c-Myc新突破！深势科技RiDYMO™动力学平台助力FIC药物发现

c-Myc药物研发征途漫漫

转录因子c-Myc是正常基因表达的主要控制因子，调节正常细胞增殖、细胞周期、分化、代谢及细胞凋亡过程。在超过70%的肿瘤中，c-Myc表达失调。过表达的c-Myc促进肿瘤细胞的增殖、侵袭及干扰免疫微环境，在肿瘤发生和维持过程中都发挥重要作用^[1]。

尽管c-Myc驱动多种肿瘤的发生发展，但是直接靶向c-Myc蛋白仍存在诸多挑战。c-Myc是一种固有无序蛋白（Intrinsically disordered proteins，IDPs），与Max形成二聚体能够稳定存在，结合E-box DNA后激活基因转录。未形成复合物的c-Myc蛋白处于动态变化的构象系综中，缺乏稳定的三维结构和可药口袋，从源头上给理性小分子药物设计带来困难。此外，内源性c-Myc蛋白位于细胞核内，透过细胞膜和核膜的双重障碍为开发体内有效的大/小分子造成另一困境。到目前为止，靶向c-Myc的药物研发仅有一款穿膜肽OMO-103(Omomyc)进入早期临床研究^[2]，亟待开发成药性更优的小分子药物。

图1: 蛋白c-Myc（蓝色）、Max（绿色）和DNA复合物结构（示意图）

AI+动力学， RiDYMO™平台

助力固有无序蛋白体系的理性开发

如深度长文 | 难成药靶点c-Myc征途漫漫总结，c-Myc小分子研发面临巨大的挑战，“已经发现的小分子抑制剂的成药性差，不足以支撑临床研究，亟待发现成药性更优的抑制剂用于临床验证。” 与此同时，没有蛋白质结构为基础做进一步的分子优化工作。深势科技团队成员在固有无序蛋白领域深耕多年，2017年在Angewandte杂志上发表文章，利用计算结合实验的方法揭示了两个固有无序蛋白的动态相互作用机理^[3]；2022年在Chemical Science杂志上发表文章，揭示了固有无序蛋白紧凑的无序状态在分子识别中的重要作用^[4]。对于无序蛋白机制的深入理解有助于无序蛋白的理性药物发现。

在本项目中，深势科技药物研发团队的开发路径如下：

1. 无序蛋白构象采样

基于结构的药物设计在药物研发中起到巨大作用的原因之一是，有固定三维结构的蛋白在自由能面上是处于能量最低的状态，意味着在生理环境中处于该状态的占比非常高，也有助于X-ray和Cryo-EM对结构的解析。而无序蛋白没有稳定的三维结构，实验技术无法获得其对应的微观信息。分子模拟技术在原子细节、分子运动等方面具有独特的优势。无序蛋白具有崎岖的自由能面，传统分子动力学模拟（Molecular dynamics, MD）很容易陷入局域能量极小中，无法获得目标整个相空间（图2A）。通过强化动力学（Reinforced dynamics, RiD）方法，可以高效地探索出c-Myc蛋白的整个构象空间，从而为以结构为基础的药物设计方法提供良好的起点。

图2: 强化动力学高效探索c-Myc蛋白构象

2.构象挑选+口袋探索

进一步对c-Myc蛋白进行热力学（Thermodynamics）和动力学（Kinetics）分析，同时对比了核磁共振实验中的化学位移，证明计算模拟的构象系综与实验的相符。随后依据热力学（占比多的构象）和动力学（处于动力学网络中心的构象）性质，挑选出6个代表构象（图3）。侧链的构象在药物设计中也至关重要，深势科技团队运用强化动力学+有机溶剂探针的方法，对该6个代表构象进行了口袋的探索和诱导。如图4所示，在有机溶剂探针的帮助下，蛋白从原先比较平坦的表面诱导形成了更深的小分子结合口袋。

图3:通过热力学和动力学分析挑选优势构象

图4：RiDYMO强化动力学结合Uni-Probe有机溶剂探针方法，探索诱导c-Myc可药口袋

3. 分子筛选验证

基于这些构象和口袋，结合深势科技Hermite®药物设计平台中Uni-Docking方法一日千里，追风逐月 | 深势科技发布极致加速版分子对接引擎Uni-Docking，进行了高通量虚拟筛选，获得多个系列全新分子。

如图5所示，在蛋白水平，代表性小分子DP071、DP321能够直接结合c-Myc蛋白上（SPR， 图5A，10074-G5作为阳性参照化合物），进而干扰c-Myc/Max的蛋白-蛋白相关作用（HTRF，图5B），有效抑制Myc-Max与DNA的结合（HTRF， 图5C）；

在细胞水平，化合物DP071、DP321能够抑制c-Myc扩增的肿瘤细胞系HL-60的活力（图6A），并能够促进c-Myc蛋白降解（图6B），使细胞周期阻滞在G0/G1期（图6C）。从靶标到细胞，从结合到功能，多个角度验证化合物的在靶效应。

图5：小分子在蛋白水平与Myc结合，并抑制Myc/Max PPI以及Myc/Max/DNA三元复合物结合

图6：小分子抑制Myc扩增型肿瘤细胞系HL-60的活力，促进Myc蛋白降解，影响其细胞周期进程

RiDYMO™强化动力学平台——

助力难成药靶点药物设计

蛋白质动力学研究日趋成为全球药物研发的热点领域。通常的理性药物设计需要靶标蛋白具有明确的结构和清晰的作用位点，这种类型的靶点通常称为“可成药”靶点，在人类靶点中占15%左右。其余85%为“难成药”靶点，一般体现在蛋白表面平坦无清晰作用位点，或者蛋白结构柔性大，甚至没有稳定的三维结构。这类靶点难以使用传统方法进行理性药物设计——而深势科技自主开发的RiDYMO™强化动力学平台（图7）则对该问题给出了新的解题思路。

