高通量虚拟筛选结合SPR单浓度筛选：发现BPS致骨质疏松的关

高通量虚拟筛选结合SPR单浓度筛选：发现BPS致骨质疏松的关键抑制剂ODG

在药物筛选与靶点发现研究中，如何从海量化合物中快速筛选出具有真实结合活性的候选分子，是实现高效研发的关键。南京医科大学研究团队在近期发表的研究中，展示了虚拟筛选+SPR单浓度验证的完整技术路线，体现了计算模拟与分子互作实验的完美结合。

一、案例分享

近期，南京医科大学的研究团队在Environment International（一区，IF 9.7）发表了题为PPARγ-SMAD6 axis-mediated inhibition of osteogenic differentiation is involved in BPS-induced osteoporosis的研究论文。

这篇文章的整体思路是探讨BPS（双酚S，一种环境内分泌干扰物）对骨质疏松症的影响，重点研究了PPARγ这一关键蛋白在这一过程中的作用，并通过高通量虚拟筛选（High-throughput virtual screening, HTVS）与SPR单浓度筛选的方法发现潜在的治疗候选化合物。

高通量虚拟筛选（HTVS）：快速精准定位潜在药物

在本研究中，为了筛选出能够阻断BPS通过激活PPARγ引发骨质疏松的潜在药物。研究团队选择了高通量虚拟筛选（HTVS）作为第一步的药物发现工具，对大量化合物进行筛选，从而快速定位出最有可能的候选药物，显著提高了药物筛选的效率和精度。

高通量虚拟筛选的方法：结合分子对接（Molecular Docking）技术，基于PPARγ蛋白的三维结构进行分析。首先，从全球化合物库中挑选了23,562个化合物进行初步筛选。使用Glide HTVS模式进行快速筛选，初步确定哪些化合物能够与PPARγ的靶点口袋发生潜在结合。随后，进一步利用XP（Extra Precision）模式进行更高精度的分子对接，模拟化合物与靶点蛋白的结合模式、结合位点以及结合强度。

高通量虚拟筛选的结果：研究团队最终从23,562种化合物中筛选出了40种得分最高、结合能力最强的候选分子。这些化合物在计算模型中显示出能够有效与PPARγ蛋白结合的潜力，为后续的湿实验验证奠定了基础。

 

图 1 高通量虚拟筛选流程图

SPR单浓度筛选：高效验证潜在药物的结合亲和力

为了确保虚拟筛选的精确性和候选化合物的有效性，研究的下一步是通过实验验证这些化合物与PPARγ的结合亲和力。单浓度表面等离子共振（SPR）技术能够提供高灵敏度、实时的分子相互作用分析，快速筛选出真正具有潜力的化合物。

单浓度SPR方法：将PPARγ蛋白固定在SPR芯片表面，将虚拟筛选所选出的40个最佳化合物以单一浓度流过芯片表面。在这一过程中，SPR通过实时监测分子与PPARγ蛋白结合和解离过程中的光学信号变化，精准记录每个化合物的结合力和亲和性。

单浓度SPR筛选结果：其中有13个化合物与PPARγ产生了强烈的结合信号，证明它们具有较高的亲和力。这些化合物成功从40种候选化合物中脱颖而出，成为值得进一步深入研究的候选药物。

 

图 2 单浓度SPR结果图

SPR对候选化合物ODG与 PPARγ 蛋白定量分析

在高通量虚拟筛选与SPR单浓度筛选后，研究人员从23,562种化合物中筛选出候选小分子ODG（Olodanrigan），初步结果提示其可能与PPARγ结合。为进一步评估其结合亲和力和动力学特征，研究采用表面等离子共振（SPR）技术进行定量分析。

SPR表面等离子共振实验步骤：将PPARγ蛋白通过氨基偶联法固定在CM5传感芯片上。在恒定流速条件下，将不同浓度的ODG溶液依次注入芯片表面。SPR仪器实时记录结合与解离阶段的信号变化，获得ODG–PPARγ复合物的实时传感曲线。

SPR 结果显示：ODG能以浓度依赖方式稳定结合PPARγ，说明其具有较强的靶向结合能力。

 

图 3 SPR结果图

二、技术简介

在药物研发中，如何从庞大的化合物库中高效地筛选出有潜力的先导化合物是一项核心挑战。利用表面等离子共振（SPR）技术，可以通过一个标准化的三步法流程，系统性地完成从粗筛、精筛到亲和力表征的全过程（表1）。

 

表 1 SPR药物筛选三步法策略

第一步：清洁筛选 (Clean Screen)

此步骤旨在初步净化药物库，快速剔除那些水溶性差或粘性较大、容易残留在芯片表面并干扰后续实验的化合物。采用简化的单浓度进样模式，无需解离、再生或溶剂校正等复杂步骤，即可有效识别“粘性”分子。当待筛选的药物库规模不大时，此步骤可以根据实际情况酌情省略，以提高整体效率。

第二步：结合水平筛选 (Binding Level Screen)

对通过清洁筛选的化合物进行初步的筛选，依据其与靶点结合信号的强弱进行优先级排序。采用单浓度进样（通常为1mM），主要观察样品在进样阶段达到平台期时的结合响应值（RU）。通过对比待测药物与阳性/阴性对照的响应值，设定一个合理的“Cut-off”数值（截留阈值），从而筛选出潜在的化合物。如下图所示（图4），所有响应值高于设定阈值的橙色数据点即为通过初步筛选的化合物。

 

图4 结合水平筛选

第三步：亲和力筛选 (Affinity Screen)

对在“结合水平筛选”中脱颖而出、优先级排序靠前的化合物进行最终的筛选。采用浓度梯度进样的方式对筛选出的候选药物进行测试，以获得完整的亲和力与动力学表征数据。通过对不同浓度下的结合数据进行拟合，可以精确计算出每个待测药物的KD​值。如下图所示（图5），每个小图都代表了一个化合物的亲和力拟合曲线。最终，依据计算出的KD​值对这些优质候选物进行再次排序，从而挑选出亲和力最强、最有潜力的先导化合物，以供后续的药物开发。

 

图 5 亲和力筛选

佰莱博生物分子表征平台可提供本研究所使用的SPR单浓度筛选、高通量虚拟筛选、蛋白表达纯化技术等实验服务。

三、参考文献

Weng Z, Chen X, Jiao J, et al. PPARγ-SMAD6 axis-mediated inhibition of osteogenic differentiation is involved in BPS-induced osteoporosis. Environ Int. 2025;198:109442. doi:10.1016/j.envint.2025.109442