综述：靶向蛋白质-核酸相互作用的药物研发

　　本综述系统阐述了靶向蛋白质-DNA/RNA相互作用这一传统“不可成药”领域的最新突破。文章重点介绍了四种前沿策略：直接抑制结合、稳定复合物、靶向降解（PROTACs）和变构调控，涵盖了转录因子（TFs）、RNA结合蛋白（RBPs）和DNA修复蛋白等关键靶点。作者结合人工智能（AI）、分子对接和分子动力学（MD）等计算技术，展望了该领域在癌症、遗传病及病毒感染治疗中的广阔前景。

　　

引言

蛋白质-核酸复合物在基因调控和疾病发生中扮演着核心角色，然而由于缺乏小分子结合口袋和动态结合模式等特点，转录因子（TFs）和RNA结合蛋白（RBPs）等DNA或RNA结合蛋白长期被视为“不可成药”靶点。近年来，随着技术创新，这一传统认知正被打破。研究者开发出多种创新策略来调控蛋白质-DNA和蛋白质-RNA复合物，主要包括：直接破坏结合、稳定特定复合物或构象、靶向降解相互作用伴侣以及变构调制。这些策略为治疗癌症、遗传性疾病和病毒感染开辟了新途径。

破坏蛋白质-核酸结合

直接抑制蛋白质-核酸相互作用，阻止复合物形成，是最直接的策略。许多转录因子和RNA结合蛋白依赖特定的核酸结合域，针对这些结构域的化合物可以抑制其调控活性。

在DNA结合蛋白方面，多个研究团队取得了重要进展。林等人发现Eltrombopag可通过阻断自噬调节因子TFEB的DNA结合来抑制下游基因表达。体外实验结合计算研究表明，萘醌类似物可干扰TCF4与DNA的相互作用，抑制Wnt信号通路并促进TCF4降解。Radaeva团队通过超大规模虚拟筛选发现了与雄激素受体（AR）DNA结合域结合的新作用模式抑制剂，阻断其转录活性。

靶向致癌转录因子与DNA的相互作用已成为一种有前景的治疗策略。通过计算机辅助药物设计（CADD），研究人员鉴定了可阻断前列腺癌中N-Myc功能的小分子VPC-70619。徐等人扩展了这一策略，使用三氧化二砷中断N-Myc-DNA相互作用，并开发了高通量细胞筛选方法来识别类似抑制剂。此外，针对内切酶XPG DNA结合域的抑制剂可增强肺癌细胞对顺铂的敏感性。Bhat团队发现了可破坏RAD52-ssDNA结合的小分子抑制剂，抑制该蛋白的细胞活性。

合成DNA结合剂在调节转录方面也显示出潜力。吡咯-咪唑聚酰胺（PIPs）可序列特异性地与双链DNA的小沟结合，已被用于靶向疾病相关基因如FXN、肝细胞生长因子（HGF）和RUNX。然而，脱靶效应仍然是需要解决的挑战。

同时，“订书肽”已成为有效的抑制剂，可模拟α螺旋结构域来阻断NF-Y和AR-V7等转录因子以及DNA修复蛋白和RNA结合蛋白中的蛋白质-DNA相互作用。共价抑制剂提供了另一条途径，通过不可逆地改变蛋白质-DNA界面处的关键亲核残基，如在FOXA1等转录因子中的应用。

RNA-蛋白质相互作用同样是具有吸引力的靶点，特别是在驱动癌症进展的RNA结合蛋白中。例如，RBP HuR（Hu抗原R）已被确定为多种癌症的潜在靶点。吴等人鉴定了可阻断HuR RNA结合口袋并抑制乳腺癌模型肿瘤生长的抑制剂。他们采用结合分子对接、分子动力学模拟和自由能分解方法的结构导向方法，发现了HuR RNA结合位点内的子口袋。这种抑制与其他研究一致，表明HuR抑制剂（如KH-3和CMLD-2）可使肿瘤对化疗敏感。邱等人发现苯基吡唑可通过结合其YTH结构域来抑制另一个RBP——m⁶A“阅读器”YTHDF2，导致癌细胞凋亡和细胞周期停滞。同样，高山等人报道了可阻断剪接因子PSF与RNA结合的小分子，抑制肿瘤生长和AR表达。

