)，研究人員使用多元線性回歸方法，建立了分子中某些結(jié)構(gòu)特征與抑制活性之間的定量關(guān)系模型。通過對(duì)模型的驗(yàn)證和優(yōu)化，確保模型具有良好的預(yù)測能力。建立好QSAR模型后，就可以將未知化合物的結(jié)構(gòu)描述符代入模型中，預(yù)測其生物活性，從而篩選出具有潛在活性的化合物。除了藥效團(tuán)模型和QSAR方法外，基于配體的虛擬篩選還可以采用結(jié)構(gòu)相似性搜索的方法。該方法通過計(jì)算化合物之間的結(jié)構(gòu)相似性，以已知活性化合物為模板，在化合物數(shù)據(jù)庫中搜索結(jié)構(gòu)相似的化合物。常用的結(jié)構(gòu)相似性計(jì)算方法包括基于分子指紋的相似性計(jì)算和基于分子形狀的相似性計(jì)算等。分子指紋是一種將分子結(jié)構(gòu)信息轉(zhuǎn)化為數(shù)字編碼的方法，通過比較不同分子的指紋編碼，可以快速計(jì)算它們之間的相似性。在脂肪酸結(jié)合蛋白抑制劑的篩選中，研究人員可以使用基于分子指紋的相似性搜索方法，以已知具有抑制活性的化合物為模板，在化合物數(shù)據(jù)庫中搜索結(jié)構(gòu)相似的化合物，這些化合物可能具有類似的抑制脂肪酸結(jié)合蛋白的活性?；诜肿有螤畹南嗨菩杂?jì)算則是通過比較分子的三維形狀特征，來確定化合物之間的相似性。這種方法能夠更直觀地反映分子在空間結(jié)構(gòu)上的相似程度，對(duì)于發(fā)現(xiàn)具有新穎結(jié)構(gòu)但活性相似的化合物具有一定的優(yōu)勢(shì)?；谂潴w的虛擬篩選具有速度快、通用性好等優(yōu)點(diǎn)。它不需要靶蛋白的三維結(jié)構(gòu)信息，因此在靶蛋白結(jié)構(gòu)未知或難以獲得的情況下，仍然可以有效地進(jìn)行化合物篩選。該方法可以充分利用已有的活性化合物信息，快速發(fā)現(xiàn)與已知活性化合物結(jié)構(gòu)相似或具有相似藥效團(tuán)特征的潛在活性化合物。然而，基于配體的虛擬篩選也存在一定的局限性。它主要依賴于已知活性化合物的結(jié)構(gòu)和活性數(shù)據(jù)，如果訓(xùn)練集的化合物結(jié)構(gòu)多樣性不足或活性數(shù)據(jù)不準(zhǔn)確，可能會(huì)導(dǎo)致構(gòu)建的模型預(yù)測能力較差，從而影響篩選結(jié)果的可靠性。該方法對(duì)于發(fā)現(xiàn)全新結(jié)構(gòu)類型的活性化合物具有一定的局限性，因?yàn)樗鼉A向于篩選出與已知活性化合物結(jié)構(gòu)相似的化合物。1.4研究目的與創(chuàng)新點(diǎn)本研究旨在通過虛擬篩選技術(shù)，系統(tǒng)地尋找新型脂肪酸結(jié)合蛋白抑制劑，為代謝相關(guān)疾病的藥物研發(fā)提供新的先導(dǎo)化合物和研究思路。具體而言，將運(yùn)用基于受體和基于配體的虛擬篩選方法，從大規(guī)?；衔飻?shù)據(jù)庫中篩選出可能與脂肪酸結(jié)合蛋白具有高親和力和特異性的小分子化合物，并通過實(shí)驗(yàn)驗(yàn)證其抑制活性。在研究策略上，本研究具有多方面的創(chuàng)新之處。將綜合運(yùn)用基于受體和基于配體的虛擬篩選方法，充分發(fā)揮兩種方法的優(yōu)勢(shì)，克服單一方法的局限性，從而提高篩選的準(zhǔn)確性和效率。在基于受體的虛擬篩選中，將采用多種分子對(duì)接軟件和打分函數(shù)，并結(jié)合分子動(dòng)力學(xué)模擬等技術(shù)，對(duì)小分子與脂肪酸結(jié)合蛋白的結(jié)合模式和穩(wěn)定性進(jìn)行深入分析，以獲得更可靠的篩選結(jié)果。在基于配體的虛擬篩選中，將構(gòu)建多藥效團(tuán)模型和定量構(gòu)效關(guān)系模型，并結(jié)合結(jié)構(gòu)相似性搜索等方法，從不同角度對(duì)化合物數(shù)據(jù)庫進(jìn)行搜索，以發(fā)現(xiàn)更多具有潛在活性的化合物。本研究還將引入人工智能和機(jī)器學(xué)習(xí)技術(shù)，對(duì)虛擬篩選過程進(jìn)行優(yōu)化和預(yù)測，進(jìn)一步提高篩選效率和準(zhǔn)確性。利用深度學(xué)習(xí)算法對(duì)分子對(duì)接結(jié)果進(jìn)行分析和預(yù)測，或者使用機(jī)器學(xué)習(xí)模型對(duì)化合物的活性進(jìn)行分類和預(yù)測。在活性驗(yàn)證方面，本研究將采用多種實(shí)驗(yàn)技術(shù)和模型，對(duì)虛擬篩選得到的化合物進(jìn)行全面的活性驗(yàn)證和機(jī)制研究。除了傳統(tǒng)的酶活性測定和細(xì)胞水平的實(shí)驗(yàn)外，還將運(yùn)用分子生物學(xué)、生物化學(xué)和細(xì)胞生物學(xué)等技術(shù)，深入研究化合物與脂肪酸結(jié)合蛋白的相互作用機(jī)制，以及對(duì)細(xì)胞內(nèi)脂質(zhì)代謝和信號(hào)傳導(dǎo)通路的影響。通過蛋白質(zhì)印跡法（WesternBlot）檢測相關(guān)蛋白的表達(dá)水平，使用實(shí)時(shí)熒光定量聚合酶鏈?zhǔn)椒磻?yīng)（qRT-PCR）分析相關(guān)基因的轉(zhuǎn)錄水平，或者利用免疫熒光技術(shù)觀察細(xì)胞內(nèi)脂質(zhì)分布和信號(hào)通路的激活情況。本研究還將建立動(dòng)物模型，對(duì)活性較好的化合物進(jìn)行體內(nèi)藥效學(xué)評(píng)價(jià)，為其進(jìn)一步的開發(fā)和應(yīng)用提供更有力的實(shí)驗(yàn)依據(jù)。通過建立肥胖、糖尿病或動(dòng)脈粥樣硬化等動(dòng)物模型，觀察化合物對(duì)疾病相關(guān)指標(biāo)的影響，如體重、血糖、血脂、炎癥因子水平等。二、虛擬篩選技術(shù)在脂肪酸結(jié)合蛋白抑制劑研究中的應(yīng)用現(xiàn)狀2.1虛擬篩選在FABP4抑制劑研究中的案例分析在FABP4抑制劑的研究中，虛擬篩選技術(shù)展現(xiàn)出了強(qiáng)大的優(yōu)勢(shì)，為新型抑制劑的發(fā)現(xiàn)提供了高效的途徑。以某研究為例，科研人員通過一系列嚴(yán)謹(jǐn)且系統(tǒng)的實(shí)驗(yàn)流程，成功利用虛擬篩選技術(shù)發(fā)現(xiàn)了具有潛在活性的FABP4抑制劑。在研究的起始階段，科研人員將目光聚焦于從ZINC15數(shù)據(jù)庫中精心挑選出的160萬個(gè)類藥分子，這些分子構(gòu)成了后續(xù)研究的基礎(chǔ)化合物庫。為了從如此龐大的化合物庫中篩選出可能與FABP4具有高親和力的分子，研究人員采用了基于受體的虛擬篩選方法。他們首先借助專業(yè)的分子對(duì)接軟件Glide，利用其標(biāo)準(zhǔn)精度（SP）模式，將化合物庫中的每一個(gè)分子與FABP4的晶體結(jié)構(gòu)進(jìn)行全面的分子對(duì)接。在這個(gè)過程中，Glide軟件通過模擬小分子化合物在FABP4活性位點(diǎn)內(nèi)的動(dòng)態(tài)結(jié)合過程，計(jì)算小分子與FABP4之間的相互作用能和結(jié)合構(gòu)象，從而對(duì)每個(gè)小分子與FABP4的結(jié)合能力進(jìn)行初步評(píng)估。經(jīng)過這一輪初步篩選，根據(jù)GlideSP模式的打分結(jié)果，研究人員從160萬個(gè)類藥分子中篩選出了得分較高的1000個(gè)化合物，這些化合物被認(rèn)為具有相對(duì)較高的與FABP4結(jié)合的潛力。為了進(jìn)一步提高篩選的準(zhǔn)確性，研究人員對(duì)這1000個(gè)初步篩選出的化合物進(jìn)行了更為精細(xì)的分析。他們運(yùn)用Glide軟件的高精度（XP）模式，對(duì)這1000個(gè)化合物與FABP4的結(jié)合進(jìn)行了再次對(duì)接。