探索SGK1抑制的药物再利用：FDA批准的药物及其结构特征为新的治疗策略提供依据

《Kuwait Journal of Science》：Exploring drug repurposing for SGK1 inhibition: FDA-approved drugs and structural insights for new therapeutic strategies

　　穆罕默德·阿尔鲁吉（Mohammed Alrouji）、奥斯曼·阿尔奥米尔（Othman AlOmeir）、沙里夫·阿尔哈杰拉（Sharif Alhajlah）、胡津·迪尼斯拉姆（Khuzin Dinislam）、莫亚德·沙赫万（Moyad Shahwan）、阿纳斯·沙姆西（Anas Shamsi）
沙特阿拉伯沙克拉大学应用医学科学学院医学实验室系，沙克拉11961

**摘要**
血清和糖皮质激素调节的激酶1（SGK1）是一种丝氨酸/苏氨酸激酶，在多种细胞功能中起着关键作用，包括细胞生长、离子通道的调节以及免疫反应。SGK1的异常表达与多种疾病相关，如癌症、心血管疾病和神经系统疾病，这使其成为药物开发的潜在靶点。然而，由于药物耐药性和脱靶副作用，开发有效的SGK1靶向疗法一直是一个重大挑战。在本研究中，我们采用基于结构的方法对从DrugBank中获得的3648种FDA批准的药物进行了重新利用，以识别潜在的SGK1抑制剂。通过分子对接、虚拟筛选和500纳秒分子动力学（MD）模拟，我们探讨了这些药物作为SGK1调节剂的潜力。研究结果确定了两种高置信度的候选药物——维尼托克拉克斯（Venetoclax）和兰瑞otide（Lanreotide），它们被预测能够最佳结合并稳定地对接在SGK1活性位点上。观察到了SGK1与目标化合物（维尼托克拉克斯和兰瑞otide）之间的典型结合模式，这些化合物已在临床环境中与参考抑制剂进行了测试。药物特征表明它们在SGK1相关药物开发中具有潜在的重新利用价值。总之，本研究展示了基于结构的药物重新利用在发现SGK1抑制剂方面的价值，并突出了所获得化合物的转化潜力，特别是维尼托克拉克斯和兰瑞otide。这些发现为未来针对SGK1治疗多种病理过程的实验验证和治疗策略的发展奠定了基础。

**1. 引言**
血清和糖皮质激素调节的激酶（SGK）家族有三个成员：SGK1、SGK2和SGK3，它们都具有丝氨酸/苏氨酸激酶活性[1]。这些激酶与AKT激酶家族相关，并在这两组激酶之间保留了C-结构域催化结构[2]。SGK家族中研究最深入的成员是血清和糖皮质激素调节的激酶1（SGK1），它最初在大鼠肿瘤细胞中被发现为一种受血清和糖皮质激素转录上调的基因[3]。其他实验将人类SGK1基因定位在6q23染色体上，并证明它受到多种刺激物的转录调控，包括胰岛素、IL-2、TGF-β和肽类激素[4]。从结构上看，SGK1具有N端可变区、催化核心和C端延伸区[5]。这些特征将SGK1归类为AGC激酶家族的一员，与其他激酶如PKA、PKC和S6K相关[6]。SGK1介导多种细胞过程，包括离子通道调节、细胞存活、增殖和凋亡[7]。其活性还受到上游激酶的调控，包括磷脂酰肌醇依赖性激酶1（PDK1）和哺乳动物雷帕霉素靶蛋白复合体2（mTORC2）[8]。SGK1的异常表达已在高血压、糖尿病、代谢综合征和尤其是癌症中被报道[9, 10]。据报道，SGK1在上皮肿瘤中过度表达，促进细胞存活、增殖、侵袭和抗凋亡[7]。这些特性使SGK1成为癌症及其他相关疾病药物干预的理想靶点。近年来，SGK1在代谢疾病中的作用及其对癌症发展的影响已被描述[11]。肥胖和代谢综合征都与高水平的SGK1相关，已被确定为主要的癌症风险因素。从功能上看，SGK1调节有丝分裂稳定性、细胞周期和caspase活性的能力支持其在肿瘤发生中的潜在作用[12]。此外，SGK1的多态性变异与2型糖尿病和高血压有关，为SGK1在代谢综合征和其他疾病中的作用提供了基因组证据[11, 14]。

尽管近年来SGK1在健康和疾病中的功能已有充分记录，但选择性抑制剂仍在开发中，仍面临许多障碍[7]。传统的药物发现方法成本高昂，无法捕捉SGK1复杂的生物学活性[15]。为了解决这些挑战，开发了计算方法来重新利用药物，如分子对接、虚拟筛选和分子动力学（MD）模拟，用于识别潜在的SGK1抑制剂[16, 17]。这些方法的另一个优点是它们可以快速高效地筛选大量化学化合物，以高亲和力和选择性针对SGK1活性位点。

