近日，一项由美国贝勒医学院主导的研究发表在《自然通讯》上。论文展示了一条新的分子胶发现路径：用高通量蛋白质组学做无偏筛选，再用人工智能与物理建模结合的方法预测三元复合物界面，最后据此指导分子优化。研究以造血系统特异性信号蛋白VAV1为对象，最终得到一系列靶向VAV1的分子胶降解剂，其中优化后的化合物NGT-201-18在人原代T细胞中实现了剂量依赖的蛋白降解。研究团队表示，这套路径的意义不只是找到几个化合物，而是把分子胶发现从依赖偶然与经验，推进为可迭代、可解释的闭环。
要理解这项工作，需要先弄清分子胶是什么。传统药物的思路是占据致病蛋白的活性口袋，把它的某个功能堵住。分子胶走的是另一条路：它本身不直接作用于靶蛋白，而是充当中间人，把靶蛋白与细胞内的E3泛素连接酶撮合到一起，让靶蛋白被贴上降解标签，最终由蛋白酶体清除。因为清除的是整个蛋白，而不只是某一个功能，这条路对那些同时具有多种致病机制的靶点特别有吸引力。
问题在于分子胶很难理性设计。它的活性主要取决于能否把连接酶与靶蛋白撮合到恰当相对位置，与化合物自身和靶蛋白的结合强度关系不大。这种间接的作用机制，使得大量分子胶来自偶然发现或表型筛选，后续优化也主要依赖合成、测活、总结经验这样的循环。
要打破这个循环，最需要的是三元复合物结构，也就是分子胶、连接酶与靶蛋白三者如何组装在一起。但冷冻电镜与X射线晶体学通常要求高度优化的化合物与实验条件，三元复合物结构往往到项目后期才被解出，更多时候只能起到回顾性解释的作用，很难在最需要它的早期阶段提供指导。研究团队要回答的正是这个问题：在实验结构尚不可得时，能否先构建出足够可靠的三元复合物模型，并用它前瞻性地指导分子设计。
研究团队选择的第一个动作，是把判断权交给细胞。他们使用Thermo Orbitrap Astral质谱平台，对一个以苯基戊二酰亚胺为核心骨架的分子胶化合物库开展高通量、定量的全局蛋白质组学筛选，观察哪些化合物能让VAV1的水平下降，同时又不显著影响其他蛋白。这种做法与针对单一靶点设计的筛选不同，它不预设作用机制，而是在数千种蛋白被同时观测的情况下，让细胞自己给出答案。
筛选得到两个结构高度相似的化合物。苯基取代的NGT-201-11引起VAV1轻度但显著的下降，把苯基换成吲哚的NGT-201-12则展现出明显更强的降解能力。随后的机制实验确认这是标准的分子胶降解过程：蛋白酶体抑制剂与连接酶配体竞争都可以挽救降解，敲除连接酶同样会阻断降解，而VAV1的信使RNA水平不受影响。这几个结果合在一起说明，VAV1的减少不是因为转录被抑制，而是蛋白被主动清除了。
这套筛选方式的价值在于它同时给出了正面证据与反面证据。无偏的全局观测既能发现靶蛋白的下降，也能看到哪些蛋白被意外波及，这为后续判断选择性提供了起点。相比之下，只盯着单一靶点的筛选容易忽略脱靶效应，等到化合物进入动物实验才暴露问题，代价会大得多。
有了先导化合物，下一步是弄清它如何把VAV1交给连接酶。团队用荧光素酶定量体系构建了一系列VAV1截短突变体，结果指向一个约60个氨基酸的SH3结构域：删除它足以且必须完全阻断降解，识别元件就在这个区域里。问题随之出现，已报道的连接酶新底物大多通过一个被称为G-loop的β发夹结构被识别，而VAV1的这个结构域上并不存在任何G-loop，已有的经验规则在这里失效，既说不清界面在哪，也无从判断该改分子的哪一部分。
团队为此开发了名为GluePlex的结构预测流程。流程分三步：先用几何深度学习模型预测连接酶与靶蛋白表面的相互作用热点，再以这些热点作为约束驱动蛋白对接，生成多样化的二元复合物模板，最后以模板簇的代表构象为骨架，用带配体的共折叠模型让小分子在界面中精确定位。在120个共折叠模型中，界面置信度最高的一簇给出了可检验的原子级假说，显示小分子的戊二酰亚胺端占据连接酶的经典口袋，吲哚环朝外伸出与靶蛋白表面形成界面。
团队还做了一组对照，说明物理约束并非多余。对于带有经典G-loop的靶点，单独使用共折叠模型就能生成高置信度、低偏差的结果，因为这类基序在训练数据中高度富集。但面对降解决定簇未知的靶点，模型需要在整个构象空间里搜索，给出的置信度很低、结构偏差也很大。物理对接在这里扮演的是先验角色，把搜索范围收窄到正确答案附近，让共折叠以更高效率收敛。
模型给出的假说随后接受了实验检验。团队对预测界面上的残基做系统定点突变，用报告体系定量降解效率，结果与模型吻合：位于关键环区的突变破坏性最强，核心基序中的三个关键残基任一突变都会导致降解活性丧失，进一步的靶点结合实验显示其中一个突变体完全不能形成三元复合物。由此，这个此前未见报道的非经典降解决定簇被确立下来，团队也得到了一张可以指导设计决策的界面地图。
地图给出的第一条设计建议来自化合物本身的柔性。模型显示，分子需要采取特定扭转角才能把吲哚环伸向关键残基，而连接两个环的单键可以自由旋转，这会推高三元复合物形成的熵代价。据此，团队在邻近戊二酰亚胺的苯环上引入小取代基以限制构象，氯代衍生物效果最好。优化后的化合物降解活性显著提升，而对连接酶的亲和力并没有提高，说明增益来自三元复合物更容易形成。
更值得注意的是预测的时机。团队系统比较了多种打分方法对实验降解活性的预测能力，发现基于自由能扰动的计算与实验结果显著相关，而常规对接打分的相关性很弱。这意味着结构模型可以在合成之前对类似物做出定量排序。研究同时划出了边界：剂量响应蛋白质组学发现了一个意料之外的脱靶蛋白，它带有典型的G-loop降解决定簇，说明同一个分子胶可以识别结构上完全不同的两类信号，选择性谱系仍需依靠系统的全局蛋白质组学来评价。目前这些化合物仍处于临床前阶段。