在XP模式下，Glide軟件能夠更精確地考慮小分子與FABP4之間的各種相互作用，包括靜電相互作用、氫鍵作用、疏水作用和范德華力等，從而獲得更為準(zhǔn)確的結(jié)合構(gòu)象和打分結(jié)果。通過這次高精度的對(duì)接篩選，研究人員根據(jù)XP模式的打分和結(jié)合模式分析，進(jìn)一步挑選出了20個(gè)結(jié)合模式合理、打分較高的化合物。這20個(gè)化合物在分子結(jié)構(gòu)上展現(xiàn)出與FABP4活性位點(diǎn)良好的互補(bǔ)性，它們能夠通過與FABP4活性位點(diǎn)內(nèi)的關(guān)鍵氨基酸殘基形成穩(wěn)定的氫鍵、疏水相互作用等，實(shí)現(xiàn)與FABP4的緊密結(jié)合。對(duì)于這20個(gè)經(jīng)過兩輪虛擬篩選得到的化合物，研究人員并未止步于理論分析，而是進(jìn)行了深入的分子動(dòng)力學(xué)（MD）模擬。MD模擬是一種基于分子力學(xué)原理的計(jì)算方法，它能夠在原子水平上模擬分子體系在一定時(shí)間內(nèi)的動(dòng)態(tài)行為。在本研究中，研究人員利用MD模擬，對(duì)這20個(gè)化合物與FABP4形成的復(fù)合物進(jìn)行了長時(shí)間的動(dòng)力學(xué)模擬，模擬時(shí)間長達(dá)100ns。通過MD模擬，研究人員詳細(xì)分析了復(fù)合物在模擬過程中的結(jié)構(gòu)穩(wěn)定性、結(jié)合自由能以及小分子與FABP4之間的相互作用模式的動(dòng)態(tài)變化。在模擬過程中，研究人員重點(diǎn)關(guān)注了復(fù)合物的均方根偏差（RMSD）、均方根漲落（RMSF）等參數(shù)。RMSD用于衡量復(fù)合物在模擬過程中相對(duì)于初始結(jié)構(gòu)的整體位移變化，反映了復(fù)合物的結(jié)構(gòu)穩(wěn)定性；RMSF則用于衡量復(fù)合物中各個(gè)原子或殘基的波動(dòng)程度，反映了分子局部結(jié)構(gòu)的柔性。通過對(duì)這些參數(shù)的分析，研究人員發(fā)現(xiàn)，部分化合物與FABP4形成的復(fù)合物在模擬過程中具有較低的RMSD值和RMSF值，表明這些復(fù)合物具有較高的結(jié)構(gòu)穩(wěn)定性，小分子與FABP4之間能夠形成相對(duì)穩(wěn)定的相互作用。研究人員還通過計(jì)算結(jié)合自由能，進(jìn)一步量化了小分子與FABP4之間的結(jié)合強(qiáng)度。結(jié)合自由能是衡量分子間相互作用強(qiáng)度的重要指標(biāo)，其值越低，表明分子間的結(jié)合越穩(wěn)定。通過MD模擬計(jì)算得到的結(jié)合自由能結(jié)果顯示，某些化合物與FABP4之間具有較低的結(jié)合自由能，這進(jìn)一步證實(shí)了這些化合物與FABP4具有較強(qiáng)的結(jié)合能力。經(jīng)過MD模擬的深入分析，研究人員最終挑選出了5個(gè)具有最穩(wěn)定結(jié)合模式和最低結(jié)合自由能的化合物。這5個(gè)化合物在虛擬篩選的各個(gè)環(huán)節(jié)中都表現(xiàn)出了優(yōu)異的性能，它們?cè)诜肿咏Y(jié)構(gòu)上與FABP4活性位點(diǎn)具有高度的互補(bǔ)性，能夠通過多種相互作用與FABP4緊密結(jié)合，并且在MD模擬中展現(xiàn)出了良好的結(jié)構(gòu)穩(wěn)定性和較強(qiáng)的結(jié)合能力。為了驗(yàn)證這5個(gè)化合物的實(shí)際生物活性，研究人員進(jìn)行了細(xì)胞水平的活性測定實(shí)驗(yàn)。在實(shí)驗(yàn)中，他們選擇了脂肪細(xì)胞和巨噬細(xì)胞作為研究對(duì)象，這是因?yàn)镕ABP4主要在這兩種細(xì)胞中大量表達(dá)。研究人員將這5個(gè)化合物分別作用于脂肪細(xì)胞和巨噬細(xì)胞，通過檢測細(xì)胞內(nèi)脂肪酸的攝取、代謝以及相關(guān)信號(hào)通路的變化，來評(píng)估化合物對(duì)FABP4活性的抑制效果。實(shí)驗(yàn)結(jié)果令人欣喜，這5個(gè)化合物中的部分化合物展現(xiàn)出了顯著的FABP4抑制活性。它們能夠有效地降低脂肪細(xì)胞和巨噬細(xì)胞對(duì)脂肪酸的攝取，干擾脂肪酸在細(xì)胞內(nèi)的代謝過程，并且能夠調(diào)節(jié)與FABP4相關(guān)的信號(hào)通路，如抑制PPARγ信號(hào)通路的激活，從而發(fā)揮出潛在的抗肥胖、抗炎等作用。該研究通過從分子對(duì)接篩選到結(jié)合模式分析，再到活性測定的完整流程，充分展示了虛擬篩選技術(shù)在發(fā)現(xiàn)FABP4抑制劑中的有效性和重要性。虛擬篩選技術(shù)不僅能夠在短時(shí)間內(nèi)從海量的化合物庫中篩選出具有潛在活性的化合物，大大提高了篩選效率，降低了實(shí)驗(yàn)成本；還能夠通過分子動(dòng)力學(xué)模擬等技術(shù)，深入分析化合物與FABP4之間的結(jié)合模式和相互作用機(jī)制，為后續(xù)的藥物設(shè)計(jì)和優(yōu)化提供了重要的理論依據(jù)。通過細(xì)胞水平的活性測定實(shí)驗(yàn)，研究人員成功驗(yàn)證了虛擬篩選得到的化合物的生物活性，為FABP4抑制劑的進(jìn)一步開發(fā)和應(yīng)用奠定了堅(jiān)實(shí)的基礎(chǔ)。2.2其他FABP亞型抑制劑的虛擬篩選研究進(jìn)展除了FABP4抑制劑的研究，虛擬篩選技術(shù)在其他FABP亞型抑制劑的發(fā)現(xiàn)中也發(fā)揮了重要作用，為相關(guān)疾病的治療提供了新的潛在藥物靶點(diǎn)和治療策略。在FABP1抑制劑的研究中，由于FABP1在肝臟脂質(zhì)代謝中起著關(guān)鍵作用，且與多種肝臟疾病如非酒精性脂肪性肝?。∟AFLD）、肝細(xì)胞癌等密切相關(guān)，因此尋找FABP1抑制劑具有重要的臨床意義。有研究利用基于受體的虛擬篩選方法，以FABP1的晶體結(jié)構(gòu)為靶點(diǎn)，從ZINC數(shù)據(jù)庫中篩選出了一系列潛在的FABP1抑制劑。研究人員首先使用Glide軟件進(jìn)行分子對(duì)接，通過標(biāo)準(zhǔn)精度（SP）模式初步篩選出與FABP1活性位點(diǎn)具有較好結(jié)合模式的化合物。然后，對(duì)這些化合物進(jìn)行高精度（XP）對(duì)接和分子動(dòng)力學(xué)模擬，進(jìn)一步分析化合物與FABP1之間的相互作用模式和結(jié)合穩(wěn)定性。結(jié)果發(fā)現(xiàn)，部分化合物能夠與FABP1活性位點(diǎn)內(nèi)的關(guān)鍵氨基酸殘基形成穩(wěn)定的氫鍵和疏水相互作用，從而有效抑制FABP1的活性。在對(duì)篩選出的化合物進(jìn)行細(xì)胞實(shí)驗(yàn)驗(yàn)證時(shí)，發(fā)現(xiàn)這些化合物能夠顯著降低肝臟細(xì)胞內(nèi)脂肪酸的攝取和甘油三酯的積累，表明它們具有潛在的抗脂肪肝活性。還有研究通過虛擬篩選結(jié)合實(shí)驗(yàn)驗(yàn)證，發(fā)現(xiàn)減肥藥奧利司他能夠有效抑制FABP1的活性。在肝細(xì)胞癌的研究中，發(fā)現(xiàn)腫瘤相關(guān)巨噬細(xì)胞過表達(dá)的FABP1能夠驅(qū)動(dòng)免疫抑制性腫瘤微環(huán)境，而奧利司他與PD-1抑制劑具有協(xié)同治療效果，能夠緩解肝細(xì)胞癌的進(jìn)展。對(duì)于FABP3，它主要存在于心肌細(xì)胞中，在心肌能量代謝和心臟功能維持方面發(fā)揮著重要作用。在急性心肌梗死等心臟疾病中，F(xiàn)ABP3的表達(dá)和功能異常改變。有研究團(tuán)隊(duì)運(yùn)用基于配體的虛擬篩選方法，以已知的FABP3抑制劑為模板，構(gòu)建了藥效團(tuán)模型，并利用該模型在多個(gè)化合物數(shù)據(jù)庫中進(jìn)行搜索。