药效团建模：在药物发现中的进展、局限性及当前应用
作者：卿晓宇¹,，李晓音²,，乔伦·德·雷马克¹，杰里米·RH·泰姆³，张侃²，马克·德·梅耶¹，阿诺特·RD·沃特¹,²
¹比利时鲁汶天主教大学化学系生物分子建模实验室，海弗利；²日本理化学研究所生命科学技术中心结构生物信息学团队，横滨，神奈川；³横滨市立大学药物设计实验室，横滨，神奈川，日本
*这两位作者对本工作贡献相同
摘要：药效团建模是计算机辅助药物设计中一个成功但极为多样化的子领域。药效团概念已被广泛应用于新型药物的理性设计中。本文回顾了这一概念的计算实现方式及其在药物发现过程中的常见应用。药效团可通过示意图描述分子识别的关键要素，从而在二维或三维层面上表示和识别分子。药效团最常见的应用是虚拟筛选，根据先验知识的不同可采用不同的策略。然而，药效团概念也适用于ADME-tox建模、副作用和脱靶效应预测以及靶点识别。此外，药效团通常与分子对接模拟相结合以提高虚拟筛选效果。本文最后总结了药效团建模有望取得显著进展的新领域，包括蛋白质-蛋白质相互作用抑制剂和蛋白质设计。
关键词：ADME-tox，计算机辅助药物设计，药效团指纹，蛋白质设计，虚拟筛选
什么是计算机辅助药物设计？
药物设计是一个昂贵且费力的新药开发过程，其起源可追溯到数千年前的草药疗法。直到上个世纪，药物才开始具有（半）合成来源。最初的命中化合物通常既缺乏效力也不够安全，因此必须进行优化。虽然历史上这是一个试错过程，但很快开发出了提高效力的理性策略。与任何数据处理程序一样，自20世纪80年代以来，计算机已成为药物发现中更为突出和普遍的工具。计算与制药研究的交叉领域通常被指定为计算机辅助药物设计（CADD）。
CADD涵盖药物发现管道中的广泛应用，尽管这些应用在早期阶段高度集中。CADD的主要目的是加速和合理化药物设计过程，同时降低成本。药物发现最早阶段的目标是识别最初的命中化合物，有时通过高通量筛选（HTS）来尝试，即使用合适的活性测定对数千种化合物进行测试。体外HTS的计算机对应物被称为虚拟筛选，旨在使用计算方法过滤分子库，以优先考虑那些最可能对给定靶标具有活性的分子。在药物发现管道的后期，需要提高命中和先导化合物的效力。设计具有或不具有分子核心不同支架的新衍生物。最终目标是设计出高效力和特异性分子，同时具有合适的知识产权地位。这可以通过经典药物化学方法实现，其中设计可以基于观察到的构效关系（SAR）或基于结构信息。然而，计算方法也可用于基于不同支架创建多样化的衍生物，并对其评分以提高效力。这可以在相对较短的时间内从非常广泛的化学空间中优先选择最有希望的衍生物。然而，化合物的效力并不是唯一的考虑因素。药代动力学性质（吸收、分布、代谢、排泄）和毒性，即ADME-tox，对于临床有用的化合物也至关重要。除了大量体外和体内实验外，还开发了虚拟方法，以便在开发过程早期预测类药物化合物的ADME-tox特征。
所有CADD方法的基础是化学信息学，即化学结构、其性质和生物活性的数据存储、处理和检索方法的应用。化学信息学还涵盖了描述基于分子结构的化学或物理性质的分子描述符的计算，这些描述符可用于过滤化合物。为了能够比较和量化分子之间的（不）相似性，分子指纹通常是首选方法。
另一个非常重要的CADD子领域专注于定量构效/性质关系（QSAR/QSPR），其中将一组抑制剂的理化性质（通过分子描述符计算）与抑制活性或毒性相关联，以构建用于新型抑制剂的预测模型。QSAR已成为一种非常流行的工具，可以在不经过昂贵且耗时的体外和体内测定的情况下，准确地在计算机上剖析新型抑制剂。
可能最知名和最常用的CADD方法是分子对接模拟，通过该方法可以预测给定配体对给定生物分子受体（通常是蛋白质结构）的3D结合模式并对其亲和力进行评分。当缺乏实验结构信息时，这对于蛋白质-配体相互作用的结构分析非常有用。然而，对接也已成为虚拟筛选命中化合物或通过逆向工程识别靶点的非常流行的工具。
