Sibutramine Hydrochloride

—兼焓熵之力，谋定而后动 传统药物分子设计多基于靶点结构或已知配体特征，通过分子对接、高通量筛选等方式追求空间与极性匹配，却往往陷入此类研发困局：经多轮结构修饰与优化，分子与靶蛋白的体外结合亲和力已达nM甚至pM级，进入生理体系后活性却显著折损，难以达到预期药效。 这一看似难以突破的设计难题，往往并非源于靶点选择偏差或结构修饰方式失误，而是指向被长期忽视的药物-靶蛋白非共价结合的热力学底层逻辑—焓熵补偿的失调。作为物理热力学的经典核心概念，焓与熵如何成为小分子药物设计的关键影响变量？其平衡关系又如何左右药物-靶蛋白的结合效率与稳定性？ 溯源：从物理公式到药物设计指标 药物与靶蛋白的非共价结合，本质是一个自发的热力学过程，所有小分子设计策略的底层逻辑，均无法脱离热力学核心公式：ΔG = ΔH - TΔS。其中吉布斯自由能ΔG是判断该结合过程能否自发发生、衡量结合稳定性的核心标尺——ΔG越负，药物与靶蛋白的结合亲和力越强，结合状态越稳定，这也是焓熵调控在小分子药物设计中应用的核心理论根基。 其中，结合焓（ΔH）是药物与靶蛋白之间各类非共价相互作用的综合体现，离子键、氢键相互作用、π-π堆叠相互作用、范德华相互作用等的强弱与数量，直接决定ΔH的正负与数值大小。ΔH越负，焓驱动的靶点结合作用越强；ΔH的有利成分主要包括极性相互作用（如氢键、范德华相互作用），而极性脱溶效应则起了负面作用，因为它需要额外的能量将水分子从极性基团中驱离。 结合熵（−TΔS）是结合过程中体系混乱度的变化值，主要分为溶剂熵与构象熵两个维度——药物嵌入靶蛋白结合口袋时释放结合的水分子，往往带来溶剂熵的正向增益（ΔS为正，利于结合）。当药物与靶蛋白因结合发生构象刚性化，则造成构象熵的负向损失（ΔS为负，不利于结合），总熵即为两者的综合效应。 Figure 1 Typical contributions to the thermodynamic profiles in ligand−receptor interactions. Favorable enthalpy interactions(ΔH, green columns) are contributed mainly from hydrogen bonding and van der Waals interactions. Unfavorable enthalpic contributions include the polar desolvation effects. Favorable entropy contributions (−TΔS, orange columns) consist of desolvation, whereas unfavorable entropy contributions usually refer to the conformational change between the small molecules and target. ΔG represents Gibbs free energy of binding (blue columns). DOI: 10.1021/acs.jmedchem.2c00682 量化：等温滴定量热法（ITC）捕获焓熵动态 ITC（Isothermal Titration Calorimetry）是通过将药物配体逐步滴定到靶蛋白溶液中，精准测量配体-受体复合物形成和解离过程中实时热量变化，直接获得结合焓和KD，再结合实验温度计算出结合熵和自由能的无标记、免结晶技术，也是验证基团改造后非共价相互作用变化、定量焓熵贡献的关键手段。 Figure 2 Thermodynamic parameters in the process of ligand−receptor binding. (A) Basic introduction of isothermal titration calorimetry. (B)Calorimetric curves. DOI: 10.1021/acs.jmedchem.2c00682 焓熵调控从能量学的角度成功弥合了结构与功能之间的鸿沟，通过定向优化结合焓、调控结合熵，实现真实环境下药物-靶点结合力的优化，既精准指导基团改造避免盲目研发，又能在提升药物与靶点结合亲和力、特异性的同时，平衡药物的成药性（水溶性、脂溶性等）和热力学稳定性，让设计出的药物兼具高活性与良好的实际应用价值，因而成为重要的药物合理设计指标。 困局：焓熵调控，为何难破研发桎梏？ 既然热力学指标具有如此大的应用价值，那为何往往只是作为引线优化的附加指标，焓熵调控始终始终难以落地到药物设计的全流程研发中，其中主要有三个原因掣肘了其真正作为定量设计工具的发展： （1）存在焓-熵补偿现象（EEC）： 在化学过程中涉及密切相关结构或条件时，焓与熵变化之间存在线性相关，即焓的增益往往被熵的损失所补偿，反之亦然，导致最终自由能ΔG几乎不变。因而虽然焓和熵同时优化是明确目标，但许多制药实验室的经验表明这一目标难以实现。 