-
何為蛋白多肽相互作用？
-
傳統多肽文庫與DNA編碼多肽文庫有何不同？
蛋白或多肽相互作用
蛋白-蛋白相互作用與多種生物學過程相關，包括但不限于DNA復制，轉錄，蛋白修飾，信號傳導等。然而蛋白-蛋白作用平面因其較大的作用面積1,000—6,500 ?2，難以設計與之特異性作用的小分子藥物。1這些位點長期以來被認為是“非成藥位點”。多肽因其結構的特殊性，更接近于天然蛋白-蛋白相互作用的微環境，更適合針對這些 “非成藥位點“進行設計（圖1）。而高通量的多肽文庫篩選方法，對于多肽類藥物的開發有極大的幫助。
圖1. 蛋白-蛋白相互作用結構展示。a&b. 蛋白-蛋白相互作用示例；c&d. 蛋白多肽相互作用示例；e. 多肽-多肽相互作用示例1
傳統多肽文庫
傳統的多肽文庫一般分為兩種，第一種為合成的突變文庫，例如丙氨酸篩選，隨機突變文庫等（圖2）。對于這樣的文庫，每一條序列需要單獨合成，純化及表征。因此可以對文庫中每一個組分的質量進行較好的控制。同時由于文庫是通過是化學合成制備的，氨基酸的類型不單單限于天然氨基酸。多種非天然氨基酸或其他化學修飾的引入有助于拓展文庫的化學多樣性，提高多肽藥物的成藥性。2但隨著文庫量的增長，制備的成本及篩選的周期都會有顯著的提升。
圖2. 常用多肽文庫類別（from http://www.cgtbus.com/alanine_scanning.html; http://www.cgtbus.com/random_library.html）
第二種為多肽展示文庫，例如噬菌體展示。其展示的多肽文庫由對應的DNA表達，同時表達的多肽也與其所編碼的DNA序列共價結合（圖3）。制備文庫過程中，所有序列可以被同時表達。由于核酸序列的存在，親和力篩選也可以同時進行，而不需要單獨分離出每一個文庫單元進行測試。但相對的，表達體系僅與天然氨基酸兼容，化學多樣性有一定的限制。同時文庫的大小也受限于單位體積培養基中可以存活的噬菌體總量，一般低于1010。4
圖3. 噬菌體展示技術（from https://www.cusabio.com/c-20680.html)
DNA編碼多肽文庫
為了降低篩選成本同時提高化學多樣性，基于DNA編碼化合物的技術-DNA編碼多肽也被廣泛應用于多肽藥物的篩選中（圖4）。相比于傳統的多肽文庫，DNA編碼多肽文庫使用化學方法合成，可以引入更豐富的化學多樣性。同時多肽序列也和DNA編碼共價結合，前體化合物信息可以通過二代測序進行解碼和構效分析。
圖4. DNA編碼化合物技術（from: https://cen.acs.org/articles/95/i25/DNA-encoded-libraries-revolutionizing-drug.html）
哈佛大學劉如謙教授利用DNA模板介導的合成方法（圖5），合成了256,000個分子庫容量的環肽文庫。5針對于胰島素降解酶（IDE）靶點篩選到了多個nM級別的多肽藥物前體。其中一個前體可以獲得低于40nM的IC50值。使用DNA模板介導的文庫合成可以通過堿基匹配，同時合成及編碼的對應的多肽文庫。由于沒有使用split-pool合成法，篩選類似于達爾文進化，前體在每一輪篩選中可以被進一步富集。有利于找到原始豐度不高但結合效率高的前體化合物。
圖5. DNA模板法合成DNA編碼的環肽文庫5
蘇黎世聯邦理工大學的Dario Neri教授利用DNA記錄法，通過split-pool的組合化學合成方法合成了基于環肽模板的DNA編碼多肽文庫（圖6）。6庫容量達35,393,112個分子。通過篩選這樣的多肽文庫，他們找到了針對不同靶點包括HSA, AGP, CaM, PSA, L19-TNF 和 TNF等的多個μm級別的環肽結構。篩選出的環肽結構，在體內和體外實驗中均可以特異性結合靶標蛋白，可以被設計成高特異性的化學探針。
圖6. DNA記錄法合成基于環肽模板的多肽文庫6
其他類似的DNA編碼多肽文庫也有文獻報道7,8，同時也有科研工作者嘗試使用活性篩選代替親和力篩選，以減少假陽性的可能。9,10相信在未來，DNA編碼的多肽平臺可以在多肽藥物開發中發揮必不可少的作用。
參考文獻：
1. Scott, D. E.; Bayly, A. R.; Abell, C.; Skidmore, J., Small molecules, big targets: drug discovery faces the protein–protein interaction challenge. Nature Reviews Drug Discovery 2016, 15 (8), 533-550.
2. Ding, Y.; Ting, J. P.; Liu, J.; Al-Azzam, S.; Pandya, P.; Afshar, S., Impact of non-proteinogenic amino acids in the discovery and development of peptide therapeutics. Amino Acids 2020, 52 (9), 1207-1226.
3. Mimmi, S.; Maisano, D.; Quinto, I.; Iaccino, E., Phage display: an overview in context to drug discovery. Trends in pharmacological sciences 2019, 40 (2), 87-91.
4. Bazan, J.; Ca?kosiński, I.; Gamian, A., Phage display--a powerful technique for immunotherapy: 1. Introduction and potential of therapeutic applications. Hum Vaccin Immunother 2012, 8 (12), 1817-1828.
5. Usanov, D. L.; Chan, A. I.; Maianti, J. P.; Liu, D. R., Second-generation DNA-templated macrocycle libraries for the discovery of bioactive small molecules. Nature Chemistry 2018, 10 (7), 704-714.
6. Li, Y.; De Luca, R.; Cazzamalli, S.; Pretto, F.; Bajic, D.; Scheuermann, J.; Neri, D., Versatile protein recognition by the encoded display of multiple chemical elements on a constant macrocyclic scaffold. Nature Chemistry 2018, 10 (4), 441-448.
7. Zhu, Z.; Shaginian, A.; Grady, L. C.; O’Keeffe, T.; Shi, X. E.; Davie, C. P.; Simpson, G. L.; Messer, J. A.; Evindar, G.; Bream, R. N.; Thansandote, P. P.; Prentice, N. R.; Mason, A. M.; Pal, S., Design and Application of a DNA-Encoded Macrocyclic Peptide Library. ACS Chemical Biology 2018, 13 (1), 53-59.
8. Stress, C. J.; Sauter, B.; Schneider, L. A.; Sharpe, T.; Gillingham, D., A DNA-Encoded Chemical Library Incorporating Elements of Natural Macrocycles. Angewandte Chemie International Edition 2019, 58 (28), 9570-9574.
9. MacConnell, A. B.; Price, A. K.; Paegel, B. M., An Integrated Microfluidic Processor for DNA-Encoded Combinatorial Library Functional Screening. ACS Combinatorial Science 2017, 19 (3), 181-192.
10. Kim, D.; Sun, Y.; Xie, D.; Denton, K. E., Application of a Substrate-Mediated Selection with c-Src Tyrosine Kinase to a DNA-Encoded Chemical Library. 2019, 24 (15).
