基于分子对接的天然产物抗糖尿病靶点虚拟筛选

一、引言

糖尿病作为全球性代谢疾病，患病率持续上升，传统化学合成药物存在不良反应和耐药性问题。天然产物因其结构多样性和生物活性广泛性，成为抗糖尿病药物开发的重要资源。分子对接技术作为计算机辅助药物设计的核心方法，能够在分子水平上预测小分子化合物与靶蛋白的结合模式和亲和力，为天然产物虚拟筛选提供了高效技术手段[1]。通过构建系统性虚拟筛选平台，可以从大规模天然产物数据库中快速识别具有抗糖尿病潜力的先导化合物，显著提高药物发现效率，为糖尿病治疗提供新的药物候选分子。

二、糖尿病关键靶点与分子对接原理

（一）抗糖尿病药物作用靶点分析

抗糖尿病药物的作用机制涉及多个关键蛋白靶点。 -葡萄糖苷酶是调控餐后血糖的重要酶类，其活性位点由 Asp214、Asp349 和 Phe300 等关键氨 残基木 约15Å的结合口袋。二肽基肽酶IV（DPP-4）作为胰高血糖素样肽-1 的降解酶， 催化三联体，结合腔呈现L 型结构特征。蛋白酪氨酸磷酸酶1B（ 是胰岛素信 因子 ，其活性位点围绕 Cys215 形成，具有较深的磷酸酪氨酸结合口袋[2]。这些靶点的三维结构特征和结合位点性质为基于结构的药物设计提供了重要基础。

（二）分子对接技术核心原理

分子对接技术基于配体-受体互补性原理，通过模拟小分子配体在蛋白质结合位点的结合过程来预测其结合模式和亲和力[3]。配体在结合过程 力 静电相互作用等多种分子间作用力。现代对接算法采用遗传算法、 能够处理配体的柔性变化和部分受体侧链的灵活性。评分函数是对 评分函数、基于知识的评分函数和经验评分函数三类。AutoDock 采用拉 格化的力场计算，适用于中等规模的虚拟筛选；Glide采用多层次筛选策略，通过粗筛、精筛和后处理三个阶段提高对接精度。

（三）虚拟筛选工作流程设计

虚拟筛选工作流程的设计直接影响筛选效率和准确性。 靶点蛋白结构预处理包括去除水分子、添加氢原子、侧链优化和结合位点定义等步骤， 结合位置为中心，设置适当的搜索空间。天然产物库的构建需要整合多 维构象生成等步骤建立高质量的化合物库。筛选策略采用多层次过滤方 药物 性的过滤，去除不符合Lipinski 规则的化合物；然后进行快速对接筛选，使用较宽松的参数设置获得初步候选化合物；最后进行精确对接和结合模式分析，结合多种评分函数对候选化合物进行排序。

三、天然产物虚拟筛选实施与结果分析（一）天然产物数据库构建与预处理

天然产物数据库的构建整合了 TCM Database@Taiwan、ZINC Natural Products、ChEMBL 等多个公共数据库资源，共收集约15 万个天然产物化合物结构。数据库构建过程中，首先对化合物结构进行标准化处理，包括芳香性标准化、互变异构体处理和盐类去除等步骤，确保结构表示的一致性。随后进行重复结构去除，采用分子指纹相似性比较方法，设定Tanimoto 系数阈值为0.95，最终保留约12 万个独特的天然产物结构。ADMET 性质预测采用SwissADME 和pkCSM 等在线工具，评估化合物的吸收、分布、代谢、排泄和毒性特征。药物相似性过滤基于 Lipinski 五规则和 Veber 规则，要求分子量小于 500Da、LogP 值介于-0.4 至 5.6 之间、氢键供体数少于5 个、氢键受体数少于 10↑ 。经过系统性预处理后，最终获得约8 万个符合成药性要求的天然产物化合物。

