本文介紹了一種計算方法，用于設(shè)計針對特定蛋白靶點的多肽抑制劑。這種方法結(jié)合了基于門控循環(huán)單元(GRU)的變分自動編碼器(VAE)與Rosetta FlexPepDock進行多肽序列生成和親和力評估，然后通過分子動力學(xué)模擬來縮小待實驗檢驗多肽的選擇范圍。研究聚焦于專門針對β-catenin和NF-κB基本調(diào)節(jié)器(NEMO)的多肽抑制劑的設(shè)計。試驗結(jié)果顯示，對β-catenin的十二個抑制劑中有六個展現(xiàn)出比父代多肽更好的結(jié)合親和力，最佳C端多肽的IC50值為0.010 ± 0.06 μM，比父代多肽改善了15倍。對于NEMO，四個測試的多肽中有兩個展示了明顯更優(yōu)的結(jié)合能力。

接下來通過對β-catenin的N端擴展，利用Rosetta Design和Rosetta FlexPepDock評估擴展多肽的結(jié)合能量，所得結(jié)果支持了通過N端或C端擴展來提高多肽9對β-catenin的親和力的可能性。通過VAE-MH過程引入的多肽擴展，經(jīng)Rosetta FlexPepDock和MM/GBSA計算后，部分多肽展現(xiàn)出比父代多肽更優(yōu)的結(jié)合特性。然而，這種改進程度適中，例如最優(yōu)N端擴展NAL-9的IC50值為0.084μM，大約是父代多肽的兩倍改善。

隨后通過化學(xué)合成和篩選組合多肽庫對β-catenin進行測試，旨在發(fā)現(xiàn)更強的多肽抑制劑。所選的幾種多肽基于在OBOC(一珠一化合物)多肽庫篩選后的序列進行合成和IC50測定。從這一策略中發(fā)現(xiàn)，盡管VAE-MH導(dǎo)出的多肽展現(xiàn)出適度的親和力提高，但遺憾的是，N-端擴展策略未能顯著增強多肽的功效。

最后，文中討論了深度生成模型在設(shè)計高親和力特異性多肽抑制劑中的成功。
這包括兩個計算流水線的介紹：第一個流水線通過VAE-MH生成多肽擴展并通過Rosetta FlexPepDock和MM/GBSA進行排序和篩選；第二個流水線采用迭代細化的VAE-MH模型生成針對特定蛋白表面的C端或N端擴展。這些方法在設(shè)計具有高親和力的多肽方面展示了顯著的潛力，特別突出了結(jié)合了深度學(xué)習(xí)、生物物理學(xué)基于模擬的Rosetta Docking和分子動力學(xué)模擬的計算流程。

論文提出了一種針對特定靶點的肽類抑制劑的計算方法。該方法結(jié)合了基于門控循環(huán)單元的變分自編碼器和Rosetta FlexPepDock用于肽序列生成及結(jié)合親和力評估，隨后通過分子動力學(xué)模擬來縮小實驗檢測肽類的選擇范圍。研究旨在設(shè)計特定針對β-catenin和NF-κB基本調(diào)節(jié)子的肽類抑制劑。

此論文采用的研究方法可以歸類為“實驗研究”，綜合運用了深度學(xué)習(xí)和結(jié)構(gòu)基礎(chǔ)的建模模擬技術(shù)，具體如下：

1. 設(shè)計研究目標(biāo)：通過增加肽的氨基酸鏈長度，來改善其與β-catenin的結(jié)合能力，并通過Rosetta FlexPepDock評估改造后的肽與β-catenin的結(jié)合能量。

2. 使用計算工具：首先使用變分自編碼器（VAE）配合門控循環(huán)單元（GRU）模型生成N端或C端擴展的肽鏈，然后利用Rosetta FlexPepDock對不同長度擴展的肽進行結(jié)合能量分析，以評估其結(jié)合效率。

3. 細節(jié)分析與優(yōu)選：深入分析擴展肽鏈的長度對其結(jié)合性能的影響，并將肽序列根據(jù)Rosetta FlexPepDock的評分從高到低排名選擇前十種進行分子力學(xué)（MM/GBSA）自由能計算，挑選出結(jié)合能量最佳的肽。

4. 實驗驗證：最終挑選的幾種肽經(jīng)過實驗測試來驗證其抑制β-catenin的能力，并通過實驗數(shù)據(jù)進一步評估計算模型的準確性和有效性。

上述研究涵蓋了從計算模擬到實驗驗證的全流程，展現(xiàn)了結(jié)合深度學(xué)習(xí)模型與生物物理實驗手段的現(xiàn)代生物信息學(xué)研究方法。通過這種方法，研究人員不但能夠高效地篩選出具有潛力的肽類抑制劑，還可以系統(tǒng)地了解和解析肽-蛋白相互作用的微觀機制，為藥物設(shè)計和蛋白質(zhì)工程提供了新的視角和工具。

論文總結(jié)：

• 研究方法：提出了一種針對特定靶標(biāo)（β-catenin和NF-κB essential modulator）設(shè)計特異性肽的計算方法，該方法結(jié)合了基于Gated Recurrent Unit的變分自編碼器和Rosetta FlexPepDock用于肽序列生成和結(jié)合親和力評估，進而使用分子動力學(xué)模擬來篩選實驗測定的肽。

• 主要發(fā)現(xiàn)：

  • 通過N端和C端擴展策略，改善了與β-catenin結(jié)合的肽的效能。
  • 在β-catenin的結(jié)合能力改善中，發(fā)現(xiàn)最優(yōu)肽CAL-2，其IC50值為0.010 μM，比父序列肽改善了15倍。

• 結(jié)論：該研究成功結(jié)合了深度學(xué)習(xí)和基于結(jié)構(gòu)的建模與模擬，為特定靶標(biāo)肽設(shè)計提供了新的計算方法，同時也發(fā)現(xiàn)了針對β-catenin具有改善結(jié)合能力的肽。