Journal of Chemical Information and Modeling 发表的论文“GlueFinder: A Data-Driven Framework for the Rational Discovery of Molecular Glues”报道了一套面向分子胶发现的数据驱动框架 GlueFinder。该工作聚焦一个长期存在的难题：分子胶降解剂能够通过稳定或诱导蛋白—蛋白复合物，触发靶蛋白被 E3 泛素连接酶识别并降解，但其发现路径仍高度依赖偶然性、经验筛选和少数已知骨架。与围绕既有 CRBN、DCAF15 或其他 E3 结合小分子继续改造的策略不同，GlueFinder 试图从结构生物信息学角度出发，系统寻找蛋白互作界面附近可能被小分子“成核”的位置。

事件背景：分子胶发现需要从经验驱动走向结构驱动

在靶向蛋白降解领域，PROTAC 通过双功能分子同时连接靶蛋白和 E3 连接酶，设计逻辑相对清晰；分子胶则通常依赖小分子增强或重塑蛋白互作界面，使原本弱相互作用或不存在的复合物形成稳定接触。正因如此，分子胶的可设计性一直弱于 PROTAC，许多成功案例来自表型筛选、天然产物启发或既有药物骨架的重新解释。GlueFinder 的提出，正是为了在分子胶发现早期提供更可系统检索的结构入口。

论文所描述的核心思想是利用 PDB 中已有蛋白复合物结构，识别靠近蛋白互作界面的可配体化口袋。这类口袋如果具有合适的空间位置和化学环境，理论上可能被小分子占据，并进一步促进或稳定目标复合物。换言之，GlueFinder 并不是从某一个已知降解剂出发做相似性扩展，而是从蛋白结构和互作界面本身出发，寻找潜在的“胶合点”。

核心进展：从PDB挖掘界面邻近口袋

根据论文信息，GlueFinder 采用结构生物信息学方法，对 PDB 中的蛋白互作结构进行分析，重点筛选靠近蛋白—蛋白互作界面的可配体化口袋。这一设计将两个问题连接起来：一是某个蛋白复合物界面附近是否存在可被小分子结合的凹槽、沟槽或局部口袋；二是该口袋是否位于足以影响复合物形成、稳定性或界面构象的位置。

这种框架对于分子胶发现具有实际意义。传统降解剂发现常从“已有 E3 配体加靶蛋白配体”或“已知分子胶骨架加靶标验证”出发，候选空间受限。GlueFinder 则把候选发现前移到结构层面，使研究者能够先提出哪些蛋白互作界面更可能被小分子调控，再开展化合物筛选、片段筛选或虚拟筛选。对于尚无成熟 E3 配体经验、缺少可直接借鉴骨架的项目，这种框架有望降低起点选择的不确定性。

技术和临床意义：为“可胶合性”建立筛选语言

分子胶降解剂的关键并不只是小分子是否能结合某个蛋白，而是能否在合适位置改变蛋白复合物的形成概率、取向和稳定性。GlueFinder 将关注点放在蛋白互作界面邻近口袋，本质上是在为“可胶合性”建立一种可计算、可比较的结构语言。对于药物化学团队而言，这类结果可用于优先级排序：哪些界面值得进入实验验证，哪些口袋适合片段起步，哪些候选复合物可能缺少足够可利用的结构特征。

从 TPD 产业角度看，GlueFinder 的价值还在于减少对特定 E3 配体经验的依赖。分子胶降解剂的潜力之一，是用更小、更接近传统口服小分子属性的化合物实现靶蛋白重定向降解。但在实际开发中，如何从海量蛋白互作关系中找到可被小分子诱导或稳定的复合物，仍是早期发现瓶颈。若结构数据能够帮助圈定候选界面，后续的生物物理验证、细胞降解实验和蛋白质组学评估就可围绕更明确的假设展开。

风险和后续观察点

  • 结构覆盖不足：PDB 中已解析的蛋白复合物并不能覆盖全部疾病相关互作，且晶体结构或冷冻电镜结构未必完全代表细胞内动态状态。GlueFinder 的命中质量仍受结构数据完整性和构象代表性的影响。
  • 可配体化不等于可成胶：界面附近存在口袋，并不必然意味着小分子能够诱导稳定复合物，也不意味着能够带来有效降解。分子胶需要同时满足结合、构象调控、复合物稳定、泛素化和细胞通透等多重条件。
  • 从计算到实验仍有距离：框架可帮助提出假设，但候选口袋仍需要通过片段筛选、热稳定性实验、SPR、结构解析、细胞降解曲线和全蛋白质组选择性分析来逐步验证。
  • 适用边界需要进一步厘清：不同 E3 连接酶、不同底物类别以及不同界面形态可能对“胶合点”有不同要求。GlueFinder 后续能否在多类型复合物中保持预测价值，是值得观察的关键。

总体而言，GlueFinder 代表了分子胶发现从经验骨架扩展向结构数据挖掘转变的一步。它没有直接解决分子胶药物开发中的全部问题，但为早期靶点与界面选择提供了更系统的入口。对于 PROTAC/TPD 行业读者而言，这项工作值得关注的地方不在于单一候选分子，而在于其提出了一种可被整合进计算筛选、结构药物设计和降解验证流程的发现框架。随着分子胶项目数量增加，如何把“偶然发现”转化为可复制的理性发现流程，将成为该领域持续竞争的核心之一。