■ 【TargetMol 明星分子】- AKT inhibitor VIII: 精准抑制Akt1/2，解码细胞存活与凋亡的关键开关

■ 1. 背景介绍

▲AKT inhibitor VIII (T3346)，CAS: 612847-09-3的化学结构式

AKT inhibitor VIII (T3346)，CAS: 612847-09-3 是一种对Akt1/2高度特异的抑制剂，对Akt1与Akt2的IC50分别为58 nM与210 nM，对Akt3的活性明显更低（相对于Akt1约低36倍）。在经典PI3K–Akt信号轴中，受体刺激激活PI3K生成PIP3，招募Akt至膜上；随后PDK1与mTORC2分别在Thr308与Ser473位点磷酸化以实现完全激活。活化的Akt通过磷酸化FOXO、GSK3、TSC2、PRAS40、MDM2以及促凋亡蛋白BAD等底物，推动细胞存活、增殖与代谢程序[1,2]。AKT inhibitor VIII 通过抑制Akt1/2的激酶活性，降低这些底物的磷酸化水平，削弱促存活信号，并在应激或生长因子不足条件下促使细胞更易启动凋亡程序[2]。

在生物学功能与研究应用上，AKT inhibitor VIII 作为选择性化学探针，可解析Akt与凋亡通路的关键节点与等位酶特异性作用。其亚微摩尔效力使其能够有效降低GSK3β Ser9的抑制性磷酸化，减少FOXO的磷酸化与核外排，减弱通过PRAS40与TSC2连接至mTORC1的信号传递，并解除对BAD的抑制，从而推动线粒体通路与半胱天冬酶级联反应[1,2]。由于对Akt3的抑制显著较弱，AKT inhibitor VIII 还可在保留部分Akt3功能的前提下，选择性限制Akt1/2，以利于在异质Akt背景中开展等位酶分工研究。

在通路测绘中，AKT inhibitor VIII 常用于评估存活、增长与代谢对Akt激酶活性的依赖性，厘清PI3K、PDK1、mTORC2与Akt之间的层级关系，并探究与mTORC1的反馈与互作。典型实验包括急性给药并进行时间分辨的信号学检测，监测Akt底物磷酸化、FOXO靶基因表达及凋亡标志（如caspase‑3裂解、PARP加工）。结合基因学干预或上游调控因子，AKT inhibitor VIII 有助于归属特定底物的等位酶控制权并量化通路缓冲能力，从而在生化与细胞模型中精确解析Akt–凋亡界面的机制[1]。

■ 2. 文献分享

■ 2.1 A new cuproptosis-associated lncRNA signature predicts the prognosis of clear cell renal cell carcinoma patients.

▲铜死亡相关长链非编码 RNA（lncRNA）的筛选与预后价值分析 (A) 铜死亡基因与 lncRNA 共表达关联桑基图。左侧为经典铜死亡调控基因集，右侧为匹配的候选 lncRNA，不同颜色的连线直观呈现各铜死亡基因与对应 lncRNA 的共表达对应关系。 (B) 预后相关铜死亡 lncRNA 的单因素 Cox 回归森林图。展示各 lncRNA 的风险比（Hazard ratio）与显著性 P 值：HR＜1（绿色）为预后保护因素，HR＞1（红色）为预后危险因素；所有纳入分析的 lncRNA 均与患者预后显著相关（P＜0.001）。 (C) LASSO 回归系数轨迹图。呈现随惩罚参数 log Lambda 变化时，各候选 lncRNA 回归系数的变化轨迹，用于筛选构建预后风险模型的核心 lncRNA。 (D) LASSO 回归偏似然偏差图。以偏似然偏差为评价指标筛选最优惩罚参数 λ，红点标记最优取值，以此确定最终纳入预后模型的 lncRNA 数量。 (E) 核心 lncRNA 与铜死亡基因的表达相关性热图。颜色深浅代表 Pearson 相关系数大小，星号标记相关性的统计学显著性，直观展示预后模型核心 lncRNA 与铜死亡调控基因的表达关联强度。

AKT inhibitor VIII (T3346) 在该研究中被纳入基于风险分组的药物反应评估。作者在两个风险组之间比较了50种化疗药物或抑制剂的估计IC50水平，其中明确包含AKT inhibitor VIII，并以箱线图展示了代表性药物在两组间的IC50均值差异，AKT inhibitor VIII位列其中。在这一比较框架下，研究者报告AKT inhibitor VIII在低风险个体中更为有效。由此可见，本研究对AKT inhibitor VIII进行了基于风险分层的计算性药物敏感性分析，通过展示代表性药物的IC50差异，强调了AKT inhibitor VIII在该比较中的位置，并给出了其在低风险组呈现更佳有效性的正向结论。上述结果与图示分析相配套，体现了研究对不同风险亚群药物反应差异的量化评估，而AKT inhibitor VIII作为代表性药物之一，显示出在低风险人群中的更优应答表征。[3]

■ 2.2 Exploration of oxidative stress-related molecular signature for clear cell renal cell carcinoma.

