数据预处理和配对生成
从ChEMBL收集大环化合物，通过切割两个单键生成无环-大环SMILES对，为模型训练和评估提供数据。
收集18,357个生物活性大环化合物，通过遍历大环上两个单键组合并过滤连接子，生成237,728个独特的无环-大环SMILES对。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
通过深度学习实现线性分子的大环化，以促进大环药物候选物的发现
Macrocyclization of linear molecules by deep learning to facilitate macrocyclic drug candidates discovery.
实验完整度
高包含深度学习模型训练与测试、分子对接、酶活性测定、细胞增殖实验、Western blot、激酶选择性筛选、体内药代和药效实验等多层级验证。
主要模型
HEL细胞系 SET-2细胞系 DSS诱导结肠炎小鼠模型
重点核对
Macformer模型的训练数据增强倍数（×2、×5、×10） 分子对接中使用的PDB结构6VNE和Glide SP协议 酶活性测定中JAK2浓度（0.05-0.42 ng）和ATP浓度（25 μM） 细胞增殖实验中HEL和SET-2细胞的接种密度（5000细胞/孔）和处理时间（72小时） 体内药代实验中给药剂量（5 mg/kg）和给药途径（静脉和口服）
摘要
对作为潜在治疗药物的大环化合物的兴趣迅速增加。生物活性无环分子的大环化为产生新的化学骨架提供了一条潜在途径，这有助于改善这些分子的生物活性和理化性质。在本研究中，我们提出了一种基于Transformer架构的计算大环化方法（我们将其命名为Macformer）。利用深度学习，Macformer通过添加与无环分子兼容的多种连接子，探索给定无环分子的大环类似物的广阔化学空间。Macformer可以高效学习以SMILES字符串表示的无环和大环结构之间的隐含关系，并生成大量具有化学多样性和结构新颖性的大环化合物。在使用内部ChEMBL和外部ZINC测试数据集的数据增强场景中，Macformer表现出优异的性能和泛化能力。我们展示了Macformer与分子对接模拟和湿实验室实验验证相结合时的效用，并将其应用于大环JAK2抑制剂的前瞻性设计。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 如何利用深度学习自动实现线性分子的大环化，并生成具有化学多样性和结构新颖性的大环化合物？
- 核心机制
- Macformer通过Transformer架构学习无环与大环SMILES序列之间的隐含映射关系，自动填充缺失的连接子，生成大环化合物。
- 主要证据
- 在ChEMBL和ZINC测试数据集上，Macformer的恢复率、有效性、新颖性和大环化率均优于传统方法MacLS；前瞻性设计中，化合物3在酶和细胞水平抑制JAK2，改善激酶选择性，并在DSS诱导结肠炎模型中在较低剂量下表现出与Fedratinib相当的治疗效果。
- 研究意义
- Macformer为药物设计提供了一种实用工具，可补充传统大环化方法，有助于发现大环药物候选物。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
Macformer模型训练和评估
训练Transformer模型学习无环到大环的SMILES转换，并评估其性能。
使用四种数据增强级别（无、×2、×5、×10）训练Macformer，在ChEMBL和ZINC测试集上评估恢复率、有效性、新颖性等指标。
分子对接和化合物合成
对Macformer生成的大环化合物进行分子对接，选择具有潜在活性的化合物进行合成。
将Macformer生成的700个SMILES序列中的281个独特大环分子对接至JAK2 ATP结合位点，经视觉检查和合成可行性评估，选择三个化合物进行合成。
体外活性评估
测定合成化合物对JAK2的酶抑制活性和细胞抗增殖活性。
使用Z'-LYTE激酶分析试剂盒测定化合物1-3的IC50，并在HEL和SET-2细胞中评估抗增殖效应。
机制和选择性分析
分析化合物对JAK-STAT信号通路的影响和激酶选择性。
通过Western blot检测JAK2磷酸化变化，使用KINOMEscan平台（468激酶）评估选择性。
体内药代和药效评估
评估化合物的药代动力学性质和治疗效果。
进行小鼠静脉和口服给药PK研究，并建立DSS诱导结肠炎模型评估化合物3的疗效。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
验证样本或模型特征
验证分子表达变化
验证免疫效应
评估体内效果
数据分析与统计
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 分子对接 | Maestro | Schrödinger | v10.1 |
| Glide | Schrödinger | -- | |
| 酶学分析 | Z'-LYTE激酶分析试剂盒 | Life Technologies | pv4122 |
| 细胞增殖实验 | WST-8细胞计数试剂盒-8 | Elabscience | -- |
| 细胞培养 | RPMI-1640培养基 | Hyclon | -- |
| 胎牛血清 | Gibco | -- | |
| Western blot | p-Y1007/8-JAK2抗体 | CST | #3771 |
| p-Y221-JAK2抗体 | SAB | #11150 | |
| p-Y705-STAT3抗体 | SAB | #11045 | |
| p-Y694-STAT5抗体 | SAB | #13386 | |
| STAT3抗体 | Proteintech | 10253-2-AP | |
| STAT5抗体 | Proteintech | 12071-1-AP | |
| JAK2抗体 | Elabscience | E-AB-70193 | |
| β-肌动蛋白抗体 | Elabscience | E-AB-20034 | |
| ECL免疫印迹系统 | Tanon | -- | |
| 体内药代动力学研究 | 液相色谱-串联质谱 | -- | -- |
| 体内药效研究 | 葡聚糖硫酸钠 | YEASEN | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据准备 | 数据筛选条件（大环大小、SMILES长度）、连接子过滤标准（环数、最短路径重原子数、比例）、SMILES对生成方法。 阅读提示：Methods部分Data Preparation |
| 模型训练 | 数据增强倍数、模型架构参数（层数、嵌入维度）、训练步数、学习率、批大小。 阅读提示：Methods部分Macformer |
| 分子对接 | 蛋白质结构（PDB ID）、对接软件及版本、网格盒设置、缩放因子、电荷阈值。 阅读提示：Methods部分Molecular docking |
| 酶学实验 | JAK2浓度、ATP浓度、肽底物浓度、反应时间、化合物浓度梯度。 阅读提示：Methods部分Enzyme assay |
| 细胞增殖实验 | 细胞系及来源、接种密度、培养基、FBS浓度、处理时间、CCK-8孵育时间。 阅读提示：Methods部分Cell proliferation assay |
| Western blot | 细胞密度、化合物处理浓度和时间、抗体稀释比例、显影方法。 阅读提示：Methods部分Western blot analysis |
| 激酶选择性分析 | 化合物浓度、激酶面板规模、对照设置。 阅读提示：Methods部分Kinase selectivity profile |
| 体内药代动力学 | 小鼠品系、年龄、体重、给药剂量、给药途径、采样时间点、溶剂组成。 阅读提示：Methods部分In vivo PK study |
| 体内药效学 | 小鼠品系、DSS浓度、给药周期、分组数、每组样本量、给药剂量、溶剂组成。 阅读提示：Methods部分In vivo efficacy study |