2019年末由SARS-CoV-2引发的新冠肺炎（COVID-19）给人类健康和全球经济发展带来了严峻挑战。除此之外，人们还发现了其它6种具有人类致病性并可人传人的冠状病毒，包括4种致病性较低的HCoV-229E、HCoV-OC43、HCoV-NL63、HCoV-HKU1病毒，以及2种传染性和致病性都很高的SARS-CoV 和MERS-CoV病毒[1,2]。考虑到不断变异的新冠病毒及未来可能出现的新型冠状病毒，开发广谱抗冠状病毒药物将具有十分重要的社会及经济价值，而研究广谱抗冠状病毒药物靶点将为开发广谱抗病毒药物奠定基础。

中国科学院上海药物研究所药物发现与设计中心徐志建、朱维良团队通过应用生物信息学和药物设计学等计算模拟方法，研究了这7种致病性冠状病毒所编码表达的20种蛋白质，比较了这些蛋白质在冠状病毒间的保守性，发现了至少有4种蛋白质在全序列水平和药物结合位点上高度保守，有望成为广谱药物的靶标蛋白。相关研究成果已经发表在专业学术期刊Computers in Biology and Medicine上[3]。

冠状病毒主要编码20种蛋白质，包括在病毒RNA转录和复制过程中发挥重要作用的16种非结构蛋白(nsp1-nsp16)，以及对病毒装配和从宿主细胞中释放的过程至关重要的4种结构蛋白（刺突蛋白、包膜蛋白、膜蛋白、核衣壳蛋白）（图1）。研究人员首先收集了7种冠状病毒各自编码的20种蛋白质的序列及结构信息，通过蛋白质多序列比对以及保守性打分评估，他们发现其中的9种冠状病毒蛋白质在这7种病毒中具有显著的保守性。随后，利用他们开发的D3Pockets研究每个蛋白质的潜在配体结合口袋[4]，初步发现6种蛋白质在全序列水平及配体结合位点上高度保守，分别是nsp5 (3C-like proteinase), nsp10 (Growth factor-like peptide), nsp12(RNA-directed RNA polymerase), nsp13 (Helicase), nsp14 (Proofreading exoribonuclease), nsp16 (2′-O-methyltransferase)（图2）。

图1. SARS-CoV-2基因组及其编码的非结构蛋白与结构蛋白。

图2. 6种在冠状病毒间保守的潜在靶标蛋白及其配体结合口袋。

为了进一步验证这些潜在的广谱药物靶标蛋白，研究人员将SARS-CoV-2的nsp3、nsp5、nsp12、nsp13和nsp16这5种蛋白质的配体复合物结构中的配体对接到其它6种冠状病毒同源蛋白质的配体口袋中，结果发现相应的配体分子在nsp5、nsp12、nsp13、nsp16这4种同源蛋白质间的对接分数方差在0.5 kcal/mol以内，而在nsp3间的对接分数差异较大且打分结果也较差（图3），表明nsp5、 nsp12、 nsp13、nsp16这4种蛋白质的配体结合口袋具有更高的相似性，是更理想的广谱药物靶标。

图3. SARS-CoV-2蛋白共晶配体在不同冠状病毒同源蛋白中的对接结果。

如果靶向这些病毒蛋白质的药物存在“脱靶”现象，就可能导致药物与人源蛋白结合而在人体中产生毒性。为此，研究人员将这6种潜在的广谱药物靶标蛋白与人源蛋白进行序列相似性分析。结果显示，6种蛋白质与所有人源蛋白质的序列相似性均不超过25%，表明靶向这6种蛋白质的药物应该是安全的。据此，作者认为nsp5、nsp12、nsp13、nsp14、nsp10和nsp16可以作为广谱抗冠状病毒药物的靶标，而前4种应该予以重点关注。

论文第一作者为中国科学院上海药物研究所硕士研究生马敏斐和杨延青，通讯作者为徐志建研究员和朱维良研究员。该团队还系统地调研了新冠肺炎药物及潜在靶标研究进展（药学学报, 2020）[5]，分别建立了基于分子对接（Acta Pharm Sin B, 2020）[6]、基于配体相似性（Brief Bioinform, 2021）[7]和基于人工智能（Brief Bioinform, 2022）[8]的抗新冠肺炎靶标预测与药物虚拟筛选平台，计算研究了新冠病毒刺突蛋白与宿主ACE2蛋白的结合机制（J Phys Chem Lett,2020）[9]，研究了新冠病毒刺突蛋白上的E484K突变引起免疫逃逸的分子机制（Brief Bioinform, 2021）[10]，发现了新冠病毒变异株Omicron刺突蛋白RBD与宿主ACE2蛋白的亲和力弱于Delta毒株，但具有高免疫逃逸风险（Signal Transduct Target Ther, 2022）[11]，研究了新冠病毒刺突蛋白N端结构域的免疫逃逸机制（Phys Chem Chem Phys, 2022）[12]。

原文链接：https://doi.org/10.1016/j.compbiomed.2022.105455.