使用高通量荧光测定法检测hnRNPA2B1-RNA结合的破坏，发现了靶向RNA结合界面的小分子，减少了促炎microRNA的囊泡富集。最近的筛选活动进一步扩展了这种方法。Dunnett等人使用分子动力学（MD）和基于片段的晶体学来鉴定与RBP hnRNPA1的RNA结合域结合的小分子。高通量荧光偏振筛选用于鉴定RBP Igf2bp1的抑制剂，可显著降低癌细胞中的KRAS mRNA水平。最后，Matias-Barrios等人使用CADD结合定量生化和生物学分析，发现了一种可抑制RBP Lin28与RNA结合并抑制Lin28驱动的癌细胞增殖的小分子。

稳定核酸-蛋白质复合物

与抑制相反，一些药物可稳定蛋白质-核酸复合物（通常称为“分子胶”）。这种策略可以增强或损害下游生物学结果，取决于复合物的功能角色，提供了一种替代治疗途径。

例如，Kathman等人提出了一种靶向RBP NONO的策略，该蛋白在RNA水平调节AR表达。他们的研究表明，亲电小分子可以稳定NONO-RNA相互作用，损害转录本处理，并选择性下调AR亚型。

另一种方法涉及稳定非经典DNA结构。G-四链体（G4s）是在端粒和hTERT、VEGF等基因启动子中发现的稳定二级DNA构型。结合并稳定G4s的小分子可通过阻碍蛋白质-DNA相互作用来阻断转录和复制，从而诱导复制应激、DNA损伤以及凋亡或铁死亡等细胞命运结果。G4配体在三阴性乳腺癌和肝癌等癌症中显示出治疗潜力。黄等人通过分子对接和分子动力学结合体外和体内研究，发现了一种通过π-π堆叠结合并稳定VEGF G4 DNA结构的肝癌细胞选择性抑制剂，可减少VEGF释放、抑制血管生成并诱导凋亡。

RNA剪接的治疗性调节也受益于基于稳定的策略。怀特证明小分子Branaplam可选择性稳定U1 snRNP-5′剪接位点复合物，精确靶向RNA-蛋白质界面。

这些研究共同揭示了稳定蛋白质-核酸相互作用如何重塑调控通路，并实现仅靠抑制难以达到的治疗效果。

相互作用伴侣的靶向降解

由于许多核酸结合蛋白缺乏经典可成药口袋，诱导接近降解策略已成为强大的替代方案。蛋白水解靶向嵌合体（PROTACs）的应用已被证明是通过利用泛素-蛋白酶体途径驱动选择性蛋白降解来靶向DNA和RNA结合蛋白的有吸引力方法。PROTACs是双部分分子，将致病蛋白与细胞的降解机制结合在一起，导致不需要的蛋白被标记和蛋白酶解。

一些例子包括针对雄激素受体（AR）、雌激素受体α DNA结合域（ERα-DBD）和BRD4的PROTACs。Naganuma等人使用基于结构的方法开发了靶向ERα的诱饵寡核苷酸PROTACs，掺入硫代磷酸酯主链和T4发夹环以增强结构稳定性、核酸酶抗性和乳腺癌细胞中的ERα降解活性。值得注意的是，选择性ERα降解剂Vepdegestrant（ARV-471）目前正在进行临床试验，与标准内分泌治疗相比，显示出对野生型和突变型ER的优异降解效果和改善的肿瘤生长抑制。

最近，开发了一种基于识别的共价PROTAC，使用DNA适体选择性降解Z-DNA结合蛋白1（ZBP1），作为感染诱导炎症的潜在疗法。Kashkush等人证明了使用PROTACs和小分子分子胶选择性降解Lin28（肿瘤抑制microRNA let-7的抑制因子）。类似地，开发了基于Lin28A-miRNA的PROTACs来选择性降解Lin28A，恢复肿瘤抑制性let-7 miRNA水平。这种方法抑制了癌细胞增殖和迁移，增强了化疗敏感性，并减少了肿瘤生长。王等人设计了一种含甲基化胞嘧啶的寡核苷酸缀合物（甲基-PROTAC）来降解DNA甲基化阅读器MeCP2。该化合物诱导凋亡并选择性消除过表达MeCP2的癌细胞，说明了一种新的表观遗传降解策略。

