用生成化学与超大规模化合物库扩展DNA编码库命中物
核心概要
该研究以靶向53BP1串联Tudor结构域的聚焦DNA编码库（UNCDEL003，58,080个化合物）筛选数据初始化并偏置HIDDEN GEM结构导向生成式虚拟筛选流程，在约370亿化合物的Enamine REAL Space中提名57个可购买化合物，经TR-FRET置换实验验证14个为活性命中物（3个IC50≤50 µM、11个IC50≤100 µM），且这些AI提名命中物相比初始DEL命中物具有更高的化学多样性、更优的类药性和现成可购买性。
Figure 1. Workflow for the 53BP1 hit-finding campaign. The schematic illustrates a dual-pathway approach
bioRxiv · 第 8 页深度剖析
提出并实验验证了一条将经验性DEL筛选数据与生成式化学模型耦合的命中物扩展流程：用UNC8531对Enamine REAL Space做相似性搜索，取最相似的100万个化合物初始化HIDDEN GEM，经两轮“对接—生成—相似性扩展—再对接”迭代后提名57个化合物。 此前基于DEL数据的机器学习命中提名多依赖监督学习模型，其泛化能力受训练数据质量与范围限制；本工作改为用DEL命中物初始化结构导向的生成式流程，从而在超大规模可购买化合物库中探索训练数据之外的化学空间。 流程细节完整（Glide SP对接、ChEMBL预训练生成模型、每轮生成100K分子、相似性搜索取至多10K可购买化合物），并以UNC8531对接姿态与晶体姿态RMSD<1.0 Å验证了对接模型。
两轮HIDDEN GEM共提名57个化合物，TR-FRET置换实验确认14个为活性命中物，其中3个IC50≤50 µM、11个IC50≤100 µM；最强命中物UNC10413788A的IC50为22 ± 3.6 µM，与DEL来源的UNC10413788A（22 ± 3 µM）活性相当。 该结果把命中物发现的范围从约58K成员的聚焦库扩展到当时约370亿化合物的Enamine REAL Space，并给出了可购买化合物的实测活性数据，而非仅停留在计算打分层面。 活性由TR-FRET置换实验测定，IC50为至少三次重复的均值±标准差；同时设置了基于UNCDEL003重复筛选富集数据的传统DEL分析路径作为对照基准。
AI提名命中物在化学空间上明显偏离参考化合物：与UNC8531的最大Tanimoto相似度仅为0.23（第一轮）和0.19（第二轮），t-SNE显示其带有苯并异噻唑、萘、吲哚等DEL库中未出现的取代基。 这说明生成式扩展并非在原有骨架附近做微小修饰，而是进入了DEL物理库未覆盖的化学区域，且这些化合物无需大量后续药物化学合成或合成子聚合即可直接购买。 相似度基于Morgan指纹（radius=3, 2048 bits）的Tanimoto计算，化学空间分布由scikit-learn实现的t-SNE（perplexity=30、learning rate=200、1000次迭代）呈现。
迭代生成在保持活性的同时改善了类药性质：两轮提名之间在分子量（p = 0.0176）、杂原子数（p = 0.0249）和可旋转键数（p = 0.0304）上出现统计学显著差异，且FastSolv预测的生成式命中物在250–350 K温度区间的logS高于基线对照和传统DEL命中物。 这提示迭代生成可以在不牺牲活性的前提下向更有利的理化性质分布移动，并补充了QED、SA之外的溶解度维度证据。 理化性质差异用双尾t检验评估；溶解度由FastSolv深度学习模型在DMSO中250–350 K温度梯度上预测，属于计算预测而非实验测定。
启示与展望
该流程适用于已知蛋白结合位点、且已有至少一个验证过的DEL命中物可用于初始化的场景，本文即以53BP1串联Tudor结构域与UNC8531共晶结构（PDB: 8SWJ）为起点。它面向希望以低成本从聚焦型或商业DEL数据中扩展可购买命中物的学术与工业药物发现团队，尤其是客户仅获得少量公开结合物的CRO服务型DEL项目。结果所对应的化学空间为当时约370亿化合物的Enamine REAL Space“lead-like”库，活性范围处于低至中微摩尔。
读者仍会关注：生成式命中物的活性处于低至中微摩尔区间，其向更高亲和力推进的空间尚待后续优化工作说明；溶解度与类药性结论主要来自FastSolv、QED、SA等计算预测，实验测定的理化性质数据在本文中未呈现；两轮迭代之间理化性质的显著差异基于提名集合的分布比较，其在不同靶点与不同初始化条件下的可重复性仍需更多案例检验；此外，本文为预印本，尚未经过同行评审，且图与补充材料中的具体数值细节在本次阅读范围内未逐项展开。