抗氧化剂筛选化合物库

科学背景
活性氧（ROS）是高活性分子，在细胞损伤、衰老以及多种疾病（包括癌症、神经退行性疾病和心血管疾病）的发病机制中发挥着核心作用。
抗氧化剂能够中和活性氧并减轻氧化应激，作为治疗药物具有重要潜力。发现结构多样的新型抗氧化剂对于拓展可针对生物利用度、效力和安全性进行优化的生物活性分子工具箱至关重要。
计算方法在抗氧化剂研究中日益重要，因为对大型化学文库的高通量筛选能够识别出数量无可比拟的潜在候选物。通过整合化学信息学过滤器和子结构分析，我们可以优先筛选出具有高抗氧化活性可能性的分子，同时排除有问题或有毒性的结构单元。这种方法提高了早期发现的效率，并降低了与合成和生物测试相关的下游成本。

化合物筛选
化合物筛选首先基于ChEMBL中已验证测定方法（ABTS和DPPH）的生物活性数据进行机器学习（ML）预测（图1）。我们采用高置信度阈值以最大程度减少假阳性，随后进行额外的两步精炼。基于结构的过滤使用RDKit的PAINS和毒性团警报，去除了可能产生假阳性生物信号的不良骨架。随后，我们标记了含有已知抗氧化药效团的分子，如酚类、邻苯二酚类和共轭二烯结构基序，这些通常与自由基清除活性相关。所得化合物根据自定义评分系统进行排序，该评分系统同时考虑了抗氧化相关特征和分子量。由此，我们获得了一组443个小分子化合物，预测它们具有很强的抗氧化活性。

值得注意的是，该化合物库既包含结构相似的化合物簇，也包含化学上不同分子的广泛分布，如降维分析所示（图2）。因此，它为聚焦筛选和探索氧化还原相关研究中的新化学空间提供了一个卓越的平台。

我们的抗氧化剂筛选库的应用前景：

• 新型抗氧化先导化合物的识别
• 活性氧调节筛选项目
• 氧化应激中的作用机制研究
• 先导化合物优化及构效关系（SAR）分析
• 衰老、炎症和神经退行性疾病中的功能性研究

图1. (A) 化合物库筛选流程示意图。 (B) 选定截断值对应的混淆矩阵。 (C) 已知抗氧化药效团的结构。

图2. 使用ChemPlot库和UMAP降维方法对所选抗氧化剂化学空间的表征。