AI驱动环肽构象预测与排序方案基准评测:序列/全原子表示、环化相对位置编码及与物理模拟的比较

《RSC Medicinal Chemistry》:Benchmarking AI-driven protocols for cyclic peptide conformer prediction and rankingOpen Access

【字体: 大 中 小 】 时间:2026年10月14日 来源:RSC Medicinal Chemistry 4.6

编辑推荐:

  生成式人工智能(generative AI)正被用于肽设计,以在早期研究阶段优化结合剂(binder)。一个显著应用涉及环肽(cyclic peptide),其中AI辅助建模结合态或溶液态的构象异构体(conformer)。本研究基准评估了最先进方案在使用序列

  
生成式人工智能(generative AI)正被用于肽设计,以在早期研究阶段优化结合剂(binder)。一个显著应用涉及环肽(cyclic peptide),其中AI辅助建模结合态或溶液态的构象异构体(conformer)。本研究基准评估了最先进方案在使用序列或全原子表示时,预测和排序单独及与其靶标形成复合物的环肽结合剂构象异构体的能力。数据集由公共存储库中具有实验结构的环肽组成。基准测试纳入多种工具:HighFold、在EvoBind2中实现的环化感知AlphaFold2(cyclic-aware AlphaFold2)、CycPepDock、Boltz-1/1x、Boltz-2和Chai-1。研究人员发现,较新工具相比其基于AlphaFold2的对应工具提供结构预测优势,尽管两类工具的准确结果主要限于蛋白质–肽复合物,而非游离溶液结构。此外,使用环化相对位置编码偏移(cyclic relative positional encoding offset)被证明对准确预测至关重要,并且发现天然氨基酸表示优于更通用的SMILES字符串输入。研究人员印证了先前关于线性肽的文献发现,表明即使对于准确预测,模型置信度指标与实验观察到的结合亲和力(binding affinity)相关性也很差。最后,研究人员将基于AI工具的性能与基于物理的模拟进行比较,表明后者仍是解释环肽内在构象柔性(intrinsic conformational flexibility)的唯一方式,但前者在复合物结构预测中具有显著的价格/性能优势。本研究提供适用于环肽设计与优化的见解,促进基于肽的治疗药物发展。
研究背景:生成式人工智能(generative AI)正在肽设计早期阶段用于优化结合剂(binder),尤其涉及环肽(cyclic peptide)。环肽因构象柔性受限和内在结构稳定性,常较线性肽具有更好的代谢稳定性和结合亲和力,是药物发现的重要骨架。已有 linaclotide、lanreotide 等获批药物,Luna18、Merck 的 MK-0616 等候选分子。准确预测环肽在溶液或结合态的构象和结合模式,对基于肽的治疗药物开发关键。AlphaFold 时代后出现多种工具,可用序列或全原子表示研究环肽。问题在于,这些方案在环肽构象预测与排序中的可重复性、可靠性尚需系统评估;公共结构可能带来模型记忆化;模型置信度与结合亲和力之间的关系也不明确。因此,研究人员开展本项基准研究,比较AI驱动协议与物理模拟,旨在为环肽建模和优化提供见解。

研究人员对一组公共存储库中具有实验结构的环肽进行基准测试,评估其单独及与靶标形成复合物时的构象预测和排序,输入包括序列与全原子表示,并纳入 HighFold、cyclic-aware AlphaFold2/EvoBind2、CycPepDock、Boltz-1/1x、Boltz-2、Chai-1、Protenix-v2 等工具。结论是:较新工具优于基于 AlphaFold2 的对应工具,但准确结果主要限于蛋白质–肽复合物,而非游离溶液结构;环化相对位置编码偏移对准确预测关键;天然氨基酸表示优于 SMILES;模型置信度与实验结合亲和力相关性差;物理模拟仍是解释环肽内在构象柔性的唯一方式,但AI工具在复合物结构预测中具有显著价格/性能优势。该研究为环肽设计与优化提供参考。

