Оптимизация производных сорафениба на основе фрагментации ИИ для воздействия на VEGFR2 при патологиях, связанных с ангиогенезом: структурное in-silico исследование

Почему перенастройка противоракового препарата важна для многих болезней

Новые кровеносные сосуды поддерживают жизнедеятельность органов, но если их рост выходит из-под контроля, они могут питать опухоли, повреждать глаз и нарушать работу плаценты во время беременности. В этом исследовании изучается, как искусственный интеллект и продвинутые компьютерные симуляции могут перепроектировать уже существующий противораковый препарат сорафениб так, чтобы точнее контролировать ключевой «переключатель» роста сосудов — VEGFR2, с долгосрочной целью получить более безопасные методы лечения заболеваний, связанных с ангиогенезом.

Светофор для новых сосудов

Рост кровеносных сосудов, или ангиогенез, во многом зависит от белка на поверхности клеток, выстилающих сосуды, — VEGFR2. Когда его партнер VEGF связывается с ним, VEGFR2 посылает клеткам сигналы к делению, миграции и формированию новых сосудов. Это полезно при заживлении ран и развитии, но вредно, когда обеспечивает кровоснабжение опухолей, способствует некоторым заболеваниям глаза, хроническому воспалению или аномалиям плаценты. Из-за этой центральной роли VEGFR2 стал важной мишенью для лекарств, и уже существуют препараты, которые его блокируют. Однако многие из них, в том числе сорафениб, действуют на несколько родственных белков, что может вызывать серьёзные побочные эффекты.

Превращение сорафениба в более точный инструмент

Сорафениб — мощный, но грубый инструмент. Он связывается с внутренней «двигательной» областью VEGFR2 и родственных ферментов, подавляя сигналы, стимулирующие рост сосудов. К сожалению, его широкий спектр активности вызывает такие проблемы, как повышенное кровяное давление, нагрузка на сердце, кожные реакции и риск поражения печени. Вместо того чтобы начинать с нуля, авторы взяли базовый химический скелет сорафениба как шаблон и задали вопрос: можно ли с помощью ИИ аккуратно изменить эту молекулу так, чтобы она крепче сцеплялась с VEGFR2, имела более благоприятное поведение в организме и выглядела менее токсично — без потери противоангиогенной активности?

Позволяя ИИ исследовать более безопасное химическое пространство

Команда подала структуру сорафениба в систему на базе ИИ, которая выполняет небольшие, химически реалистичные изменения — добавляет или заменяет фрагменты так, как это мог бы сделать прикладной химик в лаборатории. В результате получили двадцать новых кандидатов, которые сохраняли основные черты сорафениба, но отличались заместителями и общей геометрией. Исследователи затем полностью опирались на компьютерные методы для оценки этих кандидатов: виртуальный докинг в высокоразрешающую 3D-модель VEGFR2, длительные молекулярно-динамические симуляции, имитирующие движение атомов в водной, похожей на условия организма среде, и расчёты энергии, оценивающие силу связывания каждой молекулы.

Выдающийся кандидат в симуляциях

Один из дизайнов, названный AI-Fragmented Derivative 7 (Grow), стабильно поднимался в лидеры. Исследования докинга показали, что он более плотно размещается в основной активной щели VEGFR2, чем сорафениб, формируя более плотную сеть контактов с ключевыми аминокислотами, которые имеют значение для реальных ингибиторов. Полмикросекунды молекулярно-динамических симуляций продемонстрировали, что комплекс оставался заметно стабильным во времени: белок оставался компактным, карман связывания не смещался и не деформировался, а новая молекула почти не сдвигалась, поддерживая несколько водородных связей и гидрофобных контактов на протяжении всего времени. Продвинутые квантово-механические расчёты показали, что распределение электронов у Дериватива 7 способствует зарядовым взаимодействиям с VEGFR2, что подтверждает прогнозируемую сильную связь.

Признаки лучшего поведения в организме

Кроме хорошего связывания, лекарство должно безопасно перемещаться по организму. Авторы использовали веб-инструменты для прогнозирования растворимости, абсорбции, метаболизма печёночными ферментами и потенциальной токсичности каждого кандидата. Для Дериватива 7 предсказали слегка лучшую водную растворимость и более сбалансированное соотношение липофильных и полярных областей по сравнению с сорафенибом — свойства, которые часто упрощают дозирование и подготовку лекарственной формы. Важно, что модели на основе машинного обучения отмечали сорафениб как более склонный вызывать лекарственно-индуцированное повреждение печени, тогда как Дериватив 7 находился на более безопасной стороне по этому риску. При этом он сохранил в целом схожий профиль метаболизма, что говорит о предсказуемости путей его разложения.

От компьютерных обещаний к реальным доказательствам

Проще говоря, работа показывает, как ИИ и физически обоснованные симуляции могут «обточить и отполировать» существующее лекарство, превратив его в потенциально более точную и безопасную версию, нацеленную на тот же молекулярный переключатель. Переработанный производный сорафениба, по экранным моделям, кажется, крепче захватывает VEGFR2 и имеет меньше «красных флажков» по риску повреждения печени, при этом сохраняя базовые свойства, делающие сорафениб эффективным. Однако все эти результаты — предсказания: новая молекула ещё не синтезирована и не протестирована в клетках, животных или у пациентов. Истинный вклад исследования — предоставление обоснованного, насыщенного данными кандидата и повторно используемой цифровой конвейерной схемы для разработки лекарств следующего поколения, которые лучше укрощают неконтролируемый рост сосудов при раке, болезнях глаза и других состояниях, управляемых ангиогенезом.

Цитирование: Inan, D., Karageçili, S. & Ali, N. AI fragmentation-based optimization of Sorafenib derivatives targeting VEGFR2 for angiogenesis-related pathologies: a structure-based in-silico study. Sci Rep 16, 11848 (2026). https://doi.org/10.1038/s41598-026-41232-9

Ключевые слова: ангиогенез, ингибиторы VEGFR2, производные сорафениба, дизайн лекарств с помощью ИИ, молекулярный докинг