计算方法的不断进步正在改变人们对生物分子结构、动力学以及多时空尺度上相关过程的微观理解。随着分子模拟、建模方法、改进的采样技术以及机器学习辅助策略的不断发展,现在已能够探究真实细胞环境中的生物分子过程[1, 2, 3]。细胞内部环境是一种拥挤的环境,其中存在着紧密堆积的大分子、高浓度的中小分子代谢物(共溶物、离子等),而且溶剂化作用也受到限制。这些大分子占据了细胞总体积的40%,其浓度在100到400克/升之间[4, 5, 6, 7]。大分子拥挤会显著影响生物分子的各种过程,包括蛋白质折叠、结合、聚集、识别以及酶的动力学特性。它通常与生物分子的紧缩、自组装以及相互结合有关,还可能通过液-液相分离促使物质形成凝聚态[6,8]。因此,这些效应对于细胞的组织与调控至关重要。
已有不少研究致力于阐明导致拥挤现象的分子驱动力[6,9]。目前存在两种不同的观点。传统观点认为,大分子拥挤效应主要源于大分子本身的体积排阻效应,即认为这些大分子对所研究的生物分子没有影响[10, 11, 12]。关于拥挤现象的最早研究之一来自Asakura和Oosawa,他们将非相互作用(惰性)大分子环境中的胶体自组装现象归因于源自熵效应的吸引力[13,14]。这种机制后来被称为“耗竭吸引”,即惰性大分子从靠近的胶体之间的空间中消失,从而导致整体区域与胶体之间的局部区域的渗透压出现差异。这种差异会在胶体之间产生吸引力,促使它们聚集在一起。此外,大分子回到整体溶液中会增加系统的熵值,从而使聚集过程在热力学上更为有利。
近期的一些研究支持另一种观点,即认为在判断拥挤现象的影响时,不能忽视那些具有吸引力的、柔和的分子间化学相互作用,这类相互作用起着至关重要的作用[15, 16, 17, 18, 19]。根据拥挤物质的性质和浓度,有必要通过具有化学特异性的非空间位阻相互作用来纳入这类焓效应。有兴趣的读者可以参考那些对这些研究进行总结的综述文章[9,16,18,19]。因此,随着人们对这种复杂环境的理解不断深入,拥挤介质不再仅仅被视为一个被排除在外的被动空间,而是一个动态的、多尺度的、往往具有主动调控作用的因素,能够影响生物分子的结构与排列。不过,关于究竟是什么分子驱动力导致了拥挤现象,目前仍存在争议,尚未有定论。
拥挤现象之所以一直未得到足够重视和研究,部分原因在于构建复杂、高浓度溶液模型以及处理大规模系统存在诸多困难[18]。不过,随着计算资源的不断增加,以及新的建模算法和计算方法的出现,现在已经可以用低分辨率模型来模拟整个活细胞[20],并在考虑拥挤效应的情况下探究微观层面的生物分子过程。随着数据驱动框架的快速发展,基于实验数据集训练的预测模型越来越多地被用于研究凝聚态形成、蛋白质聚集以及蛋白质与配体结合等生物学现象[8,21]。高分辨率成像技术、冷冻电子断层扫描技术以及基于分子动力学的数据库也为这些研究提供了支持[22,23]。然而,对于在真实拥挤环境中发生的这些生物分子过程,此类综合分析方法仍有待进一步探索。在本综述中,我们总结了近年来在利用计算方法研究拥挤现象对蛋白质折叠、聚集、结合等生物分子过程以及液-液相分离等现象的影响方面所取得的进展与面临的挑战。论述重点介绍了关于拥挤现象的新观点的发展情况,包括溶剂化理论、建模方法、模拟技术,以及基于机器学习和数据驱动方法的新兴策略。综述强调了采用超越传统方法的综合计算手段的重要性,这样才能更有效地深入了解拥挤现象的微观机制。图1概括了本综述中讨论的主要内容。