Zelatriazin

导 语 来自瑞典乌普萨拉大学、丹麦哥本哈根大学、中国上海科技大学等机构的研究团队，在期刊《Nature Communications》（影响因子 14.7）上发表了题为 “Ultra-large virtual screening unveils potent agonists of the neuromodulatory orphan receptor GPR139” 的研究论文。研究通过整合计算生物学与实验验证，成功开展超大规模虚拟筛选，发现了一系列强效 GPR139 激动剂，并通过结构优化与功能验证，获得了目前已知活性最强的 GPR139 激动剂之一（EC50 低至 50nM）。研究团队还借助冷冻电镜（cryo-EM）解析了受体 - 配体复合物结构，揭示了配体结合模式，并评估了 AI 工具 AlphaFold3 在孤儿 GPCR 配体预测中的局限性。 摘 要 孤儿 G 蛋白偶联受体 GPR139 作为神经精神疾病的靶点引起了人们的兴趣。尽管 GPR139 的生理功能尚不清楚，但现在可以获得高分辨率的受体结构。为了评估结构信息是否能够实现配体发现，团队通过计算对接了 2.35 亿个化合物到 GPR139 的结合位点。在实验评估的 68 个排名靠前的化合物中，有五个是完全激动剂，其效能范围从 160 nM 到 3.6 µM。结构引导的优化发现了最有效的 GPR139 激动剂之一，并且受体-配体复合物的冷冻电镜结构证实了预测的结合模式。功能表征提供了对 GPR139 信号传导的深入了解，并且一种激动剂在小鼠中引发了行为效应。团队还探索了用深度学习方法 AlphaFold3 替代实验结构测定的潜力，揭示了人工智能在模拟未被充分研究的 GPCR 受体-配体相互作用方面的能力有限。这些结果证明了高分辨率 GPCR 结构与大型文库对接相结合如何加速药物发现。 介 绍 蛋白质小分子配体的识别是药物发现与治疗方法开发的核心。G 蛋白偶联受体（GPCR）因在生理过程中的关键作用成为药物研发热点，尽管仅占人类可成药基因的 15%，却仍是 34% 以上获批药物的靶点。晶体学与冷冻电镜技术的突破解析了大量 GPCR 结构，揭示了配体 - 靶点结合的分子机制；而蛋白质结构预测机器学习方法的发展，进一步拓展了 GPCR 家族的结构覆盖率，基于结构的设计已成为发现 GPCR 配体、加速多治疗靶点药物研发的有效策略。 目前，仍有超 100 个非嗅觉 GPCR 被归为 “孤儿受体”（内源性激活剂未明确），这类受体在神经精神疾病、神经退行性疾病等领域具有巨大治疗潜力，但近年去孤儿化速度放缓：高通量筛选难以为探针开发提供起点，且多数已报道配体的活性难以重复，亟需新方法挖掘其药用价值。 2005 年发现的孤儿 A 类受体 GPR139，是极具前景的药物靶点。其内源性激动剂尚未明确，但芳香族氨基酸、α- 黑素细胞刺激激素相关肽及强啡肽 可激活该受体，且主要通过 Gq/11 信号通路传导。GPR139 在物种间高度保守，仅表达于中枢神经系统中与运动控制、认知、情绪等相关的区域，尤其在与精神分裂症、抑郁症等疾病相关的缰核中高表达。GPR139 敲除小鼠会出现精神分裂症样症状，其基因座遗传变异还与精神分裂症、注意力缺陷多动障碍相关，相关小分子激动剂被寄予治疗精神分裂症的厚望。尽管候选药物 TAK-041 因疗效不足在 II 期试验失败，但 GPR139 仍是脑部疾病的重要潜在靶点。 本研究结合计算与实验技术探索 GPR139 配体：借助 GPR139 - 激动剂复合物的冷冻电镜结构，对含数亿分子的文库进行虚拟筛选，鉴定并优化出多种强效激动剂；通过构效关系分析与冷冻电镜结构解析，明确配体结合模式；同时表征 GPR139 的信号通路，并评估机器学习生成的受体 - 配体复合物结构在虚拟筛选中的应用价值。 实验方法 分子对接与虚拟筛选 1.