AI筛选与斑马鱼模型结合，发现睡眠调节药物

标题：Prioritizing neuroactive ligands using motif-guided virtual discovery and zebrafish profiling

期刊：npj drug discovery（IF5.9）

DOI：10.1038/s44386-026-00058-1

发表时间：2026.7.21

研究背景

当前，超大规模AI筛选已成为早期配体发现的有力工具，但计算筛选出的候选分子往往成千上万，且预测结合能与实际实验活性相关性差。更关键的是，高亲和力分子常因血脑屏障和脱靶效应而失效，而哺乳动物验证通量低、成本高，难以满足早期大规模筛选需求。斑马鱼因与人类基因相似度高、具备完整的血脑屏障，且适合高通量行为学分析，成为连接计算预测与功能验证的理想桥梁。

关键发现

本研究开发了Rosetta引擎下的基序引导配体锚定算法（REAL-M），并利用斑马鱼模型，实现了从数十亿级分子库到高特异性活性分子的高效筛选，主要发现如下：

超大规模AI筛选：REAL‑M直接利用PDB中数千个蛋白‑配体相互作用几何基序指导配体放置，并在筛选后强制要求候选物具有多个基序样相互作用，减少能量函数的误导，提升预测可靠性。通过快速原子冲突检查和形状预过滤，实现对2.6亿分子、34.6亿构象的高效遍历，兼顾速度与可靠性；

高效拮抗剂的发现：针对HCRTR2，从含磺酰胺类亚库中筛选并购买30个预测拮抗剂，28个分子显著阻断食欲素A诱导的激活，其中6个化学多样性分子，其细胞水平拮抗效能与已知拮抗剂相当，半数抑制浓度（IC₅₀）低至48nM（化合物5262）；

斑马鱼验证：在热休克诱导hcrt过表达的斑马鱼失眠模型中，候选化合物显著抑制幼虫异常活动，证明其可穿越血脑屏障并发挥功能。利用基因编辑技术构建的hcrtr2纯合敲除突变体进行平行实验，候选化合物效应完全消失，确证其严格依赖靶点；而临床药物Suvorexant在突变体中仍表现出非特异性抑制；

机制解析：在DUD‑E基准测试中，REAL‑M对天然配体放置的恢复率优于传统软件，并重识别已发表研究中的活性分子，显示广泛适用性。筛选还意外发现4个弱激动剂，为研究HCRTR2从拮抗转向激活的构象变化，如关键残基GLN134提供了结构起点。鉴于斑马鱼与人类165个GPCR结合口袋相似度>90%，该方法可适配大量药物靶点。

研究意义

· 建立了从超大规模虚拟筛选到斑马鱼靶向验证的高效通用管线，不仅成功获得高选择性HCRTR2拮抗剂先导化合物，更为中枢神经系统药物早期发现提供了可推广的范式。