近日，beat365官方网站、北大-清華生命科學聯合中心、北大成都前沿交叉生物技術研究院王初課題組在 Journal of the American Chemical Society 雜志上發表了題為“Group Competition Strategy for Covalent Ligand Discovery”的文章。在這項工作中，作者開發了名為 GC-ABPP（Group Competition-based ABPP strategy）的基于多探針競争策略的新型共價配體篩選平台。利用此平台，作者繪制了“多靶标”對“多配體”的親和力矩陣，并發現了靶向BCAT2與UGDH靶點的新型共價配體。

　　近年來，共價配體因其獨特的作用機制與選擇性修飾能力，在生命科學和臨床醫學研究中得到廣泛應用。然而，如何高效開發兼具高親和力與高選擇性的共價配體，仍是該領域面臨的一項重要挑戰。傳統的共價配體開發策略通常采用“多配體”對“單靶标”的靶點導向性篩選模式，難以系統發現新靶點；基于活性的蛋白質分析（ABPP）技術雖然能在蛋白質組水平表征配體結合靶點，但是現有的競争性ABPP方法受限于其競争性标記模式，隻能采用“單配體”對“多靶标”的模式，無法實現對不同配體的“頭對頭”比較。

　　針對上述局限，作者開發了新一代化學蛋白質組學分析平台GC-ABPP，以實現蛋白質組尺度下的“多配體 vs 多蛋白”并行、直接與定量篩選。首先，作者使用完全功能化探針（FFP）替代傳統的親電片段，利用探針修飾肽的質量位移差異實現不同探針修飾靶點的區分，為多探針同時表征提供了可能；随後，作者通過引入還原二甲基化定量策略，對比“對照組”（每個探針單獨以高濃度标記一份蛋白質組，然後混合）和“競争組”（五個探針以等摩爾濃度混合，共同标記一份蛋白質組）中同一探針的标記水平差異，實現精确定量每個探針-半胱氨酸對的“競争水平”；最後，為了平衡篩選通量與位點覆蓋度，并排除組間探針差異帶來的假陽性信号，研究者将完全功能化探針庫劃分為多個亞組進行首輪篩選，繪制初步的探針-靶标親和力矩陣，并将每組中針對特定靶蛋白的優勝探針挑選出來，重新編組進行多輪疊代篩選，最終篩選出探針庫中對靶标蛋白親和力最高的“冠軍”配體。

　　通過嚴格的實驗驗證，GC-ABPP表現出了較高的可靠性，其篩選結果與體外修飾率表征結果一緻。随後，作者快速構建了包含65個完全功能化探針的探針庫，并通過GC-ABPP技術對探針庫進行系統性篩選。研究團隊成功繪制了覆蓋超過6000個半胱氨酸位點的探針-靶标親和力矩陣，并為1421個半胱氨酸位點（對應1033個蛋白質靶标）匹配到了高親和力共價配體。這些蛋白中的70%在DrugBank數據庫中尚無已知配體記錄，且功能多樣，涵蓋多個疾病相關通路，為開發全新藥物調控靶點提供了寶貴線索。最後，作者聚焦于BCAT2的Cys342位點與UGDH的Cys276位點，利用GC-ABPP的疊代篩選能力，成功鑒定出了分别針對這兩個靶點的高親和力探針，并通過實驗驗證了上述探針的靶蛋白結合能力與功能抑制活性。

　　該文通訊作者為beat365官方网站、北大-清華生命科學聯合中心、北大成都前沿交叉生物技術研究院的王初教授及北大成都前沿交叉生物技術研究院的肖偉弟博士。第一作者為王初課題組博士畢業生郭志昊。王初課題組的博士畢業生孟芸竹、博士研究生趙博源也為此課題的完成做出了重要貢獻。該工作得到了北京分子科學國研中心、國家自然科學基金、科技部重點研發計劃等項目的支持。

排版：高楊
審核：牛林，劉志博