人工智能驱动的抗菌肽-铼三羰基（纳米）微凝胶系统设计与优化：对抗微生物耐药性的新视角

《Gels》：Artificial Intelligence-Assisted Design and Optimization of AMP–Re(CO)3 (Nano)Microgel Systems: A New Perspective in Combating Antimicrobial Resistance

　　

微生物耐药性（AMR）在全球范围内的持续升级构成了对公共卫生最为紧迫的威胁之一，这迫使人们必须开发超越传统抗生素的创新治疗平台。抗菌肽（AMPs）与铼(I)三羰基配合物（[fac-Re(CO)3]+）的配位结合代表了一类颇具前景的金属药物，其将抗菌肽快速的膜破坏作用与铼(I)中心的氧化应激、细胞内靶向或诊疗一体化潜力融为一体。将这些缀合物封装入（纳米）微凝胶基质中，可进一步提高其抗蛋白酶解稳定性，实现受控或刺激响应性释放，并在最大限度降低全身毒性的同时支持局部递送。人工智能（AI），包括深度学习、生成模型和多目标优化，可显著加速从从头（de novo）AMP序列设计、金属结合基序工程到Re配位预测及合理纳米凝胶制剂开发的每一个阶段。本综述概述了一个在AI驱动的AMP发现、Re-金属肽合成、纳米凝胶/微凝胶递送系统及其集成应用方面的拟议框架。本综述重点介绍了用于快速优化的机器学习（ML）和生成方法，同时阐述了数据稀缺性、可扩展性、生物相容性和体内验证等关键挑战。未来方向强调采用闭环、多目标AI框架来开发个性化、智能化的抗菌平台。

1. 1.
   引言
   微生物耐药性（AMR）的快速全球蔓延是公共卫生面临的最紧迫威胁之一，它削弱了传统抗生素的有效性，并加重了难治性感染的治疗负担。皮肤和软组织感染、慢性伤口以及生物膜相关感染尤为关键，这些部位的病原体通常对传统抗生素表现出高度耐药性，且局部治疗药物必须在复杂的生物环境中保持强效抗菌活性及稳定性。抗菌肽（AMPs）因其广谱活性、快速杀菌机制以及相比传统抗生素更低的耐药诱导倾向而备受关注。然而，其临床转化仍受限于蛋白水解降解敏感性、半衰期短及潜在细胞毒性等内在挑战。金属药物化学的近期进展为通过将过渡金属引入肽框架以克服上述局限开辟了新机遇，其中铼基配合物展现出良好的抗菌性能、独特的氧化还原行为和结构多样性。与此同时，药物递送系统的进展，尤其是纳米凝胶和水凝胶微载体，为抗菌剂的局部给药提供了有力策略。将金属肽整合入抗菌纳米凝胶，代表了一种将强效抗菌作用、代谢稳定性和局部递送相结合的有前景策略。人工智能（AI）已成为加速抗菌药物发现的变革性工具，机器学习模型可分析大型生物数据集、生成优化肽序列、预测抗菌活性和毒性，并指导先进药物递送系统的设计。本综述聚焦于AI驱动方法在设计代谢稳定的局部治疗用抗菌金属肽方面的潜力，将计算肽设计、金属药物开发和智能递送系统的视角整合在一起，以应对抗菌药物研发中的紧迫挑战。
2. 2.
   综述方法
   本文对科学文献进行了叙述性综合，结合了概念性视角与未来研究方向。文献检索使用Google Scholar、Scopus和PubMed，采用布尔运算符组合相关关键词进行。优先考虑近五年内发表的英文文章，但也纳入了提供必要背景信息或涉及近期研究未充分探索方面的较早出版物。
3. 3.
   抗菌肽
   抗菌肽（AMPs）是先天免疫系统的组成部分，广泛存在于各类生物体中，在宿主防御微生物感染中发挥重要作用。除抗菌和抗病毒活性外，AMPs还表现出抑制生物膜形成、选择性靶向癌细胞、调节神经元活性和免疫调节等广谱生物活性。它们还参与慢性炎症消退和组织再生，包括伤口愈合。抗菌肽数据库（APD）目前包含6042条肽，其中包括3379条天然AMPs、2290条合成AMPs和373条预测肽，后者主要通过基于AI的方法识别。
4. 4.
   具有抗菌活性的过渡金属配合物
   金属药物自古就被用于医学，但其科学研究始于20世纪。与游离金属离子和金属纳米颗粒不同，有机金属配合物具有明确的结构：金属配位位点周围以精确几何排列配体。它们结合了多种氧化态、可控配体交换、催化活性以及光物理和氧化还原特性，其三维结构使其能够与生物靶标选择性相互作用。铼(I)三羰基化合物含二亚胺配体，构成一类具有显著生物潜力的金属配合物，对细菌、真菌、疟疾寄生虫和肿瘤细胞均有效。Re可与多种配体配位，包括肽氨基酸残基中的官能团。含多吡啶配体（如2,2′-联吡啶（Bipy）和1,10-菲咯啉（Phen））的配合物研究最为广泛，这些配体在很大程度上决定了配合物的疏水程度。此外，[Re(CO)₃]⁺配合物因其内化能力和靶向细胞内位点的能力，在细胞成像方面显示出巨大潜力。铼(I)羰基配合物对革兰氏阳性菌具有抗菌活性，但其对革兰氏阴性菌的效力常受限于富含脂多糖的外膜屏障和主动外排泵机制。通过增加细菌膜通透性和减少外排机制可增强其对革兰氏阴性菌的活性。某些光活化配合物可产生活性氧（ROS），而CO释放分子（CO-RMs）释放的一氧化碳可诱导快速杀菌。将铼配合物与含疏水残基的肽缀合是另一条有前景的策略。
5. 5.
   过渡金属-抗菌肽相互作用
   金属-肽配位系统的早期研究聚焦于Cu(II)离子及其与氨基末端铜镍结合基序（ATCUN）的相互作用。AMP与有机金属配合物的配位因其增强抗菌效果的潜力而备受关注。例如，PvHCt仅在配位Cu(II)和Zn(II)离子后才表现出显著抗菌活性，其机制涉及α-螺旋构象变化。四肽HPDK与Cu(II)配位后，其对S. sanguinis的抗菌活性增强，最低抑菌浓度（MIC）从500降至125 μg mL^-1。在抗菌光动力疗法（aPDT）中，光活性[Ru(bpy)₃]²⁺配合物与buforin-II缀合，光照时产生单线态氧，促进细菌DNA降解，其抗菌活性约为游离buforin-II的30倍。肽与金属化合物结合还可限制细胞溶解活性，如蜂毒肽melittin与Ru配合物结合后，溶血活性降低11倍。