受体结构准备 以 GPR139 与合成激动剂 JNJ-63533054 结合的 cryo-EM 结构（PDB:7VUG）为模板，去除溶剂分子后，使用 REDUCE 软件对受体进行质子化处理，采用 AMBER 联合原子力场计算原子部分电荷。手动中和结合口袋中的 E105³ˣ²⁹与 D84²ˣ⁶¹ 残基，并增强 W166ᴱᶜᴸ² 与 R244⁶ˣ⁵¹ 残基的偶极矩，以优化对接性能。通过配体原子生成 45 个匹配球，定义配体结合口袋的范围。 2.化合物库与对接参数设置 筛选 ZINC15 数据库中的类先导化合物子集，共包含 2.35 亿个商业化可获得的化合物，其理化性质满足 cLogP≤3.5、分子量≤350Da 的类药分子标准。使用 DOCK3.7 软件进行分子对接，每个化合物采样 3933 个不同取向，每个取向评估约 178 个构象，最终完成超过 200 万亿个复合物的评分，计算量相当于单个 CPU 核心运行 6 年。对接评分综合考虑泊松 - 玻尔兹曼静电能（QNIFFT 计算）、配体去溶剂化能（SOLVMAP 计算）及范德华能（CHEMGRID 计算）。 3.筛选与候选化合物选择 对接完成后，首先通过 PAINS 过滤器去除潜在的实验干扰化合物，排除与 ChEMBL 数据库中已知 GPR139 配体相似度（Tanimoto 系数 T_c）>0.5 的分子，以保证化合物的新颖性。选取排名前 300,000 的化合物（占总库的 0.12%），基于拓扑相似度进行聚类（Morgan 指纹，半径 = 2，T_c>0.5），得到 13,106 个聚类。从中选取 1500 个聚类中心进行可视化 inspection，优先选择与参考激动剂 JNJ-63533054 具有相似相互作用模式的化合物，最终确定 68 个候选化合物进行定制合成。 图 1. GPR139 配体虚拟筛选概述 药理实验验证 1.细胞系与培养条件 采用稳定表达人 GPR139 的 CHO-K1 细胞系（GPR139-CHO-K1）进行主要药理筛选，以稳定表达人 M1 毒蕈碱乙酰胆碱受体（M1R-CHO-K1）的细胞系作为对照，验证化合物的选择性。细胞培养于添加 10% 透析胎牛血清、100U/mL 青霉素 - 链霉素及 1mg/mL Geneticin 的 Ham’s F-12 Kaighn’s 改良培养基中，置于 37℃、5% CO₂的湿润培养箱中培养。 2.钙动员实验 将 3×10⁴个 GPR139-CHO-K1 或 M1R-CHO-K1 细胞接种于 96 孔黑边透明底培养板，培养 20-24h 后，用 HEPES 缓冲液洗涤细胞，加入 50μL 2μM Fluo-4 AM 染料（含 2.5mM 丙磺舒与 0.01% Pluronic F-68），37℃孵育 1h。洗涤后加入 50μL 含 2.5mM 丙磺舒的 HEPES 缓冲液，孵育 10min 后，加入 50μL 不同浓度的测试化合物（终 DMSO 浓度≤0.3%），使用 FlexStation 3 多功能酶标仪在 485nm 激发波长、525nm 发射波长下检测胞内钙动员信号。 筛选分为激动剂模式与拮抗剂模式：激动剂模式下，化合物浓度为 10μM，以参考化合物 Lundbeck Cmp 1a（10μM）的信号为 100%，缓冲液为 0%，筛选信号 > 25% 的化合物；拮抗剂模式下，先加入 10μM 测试化合物孵育 20min，再加入 800nM Lundbeck Cmp 1a（EC₈₀浓度），检测信号抑制情况。 3.肌醇单磷酸（IP₁）积累实验 采用 HTRF IP-One Gq 试剂盒检测 IP₁积累。将 5×10⁴个 GPR139-CHO-K1 细胞与 5μL 测试化合物（含 40mM LiCl）混合于 384 孔白色 OptiPlate 中，37℃孵育 1h。加入 10μL 检测试剂（含 2.5% Eu³⁺- 抗 IP₁抗体与 2.5% IP₁-d2），室温孵育 1h 后，使用 EnVision 多功能酶标仪检测 340nm 激发波长下 615nm 与 665nm 的发射信号，以 665nm/615nm 的时间分辨荧光共振能量转移（TR-FRET）比值反映 IP₁积累水平。 