进一步证明核苷酸引导降解的多功能性，李等人开发了一种使用苏糖核酸（TNA）和DNA适体的PROTAC，靶向并降解乳腺癌中的转录因子c-Myc。王的另一项研究引入了原型端粒靶向嵌合体（TeloTACs），可降解端粒重复结合因子1和2（TRF1/2）。TeloTACs诱导端粒缩短和癌细胞增殖抑制。值得注意的是，剪接因子RBM39正在使用磺胺E7820进行降解的已完成II期临床试验中作为靶点，用于白血病患者，展示了RNA结合蛋白降解策略的临床转化。

PROTACs的计算结构建模也为其优化和合理设计提供了见解，例如通过整合蛋白质-蛋白质对接、结构比对和原子分子动力学模拟。PROTAC-DB 2.0等资源现在包括高效降解剂的预测三元复合物结构，正在加速结构导向的下一代PROTACs开发。最近，开发了PRODE，一种新的PROTACs计算机框架，用于模拟三元复合物、预测结合热力学、评估复合物稳定性并为具有挑战性的靶点设计降解剂。

这些进展共同强调了诱导接近降解如何重塑治疗靶向 landscape，使能够药理学消除缺乏经典可配体口袋的核酸结合蛋白。

相互作用的变构调制

一种相关策略是变构调制，即小分子结合到蛋白质或RNA/DNA上与蛋白质-核酸界面分开的位点，并触发影响结合亲和力的构象变化。在某些情况下，这涉及结合到DNA或RNA的附近区域以改变其结构。

变构策略已成为通过稳定无活性构象来调节DNA结合酶的有效手段，绕过直接活性位点竞争。例如，共价抑制剂VVD-133214靶向WRN解旋酶中的C727，诱导紧凑构象，阻断DNA解旋，并通过DNA损伤选择性杀死MSI-H癌细胞。弗里德等人发现了一种纳摩尔级的变构抑制剂，通过诱导拟合机制将DNA损伤响应蛋白DNA聚合酶θ（Polθ）捕获在B型DNA上。使用X射线晶体学和生化测定，他们表明该抑制剂将Polθ稳定在闭合构象中，选择性阻断其活性，并克服乳腺癌细胞中的PARP抑制剂耐药性。

转录因子STAT3，一个已充分确立的肿瘤靶点，也经历了变构调制。虽然大多数努力集中在其SH2结构域，但Szalai等人发现了一个先前未充分开发的位于卷曲螺旋和DNA结合结构域连接处的口袋。他们通过虚拟筛选鉴定了共价配体，为未来研究中靶向这个变构位点提供了一个有前景的支架。

值得注意的是，靶向核酸是实现变构调制的另一种方式。最近对DNA结合杂环二脒的研究表明，结合DNA的一个区域可以重新分配其他地方的转录因子占据，对基因调控施加间接而强大的影响。

这些多样的例子共同突出了变构策略在扩展蛋白质-核酸相互作用可成药空间方面的多功能性。

结构和计算技术的进展

结构生物学和计算建模的技术突破显著扩展了靶向蛋白质-核酸相互作用的 landscape。最近基于人工智能（AI）的方法，如AlphaFold3和RoseTTAFoldNA，能够以越来越高的准确性模拟蛋白质-蛋白质（或肽）、DNA-蛋白质和RNA-蛋白质复合物，支持针对以前难以处理的靶点的合理药物设计。类似地，DOCKGROUND为蛋白质-RNA相互作用的结构建模开发和基准测试提供了资源。然而，尽管结构预测软件取得了成功，但它们在RNA结构上的准确性仍然不如蛋白质水平，如在最近两次结构预测竞赛CASP15和CASP16中观察到的那样。

在过去十年中，冷冻电镜（cryoEM）显著扩展了RNA/DNA-蛋白质相互作用的结构 landscape。诸如TEMPy-ReFF/RIBFIND2等软件与ERRASER2（ERRASER尚未发布的继任者）结合，可用于改善涉及核酸结构复合物的模型精修。这在许多CASP15靶点上得到了证明，突出了将计算方法与实验技术相结合以辅助蛋白质-核苷酸药物发现的价值。这些进展将允许更准确地识别传统上具有挑战性的RNA/DNA-蛋白质靶点上的可成药口袋。

一个全面的设计周期可能包括预测蛋白质-RNA/DNA结构或蛋白质-订书肽结构以识别结合位点，使用对接算法（如用于评估小分子相互作用的NPDock、HADDOCK和SwissDock 2024）将小分子（或肽）对接至靶蛋白/RNA或DNA，然后运行分子动力学（MD）模拟（例如使用GROMACS）。其他计算方法已被开发用于评估小分子/肽。例如，最近，StaPep通过分析其结构和分子特征，实现了对订书肽相互作用的详细表征，改进了合理设计策略。

