图神经网络联合多级虚拟筛选识别天然PPARγ激动剂

Frontiers in Chemistry · 2026-11-10 · 期刊论文

• 一句话结论：结论：采用图神经网络预测、分子对接、ADMET评价、体外活性检测与分子动力学模拟的多级虚拟筛选，从天然产物中优先获得甘草异黄酮（glycyrrhisoflavone）并观察到浓度依赖的PPARγ激动活性，提示其可作为后续研究对象。
• 研究设计与做法：设计与做法：计算筛选与体外验证相结合的临床前研究。构建并比较GCN、GAT、MPNN三种图神经网络模型，以GAT分类性能最佳；用GAT筛选ZINC数据库4112个天然产物，得291个候选进入分子对接，经对接与ADMET评价后优先5个化合物做实验评估。随访时长不适用，材料未报告。
• 主要结果：主要结果：5个优先化合物中，甘草异黄酮显示浓度依赖性PPARγ激动活性，EC50为9.98 μM；其余4个候选活性较弱。分子对接显示其结合模式与罗格列酮相似，分子动力学模拟支持甘草异黄酮–PPARγ复合物的稳定性。置信区间与p值材料未报告。
• 机制或解释：机制或解释：作者以对接结合模式与罗格列酮相似、分子动力学模拟显示复合物稳定来解释其活性，认为非局域性以外的结构互补与结合稳定性是可能基础；具体信号通路机制未讨论。
• 局限与边界：局限与边界：仅5个化合物进入体外验证，活性数据来自单一实验体系，缺乏细胞功能学、体内药效与安全性数据；虚拟筛选依赖数据库覆盖与模型泛化能力；是否多中心、重复次数及利益冲突材料未报告。
• 可否落地：可否落地：提示GNN辅助多级虚拟筛选可用于天然PPARγ激动剂候选的优先级排序，甘草异黄酮值得进一步研究；但当前证据档位为临床前体外与计算层面，不足以下结论认为其可替代现有合成激动剂或具备临床疗效。

🔗 打开原文

Shuo Zong, Yuxiang He, Yifei Feng 等

本文摘自《每日前沿研究简报 · 2026-11-11》「化学信息 / 药物发现」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。