通過對(duì)搜索結(jié)果的分析和篩選，得到了一系列與模板化合物具有相似結(jié)構(gòu)和潛在活性的化合物。對(duì)這些化合物進(jìn)行活性測試后，發(fā)現(xiàn)其中一些化合物能夠顯著抑制FABP3與脂肪酸的結(jié)合，并且在細(xì)胞實(shí)驗(yàn)中表現(xiàn)出對(duì)心肌細(xì)胞損傷的保護(hù)作用。這些結(jié)果表明，虛擬篩選技術(shù)有助于發(fā)現(xiàn)新型的FABP3抑制劑，為心臟疾病的治療提供新的藥物選擇。然而，由于FABP3在心肌細(xì)胞中的功能復(fù)雜，且與其他心肌蛋白存在相互作用，如何確保篩選出的抑制劑具有高度的特異性和安全性，避免對(duì)正常心肌功能產(chǎn)生不良影響，仍是當(dāng)前研究面臨的挑戰(zhàn)之一。FABP5作為脂肪酸結(jié)合蛋白家族的重要成員，在皮膚、脂肪組織、巨噬細(xì)胞等多種組織和細(xì)胞中廣泛表達(dá)。它不僅參與脂質(zhì)代謝過程，還在炎癥調(diào)節(jié)、細(xì)胞增殖和分化等生理病理過程中發(fā)揮著關(guān)鍵作用。在皮膚疾病如銀屑病、特應(yīng)性皮炎以及腫瘤疾病如乳腺癌、前列腺癌等的發(fā)生發(fā)展中，F(xiàn)ABP5的異常表達(dá)和功能失調(diào)起著重要作用。針對(duì)FABP5抑制劑的虛擬篩選研究也取得了一定的進(jìn)展。有研究人員采用基于受體的虛擬篩選策略，以FABP5的三維結(jié)構(gòu)為基礎(chǔ)，利用分子對(duì)接技術(shù)從大量化合物庫中篩選潛在的抑制劑。通過分子對(duì)接，研究人員發(fā)現(xiàn)一些化合物能夠與FABP5的活性位點(diǎn)緊密結(jié)合，其結(jié)合模式主要包括與活性位點(diǎn)內(nèi)的氨基酸殘基形成氫鍵、疏水相互作用以及π-π堆積等。進(jìn)一步的實(shí)驗(yàn)驗(yàn)證表明，這些化合物在細(xì)胞水平能夠有效抑制FABP5的功能，調(diào)節(jié)相關(guān)細(xì)胞的脂質(zhì)代謝和炎癥反應(yīng)。在一項(xiàng)關(guān)于皮膚炎癥的研究中，篩選得到的FABP5抑制劑能夠顯著減輕炎癥細(xì)胞因子的釋放，改善皮膚炎癥癥狀。在腫瘤研究方面，部分FABP5抑制劑能夠抑制腫瘤細(xì)胞的增殖和遷移能力。然而，目前FABP5抑制劑的研究仍面臨一些問題，如抑制劑的選擇性有待提高，以避免對(duì)其他FABP亞型或相關(guān)蛋白產(chǎn)生非特異性作用；抑制劑的體內(nèi)藥效和安全性還需要進(jìn)一步深入研究，以評(píng)估其在臨床應(yīng)用中的可行性。在FABP2抑制劑的研究中，由于FABP2主要表達(dá)于小腸上皮細(xì)胞，參與腸道脂肪酸的吸收和代謝，與肥胖、代謝綜合征等疾病密切相關(guān)?？蒲腥藛T利用虛擬篩選技術(shù)，從商業(yè)化合物庫中篩選出了潛在的FABP2抑制劑。通過分子對(duì)接和分子動(dòng)力學(xué)模擬，研究人員對(duì)篩選出的化合物與FABP2的結(jié)合模式和穩(wěn)定性進(jìn)行了深入分析。結(jié)果顯示，部分化合物能夠與FABP2活性位點(diǎn)內(nèi)的關(guān)鍵氨基酸殘基形成穩(wěn)定的相互作用，從而阻斷脂肪酸與FABP2的結(jié)合。在細(xì)胞實(shí)驗(yàn)中，這些化合物表現(xiàn)出對(duì)腸道細(xì)胞脂肪酸攝取的抑制作用。然而，將這些化合物進(jìn)一步應(yīng)用于動(dòng)物模型時(shí)，發(fā)現(xiàn)其體內(nèi)藥效并不理想，可能是由于化合物的藥代動(dòng)力學(xué)性質(zhì)不佳或在體內(nèi)受到其他因素的影響。如何優(yōu)化化合物的結(jié)構(gòu)，提高其藥代動(dòng)力學(xué)性質(zhì)和體內(nèi)藥效，是FABP2抑制劑研究中需要解決的關(guān)鍵問題。虛擬篩選技術(shù)在其他FABP亞型抑制劑的研究中取得了一定的成果，為相關(guān)疾病的治療提供了新的思路和潛在藥物。然而，目前的研究仍面臨著諸多挑戰(zhàn)，如提高抑制劑的特異性和選擇性、優(yōu)化化合物的藥代動(dòng)力學(xué)性質(zhì)、深入研究抑制劑的作用機(jī)制以及評(píng)估其在體內(nèi)的安全性和有效性等。未來，需要進(jìn)一步綜合運(yùn)用多種虛擬篩選方法和實(shí)驗(yàn)技術(shù)，加強(qiáng)多學(xué)科交叉合作，以推動(dòng)FABP亞型抑制劑的研究取得更大的突破。2.3現(xiàn)有研究存在的問題與不足盡管虛擬篩選技術(shù)在脂肪酸結(jié)合蛋白抑制劑的研究中取得了一定成果，但當(dāng)前的研究仍面臨諸多挑戰(zhàn)，存在一些亟待解決的問題與不足。在打分函數(shù)的準(zhǔn)確性方面，目前基于受體的虛擬篩選中，打分函數(shù)是評(píng)估小分子與脂肪酸結(jié)合蛋白結(jié)合能力的關(guān)鍵工具，但現(xiàn)有打分函數(shù)的準(zhǔn)確性和可靠性仍有待提高。雖然打分函數(shù)能夠在一定程度上反映分子間的相互作用，但由于脂肪酸結(jié)合蛋白與小分子之間的相互作用機(jī)制極為復(fù)雜，涉及多種弱相互作用如氫鍵、疏水作用、范德華力以及靜電相互作用等，且這些相互作用在不同的環(huán)境和條件下表現(xiàn)各異，目前的打分函數(shù)難以全面、精確地描述和計(jì)算這些相互作用。在某些情況下，打分函數(shù)可能會(huì)高估或低估小分子與脂肪酸結(jié)合蛋白的結(jié)合能力，導(dǎo)致篩選出的化合物在實(shí)際實(shí)驗(yàn)中活性與預(yù)測結(jié)果不符。一些在虛擬篩選中打分較高的化合物，在后續(xù)的生物活性測試中卻表現(xiàn)出較低的抑制活性，甚至沒有活性。這不僅浪費(fèi)了大量的時(shí)間和資源進(jìn)行后續(xù)實(shí)驗(yàn)驗(yàn)證，也嚴(yán)重影響了虛擬篩選技術(shù)的可靠性和有效性?；衔锏倪x擇性問題也較為突出。脂肪酸結(jié)合蛋白家族成員眾多，各亞型之間在結(jié)構(gòu)和功能上存在一定的相似性，這使得開發(fā)具有高度選擇性的抑制劑面臨巨大挑戰(zhàn)。在虛擬篩選過程中，很難確保篩選出的化合物只對(duì)目標(biāo)脂肪酸結(jié)合蛋白亞型具有特異性抑制作用，而對(duì)其他亞型不產(chǎn)生影響。一些化合物可能會(huì)同時(shí)抑制多種脂肪酸結(jié)合蛋白亞型，這可能導(dǎo)致藥物在體內(nèi)產(chǎn)生不必要的副作用，影響藥物的安全性和有效性。在FABP4抑制劑的研究中，部分篩選出的化合物雖然能夠有效抑制FABP4的活性，但同時(shí)也對(duì)FABP5等其他亞型產(chǎn)生了一定的抑制作用，這可能會(huì)干擾正常的生理功能，引發(fā)潛在的不良反應(yīng)。如何提高虛擬篩選技術(shù)對(duì)化合物選擇性的預(yù)測能力，開發(fā)出更加特異性的脂肪酸結(jié)合蛋白抑制劑，是當(dāng)前研究的重點(diǎn)和難點(diǎn)之一。動(dòng)物水平驗(yàn)證環(huán)節(jié)同樣存在問題。目前，許多虛擬篩選研究僅停留在分子對(duì)接和細(xì)胞水平的驗(yàn)證階段，缺乏在動(dòng)物模型中的深入研究。然而，細(xì)胞實(shí)驗(yàn)與動(dòng)物實(shí)驗(yàn)之間存在較大差異，細(xì)胞實(shí)驗(yàn)的結(jié)果往往不能完全反映化合物在體內(nèi)的真實(shí)情況。在動(dòng)物體內(nèi)，化合物需要經(jīng)過吸收、分布、代謝和排泄等一系列復(fù)雜的過程，這些過程會(huì)影響化合物的藥效和安全性。一些在細(xì)胞實(shí)驗(yàn)中表現(xiàn)出良好活性的化合物，在動(dòng)物實(shí)驗(yàn)中可能由于藥代動(dòng)力學(xué)性質(zhì)不佳、體內(nèi)代謝過快或產(chǎn)生毒性等原因，無法發(fā)揮預(yù)期的治療效果。