关键技术方法:数据集来源于 PDB 及公共存储库,包含 uPA、C3c/compstatin、HIV 整合酶三组环肽,并纳入溶液构象环肽、9条内部未公开环肽及文献环肽 cyclo-GNSRV、cyclo-VVGGVG、cyclo-IVGGVG。输入为序列、序列+靶标和 SMILES。测试 HighFold、cyclic-aware AlphaFold2/EvoBind2、CycPepDock、Boltz-1/1x、Boltz-2、Chai-1、Protenix-v2。指标包括主链/侧链/复合物 RMSD、二面角 RMSD、Spearman/Pearson 相关和 Rosetta 能量。对 HIV 整合酶子集用显式溶剂偏置交换元动力学(bias-exchange metadynamics),NPT 系综、RSFF2 力场、GROMACS 2024.2、PLUMED 2.9.2,NIP 收敛阈值 0.9,dPCA 与密度峰聚类。

3.1 单体状态结果(Monomer regime results):无靶标时工具差异大,主链 RMSD 约 1.3 ?(HighFold 与带环约束 Boltz-2)至 >4 ?(Protenix、Chai-1、无约束 Boltz-2)。无相互作用伙伴时,相对位置编码调整对环化必要;专用环肽工具易环化。Boltz-1/1x 偶尔近似环化,似记忆训练集结合构象,循环移位后不保持。SMILES 输入时工具表现相似且均差于最优氨基酸表示。单体 PDB 参考由结合结构剥离靶标得到,MD 显示未必对应游离溶液主导构象。静态 RMSD 只评估参考结构重现,不评估构象集合;集合预测工具尚不成熟。单体–多聚体比较量化受体背景贡献。

3.2 多聚体状态结果(Multimer regime results):单序列数据集所有工具参数组合至少合理,多数 RMSD 约 1.5 ? 或更好,仅 HighFold-monomer 和 cyclic-aware AlphaFold2/EvoBind2 使用 AF2 单体权重落后。有蛋白靶标时相对位置编码优势减弱。聚合数据集上,环化不感知工具性能显著下降,环化感知工具保持。SMILES 灵活性高但性能下降,多数环化感知工具天然氨基酸表示平均 RMSD <1 ?,SMILES >2.5 ?。全复合物预测中多聚体权重工具显著优于单体权重,Boltz-2-cyc 和 HighFold-multimer 总体最佳。Boltz 和 Protenix 在氨基酸与 SMILES 间整复合物性能损失不大。训练集外肽性能下降。头尾大环与二硫键大环差异:环肽感知工具擅长头尾,非环化感知工具对二硫键大环更优。CycPepDock 和 EvoBind 的 AF2 实现参数不鲁棒,默认设置肽位移 >10 ?;优化后 CycPepDock 与 AF3 竞争,肽构象预测最强,整复合物略差;EvoBind AF2 仍落后。

3.3 总体准确性比较(Overall accuracy comparison):总体 Protenix 和 Chai-1 在环肽–蛋白复合物结构预测领先,显示从 AF2 到 AF3 及同代开放替代的轻微性能提升。全局和局部相似性、接触图比较均支持,但所有工具仍局部偏差,二面角 RMSD 高。需谨慎:工具可能对二硫键环化肽表现更好;lariat、lasso、硫醚环化、NCAAs 等可能只能以 SMILES 输入,准确性降低。

3.4 置信度指标与实验结合亲和力相关性(Correlation of confidence metrics with experimental binding affinity):研究人员分析结合亲和力与结构相似性、结合亲和力与模型置信度(pLDDT、pTM、ipTM)、结构相似性与置信度。模型置信度与实验效力或结合亲和力无一致关系,相关性弱,正负均有;不宜作为结合亲和力定量代理或最佳结合剂选择,更适合定性判断模型是否有效或二分类是否预期结合。结构预测精度与置信度或实验效力关系混合;多数工具 RMSD 随置信度增加下降;部分工具结合亲和力与结构精度相关,但样本少,统计显著性受限。环肽构象空间独特,可能需要不同置信度缩放和阈值。