在过去十年中，已经鉴定出几类SGK1的小分子抑制剂，包括吡唑并嘧啶类、吲唑类和其他杂环骨架，每种抑制剂都表现出广泛的抑制潜力（图1）。然而，大多数化合物对SGK1的选择性有限，且药代动力学特性不佳，这阻碍了它们的临床转化。这些配体具有多种结构特征，如参与ATP结合位的极性氢键供体和受体以及占据相邻亚口袋的疏水性芳香结构域，从而阐明了不同化学骨架如何调节SGK1活性，并为重新利用分析提供了依据。

**图1. 经实验验证的SGK1抑制剂的化学结构**
该图展示了针对血清和糖皮质激素调节的激酶1（SGK1）的代表性小分子抑制剂的分子结构。这些抑制剂显示出实验测得的IC50值在纳摩尔到微摩尔范围内，可作为开发选择性SGK1调节剂的参考骨架。

在本研究中，我们采用基于结构的药物重新利用方法来识别抑制SGK1的小分子化合物，并筛选FDA批准的化合物以评估其抑制SGK1的能力。通过分子对接结合MD模拟，我们对特定库进行了广泛的计算机筛选，以识别潜在的抑制剂。维尼托克拉克斯和兰瑞otide显示出显著的结合能和在SGK1结合口袋中的稳定构象。为了探索这些药物-蛋白质复合物在其明确溶剂化环境中的动态行为，并确定增强抑制效力的稳定因素，我们进行了500纳秒的MD模拟。本研究强调了计算策略在指导SGK1抑制剂重新利用中的重要性。这里描述的重新利用分子组合是探索SGK1在人类疾病（包括癌症、心血管疾病和神经退行性疾病）中作用的强大工具。研究结果表明，维尼托克拉克斯和兰瑞otide在经过必要验证后具有重新用于治疗SGK1相关疾病的潜力。

**2. 材料与方法**
2.1. 数据收集与准备
我们采用了一种系统的虚拟筛选方法，包括分子对接、药物分析、PASS分析、相互作用分析和MD模拟等步骤[18]。为此，使用了多种生物信息学工具和软件以及不同的网络资源。例如AutoDock Tools [19]、InstaDock v1.2 [20]、LigPlus [21]和GROMACS [22]用于SGK1及其筛选化合物的对接和模拟。数据分析和评估使用了蛋白质数据库（PDB）[23]、DrugBank [24]、SwissPDB-Viewer [25]和XMGrace [26]等工具。选择PDB ID 2R5T作为基于结构研究的对象，因为该条目代表了高分辨率（1.9 ?）的人类SGK1激酶结构，具有完全解析的催化核心和完整的ATP结合口袋。与其他可用的SGK1结构（如3HDM、3HDN、7PUE）相比，2R5T提供了更高的原子分辨率和催化域的完整性，从而提高了对接和分子动力学计算的可靠性。进一步使用SwissPDB-Viewer和AutoDock Tools对蛋白质结构进行了优化，以消除间隙和不一致性，使其适合后续分析。

2.2. 基于结构的分子对接
分子对接使用InstaDock v1.2进行，以提高自动化和分析效率[20]。SGK1晶体结构通过添加氢原子、指定电荷和正确的原子类型进行了优化。通过使用未定义的SGK1蛋白结合位点进行无偏对接，对接区域包括整个蛋白质质量。SGK1结合位点的初步准备采用了基于网格搜索的盲对接技术。网格尺寸定义为X轴70 ?、Y轴83 ?、Z轴61 ?，网格原点位于坐标27.577、30.549、72.704。网格间距保持在1.00 ?， exhaustiveness参数设置为8，以实现更全面的配体构象和方向采样。每个配体的对接模拟分别进行，然后根据计算出的结合亲和力和相互作用能量对结果进行排序。结合亲和力得分用于确定配体与SGK1相互作用的可能性。根据与典型SGK1-配体相互作用的比对，分析了配体与SGK1结合位点氨基酸的特定相互作用。最终根据对接结果对配体进行了分类，特别是基于它们的强结合亲和力和相互作用模式。

2.3. 生物性质预测与选择
从对接筛选中选出的化合物接受了药物分析、文献回顾和PASS（物质活性谱预测）分析[29]。PASS在线工具（www_way2drug.com/passonline）用于全面评估筛选化合物的生物活性。PASS基于分子结构预测小分子化合物的潜在药理活性，利用分子片段描述符来研究空间特性并推断生物功能。处理生物活性分类后，每个化合物都获得了活性得分（Pa或Pi），表示该化合物为活性（Pa）与非活性（Pi）的概率。较高的Pa值表明分子表现出预测的生物效应的可能性更大。

2.4. 分子相互作用分析
选择具有高结合亲和力和有利药物特性的化合物进行进一步相互作用研究。InstaDock Splitter程序用于从对接结果中分离出单独的对接构象，优先考虑结合能量较高的构象。然后使用PyMOL和LigPlus进一步分析这些构象与SGK1的结合亲和力。只有那些能够与目标残基形成稳定复合物的化合物被选为进一步分析的对象。

