组成图示
点击图片查看大图 · 依据论文自动绘制
传感器类型
全细胞生物传感器
检测对象
雌激素受体 α/β 配体（estrogen receptor α/β ligands, ERα/ERβ ligands），包括 17-β-雌二醇（E2）、他莫昔芬（tamoxifen）、雷洛昔芬（raloxifene）、双酚 A（BPA）及候选化合物 I/J；样品基质：大肠杆菌培养液（-Thy/TTM 培养基）
检测原理
该传感器以工程化大肠杆菌 D1210ΔthyA 为全细胞换能器，表达 MBP-Intein-TS::ER 融合蛋白。候选雌激素/拮抗剂进入培养体系后，与 ERα-LBD 或 ERβ-LBD 结合，引起受体配体结合域构象变化，并进一步调控胸苷酸合成酶（TS）的功能或稳定性。在缺胸苷酸培养基（-Thy）中，激动剂使 TS 相关生长信号增强，细菌 OD600 升高；拮抗剂则抑制生长，OD600 降低。在 TTM 培养基中表型逆转，可用于直接检测拮抗作用。信号放大主要依赖细菌繁殖造成的细胞数量指数增长，最终以 600 nm 吸光度定量读出。
检测灵敏度
未报告 LOD、线性范围、灵敏度斜率或相关系数。
效应效果
该细菌生物传感器为非放射性、低成本且可自动化的生长表型检测，能区分 ERα/ERβ 亚型并分类激动剂与拮抗剂。实验中约 604,000 个化合物经 Shape Signatures 初筛，533 个进入后续分析，13 个候选物经细菌传感器筛选，最终 2 个化合物 I 和 J 被确认为雌激素拮抗剂；TRβ 阴性对照显示 A–M 均不影响甲状腺受体 β 传感器。ELISA 重复 4 次，化合物 I 和 J 在 25 μM 下均使 MCF-7 核提取物中激活 ERα 低于 100% 的溶剂对照，I 的拮抗作用强于 J。作者认为该方法可快速、经济地筛选大型化学库，发现潜在激素样治疗化合物。
传感器的构成
- 宿主细胞/换能器：大肠杆菌 D1210ΔthyA（thyA 缺失菌株），作为胸苷酸营养缺陷型全细胞换能器，通过生长表型输出信号。
- 表达载体/修饰层：pMIT::ERα*、pMIT::ERβ* 或 pMIT::TRβ* 质粒，携带 MBP-Intein-Thymidylate Synthase::Estrogen/Thyroid Receptor 融合基因。
- 识别元件：人雌激素受体 α/β 配体结合域（ERα-LBD/ERβ-LBD）或甲状腺激素受体 β（TRβ-LBD），识别雌激素/甲状腺激素样配体。
- 信号转导/酶元件：胸苷酸合成酶（TS）与 MBP-Intein 融合，配体结合改变 ER-LBD 构象并调控 TS 功能，决定细菌在缺胸苷酸培养基中的生长。
- 信号培养基：-Thy 缺胸苷酸培养基、TTM（含 trimethoprim 和 thymine）及 +Thy 非选择性培养基，用于区分激动/拮抗表型并排除毒性。
- 对照识别元件：pMIT::TRβ* 表达的 TRβ-LBD 作为阴性对照，验证生长变化特异来自 ER-LBD 配体结合。
- 读出仪器：GENESYS 2 分光光度计，在 600 nm 测量 OD600 细菌光密度。
中文摘要
本研究结合计算筛选与工程化细菌雌激素生物传感器，在早期药物发现中鉴定出两种未报道的雌激素拮抗剂。首先利用 Shape Signatures 方法对来自 NCI、Ryan Scientific 和 Sigma-Aldrich 等数据库的超过 50 万化合物进行形状与分子静电势比较，筛选出与已知选择性雌激素受体调节剂（SERMs）和 GW7604 相似的候选物；随后通过理化参数聚类、GOLD 分子对接预测其与雌激素受体 α（ERα）配体结合域的结合模式，获得 13 个候选化合物。进一步使用分别表达 ERα、ERβ 及阴性对照甲状腺激素受体 β（TRβ）的工程化大肠杆菌生物传感器进行生长表型筛选，发现化合物 I 和 J 具有雌激素拮抗活性，其中 J 表现为 ERβ 选择性拮抗。最后采用基于人 MCF-7 细胞核提取物的 ERα 激活 ELISA 检测验证，确认二者均抑制 ERα 激活，且甲状腺传感器对照显示未与 TRβ 相互作用。结果表明，计算筛选与简单细菌生物传感器联用可快速发现潜在激素样治疗化合物。
英文摘要
PURPOSE: In this study, two unreported estrogen antagonists were identified using a combination of computational screening and a simple bacterial estrogen sensor.
METHODS: Molecules here presented were initially part of a group obtained from a library of over a half million chemical compounds, using the Shape Signatures method. The structures within this group were then clustered and compared to known antagonists based on their physico-chemical parameters, and possible binding modes of the compounds to the Estrogen Receptor alpha (ER alpha) were analyzed. Finally, thirteen candidate compounds were purchased, and two of them were shown to behave as potential subtype-selective estrogen antagonists using a set of bacterial estrogen biosensors, which included sensors for ER alpha, ER beta, and a negative control thyroid hormone beta biosensor. These activities were then analyzed using an ELISA assay against activated ER alpha in human MCF-7 cell extract.
RESULTS: Two new estrogen receptor antagonists were detected using in silico Shape Signatures method with an engineered subtype-selective bacterial estrogen biosensor and commercially available ELISA assay. Additional thyroid biosensor control experiments confirmed no compounds interacted with human thyroid receptor beta.
CONCLUSIONS: This work demonstrates an effective combination of computational analysis and simple bacterial screens for rapid identification of potential hormone-like therapeutics.