RiDYMO™平台是基于Reinforced dynamics （RiD）算法^[5]开发的专注于解决“难成药”靶点的动力学平台。对比其它动力学算法和平台，RiDymo最核心的优势体现在模拟采样效率上的巨幅提升，同时充分结合神经网络的高维表示能力，在复杂的生物大分子体系中高效捕捉动态的构象变化，在相对可控的算力资源和模拟时长条件下就可以让蛋白真正“动”起来（如上图）。

图7：RiDymo强化动力学平台

此前，作为平台核心能力的RiD算法已经在Nature子刊上发表 登上Nature子刊！深势科技RiD方法解决生物大分子体系高维空间采样难题。在文章中显示，针对一个蛋白的从头折叠问题，RiD方法模拟1.86 μs时间获得的自由能面比传统分子动力学方法100 μs获得的自由能面更加全面，展现出RiD方法在分子模拟的效率上有了近百倍的提升。

基于RiD方法，RiDYMO™强化动力学平台可用于解决以下问题：

•针对表面平坦或者蛋白-蛋白相互作用（PPI）体系，在缺乏明确的结合位点的情况下，RiDYMO™可以用于诱导形成可药口袋、探索全新别构口袋

•针对结构动态变化较大的GPCR、通道蛋白等体系，RiDYMO™可以分析残基在运动轨迹中的相关性，助力药靶作用机理研究和药物筛选

•针对在体内缺乏稳定结构的无序蛋白，RiDYMO™可以探索蛋白在热力学（Thermodynamics）和动力学（Kinetics）中的重要构象并发现可药结构

•此外，药物最终需要在体内起效，仅考虑结合强度这一热力学参数是不够的，RiDYMO™可以有效计算药物的驻留时间（即解离常数的倒数）等与药物体内药效强相关的动力学参数，而这一点在过去往往是被大家忽视的

总结与展望

深势科技药物研发团队坚持以未满足的临床需求为导向，立足独有的RiDYMO™平台对固有无序蛋白体系发起挑战，尤其以c-Myc等靶点的分子发现已取得阶段性的进展。未来，深势科技希望能在更多难成药靶点方面与全球伙伴建立深度合作，最终为患者带来更具突破性的治疗方案。

关于深势科技药物研发团队

深势科技药物研发团队基于“AI for Science”新范式，专注于利用人工智能和分子模拟相融合的先进计算手段驱动难成药靶点的药物开发。团队由张晓敏博士领衔，核心成员具备深厚的交叉学科背景和丰富的药物开发经验，同时依托深势科技全球领先的强化动力学平台RiDYMO™和大分子从头设计平台，目前已通过“自建管线+联合开发”的方式形成了完整的研发体系，覆盖CNS、肿瘤和自身免疫性疾病三大领域。

BD合作：[e-mail]

PR联系：[e-mail]

参考资料

[1] Madden, S. K., de Araujo, A. D., Gerhardt, M., Fairlie, D. P., & Mason, J. M. (2021). Taking the Myc out of cancer: toward therapeutic strategies to directly inhibit c-Myc.Molecular Cancer, 20(1), 1-18.

[2] Mullard, A. (2022). Climbing cancer's MYC mountain. Nature reviews. Drug Discovery. 21(12), 865-867.

[3] Wu, S., Wang, D., Liu, J., Feng, Y., Weng, J., Li, Y., ... & Wang, W. (2017). The dynamic multisite interactions between two intrinsically disordered proteins. Angewandte Chemie International Edition, 56(26), 7515-7519.

[4] Wang, D., Wu, S., Wang, D., Song, X., Yang, M., Zhang, W., ... & Wang, W. (2022). The importance of the compact disordered state in the fuzzy interactions between intrinsically disordered proteins. Chemical Science, 13(8), 2363-2377.

[5] Wang, D., Wang, Y., Chang, J., Zhang, L., Wang, H. & E, W. (2022). Efficient sampling of high-dimensional free energy landscapes using adaptive reinforced dynamics. Nature Computational Science, 2(1), 20-29.

上下滑动查看更多

关于深势科技

深势科技是“AI for Science”科学研究范式的引领者和践行者，致力于运用人工智能和分子模拟算法，结合先进计算手段求解重要科学问题，为人类文明最基础的生物医药、能源、材料和信息科学与工程研究打造新一代微尺度工业设计和仿真平台。

我们开创性地提出了「多尺度建模+机器学习+高性能计算」的革命性科学研究新范式，并推出了Bohrium®微尺度科学计算云平台、Hermite®药物计算设计平台等微尺度工业设计基础设施，颠覆了现有研发模式，打造“计算引导实验、实验优化设计”的全新范式，为药物、材料领域带来极具突破性的计算模拟及设计工具。

深势科技是国家高新技术企业、北京市“专精特新”中小企业，总部位于北京，并在上海、深圳、海口等城市布局研发中心。科研技术团队由中国科学院院士领衔，汇集了超百位数学、物理、化学、生物、材料、计算机等多个领域的优秀青年科学家和工程师，其中公司的博士及博士后占比超过35%。核心成员获得过2020年全球计算机高性能计算领域的最高奖项“戈登贝尔奖”，相关工作当选2020年中国十大科技进展和全球AI领域十大技术突破。