【热点应用】当晶体学遇上无标记动力学：GCI技术如何助力片段药物发现的“去噪”与“加速”

置顶马尔文帕纳科公众号，及时了解最新信息

在药物研发的早期阶段，科学家们常常面临一个“甜蜜的烦恼”：基于片段的药物设计（FBDD）能高效找到与靶蛋白结合的小分子片段，但这些片段的化学修饰产物（粗反应混合物，Crude Reaction Mix, CRM）中，有效成分往往被实验噪音掩盖。传统筛选依赖表面等离子体共振（SPR）等技术，需要对化合物进行繁琐的纯化，这不仅耗时，还可能丢失低丰度活性分子——这正是牛津大学团队在PHIP(2) bromodomain研究中遇到的核心挑战。

PHIP(2) 作为潜在的癌症治疗靶点，其抑制剂的发现需要精准解析小分子与蛋白的结合模式。然而，当团队用高通量X射线晶体学筛选1876个CRM时，仅得到22个结合物，假阴性问题显著。“我们意识到，晶体学能给出结合的结构细节，但无法直接告诉我们这些化合物的结合强度。”团队负责人Harold Grosjean博士回忆道，“而SPR虽然能测动力学，却卡在了纯化这一步——CRM中的杂质会严重干扰信号。”

就在此时，Grating-Coupled Interferometry（GCI，光栅耦合干涉）技术进入了他们的视野。与SPR技术类似，GCI通过检测生物分子相互作用引起的折射率变化来分析结合动力学，但它的独特优势在于：无需标记、抗干扰能力强、适合弱相互作用体系。“我们选择了Creoptix WAVE系统的waveRAPID®模式，”团队核心成员Kate Fieseler解释说，“这种脉冲注射技术能在25秒内完成一个化合物的动力学测定，且对CRM中的缓冲液、盐离子耐受性更高——这对直接分析未纯化产物至关重要。”

团队首先通过晶体学数据构建了xSAR模型：从957个CRM中提取保守结合特征（如哌嗪环、酰胺基）和非结合特征（如磺酰胺基），计算出每个化合物的“结合潜力分”（PBS/NBS）。随后，他们用GCI对模型预测的高潜力化合物进行验证：将PHIP(2)固定在传感器芯片上，以200 μM单浓度脉冲注射化合物，快速测定ka（结合速率常数）和kd（解离速率常数）。

实验结果令人惊喜：GCI不仅验证了xSAR模型找回的26个假阴性结合物，还在虚拟筛选中发现了9个新结合物。其中，化合物DIV6的KD值达到0.3 μM，比原始片段提升10倍，且配体效率（LE）从0.23提高到0.30——这意味着它用更少的原子实现了更强的特异性结合。“GCI的数据让我们确认，xSAR模型捕捉到的不仅是结构上的结合，更是具有实际功能的相互作用。”Grosjean博士强调。

上图展示了基于 GCI 技术对虚拟筛选化合物开展动力学分析的结果。图中标注了实验测得的解离速率常数（k_d）与结合速率常数（k_a）及对应误差范围，二者的单位分别为s^-1和M^-1s^-1。

这项研究的意义远不止于PHIP(2) 抑制剂的发现。它揭示了一种“结构-动力学”协同的筛选范式：用晶体学提供结合模式的“静态图像”，用GCI补充结合强度的“动态视频”，二者结合可直接从粗反应混合物（CRM）中提取高质量SAR数据，跳过传统的纯化步骤。对于靶点验证、片段扩展等早期阶段，这种方法能将筛选周期从数周缩短至数天，同时保留更多潜在活性分子。

正如研究团队在论文中指出的：“当我们不再被纯化步骤所束缚，就能更真实地面对化学空间的复杂性。”对于广大药物研发团队而言，GCI技术的价值或许正在于此——它不是SPR的替代者，而是在“混乱”中捕捉“有效信号”的关键工具，让科学家能更自由地探索药物发现的可能性。

注：本文基于Grosjean et al., Chem. Sci., 2026, 17, 4571-4593研究成果改写。