靶向matCAF药物筛选：基于分子对接与小鼠模型验证PCC1抑制肿瘤生长的3步策略

2026/7/10 8:30:06

靶向matCAF药物筛选：基于分子对接与小鼠模型验证PCC1抑制肿瘤生长的3步策略

肿瘤微环境（TME）中的基质生成型癌症相关成纤维细胞（matCAF）已成为抗癌治疗的新靶点。这类细胞通过分泌大量胶原蛋白和细胞外基质（ECM）成分，为肿瘤提供"保护伞"，促进其生长和转移。本文将系统介绍从虚拟筛选到体内验证的完整研究路径，重点解析原花青素C1（PCC1）靶向matCAF标志物（COL10A1、POSTN、CTHRC1）的三步策略。

1. matCAF的分子特征与靶向价值

matCAF的特征性标志物包括：

结构蛋白：COL10A1（X型胶原α1链）
基质重塑因子：POSTN（骨膜蛋白）
迁移相关蛋白：CTHRC1（胶原三螺旋重复蛋白1）

这些分子在多种实体瘤中呈现协同高表达，临床数据分析显示其表达水平与患者预后显著负相关。例如在胃癌中，matCAF标志物高表达组的5年生存率仅为低表达组的1/3（p<0.001）。

提示：matCAF的空间分布具有明显异质性，在肿瘤侵袭前沿区域密度通常比核心区高2-3倍，这为靶向治疗提供了明确的空间定位参考。

matCAF促癌机制主要体现在三方面：

物理屏障构建：分泌的ECM成分增加组织硬度，形成药物渗透障碍
信号通路激活：通过TGF-β等通路促进肿瘤细胞上皮-间质转化（EMT）
免疫抑制微环境：招募调节性T细胞（Treg）并抑制细胞毒性T细胞活性

2. 分子对接筛选matCAF抑制剂

2.1 靶点准备与化合物库筛选

采用AutoDock Vina进行虚拟筛选，关键参数设置如下：

参数	COL10A1	POSTN	CTHRC1
网格中心坐标	12,34,56	23,45,67	34,56,78
网格大小(Å)	25×25×25	30×30×30	20×20×20
exhaustiveness	8	8	8

从ZINC15数据库筛选的天然化合物中，PCC1对三个靶点均显示出良好结合活性：

COL10A1：结合能-8.2 kcal/mol，主要与Gly543形成氢键
POSTN：结合能-7.9 kcal/mol，与Glu212产生盐桥作用
CTHRC1：结合能-7.5 kcal/mol，疏水口袋被完全占据

2.2 结合模式分析与优化

PCC1与POSTN的相互作用最具特征性：

# 示例：POSTN-PCC1相互作用分析脚本 import MDAnalysis as mda u = mda.Universe("POSTN_PCC1_complex.pdb") # 计算氢键网络 hbonds = u.bonds.select_atoms("name PCC1 and around 3.5 protein") print(f"关键相互作用残基：{hbonds.residues.resnames}")

分子动力学模拟显示：

0-50ns：PCC1在POSTN结合口袋中保持稳定构象
RMSD波动<1.5Å，表明复合物结构刚性良好
关键氢键保留率>85%，验证了结合特异性

3. 体内药效验证方案设计

3.1 动物模型建立

采用两种移植瘤模型平行验证：

MKN45胃癌细胞：皮下接种（基质胶混合）
NCI-N87-luc细胞：腹腔注射（活体成像监测）

实验分组设计：

组别	处理方式	样本量	观察指标
对照组	生理盐水	n=10	肿瘤体积/重量
PCC1低剂量	5mg/kg，隔日腹腔	n=10	生物发光信号
PCC1高剂量	20mg/kg，隔日腹腔	n=10	mIF染色matCAF密度

3.2 关键实验操作要点

肿瘤监测：
- 卡尺测量：每3天记录皮下瘤三维径线
- 活体成像：IVIS系统定量光子通量（p/sec/cm²/sr）

组织处理：

# 多色免疫荧光染色流程示例 antigen_retrieval --buffer citrate --time 15min primary_antibody --anti-COL10A1 1:200 --incubate 4C overnight secondary_antibody --cy3 1:500 --roomtemp 1h