利用定量构效关系与机器学习设计肝细胞癌抑制剂：新型化合物对HepG2细胞细胞毒性的实验验证

研究人员针对肝细胞癌（Hepatocellular carcinoma, HCC）现有治疗药物索拉非尼（Sorafenib, SOR）疗效有限及耐药性问题，采用定量构效关系（Quantitative Structure–Activity Relationship, QSAR）方法探究其衍生物抑制活性的结构特征。研究构建了多种机器学习模型，包括多元线性回归（Multiple Linear Regression, MLR）、随机森林（Random Forest, RF）、梯度提升回归（Gradient Boosting Regression, GBR）和极限梯度提升（Extreme Gradient Boosting, XGBoost）。其中，GBR模型表现最优，决定系数（R2）达0.951，测试集均方根误差（RMSEtest）为0.150，显示出良好的内部性能。基于优化模型设计了11种新型1,2,3-三唑基索拉非尼类似物并预测其抑制活性，随后完成合成及体外评价。结果显示，这些化合物对HepG2细胞系具有高抑制活性，其中化合物10a的半抑制浓度（IC50）为0.515 μM，活性约为母体索拉非尼的12倍，并具有初步体外选择性。研究表明，将QSAR建模、合成与生物活性评价相结合可有效指导索拉非尼类似物的理性设计，为开发抗HepG2细胞活性的新型候选药物提供了可行策略。

本研究发表于《Medicine in Drug Discovery》，围绕提高肝细胞癌治疗药物的活性和选择性展开。当前，肝细胞癌是全球高发且致死率极高的恶性肿瘤，索拉非尼作为首个系统性靶向治疗药物，因溶解度低、口服生物利用度不稳定及获得性耐药等问题，限制了其临床应用。因此，研究人员旨在通过结构改造与计算模拟相结合的方法，开发活性更高、选择性更好的索拉非尼衍生物。

研究采用了四个关键技术方法：首先，基于已有文献中50个索拉非尼衍生物的化学结构与活性数据，构建数据集并进行分层采样划分训练集与测试集；其次，利用密度泛函理论（DFT）优化分子结构，并在分子操作环境（MOE）中计算分子描述符，通过遗传功能算法（GFA）筛选关键特征；第三，分别建立MLR、RF、GBR和XGBoost模型，并通过五折交叉验证与网格搜索优化超参数；第四，结合SHAP（Shapley Additive Explanations）方法解析模型特征贡献，指导新化合物设计，并通过MTT法测定合成化合物的细胞毒性与选择性指数（SI）。

在结果部分，经典QSAR模型采用MLR方法，选取五个独立描述符，训练集R²为0.674，测试集RMSE为0.424，揭示了疏水性、溶剂化能和表面电荷分布对活性的影响规律。机器学习QSAR模型中，GBR模型性能最佳（R²=0.951，RMSE_test=0.150），优于RF与XGBoost，并能稳定捕捉非线性构效关系。GBR模型验证通过Y-随机化、外部验证、适用性域（AD）分析及Boosting迭代误差评估，证实模型非偶然拟合且具有合理的稳定性与预测能力。SHAP解释分析表明，疏水体积（vsurf_CW3）、脂水分配系数（h_log_pbo）和部分电子描述符在不同取值范围内对pIC₅₀有显著正向或负向贡献。潜在抑制剂设计与pIC₅₀预测阶段，研究人员依据模型与SHAP分析结果，在训练集中高活性化合物骨架基础上引入烷基、醚、酰胺等取代基，设计出11个新衍生物并预测其活性。ADMET性质计算显示所有设计化合物符合超越五规则（beyond Rule of Five, bRo5）的药物相似性标准。细胞毒性测试结果显示，合成的六个化合物对HepG2细胞IC₅₀介于0.515~18.9 μM之间，其中化合物10a（–CONHMe取代）活性最强，约为索拉非尼的12倍，且选择性指数超过19.4，显著高于对照药物阿霉素与索拉非尼。

讨论部分指出，尽管本研究在单一细胞系中验证了化合物的高效活性，且计算模型在限定化学空间内表现出良好性能，但仍需进一步在多种HCC细胞系及体内模型中验证其机制与作用靶点。此外，扩大数据集规模与结构多样性有助于提升模型的泛化能力。结论部分强调，将QSAR、机器学习与实验验证整合的策略，可有效支持针对肝细胞癌的索拉非尼类似物骨架优化，为后续抗肿瘤药物研发提供了可靠的理论与实践基础。