5.1 铼(I)三羰基-肽缀合物

据现有科学文献报道，fac-[Re(CO)₃]与抗菌肽的结合尚未见报道。然而，fac-[Re(CO)₃]和fac-[Tc(CO)₃]配合物可用于肽和蛋白质的标记，His是金属中心的主要配位位点。His残基配位后获得电荷中性缀合物，但会产生非对映异构体。对于His，fac-[Re(CO)₃]⁺核心可通过三个供体原子进行三齿配位：氨基的氮原子（Nα）、咪唑环的δ氮原子（Nδ）以及羧酸根相关的氧原子（O）。His和Cys供体残基的末端或内部位置可影响咪唑和硫醇基团的可及性，进而通过序列依赖的立体和构象效应影响Re离子配位的几何构型、稳定性和效率。His和Cys残基的质子化状态（pKa分别为6.42和8.72-8.76）直接影响AMP结合金属离子的能力，因为pH决定了供体原子的可用性。体内环境中，fac-[Re(CO)₃(H₂O)₃]⁺配合物可能持续暴露于涉及Cys富集生物分子和His含量蛋白质的动态配体交换过程中。生物体液中的竞争配体也可能影响Re配合物的形态和稳定性。

5.2 Re(CO)₃/AMP缀合物的表征

金属-肽相互作用日益受到关注，这凸显了对所得配位化合物进行全面表征的必要性，以确认肽缀合成功、阐明分子结构，并确定金属种类、氧化态和配体性质对其理化性质和生物医学应用潜力的影响。

