基于AI片段化的索拉非尼衍生物优化：以VEGFR2为靶点的血管生成相关疾病结构-计算研究

为何改造一种抗癌药对多种疾病至关重要

新血管维持器官供养，但当其生长失控时，可能助长肿瘤、损害视网膜并在妊娠中扰乱胎盘功能。本研究探讨如何利用人工智能和先进的计算模拟，重新设计现有的抗癌药索拉非尼，以更精确地调控一个名为VEGFR2的关键血管生成开关，长期目标是为血管生成相关疾病提供更安全的治疗方案。

新血管生长的红绿灯

血管生成严重依赖于血管内皮细胞表面的一种蛋白——VEGFR2。当其配体VEGF结合时，VEGFR2指示细胞增殖、迁移并形成新血管。这在伤口愈合和发育中是有益的，但在为肿瘤提供血供、某些眼科疾病、慢性炎症或胎盘异常改变时则有害。正因其中心作用，VEGFR2成为重要的药物靶点，目前已有若干药物可阻断它。然而，许多此类药物，包括索拉非尼，都会作用于多种相关蛋白，可能导致严重副作用。

把索拉非尼变成更好的工具

索拉非尼是一种有效但粗糙的武器。它结合于VEGFR2及相关激酶的内部“发动机”区域，关闭促进血管生成的信号。不幸的是，其广泛的活性带来了高血压、心脏负担、皮肤反应以及肝损伤风险等问题。作者没有从零开始，而是将索拉非尼的基本化学骨架作为起点，提出问题：能否用AI对该分子进行温和改造，使其更紧密地结合VEGFR2、在体内表现更佳并降低毒性，同时不丧失其抗血管生成活性？

让AI探索更安全的化学空间

研究团队将索拉非尼结构输入一个由AI驱动的系统，该系统做出小而化学上合理的修改——添加或替换片段，以便合成化学家在实验室中可复现。由此产生了二十个新候选分子，它们保留了索拉非尼的核心特征，但在侧链和整体形状上各有不同。研究者随后完全依赖计算方法来评估这些候选者：将其虚拟对接到高分辨率的VEGFR2三维模型中，进行长时程分子动力学模拟以模拟水相、类体内条件下原子的晃动，并通过能量计算估计每个分子结合的稳固程度。

模拟中脱颖而出的候选者

其中一个设计，被称为AI‑Fragmented Derivative 7（Grow），在多项模拟中始终名列前茅。对接研究表明，它比索拉非尼更贴合VEGFR2的主活性槽，与若干已知对真实抑制剂重要的氨基酸形成了更密集的接触网络。半微秒的分子动力学模拟显示该复合物随时间保持出奇的稳定：蛋白结构保持紧凑，结合口袋未塌陷或变形，新分子几乎不漂移，持续维持若干氢键和疏水相互作用。先进的量子水平计算表明衍生物7的电子分布有利于与VEGFR2的电荷相互作用，支持其预测的强结合力。

体内行为的更佳迹象

除了结合能力外，药物还必须在体内以安全的方式移动。作者使用基于网页的预测工具估算各候选分子的溶解性、吸收、被肝酶代谢的情况以及潜在毒性。衍生物7被预测具有略优的水溶性和更均衡的疏水/极性区域，这些性质通常使给药和制剂更容易。重要的是，机器学习毒性模型将索拉非尼标记为更可能导致药物性肝损伤，而衍生物7在该风险项上表现得更安全。与此同时，它保留了大体相似的代谢特征，意味着其代谢途径可能更可预测。

从计算上的承诺到现实世界的验证

用通俗的话说，这项工作展示了AI与基于物理的模拟如何“打磨”和改良现有药物，使之成为针对同一分子开关的潜在更锋利、更安全的版本。重新设计的索拉非尼衍生物在计算上似乎更稳固地抓住VEGFR2，并且在肝毒性方面的红旗更少，同时保留了使索拉非尼有效的基本特征。然而，所有这些发现都是预测：该新分子尚未被合成或在细胞、动物或患者中验证。此研究的实际贡献在于提供了一个论证充分、数据丰富的候选分子——以及一个可重复使用的数字化流程——为下一代更好地控制癌症、眼病和其他血管生成驱动性疾病的药物奠定基础。

引用: 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

关键词: 血管生成, VEGFR2抑制剂, 索拉非尼衍生物, AI药物设计, 分子对接