將虛擬篩選得到的化合物應(yīng)用于動(dòng)物模型時(shí)，需要考慮動(dòng)物的種屬差異、生理狀態(tài)、給藥途徑等多種因素，這些因素的復(fù)雜性增加了實(shí)驗(yàn)的難度和不確定性。因此，加強(qiáng)動(dòng)物水平的驗(yàn)證研究，深入了解化合物在體內(nèi)的作用機(jī)制、藥效和安全性，對(duì)于脂肪酸結(jié)合蛋白抑制劑的開發(fā)至關(guān)重要。當(dāng)前虛擬篩選技術(shù)在脂肪酸結(jié)合蛋白抑制劑研究中雖然取得了一定進(jìn)展，但在打分函數(shù)準(zhǔn)確性、化合物選擇性以及動(dòng)物水平驗(yàn)證等方面仍存在明顯的問題與不足。為了推動(dòng)脂肪酸結(jié)合蛋白抑制劑的研發(fā)進(jìn)程，需要進(jìn)一步改進(jìn)和優(yōu)化虛擬篩選方法，提高篩選的準(zhǔn)確性和可靠性；加強(qiáng)對(duì)化合物選擇性的研究，開發(fā)出更加特異性的抑制劑；同時(shí)，加大在動(dòng)物模型中的研究力度，深入驗(yàn)證化合物的體內(nèi)藥效和安全性。只有解決這些問題，才能為代謝相關(guān)疾病的治療提供更多有效的脂肪酸結(jié)合蛋白抑制劑。三、基于虛擬篩選發(fā)現(xiàn)脂肪酸結(jié)合蛋白抑制劑的研究設(shè)計(jì)3.1靶蛋白選擇與結(jié)構(gòu)準(zhǔn)備在脂肪酸結(jié)合蛋白家族中，F(xiàn)ABP4因其在代謝相關(guān)疾病中的關(guān)鍵作用而被選定為本研究的靶蛋白。FABP4主要在脂肪細(xì)胞和巨噬細(xì)胞中高度表達(dá)，在肥胖、胰島素抵抗、動(dòng)脈粥樣硬化等疾病的發(fā)生發(fā)展過程中扮演著核心角色。在肥胖狀態(tài)下，脂肪組織中的FABP4表達(dá)顯著上調(diào)，它通過促進(jìn)脂肪酸的攝取和儲(chǔ)存，干擾胰島素信號(hào)通路，進(jìn)而導(dǎo)致胰島素抵抗的加劇。FABP4在巨噬細(xì)胞中的異常表達(dá)也與炎癥反應(yīng)密切相關(guān)，它能夠調(diào)節(jié)炎癥介質(zhì)的產(chǎn)生和釋放，促進(jìn)動(dòng)脈粥樣硬化斑塊的形成和發(fā)展。因此，抑制FABP4的活性被認(rèn)為是治療代謝相關(guān)疾病的一種極具潛力的策略。為了進(jìn)行基于受體的虛擬篩選，獲取高質(zhì)量的FABP4晶體結(jié)構(gòu)是至關(guān)重要的。本研究從蛋白質(zhì)數(shù)據(jù)庫（ProteinDataBank，PDB）中下載了分辨率較高的FABP4晶體結(jié)構(gòu)，編號(hào)為[具體PDB編號(hào)]。該晶體結(jié)構(gòu)是通過X射線晶體學(xué)技術(shù)解析得到的，分辨率達(dá)到了[具體分辨率數(shù)值]，能夠清晰地展示FABP4的三維結(jié)構(gòu)特征以及其與配體的結(jié)合模式。在下載晶體結(jié)構(gòu)后，使用Schr?dingerMaestro軟件對(duì)其進(jìn)行了全面的預(yù)處理。去除了結(jié)構(gòu)中與蛋白質(zhì)功能無關(guān)的雜質(zhì)原子，如結(jié)晶水、金屬離子等，這些雜質(zhì)原子可能會(huì)干擾后續(xù)的分子對(duì)接計(jì)算，去除它們可以減少計(jì)算量，提高計(jì)算效率。通過軟件的加氫模塊，為蛋白質(zhì)結(jié)構(gòu)添加了氫原子，由于在X射線晶體學(xué)實(shí)驗(yàn)中，氫原子的信號(hào)較弱，往往難以準(zhǔn)確測定其位置，但氫原子在分子間相互作用中起著重要作用，添加氫原子可以更準(zhǔn)確地模擬分子間的相互作用。還對(duì)蛋白質(zhì)結(jié)構(gòu)進(jìn)行了電荷分配，根據(jù)蛋白質(zhì)中氨基酸殘基的化學(xué)性質(zhì)，合理地分配了電荷，以確保在后續(xù)的分子對(duì)接計(jì)算中能夠準(zhǔn)確地反映分子間的靜電相互作用。在完成上述基本的預(yù)處理步驟后，進(jìn)一步對(duì)FABP4晶體結(jié)構(gòu)進(jìn)行了優(yōu)化和驗(yàn)證。使用蛋白質(zhì)結(jié)構(gòu)分析軟件，對(duì)結(jié)構(gòu)的合理性進(jìn)行了評(píng)估，檢查了蛋白質(zhì)的二級(jí)結(jié)構(gòu)、氫鍵網(wǎng)絡(luò)、原子間距離等參數(shù)是否符合生物學(xué)常識(shí)。通過與其他已發(fā)表的FABP4晶體結(jié)構(gòu)進(jìn)行對(duì)比分析，確保所使用的結(jié)構(gòu)沒有明顯的錯(cuò)誤或異常。還對(duì)結(jié)構(gòu)中的一些柔性區(qū)域進(jìn)行了適當(dāng)?shù)奶幚?，考慮到蛋白質(zhì)在與配體結(jié)合過程中可能會(huì)發(fā)生一定程度的構(gòu)象變化，對(duì)于一些已知的柔性區(qū)域，如Loop區(qū)，在分子對(duì)接計(jì)算中適當(dāng)考慮其柔性，以更真實(shí)地模擬配體與蛋白質(zhì)的結(jié)合過程。通過這些細(xì)致的結(jié)構(gòu)準(zhǔn)備工作，為后續(xù)基于受體的虛擬篩選提供了可靠的結(jié)構(gòu)基礎(chǔ)，確保了分子對(duì)接計(jì)算的準(zhǔn)確性和篩選結(jié)果的可靠性。3.2化合物數(shù)據(jù)庫構(gòu)建與選擇在虛擬篩選研究中，化合物數(shù)據(jù)庫的構(gòu)建與選擇至關(guān)重要，直接關(guān)系到篩選結(jié)果的質(zhì)量和可靠性。常用的化合物數(shù)據(jù)庫種類繁多，各具特點(diǎn)，包括ZINC、PubChem、ChemSpider等。ZINC數(shù)據(jù)庫是一個(gè)廣泛應(yīng)用于虛擬篩選的數(shù)據(jù)庫，包含超過2000萬個(gè)可購買的化合物分子。它具有分子多樣性高、結(jié)構(gòu)信息豐富的特點(diǎn)，涵蓋了多種化學(xué)結(jié)構(gòu)類型的化合物，能夠?yàn)樘摂M篩選提供豐富的化學(xué)空間。ZINC數(shù)據(jù)庫還提供了化合物的多種格式文件下載，方便研究人員在不同的虛擬篩選軟件中使用。PubChem是由美國國家生物技術(shù)信息中心（NCBI）維護(hù)的一個(gè)大型化學(xué)數(shù)據(jù)庫，收錄了超過1.16億種化合物的結(jié)構(gòu)、活性和相關(guān)信息。該數(shù)據(jù)庫的數(shù)據(jù)來源廣泛，包括實(shí)驗(yàn)數(shù)據(jù)、文獻(xiàn)報(bào)道以及其他數(shù)據(jù)庫的整合，具有數(shù)據(jù)量大、更新及時(shí)的優(yōu)勢(shì)。PubChem還提供了強(qiáng)大的搜索功能，研究人員可以通過化合物名稱、結(jié)構(gòu)、活性等多種方式進(jìn)行檢索，方便快捷地獲取所需化合物信息。ChemSpider是一個(gè)免費(fèi)的在線化學(xué)數(shù)據(jù)庫，提供了超過1.28億種化合物的結(jié)構(gòu)、名稱、物理性質(zhì)等信息。它的特點(diǎn)是整合了多個(gè)數(shù)據(jù)源的信息，能夠?yàn)檠芯咳藛T提供全面的化合物信息。ChemSpider還提供了一些在線分析工具，如化學(xué)結(jié)構(gòu)繪圖、性質(zhì)預(yù)測等，方便研究人員對(duì)化合物進(jìn)行初步分析。本研究旨在發(fā)現(xiàn)新型脂肪酸結(jié)合蛋白抑制劑，需要一個(gè)既具有廣泛化學(xué)多樣性又包含與藥物研發(fā)相關(guān)特性的化合物數(shù)據(jù)庫?？紤]到研究的目標(biāo)是尋找潛在的藥物分子，化合物應(yīng)具備良好的類藥性質(zhì)，以提高篩選出的化合物在后續(xù)實(shí)驗(yàn)和藥物開發(fā)中的可行性。