1. 6.
   金属配合物和抗菌肽的纳米技术递送
   金属配合物封装于纳米颗粒载体和无机基质中已有文献报道。封装有机金属配合物的必要性源于其疏水性质以及复杂生物环境中竞争配体对稳定性的影响。例如，含卡宾配体的银配合物在血液中接触氯化物盐时会降解并沉淀为氯化银，且银与血浆蛋白的巯基反应，导致配合物失活。封装于纳米颗粒递送系统可保护其免受生物降解，限制不良效应，并保护其免受免疫系统识别和清除。由于有机金属配合物的大斯托克斯位移特性，将其整合入纳米颗粒为开发生物成像探针开辟了新策略。（纳米）微凝胶是交联三维结构的聚合物递送系统，能够吸收大量水或生物流体而不丧失结构完整性。其网络通常由亲水聚合物组成，含有极性官能团。结合可调的化学组成和网络结构，这些特性使其能够响应各种刺激发生结构变化，包括pH、温度、氧化还原条件、细菌酶活性和离子强度变化。将AMPs、Re(CO)₃配合物或其缀合物掺入（纳米）微凝胶基质可通过多种途径实现，包括自组装过程中的封装、预成型聚合物网络的后合成负载以及共价连接。与宏观凝胶结构相比，（纳米）微凝胶因其小尺寸和柔顺的聚合物结构而具有独特优势，可促进细胞相互作用和内化，其变形能力使其能够以不同于刚性纳米载体的方式与生物环境相互作用，减少非特异性蛋白吸附并促进穿越黏液层和细菌生物膜等生物屏障的运输。可生物降解生物聚合物的使用进一步扩展了其适用性。
2. 7.
   人工智能在AMP-Re(CO)₃（纳米）微凝胶设计中的应用
   开发与[Re(CO)₃]⁺片段缀合并配制成（纳米）微凝胶的AMPs系统，需要整合序列工程、配位化学和先进制剂策略。AI，尤其是深度学习（DL），为加速此类多功能系统的发现和优化提供了强大框架。AI辅助集成工作流程包括AMP-Re(CO)₃（纳米）微凝胶系统的设计和优化。生成式AI模型设计富含His/Cys金属结合基序的新型AMP序列，机器学习和量子信息对接预测与fac-[Re(CO)₃]⁺核心的最优配位几何构型，计算机辅助合成规划指导高效缀合制备，随后进行AI优化的刺激响应性纳米凝胶或微凝胶制剂。

7.1 序列设计与优化

AI和机器学习（ML）框架模型的整合在抗菌金属凝胶领域极具前景。生成式对抗网络（GANs）等先进生成模型和ML框架可加速下一代金属凝胶的自主设计，实现铼配合物前体的虚拟筛选以及凝胶化动力学和抗菌效力的精确预测。这些架构能够准确预测抗菌活性、毒性（如溶血）、稳定性和理化特性。生成式架构如变分自编码器、生成式对抗网络和基于Transformer的蛋白质语言模型可被条件化以富集组氨酸和半胱氨酸基序，促进与fac-[Re(CO)₃]⁺核心的配位，同时保持抗菌活性所必需的两亲性和阳离子电荷。多目标优化方法，包括强化学习和基于Pareto的策略，可同时调节抗菌效力、对特定病原体的选择性和对哺乳动物细胞的低细胞毒性。现代AI系统通过变分自编码器（VAEs）、生成式对抗网络（GANs）、扩散模型和强化学习（RL）引导生成等先进策略实现肽的生成式设计。生成式潜在扩散模型可产生数千条同时优化疏水性、净电荷和金属结合基序的候选序列。RL对齐的扩散模型可增强AMP活性同时显著降低毒性评分，多智能体系统如MAC-AMP在闭环优化过程中优化抗菌活性、毒性和序列新颖性之间的复杂权衡。

7.2 分子对接与配位几何预测

fac-[Re(CO)₃]⁺核心通常采用八面体几何构型，三个面式羰基（CO）配体占据一个面，另外三个配位位点可供肽的供体原子使用。在基于AMP的系统中，配位通常通过组氨酸（His）咪唑氮（N）供体、半胱氨酸（Cys）硫醇盐硫（S）供体、甲硫氨酸（Met）硫醚硫供体以及骨架酰胺或末端胺/羧酸根基团实现。有效的AMP-Re(CO)₃缀合物需要局部供体富集区域、适当的空间排列以实现稳定螯合，以及与抗菌活性所需两亲结构兼容。分子对接方法辅以密度泛函理论（DFT）等量子力学计算，可评估优选结合位点和配位几何构型。机器学习增强评分函数的最新进展进一步提高了金属-配体相互作用的预测准确性。AI增强对接和混合量子信息模型可预测AMP与fac-[Re(CO)₃]⁺配合物之间的结合模式，同时解决关键配位几何约束。经典对接程序如AutoDock和GOLD可有效辅以DFT计算或基于金属蛋白复合物训练的机器学习评分函数。虽然大多数当前模型未明确针对金属配位训练，但可通过特征工程、His/Cys/Met残基富集、特定基序约束或配位相关描述符的纳入进行适配。迁移学习，即通过在金属蛋白和肽-金属相互作用数据集上微调蛋白质语言模型，对设计富含His/Cys的铼结合基序特别有效。

