PROTAC Linker 设计：连接子如何影响降解效率

在 PROTAC 开发中，连接子往往是决定成败的变量。同样的两端配体，换一个连接子长度或连接位点，降解活性可能相差一到两个数量级。理解连接子影响的机制，才能有效地优化它。

连接子影响什么

• 三元复合物的几何：决定两个蛋白能以什么相对取向被拉近，直接影响界面互补性与协同性（见 359《三元复合物 Ternary Complex》）；
• 构象熵代价：柔性连接子在形成复合物时损失大量构象自由度，这是要付出的自由能代价；
• 分子性质：贡献大量分子量、可旋转键、极性表面积，直接影响通透性；
• 代谢稳定性：连接子中的某些基团是代谢软点；
• 溶解度与聚集：过长的疏水链会导致溶解度问题。

三个设计维度

维度	选项	影响
长度	通常 5～20 个原子	决定跨距；太短无法同时结合，太长熵损失大
刚性	烷基链（柔）↔ 芳环、饱和环（刚）	刚性减少熵损失但降低适应性
连接位点	配体上的不同出口向量	常被低估但影响极大

连接位点：最容易被忽略的维度

很多团队只优化连接子的长度和组成，却忽略了「从配体的哪个位置伸出连接子」。而这个选择决定了：

• 连接子伸出的方向（出口向量）；
• 两个蛋白被拉近时的相对取向；
• 是否会干扰配体本身的结合。

选择连接位点的原则：从配体上朝向溶剂、不参与关键相互作用的位置伸出。用共晶结构分析哪些原子暴露在溶剂中（见 338《用 ProLIF 提取相互作用指纹》、339《用 PLIP 生成蛋白-配体相互作用报告》）。

# 从共晶结构中找合适的出口位点
import MDAnalysis as mda
from MDAnalysis.analysis import distances
import numpy as np

def find_solvent_exposed_atoms(complex_pdb, ligand_resname, cutoff=5.0):
    """找出配体上远离蛋白的原子（候选连接位点）"""
    u = mda.Universe(complex_pdb)
    lig = u.select_atoms(f"resname {ligand_resname} and not name H*")
    prot = u.select_atoms("protein and not name H*")

    d = distances.distance_array(lig.positions, prot.positions)
    min_dist = d.min(axis=1)

    exposed = []
    for atom, md in zip(lig, min_dist):
        if md > cutoff:          # 距离蛋白较远 = 朝向溶剂
            exposed.append({"name": atom.name, "index": atom.index,
                            "min_dist_to_protein": float(md)})
    return sorted(exposed, key=lambda x: -x["min_dist_to_protein"])

# 这些位点是安装连接子的候选
# 但仍需实验验证 —— 结构分析只能排除明显不行的位点

连接子类型的经验规律

类型	特点	适用
烷基链	最柔，合成简单，疏水	初筛探索长度
PEG 链	柔性，改善溶解度	最常用的起点
芳环	刚性，减少熵损失	已知合适取向后固定
哌嗪 / 哌啶	半刚性，可成盐改善溶解度	很常用
饱和环（环丁烷、双环）	刚性，降低 logP	优化性质时
三氮唑	点击化学产物，合成极方便	快速构建库
酰胺	常用连接化学	普遍

常见的优化路径：先用不同长度的 PEG 或烷基链粗扫，找出有效的长度范围；再在该长度上引入刚性元素（芳环、饱和环），减少熵损失并改善性质。

系统优化策略

# 第一轮：长度扫描（最重要）
# 用同一类连接子（如 PEG），系统改变长度
linker_lengths = [
    "CCOCC",              # 短
    "CCOCCOCC",
    "CCOCCOCCOCC",
    "CCOCCOCCOCCOCC",     # 长
]
# 测降解活性，找出「活性窗口」
# 典型结果：存在一个最优长度，两侧都下降

# 第二轮：在最优长度上改变刚性
# 同样跨距，但用不同刚性的连接子

# 第三轮：改变连接位点
# 在两端配体的不同位置安装连接子

# 第四轮：优化性质
# 在保持活性的前提下改善溶解度、通透性、代谢稳定性

# 注意：每轮只改一个维度，否则 SAR 无法解读

计算辅助

from rdkit import Chem
from rdkit.Chem import AllChem
import numpy as np

def linker_span_distribution(smiles, idx1, idx2, n_confs=200, seed=0xf00d):
    """统计连接子两端可达的距离分布"""
    mol = Chem.AddHs(Chem.MolFromSmiles(smiles))
    p = AllChem.ETKDGv3(); p.randomSeed = seed; p.pruneRmsThresh = 0.5
    cids = AllChem.EmbedMultipleConfs(mol, numConfs=n_confs, params=p)
    if not cids:
        return None
    AllChem.MMFFOptimizeMoleculeConfs(mol, maxIters=500)

    dists = []
    for cid in cids:
        c = mol.GetConformer(cid)
        d = np.linalg.norm(np.array(c.GetAtomPosition(idx1))
                           - np.array(c.GetAtomPosition(idx2)))
        dists.append(d)
    dists = np.array(dists)
    return {"min": float(dists.min()), "max": float(dists.max()),
            "mean": float(dists.mean()), "std": float(dists.std())}

# 用途：
#   1) 确认连接子能达到所需跨距
#   2) std 小 = 构象受限（刚性），熵代价小
#      std 大 = 柔性大，适应性好但熵代价大

性质代价的现实

• 连接子通常贡献 150～400 Da 的分子量与 5～15 个可旋转键；
• 这直接推高整个分子的 MW（常达 700～1100）与柔性，严重损害被动通透性；
• 缩短连接子能改善性质，但可能损失降解活性——这是 PROTAC 优化中最核心的权衡；
• 刚性连接子在同样跨距下可旋转键更少，是缓解这个矛盾的常用手段。

延伸资源

• 机制：356《PROTAC 是什么》、359《三元复合物 Ternary Complex》；实战：354《Linker Design 实战》；
• 成药性：362《降解剂成药性》；AI 预测：361《AI 预测降解活性》。