Figure 3  (a) Binding enthalpy (ΔHb, blue bars), entropy (−TΔSb, yellow bars), and free energy (ΔGb, green bars and black curve) measured experimentally by ITC for a series of ligands targeting HMG-CoA reductase. Data taken from ref 1. Despite the large variations observed in both enthalpic and entropic terms, the binding affinity remains nearly constant across the whole data set due to H/S compensation. (b) Plot of enthalpy (ΔHb) vs entropy (TΔSb) terms showing the linear relationship between them. DOI: 10.10.1021/acsomega.1c00485 （2）缺乏足够的微热量测量仪器 传统ITC灵敏度不足，难以精准捕捉一些弱结合的纳焦级热信号，在片段优化或背景热信号太大时等难以提供可靠的热力学指导。突破困境需要灵敏度、吞吐量和数据处理能力更好仪器。 （3）精确有效的定量热力学模型的缺失 焓熵的精准计算，高度依赖长时间尺度的分子动力学模拟与微量热滴定实验，不仅耗时费力、研发成本居高不下，且暂无统一的定量指标与明确的优化阈值，而化合物实体又呈指数级上升，逐个实测的模式已无法适配苗头化合物的早期筛选，只能在先导化合物优化阶段“亡羊补牢”。缺失优秀定量模型进行计算机辅助虚拟筛选与预测，这就导致热力学仅能作为后续优化的辅助依据。 笃行：DC-SIGN靶点，于补偿博弈中寻最优路径 如今，越来越多的研究人员在药物设计最初开始关注焓熵的平衡调控，因为焓熵补偿并不绝对，如果补偿是不可避免的现象，那么提升化合物的结合亲和力将是不可能的。在热力学层面，药物设计者的角色是克服焓/熵的代偿，因为提升结合亲和力必然意味着克服焓/熵的代偿，下面是一个较为成功的案例： 树突状细胞特异性细胞间粘附分子3结合非整合素蛋白（DC-SIGN）是一种C型凝集素受体，通过结合糖基化配体介导病毒入侵（如HIV、新冠）和炎症反应，是抗感染、抗炎的重要靶点。天然糖配体与DC-SIGN的结合多亲和力低、选择性差。研究以对构象灵活的伪甘露二糖类似物为优化起点，亲和力KD为32μM，先通过限制构象自由度的熵引导配体设计策略。将配体1的氨基转化较不灵活的哌啶基团时，会产生预期的熵增益（−TΔΔS°1→2 = −10.8 kJ mol−1）。然而，同时焓损失为ΔΔH°1→2 = 11.4 kJ mol−1，最终略微降低了整体结合亲和力，引入环丙烷支架效果也类似，构象限制被证明是减轻熵损失的有效策略。然而，结合体构象的细微差异阻碍了结合位点的最佳相互作用，会对结合焓造成严重惩罚，过度补偿熵的优势，因而最后还是选择配体1。 Figure 4 Thermodynamic profiles of ligands 1−3 (blue: Gibbs Free Energy (ΔG°), green: enthalpy (ΔH°), red: entropy (−TΔS°)).  DOI: 10.1021/acs.jmedchem.4c00623 接着考虑增强焓贡献，借鉴与天然配体的络合物中观察到的氢键网络，并通过配受体复合物的X射线晶体观察，获得该氢键网络潜在延伸的新见解。通过末端氨基与不同取向羟基的替换，设计了一系列如下化合物： Figure 5 Thermodynamic profiles of ligands 13, 17, 21, 25, 32, and 39 (blue: Gibbs Free Energy (ΔG°), green: enthalpy (ΔH°), red: entropy (−TΔS°)). DOI: 10.1021/acs.jmedchem.4c00623 研究者比较了各自的热力学数据，仔细分析NH2→OH和（R）→（S）转化对亲和力的影响，对于（R）构型的糖酮，将末端羟基替换为氨基（17→32，绿箭头），导致焓增益为ΔΔH°17→32 =−2.0 kJ mol−1，伴有轻微的熵变化。焓结合能的微小提升由末端氨基与受体Glu358的离子相互作用解释，而对（S）构型异构体（21→39，紫箭头）的类似替代效果更为显著。成功实现了氢键网络的稳定和扩展，产生了焓增益ΔΔH°21→39 = −17.6 kJ mol−1，单独来看，亲和力提升超过3个数量级。然而，这一显著的焓增益被焓-熵补偿（−TΔΔS°21→39 = 11.4 kJ mol−1）显著衰减，推测源于高度组织化的蛋白质-配体复合体柔韧性丧失。但最终仍获得了含（S）构型氨基醇结构的较理想的化合物，为后续研究提供了优秀范式。 Figure 6 Matched molecular pair analysis revealing an activity cliff for 39 through cooperative interactions of the aglycone. DOI: 10.1021/acs.jmedchem.4c00623 革新：合理定量模型的新范式 目前存在的方法依赖于势能模型的质量和构象自由度的充分采样才能计算出精确的自由能，熵和焓的计算难度大约又比自由能高一个数量级。