前面简要介绍的CADD方法是一些最广为人知的方法，但还存在更多方法，包括基于人工智能的方法。然而，本综述的主题是另一种非常成功的CADD方法，即药效团建模。本综述面向药物化学家和其他CADD新手，涵盖药效团建模的历史、进展和当前局限性。我们不列出或比较许多不同的药效团建模程序或算法。
什么是药效团？
历史视角
药效团的原始概念由保罗·埃尔利希在19世纪末开发。当时，人们认为分子中的某些"化学基团"或功能负责生物效应，具有相似效应的分子具有共同的相似功能。药效团一词是在很久以后由舒勒在其1960年出版的《化学生物动力学与药物设计》一书中创造的，定义为"携带（phoros）药物（pharmacon）生物活性所必需的分子框架"。因此，药效团的定义不再关注"化学基团"，而是"抽象特征的模式"。
自1997年以来，国际纯粹与应用化学联合会将药效团定义为：
"药效团是确保与特定生物靶标形成最佳超分子相互作用并触发（或阻断）其生物反应所必需的空间和电子特征的集合。"
药效团应被视为一组活性分子共享的分子相互作用特征的最大公约数。因此，药效团不代表真实分子或一组化学基团，而是一个抽象概念。尽管有这一明确定义，药效团一词在药物化学中常被许多人误用，用来描述分子中简单但基本的化学功能（如胍基或磺酰胺），或共同的化学支架（如黄酮或前列腺素）。通常，长定义被简化为"药效团是负责生物效应的分子特征模式"，这抓住了药效团是从特征而非定义的化学基团构建的基本概念。
CADD中的药效团概念
尽管药效团概念早于任何形式的电子计算机，但它已成为CADD中的重要工具。分子中表现出与分子识别相关的某些性质的每种原子或基团类型都可以简化为药效团特征。这些分子模式可以标记为氢键供体或受体、阳离子、阴离子、芳香族或疏水性，以及任何可能的组合。分子可以在药效团层面上进行比较；这种用法通常被称为"药效团指纹"。当在3D模型中仅考虑少数药效团特征时，药效团有时被描述为"查询"。
药效团指纹
虽然分子是3D实体，但药效团表示将分子简化为2D或3D级别的特征集合。药效团指纹是这一概念的扩展，通常将分子注释为唯一的数据字符串。为每个配体枚举所有可能的三点或四点药效团特征（点）组合。特征点之间的距离通过键计数（用于拓扑指纹）或使用3D指纹时的距离分箱来计算（图1）。
这种指纹可用于分析分子之间或分子库中的相似性。或者，指纹模型可用于分析活性配体的共同元素，以识别对生物功能有贡献的关键特征。
药效团模型或查询
药效团模型由按特定3D模式组织的少数特征组成。每个特征通常表示为球体（尽管存在变体），其半径决定偏离精确位置的公差（图2）。特征可以标记为单个特征或由"与"、"或"和"非"逻辑组合组成的任何组合，以将不同相互作用模式组合在一个标签内。附加特征可以描述禁止体积相互作用（通常表示受体边界）。
此类药效团特征通常用作查询来筛选小分子化合物库。在这些库中，所有化合物都以其低能量生物相关构象存在。每个构象通过将分子的药效团特征与查询对齐来拟合到药效团查询中。如果分子可以拟合到表示查询特征的球体内，则被视为命中分子。通常药效团查询可能过于复杂，无法从给定库中找到命中分子，因此可能允许部分匹配。在这种情况下，仅匹配某些对活性至关重要的特征。此类模型的其他用途是排列分子或促进分子对接模拟。
根据情况和实验类型，有多种策略可用于构建药效团模型，无论是手动还是使用自动算法，这将在下一章中讨论。
药效团建模在虚拟筛选中的应用
药效团建模通常应用于虚拟筛选，以识别触发所需生物效应的分子。为此，研究人员创建了一个药效团模型（查询），该模型最有可能编码所需相互作用模式的正确3D组织。根据对特定蛋白质靶标的了解程度，可以使用不同的选项来构建此类查询（图3）。
一般来说，当已知多个活性配体（和非活性衍生物）时，将配体数据分为训练集和评估集以验证生成的药效团查询是良好的做法。
