深度学习发现TP-41可用于清除阿尔茨海默病治疗中的甲基乙二醛

1. 领域背景与文献

文献英文标题：Deep learning identifies TP-41 for methylglyoxal scavenging in Alzheimer"s treatment

发表期刊：未公开；影响因子：未公开；研究领域：阿尔茨海默病神经退行性疾病新药研发

领域共识：阿尔茨海默病（AD）是当前全球影响范围最广的神经退行性疾病，随着全球人口老龄化程度加剧，AD患病率持续升高，对公共卫生造成沉重负担。目前AD发病机制研究已经明确β淀粉样蛋白沉积、tau蛋白过度磷酸化、神经炎症、晚期糖基化终末产物蓄积是核心病理驱动因素，但现有临床治疗手段仅能缓解症状，无法阻断疾病进展，亟待开发靶向核心发病机制的新型治疗药物。

近年研究逐步明确了丙酮醛（MGO）在AD发病中的关键作用，MGO是一种内源性二羰基化合物，可通过诱导活性氧生成引发细胞损伤、炎症反应、细胞毒性和细胞凋亡，同时参与AD核心病理特征神经原纤维缠结、β淀粉样蛋白斑块、晚期糖基化终末产物的形成过程。临床研究已经观察到AD患者脑脊液和多种组织中存在MGO的异常蓄积，提示MGO是AD治疗的潜在新型靶点。现有MGO清除策略仅验证了氨基胍、色氨酸、色胺等少量化合物的活性，尚未建立高效快速的大规模化合物筛选方法，针对MGO靶点的新型候选药物研发进展缓慢。

深度学习技术已经成功应用于AD候选药物的虚拟筛选，可有效降低大规模实验筛选的成本，提升筛选效率，但目前尚未有针对MGO清除活性预测的深度学习模型，也缺乏足量的MGO清除活性实验数据用于模型训练，这一领域空白亟待填补。本研究的核心目的是开发适配MGO清除活性预测的深度学习模型，筛选新型高效MGO清除剂，验证其在AD动物模型中的治疗效果，为AD新药研发提供新的候选分子和技术范式。

2. 文献综述解析

作者对现有研究的评述按照AD病理机制、MGO的致病作用、现有MGO清除药物研发、深度学习在AD药物筛选中的应用四个维度展开梳理。现有AD治疗研究多数集中在β淀粉样蛋白和tau两大传统靶点，虽然取得了大量研究进展，但上市药物的临床效果仍然有限，针对新型致病靶点的研发是当前领域的研究热点。现有研究已经明确MGO作为糖酵解副产物，在AD发病中除了作为晚期糖基化终末产物的前体之外，还可直接诱导神经损伤和认知功能障碍，是独立于传统靶点的新型致病因子，但是针对这一靶点的药物研发尚未得到足够重视。

在技术层面，已经开展的MGO清除剂研发仅对少量天然化合物和氨基酸进行了活性测试，研究规模小，缺乏系统的筛选流程，难以获得活性优于现有化合物的新型分子；深度学习技术已经成功应用于乙酰胆碱酯酶抑制剂等AD候选药物的筛选，证明了深度学习在AD药物筛选中的可行性，但是深度学习模型的性能高度依赖数据集规模和模型架构设计，公开可用的MGO清除活性数据不足，也没有适配小样本高维度化合物数据的深度学习模型，限制了该方向的发展。

对比现有研究的不足，本研究的创新价值十分明确，本研究首次通过大规模实验获得了包含2262个MGO清除活性数据的内部数据集，首次设计了适配小样本高维度数据的深度学习模型DeepMGO，模型预测精度显著优于现有深度学习和机器学习模型，并且首次通过深度学习筛选得到了新型高活性MGO清除剂TP-41，在两种AD小鼠模型中验证了其治疗效果，填补了MGO靶点药物研发缺乏高效筛选技术和新型候选药物的空白，为AD治疗开辟了新的方向。

3. 研究思路总结与详细解析

本研究的整体研究框架为：研究目标是开发精准预测MGO清除活性的深度学习模型，筛选新型MGO清除剂并验证其对AD的治疗效果；核心科学问题是深度学习模型能否精准筛选出高效MGO清除剂，候选化合物能否改善AD模型的病理特征和认知功能；技术路线遵循“数据集构建→模型训练与性能验证→虚拟筛选得到候选化合物→体内药效与机制验证”的完整研究闭环。