Christopher M. Summa团队对此提出了创新计算模型—带动力尺度的复制交换法（REDS），核心是结合了一种复制交换法增强采样与自由能计算，解决传统方法难以同时获取三种关键热力学参数的瓶颈。该模型包含两个不同温度的常规副本（用于通过ΔG的温度导数计算熵变ΔS = -dΔG/dT）和一个采用修改哈密顿量的动态缩放中间副本（显著提升构象采样效率，跨越温度范围实现高效副本交换），并经验证能在BRD4-抑制剂复合物体系中，准确预测ΔG，为焓/熵驱动的分子设计提供定量映射，支撑AI药物设计的训练数据生成。 Figure 7 Replica exchange with dynamical scaling (REDS), uses two conventional simulations at different temperatures so that the entropy can be found from the temperature dependence of the free energy. DOI: 10.1021/acs.jctc.4c00057 思考与展望 热力学聚焦药物-靶点结合的平衡状态，以结合自由能为核心指标，决定着二者相互作用的发生可行性，也直接关联结合亲和力、稳定性与靶点特异性。如今的药物设计早已跳出“一味追求强结合”的传统思路，转而深耕焓熵平衡的精准调控，唯有让二者达成动态适配的协同关系，才能避免单因素优化导致的顾此失彼，让分子的热力学特性更贴合成药性需求。 当然，真正优秀的药物分子，还需兼顾动力学数据。动力学聚焦药物-靶点结合/解离的速率过程，决定着相互作用的发生快慢与体内作用持续时间，既直接关联药物的起效速度、靶点选择性，更能破解研发中的实际痛点：比如部分分子虽热力学结合力极强，却因动力学壁垒过高导致结合速率过慢，副反应频发，体内无法及时起效。我们应兼顾热力学的“结合实力”与动力学的“作用效率”，才能让药物分子从实验室设计走向实际应用。 当下，随着AI辅助药物设计、高精度分子动力学模拟、自由能微扰等技术与焓熵调控的深度融合，药物研发正朝着更精准、更贴合体内实际的方向迈进。我们期待未来能构建出整合了pH、离子强度、细胞膜微环境等体内复杂因素的强大定量模型，真正有望破解焓熵补偿的核心难题，打通“体外焓熵参数-体内药效效应”的链路，并让研发规律可复制、可标准化。我们相信，随着对靶点结构与作用机制的认知不断加深，焓熵调控的边界还将持续拓宽：从静态的平衡调控到特殊功能基团介导的环境响应型动态焓熵调控，让药物分子能根据靶点微环境自适应调整焓熵贡献比例；甚至依托从头设计技术，根据靶点的结合需求直接反向生成匹配焓熵特征的分子结构。这一系列突破，终将让焓熵平衡这一核心原理，成为驱动药物设计从“经验优化”向“精准定制”跨越的核心动力。 参考资料： 1. Peccati F, Jiménez-Osés G. Enthalpy-Entropy Compensation in Biomolecular Recognition: A Computational Perspective. ACS Omega. 2021;6(17):11122-11130. 2. Liu W, Jiang J, Lin Y, You Q, Wang L. Insight into Thermodynamic and Kinetic Profiles in Small-Molecule Optimization. J Med Chem. 2022;65(16):10809-10847. 3. Nemli DD, Jiang X, Jakob RP, et al. Thermodynamics-Guided Design Reveals a Cooperative Hydrogen Bond in DC-SIGN-targeted Glycomimetics. J Med Chem. 2024;67(16):13813-13828. 4. Summa CM, Langford DP, Dinshaw SH, Webb J, Rick SW. Calculations of Absolute Free Energies, Enthalpies, and Entropies for Drug Binding. J Chem Theory Comput. 2024;20(7):2812-2819. 5. Minetti CA, Remeta DP. Forces Driving a Magic Bullet to Its Target: Revisiting the Role of Thermodynamics in Drug Design, Development, and Optimization. Life (Basel). 2022;12(9):1438.  往期回顾： Nature Medicine: 2026年的关键临床试验 Nature Medicine: 2025年的重要医学进展 转录因子：药物设计难题？ 蛋白激酶：抑制剂与激动剂 药物设计与优化：基于结构的分子生成 排版/整理：舒黄亮/杨俊杰