结构导向优化 1.类似物设计与筛选 以虚拟筛选得到的强效激动剂化合物 1 为母核，基于其与 GPR139 的对接模型，设计结构修饰策略，重点优化噻吩环、恶二唑环及侧链取代基。利用 OpenEye OEToolkits 软件构建 SMARTS 模式，在 Enamine REAL 空间库（340 亿化合物）中搜索类似物，共识别 7574 个潜在类似物。通过 DOCK3.7 对接评分与可视化评估，选择 44 个类似物进行定制合成（化合物 1.1-1.44）。 2.类似物活性验证 采用钙动员实验与 IP₁积累实验对 44 个类似物进行活性筛选，筛选浓度为 10μM，对信号 > 50% 的类似物进行浓度 - 效应曲线测定，拟合 EC₅₀与 Eₘₐₓ值，分析结构 - 活性关系（SAR）。 结构生物学实验 1.GPR139 - 配体复合物制备 构建 N 端融合木聚糖酶（Xylanase）、C 端截短（322-353 位残基）并引入 S62²ˣ³⁹V 突变的 GPR139 重组载体，克隆至 pFastBac1 载体，通过杆状病毒表达系统在 Sf9 昆虫细胞中表达。使用 Ni-NTA 亲和层析与尺寸排阻色谱纯化受体，与 miniGₛ/ₐ蛋白、Nb35 纳米抗体及化合物 1.1 的外消旋混合物按比例混合，24℃孵育 1h 后加入腺苷三磷酸双磷酸酶（apyrase），25℃孵育 2h，再加入 1.2 倍摩尔比的 Nb35，4℃孵育过夜。通过 Superdex 200 10/300 GL 尺寸排阻色谱纯化复合物，缓冲液为 20mM HEPES（pH7.5）、100mM NaCl、0.00075% LMNG、0.00025% GDN、0.0001% CHS、100mM TCEP 及 10μM 配体，浓缩至 3.5mg/mL 用于 cryo-EM 样品制备。 2.cryo-EM 数据采集与处理 取 3μL 复合物样品滴加至经辉光放电处理的多孔碳网格（CryoMatrix R1.2/1.3，400 目），使用 Vitrobot Mark IV 冷冻仪在 100% 湿度、4℃条件下进行 vitrification， blotting 时间 2.5s，blot force=2。在 300kV Krios G4 显微镜上采集图像，配备 Falcon 4 Summit 直接电子探测器与 Quantum 能量过滤器，放大倍数 130,000×，像素尺寸 0.96Å，defocus 范围 - 1.2 至 - 2.0μm，每个帧累积电子剂量 60 e⁻/Ų。共采集 13,374 张电影，使用 cryoSPARC v4 进行数据处理：通过 Patch Motion Correction 校正光束诱导运动，Patch CTF Estimation 计算 CTF 参数，自动挑选 5,902,555 个颗粒，经三轮 2D 分类后得到 1,784,244 个有效颗粒，进行 3D 分类与非均匀细化，最终获得 3.2Å 分辨率的密度图（金标准 FSC=0.143）。 3.模型构建与 refinement 以 GPR139-JNJ-63533054-miniGₛ/ₐ-Nb35 结构（PDB:7VUH）为初始模型，使用 Chimera 将模型与 cryo-EM 密度图对齐，在 Coot 中手动调整配体与受体残基的构象，通过 PHENIX real_space_refine 进行精修，使用 MolProbity 评估模型质量，最终获得复合物结构（PDB:9M42）。 AlphaFold3 预测与评估 使用 AlphaFold3 v3.0.0 版本，在 GPU 集群上预测 GPR139 与化合物 1.1 (S) 的复合物结构，同时预测 5 个未纳入训练集的孤儿 GPCR - 配体复合物结构（GPR84 等）。