虽然在所有这些情况下，药效团查询都被视为识别化合物的阳性过滤器，但它们实际上也可以用作阴性过滤器以避免副作用。
无蛋白质结构和无配体结构已知
如果靶标结构及其所有配体均未知，则无法进行药效团建模。应用药效团原理的唯一选择是设计一个基于药效团指纹的多样性度量的多样化库，以确保库的最佳多样性，包含具有不同药效团特征组成的广泛分子。实际上，考虑到可用和潜在化合物的大量，趋势是仔细设计库，以便在任何搜索过程中高效地覆盖化学空间。
无蛋白质结构，但已知活性配体结构
另一种情况是受体（及其与配体的任何复合物）的结构未知。这在药物发现中经常发生。如果仅知道一种活性分子，则无法将关键贡献的药效团特征映射到分子上，唯一的选择可能是使用相似性搜索（如使用药效团指纹）来检索相似分子。一旦测试了这些分子，可能会知道一组活性和非活性化合物，并可以利用更高级的药效团建模。
当可获得具有相似或不同支架的一组已知结构的活性配体时，则可以使用基于配体的药效团建模。推导假设药效团涉及两个步骤。首先，需要广泛覆盖柔性分子的构象空间，因为生物活性构象未知。其次，需要通过共同的药效团特征对分子进行排列，这些特征可以在3D模型中保留。使用非活性衍生物，还可以映射特征的本质以及配体允许的空间排列。特别是Catalyst-HypoGen算法在为此目的可用的各种工具中脱颖而出。这是QSAR和药效团方法的组合。它试图通过构建药效团模型来关联结构和活性值（K_i或半最大抑制浓度[IC_50]）。因此，HypoGen不仅在药效团模型的传统功能中将查询化合物识别为"活性"或"非活性"，还基于训练数据集的回归预测活性值。
蛋白质和配体结构已知
在第三种情况下，配体和受体蛋白质均存在结构信息。通常，药效团模型代表小分子的关键特征，使其能够与某些受体分子结合，但这一想法可以反转，并从蛋白质活性位点的特征构建药效团查询。这些特征描述了蛋白质与其配体之间的主要相互作用，并可以映射到配体的生物活性构象上。理想情况下，结构模型源自晶体学或核磁共振数据，但也可以使用同源模型或其他结构数据。虽然一种配体的结构可能足够，但拥有多个配体的3D信息以识别共同的相互作用是有益的。虽然这种方法与大多数药效团建模方法兼容，但LigandScout作为第一个能够自动从一个或多个蛋白质数据银行（PDB）文件基于蛋白质-配体相互作用构建查询的软件包而引人注目。
此类基于结构的药效团查询有多种应用。它们可用于虚拟筛选、配体结合姿态预测和结合位点比较。
仅蛋白质结构已知
在最后一种情况下，已知蛋白质受体的结构信息，但没有活性配体。在这种情况下，可以通过分析感兴趣结合位点的化学性质来构建假设的药效团模型。有几种不同的计算方法可以直接将蛋白质结合位点的3D原子结构转换为查询。从头药物设计工具LUDI的相互作用图可用于创建药效团查询。HS-Pharm是一种基于知识的方法，使用机器学习算法对结合位点内最有趣的相互作用原子进行优先排序并生成相互作用图。随后，相互作用图被转换为药效团特征。GRID包是分析口袋以识别关键相互作用的另一种方法。使用分子相互作用场，可以识别结合位点中原子探针的最有利位置并将其转换为药效团特征。尽管已报道许多成功案例，但缺乏任何配体结构信息是药物设计的明显劣势，因为在缺乏分子支架的情况下，很难在3D空间中映射特征，而这些特征仍可被配体中受键长和键角限制的原子覆盖。
在所有这些示例中，药效团查询用于识别满足某些几何和化学约束的活性分子。由于药效团查询简单而多功能，它不仅可以用于识别活性分子，如IUPAC对药效团的定义所建议的，实际上也可以用作阴性查询，以识别具有不良特性的分子。