2.6. MD模拟
对SGK1进行了无配体状态和PASS分析中鉴定出的化合物进行了全原子MD模拟。模拟在300开尔文下进行500纳秒（ns），使用的力场是GROMACS 2020 beta版本的GROMOS 54A7 [30]。SGK1-配体复合物的形成需要在SPC216水模型中溶解系统[31]，该模型放置在一个周期性立方盒中，溶质边缘距离至少为1纳米。向系统中加入了对离子以平衡整体电荷。能量最小化使用最陡下降算法（1500步）进行[32]以消除空间障碍。系统松弛在NVT和NPT系综中进行。NVT阶段用于从0到300开尔文的温度平衡，持续1000皮秒，然后进行NPT阶段以达到1巴的压力平衡。在整个过程中均匀应用了周期性边界条件。最后一次分子动力学（MD）模拟是在500纳秒内进行的，同时系统配置每2飞秒保存一次，以便进行详细分析。2.7 MD轨迹分析在MD轨迹分析中，轨迹剖面主要关注结构稳定性、构象转变以及SGK1-配体复合物内的相互作用。获得了一些指标来描述系统行为，如均方根偏差（RMSD）、均方根波动（RMSF）、回转半径（Rg）、溶剂可及表面积（SASA）和氢键形成。通过检查氢键和非共价相互作用的模式来研究结合和关键相互作用。使用主成分分析（PCA）来确定主要的构象模式，并采用自由能景观（FEL）映射来识别构象。VMD [33]和XMGrace [26]被用来可视化和解释轨迹，提供了复合物运动的详尽描述。2.8 MM-PBSA计算为了继续分析所选配体与SGK1的结合亲和力，我们采用了分子力学泊松-玻尔兹曼表面积（MM-PBSA）方法。这是药物设计和先导优化中的一种重要方法，也是定量估计配体与蛋白质之间结合自由能的最强大方法之一[34]。MM-PBSA计算是在模拟系统的条件下对MD轨迹进行的。为了准确估计能量，获得了平衡框架的稳定部分，并且该框架保持了10纳秒。计算是在最后的10纳秒MD轨迹上进行的，即300-310纳秒，每0.01纳秒采样一次，使用的是与GROMACS集成的g_mmpbsa工具。GROMACS中的g_mmpbsa模块包[35]。每个SGK1-配体复体的结合自由能是通过考虑静电相互作用、范德华相互作用能、极性溶剂化能和非极性溶剂化项来计算的。结合自由能（ΔGbinding）的计算方法如下：能量项被分为分子力学、溶剂化和非极性组分，并使用Python脚本进行分析。3. 结果与讨论3.1 分子对接通过结构引导的分子对接对化合物进行了初步筛选，以确定它们与SGK1的结合能力。我们使用来自DrugBank的库对3648种FDA批准的药物进行了筛选。这一评估使我们能够评估每种化合物与SGK1结合位点的结合程度，从而选择出最有希望的候选化合物进行进一步研究。当测试这些化合物时，发现其中有几种化合物与SGK1的结合亲和力很高。在筛选的3648种化合物中，前十名的化合物的亲和力得分范围从-11.3到-10.4千卡/摩尔（表1）。这些得分明显高于参考抑制剂GSK650394的结合亲和力，后者的结合得分为-9.4千卡/摩尔。这些化合物较高的结合亲和力支持了它们作为SGK1有希望的结合伙伴的潜力。在SGK1结合位点观察到的稳定结合强烈表明抑制其活性是可能的。这些发现为进一步探索这些分子作为潜在治疗剂提供了坚实的理由。尽管Temoporfin和Lumacaftor的对接得分相似，但Lanreotide显示出更有利的结合取向和与关键残基的更强相互作用，表明其结合稳定性更好。对其作用模式、选择性和生物活性的进一步研究将为基于SGK1抑制剂的疗法的发展铺平道路。表1. 前十名候选化合物及其与SGK1的对接得分。每个化合物都包括其对接得分，反映了其与SGK1的结合亲和力。较低的对接得分表示更强的结合相互作用。序号 药物 结合自由能（千卡/摩尔） pKi 配体效率（千卡/摩尔/非H原子）1. Venetoclax -11.3 8.29 0.185 2. Conivaptan -11.1 8.14 0.29 3. Lumacaftor -10.8 7.9 20.3 4. Temoporfin -10.8 7.9 20.2 5. Lanreotide -10.8 7.9 20.1 6. Bagrosin -10.6 7.7 70.4 7. Tirilazad -10.6 7.7 70.2 8. Lumacaftor -10.5 7.7 0.3 9. Dihydroergocryptine -10.5 7.7 0.2 10. Talniflumate -10.4 7.6 30.3 11. GSK650394 -9.4 6.8 90.3 3. 有希望候选物的选择和PASS分析在完成分子对接筛选后，根据已建立的药物特性和其他相关的潜在生物活性，确定了两种化合物Venetoclax和Lanreotide是最合适的候选物。这些特性表明它们可能是有效的SGK1抑制剂。为了加强这些候选物的治疗用途，我们使用了PASS工具。该平台以其从分子结构预测广泛生物活性的潜力而闻名。Venetoclax和Lanreotide的PASS分析显示，大多数预测的活性与抗癌药物开发和激酶抑制的研究目标相符。获得的结果表明，这两种化合物在癌症治疗方面具有显著的潜力。Venetoclax的Pa值在0.152到0.421之间，而Lanreotide的Pa值在0.027到0.940之间（表2）。与Temoporfin和Lumacaftor相比，Lanreotide显示出更广泛和更高的PASS预测生物活性，特别是与抗癌和调节功能相关的活性，这支持了其优先考虑的地位。这些结果表明Venetoclax和Lanreotide是有希望的化合物，值得进一步研究，并可能被重新用于SGK1相关癌症的治疗。