结核病仍然是全球最致命的传染病之一，根据世界卫生组织的数据显示，2024年造成123万人死亡。难以治疗的一个重要原因是物理屏障：结核分枝杆菌（Mycobacterium tuberculosis）被一种独特的外膜包裹，这种外膜在药物发挥作用前就阻挡了许多药物。
这种被称为"分枝杆菌膜"的屏障不仅坚固，而且具有选择性，允许某些分子通过，同时阻止其他分子。对药物研发者而言，这造成一个基本难题：一种化合物在理论上可能很有希望，但如果它无法穿过这层外膜，就永远无法到达细胞内的作用靶点。
目前，由马萨诸塞大学阿默斯特分校（University of Massachusetts Amherst）领导的研究团队开发了一种加速药物筛选的新方法。在《自然·微生物学》（Nature Microbiology）期刊上发表的研究中，研究人员描述了一种组合策略：首先测试哪些化合物能够穿透分枝杆菌膜，然后利用这些结果仅通过化学结构就能预测其他化合物的穿透能力。
马萨诸塞大学阿默斯特分校微生物学副教授、该研究的资深作者之一Sloan Siegrist表示："结核分枝杆菌非常独特。它不仅有两层膜保护细胞免受抗菌化学物质的侵害，其外膜也与任何其他生物屏障都截然不同。"
多年来，结核病药物研发中最大的瓶颈之一是规模问题。候选化合物数量庞大，但研究人员传统上不得不逐一进行测试。
为顽固膜设计的筛选方法
这一局面随着一种称为肽聚糖可及性点击介导评估（Peptidoglycan Accessibility Click-Mediated AssessmeNt，简称PAC-MAN）技术的出现而开始改变。Siegrist及其合作者此前已引入该方法，在最新研究中，他们利用PAC-MAN技术筛选了1500多种带叠氮标记的小分子，针对结核分枝杆菌及其相关模型生物体。
PAC-MAN并不测量药物是否能杀死细菌，而是测量测试分子能否到达分枝杆菌膜内部空间。这一区别至关重要。一种化合物可能因多种原因失效，但PAC-MAN专门检测了最早的障碍之一——穿过外层膜。
有了这些广泛的筛选数据，研究团队开始寻找规律。某些环状化学结构与更好的膜穿透性相关，而其他结构则与较差的穿透性相关。含氮芳香杂环结构，如吲哚、咪唑和吡唑，被证实是促进穿透的积极因素。相比之下，环戊烷和环己烷等结构往往与较低的渗透性相关。
当研究小组考察标准化学特性（如亲脂性和极性表面积）时，情况变得更加复杂。在整个数据集中，这些关系较弱或不一致。但当化合物按分子支架分组时，更清晰的模式显现出来。一个特性的效果强烈依赖于分子的其余部分。
这一发现有助于解释为何简单的规则往往不够用。帮助一类化合物穿过分枝杆菌膜的特征可能对另一类化合物作用甚微，甚至产生相反效果。
训练模型识别穿透规律
为超越筛选数据的局限，研究人员构建了一个名为MycoPermeNet的机器学习模型。该模型部分由马萨诸塞大学阿默斯特分校曼宁信息与计算机科学学院的助理教授Anna Green领导开发，基于PAC-MAN结果和测试分子的化学结构进行训练。
Green表示："小分子在计算分析上特别具有挑战性。因为它们大小各异，分子连接方式广泛多样，无法用单一测量指标（如重量或尺寸）来描述它们。"
训练完成后，MycoPermeNet能够仅从化合物的化学结构预测其穿透分枝杆菌膜的难易程度。该模型还能突出显示在这些预测中最重要的分子特征。
Green解释道："分枝杆菌膜允许某些分子通过而阻止其他分子。关于这种膜和每个分子的化学性质，一定存在某种规律决定了哪些分子能进入。我们的综合工具帮助我们找出哪些分子能穿透，以及原因所在。"
该模型在独立测试数据上表现优异，当对最易渗透的分子支架进行排名时，吲哚类和其他含氮芳香结构再次位居前列。这种与筛选结果的一致性使研究团队确信，该模型正在学习真实的化学规律，而非简单记忆列表。
吲哚结构的关键作用
研究人员随后验证了这些化学线索是否能真正指导分子设计。在多个不同化合物系列中，他们将某些环结构替换为其他结构，并检查渗透性是否如模型和筛选数据所预测的那样发生变化。
结果再次表明吲哚结构尤为重要。在基于肽的测试分子中，用含吲哚基团的色氨酸替换苯丙氨酸侧链，显著改善了分枝杆菌膜的渗透性。在辛基十三肽衍生物的实验中也观察到类似模式，其中苯环到吲哚的替换与更好的预测和实际观察到的膜穿透性相关。
这种效果并不能保证在所有情况下都带来更好的抗菌性能。在一个化合物系列中，膜渗透性的变化与生长抑制并不完全一致，表明分枝杆菌膜并非总是限制药物效果的主要障碍。其他因素，包括靶标结合、代谢和外排，仍可能决定分子是否有效。
然而，在更大规模的数据集中，与渗透性相关的特征通常与全细胞抗结核活性相一致。这些相关性出现在针对完整结核分枝杆菌细胞的筛选中，但在针对纯化细菌酶的筛选中并未出现，这一结果支持了膜屏障本身正在决定哪些化合物能够成功的观点。
研究人员认为这极为重要，因为结核病药物研发往往在候选药物甚至获得公平评估机会前就已停滞。一个无法进入细胞的分子可能被弃用，而没有揭示其潜在靶标是否值得继续研究。
研究的实际意义
该新方法虽未提供现成的结核病药物，但可使药物研发过程更快速、更高效。PAC-MAN技术提供了大规模测量分枝杆菌膜穿透能力的方法，而MycoPermeNet则让研究人员能在合成或测试前优先筛选潜在化合物。
这些工具共同帮助化学家重新设计现有先导化合物，更高效地筛选大型化合物库，并专注于更可能到达结核分枝杆菌细胞内部的分子。
该研究还强调了药物设计的一个重要警示：有助于化合物穿过其他细菌膜的特性不一定适用于结核病，因为其外层屏障似乎遵循独特的化学规则。
研究结果已在线发表在《自然·微生物学》期刊上。
原标题为"PAC-MAN and AI join forces to fight the world's deadliest infection"的报道发表于《The Brighter Side of News》。
【全文结束】