生成模型与结构模拟筛选肽候选的靶蛋白结合评价
以生成模型和结构模拟缩小候选，再实测新肽与靶蛋白的结合；不同候选和延伸方向分别比较。
用途与模型
- 研究用途
- 发现靶向蛋白相互作用的肽候选，评价计算筛选是否带来更强的实测结合。
- 模型与细胞来源
- 通用肽资料预训练的变分自编码器（variational autoencoder，VAE）结合 Metropolis–Hastings 采样；Rosetta FlexPepDock 与分子动力学（molecular dynamics，MD）用于结构评价，靶点相关计算评分用于微调。
- 方法版本
- 2024 年 β-catenin 与 NEMO 的候选生成、结构评价及竞争结合验证
- 实验形式
- 候选生成与计算排序，随后以蛋白竞争结合实验比较候选和亲本。
材料与平台
- 靶蛋白与亲本参照
- β-连环蛋白（β-catenin）和核因子 κB 必需调节蛋白（nuclear factor κB essential modulator，NEMO），各有相应亲本结合肽。
- 计算与实验资料
- 通用肽资料、靶蛋白复合物结构、靶点相关计算评分，以及候选与亲本的竞争性荧光偏振（fluorescence polarization，FP）结合测量。
- 实际测试对象
- 4 个 β-catenin N 端候选；C 端表 2 有 8 个实测条目，含 1 个交接错误版本对照；另有 4 个 NEMO 候选。预定 CAL-7 未测试。
测量指标与分析
- 竞争结合的半数抑制浓度（half-maximal inhibitory concentration，IC50）
- 候选与相应亲本的结合差异
- 生成候选与 Rosetta Design 的计算评分分布
- 不同优化路径的计算结合能比较
计算评分用于选择候选，实测 IC50 用于检验结合改善；靶点、亲本参照及实际测试版本分别记录。结合测量没有覆盖细胞内可达性、功能药效或临床效果。
研究设计与结果
方法可行性研究
- 研究设计
- 对 β-catenin 的 N 端和 C 端候选分别进行竞争结合比较。
- 测试范围
- N 端 4 个候选；C 端 8 个有实测结果的条目含 1 个序列错误版本对照，预定 CAL-7 未测。
- 参照体系
- 各比较采用文中相应亲本或核心肽；主要结果以约 0.15 μM 的亲本参照说明。
- 研究结果
- N 端 2 个改善，NAL-9 为 0.084 μM，NAL-10 超过 3 μM；C 端 4 个改善，表 2 的 CAL-2 为 0.010 ± 0.006 μM，错误版本为 1.4 μM。
适用条件与研究局限
- IC50 是竞争结合终点，不是解离常数或细胞药效。
- C 端预定 CAL-7 未测，错误版本另作对照。
- 新候选数量有限，主文未给出可推广至未知靶点的统一成功率。
方法可行性研究
- 研究设计
- 将同一计算设计思路用于 NEMO 结合界面，并实测 4 个候选。
- 测试范围
- 4 个 NEMO 结合肽候选。
- 参照体系
- 结合较弱的 NEMO 亲本肽。
- 研究结果
- NBD+2 和 NBD+12 的 IC50 约为 50 μM 和 75 μM；另 2 个仍超过 100 μM。
适用条件与研究局限
- 只验证相应蛋白结合，不报细胞通路抑制或疾病疗效。
- 较弱亲本的 IC50 为大于范围，不能从中计算精确倍数。
实验条件比较
- 研究设计
- 比较生成模型与 Rosetta Design 的结构评分，另比较遗传算法/模拟退火的优化结果。
- 测试范围
- 主文图 3 的计算候选集合。
- 参照体系
- Rosetta Design 及替代优化策略。
- 研究结果
- 生成模型候选的部分界面评分更有利；2 种替代优化得到的结合自由能估算较差。
适用条件与研究局限
- 这些是计算评价，不能当作替代算法的细胞或临床药效失败。
- 微调标签来自计算评分，实验结合数据承担另一层核验。
来源与原文
- Design of target specific peptide inhibitors using generative deep learning and molecular dynamics simulations原始研究 · Nature Communications · 2024-02-21