分子LEGION：围绕NLRP3靶点的化学空间的不可估量的大覆盖

这对未来药物为何重要

设计新药就像在无尽的海滩上寻找少数几粒特殊的沙子。本文描述了一种大幅拓宽围绕一个有前景的免疫开关NLRP3的搜索方法，NLRP3与多种慢性炎症疾病有关。通过将多种人工智能方法与巧妙的化学策略相结合，作者生成并共享了一大批计算机设计的分子，这些分子有朝一日可能成为新药的起点。

无尽分子宇宙的挑战

化学家用“化学空间”来描述原则上可能存在的所有小分子。这个空间之大令人难以想象——远超我们能存储在数据库或在实验室测试的范围。现有的实际或易于合成的分子目录仅覆盖了这片宇宙的极小一角，而且已知具有生物活性的更少。如今的大多数药物发现仍然在那一小块被广泛使用的池塘中捕鱼，这限制了找到真正新颖且可申请专利的疗法的机会。作者认为，最令人兴奋的区域位于明确可合成与明确不可合成之间：那些看起来真实但从未被合成过的分子。

一个难攻但有价值的炎症开关

团队将注意力集中在NLRP3上，这是一种帮助控制炎症的蛋白复合体。当其调控失常时，NLRP3已与多种疾病相关，从自身免疫病到代谢性和神经退行性疾病不等。已有若干公司设计出针对NLRP3的小分子抑制剂，但尚无成为获批药物的例子，部分原因在于选择性、向正确组织输送以及复杂的生物学问题。这使得NLRP3既高风险又高回报：是检验能否比常规模式探索更广泛化学领域的方法的理想场地。

LEGION 工作流程如何探索化学空间

作者提出了LEGION，一套基于名为Chemistry42的工业级人工智能平台的多阶段工作流程。首先，他们以已知的、含有小分子结合于NLRP3蛋白内部的三维结构为起点。以这些结构为模板，他们进行两条独立搜索：一条筛选大量现有且合成上可行的分子集合，另一条则使用生成式AI模型来发明新的、合理的分子。两者都由计算机模拟引导，检查每个分子与蛋白的契合程度，包含形状和关键接触点。从得到的“虚拟命中”中，团队自动提取看起来对结合至关重要的核心分子骨架或支架。

从关键骨架到数十亿种可能性

接着，LEGION将这些基于三维的骨架转换为带有可以连接化学基团位置标记的二维构件。研究者对这一集合进行精炼与扩展，得到超过34,000个独特骨架，进而筛选出约94,000个尤为适合进一步设计的优选骨架。他们采用两种互补策略来构建庞大的虚拟库：一是二维生成流水线，围绕这些骨架提出新分子；二是一种简单但强大的组合方案，系统性地将“左侧”和“右侧”片段插入中心骨架。对这一组合爆炸进行谨慎抽样后，得到约1.1亿个不同的分子并收录于共享数据集中，而随附的代码理论上可以生成大约1230亿个分子。

检验虚拟分子是否仍然合理

创造惊人的大量结构只有在其中一部分具有较高成功概率时才有意义。为此，作者随机挑选他们二维设计分子的子集，再次进行完整的三维对接和打分，仿佛这些是新的候选分子。他们发现，生成式AI产生的分子中有超过一半，以及组合策略产生的相当一部分，在这些测试中表现得像有前景的“虚拟命中”。在额外的案例研究中，他们展示了LEGION能在未被直接告知的情况下重新发现已知的NLRP3抑制分子家族，而且其中甚至包含后来被另一研究团队报道为新型NLRP3抑制剂系列的化学类型示例。

对未来的意义

对于非专业读者，核心信息是药物发现者开始借助人工智能在一个几乎无法想象的大规模可能药物空间中绘制路线。该研究并非直接给出单一新药，而是提供了围绕NLRP3的庞大、以靶点为中心的计算设计分子景观及其探索工具。这个景观能加速虚拟筛选、启发新的专利策略，并帮助研究者在不同化学家族之间跳跃，寻找更安全、更有效的抗炎药物。简而言之，LEGION将遥远抽象的化学宇宙转化为一个为未来NLRP3药物发现服务的结构化游乐场。

引用: Zagribelnyy, B., Aladinskiy, V., Bondarev, N. et al. Molecular LEGION: incalculably large coverage of chemical space around the NLRP3 target. Sci Data 13, 576 (2026). https://doi.org/10.1038/s41597-026-06850-y

关键词: NLRP3 抑制剂, 生成式化学, 化学空间, 人工智能驱动的药物发现, 虚拟筛选