靶向多种癌症中的PRMT5及人工智能驱动的候选化合物发现

内容形式：摘要译文

蛋白质精氨酸甲基转移酶5（PRMT5）是一个颇具前景的抗癌靶点，但现有抑制剂的临床疗效有限。本研究将泛癌多组学分析与机器学习虚拟筛选流程相结合。利用 TIMER3、GEPIA2、UALCAN/CPTAC、人类蛋白质图谱（Human Protein Atlas）、cBioPortal、STRING 和 Enrichr 开展的生物信息学分析显示，PRMT5 的 mRNA 表达、蛋白丰度、生存关联、遗传改变、免疫浸润及共表达网络广泛存在，且其预后影响因肿瘤类型而异，在 GBM、LGG 和 KIRC 中尤为明显。深度神经网络对约 150 万种 PubChem 化合物进行了筛选，ROC-AUC 达到 0.9857，并优先筛出三个候选化合物：CID 44345182、CID 2794188 和 CID 44345334。随后，通过针对 PRMT5（PDB ID：4X61）的分子对接、ADMET 筛选与毒性预测，以及 100 ns 分子动力学（MD）模拟，确定 CID 44345182 为潜在先导化合物；其结合亲和力对接评分（−9.8 kcal/mol）与参考配体（−9.2 kcal/mol）相近，且轨迹稳定性良好。这些发现阐明了 PRMT5 的情境依赖性作用；仍需进一步实验验证，以确认 CID 44345182 是否为有前景的候选化合物。

关键词：PRMT5抑制剂 · 泛癌多组学 · 机器学习虚拟筛选 · 分子对接 · 分子动力学模拟

原文链接：https://www.biorxiv.org/content/10.64898/2026.10.19.760131v1?rss=1