▲肾透明细胞癌氧化应激相关基因评分模型构建及多维度分析技术路线 本研究纳入 TCGA-KIRC 队列（611 例样本）与 GEO 数据库 7 套独立 KIRC 数据集（GSE53757、GSE46699、GSE66270、GSE66272、GSE36895、GSE73731，共 645 例样本），结合 9469 个氧化应激相关基因集，取交集筛选出 278 个在肿瘤与正常组织间差异表达的氧化应激相关基因（OSRGs）。基于差异基因执行 k=2 的无监督共识聚类以识别分子亚型，提取亚型间差异基因，并分析 OSRGs 表达与临床特征的关联。进一步整合 miRNA-OSRGs 调控网络信息，构建氧化应激基因评分系统；同时通过 Riaz 等免疫治疗队列、E-MTAB-1980 外部队列对评分模型进行验证。最终围绕评分系统开展四方面下游分析：预后价值与临床意义评估、肿瘤突变特征解析、免疫检查点表达及免疫治疗响应分析、药物敏感性与耐药特征探究。

AKT inhibitor VIII (T3346) 被纳入研究的相关性分析中，且论文对该化合物给出了明确的定量结果。文中直接报告了 AKT inhibitor VIII 的相关系数为 Rs=0.34，并附带极其显著的统计学检验结果 P=2.15e-15。该结果表明，AKT inhibitor VIII 在作者所展示的分析框架中具有可度量的关联度，其数值与其他受评估化合物一同被明确列示。相应的图示面板记录了这项分析，将 AKT inhibitor VIII 置于研究所评估的化合物集合之中。通过提供 AKT inhibitor VIII 的具体 Rs 与 P 值，论文以清晰的数值证据呈现了该化合物在作者数据集中所体现的相关性强度与统计学可靠性。[4]

■ 2.3 A robust EMT-related prognostic model for ccRCC integrating single-cell and bulk transcriptome data.

▲肾透明细胞癌上皮 - 间质转化相关预后模型构建与多维度验证的整体研究技术路线，共包含 4 个核心步骤 步骤 1 上皮 - 间质转化（EMT）相关基因鉴定：整合两条分析路径筛选候选基因。其一，基于 TCGA-KIRC 队列的 bulk RNA-seq 数据，通过 ssGSEA 算法计算样本 EMT 评分，采用加权基因共表达网络分析（WGCNA）识别与 EMT 评分显著关联的基因模块；其二，对 GSE159115 单细胞转录组数据进行细胞聚类与功能注释，完成癌细胞与上皮细胞间的差异表达分析；最终取两部分结果的交集，得到 EMT 相关候选基因集。 步骤 2 预后基因筛选：对候选基因依次开展单因素 Cox 回归分析、101 种机器学习算法筛选、多因素 Cox 回归分析，通过逐步递进的方式筛选出构建预后模型的核心基因。 步骤 3 预后模型构建与验证：在 TCGA-KIRC 训练队列中构建预后风险模型，采用 Kaplan-Meier（KM）生存分析、受试者工作特征（ROC）曲线评价模型预测效能，并绘制列线图实现个体化生存概率预测；同时通过 GSE167573、E-MTAB-1980、ICGC 三个独立外部验证队列，验证模型的普适性与稳健性。 步骤 4 下游拓展分析：围绕预后模型开展多维度后续研究，涵盖临床特征相关性分析、肿瘤突变特征解析、免疫浸润景观分析、免疫检查点表达与免疫治疗响应评估、药物敏感性预测及分子对接验证、GSE53757 队列的基因表达验证。

AKT inhibitor VIII (T3346) 被描述为能有效且选择性抑制Akt1、Akt2和Akt3，从而降低NLRP3炎性小体的激活、调控淀粉样β自噬并诱导细胞凋亡。鉴于Akt信号通路对上皮–间质转化具有重要作用，研究指出AKT inhibitor VIII可间接抑制EMT。作者报告AKT inhibitor VIII与其建立的EMT相关预后模型中的八个基因（AFM、CYS1、FAM171A1、GSTM3、FKBP10、MALL、RGS5、TIMP1）存在较强相关性。随后进行的分子对接显示，AKT inhibitor VIII与这些基因编码的蛋白具有较高的对接相容性。对所有靶标而言，每个蛋白均与该小分子形成至少一个氢键，且结合能均低于 −5 kcal/mol。研究并指出 −5 kcal/mol 为稳定阈值，提示AKT inhibitor VIII对这些模型基因具有较高亲和力。基于上述结果，作者认为AFM、CYS1、FAM171A1、GSTM3、FKBP10、MALL、RGS5与TIMP1可能是AKT inhibitor VIII的潜在结合靶点，并参与EMT过程。[5]

■ 2.4 Exploration of propionate metabolism-related genes to predict prognosis and immunotherapy response in ovarian cancer.