表2. 选定的药物及其与SGK1的生物活性。药物 Pa Pi 生物活性 药物特性 Venetoclax 0.421 0.019 抗肿瘤（多发性骨髓瘤） BCL-2抑制剂 0.401 0.003 Bcl2拮抗剂 抗肿瘤剂 0.279 0.139 细胞凋亡激动剂 治疗慢性淋巴细胞性白血病 0.220 0.117 血管生成抑制剂 治疗小淋巴细胞性淋巴瘤 0.152 0.098 焦点粘附激酶1抑制剂 治疗急性髓系白血病 Lanreotide 0.940 0.000 生长抑素激动剂 生长抑素激动剂 0.501 0.033 成纤维细胞生长因子激动剂 治疗神经内分泌肿瘤 0.365 0.048 细胞粘附分子抑制剂 治疗肢端肥大症 0.257 0.023 抗肿瘤 治疗类癌综合征 0.027 0.026 组蛋白去乙酰化酶3抑制剂 抑制生长激素分泌 GSK650394 0.732 0.044 睾酮17β-脱氢酶（NADP+）抑制剂 0.673 0.003 血清-糖皮质激素调节激酶1抑制剂 0.419 0.197 脑代谢改善剂 0.341 0.097 成纤维细胞生长因子激动剂 0.252 0.096 血管生成抑制剂 3.3 结合模式和相互作用我们对Venetoclax和Lanreotide与SGK1的结合模式和分子相互作用进行了广泛分析，以了解它们可能的抑制机制（图2）。结果表明，这两种化合物都与SGK1结合位点中的氨基酸残基有关键结合（图2A）。研究表明，Venetoclax和Lanreotide与SGK1结合位点中的必需氨基酸形成了氢键，从而有助于形成蛋白质-配体复合物（图2B）。除了氢键外，疏水相互作用也对这些复合物的整体稳定性有显著贡献。这两种化合物与参考抑制剂GSK650394表现出类似的相互作用，都结合在SGK1的ATP结合位点。所有结合的化合物都与SGK1具有高度互补性（图2C）。这些强烈的相互作用模式表明Venetoclax和Lanreotide能够有效与SGK1相互作用，使它们成为针对SGK1异常活性的有希望的候选物。分子相互作用和结构互补性突显了Venetoclax和Lanreotide重新用于抑制SGK1功能的潜力。下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图2. SGK1与Venetoclax和Lanreotide以及参考抑制剂GSK650394的复合物。（A）SGK1与Venetoclax（橙色）、Lanreotide（绿色）和GSK650394（青色）的结合显示了它们在SGK1结合口袋内的位置。（B）SGK1与Venetoclax、Lanreotide和GSK650394相互作用的放大视图，揭示了结合界面处的详细分子接触。（C）SGK1结合口袋的表面势能展示了选定化合物如何占据这个空间，颜色编码的表面势能突出了口袋内的正电荷、负电荷和中性电荷分布区域。此外，为了更好地理解所识别化合物与SGK1之间的非共价相互作用，生成了2D相互作用图来详细表示相互作用模式（图3）。Venetoclax与Glu226和Glu289形成了两个氢键，以及其他几种疏水相互作用（图3A）。同时，Lanreotide与Ile179、Glu183、Glu226、Cys258和Gly25形成了五个氢键，以及各种范德华相互作用（图3B）。这两种化合物都与SGK1的ATP结合位点Lys127有密切相互作用。有趣的是，Venetoclax与GSK650394共享结合模式，与Glu183形成氢键，从而增强了其与ATP结合位点的相互作用（图3C）。这些结果表明，Venetoclax和Lanreotide可能是有希望的重新用于SGK1抑制剂的候选物，因为它们的广泛相互作用列表表明它们具有强大的抑制能力。值得注意的是，Lanreotide与关键残基形成的氢键比Temoporfin和Lumacaftor更多，表明其在SGK1活性位点的结合更强且更稳定。综合这些结果，Venetoclax和Lanreotide是有希望的候选物，值得进一步研究，并可能被重新用于SGK1相关癌症的治疗。下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图3. SGK1与Venetoclax、Lanreotide和GSK650394的交互图。面板（A）显示了SGK1与Venetoclax之间的分子相互作用，（B）展示了SGK1与Lanreotide之间的相互作用，（C）突出了SGK1与GSK650394之间的相互作用。3.4 MD模拟分析为了研究Venetoclax和Lanreotide在SGK1结合位点内的结合机制、稳定性和动力学，我们进行了一系列持续500纳秒的全原子MD模拟。这些模拟的目的是更深入地了解药物-蛋白质复合物的动态行为，评估它们的稳定性，并识别负责其抑制潜力的关键相互作用。详细结果将在后续部分中提到。3.4.1 结构偏差和紧凑性在大多数情况下，配体结合可以诱导蛋白质的构象变化，这可能会影响其生物活性[36]。为了研究在Venetoclax、Lanreotide和GSK650394存在下SGK1的这些结构变化，采用了RMSD作为主要标准。图4A显示了整个模拟过程中所有四个系统的RMSD值。图表中的轻微变化表明，系统在500纳秒的模拟过程中保持稳定。在这里，与自由蛋白质一样，与Venetoclax和Lanreotide结合的SGK1的RMSD显示出小的波动。这些复合物在整个模拟过程中表现出持续的RMSD，即使在配体结合后也保持在0.1纳米以内。这些观察结果与系统的平衡状态一致，没有显著的趋势。