例如，在沃特等人最近的工作中，使用了双药效团查询来识别严格的人类雄激素受体（hAR）拮抗剂。前列腺癌治疗通常依赖于拮抗hAR功能的抗雄激素。然而，hAR中往往会出现耐药突变，使拮抗剂成为激动剂。在他们的工作中，使用了hAR与化合物在激动和拮抗构象中的可用结构信息。基于已知拮抗剂在激动构象中生成药效团查询，并在3D上重新映射到拮抗构象中的第二个查询上。通过组合药效团筛选方法，识别出仅满足拮抗查询但不满足激动查询的化合物。对化合物的实验评估证实了这些化合物对野生型hAR和耐药突变体均具有严格的拮抗活性。
药效团方法在对接模拟中的应用
如前一节所述，药效团模型非常适合用作数据库虚拟筛选的查询。然而，虚拟筛选中更常见的方法是所谓的分层方法，其中不同方法连续组合。这也称为漏斗原理，其中在每个连续步骤中，最不可能活性的化合物被移除，留下最有希望的化合物进行虚拟筛选。通常，分层方法的每一步都比前一步更复杂、计算要求更高。因此，药效团模型通常用作过滤器，以识别在更复杂和计算要求更高的方法（如分子对接）之前满足查询的简单几何和化学功能要求的化合物。
分子对接模拟是计算方法，旨在预测化合物对给定受体的结合模式以及相互作用的质量，通常通过使用评分函数预测亲和力（结合自由能）。对接模拟通常用于针对给定靶标筛选大量化合物数据集，并根据预测的亲和力对化合物进行排名。由于筛选化合物的高数量和多样性，以及大多数筛选化合物实际上可能是非活性的知识，得分最高的化合物很可能是非活性的，而更好的化合物排名较低。尽管这种排名可能仍然比随机好，但通常只从得分最高的化合物中选择少数几种，而其中许多最终被证明是非活性的。
有几种选项可用于将基于对接的虚拟筛选与基于药效团的虚拟筛选相结合：
- 在使用对接模拟评估之前，可以使用药效团查询对配体数据库进行预筛选。
- 可以使用药效团查询对对接模拟进行后过滤，以去除任何不符合药效团查询结合的化合物。该方法还可以丢弃在纯药效团搜索中可能得分良好但根据某些考虑更多信息的假设（如配体整体结构与受体位点的不相容性）不符合结合的化合物。在这种情况下，配体在绝对构象中进行评估，不应允许与药效团特征对齐。
- 另一种选择是使用药效团排列来指导对接模拟过程中的放置。药效团模型可用于配体的放置，类似于将分子拟合到药效团查询中；或通过在评分不同对接姿态时使用约束来指导放置。药效团查询可以源自用户定义的查询或自动生成的基于受体的药效团查询。
药效团模型对于在对接结果的顶部富集活性化合物非常有用。这在最近的SAMPL4虚拟筛选挑战中得到了证明，参赛者被要求在不知道库中化合物活性的情况下对给定靶标（HIV-1整合酶）的一组化合物进行排名。使用分层方法（包括药效团预筛选和对接结果的药效团后过滤）的团队获得了最佳结果。
药效团在ADME-tox中的应用
不良的ADME-tox是药物开发和临床试验中失败的主要原因。因此，普遍认为ADME-tox特性应在药物发现过程的早期进行剖析，而药效团建模方法通常用于此类ADME-tox预测。药效团模型可用于通过将测试分子的等效化学基团与具有已知ADME-tox特征的药物分子进行匹配，来识别药物与药物代谢酶的可能相互作用。
对观察到的ADME-tox特征具有重要意义的酶是启动药物分解的细胞色素P450（CYP）。据估计，只有六种CYP同工酶（1A2、2C9、2C19、2D6、2E1和3A4）负责90%以上的药物代谢。基于已知药物与CYP酶的观察相互作用，已生成基于受体的药效团模型，能够预测类药物化合物与特定CYP的结合并评估被该酶降解的可能性。
类似地，已为尿苷5'-二磷酸葡萄糖醛酸转移酶（与药物清除相关的酶）以及P-糖蛋白和有机阳离子转运蛋白等转运蛋白生成了ADME-tox药效团模型。
药效团引导的药物靶点识别
虽然CADD的目标通常是为给定靶标识别和优化类药物分子，但也存在相反的情况。通常已知药物分子，但作用机制不明确。这些化合物通常来自草药医学或表型开发的药物。在这种情况下，CADD可能有助于识别靶点。化学信息学指纹相似性工具用于识别具有已知作用机制的密切类似物。然而，药效团建模也可能是一种选择，而不是使用药效团查询筛选化合物。分子本身可能成为查询，目标是识别最适合该分子的最可能的药效团模型。此类药效团模型集合可以手动构建或自动从PDB数据库生成。类似地，此方法也可用于为具有未知活性的给定化合物寻找靶点。
