人工神经网络级联模型识别天然HERG抑制剂及其作用机制研究

Drug-induced long QT syndrome (LQTS) is one of the leading causes of sudden cardiac death due to inhibition or dysfunction of HERG channel. Natural compounds are valuable resource of new drugs development. However, there is no proper evaluation method on cardiac risk of natural compounds, especially on drug-induced LQTS. Screening natural compounds that causes LQTS may have great significance on prevention and treatment of drug-induced LQTS. In this study, we will take advantages of the combination of high-throughput virtual assessment and systematic biological experimental verification, construct an artificial neural network cascade, virtually predict the inhibited effect of over 160 thousand nature compounds on HERG channel, and build chemical similarity network according to the prediction results and the parent structures. Representative compounds with different parent structures would be selected and underwent experimental verification. Effects on HERG protein expression and channel function would be compared among different compounds and the structure-toxicity relationship would be summarized. Furthermore, we would detect the potential effects of nature compounds on the key target proteins of HERG channel transcription and transportation and reveal the regulation mechanisms underlying the role of nature compounds on HERG inhibition. This study will provide new techniques and theoretical foundation for screening high-risk drug-induced LQTS, and have great significance on effectively preventing LQTS and sudden cardiac death.

药源性长QT综合征(LQTS)是由药物抑制HERG通道蛋白表达及功能所致，是诱发心源性猝死的主要原因。天然化合物是新药开发的重要来源，但国内外尚无体系化评价其潜在致药源性LQTS风险的方法。筛选、甄别诱发药源性LQTS的天然化合物，对防治药源性LQTS的发生具有重要意义。本项目拟结合高通量虚拟评估及系统的生物学验证，建立全新的人工神经网络级联模型，对约16万个已知结构的天然化合物进行HERG通道抑制作用虚拟预测，根据结果及母核结构构建化合物相似网络；选取不同母核代表化合物进行实验验证，从对HERG通道表达及功能等方面进行比较分析，总结不同类别天然化合物抑制HERG通道的毒构关系；并进一步揭示化合物对HERG蛋白转录、转运关键靶蛋白的调控作用，阐明天然化合物抑制HERG通道的作用机制。本研究将为筛查高风险药源性LQTS提供全新的技术手段和理论依据，对有效防治LQTS和心源性猝死具有重要意义。

药源性长QT综合征(LQTS)是由药物抑制hERG通道蛋白表达及功能所致，是诱发心源性猝死的主要原因。天然化合物是新药开发的重要来源，但国内外尚无体系化评价其潜在致药源性LQTS风险的方法。对药物进行LQTS安全性评价，解析药源性LQTS的发生机制，从而防治心源性猝死的发生，已成为当今函待解决的热点问题。本项目利用生物信息学和系统的生物学方法来高通量筛选可能导致药源性LQTS发生的2万余种天然化合物，填补了国内国际的研究空白，具有开创性的意义。首次建立了全新的人工神经网络级联模型，更准确、稳定的预测天然化合物抑制hERG通道的可能性；并对下载并处理过的24033个中药单体数据进行hERG抑制预测，筛选对hERG具有抑制作用化合物并排序，甄别其结构分类；选取具有代表性的作用最强的不同种类天然化合物Gypsoside（丝石竹皂苷）与Paeonidin（芍药素），应用系统的生物学实验验证模型的判别准确度，比较分析不同结构天然化合物对hERG通道表达及功能的作用强弱；探讨Gypsoside与Paeonidin对hERG通道电生理特性及蛋白表达的调控作用，揭示天然化合物抑制hERG通道进而诱发药源性LQTS的作用机制。在此基础上，我们开展了扩展性研究，在深入研究调控hERG通道蛋白转录、成熟、定位及功能表达的转运载体和关键靶蛋白的调控作用过程中，发现蛋白激酶SGK1可通过调控泛素连接酶Nedd4-2磷酸化水平，进而调控hERG通道的泛素化降解。并发现降脂药物瑞舒伐他汀通过加速通道的失活阻断hERG通道，并阻断hERG通道的转运以及促进膜上hERG蛋白的降解，引发药源性LQTS。这些结果不仅为筛查高风险药源性LQTS提供全新的技术手段和理论依据，并更好地揭示天然化合物诱发药源性LQTS的机制，对有效防治LQTS和心源性猝死具有重要意义。