經(jīng)過綜合評(píng)估，本研究選擇ZINC數(shù)據(jù)庫作為主要的化合物來源。ZINC數(shù)據(jù)庫不僅擁有龐大的化合物數(shù)量和高度的分子多樣性，能夠覆蓋廣泛的化學(xué)空間，增加發(fā)現(xiàn)新型抑制劑的可能性；還提供了化合物的多種物理化學(xué)性質(zhì)數(shù)據(jù)，如分子量、脂水分配系數(shù)（logP）、氫鍵供體和受體數(shù)目等，這些性質(zhì)對(duì)于評(píng)估化合物的類藥性質(zhì)和藥代動(dòng)力學(xué)特性至關(guān)重要。ZINC數(shù)據(jù)庫中的化合物大多可以通過商業(yè)渠道購買，這為后續(xù)的實(shí)驗(yàn)驗(yàn)證提供了便利。為了進(jìn)一步提高篩選效率和準(zhǔn)確性，本研究對(duì)ZINC數(shù)據(jù)庫進(jìn)行了預(yù)處理和篩選。根據(jù)類藥五原則（RuleofFive），對(duì)數(shù)據(jù)庫中的化合物進(jìn)行初步過濾。類藥五原則指出，一個(gè)具有良好成藥潛力的小分子化合物通常應(yīng)滿足以下條件：分子量小于500Da；脂水分配系數(shù)（logP）小于5；氫鍵供體數(shù)目小于5；氫鍵受體數(shù)目小于10。通過這一初步篩選，去除了部分不符合類藥性質(zhì)的化合物，減少了后續(xù)虛擬篩選的計(jì)算量。本研究還根據(jù)脂肪酸結(jié)合蛋白的結(jié)構(gòu)和作用機(jī)制，對(duì)化合物的結(jié)構(gòu)特征進(jìn)行了篩選。脂肪酸結(jié)合蛋白的活性位點(diǎn)具有特定的結(jié)構(gòu)和化學(xué)性質(zhì)，能夠與脂肪酸等配體形成特定的相互作用。因此，選擇具有與脂肪酸結(jié)構(gòu)相似部分或能夠與脂肪酸結(jié)合蛋白活性位點(diǎn)形成互補(bǔ)相互作用的化合物，如含有羧基、氨基、芳香環(huán)等結(jié)構(gòu)的化合物，這些化合物更有可能與脂肪酸結(jié)合蛋白發(fā)生相互作用，從而具有潛在的抑制活性。通過這些預(yù)處理和篩選步驟，構(gòu)建了一個(gè)適合本研究的化合物數(shù)據(jù)庫，為后續(xù)的虛擬篩選提供了高質(zhì)量的化合物來源。3.3虛擬篩選方法的選擇與參數(shù)設(shè)置在虛擬篩選過程中，方法的選擇與參數(shù)設(shè)置直接影響篩選結(jié)果的準(zhǔn)確性和可靠性。目前，常見的虛擬篩選方法包括分子對(duì)接、藥效團(tuán)模型、定量構(gòu)效關(guān)系（QSAR）等，每種方法都有其獨(dú)特的優(yōu)勢(shì)和適用場景。分子對(duì)接是基于受體的虛擬篩選中最常用的方法之一，它通過模擬小分子與靶蛋白活性位點(diǎn)的結(jié)合過程，尋找最佳的結(jié)合構(gòu)象和結(jié)合模式。在分子對(duì)接過程中，需要考慮小分子的柔性、靶蛋白的柔性以及兩者之間的相互作用。常用的分子對(duì)接軟件有AutoDock、Glide、FlexX等。AutoDock是一款開源的分子對(duì)接軟件，它采用拉馬克遺傳算法（LGA）來搜索小分子的最佳結(jié)合構(gòu)象，通過計(jì)算小分子與靶蛋白之間的結(jié)合自由能來評(píng)估結(jié)合能力，其優(yōu)點(diǎn)是計(jì)算速度較快，適用于大規(guī)?；衔飵斓某醪胶Y選。Glide是Schr?dinger公司開發(fā)的一款分子對(duì)接軟件，它采用了基于網(wǎng)格的快速傅里葉變換（FFT）算法，能夠快速準(zhǔn)確地計(jì)算小分子與靶蛋白之間的相互作用，并且提供了多種精度模式，如標(biāo)準(zhǔn)精度（SP）、高精度（XP）等，適用于不同層次的篩選需求。FlexX則是一款基于增量構(gòu)建算法的分子對(duì)接軟件，它在構(gòu)建小分子與靶蛋白的結(jié)合構(gòu)象時(shí)，從小分子的一個(gè)片段開始，逐步添加其他片段，直到找到最佳的結(jié)合構(gòu)象，這種方法能夠更好地處理小分子的柔性問題，對(duì)于一些結(jié)構(gòu)復(fù)雜的小分子具有較好的對(duì)接效果。藥效團(tuán)模型是基于配體的虛擬篩選中常用的方法，它通過提取已知活性化合物的關(guān)鍵結(jié)構(gòu)特征和藥效團(tuán)元素，構(gòu)建藥效團(tuán)模型，然后在化合物數(shù)據(jù)庫中搜索與藥效團(tuán)模型匹配的化合物。常用的藥效團(tuán)模型構(gòu)建軟件有DiscoveryStudio、MOE等。DiscoveryStudio是一款功能強(qiáng)大的分子模擬軟件，它提供了多種藥效團(tuán)模型構(gòu)建方法，如基于配體的藥效團(tuán)模型、基于受體-配體復(fù)合物的藥效團(tuán)模型等，能夠根據(jù)不同的研究需求選擇合適的方法構(gòu)建藥效團(tuán)模型。MOE則是一款集成了多種分子模擬和藥物設(shè)計(jì)工具的軟件，它在藥效團(tuán)模型構(gòu)建方面具有較高的靈活性和準(zhǔn)確性，能夠通過對(duì)已知活性化合物的結(jié)構(gòu)分析和活性數(shù)據(jù)的挖掘，構(gòu)建出具有較高預(yù)測能力的藥效團(tuán)模型。定量構(gòu)效關(guān)系（QSAR）是通過建立化合物的結(jié)構(gòu)參數(shù)與生物活性之間的定量關(guān)系模型，來預(yù)測化合物的生物活性。常用的QSAR方法有多元線性回歸（MLR）、偏最小二乘回歸（PLS）、人工神經(jīng)網(wǎng)絡(luò)（ANN）等。多元線性回歸是一種簡單直觀的QSAR方法，它通過建立化合物的結(jié)構(gòu)參數(shù)與生物活性之間的線性關(guān)系模型，來預(yù)測化合物的生物活性，其優(yōu)點(diǎn)是計(jì)算簡單，易于理解，但對(duì)于復(fù)雜的非線性關(guān)系，其預(yù)測能力有限。偏最小二乘回歸則是一種能夠處理多變量和共線性問題的QSAR方法，它通過對(duì)自變量進(jìn)行主成分分析，提取出對(duì)因變量影響較大的主成分，從而建立起更準(zhǔn)確的定量關(guān)系模型。人工神經(jīng)網(wǎng)絡(luò)是一種基于生物神經(jīng)網(wǎng)絡(luò)原理的機(jī)器學(xué)習(xí)方法，它具有很強(qiáng)的非線性擬合能力，能夠處理復(fù)雜的結(jié)構(gòu)-活性關(guān)系，對(duì)于一些難以用傳統(tǒng)方法建立模型的體系，人工神經(jīng)網(wǎng)絡(luò)具有較好的預(yù)測效果。本研究綜合考慮脂肪酸結(jié)合蛋白的結(jié)構(gòu)特點(diǎn)、研究目的以及各種虛擬篩選方法的優(yōu)勢(shì)和局限性，選擇了基于受體的分子對(duì)接方法和基于配體的藥效團(tuán)模型方法相結(jié)合的策略。在分子對(duì)接方面，選用Glide軟件進(jìn)行分子對(duì)接計(jì)算，利用其標(biāo)準(zhǔn)精度（SP）模式對(duì)化合物數(shù)據(jù)庫進(jìn)行初步篩選，快速從大量化合物中篩選出可能與脂肪酸結(jié)合蛋白具有較好結(jié)合能力的化合物。然后，對(duì)這些初步篩選出的化合物，采用高精度（XP）模式進(jìn)行更精細(xì)的對(duì)接計(jì)算，以獲得更準(zhǔn)確的結(jié)合構(gòu)象和打分結(jié)果。在藥效團(tuán)模型構(gòu)建方面，使用DiscoveryStudio軟件，以已知的脂肪酸結(jié)合蛋白抑制劑為模板，構(gòu)建藥效團(tuán)模型，并利用該模型在化合物數(shù)據(jù)庫中進(jìn)行搜索，篩選出與藥效團(tuán)模型匹配度較高的化合物。在參數(shù)設(shè)置方面，對(duì)于Glide分子對(duì)接，在SP模式下，設(shè)置最大配體構(gòu)象數(shù)為100，對(duì)接評(píng)分函數(shù)采用GlideScore，該評(píng)分函數(shù)綜合考慮了小分子與靶蛋白之間的靜電相互作用、氫鍵作用、疏水作用和范德華力等多種相互作用。