基于深度学习的Hsp70.14-BAG2蛋白互作抑制肽设计及分子模拟研究揭示抗癌新策略

本研究针对癌症治疗中Hsp70.14-BAG2蛋白互作的关键调控作用，通过深度学习筛选抗菌肽(AMPs)，结合分子对接和400 ns分子动力学(MD)模拟，发现DBAASPS_19370能以ΔG=-47.92 kcal/mol的高亲和力竞争性抑制该互作，为靶向分子伴侣网络的抗癌药物开发提供新思路。

　　

在癌症治疗领域，热休克蛋白Hsp70与其辅伴侣蛋白BAG2的相互作用(PPI)是肿瘤细胞抵抗应激、逃避凋亡的关键机制。这种分子伴侣系统通过调控ATPase活性和底物识别，帮助癌细胞稳定致癌蛋白如突变p53，导致化疗耐药和预后不良。尽管该靶点极具潜力，但由于缺乏精确的分子界面研究和高效抑制剂，靶向干预始终面临挑战。

为破解这一难题，研究人员开展了一项融合人工智能与计算生物学的创新研究。通过深度学习驱动的抗菌肽(AMPs)筛选结合多尺度分子模拟，成功发掘出能特异性阻断Hsp70.14-BAG2互作的多肽抑制剂。这项突破性成果发表在《Computers in Biology and Medicine》上，为开发新一代抗癌药物提供了重要理论依据。

研究团队采用四大关键技术：1)基于DBAASP数据库的深度学习模型筛选具有理想理化性质的抗菌肽；2)AlphaFold 3.0预测Hsp70.14和候选肽的三维结构；3)HADDOCK 2.4进行分子对接模拟；4)400 ns分子动力学(MD)模拟结合MM/GBSA自由能计算评估结合稳定性。

【3.1 深度学习优先化和抗菌肽的毒性筛选】
通过训练深度前馈神经网络，从22,475个抗菌肽中筛选出97个符合电荷、长度等严格标准的候选肽。毒性预测模型进一步剔除7个潜在毒性分子，最终获得90个安全肽段。

【3.2 Hsp70.14和选定肽的3D模型预测和结构验证】
AlphaFold预测的Hsp70.14模型经Ramachandran图验证显示92.7%残基位于最优区域，ERRAT质量因子达94.68%，证实模型可靠性。

【3.3 Hsp70.14-BAG结构域和BAG-肽复合物的分子对接】
HADDOCK对接揭示DBAASPS_19370具有最佳结合分数(-85.8)，其埋藏表面积达1415.6 ?²，静电相互作用能(-258.6 kcal/mol)显著优于其他复合物。

【3.4 蛋白质-肽和蛋白质-蛋白质复合物的界面和结合分析】
PDBePISA分析显示DBAASPS_19370界面原子占比达28.8%，显著高于Hsp70.14-BAG2的9.1%，且溶剂化能增益(-4.9 kcal/mol)表明更强的结合驱动力。

【3.5 蛋白质-肽相互作用分析】
PRODIGY计算证实DBAASPS_19370结合自由能(ΔG=-8.1 kcal/mol)和解离常数(Kd=6.00E-06 M)最优，其界面包含12个电荷-非极性接触，显示多重相互作用模式。

【3.6 蛋白质-肽复合物的分子动力学模拟分析】
400 ns MD模拟显示DBAASPS_19370复合物RMSD稳定在3 ?以下，显著优于参照系统。RMSF分析发现其能刚性化BAG2的100-250残基关键区域。

【3.7 溶剂可及表面积分析】
DBAASPS_19370的SASA值(≈8300 ?²)持续低于参照系统，反映更紧密的界面埋藏。

【3.8 自由能景观分析】
基于主成分分析的自由能景观显示DBAASPS_19370复合物具有单一深能阱，而天然复合物呈现多态分布，证实工程肽诱导的构象约束效应。

【3.9 动态交叉相关图谱分析】
DCCM揭示DBAASPS_19370能增强BAG域残基间协同运动，形成独特的反相关振动模式，这种变构调控在天然复合物中未见。

【3.10 分子力学广义波恩表面积分析】
MM/GBSA分解显示DBAASPS_19370总结合能(-47.92 kcal/mol)中范德华力贡献达-46.85 kcal/mol，其气相声相互作用能(-70.02 kcal/mol)有效抵消去溶剂化 penalty。

这项研究通过创新性的计算生物学策略，首次证明抗菌肽DBAASPS_19370能通过多重分子作用机制高效破坏Hsp70.14-BAG2相互作用网络。其意义在于：1) 揭示了靶向分子伴侣PPI的可行性；2) 建立了深度学习-分子模拟联用的肽药物开发范式；3) 为克服癌症治疗中BAG2介导的应激抵抗提供了新思路。特别值得注意的是，该肽通过刚性化BAG2界面残基和优化溶剂化能，实现了比天然配体更稳定的结合，这种"构象锁定"机制为后续药物设计提供了重要启示。未来研究可聚焦于该肽的体内验证和基于界面残基的理性优化，推动其向临床转化。