下载：下载高分辨率图像（591KB）下载：下载全尺寸图像图4. SGK1与Venetoclax、Lanreotide和GSK650394结合后的动态。面板（A）显示了SGK1与Venetoclax、Lanreotide和GSK650394的均方根偏差（RMSD），反映了模拟过程中蛋白质-配体复合物的稳定性。面板（B）显示了SGK1的平均残余波动（RMSF），提供了对蛋白质不同区域灵活性的见解。为了评估SGK1中残基的自由度，我们利用RMSF分析来了解蛋白质的振动特性。这一趋势也在图4B所示的RMSF值中观察到。蛋白质结构的变化表明，与Venetoclax和Lanreotide形成的复合物是稳定的，其RMSF值与自由SGK1相似。RMSF值的模式表明，Venetoclax和Lanreotide的结合形成了稳定的复合物。此外，与参考抑制剂GSK650394的相互作用表明，这两种化合物具有相似的相互作用，都结合在SGK1的ATP结合位点。所有结合的化合物都与SGK1具有高度互补性（图2C）。这些强烈的相互作用模式表明Venetoclax和Lanreotide具有有效与SGK1相互作用的潜力，使它们成为有希望的候选物，用于靶向SGK1的异常活性。分子相互作用和结构互补性突显了Venetoclax和Lanreotide重新用于抑制SGK1功能的潜力。下载：下载高分辨率图像（1MB）下载：下载全尺寸图像图3. SGK1与Venetoclax、Lanreotide和GSK650394的交互图。面板（A）显示了SGK1与Venetoclax之间的分子相互作用，（B）展示了SGK1与Lanreotide之间的相互作用，（C）突出了SGK1与GSK650394之间的相互作用。3.4.1 结构偏差和紧凑性在大多数情况下，配体结合可以诱导蛋白质的构象变化，这可能会影响其生物活性[36]。为了研究在Venetoclax、Lanreotide和GSK650394存在下SGK1的这些结构变化，采用了RMSD作为主要标准。图4A显示了整个模拟过程中所有四个系统的RMSD值。图中的轻微变化表明，系统在整个500纳秒的模拟过程中保持稳定。在这里，与自由蛋白质一样，与Venetoclax和Lanreotide结合的SGK1的RMSD显示出小的波动。这些复合物在整个模拟过程中表现出持续的RMSD，保持在0.1纳米以内。这些观察结果与系统的平衡状态一致，没有显著的趋势。下载：下载高分辨率图像（591KB）下载：下载全尺寸图像图4. SGK1与Venetoclax、Lanreotide和GSK650394结合后的动态。面板（A）显示了SGK1与Venetoclax、Lanreotide和GSK650394的均方根偏差（RMSD），反映了模拟过程中蛋白质-配体复合物的稳定性。面板（B）显示了SGK1的平均残余波动（RMSF），提供了对蛋白质不同区域灵活性的见解。为了评估SGK1中残基的自由度，我们利用RMSF分析来了解蛋白质的振动特性。这一趋势也在图4B所示的RMSF值中观察到。蛋白质结构的变化表明，与Venetoclax和Lanreotide形成的复合物是稳定的，其RMSF值与自由SGK1相似。RMSF值的模式表明，Venetoclax和Lanreotide的结合产生了稳定的复合物。此外，与Venetoclax和Lanreotide相互作用的残基具有相对较低的RMSF值，表明这些配体与SGK1形成了稳定的复合物，从而增强了复合物的稳定性。RMSF的概率分布函数（PDF）图也显示，所有系统的分布是相同的（图3B，下方面板）。为了评估SGK1蛋白质结构的紧凑性，计算了Rg，即结构紧凑性的度量[37]。为了确定SGK1与Venetoclax、Lanreotide和GSK650394结合时的紧凑性，我们分析了Rg的时间依赖性（图5A）。结果表明，所有系统的Rg轨迹都是稳定的，波动在2.0纳米到2.15纳米之间。这些结果表明，Venetoclax和Lanreotide都没有引起SGK1的显著展开，蛋白质在与配体结合时保持折叠状态。在SGK1-Venetoclax复合物中，在200纳秒之前观察到Rg的初始上升，表明SGK1的结合口袋在配体结合时发生了早期的构象调整。然而，SGK1没有显著的结构转变（图5A，下方面板）。所有系统的Rg波动表明，复合物在整个模拟过程中保持稳定。这种结合的稳定性意味着Venetoclax、Lanreotide和GSK650394与SGK1结合时，引起的蛋白质-配体复合物构象变化最小，同时稳定了复合物的整体稳定性。下载：下载高分辨率图像（521KB）下载：下载全尺寸图像图5. SGK1与Venetoclax和Lanreotide结合后的紧凑性。面板（A）描绘了SGK1的回转半径（Rg）的时间演变。面板（B）显示了SGK1的溶剂可及表面积（SASA），说明了蛋白质表面随配体结合而变化的暴露情况。此外，我们还考虑了SASA，这是另一个参数，它通过显示溶剂可及的表面积来定义蛋白质的折叠状态及其稳定性[38]。为了评估SGK1与Venetoclax、Lanreotide和GSK650394形成的复合物的稳定性，我们在过程中计算了SASA值。结果显示，整个模拟过程中SASA值总体趋势相对稳定，变化很小（图5B）。这种稳定性表明，蛋白质-配体复合物的构象保持不变，因为蛋白质表面的暴露和折叠保持恒定。与Rg分析类似，SASA值也保持不变，这表明SGK1在与Venetoclax和Lanreotide结合时仍然保持紧凑和稳定。这些结果表明，这些配体为SGK1提供了结构刚性和紧凑性，从而加强了它们可以作为有效结合剂的观点。