输入受体氨基酸序列（FASTA 格式）与配体 SMILES 字符串，设置 2 个随机种子（10、43），每个复合物生成 10 个模型，选择排名最高的模型进行分析。通过 PyMOL 对齐 AlphaFold3 预测模型与实验结构，使用 Schrödinger Maestro 软件计算配体重原子 RMSD，统计受体与配体之间距离 < 4Å 的重原子接触数（LC），评估预测准确性。 信号通路表征 1.G 蛋白激活实验 采用基于生物发光共振能量转移（BRET）的 G 蛋白解离实验，检测 GPR139 对 Gi2、Gi3、GoA、Gq 及 G12 的激活能力。将 HEK293A 细胞接种于 96 孔白色不透明培养板，通过 Lipofectamine 2000 共转染 GPR139 质粒、Venus 1-155-Gγ2、Venus 159-239-Gβ1、masGRK3ct-NanoLuc 及相应 Gα 亚型质粒，转染后 20-24h 进行实验。加入 NanoGlo-furimazine 底物（1:1000 稀释）与测试化合物，在 LUMIstar Omega 酶标仪上检测 535nm（Venus）与 475nm（NanoLuc）的发射信号，以 BRET 比值（535nm/475nm）反映 G 蛋白解离水平，即激活程度。 2.Arrestin-3 招募实验 采用增强旁观者 BRET 实验检测 arrestin-3 招募。HEK293A 细胞转染 GPR139、RLuc8-Arrestin3-Sp1、GRK5 及 MEMlinker-Citrine-SH3 质粒，转染后 20-24h，用 HEPES 缓冲液洗涤细胞并孵育 2h。加入 5μM Coelenterazine h 底物，孵育 5min 后加入测试化合物，在 37℃下监测 30min 内 535nm（Citrine）与 475nm（RLuc8）的发射信号，以 BRET 比值的面积 - under-curve（AUC）反映 arrestin-3 的招募水平。 体内实验 1.动物分组与给药 选用 3-6 个月龄的 C57BL/6J 小鼠（雌雄各半），随机分为三组（n=8 / 组）：溶剂对照组（10% DMSO + 10% Solutol HS-15 + 80% 生理盐水）、化合物 1.5 (S) 组（30mg/kg，腹腔注射）、JNJ-63533054 组（30mg/kg，腹腔注射）。给药后 10min，将小鼠置于开放场装置（50×50×30cm）中，记录 50min 内的行为学数据。 2.开放场实验 使用 EthoVision XT 11.5 视频跟踪系统，分析小鼠的总移动距离（反映运动能力）与边缘停留时间（反映焦虑样行为，即趋触性 thigmotaxis）。数据采用单因素方差分析（One-way ANOVA）结合 Dunnett 多重比较检验，或双因素方差分析（Two-way ANOVA）结合 Tukey 多重比较检验进行统计分析，p<0.05 为差异有统计学意义。 3.血脑屏障穿透能力检测 行为学实验结束后，立即处死小鼠，收集血浆与脑组织。血浆样品离心（3000×g，4℃，10min）分离上清；脑组织匀浆（1:4 w/v）后离心（5204×g，7min）取上清。采用超高效液相色谱 - 串联质谱（UPLC-MS/MS）定量化合物浓度，色谱柱为 BEH C8 柱（2.1×50mm，1.7μm），流动相 A 为 0.1% 甲酸水溶液，流动相 B 为 0.1% 甲酸乙腈溶液，梯度洗脱（0-0.5min 100% A；0.5-1.3min 100% B；1.3-1.8min 100% B；1.8-2.0min 5% B），流速 0.5mL/min。质谱采用电喷雾电离（ESI+）模式，监测多反应监测（MRM）跃迁：1.5 (S) 为 313.3→105.4，JNJ-63533054 为 317.1→196，内标华法林为 309.2→163.0。