在XP模式下，進(jìn)一步優(yōu)化對(duì)接參數(shù)，設(shè)置最大配體構(gòu)象數(shù)為20，對(duì)接評(píng)分函數(shù)采用XPScore，XPScore在GlideScore的基礎(chǔ)上，對(duì)小分子與靶蛋白之間的相互作用進(jìn)行了更精細(xì)的計(jì)算，能夠更準(zhǔn)確地評(píng)估小分子與靶蛋白的結(jié)合能力。對(duì)于DiscoveryStudio藥效團(tuán)模型構(gòu)建，設(shè)置藥效團(tuán)元素包括氫鍵供體、氫鍵受體、疏水基團(tuán)、芳香環(huán)等，通過對(duì)已知抑制劑的結(jié)構(gòu)分析和活性數(shù)據(jù)的挖掘，確定藥效團(tuán)元素之間的空間距離和角度限制，以構(gòu)建出具有較高預(yù)測能力的藥效團(tuán)模型。在利用藥效團(tuán)模型進(jìn)行搜索時(shí)，設(shè)置匹配度閾值為0.7，只有匹配度高于該閾值的化合物才被認(rèn)為是潛在的活性化合物。通過選擇合適的虛擬篩選方法和優(yōu)化參數(shù)設(shè)置，本研究旨在提高篩選的準(zhǔn)確性和效率，從大規(guī)?；衔飻?shù)據(jù)庫中篩選出具有潛在抑制活性的脂肪酸結(jié)合蛋白抑制劑，為后續(xù)的實(shí)驗(yàn)驗(yàn)證和藥物研發(fā)提供有力的支持。3.4篩選結(jié)果的分析與初步驗(yàn)證在完成虛擬篩選后，對(duì)篩選結(jié)果進(jìn)行深入分析是至關(guān)重要的環(huán)節(jié)。首先，對(duì)基于分子對(duì)接和藥效團(tuán)模型篩選得到的化合物進(jìn)行綜合評(píng)估。對(duì)于分子對(duì)接結(jié)果，主要關(guān)注化合物與脂肪酸結(jié)合蛋白的結(jié)合模式和打分情況。結(jié)合模式方面，分析化合物在脂肪酸結(jié)合蛋白活性位點(diǎn)內(nèi)的具體結(jié)合位置和取向，觀察化合物與活性位點(diǎn)內(nèi)關(guān)鍵氨基酸殘基之間形成的相互作用類型，如氫鍵、疏水相互作用、π-π堆積等。研究發(fā)現(xiàn)，一些化合物能夠通過與脂肪酸結(jié)合蛋白活性位點(diǎn)內(nèi)的特定氨基酸殘基形成多個(gè)氫鍵，從而穩(wěn)定地結(jié)合在活性位點(diǎn)內(nèi)。對(duì)于打分情況，根據(jù)Glide軟件的SP和XP模式打分結(jié)果，對(duì)化合物進(jìn)行排序。通常，打分越高的化合物被認(rèn)為與脂肪酸結(jié)合蛋白的結(jié)合能力越強(qiáng)。然而，打分結(jié)果并非唯一的判斷標(biāo)準(zhǔn)，還需要結(jié)合結(jié)合模式的合理性進(jìn)行綜合分析。有些化合物雖然打分較高，但結(jié)合模式不合理，可能在實(shí)際實(shí)驗(yàn)中無法表現(xiàn)出良好的活性。對(duì)于藥效團(tuán)模型篩選的結(jié)果，重點(diǎn)分析化合物與藥效團(tuán)模型的匹配度。匹配度反映了化合物的結(jié)構(gòu)特征與藥效團(tuán)模型中關(guān)鍵藥效團(tuán)元素的契合程度。匹配度越高，表明化合物越有可能具有與已知活性化合物相似的活性。通過對(duì)匹配度較高的化合物進(jìn)行結(jié)構(gòu)分析，研究人員可以發(fā)現(xiàn)一些共同的結(jié)構(gòu)特征，這些特征可能是影響化合物活性的關(guān)鍵因素。某些化合物中都含有特定的芳香環(huán)結(jié)構(gòu)和氫鍵供體/受體基團(tuán)，這些結(jié)構(gòu)特征與藥效團(tuán)模型中的關(guān)鍵元素相匹配。在綜合分析分子對(duì)接和藥效團(tuán)模型篩選結(jié)果的基礎(chǔ)上，初步挑選出一批可能具有較高活性的化合物。這些化合物在結(jié)合模式、打分情況和與藥效團(tuán)模型的匹配度等方面都表現(xiàn)出較好的性能。為了進(jìn)一步驗(yàn)證這些化合物的活性，需要進(jìn)行初步的實(shí)驗(yàn)驗(yàn)證。初步驗(yàn)證篩選出化合物活性的實(shí)驗(yàn)方法主要包括體外酶活性測定實(shí)驗(yàn)和細(xì)胞水平的實(shí)驗(yàn)。在體外酶活性測定實(shí)驗(yàn)中，采用熒光偏振法來測定化合物對(duì)脂肪酸結(jié)合蛋白與脂肪酸結(jié)合能力的影響。該方法利用脂肪酸結(jié)合蛋白與脂肪酸結(jié)合后，會(huì)導(dǎo)致熒光標(biāo)記的脂肪酸的熒光偏振度發(fā)生變化的原理。具體實(shí)驗(yàn)步驟如下：首先，將脂肪酸結(jié)合蛋白與熒光標(biāo)記的脂肪酸按照一定比例混合，在適宜的緩沖液中孵育一段時(shí)間，使它們充分結(jié)合。然后，加入不同濃度的待測試化合物，繼續(xù)孵育一段時(shí)間。使用熒光偏振儀測定反應(yīng)體系中熒光標(biāo)記脂肪酸的熒光偏振度。根據(jù)熒光偏振度的變化，可以計(jì)算出化合物對(duì)脂肪酸結(jié)合蛋白與脂肪酸結(jié)合的抑制率。抑制率越高，表明化合物對(duì)脂肪酸結(jié)合蛋白的抑制活性越強(qiáng)。在實(shí)驗(yàn)過程中，設(shè)置陽性對(duì)照和陰性對(duì)照。陽性對(duì)照采用已知具有抑制活性的化合物，如已報(bào)道的脂肪酸結(jié)合蛋白抑制劑，用于驗(yàn)證實(shí)驗(yàn)方法的可靠性；陰性對(duì)照則不加入待測試化合物，僅加入緩沖液，用于測定背景熒光偏振度。在細(xì)胞水平的實(shí)驗(yàn)中，選擇脂肪細(xì)胞和巨噬細(xì)胞作為研究對(duì)象，因?yàn)橹舅峤Y(jié)合蛋白在這兩種細(xì)胞中高表達(dá)，且與代謝相關(guān)疾病密切相關(guān)。以脂肪細(xì)胞為例，實(shí)驗(yàn)步驟如下：首先，將脂肪細(xì)胞培養(yǎng)在適宜的培養(yǎng)基中，使其達(dá)到對(duì)數(shù)生長期。然后，將細(xì)胞分為不同的實(shí)驗(yàn)組，分別加入不同濃度的待測試化合物，同時(shí)設(shè)置對(duì)照組，對(duì)照組不加入待測試化合物。將細(xì)胞在含有化合物的培養(yǎng)基中繼續(xù)培養(yǎng)一段時(shí)間，通常為24-48小時(shí)。采用油紅O染色法檢測細(xì)胞內(nèi)脂質(zhì)積累情況。油紅O是一種親脂性染料，能夠特異性地染色細(xì)胞內(nèi)的脂滴。具體操作是，將培養(yǎng)后的細(xì)胞用PBS緩沖液洗滌后，用4%多聚甲醛固定，然后用60%異丙醇配制的油紅O工作液染色，再用蘇木精復(fù)染細(xì)胞核。在顯微鏡下觀察并拍照，通過圖像分析軟件計(jì)算細(xì)胞內(nèi)脂滴的面積和數(shù)量，從而評(píng)估化合物對(duì)脂肪細(xì)胞脂質(zhì)積累的影響。還可以采用WesternBlot技術(shù)檢測細(xì)胞內(nèi)與脂肪酸代謝相關(guān)蛋白的表達(dá)水平，如脂肪酸轉(zhuǎn)運(yùn)蛋白、脂肪酸合成酶等，進(jìn)一步探究化合物對(duì)細(xì)胞內(nèi)脂肪酸代謝通路的影響。通過體外酶活性測定實(shí)驗(yàn)和細(xì)胞水平的實(shí)驗(yàn)，對(duì)虛擬篩選得到的化合物進(jìn)行初步驗(yàn)證，預(yù)期能夠篩選出一批具有明顯抑制活性的化合物。這些化合物將為后續(xù)的深入研究和藥物開發(fā)提供重要的先導(dǎo)化合物。對(duì)于在初步驗(yàn)證實(shí)驗(yàn)中表現(xiàn)出活性的化合物，還需要進(jìn)一步進(jìn)行體內(nèi)實(shí)驗(yàn)驗(yàn)證，以評(píng)估其在動(dòng)物體內(nèi)的藥效、藥代動(dòng)力學(xué)性質(zhì)和安全性等。