3.4.2 氢键分析
蛋白质的结构稳定性在很大程度上依赖于分子内的氢键[39]。通过这些氢键，可以获得有关蛋白质构象变化和结构紧凑性的有用信息。在这项研究中，我们使用MD模拟的轨迹来评估SGK1中的分子内氢键，在配体结合前和结合后进行了分析。该分析的结果如图6所示，它展示了SGK1与Venetoclax、Lanreotide和GSK650394结合时分子内氢键的变化。图表还表明，配体结合后分子内氢键的数量相对保持不变（图6A）。复合物中形成的氢键几乎没有波动，进一步强调了SGK1在与Venetoclax和Lanreotide结合时的构象稳定性。氢键的稳定性也通过氢键的概率密度函数（PDF）得到了证明，在整个模拟过程中，所有四个系统中的分子内氢键分布均匀（图6B）。这些结果支持这样的结论：Venetoclax和Lanreotide的结合不会干扰SGK1的关键分子内氢键网络，并稳定其构象。

下载：下载高分辨率图像（268KB）
下载：下载全尺寸图像

图6. SGK1在与Venetoclax、Lanreotide和GSK650394结合前后的分子内氢键。图(A)显示了模拟过程中SGK1内分子内氢键的时间演变。图(B)提供了整个模拟过程中分子内氢键分布的概率密度函数（PDF）。
这些键的方向性和特异性对于理解蛋白质-配体相互作用和蛋白质动力学至关重要[40]。为了进一步研究SGK1与配体Venetoclax、Lanreotide和GSK650394之间的极性相互作用的稳定性，我们检查了分子间氢键（图7）。在SGK1-Venetoclax复合物中，分析显示形成了1-3个氢键，偶尔增加到4-5个键（图7A）。同时，SGK1-Lanreotide复合物形成了2-4个氢键，随后增加到7个氢键（图7B）。这些复合物还通过分子间氢键的分布进行了表征，两种复合物中2-3个氢键占主导地位（图7，下方面板）。另一方面，SGK1-GSK650394复合物有1-2个氢键，随后增加到6个氢键（图7C）。基于这些发现，我们认为Venetoclax、Lanreotide和SGK1之间的分子间氢键负责复合物的形成，防止了配体的释放。密集的氢键网络的存在有助于蛋白质-配体复合物的稳定性及其作为SGK1系统中结合剂的效率。

下载：下载高分辨率图像（519KB）
下载：下载全尺寸图像

图7. SGK1与其配体Venetoclax、Lanreotide和GSK650394之间分子间氢键的时间演变。图(A)关注SGK1与Venetoclax之间氢键的形成，而图(B)显示SGK1与Lanreotide之间的氢键。图(C)关注SGK1与GSK650394之间氢键的形成。这些图表突出了整个模拟过程中氢键相互作用的动态性质，展示了这些键的形成、断裂和稳定性。

3.4.3 次级结构动态
进行了进一步分析，以深入了解结构内容的时间变化以及结合的Venetoclax、Lanreotide和GSK650394对SGK1次级结构的影响（图8）。结果分析表明，在没有配体结合到蛋白质上时，SGK1的次级结构内容在模拟过程中没有显著变化（图8A）。尽管蛋白质在Venetoclax、Lanreotide和GSK650394的存在下发生了相互作用，但SGK1的次级结构仅受到最小程度的影响，表明蛋白质的构象是稳定的（图8B-D）。这些结果表明，Venetoclax和Lanreotide之间的相互作用不会导致SGK1的次级结构发生任何实质性改变。配体结合后发生的微小构象变化表明，SGK1在与这两种配体结合时保持了其天然次级结构。次级结构的保持支持了Venetoclax和Lanreotide作为不会使蛋白质不稳定的配体的适用性，使它们成为未来研究和重新开发为SGK1抑制剂的潜在候选者。