3.1 内部数据集构建与DeepMGO模型开发和性能评估

实验目的：获取足量MGO清除活性实验数据，构建DeepMGO预测模型，并对比不同模型的预测性能，验证DeepMGO的优势。
方法细节：对660种化合物（包含482种天然化合物、159种美国食品药品监督管理局批准药物、19种氨基酸）在0.001~1000 μM浓度范围内开展MGO清除活性检测，共得到2262个活性数据，计算化合物的分子特征后，按照8:1:1的比例将数据集划分为训练集、验证集、测试集；构建包含3个卷积层和3个全连接层的DeepMGO模型，同时构建另外两种深度学习模型（DeepIC50、ResNet18）和四种机器学习模型（拉索、岭回归、随机森林、支持向量回归）进行性能对比；最后采用包含61个已报道化合物（50个活性、11个无活性）的独立测试集验证模型的泛化能力。
结果解读：测试集结果显示，DeepMGO模型预测值与实验观测值的皮尔逊相关系数为0.94（P=2.2×10^-16，n=226），决定系数R²为0.939，log2(均方根误差)为-3.921，性能优于所有对比模型；通过特征选择优化后，选择90%重要特征时DeepMGO性能达到最优，R²提升至0.952，log2(均方根误差)降低至-4.083，仍然显著优于其他所有模型；独立测试集验证结果显示，DeepMGO的受试者工作特征曲线下面积（AUROC）为0.820（95%置信区间 0.719-0.925，n=61），远高于性能第二的随机森林模型，证明DeepMGO具有优秀的泛化能力，适合用于新型MGO清除剂的筛选。

实验所用关键产品：文献未提及所有实验产品的具体品牌，模型构建使用了keras v2.1.0、scikit-learn等开源工具包，领域常规使用多功能酶标仪完成活性检测。

3.2 候选化合物筛选与血脑屏障通透性预测

实验目的：从色氨酸衍生物库中筛选高活性MGO清除剂，评估候选化合物的血脑屏障穿透能力，筛选适合体内研究的候选分子。
方法细节：利用训练完成的DeepMGO模型，对40种新型色氨酸衍生物和4种已知候选化合物在不同浓度下的MGO清除活性进行预测；采用logBB_Pred和ADMET-AI两种工具预测候选化合物的血脑屏障通透性。
结果解读：在500 μM浓度下，色氨酸衍生物TP-41的预测MGO清除活性得分在所有测试化合物中排名第一；logBB_Pred预测结果显示TP-41的logBB值为-0.9758，符合血脑屏障穿透标准（logBB > -1），ADMET-AI预测显示TP-41的血脑屏障通透性得分为0.7737，高于已知可穿透血脑屏障的5-羟色胺（0.5580），证明TP-41可有效穿透血脑屏障，适合开展体内药效验证。

实验所用关键产品：文献未提及具体实验产品，领域常规使用生物信息学预测工具完成本项分析。

3.3 MGO诱导AD样病理小鼠模型的体内药效验证

实验目的：在MGO诱导的小鼠模型中验证TP-41对AD病理和认知功能的改善作用。
方法细节：将7周龄雄性ICR小鼠适应性饲养后随机分为4组（n=5）：对照组、MGO处理组（60 mg/kg，每周两次直肠注射）、MGO+TP-41处理组（40 mg/kg/天，口服给药）、MGO+色氨酸处理组（40 mg/kg/天，口服给药），连续给药2周；依次开展旷场试验、悬尾试验、强迫游泳试验评估抑郁样行为，开展新物体识别试验评估记忆能力；采用酶联免疫吸附试验检测血清皮质醇和促炎细胞因子水平，高效液相色谱检测血清游离MGO水平，采用免疫组化（IHC）和蛋白质免疫印迹检测脑组织中相关病理蛋白的表达。
结果解读：MGO处理后，小鼠下丘脑室旁核糖皮质受体表达量、血清皮质醇水平、三种促炎细胞因子（白细胞介素-1β、白细胞介素-6、肿瘤坏死因子-α）水平、血清游离MGO水平、脑组织晚期糖基化终末产物受体表达量均显著高于对照组（P<0.001，n=5）；TP-41处理可显著降低上述所有指标的水平，其中血清游离MGO水平较MGO组降低42%（P<0.01，n=5），改善效果优于同等剂量的色氨酸处理；行为学测试显示，MGO处理小鼠新物体识别率较对照组降低38%（P<0.01，n=5），悬尾试验和强迫游泳试验不动时间分别延长45%和52%（P<0.01，n=5），TP-41处理可显著逆转上述所有行为学变化；病理检测显示，MGO处理小鼠脑组织淀粉样前体蛋白、单体β淀粉样蛋白1-42、寡聚化β淀粉样蛋白、寡聚化磷酸化tau蛋白表达量均显著升高（P<0.05，n=3-6），TP-41处理可显著降低上述所有病理蛋白的表达水平。

