针对诺如病毒的计算机辅助药物设计研究进展

诺如病毒是每年造成全球数亿人感染、数十万人死亡的胃肠炎病毒，长期以来针对诺如病毒的抗病毒药物和疫苗研发一直是亟需攻克的难题。近日，一篇发表在《Expert Opinion on Drug Discovery》杂志上的综述文章《Computer-aided approaches for human norovirus drug discovery: a comprehensive review》，为我们揭示了利用计算机辅助药物设计（CADD）技术 如何加速诺如病毒（HuNoV）药物研发。

为何诺如病毒药物研发如此艰难？

诺如病毒以其传播速度快、变异能力强而闻名，但一直以来简单，稳定，通用的体外复制仍具有挑战，直到斑马鱼复制体系的出现，才让更多的研究者尝试应用该方式进行病毒增殖及抗病毒研究。这意味着，过去几十年传统的药物筛选方法因缺乏有效的临床前模型而难以奏效，这也阻碍了抗病毒药物的开发。目前，尽管有多款诺如病毒疫苗正在临床试验中，但真正能够治愈感染的抗病毒药物，仍是空白。

CADD技术：计算机助力药物研发

该研究系统地梳理了过去十年中，计算机辅助药物设计（CADD）技术在诺如病毒药物研发领域的应用。CADD技术，包括分子对接、分子动力学模拟以及人工智能/机器学习（AI/ML）等，能够模拟病毒蛋白与潜在药物分子之间的相互作用，从而在海量的化合物库中高效地筛选出最有潜力的候选药物。

诺如病毒的三个关键靶点：

1. 衣壳蛋白VP1：病毒的外壳，负责与人体细胞的结合。CADD技术可以用来寻找能阻断病毒进入细胞的分子。

2. 3CL蛋白酶：病毒复制过程中的关键酶，负责切割病毒自身的蛋白质。通过CADD技术，设计多种能够抑制该酶活性的化合物。

3. RNA依赖性RNA聚合酶（RdRp）：病毒遗传物质复制和转录的核心酶。CADD技术被用于寻找能够干扰这一过程的分子。

文章指出，目前CADD技术已经帮助识别出了一系列具有潜在抗诺如病毒活性的化合物。然而，一个不容忽视的现实问题是，许多这些计算发现的候选药物，最终未能得到充分的实验验证。这使得很多在理论上可行的抗病毒药物，无法真正走向临床应用。

核心挑战

3D结构覆盖不足：尽管VP1、3CLpro、RdRp的晶体结构逐步丰富，但多数病毒蛋白其他关键靶点（如NS1/2、NS3、NS4、NS5）尚无高分辨率结构，限制了靶向药物的扩展。

缺乏生物学验证：大量的体外虚拟筛选结果没有进行实验验证，导致大量结果难以转化落地，进而影响进展到临床前阶段的可能性。

模型与系统的局限性：2019年之前HuNoV在体外主要复制模型HIEs昂贵，不适用于所有诺如病毒基因型，且不利于大规模筛选。这些因素共同限制了筛选规模和转化率。但2019年斑马鱼复制体系的出现，未来将会使更多的计算机成果落地。

数据与AI/ML潜力未充分释放：已有研究开始将AI/ML方法融入CADD流程（如3D-QSAR、ML排序、以及跨靶点预测），但就目前而言真正将AI用于大规模高可信度筛选并实现实验验证的案例仍相对有限。相信未来随着AI/ML的逐步开发与应用，会出现更多的模型用于药物开发。

未来发展趋势

1. 整合AI/ML技术：将人工智能和机器学习更深入地融入CADD流程，有望更精准地优化药物设计。

2. 开发更真实的“活体模型”：随着斑马鱼复制体系等新型体外模型的出现，终于让抗病毒药物有了有效的验证方式。未来，将AI/ML技术的成果与这些模型验证相结合，能够更高效地筛选和优化化合物。利用现有的以及未来开发的各类生化和细胞模型，对计算筛选出的候选药物进行严格评估，是加速研发进程的关键。

参考文献：

Palazzo G, Ferla S, Bassetto M. Computer-aided approaches for human norovirus drug discovery: a comprehensive review. Expert Opin Drug Discov. 2025, 11:1-18. doi: 10.1080/17460441.2025.2601118