下载：下载高分辨率图像（1MB）
下载：下载全尺寸图像

图8. SGK1及其与Venetoclax、Lanreotide和GSK650394复合物的次级结构动态。图(A)展示了未结合配体时SGK1的次级结构，揭示了蛋白质随时间的内在结构组成。图(B)显示了SGK1与Venetoclax结合时的次级结构，图(C)显示了SGK1与Lanreotide结合时的次级结构，图(D)显示了SGK1与GSK650394结合时的次级结构。

3.5 主成分分析
使用PCA研究了SGK1及其与Venetoclax、Lanreotide和GSK650394复合物的构象变化。图9中的PCA结果显示了三个复合物的构象空间。SGK1-Venetoclax和SGK1-Lanreotide复合物主要存在于SGK1未结合和参考状态的大部分基本空间中（图9A）。这里的SGK1-Venetoclax占据了基本空间的显著部分。这一收敛性也通过特征值（EV）图得到了证实，这些图显示SGK1和SGK1-配体复合物处于同一相位（图9B）。它们为Venetoclax和Lanreotide的结合不会影响蛋白质构象灵活性这一假设提供了有力支持。复合物的观察到的收敛性表明了它们的稳定性，并加强了Venetoclax和Lanreotide作为治疗开发可行候选者的潜力。

下载：下载高分辨率图像（640KB）
下载：下载全尺寸图像

图9. SGK1及其与Venetoclax、Lanreotide和GSK650394复合物的构象采样。图(A)展示了SGK1及其配体复合物采用的构象多样性，图(B)显示了SGK1的PCA轨迹随时间的演变。

3.6 自由能景观分析
SGK1及其与Venetoclax、Lanreotide和GSK650394复合物的折叠过程和稳定性通过FELs表示。FELs有助于基于能量最小值和构象分析蛋白质和蛋白质-配体复合物的稳定性[41]。FELs中的梯度指的是系统的能量水平，较深的蓝色表示能量水平接近天然蛋白质状态的系统。我们利用前两个主成分来分析SGK1、SGK1-Venetoclax、SGK1-Lanreotide和SGK1-GSK650394复合物的能量最小值和构象细节（图10）。FELs中较深的蓝色区域代表系统的全球最小值，对应于更稳定的构象。研究发现，SGK1主要位于一个全球最小值上，跨越了构象空间中的三个盆地（图10A）。FELs表明，在Venetoclax和Lanreotide与SGK1相互作用时，受限相的大小和位置发生了变化，每个相包含1-2个全球最小值（图10B-C）。同时，SGK1-GSK650394也扩展到了1-2个全球最小值，限制在2-3个盆地内（图10D）。这种FEL分析表明，SGK1在模拟过程中以及与配体结合时保持了稳定的构象。这些发现有助于理解Venetoclax和Lanreotide对SGK1折叠动态的结合模式和亲和力。

下载：下载高分辨率图像（750KB）
下载：下载全尺寸图像

图10. SGK1及其与Venetoclax、Lanreotide和GSK650394复合物的自由能景观（FELs）。图(A)显示了未结合SGK1的FEL，说明了蛋白质在模拟过程中探索的能量最小值和构象状态。图(B)、(C)和(D)分别展示了SGK1与Venetoclax、Lanreotide和GSK650394复合物的FEL。

3.7 MM-PBSA分析
使用MM-PBSA方法计算了SGK1-Venetoclax、SGK1-Lanreotide和SGK1-GSK650394复合物的结合自由能。对于MM-PBSA估计，选择了MD轨迹稳定区域的10-ns帧。结果表明，结合自由能为负值，表明配体结合是一个有利的过程（表3）。观察到Venetoclax的结合能为最低，为-24.94 ± 4.97 kJ/mol，相比之下Lanreotide和GSK65039的结合能为-25.82 ± 4.91 kJ/mol。对于所有三个复合物，范德华（ΔGvdw）和静电（ΔEEL）项对ΔGbinding有负面影响（有利），表明疏水堆积和互补的极性接触是主要的稳定因素。极性溶剂化项（ΔGpolar / ΔEPB）为正（不利），反映了复合物形成时的脱溶剂化惩罚；这种正贡献部分被与疏水表面积埋藏相关的有利非极性溶剂化能量（ΔGnonpolar）所抵消。值得注意的是，SGK1-Lanreotide显示出较大的累积有利静电贡献（ΔEele），这与MD轨迹中观察到的更多持久氢键一致（图7）。总体而言，分解的能量表明，疏水（vdW）相互作用以及有利的静电作用主要稳定了配体-SGK1复合物，而极性溶剂化则阻碍了结合并减少了ΔGbinding的幅度。静电相互作用、非极性溶剂化能量和范德华力是负结合能量的主要贡献者。相反，极性溶剂化能量对总结合能量有正面贡献。这一结果表明，Venetoclax和Lanreotide具有作为SGK1抑制剂用于治疗癌症及相关疾病的巨大潜力。