四、實(shí)驗(yàn)研究與結(jié)果分析4.1實(shí)驗(yàn)材料與方法本研究涉及多種實(shí)驗(yàn)材料與方法，旨在全面驗(yàn)證虛擬篩選結(jié)果并深入研究脂肪酸結(jié)合蛋白抑制劑的活性與作用機(jī)制。實(shí)驗(yàn)材料包括多種化合物、細(xì)胞系、實(shí)驗(yàn)試劑和儀器設(shè)備?；衔锓矫?，主要來源為虛擬篩選中得分較高的化合物，這些化合物從ZINC數(shù)據(jù)庫經(jīng)嚴(yán)格篩選和預(yù)處理得到。為確保實(shí)驗(yàn)準(zhǔn)確性，購買了純度≥95%的化合物，并使用高效液相色譜（HPLC）對(duì)其純度進(jìn)行再次檢測，保證純度符合實(shí)驗(yàn)要求。同時(shí)，選擇了已報(bào)道的脂肪酸結(jié)合蛋白抑制劑作為陽性對(duì)照化合物，如BMS309403，以及無相關(guān)活性的化合物作為陰性對(duì)照，用于對(duì)比驗(yàn)證實(shí)驗(yàn)結(jié)果。細(xì)胞系選用3T3-L1前脂肪細(xì)胞和RAW264.7巨噬細(xì)胞，這兩種細(xì)胞系分別購自美國典型培養(yǎng)物保藏中心（ATCC）。3T3-L1前脂肪細(xì)胞常用于脂肪代謝相關(guān)研究，可分化為成熟脂肪細(xì)胞，模擬體內(nèi)脂肪細(xì)胞的生理過程；RAW264.7巨噬細(xì)胞在炎癥反應(yīng)和脂質(zhì)代謝研究中應(yīng)用廣泛，能夠有效反映脂肪酸結(jié)合蛋白在免疫細(xì)胞中的功能。將細(xì)胞培養(yǎng)在含10%胎牛血清（FBS）、1%青霉素-鏈霉素雙抗的DMEM培養(yǎng)基中，置于37℃、5%CO?的細(xì)胞培養(yǎng)箱中培養(yǎng)，定期換液，待細(xì)胞生長至對(duì)數(shù)生長期時(shí)進(jìn)行后續(xù)實(shí)驗(yàn)。實(shí)驗(yàn)試劑涵蓋細(xì)胞培養(yǎng)相關(guān)試劑，如DMEM培養(yǎng)基、胎牛血清（FBS）、青霉素-鏈霉素雙抗等，均購自知名生物試劑公司，以保證細(xì)胞培養(yǎng)環(huán)境的穩(wěn)定性和細(xì)胞的正常生長；脂肪酸結(jié)合蛋白活性測定試劑盒，用于檢測脂肪酸結(jié)合蛋白與脂肪酸的結(jié)合活性，該試劑盒基于熒光偏振原理，能夠準(zhǔn)確測定化合物對(duì)脂肪酸結(jié)合蛋白活性的抑制作用；蛋白質(zhì)提取試劑，如RIPA裂解液、蛋白酶抑制劑cocktail等，用于提取細(xì)胞內(nèi)蛋白質(zhì)，以便后續(xù)進(jìn)行蛋白質(zhì)印跡法（WesternBlot）檢測相關(guān)蛋白表達(dá)水平；PCR相關(guān)試劑，包括逆轉(zhuǎn)錄試劑盒、實(shí)時(shí)熒光定量PCR試劑盒等，用于檢測相關(guān)基因的轉(zhuǎn)錄水平。儀器設(shè)備方面，使用酶標(biāo)儀進(jìn)行脂肪酸結(jié)合蛋白活性測定和細(xì)胞活力檢測。酶標(biāo)儀能夠精確測量熒光強(qiáng)度、吸光度等指標(biāo)，為實(shí)驗(yàn)數(shù)據(jù)的準(zhǔn)確性提供保障；細(xì)胞培養(yǎng)箱為細(xì)胞提供穩(wěn)定的培養(yǎng)環(huán)境，維持適宜的溫度、濕度和CO?濃度，確保細(xì)胞正常生長和代謝；離心機(jī)用于細(xì)胞和蛋白質(zhì)樣品的分離和離心，通過高速旋轉(zhuǎn)實(shí)現(xiàn)不同組分的分離；實(shí)時(shí)熒光定量PCR儀用于檢測基因轉(zhuǎn)錄水平，能夠快速、準(zhǔn)確地對(duì)PCR反應(yīng)進(jìn)行實(shí)時(shí)監(jiān)測和定量分析；蛋白質(zhì)電泳和轉(zhuǎn)膜設(shè)備用于蛋白質(zhì)印跡法實(shí)驗(yàn)，通過電泳將蛋白質(zhì)分離，再轉(zhuǎn)膜至固相載體上，以便后續(xù)進(jìn)行免疫檢測；熒光顯微鏡用于觀察細(xì)胞形態(tài)和細(xì)胞內(nèi)脂質(zhì)分布情況，通過熒光標(biāo)記技術(shù)，直觀地展示細(xì)胞內(nèi)的生理變化?；钚詼y定實(shí)驗(yàn)采用熒光偏振法測定化合物對(duì)脂肪酸結(jié)合蛋白與脂肪酸結(jié)合能力的影響。將脂肪酸結(jié)合蛋白與熒光標(biāo)記的脂肪酸按1:10的摩爾比在含有10mMTris-HCl（pH7.4）、150mMNaCl、1mMEDTA的緩沖液中混合，37℃孵育30分鐘使其充分結(jié)合。隨后加入不同濃度的待測試化合物，繼續(xù)孵育60分鐘。使用熒光偏振儀測定反應(yīng)體系中熒光標(biāo)記脂肪酸的熒光偏振度，激發(fā)波長為485nm，發(fā)射波長為535nm。每個(gè)化合物設(shè)置5個(gè)不同濃度梯度，每個(gè)濃度重復(fù)測定3次，根據(jù)熒光偏振度變化計(jì)算化合物對(duì)脂肪酸結(jié)合蛋白與脂肪酸結(jié)合的抑制率，抑制率計(jì)算公式為：抑制率（%）=[1-（實(shí)驗(yàn)組熒光偏振度-陰性對(duì)照熒光偏振度）/（陽性對(duì)照熒光偏振度-陰性對(duì)照熒光偏振度）]×100%。細(xì)胞水平實(shí)驗(yàn)中，細(xì)胞活力檢測采用CCK-8法。將3T3-L1前脂肪細(xì)胞或RAW264.7巨噬細(xì)胞以5×103個(gè)/孔的密度接種于96孔板，培養(yǎng)24小時(shí)后，加入不同濃度的待測試化合物，同時(shí)設(shè)置對(duì)照組和空白組，對(duì)照組加入等量的溶劑（DMSO，終濃度≤0.1%），空白組只加培養(yǎng)基。繼續(xù)培養(yǎng)24小時(shí)后，每孔加入10μLCCK-8試劑，37℃孵育2小時(shí)，使用酶標(biāo)儀測定450nm處的吸光度。根據(jù)吸光度計(jì)算細(xì)胞活力，細(xì)胞活力（%）=（實(shí)驗(yàn)組吸光度-空白組吸光度）/（對(duì)照組吸光度-空白組吸光度）×100%。脂質(zhì)積累檢測針對(duì)3T3-L1前脂肪細(xì)胞。將細(xì)胞以1×10?個(gè)/孔的密度接種于6孔板，待細(xì)胞生長融合至80%-90%時(shí)，使用含0.5mM3-異丁基-1-甲基黃嘌呤（IBMX）、1μM地塞米松和10μg/mL胰島素的分化培養(yǎng)基誘導(dǎo)細(xì)胞分化，每2天換液一次。分化誘導(dǎo)7天后，加入不同濃度的待測試化合物，繼續(xù)培養(yǎng)48小時(shí)。然后用PBS緩沖液洗滌細(xì)胞3次，用4%多聚甲醛固定15分鐘，再用60%異丙醇配制的油紅O工作液染色15分鐘，用蘇木精復(fù)染細(xì)胞核5分鐘。最后用PBS緩沖液洗滌細(xì)胞，在顯微鏡下觀察并拍照，通過圖像分析軟件計(jì)算細(xì)胞內(nèi)脂滴的面積和數(shù)量，評(píng)估化合物對(duì)脂肪細(xì)胞脂質(zhì)積累的影響。蛋白質(zhì)印跡法（WesternBlot）用于檢測細(xì)胞內(nèi)與脂肪酸代謝相關(guān)蛋白的表達(dá)水平。收集處理后的細(xì)胞，加入含蛋白酶抑制劑cocktail的RIPA裂解液，冰上裂解30分鐘，然后12000rpm離心15分鐘，收集上清液作為蛋白質(zhì)樣品。使用BCA蛋白定量試劑盒測定蛋白質(zhì)濃度，將蛋白質(zhì)樣品與上樣緩沖液混合，煮沸變性5分鐘。通過SDS凝膠電泳將蛋白質(zhì)分離，然后將蛋白質(zhì)轉(zhuǎn)印至PVDF膜上。用5%脫脂牛奶封閉PVDF膜1小時(shí)，加入針對(duì)脂肪酸轉(zhuǎn)運(yùn)蛋白（FATP）、脂肪酸合成酶（FAS）等相關(guān)蛋白的一抗，4℃孵育過夜。次日，用TBST緩沖液洗滌PVDF膜3次，每次10分鐘，然后加入相應(yīng)的二抗，室溫孵育1小時(shí)。再次用TBST緩沖液洗滌PVDF膜3次，每次10分鐘，最后使用化學(xué)發(fā)光試劑顯影，通過凝膠成像系統(tǒng)采集圖像并分析蛋白條帶的灰度值，以β-actin作為內(nèi)參，計(jì)算相關(guān)蛋白的相對(duì)表達(dá)量。