藥物研發(fā)具有投入大，風險高，周期長的特點。近年來，以深度學習為代表的人工智能技術在藥物研發(fā)領域已經(jīng)嶄露頭角，尤其是在藥物發(fā)現(xiàn)階段的全新分子庫生成、活性及ADMET性質預測以及藥物合成路線預測等方面，深度學習技術相比傳統(tǒng)機器學習方法體現(xiàn)出明顯優(yōu)勢。因此，人工智能技術被業(yè)界寄予厚望以降低藥物研發(fā)成本，縮短研發(fā)時間，進而加速藥物研發(fā)進程。 

　　省科學院微生物研究所謝黎煒研究員團隊與中山大學藥學院徐峻教授團隊聯(lián)合，在藥物化學權威雜志《歐洲藥物化學雜志》（European Journal of Medicinal Chemistry）發(fā)表了標題為《深度學習能夠發(fā)現(xiàn)高效抗骨質疏松天然產(chǎn)品》（Deep learning enables discovery of highly potent anti-osteoporosis natural products）的文章，報道了基于深度學習技術從天然產(chǎn)物庫中虛擬篩選發(fā)現(xiàn)全新的高活性抗骨質疏松活性化合物，虛擬篩選發(fā)現(xiàn)的5個天然產(chǎn)物結構新穎，其中體外活性最好的2個化合物分別為32nM和68nM；申請中國發(fā)明專利，具有重要的潛在開發(fā)和轉化價值。 

　　骨質疏松癥是一種以骨量低下，骨組織微結構損壞，導致骨脆性增加，易發(fā)生骨折為特征的全身性骨病。骨質疏松性骨折作為骨質疏松癥的嚴重并發(fā)癥，危害巨大，是老年人致殘和致死的主要原因之一。我國已成為世界上老年人口絕對數(shù)最大的國家，人口老齡化日趨嚴重。骨質疏松癥作為老齡化社會常見疾病，發(fā)病率高，是影響老年人生活質量的重要因素，此外，長期的治療與護理也帶來巨大的家庭和社會負擔。目前臨床上抗骨質疏松藥物主要包括：抗骨吸收藥物，如雙膦酸鹽類、雌激素受體調節(jié)劑、RANKL 抑制劑等；促骨形成的藥物，如甲狀旁腺激素類似物。這些藥物雖然能在一定程度上提高骨質疏松患者的骨密度，但存在各種副作用，如雙膦酸鹽類藥物會引起下頜骨壞死，雷洛昔芬會引起靜脈栓塞。因此，我們亟需研究更加有效、副作用更小的抗骨質疏松癥治療藥物。 

　　基于深度學習的虛擬篩選及實驗驗證 

　　深度學習的優(yōu)勢在于非監(jiān)督式學習特征，已在圖像、語音、自然語言處理等方面取得巨大成功，然而，在化學領域，化學任務的機器學習方法依然依賴于復雜的特征工程。2017年谷歌提出了消息傳遞網(wǎng)絡（Message Passing Neural Network，MPNN），首次證明MPNN可以直接從分子圖中學習到分子的特征并應用于各種分子性質的預測。本文從文獻和數(shù)據(jù)庫中收集基于細胞水平測試的抗破骨細胞活性的表型數(shù)據(jù)集，使用注意力機制的消息傳遞神經(jīng)網(wǎng)絡（SA-MPNN）模型在logP數(shù)據(jù)集（21364個分子）上進行預訓練，然后利用抗破骨細胞活性的表型數(shù)據(jù)集進行遷移學習得到最終模型（P-SAMPNN），同時作為對比，構建了基于ECFP分子指紋的隨機森林（RF）和全連接神經(jīng)網(wǎng)絡(DNN)模型，基于SMILES的注意力機制的雙向長短期記憶網(wǎng)絡(SA-BiLSTM)模型。結果顯示，P-SAMPNN模型具有明顯優(yōu)勢，模型AUC值為0.92。隨后利用該模型對specs天然產(chǎn)物數(shù)據(jù)庫進行預測，選擇打分較高的化合物，通過結構分析以及肉眼篩選，從中選擇10個天然產(chǎn)物購買并通過體外破骨細胞分化實驗測試，發(fā)現(xiàn)5個活性天然產(chǎn)物，其中2個納摩級，3個微摩爾級，其中活性好的2個化合物為異喹啉類生物堿，體外活性均優(yōu)于目前經(jīng)典的抗骨質疏松藥物阿侖膦酸鈉。通過結構相似性分析發(fā)現(xiàn)，5個活性天然產(chǎn)物與已報道的化合物相似度低，均為全新骨架化合物，具有良好的后續(xù)開發(fā)價值。 

圖1. 基于深度學習的抗破骨細胞活性抑制劑的虛擬篩選流程 

　　圖2. 不同模型表現(xiàn)以及基于P-SAMPNN篩選到的5個活性天然產(chǎn)物。 

　　活性天然產(chǎn)物顯著抑制破骨細胞相關基因表達及其成藥性預測 

　　基于深度學習虛擬篩選發(fā)現(xiàn)的2個nM級活性化合物為異喹啉類生物堿，初步機制研究發(fā)現(xiàn)，這兩個化合物均可以計量性顯著降低破骨細胞成熟分化中關鍵基因Ctsk，Nfatc1，Tracp以及Rank的表達，進一步確證了細胞水平的篩選數(shù)據(jù)，同時將上述基因比對到KEGG中破骨細胞成熟分化通路圖中，可以推測這類活性化合物應該是作用于通路上游基因。為進一步研究這2個化合物抗破骨細胞分化的特異性以及成藥性，我們對化合物進行了PAINS(pan-assay interference compounds)檢測和ADMET性質預測，結果顯示，這5個活性天然產(chǎn)物均不是PAINS分子，不含有任何PAINS片段，同時具有良好的成藥性，具有很好的后續(xù)開發(fā)價值，體內(nèi)動物活性驗證以及進一步的機制研究正在進行中。 

圖3. 活性好的2個天然產(chǎn)物顯著抑制破骨細胞成熟分化中關鍵基因的表達。 

　　省科學院微生物研究所劉志紅博士、中山大學藥學院博士生黃丹娥和鄭雙佳是文章并列第一作者，本研究的通訊作者是省科學院微生物研究所的謝黎煒研究員、中山大學的徐峻教授和顧瓊副教授。本研究得到了國家自然科學基金、廣東省科學院發(fā)展專項資金、廣東省自然科學基金等經(jīng)費的支持。 

　　文章鏈接：https://doi.org/10.1016/j.ejmech.2020.112982 

　　（省科學院微生物所 謝黎瑋/供稿）