表3. 计算的SGK1-Venetoclax、SGK1-Lanreotide和SGK1-GSK650394复合物的MM-PBSA结合能参数

| 复合物 | ΔGVDW | ΔEEL | ΔEPB | ΔENPOLAR | ΔGAS |
|-----------------|---------|---------|---------|---------|
| SGK1-Venetoclax | -33.50 | -18.83 | -42.21 | -62.33 |
| | | | | |
| SGK1-Lanreotide | -58.61 | -60.36 | -5.57 | -8.37 |
| | | | | |
| SGK1-GSK650394 | -39.58 | -25.82 | -49.20 | -65.40 |

总体而言，当前的计算研究为FDA批准的药物通过直接结合其催化位点来调节SGK1活性提供了新的见解。分子对接和长时间尺度的MD模拟显示，Venetoclax和Lanreotide表现出有利的结合能、稳定的动态特征和与参考抑制剂GSK650394相当的相互作用模式。这些发现共同表明，这两种药物都可以作为SGK1调节剂的候选者重新利用。然而，重要的是要认识到，这项研究仅限于计算机模拟，因此无法完全捕捉生物系统中的酶抑制或下游信号效应。未来的工作将集中在通过生化激酶测定和基于细胞的磷酸化研究来验证这些计算预测，以确认Venetoclax和Lanreotide对SGK1的抑制潜力和选择性。这样的实验还将阐明这些相互作用在疾病特定背景下的药效学相关性，特别是在癌症和代谢紊乱中。

4. 结论
这项研究表明，基于结构的药物重新利用可能是识别SGK1抑制剂的可行策略。在这项研究中，我们从FDA数据库中筛选了潜在的药物，并确定了两种有前途的候选者Venetoclax和Lanreotide，它们在SGK1的活性位点表现出合适的药物特性和高结合亲和力及稳定性。详细的分子对接研究、MD模拟和相互作用研究解释了这些化合物的结合模式，从而支持了它们的治疗应用。Venetoclax和Lanreotide在500 ns的模拟过程中与SGK1保持了稳定的分子相互作用，这一点通过RMSD、RMSF、Rg、SASA和氢键分析得到了证实。此外，PCA和FELs支持了SGK1与这些配体复合物的结构稳定性和构象。这些结果为进一步实验提供了基础，以证明Venetoclax和Lanreotide的生物活性，并探索它们在SGK1相关疾病中的临床应用价值。研究表明，计算机方法在提高药物发现效率方面具有潜力，并有助于克服治疗问题。然而，这里呈现的发现仅限于计算预测，尚未通过生化或细胞实验进行验证。未来的研究将需要通过生化激酶测定和基于细胞的磷酸化研究来确认Venetoclax和Lanreotide对SGK1的抑制活性和选择性。这样的实验还将阐明这些相互作用在疾病特定背景下的药效学相关性，特别是在癌症和代谢紊乱中。

4. 结论
这项研究表明，基于结构的药物重新利用可能是识别SGK1抑制剂的可行策略。在这项研究中，我们从FDA数据库中筛选了潜在的药物，并确定了两种有前途的候选者Venetoclax和Lanreotide，它们在SGK1的活性位点表现出合适的药物特性和高结合亲和力及稳定性。详细的分子对接研究、MD模拟和相互作用研究解释了这些化合物的结合模式，从而支持了它们的治疗应用。Venetoclax和Lanreotide在500 ns的模拟过程中与SGK1保持了稳定的分子相互作用，这一点通过RMSD、RMSF、Rg、SASA和氢键分析得到了证实。此外，PCA和FELs支持了SGK1与这些配体复合物的结构稳定性和构象。这些结果为进一步实验提供了基础，以证明Venetoclax和Lanreotide的生物活性，并探索它们在SGK1相关疾病中的临床应用价值。研究表明，计算机方法在提高药物发现效率方面具有潜力，并有助于克服治疗问题。然而，这里呈现的发现仅限于计算预测，尚未通过生化或细胞实验进行验证。未来的研究将需要通过体外激酶抑制、结合测定和基于细胞的磷酸化研究来确认Venetoclax和Lanreotide对SGK1的抑制活性和靶点选择性。这些研究将有助于进一步确定所识别化合物作为潜在SGK1抑制剂的治疗相关性。

作者贡献声明：
Othman AlOmeir：撰写原始稿件、数据可视化、结果验证、方法学设计、实验设计、概念构建。
Sharif Alhajlah：撰写稿件修订与编辑、软件使用、方法学设计、数据分析、数据管理。
Mohammed Alrouji：撰写原始稿件、数据可视化、结果验证、软件使用、方法学设计、数据分析、数据管理、概念构建。
Khuzin Dinislam：撰写稿件修订与编辑、结果验证、实验设计、数据管理。
Moyad Shahwan：撰写原始稿件、数据可视化、资源获取、实验设计、数据分析。
Anas Shamsi：撰写原始稿件、数据可视化、结果验证、研究指导、数据分析、概念构建。

利益冲突：
无

数据可用性：
本研究的所有支持性数据均包含在论文中。