結(jié)合模式分析實(shí)驗(yàn)采用分子對(duì)接技術(shù)，使用Glide軟件對(duì)篩選出的活性化合物與脂肪酸結(jié)合蛋白進(jìn)行分子對(duì)接，分析其結(jié)合模式。在對(duì)接前，對(duì)脂肪酸結(jié)合蛋白晶體結(jié)構(gòu)進(jìn)行預(yù)處理，去除水分子和配體，添加氫原子并進(jìn)行能量優(yōu)化。定義活性位點(diǎn)，以晶體結(jié)構(gòu)中原始配體的結(jié)合位置為中心，設(shè)置活性位點(diǎn)半徑為10?。將活性化合物進(jìn)行結(jié)構(gòu)優(yōu)化和電荷計(jì)算后，進(jìn)行分子對(duì)接計(jì)算。在標(biāo)準(zhǔn)精度（SP）模式下進(jìn)行初步對(duì)接，然后對(duì)得分較高的化合物在高精度（XP）模式下進(jìn)行精細(xì)對(duì)接，分析化合物與脂肪酸結(jié)合蛋白活性位點(diǎn)內(nèi)關(guān)鍵氨基酸殘基之間形成的氫鍵、疏水相互作用、π-π堆積等相互作用類型及作用距離，以深入了解化合物與脂肪酸結(jié)合蛋白的結(jié)合機(jī)制。還利用分子動(dòng)力學(xué)（MD）模擬進(jìn)一步研究活性化合物與脂肪酸結(jié)合蛋白復(fù)合物的穩(wěn)定性和動(dòng)態(tài)變化。使用GROMACS軟件進(jìn)行MD模擬，選擇合適的力場參數(shù)，如AMBER力場。將分子對(duì)接得到的復(fù)合物結(jié)構(gòu)進(jìn)行溶劑化處理，添加適量的水分子和離子，以模擬生理環(huán)境。進(jìn)行能量最小化，消除體系中的不合理相互作用。然后進(jìn)行NVT和NPT系綜的平衡模擬，分別使體系達(dá)到溫度和壓力平衡。最后進(jìn)行100ns的生產(chǎn)模擬，記錄模擬過程中復(fù)合物的結(jié)構(gòu)變化，分析均方根偏差（RMSD）、均方根漲落（RMSF）、氫鍵數(shù)目等參數(shù)，以評(píng)估復(fù)合物的穩(wěn)定性和動(dòng)態(tài)特性，深入了解化合物與脂肪酸結(jié)合蛋白在分子水平上的相互作用機(jī)制。4.2虛擬篩選結(jié)果經(jīng)過嚴(yán)格的虛擬篩選流程，從ZINC數(shù)據(jù)庫中篩選出了一批潛在的脂肪酸結(jié)合蛋白抑制劑。基于分子對(duì)接的虛擬篩選，利用Glide軟件，首先在標(biāo)準(zhǔn)精度（SP）模式下，對(duì)數(shù)據(jù)庫中的化合物進(jìn)行初步篩選。在此階段，共對(duì)[X]個(gè)化合物進(jìn)行了對(duì)接計(jì)算，根據(jù)GlideScore打分，篩選出得分排名前[X]的化合物進(jìn)入高精度（XP）模式篩選。在XP模式下，進(jìn)一步對(duì)這些化合物與脂肪酸結(jié)合蛋白的結(jié)合模式和相互作用進(jìn)行精細(xì)分析，最終篩選出[X]個(gè)結(jié)合模式合理且XPScore打分較高的化合物，具體信息如表1所示。表1分子對(duì)接篩選出的潛在抑制劑及結(jié)合能數(shù)據(jù)化合物編號(hào)GlideScore打分XPScore打分結(jié)合模式簡述Compound1[具體GlideScore1][具體XPScore1]通過與脂肪酸結(jié)合蛋白活性位點(diǎn)內(nèi)的Arg126和Tyr128形成氫鍵，同時(shí)與周圍疏水氨基酸殘基形成疏水相互作用Compound2[具體GlideScore2][具體XPScore2]與活性位點(diǎn)的Gln95形成強(qiáng)氫鍵，苯環(huán)部分與Phe54產(chǎn)生π-π堆積作用Compound3[具體GlideScore3][具體XPScore3]利用羧基與活性位點(diǎn)的Lys117形成離子鍵，分子的疏水側(cè)鏈深入疏水口袋從表1可以看出，這些化合物與脂肪酸結(jié)合蛋白的結(jié)合模式各具特點(diǎn)，主要通過氫鍵、疏水相互作用、π-π堆積、離子鍵等多種非共價(jià)相互作用與活性位點(diǎn)結(jié)合。例如Compound1，其分子結(jié)構(gòu)中的特定基團(tuán)與Arg126和Tyr128的側(cè)鏈基團(tuán)形成穩(wěn)定的氫鍵，氫鍵距離分別為[具體氫鍵距離1]和[具體氫鍵距離2]，這種氫鍵相互作用為化合物與脂肪酸結(jié)合蛋白的結(jié)合提供了重要的驅(qū)動(dòng)力；同時(shí)，化合物的疏水部分與活性位點(diǎn)周圍的疏水氨基酸殘基，如Val52、Ile115等形成緊密的疏水相互作用，進(jìn)一步增強(qiáng)了結(jié)合的穩(wěn)定性。Compound2的苯環(huán)部分與Phe54的苯環(huán)之間形成了π-π堆積作用，這種相互作用對(duì)于維持化合物與脂肪酸結(jié)合蛋白的結(jié)合構(gòu)象具有重要意義，同時(shí)其與Gln95形成的強(qiáng)氫鍵也對(duì)結(jié)合穩(wěn)定性起到關(guān)鍵作用。Compound3的羧基與Lys117的氨基形成離子鍵，離子鍵的鍵能較大，使得化合物與脂肪酸結(jié)合蛋白之間的結(jié)合更為牢固，其疏水側(cè)鏈深入疏水口袋，與疏水氨基酸殘基形成的疏水相互作用也對(duì)結(jié)合起到了重要的輔助作用?；谒幮F(tuán)模型的虛擬篩選，以已知的脂肪酸結(jié)合蛋白抑制劑為模板，構(gòu)建了包含氫鍵供體、氫鍵受體、疏水基團(tuán)和芳香環(huán)等藥效團(tuán)元素的藥效團(tuán)模型。利用該模型在化合物數(shù)據(jù)庫中進(jìn)行搜索，共篩選出[X]個(gè)與藥效團(tuán)模型匹配度高于0.7的化合物，部分化合物信息見表2。表2藥效團(tuán)模型篩選出的潛在抑制劑及匹配度數(shù)據(jù)化合物編號(hào)與藥效團(tuán)模型匹配度結(jié)構(gòu)特點(diǎn)簡述CompoundA[具體匹配度A]具有一個(gè)氫鍵供體的氨基和兩個(gè)氫鍵受體的羰基，同時(shí)含有一個(gè)大的疏水芳香環(huán)結(jié)構(gòu)CompoundB[具體匹配度B]包含兩個(gè)氫鍵供體的羥基和一個(gè)氫鍵受體的醚氧原子，分子中存在多個(gè)疏水烷基鏈CompoundC[具體匹配度C]擁有一個(gè)氫鍵供體的羧基和一個(gè)芳香環(huán)，芳香環(huán)上帶有疏水取代基從表2可知，這些化合物在結(jié)構(gòu)上具有與藥效團(tuán)模型相匹配的特征。CompoundA的氨基作為氫鍵供體，能夠與脂肪酸結(jié)合蛋白活性位點(diǎn)內(nèi)的氫鍵受體氨基酸殘基形成氫鍵相互作用；兩個(gè)羰基作為氫鍵受體，也可能與活性位點(diǎn)內(nèi)的氫鍵供體氨基酸殘基形成氫鍵，從而穩(wěn)定化合物與脂肪酸結(jié)合蛋白的結(jié)合；其大的疏水芳香環(huán)結(jié)構(gòu)可以與活性位點(diǎn)的疏水區(qū)域相互作用，增強(qiáng)結(jié)合力。CompoundB的兩個(gè)羥基作為氫鍵供體，醚氧原子作為氫鍵受體，能夠與脂肪酸結(jié)合蛋白活性位點(diǎn)內(nèi)的相應(yīng)基團(tuán)形成氫鍵網(wǎng)絡(luò)，多個(gè)疏水烷基鏈則與活性位點(diǎn)的疏水區(qū)域相互契合，形成疏水相互作用，有助于化合物與脂肪酸結(jié)合蛋白的結(jié)合。CompoundC的羧基作為氫鍵供體，不僅可以與活性位點(diǎn)內(nèi)的氫鍵受體氨基酸殘基形成氫鍵，還可能通過離子化與活性位點(diǎn)內(nèi)的帶正電氨基酸殘基形成離子相互作用；芳香環(huán)上的疏水取代基增加了分子的疏水性，使其能夠更好地與活性位點(diǎn)的疏水區(qū)域結(jié)合。綜合分子對(duì)接和藥效團(tuán)模型的篩選結(jié)果，選取了[X]個(gè)在兩種篩選方法中均表現(xiàn)出較好性能的化合物進(jìn)行初步活性篩選。在體外酶活性測定實(shí)驗(yàn)中，以熒光偏振法測