中子实验解决了40年来关于药物设计酶的争论

仅通过两次中子实验，科学家就发现了一种酶的功能的惊人细节，这种酶可以辅助设计治疗恶性癌症的药物。

美国能源部橡树岭国家实验室的科学家们利用散裂中子源和高通量同位素反应堆的中子，识别了丝氨酸羟甲基转移酶(SHMT)的精确原子级化学反应，SHMT是细胞分裂所必需的代谢酶。

癌症劫持了涉及SHMT和其他关键酶的代谢途径中的化学反应，并将整个过程变成一列失控的列车，迅速繁殖癌细胞。设计一种抑制剂来阻断这种酶的功能(该酶的功能在代谢途径的早期阶段)，可能会破坏癌症超越它的企图。该研究结果发表在《化学科学》上。

“我认为中子在未来基于结构的药物设计中将受到高度追捧，”ORNL的维多利亚·德拉戈(VictoriaDrago)说，她是该研究的主要作者，也是一名生物化学家，与ORNL的杰出研发科学家安德烈·科瓦列夫斯基(AndreyKovalevsky)合作，后者利用中子衍射来阐明蛋白质结构。

“这篇论文很好地说明了中子能够多快产生信息，而这一信息长期以来一直备受争议。对SHMT功能及其催化机制的研究可以追溯到20世纪80年代初。”

几十年来，人们一直在争论这种酶的确切催化机制和活性位点中各种氨基酸残基的作用。在这项研究中，研究人员发现，只有一种氨基酸残基，即谷氨酸，调节这种酶的化学反应。

“中子数据清楚地表明，谷氨酸是一种酸，它上面有一个质子，”论文合著者、佐治亚大学化学教授罗伯特·菲利普斯说。“你可能以为它已经放弃了质子。但因为它能够携带质子，所以它可以来回转移质子。所以，它既是酸又是碱。”

这种酶在一种称为一碳代谢的途径中，在细胞的线粒体(或能量产生器)内起作用。它通过将碳原子转移到四氢叶酸(叶酸的还原形式)中，将氨基酸丝氨酸转化为另一种氨基酸甘氨酸。该反应产生用于合成核酸(如DNA和RNA)以及对细胞分裂至关重要的其他生物分子的构件。谷氨酸控制着这一过程。

在之前的实验中，该团队结合了两种技术，即在生理相关室温下的中子和X射线晶体学，以了解SHMT并在其与四氢叶酸相互作用之前绘制其蛋白质结构。在当前的实验中，研究人员在下一步捕获了这种酶，从而确定了这种酶的反应机制实际上是如何起作用的。

用中子描绘图画

中子可以观察到轻元素，例如氢，而X射线可以观察到较重的元素，例如碳、氮和氧。SNS和HFIR的中子衍射、ORNL的内部X射线衍射和阿贡国家实验室高级光子源的同步加速器X射线衍射为团队提供了明确描述酶化学反应所需的见解。

“中子让我们能够看到氢原子，而氢原子驱动着化学反应，”德拉戈说。“酶约有50%由氢原子组成。就静电学而言，氢也带正电荷，这决定了酶的环境。一旦你有了可以衍射中子的晶体，你就拥有了所需的一切。你可以看到氢所在的位置，同样重要的是，可以看到缺少氢的位置。你得到了整个画面。”

如动画所示，癌细胞线粒体过度产生SHMT酶，这是一种由四个相同肽链或原体构成的四聚体，以灰色显示。SHMT通过使用与SHMT共价结合的吡哆醛-5'-磷酸和四氢叶酸(分别以金色和紫色显示)发挥作用。

四氢叶酸作为底物与所有四个原体的活性位点结合。图中闪烁的绿色氢原子揭示了确切的催化机制以及酶活性位点中各种氨基酸残基的作用。一旦酶释放四氢叶酸，就可以设计一种抑制剂(图中蓝色)，以阻止这些位点的进一步化学反应，从而阻止癌细胞中的一碳代谢途径。

“氢原子的位置决定了酶活性位点内特定化学基团的质子化状态，”Kovalevsky说。“因此，它们提供了有关电荷分布或静电的信息。这一知识对于设计与SHMT结合、取代四氢叶酸并停止酶功能的小分子抑制剂至关重要。”

细胞中含有数千种酶，它们起着催化剂的作用，加速身体机能所需的生化反应——从呼吸到产生激素再到神经功能。酶还为针对特定过程的化学物质提供了一个存放场所。

一碳代谢途径中的其他酶已是众所周知的抗癌药物(如甲氨蝶呤和氟尿嘧啶)的靶标。然而，SHMT在该途径中出现得更早，为更早阻止癌症提供了机会。

但治疗癌症的困难部分在于它对代谢过程的秘密攻击。与传染病的耐药性不同，如果一条途径无法正常发挥作用，癌症就会重新调整其他代谢过程，从而过度产生癌细胞。

Kovalevsky表示：“现在我们知道了SHMT的原子细节，我们可以设计一种抑制剂来针对这种特定的蛋白质作为联合疗法的一部分。”

“如果将其与治疗传染病进行比较，这要困难得多，因为在癌症化疗中，你通常针对的是自己的蛋白质，这就是患者出现副作用的原因。在传染病中，你针对的蛋白质属于病或细菌。但对于癌症，你必须杀自己的细胞。这里的想法是尽早杀癌细胞，减少对患者的影响。”

加快发现的步伐

该团队在研究中使用了SNS的MaNDi仪器和HFIR的IMAGINE仪器中的中子。ORNL最近的质子功率升级项目为SNS的所有仪器增加了更强的光束。更强的质子束意味着更多的中子。更多的中子意味着用更小的样本缩短数据收集时间，从而加快答案的获得速度，帮助科学家设计更智能的药物来治疗疾病。

“探索性研究绝对必不可少，”约翰霍普金斯大学西德尼·金梅尔综合癌症中心主任威廉·纳尔逊(WilliamNelson)表示，他并不是ORNL主导的两项研究的作者。“我们正越来越接近这样的目标：在人工智能的帮助下，我们将能够对某人的癌症基因进行测序，预测蛋白质结构，并制造出一种药物;它会发挥很好的作用，而且我们在一个半小时内就能完成。

“但我们还没有到达那一步。因此，我们对实际的蛋白质结构、化学结构和事物相互作用的方式了解得越多，我们就越能训练人工智能模型来预测我们不知道的事情。”