Rollinger等人报告了这种方法的一个例子。使用LigandScout，研究了几种植物代谢物，并为这些化合物确定了多个潜在药物靶点。对给定靶点的化合物进行实验测试验证了此方法的适用性。可以预期，随着多药理学或药物重新定位变得更加普遍，药效团模型将在未来发挥重要作用。或者，此方法也可用于预测可能的副作用或脱靶效应，以便设计更具特异性的化合物。
药效团方法的局限性
尽管药物设计依赖药效团建模的成功案例众多，但与任何方法一样，它并非万无一失，应谨慎对待该技术的局限性。
药效团虚拟筛选的主要局限性是缺乏良好的评分指标。对接模拟基于尝试预测亲和力的评分函数，相似性搜索利用相似性指标（如Tanimoto分数），而药效团查询没有可靠的通用评分指标。最常见的是，配体拟合药效团查询的质量通过查询特征和分子原子之间的均方根偏差来表示。然而，此指标无法考虑与已知抑制剂的任何相似性，也无法预测与受体蛋白质的整体兼容性，因此命中药效团查询的分子可能与其它抑制剂非常不同，并具有与受体结合位点不互补的功能基团，从而使它们在完美匹配的情况下仍然无活性。
第二个局限性是基于药效团的虚拟筛选对预计算构象数据库的依赖。这些数据库仅包含每种分子的有限数量的低能量构象。活性分子可能无法被识别，因为缺少构象。特别是对于小分子功能基团（如羟基）的许多不同构象，这尤其如此。不同的旋转在构象生成过程中很难通过均方根偏差差异来区分，因此可能无法充分采样。药效团搜索工具通常能够在拟合过程中旋转此类键，以获得具有正确方向的小柔性极性基团的构象。
最后，主要局限性是构建药效团查询没有一种明确的方法。在许多情况下，药效团模型能够检索分子，但不同的模型可能有效。一个例子是Christ等人与De Luca等人的案例，对于相似的靶标，创建了相似但略有不同的药效团。虽然在相似的数据集上进行了筛选，但识别出的分子非常不同。尽管这只是一个例子，但很可能还有更多。从对各种激酶抑制剂的分析中也可以清楚地看出这一点。在许多情况下，激酶抑制剂彼此非常相似，但对激酶组具有非常不同的活性谱。旨在识别激酶抑制剂的药效团方法毫无疑问会识别出类似激酶抑制剂的分子；然而，不能保证这些分子对目标激酶具有活性。
总之，成功的结果可能需要丰富的经验和一定程度的偶然性。在虚拟筛选SAMPL4挑战中，已证明了专家知识对计算机筛选的影响，也称为"in cerebro步骤"。
虽然靶点识别、副作用预测和ADME-tox剖析似乎是药效团建模的有希望的应用，但对于新分子类别，由于缺乏此类化合物或靶点的信息，成功受到限制。
药效团建模的未来展望
药效团建模自CADD开始以来就一直存在，已从基本概念发展为具有包括相似性度量、虚拟筛选、配体优化、支架跳跃、靶点识别等应用的成熟CADD方法。鉴于药效团概念的简单性和多功能性，可以预期未来将针对不同应用进行进一步开发。
基于片段的药物设计
在过去二十年中，基于片段的药物设计已成为新型药物理性开发的成熟方法。与筛选类药物分子（分子量约500 Da）不同，分子量高达350 Da的较小分子（称为片段）使用高灵敏度生物物理方法筛选与受体的亲和力。显示对靶标有一些亲和力的片段被生长成更大、更有效的化合物，结合到相邻区域的片段也可以连接。
由于小分子片段的多样性可以轻松地用几百种化合物进行采样，计算机筛选方法非常适合基于片段的设计。对接和药效团建模等CADD方法因此也用于在体外测试前在计算机上识别类似片段的化合物；随后的片段重组可用于从头设计抑制剂。
在第一种方法中，起点是跨越受体结合位点中两个（或多个）子口袋的单一药效团查询。添加了一个不表示分子识别特征的额外药效团特征，而是表示片段中的原子，其中不同口袋的两个片段可能重叠并将彼此连接。
