基于片段的结合位点分割从分子动力学学习：以心肌肌球蛋白为概念验证

《Journal of Chemical Information and Modeling》：Learning Fragment-Based Segmentation of Binding Sites from Molecular Dynamics: A Proof of Concept on Cardiac Myosin

　　

蛋白质结合位点的几何和化学特征往往会因构象动力学而发生变化。在配体未结合（apo）状态下，结合位点可能仅以能够容纳配体的方式短暂组织，相关蛋白质区域仅在部分构象中以合适排列聚集在一起。配体结合本身也可诱导位点变化。由于大多数配体可分解为更小的片段，研究人员假设，将结合特定片段的倾向映射到结合位点表面，可用于监测位点结合配体能力的变化。该任务可表述为语义分割，并利用深度学习解决。在此，研究人员引入了基于片段的蛋白质集合语义分割工具（用于肌球蛋白，FragBEST-Myo），这是一种基于3D U-Net架构的深度学习方法，经过训练，仅使用局部形状和物理化学特征即可将心肌肌球蛋白的omecamtiv mecarbil（OM）结合位点划分为片段特异性区域。该模型在标记的OM结合肌球蛋白分子动力学（MD）轨迹上训练，包括后强直（post-rigor）和预动力冲程（pre-powerstroke）两种状态，在未见过的两种状态轨迹上实现了约95%的准确率和平均交并比（mIoU）>0.76。当应用于apo轨迹时，FragBEST-Myo导出的描述符产生的排序与holo构象的相似性一致。此外，基于FragBEST-Myo排序选择apo帧，相比随机选择的对照帧，增加了恢复holo样OM对接姿势的机会，支持其作为集合对接筛选工具的应用。除了帧选择，片段图谱提供了一种紧凑的表示来评估对接姿势并指导基于片段的设计。该概念验证为开发未来适用于更广泛蛋白质和配体的通用模型奠定了基础，基于片段的表述为泛化提供了一条自然途径。

蛋白质结合位点并非静态结构，其几何和化学特征随构象动力学而变化。在配体未结合（apo）状态下，结合位点可能仅短暂组织成适合配体结合的构象，而配体结合本身也可诱导位点变化（诱导契合）。由于大多数配体可分解为片段，监测结合位点表面与特定片段的结合倾向，有望反映位点结合能力的变化。然而，如何从apo分子动力学（MD）模拟中有效筛选出类holo构象用于集合对接，仍是一个挑战。为此，研究人员以心肌肌球蛋白结合首创性心脏选择性激活剂omecamtiv mecarbil（OM）为模型系统，开展了概念验证研究。该研究发表于《Journal of Chemical Information and Modeling》。研究人员开发了基于片段的蛋白质集合语义分割工具FragBEST-Myo，基于3D U-Net深度学习架构，在OM结合的心肌肌球蛋白后强直（post-rigor, PR）和预动力冲程（pre-powerstroke, PPS）状态的标记MD轨迹上训练，仅利用局部形状和物理化学特征将结合位点分割为片段特异性区域。模型在未见过的holo轨迹上达到约95%准确率和平均交并比（mIoU）>0.76。将模型应用于apo轨迹时，导出的描述符（D1-D4）可对帧进行排序，排序与holo构象相似性一致。选择排名前100的apo帧进行集合对接，相比随机选择，显著提高了恢复类holo OM对接姿势的概率，同时片段图谱可用于评估对接姿势和指导基于片段的设计。该概念验证为开发覆盖更广蛋白质和配体的通用模型奠定了基础。

**技术方法概述**：研究人员使用了先前发表的MD模拟数据（心肌肌球蛋白的PR和PPS状态，holo和apo），采用3D U-Net进行语义分割。关键步骤包括：利用MaSIF框架生成溶剂可及表面网格，计算每个顶点上的泊松-玻尔兹曼静电势、氢键势和疏水性三个物理化学特征；将OM配体手工分解为6个片段，为顶点分配片段标签；将顶点体素化为64×64×64网格，使用掩码广义骰子和焦点损失（GDF loss）训练模型，并采用3D随机旋转数据增强。训练时使用K折交叉验证（K=3），并通过迁移学习结合PPS和PR数据。最终模型（mix-1600-TL）在测试集上表现良好。基于预测的片段标签，定义了四个描述符（D1: 不同标签数，D2: 非背景顶点比例，D3: 特定非背景类平均顶点比例，D4: 平均封顶HoloSpace分数）用于对apo帧进行排序。对接使用AutoDock Vina，以随机选择帧作为对照。

**研究结果**：

**训练与优化深度学习模型**：通过对比不同训练集大小，发现至少需要600帧才能达到测试集mIoU约0.7，2400帧以上性能趋于稳定。采用迁移学习在混合PPS和PR数据上训练，模型（mix-1600-TL）在测试集（holo-PPS-MD4和holo-PR-MD4）上达到mIoU>0.76且准确率>94%，显著优于无迁移学习的训练。

**在apo模拟中检测类holo构象**：将模型预测转化为描述符D1-D4，分析四个apo PPS轨迹。结果表明，高排名帧（如D1=7，D2和D3在holo范围内，D4接近1）出现在低minRMSD_holo区域，且描述符与minRMSD_holo呈负相关。类似结果在PR模拟中也得到验证。排名靠前的apo帧展现出更复杂的片段结合区域分割模式。

**FragBEST-Myo选择的apo帧在集合对接中的性能**：对每个状态（PPS和PR）的top100帧与随机100帧进行OM对接。top100帧的minRMSD_holo显著更低，配体RMSD更小（PPS中11% vs 0%达到≤3.5 ?，PR中17% vs 3%），结合亲和力更强。此外，错误对接姿势与FragBEST-Myo预测的分割不一致，表明片段图谱可用于鉴别非天然姿势。

**应用于采样多状态的MD模拟**：将模型应用于PR-to-PPS转换的受控MD（SMD）轨迹，分别使用PR和PPS两种ROI定义。基于PR ROI的top100帧全部来自低minRMSD_holo,PR区域；基于PPS ROI的top100帧中85%来自低minRMSD_holo,PPS区域，其余来自PR-like帧。对接结果显示，top100帧的类holo相似性和配体RMSD均优于随机选择，且PR-like帧表现优于PPS-like帧，这与SMD轨迹起始点更接近实验holo结构一致。

**讨论与结论**：讨论部分指出，模型训练需要足够多的构象数据（至少2400帧），描述符与holo相似性相关，且单模型可处理多状态结合位点。FragBEST-Myo的片段分割不仅用于帧选择，还可评估对接姿势和指导基于片段的药物设计。模型已捕获可转移特征，例如在实验结构中排名OM结合构象高于其他配体结合构象和apo构象。未来可扩展至更广泛蛋白质和配体。研究结论翻译如下：总之，FragBEST-Myo表明，深度学习可用于获得蛋白质结合位点的片段特异性分割，该分割整合了蛋白质动力学导致的内在结构变异性信息。这些分割可应用于不同任务，如本工作中展示的类holo构象检测、对接姿势评估和基于片段的设计指导。因此，FragBEST框架为开发适用于更广泛蛋白质和配体的未来模型奠定了基础。