参考文献：

[1]  E. Mahase, Covid-19: First coronavirus was described in The BMJ in 1965, BMJ. (2020) m1547. https://doi.org/10.1136/bmj.m1547.

[2]  D.X. Liu, J.Q. Liang, T.S. Fung, Human Coronavirus-229E, -OC43, -NL63, and -HKU1 (Coronaviridae), in: Encyclopedia of Virology, Elsevier, 2021: pp. 428–440. https://doi.org/10.1016/B978-0-12-809633-8.21501-X.

[3]  M. Ma, Y. Yang, L. Wu, L. Zhou, Y. Shi, J. Han, Z. Xu, W. Zhu, Conserved protein targets for developing pan-coronavirus drugs based on sequence and 3D structure similarity analyses, Computers in Biology and Medicine. 145 (2022) 105455. https://doi.org/10.1016/j.compbiomed.2022.105455.

[4]  Z. Chen, X. Zhang, C. Peng, J. Wang, Z. Xu, K. Chen, J. Shi, W. Zhu, D3Pockets: A Method and Web Server for Systematic Analysis of Protein Pocket Dynamics, J. Chem. Inf. Model. 59 (2019) 3353–3358. https://doi.org/10.1021/acs.jcim.9b00332.

[5]  王晓宇, et al., 抗致病性冠状病毒活性化合物及其潜在靶标蛋白研究进展[J]. 药学学报 2020, 55 (10), 2340-2357.

[6]  Y. Shi, X. Zhang, K. Mu, C. Peng, Z. Zhu, X. Wang, Y. Yang, Z. Xu, W. Zhu, D3Targets-2019-nCoV: a webserver for predicting drug targets and for multi-target and multi-site based virtual screening against COVID-19, Acta Pharmaceutica Sinica B. 10 (2020) 1239–1248. https://doi.org/10.1016/j.apsb.2020.04.006.

[7]  Y. Yang, Z. Zhu, X. Wang, X. Zhang, K. Mu, Y. Shi, C. Peng, Z. Xu, W. Zhu, Ligand-based approach for predicting drug targets and for virtual screening against COVID-19, Briefings in Bioinformatics. 22 (2021) 1053–1064. https://doi.org/10.1093/bib/bbaa422.

[8]  Y. Yang, D. Zhou, X. Zhang, Y. Shi, J. Han, L. Zhou, L. Wu, M. Ma, J. Li, S. Peng, Z. Xu, W. Zhu, D3AI-CoV: a deep learning platform for predicting drug targets and for virtual screening against COVID-19, Briefings in Bioinformatics. 23 (2022) bbac147. https://doi.org/10.1093/bib/bbac147.

[9]  C. Peng, Z. Zhu, Y. Shi, X. Wang, K. Mu, Y. Yang, X. Zhang, Z. Xu, W. Zhu, Computational Insights into the Conformational Accessibility and Binding Strength of SARS-CoV-2 Spike Protein to Human Angiotensin-Converting Enzyme 2, J. Phys. Chem. Lett. 11 (2020) 10482–10488. https://doi.org/10.1021/acs.jpclett.0c02958.

[10] L. Wu, C. Peng, Y. Yang, Y. Shi, L. Zhou, Z. Xu, W. Zhu, Exploring the immune evasion of SARS-CoV-2 variant harboring E484K by molecular dynamics simulations, Briefings in Bioinformatics. 23 (2022) bbab383. https://doi.org/10.1093/bib/bbab383.

[11] L. Zhou, M. Mo, T. Liu, C. Wu, C. Gong, K. Lu, L. Gong, W. Zhu, Z. Xu, SARS-CoV-2 Omicron RBD shows weaker binding affinity than the currently dominant Delta variant to human ACE2, Sig Transduct Target Ther. 7 (2022) 8. https://doi.org/10.1038/s41392-021-00863-2.

[12] L. Zhou, L. Wu, C. Peng, Y. Yang, Y. Shi, L. Gong, Z. Xu, W. Zhu, Predicting spike protein NTD mutations of SARS-CoV-2 causing immune evasion by molecular dynamics simulations, Phys. Chem. Chem. Phys. 24 (2022) 3410–3419. https://doi.org/10.1039/D1CP05059A.

转载自：https://mp.weixin.qq.com/s/eq0mGmwx0_Qb994qSQP_sg