计算脑血浆浓度比（Kp,brain = C_brain / C_plasma），评估血脑屏障穿透能力。 研究结果 超大规模虚拟筛选发现GPR139激动剂 基于 GPR139 的 cryo-EM 结构，对 2.35 亿个化合物进行虚拟筛选后，合成的 68 个候选化合物中，14 个在钙动员实验中表现出激动活性（信号 > 25%），且无化合物显示拮抗剂活性（图1c）。这些激动剂对 M1R 无明显激活，证明其 GPR139 特异性。进一步的浓度 - 效应曲线分析显示，5 个化合物（1-5）为完全激动剂，EC₅₀值介于 160nM（化合物 1）至 3.6μM（化合物 5）之间，Eₘₐₓ值为 70%-100%（相对于 Lundbeck Cmp 1a）（图2a、b）。IP₁积累实验验证了这些化合物的激动活性，尽管 EC₅₀值略高（500nM-50μM），但活性排名与钙动员实验一致（图2c）。值得注意的是，化合物 5 的 S - 对映体活性显著高于 R - 对映体（EC₅₀=540nM vs 3.6μM），与对接预测结果一致。 结构相似性分析显示，化合物 1-4 与 ChEMBL 数据库中已知 GPR139 配体的 Tanimoto 系数 < 0.4，其中化合物 2-4 的 T_c<0.3，属于全新骨架。化合物 1 的核心骨架在 ChEMBL 数据库中无相关生物活性报道，具有良好的成药潜力，因此被选为后续结构优化的母核。 图 2. 虚拟筛选发现的 5 个 GPR139 激动剂 结构导向优化获得强效激动剂 以化合物 1 为母核，设计并合成 44 个类似物，重点优化噻吩环、恶二唑环及侧链取代基（图3a、b）。钙动员实验显示，除化合物 1.36 外，所有类似物均具有 GPR139 激动活性，且对 M1R 无交叉激活。41 个类似物的信号响应 > 50%，EC₅₀值介于 50nM 至 5μM 之间，Eₘₐₓ值为 66%-125%。 结构 - 活性关系（SAR）分析表明： 1.噻吩环 4 位的甲基取代可显著提高活性，化合物 1.1（4 - 甲基噻吩）的 EC₅₀=50nM，较母核化合物 1（EC₅₀=160nM）提升 3 倍； 2.噻吩环替换为呋喃环不影响活性，但替换为噻唑环或恶唑环会降低活性； 3.中心恶二唑环对活性至关重要，替换为三唑环或恶唑环会导致活性显著下降（7-50 倍）； 4.苯环上的甲氧基取代（尤其是 2 位）可提高活性，化合物 1.2（2 - 甲氧基苯环）的 EC₅₀=50nM。 IP₁积累实验验证了类似物的活性，大部分化合物的 EC₅₀值略高于钙动员实验，但活性排名一致。化合物 1.1 在两项实验中表现出相同的 EC₅₀（50nM），优于参考化合物 Lundbeck Cmp 1a（EC₅₀=200nM）、JNJ-63533054（EC₅₀=300nM）及 TAK-041（EC₅₀=60nM），成为目前已知活性最强的 GPR139 激动剂之一（图3c、d）。 图 3. GPR139 激动剂的优化与结构 - 活性关系 cryo-EM 结构验证配体结合模式 GPR139-1.1 (S)-miniGₛ/ₐ-Nb35 复合物的 cryo-EM 结构分辨率为 3.2Å（图4a），密度图清晰显示化合物 1.1 的 S - 对映体（1.1 (S)）的结合构象（图4b、c）。实验解析的结合模式与对接预测高度一致，配体重原子 RMSD=2.9Å，恶二唑环与 E108³ˣ³²、R244⁶ˣ⁵¹ 形成氢键，苯环与 R244⁶ˣ⁵¹ 形成阳离子 -π 相互作用，噻吩环延伸至 TM6 与 TM7 形成的口袋中，推动螺旋向外扩张，使结合口袋的胞外区域略有扩大（图4d）。 与 JNJ-63533054 结合的 GPR139 结构相比，受体 Cα 原子的 RMSD=0.98Å，差异主要集中在 TM1-TM7 的胞外端（位移 0.5-2.1Å）。1.1 (S) 的酰胺基团通过水分子介导与 D84²ˣ⁶¹ 形成氢键，而 JNJ-63533054 的酰胺氮直接与 E108³ˣ³² 相互作用，这一差异也解释了两者结合模式的细微区别。 