（二）分子对接筛选结果统计

多靶点分子对接筛选结果显示，针对α-葡萄糖苷酶的对接筛选从8万个化合物中识别出1247个潜在抑制剂，结合能分布范围为-6.2 至-11.8 kcal/mol，其中结合能低 的化合物占总数的 15.3% 。DPP-4 靶点筛选获得 983 个候选化合物，结合能分布呈 ol，标准差为 1.2 kcal/mol。PTP1B靶点筛选结果表明，共有756 个化合物显 碱类化合物占比最高，达到 32.1% ，其次是黄酮类化合物占28.7%。PP 合能集中分布在-7.0 至-9.5 kcal/mol范围内。交叉分析发现，具有多靶点活性的化合物共有 萜类和多酚类化合物中。

（三）潜在活性化合物作用机制分析

代表性高活性化合物的分子对接结果揭示了其与靶点蛋白的详细作用机制。以α-葡萄糖苷酶抑制剂为例，化合物 ZINC000003978718 通过其羟基与 Asp214 和 Asp349 形成关键氢键，芳香环结构与 Phe300 发生π-π堆积作用，整体结合能达到-10.2 kcal/mol。该化合物的苯环结构深入结合口袋疏水区域，与Ile233、Val234 等残基形成广泛的疏水相互作用，有效阻断了底物的结合通道。DPP-4 抑制剂ZINC000001530847 的作用机制显示，其咪唑环与His740 形成氢键，同时与 Ser630 发生静电相互作用，分子的侧链部分与Phe357、Pro360 等残基构成疏水相互作用网络。分子动力学模拟进一步验证了这些结合模式的稳定性，显示配体-蛋白复合物在100ns 模拟过程中保持稳定的结合构象。

（四）构效关系与药效基团识别

通过对高活性化合物的结构分析，识别出了多个重要的抗糖尿病药效基团。α-葡萄糖苷酶抑制剂的关键结构特征包括：邻二羟基苯基基团，能够与活性位点的天冬氨酸残基形成双重氢键；刚性的多环芳香体系，有利于与结合口袋的疏水区域结合；适当长度的柔性连接链，允许分子在结合过程中进行构象调整。DPP-4 抑制剂的药效基团主要包含氰基、氨基和杂环结构，这些基团能够与催化三联体形成有效的相互作用。统计分析显示，含有儿茶酚结构的化合物在多个靶点上均表现出良好的活性，提示该结构单元可能是抗糖尿病活性的重要基础。黄酮类化合物的构效关系研究发现，3 位和5 位羟基的存在显著提高了α-葡萄糖苷酶抑制活性，而 7 位甲氧基的引入则有利于DPP-4 的结合。

四、方法学评价与应用前景

分子对接虚拟筛选技术在天然产物抗糖尿病药物发现中展现出显著优势，能够快速处理大规模化合物库，显著降低实验成本和时间消耗。然而，该方法也存在一定局限性：评分函数的准确性仍需改进，特别是对于柔性较大的天然产物分子；蛋白质构象变化的考虑不够充分，可能导致假阴性结果；溶剂化效应和熵效应的处理还需要进一步优化。为提高虚拟筛选的准确性，需要结合分子动力学模拟、自由能计算等方法进行结果验证，并通过体外酶活性测定和细胞水平功能验证确认预测结果。随着人工智能技术的发展，深度学习方法在分子对接和虚拟筛选中的应用日益广泛，有望进一步提高预测准确性。天然产物抗糖尿病药物的开发前景广阔，特别是多靶点药物的设计理念与天然产物结构的多样性高度契合。

参考文献：

[1]吴悠楠, 董琳, 李祎莹, 谭银丰, 金燕, 李友宾, 张小坡. 潺槁树根皮化学成分及其抗糖尿病靶点筛选研究[J]. 中国现代中药, 2017, 19 (07): 956-959.

[2]秦楠. 先导化合物Fla-CN 抗糖尿病抗肥胖作用机制及其靶点研究[D]. 天津医科大学, 2016.

[3]孙伟光. 基于蛋白质结构的抗糖尿病天然产物作用靶点和机制研究[D]. 华中科技大学, 2016.