实验所用关键产品：Sigma提供MGO和色氨酸，R&D Systems提供酶联免疫吸附试验试剂盒，Santa Cruz Biotechnology提供糖皮质受体和晚期糖基化终末产物受体抗体，Invitrogen提供淀粉样前体蛋白、β淀粉样蛋白相关抗体。

3.4 5xFAD转基因AD小鼠模型的药效验证

实验目的：在遗传型AD小鼠模型中进一步验证TP-41的治疗效果，提升研究的转化相关性。
方法细节：将野生型小鼠和5xFAD转基因小鼠分组（n=5-7），分别给予溶剂、MGO、TP-41、色氨酸处理，连续给药2个月；依次开展新物体识别试验、Y迷宫试验、巴恩斯迷宫试验评估不同维度的认知功能，采用蛋白质免疫印迹、免疫组化（IHC）、共聚焦免疫荧光检测脑组织病理变化和神经炎症水平。
结果解读：5xFAD小鼠和MGO诱导野生型小鼠均表现出明显的认知功能障碍，表现为新物体识别探索率降低28%、Y迷宫自发交替率降低21%、巴恩斯迷宫逃避潜伏期延长43%（P<0.05，n=4-7），TP-41处理可显著改善上述所有认知指标，改善效果显著优于同等剂量的色氨酸处理；分子病理检测显示，TP-41处理可显著降低5xFAD小鼠脑组织淀粉样前体蛋白、不同形式β淀粉样蛋白、磷酸化tau蛋白的表达水平（P<0.05，n=4-7），同时可显著减少海马和皮层区β淀粉样蛋白沉积，降低Iba1阳性小胶质细胞活化水平，三种促炎细胞因子的表达水平较模型组降低35%-42%（P<0.01，n=4-6），所有改善效果均优于色氨酸处理。

实验所用关键产品：Invitrogen提供β淀粉样蛋白相关抗体，Biolegend提供β淀粉样蛋白单克隆抗体（6E10），Wako提供Iba1抗体。

4. Biomarker研究及发现成果

Biomarker定位：本研究涉及的生物标志物为循环游离丙酮醛（MGO），属于代谢物类生物标志物，验证逻辑为：基于临床研究发现AD患者体内MGO异常蓄积→本研究在两种AD小鼠模型中验证MGO水平与AD病理特征、认知功能障碍的相关性→确认其作为AD进展监测生物标志物的价值。

研究过程详述：本研究中MGO的检测样本为小鼠血清，采用高效液相色谱法对游离形式的MGO进行定量检测；在MGO诱导小鼠模型中，对照组血清MGO水平为基础值，MGO处理组血清MGO水平较对照组升高2.1倍（n=5，P<0.001），TP-41处理后血清MGO水平较MGO处理组降低42%（n=5，P<0.01）；相关性分析显示，血清MGO水平与脑组织β淀粉样蛋白沉积水平、tau磷酸化水平、促炎细胞因子表达水平均呈显著正相关，与认知功能评分呈显著负相关。在5xFAD转基因小鼠中，血清MGO水平也显著高于野生型对照小鼠（n=5，P<0.05），与疾病进展过程中MGO水平持续升高，提示其可反映疾病进展程度。

核心成果提炼：本研究确认循环游离MGO可作为AD疾病进展的生物标志物，其水平与AD的核心病理特征和认知功能障碍程度显著相关，推测：血清MGO水平每升高1倍，AD发生进展的风险升高约2倍（文献未明确提供风险比原始数据，基于实验结果趋势推测）。本研究最核心的发现是TP-41作为新型MGO清除剂，可有效清除体内蓄积的MGO，进而抑制AD核心病理，改善认知功能，本研究首次在两种体内AD模型中验证了深度学习筛选得到的MGO清除剂的治疗效果，首次证实TP-41可同时改善AD的淀粉样蛋白沉积、tau磷酸化、神经炎症三大核心病理，为AD治疗提供了新的候选化合物和新的治疗方向，具有重要的学术价值和转化前景。