集成 FRET 传感器与人工智能驱动的寨卡病毒蛋白酶肽抑制剂设计与筛选

《Scientific Reports》：Integrated sensor engineering and AI-assisted peptide design to target the Zika virus NS2B-NS3 protease

　　

摘要

寨卡病毒NS2B-NS3蛋白酶（ZVP）是病毒复制过程中的关键酶，也是一个极具潜力的抗病毒药物靶点。然而，基于肽的抑制剂设计仍然面临诸多挑战。在此，我们开发了一种集成工作流程，将重组FRET蛋白酶传感器与人工智能驱动的肽抑制剂设计相结合。该工程化的PEprot^ZIKV传感器包含两个荧光标记结构域之间的ZVP切割序列，能够进行定量活性测定。与化学合成的具有相同切割序列的底物（催化效率为22 nM，K_m = 22 nM）相比，PEprot^ZIKV的催化效率提高了约5.5倍（k_cat/K_m = 49 ± 7 × 10⁶ M^?1s^{?1_m更低。通过对53个ZVP晶体结构的结构热点分析以及对黄病毒多聚蛋白基序的多序列比对，我们利用RFdiffusion和ProteinMPNN算法指导“从头”设计肽类抑制剂。通过计算过滤（对接、AlphaFold-3共折叠、分子动力学模拟和MM/PBSA分析）筛选出了具有潜在抑制活性的短肽。使用PEprotZIKV进行的生化筛选发现了三种候选抑制剂，其中肽715的抑制活性最强（IC₅₀ = 214 μM），其次是肽630和701。基于结构的肽延长改造提高了肽630的活性（例如，630_03的IC₅₀ = 224 μM），但降低了肽701和715衍生物的活性。这种集成方法为加速发现针对ZVP及其他病毒蛋白酶的肽类抑制剂提供了一个通用框架。}