▲差异表达基因筛选与功能富集分析 (A) 样本转录组主成分分析（PCA）图，两组样本在主成分维度上分离清晰，表明组间基因表达谱存在显著差异，样本分组具备良好的生物学区分度。 (B) 差异表达基因火山图与表达聚类热图。左侧火山图中红色点代表显著上调基因，绿色点代表显著下调基因；右侧热图展示差异基因在各样品中的表达模式，行代表基因、列代表样本，颜色梯度反映表达量高低，样本按组别清晰聚类。 (C) 差异表达基因与预后相关基因的韦恩图。共筛选得到 9146 个差异表达 mRNA、251 个预后相关基因，二者取交集获得 280 个预后相关差异基因，作为后续模型构建的候选基因集。 (D) 候选基因的 GO 功能富集分析条形图，按生物过程、细胞组分、分子功能三个本体分类展示核心富集条目；条带颜色由 - Log₁₀P 值映射以代表富集显著性，横轴为对应条目富集的基因数目。 (E) 候选基因的 KEGG 信号通路富集分析条形图，展示富集程度最高的通路条目，颜色深浅表征富集的统计学显著性。 (F) GO 功能富集结果可视化。上方为富集条目条形图，按显著性排序展示核心 GO 条目；下方为基因 - 功能条目关联弦图，直观呈现基因与各富集 GO 条目间的对应调控关系。 (G) KEGG 通路富集结果可视化。上方为富集通路条形图，展示核心富集信号通路；下方为基因 - 通路关联弦图，清晰呈现候选基因与 KEGG 通路的对应调控网络。

AKT inhibitor VIII (T3346) 在本研究的卵巢癌药物敏感性分析中被评估，并基于风险分层进行比较。研究比较了56种药物的IC50，发现其中30种在高、低风险组之间存在显著差异，为评估各化合物与研究风险评分的关系提供了依据。在这一分析中，AKT inhibitor VIII 在高、低风险组之间呈现显著差异，表明其IC50随队列的风险分层而变化。同时，AKT inhibitor VIII 与风险评分呈正相关，这一结果同样来源于对多种药物IC50的比较与相关性分析。上述发现显示，AKT inhibitor VIII 属于该研究中与风险相关性特征明显的一组化合物之一，在测得的IC50上体现出与风险评分一致的正向关系。结果基于对不同风险组IC50分布及其相关性的定量评估，客观呈现了AKT inhibitor VIII 与研究所采用风险评分之间的关联性。[6]

■ 3. 结语

AKT inhibitor VIII通过选择性抑制Akt1和Akt2的激酶活性，降低FOXO、GSK3β、PRAS40及BAD等关键底物的磷酸化水平，从而削弱促存活信号并在细胞应激时促进凋亡。文献报道其具备亚微摩尔效力和等位酶特异性，便于解析Akt介导的信号通路，并在多项癌症相关研究中显示出与药物敏感性及预后基因签名的相关性。未来研究可利用AKT inhibitor VIII深入探讨Akt等位酶在疾病中的功能，优化针对PI3K-Akt-mTOR轴的治疗策略，并探索其在调控EMT及免疫反应中的潜在应用。

■ 4. Q&A

Q1: AKT inhibitor VIII的主要作用机制是什么？

A1: AKT inhibitor VIII选择性抑制Akt1和Akt2的激酶活性，降低下游底物的磷酸化，从而削弱促存活信号并促进细胞凋亡。

Q2: 文献中AKT inhibitor VIII在癌症研究中的应用有哪些？

A2: 它被用于基于风险分层的药物敏感性分析，与EMT相关预后基因签名存在相关性，并能调控炎性小体激活及诱导细胞凋亡，彰显其在癌症进展和治疗反应研究中的重要作用。

■ 5. 参考文献

[1] Manning BD, Toker A, et al. AKT/PKB signaling: navigating the network. Cell. 2017;169(3):381-405.

[2] Datta SR, Dudek H, et al. Akt phosphorylation of BAD couples survival signals to the cell-intrinsic death machinery. Science. 1997;275(5303):661-665.

[3] He M, Hu W, Guan Y, Shu W, Leng Y, Zhu H, et al.. A new cuproptosis-associated lncRNA signature predicts the prognosis of clear cell renal cell carcinoma patients.. Discover oncology. 2026;17(1):.

[4] Jin Z, Hu B, Zhu S, Fu S, Deng Z, Wang C, et al.. Exploration of oxidative stress-related molecular signature for clear cell renal cell carcinoma.. Discover oncology. 2025;16(1):2178.

[5] Yin Z, Ye Z, Li Z, Qing R, Zhang Y, Zhu X, et al.. A robust EMT-related prognostic model for ccRCC integrating single-cell and bulk transcriptome data.. Discover oncology. 2025;16(1):2069.

[6] Ni J, Qiu J, Ma Y. Exploration of propionate metabolism-related genes to predict prognosis and immunotherapy response in ovarian cancer.. Journal of ovarian research. 2025;18(1):209.