蛋白質降解在細胞生物學中扮演著至關重要的角色，它不僅參與細胞內蛋白質穩態的維持，還與多種疾病的發生發展密切相關。近年來，分子膠降解劑（Molecular Glue Degradators, MGDs）作為一種新興的蛋白質降解策略，引起了廣泛關注。MGDs通過誘導目標蛋白與E3泛素連接酶之間的相互作用，促使目標蛋白的泛素化和降解，為治療多種難以成藥的疾病提供了新的思路。在這一領域，CRBN（Cereblon）作為E3泛素連接酶CRL4CRBN的底物受體，已被證明是MGDs的關鍵靶點。CRBN能夠通過特定的G-loop結構識別并結合目標蛋白（該結構在人類蛋白質組中普遍存在），從而實現對目標蛋白的降解。然而，目前對于CRBN靶標空間的探索還遠遠不夠，尤其是在G-loop結構之外，是否存在其他能夠被CRBN識別的結構或機制，仍然是一個亟待解決的問題。

2025年7月3日， 來自美國 Monte Rosa Therapeutics 公司 的研究團隊在Science期刊上公布了一篇名為“Mining the CRBN target space redefines rules for molecular glue–induced neosubstrate recognition”的文章，對這一問題進行了深入探究。

文章標題，來源：doi/10.1126/science.adt6736

該文章主要描述了關于分子膠降解劑（MGDs）的研究，特別是它們如何通過誘導目標蛋白與E3泛素連接酶CRL4CRBN之間的接近性，導致目標蛋白的泛素化和降解。研究人員通過計算匹配算法和實驗驗證，系統地探索了CRBN靶標空間，并重新定義了MGD誘導的新底物識別規則，為未來的小分子藥物開發提供了新的靶點和機制。

CRBN靶標空間在G-loop內的擴展以及超越G-loop的拓展

分子膠降解劑（MGDs）是一類小分子化合物，它們通過一種通用的G-loop識別結構將目標蛋白招募至CRBN。研究人員利用結構化的G-loop模板進行的計算匹配算法預測了1600多種人類蛋白質，這些蛋白質具有表面暴露且與CRBN兼容的β-發夾或螺旋G-loop結構。基于表面的模擬搜索方法突破了G-loop模式，并為擴展CRBN靶標空間至G-loop降解之外提供了機會。

研究方法與結果

β-發夾G-loop靶標空間的探索與驗證

通過計算方法挖掘人類蛋白質組中與CRBN兼容的β-發夾G-loop蛋白質。

研究人員使用CK1α的β-發夾G-loop作為模板，從PDB和AlphaFold2模型中識別出6123個G-loop結構，分布在1424個蛋白質中，這些結構不僅涵蓋了已知的β-發夾G-loop靶標（例如IKZF1、IKZF2、GSPT1等），還包含大量C2H2鋅指蛋白（C2H2 ZF）。除此之外，還有912個非C2H2類的β-發夾G-loop樣結構，它們分布在729種蛋白質中，涉及96個不同的蛋白質類別和272種結構域類型。通過TurboID鄰近標記實驗和質譜分析驗證了MGDs對預測靶標的招募能力，并使用TR-FRET和NanoBRET技術進一步驗證了多個靶標的三元復合物形成，包括NEK7、MNAT1、PPIL4等，又通過突變實驗確認了G-loop在CRBN結合中的關鍵作用。

新鑒定的非C2H2鋅指蛋白類的β-發夾G-loop靶標

聚焦于驗證非C2H2鋅指蛋白類的β-發夾G-loop靶標。

研究人員選擇了多個非C2H2鋅指蛋白類的β-發夾G-loop靶標進行NanoBRET驗證，包括PPIL4、MNAT1、WBP4、LIMD1、CHD7、ASS1、HNRNPD、RELB、GTF2B、MAD2L1和KIFC3等。通過實驗驗證了這些靶標的三元復合物形成，并通過突變實驗確認了G-loop在CRBN結合中的關鍵作用。這些靶標覆蓋了多種不同的蛋白質功能和結構域類型，進一步擴展了CRBN的靶標空間。