3.5 与基于物理方法的比较(Comparison with physics-based methods):物理方法基于基本物理方程和力场,计算昂贵但稳健。对 HIV-1 整合酶靶向肽子集用增强采样 MD,多数轨迹最高 populate 簇对应结合构象,可能因采样或结构预组织;一个轨迹中最高簇不似结合构象,而单体预测更接近结合构象簇,符合 ML 工具输出训练所“见”。三个文献肽 cyclo-GNSRV、cyclo-VVGGVG、cyclo-IVGGVG,NMR 确认与 MD 轨迹匹配,工具无法重现结构特征;Boltz-1 家族在序列输入时给近似环化,VVGGVG 方向正确。Rosetta 能量:环肽感知工具倾向产生更高能量预测,可能环张力;HighFold 复合物张力较小但方差大;所有侧链堆积次优,建议松弛。

讨论与结论翻译总结:环肽正成为靶向既往认为不可成药生物过程的强有力候选,蛋白和肽结构预测工具快速发展,因此研究人员认为提供关于最先进建模工具如何预测环肽结构及内在挑战的关键见解是相关的。首先,专门针对环肽定制的工具似乎优于通用工具,尽管差异很大程度上可归因于后者被迫将环肽视为小分子样配体,使用 SMILES 等表示,这提供灵活性但降低预测质量。此外,鉴于包含环肽结构的训练数据稀缺,且现有少数数据点大多与蛋白靶标结合,目前所有可用工具可能最适合应用于蛋白–肽复合物,而不是尝试预测环肽是否良构或建立其溶液构象集合。在这些领域,基于物理的工具仍是金标准,尽管计算成本差异为基于 ML 的工具提供了论据。然而,必须警惕记忆化,并意识到最先进模型返回的是来自相对狭窄分布的静态结构。近期基于 flow matching 以及用 MD 模拟训练的模型,在线性和环状肽方面显示一些希望,尽管当前能力有限,但可能适时弥合知识差距。此外,除“纯”AI 结构预测外,机器学习进展也增强经典物理技术。本文因文献证据支持所用经典力场在大环肽应用中采用经典力场;通过将高精度量子力学计算纳入 ML 模型训练集,不少作者构建了机器学习原子间势(MLIPs),并应用于其他模态的 MD 研究,尤其在隐式溶剂处理领域。记忆化尤其值得更多关注。本基准通过纳入由头尾环肽序列所有可能循环移位增强的聚合数据集,并与亲本单序列数据集比较,试图阐明该问题的普遍性和严重性。总体上,循环移位序列似乎会在某种程度上影响性能,尽管所有序列变体应编码同一肽;这与训练内与训练外(公开与内部序列)比较一起,暗示现有模型未完全“理解”环肽,而是依赖一般蛋白训练集中有限数据。此外,第一代(基于 AF2)和第二代(AF3 及开源替代)工具之间存在渐进提升。研究人员期待本文数据集定稿后发布的工具的未来工作;例如,截止后已发布 Boltz-1 的第三方修改,允许氨基酸编码与 NCAAs 的 CCD 条目结合。研究人员希望该领域持续发展将解决目前突出的挑战。如 3.1 所述,上述结论的一个注意点和当前基准的局限是,它主要关注测试工具捕获通常为结合态的静态参考结构的能力,该结构可能不对应溶液中存在的主导构象,或不能代表整个构象集合。该局限部分由于能预测构象集合的工具稀缺,研究人员希望借此强调未来开发此类工具的重要性。总体而言,尽管关于模型置信度指标效用及其如何转化为蛋白–肽结合等实际问题仍存疑问,环肽–蛋白复合物的建模武库现在包含一组有用的新工具,进一步改进即将到来。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号