7.3 合成规划与路线优化

在分子对接和配位几何预测之后，计算机辅助合成规划（CASP）AI工具可实现AMP-Re缀合物的高效制备。AI辅助设计遵循若干关键原则：功能域分离、最佳净电荷平衡、受控基序密度和结构灵活性。基于AI的逆合成分析工具可提出高效、高产率的Re-AMP缀合物合成路线，预测最佳保护基策略、偶联条件和纯化方法，同时标记涉及氧化还原敏感铼中心或反应性肽残基的潜在副反应。这通过肽序列的自动逆合成规划、固相肽合成（SPPS）步骤优化、与后续金属配位兼容的保护基选择以及Re(CO)₃前体后合成金属配合的策略规划实现。AI驱动的方法显著减少实验负担，现代AI管道可在计算机中预筛选数百万条候选序列，富集高概率活性肽，过滤预测有毒或不稳定的肽，并指导AMP-Re缀合物的合理合成。

7.4 制剂与递送系统设计

将AMP-Re(CO)₃缀合物掺入（纳米）微凝胶系统引入了若干关键设计变量，包括聚合物组成、交联密度、溶胀行为和释放动力学。AI辅助材料设计方法可有效预测肽-聚合物相容性、封装效率和所得纳米颗粒或微凝胶的整体稳定性。ML模型进一步指导制剂参数的优化，促进刺激响应性（纳米）微凝胶的开发。虽然（纳米）微凝胶在抗菌递送方面显示出相当大的潜力，但将铼配合物和AMP-Re缀合物掺入这些基质仍需进一步研究。然而，[Re(bpy)(H₂O)(CO)₃]⁺成功封装于Gelucire? 44/14胶束中，封装效率（EE）达76.7 ± 0.8%，证明了将铼配合物掺入替代纳米载体系统的可行性。刺激响应性变体，如pH敏感或酶可裂解凝胶，可实现感染伤口的靶向递送。生成式AI模型可设计自组装纳米载体或水凝胶基质，以最佳方式封装和释放AMP-Re(CO)₃缀合物，通过分子动力学模拟预测药物-聚合物相容性、糖尿病伤口模拟条件下的释放动力学和抗蛋白酶解稳定性。AI设计的His/Cys富集AMP可与[Re(CO)₃(H₂O)₃]⁺配位，随后负载于刺激响应性纳米凝胶中，预期益处包括感染部位延长局部释放、协同抗菌活性、增强生物膜根除和促进伤口愈合。类似的AI引导AMP-水凝胶系统已证明对耐甲氧西林金黄色葡萄球菌（MRSA）和大肠杆菌具有>99.99%的体外杀菌效力，并加速体内伤口愈合。将Re缀合物扩展至该领域可增加诊疗一体化能力。

1. 8.
   当前局限性与展望
   尽管潜力巨大，AMP-Re(CO)₃（纳米）微凝胶系统的开发仍面临若干挑战：高质量Re-肽相互作用数据集的有限可用性阻碍了机器学习准确性；准确预测溶液中而非真空或晶体结构中的配位几何构型和稳定性存在困难；需要全面的生物相容性和清除研究，特别是关于铼积累和凝胶基质受控降解；金属药物面临重大监管障碍，需要严格的毒理学和长期安全性评估；以及需要延长体内研究以评估效力、耐药性发展和治疗持久性。有前景的未来方向包括开发结合深度学习与DFT描述符的混合模型、整合分子动力学模拟以实现更真实的结构验证、创建金属感知蛋白质语言模型、整合序列、结构和金属结合数据的多模态AI架构、用于更好基序解释的可解释AI方法，以及完全闭环的实验验证系统。
2. 9.
   结论与未来展望
   AI辅助的AMP-Re(CO)₃金属凝胶开发工作流程将序列生成、配位建模、合成规划、活性和毒性预测以及先进制剂设计整合为统一的高效管道。该方法相比传统试错方法显著加速了发现和优化过程。通过结合用于肽工程的生成式AI、用于金属配位和活性预测的机器学习以及用于凝胶优化的预测建模，该策略可产生稳定、靶向且强效的金属药物。虽然该领域仍处于早期阶段，但AI驱动AMP设计、铼配位化学和智能纳米凝胶技术的快速进展正在为先进抗菌疗法的开发开辟新途径。GANs或扩散模型等先进AI架构虽广泛用于药物发现，但其在预测铼基系统的凝胶化和抗菌效力方面的应用仍完全未被探索，代表了未来研究的主要前沿。实现这一潜力需要AI专家、配位化学家、材料科学家和临床医生之间的持续跨学科合作。