發現結構上不同的螺旋G-loop結構

探索CRBN是否能夠通過螺旋G-loop結構識別靶標。

研究人員使用最小化的G-loop模板（5個殘基）進行計算挖掘，識別出1633種蛋白質，其中包括184種攜帶螺旋G-loop的蛋白質。通過TR-FRET和NanoBRET技術驗證了mTOR-FRB和多個酪氨酸激酶（如LCK、HCK、LYN）的三元復合物形成，并解析了mTOR-FRB與CRBN復合物的晶體結構。結果表明，螺旋G-loop通過其C端與CRBN的CULT結構域相互作用，形成與β-發夾G-loop相似的氫鍵，盡管在結構上有所不同，但都能被CRBN識別。

NEK7通過分化的PPI界面與CRBN結合

研究NEK7與CRBN的結合機制，并探索其降解機制。

研究人員通過化合物篩選發現化合物5能夠誘導NE K7（即 NIMA-related kinase 7，是一種絲氨酸/蘇氨酸激酶，在多種細胞過程中發揮關鍵作用） 的降解， 并且 這種降解可以通過MLN-4924或lenalidomide競爭抑制。研究人員還 解析了NEK7與CRBN復合物的晶體結構。結果表明，NEK7通過其β-發夾G-loop與CRBN結合，但結合方式與CK1α有所不同。NEK7的N端擴展區域對CRBN的結合至關重要，這種擴展界面在NEK7的降解中起關鍵作用。這些發現揭示了CRBN與不同靶標結合的多樣性和靈活性。

VAV1通過分子表面模擬GSPT1 degron與CRBN結合

探索VAV1是否能夠通過非G-loop依賴的方式與CRBN結合。

研究人員使用表面匹配算法，識別VAV1（即Vav鳥嘌呤核苷酸交換因子1，是一種重要的信號轉導蛋白，在免疫細胞信號傳導中具有關鍵作用）的SH3c結構域與GSPT1 degron之間的表面相似性，并通過TR-FRET和NanoBRET技術驗證了VAV1與CRBN的結合。解析的晶體結構顯示，VAV1的SH3c結構域通過其RT-loop與CRBN的關鍵殘基形成氫鍵，模擬GSPT1 degron的結合方式，VAV1與CRBN的結合方式與GSPT1相似，但缺乏結構同源性。VAV1的RT-loop中的特定殘基（如R798和S799）對CRBN的結合至關重要。這些結果表明，VAV1通過分子表面模擬與CRBN結合，進一步擴展了CRBN的靶標空間。

CRBN預測的PPI熱點區域和已知新底物的足跡

展示CRBN表面的PPI熱點區域，并映射已知新底物的結合足跡。

研究人員使用MaSIF程序計算CRBN表面的PPI傾向，并預測PPI熱點區域。結果表明，CRBN表面的PPI熱點區域具有高PPI傾向，這些區域與已知新底物的結合足跡高度重合。不同新底物通過不同的結合模式與CRBN的PPI熱點區域相互作用，展示了CRBN的多功能性和靶標空間的多樣性。

結語

回顧上文，我們已經了解到：除了已知的β-發夾G-loop外，還存在一種新的螺旋G-loop結構，這種結構也能被CRBN識別。這表明CRBN的靶標空間可以擴展到G-loop樣基序之外。

VAV1蛋白的C末端SH3結構域（SH3c）雖然缺乏G-loop結構特征，但也能通過分子表面模擬機制與CRBN結合。這種結合依賴于VAV1 SH3c結構域的獨特折疊，它通過形成與CRBN的關鍵氫鍵接觸來模擬G-loop的相互作用。

CRBN具有極高的多功能性，能夠通過不同的表面特征與多種靶標結合。這種多功能性為MGDs的開發提供了更廣泛的靶標選擇。

這項研究不僅擴展了CRBN的靶標空間，還重新定義了MGD誘導的新底物識別規則，為開發新一代MGDs提供了理論基礎。通過計算和實驗相結合的方法，研究人員能夠系統地探索和驗證CRBN的潛在靶標，為未來的小分子藥物開發提供了新的靶點和機制。

歡迎加入我的知識星球，可免費下載每次直播的原始文獻和PPT，小藥邀請你到知識星球一起學習！

公眾號已建立“小藥說藥專業交流群”微信行業交流群以及讀者交流群，掃描下方小編二維碼加入，入行業群請主動告知姓名、工作單位和職務。