然后识别满足药效团查询子口袋中特征以及连接特征的片段。然后评估各自子口袋的片段命中在连接两个片段后保持正确构象的可能性。随后可以合成和评估从头设计的化合物。
在以下示例中，使用不同但类似策略，Cavalluzzo等人基于抑制肽设计了一种新型小分子抑制剂，结合到LEDGF/p75蛋白。他们使用从抑制肽中预先定义的氨基酸侧链片段，构建了一个药效团查询，将两个预先定义的片段与模拟肽相似相互作用的第三个支架片段连接起来。所有可能的化合物在虚拟中枚举，对于能够在连接所有片段后采用类似药效团查询构象的化合物，评估了化学可合成性。合成后，发现该化合物的抑制效力为30 μM IC_50，而最有效的抑制肽为7.4 μM IC_50。
即使使用经典体外方法识别了活性片段，也可以应用计算药效团方法来识别新型衍生物。例如，基于药效团指纹的相似性搜索和3D药效团查询的生成是从小分子库中识别更大、更有效分子的合适手段。
蛋白质-蛋白质相互作用（PPI）抑制
尽管一度被认为"在药物发现树上高高挂起的果实"而"不可成药"，PPI近年来引起了极大关注。不可成药的形象已经消失，越来越多的小分子PPI抑制剂（SMPPII）已被报道。大多数早期抑制剂源自HTS。PPI复合物和抑制剂复合物中蛋白质的结构分析表明，配体模仿PPI界面的相互作用。SMPPII被发现不仅在形状和化学方面复制自然相互作用，甚至在静电势水平上也是如此。这种模仿表明，可以从PPI复合物结构创建的药效团查询可用于通过虚拟筛选识别SMPPII。可以使用不同方法将药效团特征映射到PPI界面上存在的氨基酸上。多亏了使用手动创建的搜索特征、PPI界面上的相互作用共识、自动方法或使用分子相互作用场分析识别关键相互作用的药效团搜索，已实现几种SMPPII的发现。
PPI对于控制不当信号（如癌症中发现的信号）特别有希望成为靶标。使用药效团创建编码PPI界面关键相互作用的查询对发现新型SMPPII的有用性可能会强烈刺激药效团的发现，既作为独立的虚拟筛选工具，也结合到与其他方法的管道中。
蛋白质设计中的潜在作用？
尽管药效团建模起源于药物设计概念，并且如前所述，如今是CADD的关键元素，但药效团建模在当前蓬勃发展的计算蛋白质设计领域显示出希望。计算蛋白质设计的目标不是为给定蛋白质靶标设计药物，而是推导出将折叠成具有所需功能的给定结构的氨基酸序列。在许多情况下，这可能涉及蛋白质-小分子配体相互作用，可以轻松想象药效团可能通过简单地反转已知蛋白质结构的小分子药物设计过程来使用。
首先，应该为蛋白质重新设计过程识别合适的蛋白质模板（酶或其他）。感兴趣的配体可以作为查询来尝试识别可能的结合蛋白质，然后可以重新设计以给予配体最佳互补性。其次，在虚拟蛋白质设计过程中，通常会对不同氨基酸的多个构象进行采样，以识别最理想的构象。类似于配体与药效团查询的拟合，蛋白质侧链可以拟合到描述蛋白质-配体界面上所需互补相互作用的特征上。
结论
药效团概念近一个世纪前首次被提出作为药物相互作用的有用图景，随着过去几十年计算能力的提升，已成为药物发现中具有多种不同应用的成熟CADD方法。根据系统先验知识，药效团可用于识别化合物衍生物、将支架更改为具有相似靶标的新型化合物、虚拟筛选新型抑制剂、剖析化合物的ADME-tox、调查可能的脱靶效应，或仅补充其他分子方法。尽管药效团概念存在局限性，但随时有多种补救措施可用。鉴于这种多功能性，预计药效团建模将在可预见的未来在CADD中保持主导地位，任何药物化学家都应了解其益处和可能性。
致谢
卿晓宇感谢Kuleuven IDO/11/008的资助，李晓音感谢东盟国际学生的味之素奖学金，乔伦·德·雷马克感谢IWT 120050项目NEMOA的资助，阿诺特·RD·沃特感谢理化学研究所的FPR奖学金。
披露
作者报告在此工作中不存在利益冲突。
【全文结束】
