用物理信息深度学习揭示电压门控钾通道的中间状态：应用于Kv7.1

《Frontiers in Biophysics》：Revealing intermediate states of voltage-gated potassium channels with physics-informed deep learning: application to Kv7.1

　　

摘要

引言：电压门控钾通道通过协调的构象重排将膜电压变化转化为孔道开放，但连接这些事件的中间状态仍然难以捕捉。揭示这些隐藏的中间状态对于将蛋白质运动重建为连续、可解释的路径至关重要。研究人员使用Kv7.1/KCNQ1作为严格的示例案例，因为其广泛的实验表征使得能够测试终点数据是否能够恢复中间的转变。方法：研究人员将一个通用的物理信息深度学习流水线应用于四聚体Kv7.1的分子动力学（molecular dynamics, MD）集成。一个卷积自编码器仅基于静息和激活的终点构象进行训练，而一个独立的中间集成被保留。结构重建与分子物理正则化以及跨膜场的电荷位移静电描述符相结合。训练后引入独立的冷冻电子显微镜（cryogenic electron microscopy, cryo-EM）结构作为基准。生成的构象通过电压传感器进程、接触重排、孔道开放、立体化学质量和在显式膜中的稳定性进行评估。该工作流程还应用于KCNQ1-KCNE1通道复合物集成，其中每个KCNQ1单体包含一个或两个磷脂酰肌醇4,5-二磷酸（phosphatidylinositol 4,5-bisphosphate, PIP2）分子。结果：模型恢复了一个连续的结构进程，并将保留的中间集成定位在终点之间。实验结构遵循预期的静息到中间到激活的顺序。生成的中间体显示出协调的电压传感器位移、稳定相互作用的重新组织以及后期激活门的变宽，尽管在训练期间没有中间结构或孔道半径信息。在KCNQ1-KCNE1复合物中，该方法区分了两种脂质化学计量条件，并揭示了连接电压传感器、连接器和孔道门的网络重塑。讨论：物理信息生成建模可以将稀疏的终点数据与蛋白质构象变化（特别是离子通道门控）的路径解析原子假说联系起来。推断的轨迹不是唯一的动力学或自由能路径，而是与结构和生物物理信息一致的可测试机制模型。更广泛地说，该框架为研究蛋白质中的构象转变和调控提供了一种可转移的策略。

电压门控钾通道（voltage-gated potassium channels, VGPCs）是动态膜蛋白，其生物功能依赖于不同构象状态之间的转变，而非单一静态结构。然而，连接静息与激活状态的中间构象难以通过实验直接捕捉，传统分子动力学（molecular dynamics, MD）模拟受限于慢门控事件的时间尺度，增强采样方法则依赖预设的集体变量，可能引入偏差。这促使研究人员探索互补性方法，利用有限的结构和模拟数据生成物理上合理的过渡假设。Kv7.1/KCNQ1是一个四聚体电压门控钾通道，在心脏复极化、上皮运输和内耳钾稳态中发挥关键作用，其功能障碍与长QT综合征、短QT综合征及耳聋等相关。该通道具有丰富的实验表征：功能研究表明其电压传感器（voltage sensor, VS）经历至少两个可区分的激活步骤，产生静息、中间和激活构象；近期冷冻电子显微镜（cryo-electron microscopy, cryo-EM）结构提供了中间态的实验基准。因此，Kv7.1成为评估物理信息深度学习（physics-informed deep learning）管道能否从稀疏终点数据重建门控过渡路径的理想测试案例。该研究发表于《Frontiers in Biophysics》。

研究人员开展了以下工作：基于之前生成的Kv7.1状态模型（包括静息/关闭RC、中间/开放IO和激活/开放AO）的多组MD模拟，仅使用RC和AO终点构象（共7515帧）训练一个一维卷积自编码器，而IO构象（3676帧）作为内部验证集保留。通过复合损失函数约束解码中间体，包括坐标重建损失、分子力学正则化（键长、键角、二面角及非键项）以及两个门控电荷项（Q_path和Q_lin），后者基于Kv7.1特异性电距离参数化，描述S4带电残基在膜电场中的位移。训练后，将独立的cryo-EM结构（如Mandala和MacKinnon的极化囊泡结构8SIN、8SIM、8SIK，以及Kyriakis和Fedida的中间态结构9MY4及其WT回复模型xWT-R）投影到学习到的二维潜空间，并解码出20个等间距中间体。通过RMSD、接触图、HOLE孔道半径、MolProbity立体化学质量及DOPE评分等指标进行结构验证，并选取代表性中间体插入显式POPC膜中进行松弛MD模拟。此外，将工作流程扩展到KCNQ1-KCNE1（IKs）复合物，比较每个Kv7.1单体含一个或两个PIP2分子的情况。

研究结果如下：

**3.1 端点训练模型学习到Kv7.1过渡流形**：训练后，RC和AO终点在二维潜空间中清晰分离，保留的IO构象投影到两者之间的中间区域，且通过计算绝对门控电荷Q*（从RC约5 e₀到AO约10 e₀，ΔQ≈5 e₀）显示有序递增。解码路径上20个中间体对应Q*逐渐增加，表明模型学习到了与电压传感器激活顺序一致的构象组织。

**3.2 冷冻电镜结构作为学习流形的基准**：独立cryo-EM结构投影显示，VSD-down（8SIN）靠近低Q*端，VSD-intermediate（8SIM、9MY4-rWT）位于路径中部，VSD-up/open耦合结构（7XNL、7XNN）靠近高Q*端，与预期顺序一致。局部VSD比对显示解码中间体与8SIM的S4螺旋排列相似，但孔道几何差异（PIP2缺失导致8SIM孔道关闭）被合理捕获。

**3.3 解码的中间体结构适合后续MD模拟**：DOPE评分沿路径连续变化，中部稍有下降但无突变；Ramachandran异常值占比约0.5%–2.5%，符合可接受范围。选取代表性中间体进行三重复250 ns显式MD松弛，未出现结构崩溃，全通道骨架RMSD约4 ?，孔道核心更稳定（约1.4 ?），证明解码结构可作为下游模拟的起始模型。

**3.4 孔道几何揭示无孔道特异性监督下的激活门变宽**：HOLE分析显示，激活门最小半径在早期中间体（i0–i8）保持约2.2–2.3 ?，至后期中间体（i15–i19）逐步增至约4 ?，表明孔道开放主要在晚期发生，与Kv通道中S6束交叉门控机制一致，且该行为从端点训练数据中隐式学习，无需显式孔道监督。

**3.5 调控因子重塑预测的Kv7.1过渡路径**：在IKs复合物条件下，训练两个PIP2化学计量（每单体1或2个PIP2）的模型，潜空间显示显著分离。双PIP2路径的接触占用更稳定，且增益的接触主要映射到VSD/S4、S4-S5连接器/S6门及S5孔道/S6门界面，支持双PIP2稳定耦合的机制模型，表明框架能敏感检测调控环境对蛋白质坐标的间接重塑。

讨论部分总结：物理信息生成建模可将稀疏终点数据与路径解析的原子假说联系起来，用于蛋白质构象变化研究，特别是离子通道门控。推断的轨迹并非唯一的动力学或自由能路径，而是与结构和生物物理信息一致的可测试机制模型。该框架为研究蛋白质构象转变和调控提供可转移策略，未来可扩展至条件模型、迭代模拟及突变特异性建模，并适用于其他非通道蛋白系统。