综述：肽-蛋白质相互作用建模与理性肽药物设计的创新策略

这篇综述系统梳理了肽-蛋白质相互作用（pepPIs）建模与计算机辅助肽药物设计（CADD）的最新进展，重点探讨了分子对接（docking）、人工智能（AI）预测（如AlphaFold）、分子动力学（MD）模拟和自由能计算（MM/PBSA）等技术的创新应用，为靶向"不可成药"蛋白-蛋白相互作用（PPIs）的肽类药物开发提供了方法论指导。

　　

引言

肽类药物在15-40%的蛋白质相互作用中扮演关键角色，其通过靶向传统小分子难以干预的蛋白-蛋白相互作用界面（PPIs），在信号传导和免疫调节等领域展现出独特优势。尽管目前全球仅5%的药物属于肽类，但预计2025-2030年市场年增长率将达10.8%。从早期动物源胰岛素到现代噬菌体展示技术（可筛选10¹⁰级肽库），肽药物开发已进入AI驱动的新纪元。

肽-蛋白质结合构象生成

口袋检测
传统算法如CASTp 3.0和Fpocket擅长小分子结合口袋识别，但肽类结合界面通常扁平且动态。专为pepPIs设计的PepSite和新型算法SiteFerret通过结合几何特征与机器学习，显著提升了肽结合位点预测精度。

全局对接与局部对接
比较研究表明：HPEPDOCK在全局对接中表现最优（成功率53%），而局部对接首选AutoDock CrankPep（ADCP）。ADCP采用Metropolis Monte Carlo算法处理肽构象采样难题，特别擅长环肽（如二硫键连接）的对接。值得注意的是，结合位点定义对结果影响显著——基于共结晶配体的定义框（ligBS）比肽长度定义框（pepBS）成功率提高30%以上。

AI革命
AlphaFold-Multimer（AF2multi）在肽-蛋白复合物预测中展现惊人潜力，对5-25个残基的肽成功率达53%。与ADCP形成互补：AF2multi擅长长线性肽，ADCP则支持非天然氨基酸修饰。最新测试显示，共识策略（结合ADCP与AF2multi）使top5构象准确率提升至66%。而ESMFold凭借60倍于AlphaFold的速度，成为快速筛查的替代方案。

构象评估与肽柔性分析

分子动力学模拟
标准MD可验证对接构象稳定性，例如在PD-1/PD-L1抑制肽优化中，100ns模拟成功区分了虚假结合构象。针对肽的高柔性特性，肽特异性加速采样技术Pep-GaMD通过双boost算法（肽特异性势能+系统势能），仅需200ns即可将低质量对接构象 refine为中等质量结构。

自由能计算
MM/PBSA和MM/GBSA成为平衡效率与精度的首选工具。研究发现：MM/PBSA更适合短肽（5-12残基），MM/GBSA对中长肽（20-25残基）更优。工具gmx_mmpbsa凭借支持多力场、残基分解和丙氨酸扫描（CAS）等功能，被广泛应用于肽设计研究。例如在SARS-CoV-2主蛋白酶研究中，残基能量分解精准定位了S1/S2关键结合位点（图3c）。

肽药物设计

亲和力优化
计算丙氨酸扫描（CAS）和残基自由能分解是识别"热点"残基的利器。BUDE_SM算法通过系统性残基替换（19种氨基酸扫描），指导设计出抑制活性提升280倍的环肽。最新突破来自RFpeptides——基于去噪扩散模型的AI系统，可直接从头设计高亲和力大环肽。

结构稳定化策略
环化（头-尾/侧链-侧链）和订书肽（stapled peptide）是增强稳定性的两大法宝。MD模拟证实：环化能使肽构象"预组织化"（preorganization），更好模拟天然PPIs中的"热环"（hot loop）结构。而通过二硫键或合成交联剂稳定的α螺旋，不仅提高蛋白酶抗性，还显著增强细胞穿透能力。

ADMET特性
尽管ADMET预测工具（如ADMETlab 3.0）主要针对小分子，但化学修饰（如D-氨基酸、聚乙二醇化）和结构稳定化已被证实能改善肽类药物的膜渗透性和代谢稳定性。开发专用于肽的ADMET预测平台，将是突破现有局限的关键。

结论与展望

整合AI与物理模型的共识策略正在重塑pepPIs研究范式。未来需开发一体化平台，将AF2multi的预测精度、ADCP的化学多样性支持、Pep-GaMD的增强采样以及MM/PBSA的能量分析无缝衔接。当计算预测的结合自由能（ΔG_bind）能与实验K_D值高度相关时，肽药物设计将真正进入"硅基革命"新时代。