对于以RNA为重点的发现，出现了几种基于结构和深度学习的方法。DRLiPS，一个基于结构的SVM（支持向量机）框架，以比先前模型（如DrugPred_RNA）更高的准确性预测可成药RNA-配体结合口袋。最近的注意力也集中在专门为RNA开发的分子对接分数上，RLaffinity于2024年作为首批用于预测RNA-配体亲和力的深度学习方法之一被引入。FingeRNAt利用机器学习模型将共价相互作用编码为结构相互作用指纹，以预测驱动配体与RNA结合的关键相互作用。最近，RNAmigos2引入了一个深度学习流程，允许将RNA结合位点表示为2.5D图。该模型利用合成数据来克服RNA-配体结构数量有限的问题，实现了高速提升，从而能够进行超高通量对接。并行地，DRPScore是一个使用4D-CNN架构的深度学习模型，显著改善了从对接诱饵中识别类天然蛋白质-RNA复合物，优于现有方法。然而，其在未结合-未结合案例上的适中成功率 underscore 了准确RNA-蛋白质结构预测方面持续存在的挑战。

最近的一项研究报道了一种用于大规模分析RNA-小分子相互作用的实验技术。这种方法改编了FOREST平台，该平台最初是为RNA-蛋白质相互作用分析而开发的，通过将条形码化的RNA文库与基于珠子的pull-down和微阵列读数相结合，用于高通量映射RNA-小分子相互作用。

最后，TRIBE-ID（通过二聚化诱导编辑识别的RBPs靶点）提供了使用化学诱导的A-to-I编辑对RNA-蛋白质相互作用进行转录组范围内的体内映射，方法是将RNA编辑酶与RBP融合。它可以量化药物诱导的结合变化，如在氧化应激下RBP G3BP1所示。

这些进展共同改变了我们识别、预测和精确操纵蛋白质-核酸相互作用的能力。

结论与展望

近年来，针对蛋白质-DNA和蛋白质-RNA相互作用的药物发现取得了巨大进展。例如，用小分子破坏此类界面在抑制转录因子N-Myc或RBP HuR等癌蛋白方面显示出前景。相反，稳定蛋白质-核酸复合物证明了增强而非抑制这些相互作用如何重编程调控通路，并实现传统抑制策略通常无法达到的治疗效果。此外，像PROTACs这样的靶向降解策略已成功消除“不可成药”的转录因子和RBPs。最后，变构方法也在涌现，提供了影响结合的新途径。这些多样化的策略表明，没有一刀切的解决方案，而是有一套工具包方法来应对这些复杂靶点的不同方面。

尽管取得了这些进展，挑战仍然存在。特异性至关重要，因为许多DNA或RNA结合蛋白具有相似的基序，最小化脱靶DNA和RNA相互作用仍然是一个基本目标。设计能够区分密切相关的结合位点而不影响同源蛋白的配体尤其困难，需要高分辨率结构数据和仔细优化。同样重要的是优化药代动力学特性，包括细胞渗透性、代谢稳定性和生物利用度，特别是对于新兴治疗模式如PROTACs和订书肽。此外，需要更深入地了解潜在的耐药机制和干扰基本细胞过程的更广泛系统性后果，以确保疗效和安全性。

未来，整合结构生物学、多组学方法和高通量筛选可能会发现用于靶向蛋白质-核酸复合物的新化学型。降解、稳定或变构调节这些相互作用的能力为治疗癌症以及遗传性和病毒性疾病开辟了令人兴奋的机会，通过直接干预基因调节器。然而，实现这些方法的全部临床潜力需要解决与可扩展性、药物稳定性和监管途径相关的挑战。与此同时，计算方法的进步有望通过改进蛋白质-核酸相互作用的预测和指导选择性配体的设计来加速这一进程。机器学习可以识别关键相互作用模式并比传统方法更快地优化分子。虽然生成式AI模型提供了超越现有化学空间的新化合物设计，但它们目前因结构数据有限而受到限制。可解释AI使AI系统的行为对人类可理解，将增强机制洞察，有助于减少脱靶效应和耐药性。这些进展共同承诺放大靶向蛋白质-核酸相互作用的治疗工具包，并正在迅速改变曾经被认为是“不可成药”的领域。