图 4. GPR139-1.1 (S) 复合物的 cryo-EM 结构分析 AlphaFold3对孤儿GPCR-配体复合物的预测局限性 AlphaFold3 预测的 GPR139-1.1 (S) 复合物结构与实验结构的配体 RMSD=2.7Å，受体 - 配体接触数（LC）=32%，与对接预测效果相当（RMSD=2.9Å，LC=10%）。但该结果得益于 GPR139 结构已纳入 AlphaFold3 的训练集。 对 5 个未纳入训练集的孤儿 GPCR - 配体复合物的预测结果显示，仅 GPR84 复合物的预测效果尚可（RMSD=3.4Å，LC=21%）；1 个复合物能正确识别结合口袋，但配体构象偏差较大（RMSD=5.7Å，LC=2%）；其余 3 个复合物的配体被预测至正构结合口袋外（RMSD=6.3-20.3Å，LC=0-2%），无法用于虚拟筛选。这表明 AlphaFold3 在未经过训练的孤儿 GPCR - 配体复合物预测中准确性有限，难以替代实验解析的结构。 GPR139 的信号传导特征 对化合物 1.1 的 S - 对映体（1.1 (S)）、R - 对映体（1.1 (R)）及 JNJ-63533054 的对映体进行信号通路表征，结果显示： 1.所有化合物均能激活 Gi2、Gi3、GoA、Gq 及 G12 蛋白，且 S - 对映体活性显著高于 R - 对映体（1.1 (S) 较 1.1 (R) 强 13-63 倍，JNJ (S) 较 JNJ (R) 强 40-158 倍）（图5b）； 2.1.1 (S) 的 EC₅₀值在各信号通路中为 13-200nM，其中对 G12 的激活活性最强，这是首次报道 GPR139 与 G12 的耦合； 3.1.1 (S) 与 JNJ (S) 的信号传导谱相似，但 1.1 (S) 在部分通路中活性略高（图5b、c）； 4.所有化合物均能招募 arrestin-3，S - 对映体的招募活性显著高于 R - 对映体（图5d）。在稳定表达 GPR139 的 CHO-K1 细胞中，1.1 (S) 的钙动员 EC₅₀低至 8nM，进一步证实其强效激动活性。 图 5. 化合物 1.1 对映体的信号通路表征 激动剂的体内活性与血脑屏障穿透能力 由于化合物 1.1 (S) 的小鼠肝微粒体代谢稳定性较低（CL_int=1369μL/min/mg），选择代谢稳定性更优的化合物 1.5 (S)（CL_int=46μL/min/mg，溶解度 = 24μM）进行体内实验。开放场实验显示： 1.化合物 1.5 (S)（30mg/kg，i.p.）与 JNJ-63533054 均能显著减少小鼠的总移动距离（p<0.05），且在 10-20min 时效果最显著（图6a、b）； 2.两者均能增加小鼠的边缘停留时间（趋触性），提示诱导焦虑样行为（p<0.05），与 GPR139 敲除小鼠的行为表型相反（图6c、d）。 UPLC-MS/MS 检测显示，给药 1h 后，化合物 1.5 (S) 的血浆浓度（C_plasma）为 8.0±2.2μM，脑浓度（C_brain）为 4.8±1.0μM，脑血浆比（Kp,brain）=0.67±0.15；JNJ-63533054 的 C_plasma=20.5±5.3μM，C_brain=24.8±6.2μM，Kp,brain=1.21±0.12。两种化合物的脑浓度均超过其体外 EC₅₀值，证实其能有效穿过血脑屏障并激活中枢 GPR139。 图 6. 化合物 1.5 (S) 与 JNJ-63533054 对小鼠运动能力与趋触性的影响 讨论与结论 化学探针的开发是推进药理学研究、表征受体生理功能与催化药物发现的关键。