靶向RANKL-NFκB通路的抗骨质疏松活性天然产物的发现及其机制研究

Osteoporosis has become a worldwide health and social issue due to an aging population. Development of new anti-osteoporosis drugs has become the objective of drug development. Powerful evidences of bone biology has approved that RANKL/RANK/OPG axis plays pivotal roles in regulating diverse physiological processes such as osteoclast formation and function. Thus, RANKL-NFκB pathway is ideal targets for anti-osteoporosis drug development. Owning to the structural diversity and multiple pharmacological activities, natural products are one of the most important sources of the lead compounds in drug discovery. However, the bioactive natural products targeting RANKL-NFκB pathway were randomly discovered currently. Owning to the chemical diversity of natural products, there is still a great opportunity for the discovery of bioactive natural products. In our previous studies, our group have identified a serials of bioactive anti-osteoporosis natural products. Meanwhile, we have developed the machine learning based and scaffold based virtual screening system. In this study, we will apply the previous developed virtual screening methods, and combine the mature anti-osteoporosis bioassay platform to screen the novel anti-osteoporosis natural products. This would be significant for providing material base for anti-osteoporosis drug development. Meanwhile, combining the experiment and the theoretical computation methods to elucidate the mechanism of action of the bioactive natural products with the key protein in the pathway. This would provide more insights for the further design of anti-osteoporosis drug.

随着人口老龄化速度加快，骨质疏松已成为全球关注的健康与社会问题，开发有效的抗骨质疏松药物成为新药开发的重要方向。研究表明OPG/RANKL/RANK信号轴是骨代谢中重要的信号通路。因此，RANKL-NFκB通路是抗骨质疏松药物的重要靶点。天然产物因其结构多样和丰富的生物活性成为药物发现的重要来源，而目前抗骨质疏松的活性天然产物主要是通过随机筛选发现的，具有一定的随机性与盲目性。前期研究中，申请人团队已发现一系列抗骨质疏松活性天然产物，并建立了基于机器学习及基于活性骨架的筛选系统。本项目将在前期研究基础上，利用建立的计算机辅助药物筛选技术，对天然产物数据库展开系统理性的虚拟筛选，结合成熟的抗骨质疏松活性筛选平台，发现结构新颖的活性天然产物，为开发新型抗骨质疏松药物提供物质基础。同时结合生物实验与计算模拟方法，阐释活性化合物与关键蛋白的作用机制，为设计抗骨质疏松活性化合物提供思路和理论依据。

骨质疏松严重影响老年人生活质量，已成为全球公共健康问题。开发高效、副作用小的抗骨质疏松症药物成为临床迫切需求。深度学习为代表的人工智能技术在药物研发中发挥重要作用，同时天然产物一直是药物的重要来源。本项目主要包括天然产物的化学信息研究和基于深度学习的活性天然产物的虚拟筛选及实验验证，发现全新骨架的抗骨质疏松活性天然产物。本项目对中药来源天然产物，肿瘤免疫相关天然产物及萜类天然产物进行了化学信息学研究，开发了TCMAnalyzer、TCMIO和TeroKit天然产物信息学研究平台。随后构建了基于深度学习的药物虚拟筛选平台DeepScreening，通过内部ChEMBL数据集测试和外部测试均显示具有很好的预测效果。然后从文献和数据库中收集抗破骨细胞活性的表型数据，使用注意力机制的消息传递神经网络模型进行训练学习，相比传统的基于ECFP分子指纹的随机森林和全连接神经网络模型，消息传递神经网络模型具有明显优势。利用该模型对天然产物库进行虚拟筛选，通过体外抗破骨细胞分化实验测试确证，发现5个活性天然产物，其中2个纳摩级，3个微摩尔级。初步机制研究发现，活性好的2个化合物均可以显著降低破骨细胞成熟分化中关键基因Ctsk，Nfatc1，Tracp以及Rank的表达。活性最好的化合物在动物水平也发现具有提高小鼠骨密度作用。骨架和结构相似性分析发现，5个活性天然产物与已报道的抗骨质疏松活性化合物相似度低，均为全新骨架化合物，具有良好的后续开发价值。在本项目的资助下，共发表相关 SCI 论文 6篇，申请专利4项，软件著作权2项，培养研究生3名。