先用生成模型提出候选，再用结构信息筛选
美国俄亥俄州立大学（The Ohio State University）、卡内基梅隆大学（Carnegie Mellon University）及中国南通大学（Nantong University）团队在 Nature Communications 报告一种计算与实验结合的肽候选筛选策略。研究针对 β-连环蛋白（β-catenin）和核因子 κB 必需调节蛋白（nuclear factor κB essential modulator，NEMO），检验能否在已知亲本肽基础上提高结合能力。
这 2 类靶点都涉及蛋白之间的相互作用。肽可以接触较大的蛋白表面，但候选数量庞大，结构评分较好的候选仍可能在结合实验中表现较弱。团队将候选生成、结构评价和实验测量分开，逐步缩小需要测试的集合。
生成部分采用变分自编码器（variational autoencoder，VAE），其中包含门控循环单元（gated recurrent unit，GRU），再结合 Metropolis–Hastings 采样。模型从通用肽资料中学习肽的特征，并利用靶点相关的计算评分逐步调整候选分布。
结构评分和分子动力学承担不同筛选任务
第一层使用 Rosetta FlexPepDock 评价肽与蛋白的结合构象及界面特征；随后以分子动力学（molecular dynamics，MD）与结合自由能估算进一步排序。前一层便于处理较多候选，后一层考虑构象变化和溶剂影响，但计算成本更高。
用于微调的靶点标签主要来自计算评分。评分分布向有利方向移动，说明模型更能找到符合该评分规则的候选；最终结合能力还要由实际结合测量判断。研究采用竞争性荧光偏振（fluorescence polarization，FP）结合实验，测量半数抑制浓度（half-maximal inhibitory concentration，IC50）。
团队也尝试遗传算法和模拟退火两种替代优化方式，但所得候选的结合自由能估算更不利。作者认为，优化时采用的评分与分子动力学能量描述存在差别，结构柔性也可能没有被充分刻画。
窄屏可横向滑动查看完整图表。
β-catenin 的两种延伸方向得到不同结果
N 端路线最终测试 4 个候选，其中 2 个强于亲本参照。最佳候选 NAL-9 的 IC50 为 0.084 μM，亲本参照约为 0.15 μM；另一个候选 NAL-10 的 IC50 超过 3 μM，表现明显变差。预测筛选保留了有效候选，也出现了误判。
研究另以组合化学库检验 N 端延伸的潜力。重新测量的 5 个代表候选中，4 个的结合较弱，1 个与相应核心肽相近。这个比较未找到更强候选，也提示 N 端延伸所能带来的改善有限。
C 端路线采用靶点相关评分反复微调，报告 8 个有实测结果的条目，其中 4 个强于亲本参照、3 个较弱。最佳候选 CAL-2 在表 2 中的 IC50 为 0.010 ± 0.006 μM，相对 0.15 μM 的参照约改善 15 倍。
这 8 个条目中还有 1 个在实验交接时出现序列错误，作者保留其测量结果作为对照；原定 CAL-7 并未测试。错误版本的 IC50 为 1.4 μM。计算设计的候选、实际制备的版本及用于比较的对照，因此需要分别识别。
NEMO 提供第二种蛋白表面的结合测试
NEMO 与其相互作用蛋白形成的结合界面较平坦、柔性较大，研究据此调整筛选重心，结合计算评价与结构检查选择候选。这里检验的是同一设计思路能否用于另一种结合表面。
4 个实测候选中，NBD+2 和 NBD+12 的 IC50 分别约为 50 μM 和 75 μM，比结合较弱的亲本有明显改善。另 2 个候选仍超过 100 μM。
结合改善之后，还要继续评价细胞中的作用
这项研究的直接成果，是用计算方法提出较少量候选，再以蛋白结合实验确认其中一部分。β-catenin 的 N 端与 C 端结果不同，NEMO 的改善幅度也不同，说明靶蛋白表面和筛选方式都会影响结果。
对于药物发现，下一步还包括细胞内可达性、稳定性、选择性及功能作用等问题。本研究报告的结合 IC50 不能单独回答这些问题；候选是否能在细胞中抑制相应通路，仍需功能评价。