本研究针对孤儿受体 GPR139 的配体识别取得三项核心成果，印证了基于结构的虚拟筛选在超大型化学库中的应用价值：一是通过对数亿化合物的对接筛选，鉴定出 5 种具有多样化骨架的 GPR139 激动剂，为药物研发提供优质起点；二是经结构引导优化获得强效激动剂，其与 GPR139 的复合物冷冻电镜结构验证了预测结合模式，且该化合物的信号传导表征揭示了 GPR139 的 G₁₂蛋白偶联；三是小鼠开放场实验证实激动剂对运动活动和情绪均有调控作用。 商业化学空间的持续扩展推动虚拟筛选范式革新，基于结构的对接已能覆盖数十亿化合物，且候选分子可快速合成验证。相较于肾上腺素能、多巴胺等经典 GPCR（对接命中率 20%-70%），GPR139 胞外口袋的形状与极性更复杂，对假设内源性配体的反应微弱，导致本研究 7% 的命中率虽远高于传统高通量筛选，但低于经典 GPCR 对接结果，却与肽激活型 GPCR 等难靶向受体的筛选效率相当，且是此前 GPR139 虚拟筛选研究命中率的两倍。研究所得激动剂（如化合物 1.1）含苯乙酰胺结构（与已知配体 JNJ-63533054 共通），但效能达现有最高水平，且通过复合物结构验证了结合模式，为后续优化奠定基础，未来需结合冷冻电镜结构，兼顾药代动力学性质与靶点选择性，探索商业库外的新型类似物，并优化结合位点灵活性考量与配体亲和力预测方法。 未被充分研究的 GPCR 冷冻电镜结构不断涌现，为药物发现提供了关键的结合口袋信息。由于 GPR139 与其他 GPCR 序列相似性低，传统建模难以准确预测其结构与配体结合位点（GPCR Dock 2021 中仅 1/198 个模型达成配体 RMSD≤2Å），而本研究的对接筛选正是依托其与合成激动剂结合的冷冻电镜结构才得以成功。进一步评估显示，尖端深度学习工具 AlphaFold3（AF3）虽能在训练集包含 GPR139 时准确预测配体结合模式，但对未纳入训练集的孤儿 GPCR - 配体复合物，预测准确性显著不足，难以替代实验解析结构，凸显了实验测定受体 - 配体复合物结构的必要性。 脑部疾病尤其是神经精神疾病的药物研发极具挑战，近期获批的 M₁/M₄毒蕈碱受体激动剂 KarXT 是数十年来首个具有新作用机制的精神分裂症治疗药物。尽管 GPR139 激动剂 TAK-041 因疗效不足未达临床试验主要终点，但其良好的安全性与耐受性仍为该靶点的后续开发提供支撑。GPR139 与多巴胺、阿片类神经调节系统的关联，使其在精神分裂症、疼痛、神经退行性疾病等多种适应症中具有潜在价值。本研究进一步揭示了 GPR139 的 G₁₂蛋白偶联与 β- 抑制蛋白募集等信号特征（G₁₂在神经元迁移、神经递质释放及应激相关神经精神疾病中起重要作用），所提供的具有体内活性的强效激动剂支架，将助力 GPR139 生理功能的深入解析，为设计偏向性信号传导配体、开发神经精神疾病治疗药物奠定基础。 往 期 文 章 JACS（IF=15.7）|UCLA团队借力AI+MD解析PfB酶选择性催化机制，4步周环反应高效合成天然产物 Nat.Mach.Intell（IF=23.9）|耶鲁大学：ImmunoStruct多模态AI模型，以26049数据集实现免疫原性预测新高度，AUROC 0.882 Nat.Mach.Intell（IF=23.9）|伯克利国家实验室&密苏里大学开发PoseBench，DL共折叠方法主配体对接成功率64%，突破蛋白-配体对接瓶颈 J.Adv.Res.（IF=13）|AI药物发现新范式：从“微摩尔”到“纳摩尔”，杭州师范大学如何用AI生成+人工优化实现2300倍活性飞跃 APSB（IF=14.6）|中山大学团队构建全球首个萜类化合物生物活性图谱与AI发现平台，精准预测并实验验证新型抗黑色素瘤先导化合物 APSB（IF=14.6）|中国海洋大学+中科院团队利用AI+冷冻电镜，设计出靶向α7 nAChR的最小化芋螺肽，效力提升29倍 Nat.Commun.（IF=15.7）|UBC团队开发强化学习神器TARSA：高效筛选3600万肽库，解锁15种抗乳腺癌活性肽，3种具临床转化潜力 - end - 点赞 收藏 分享