微塑料与纳米塑料-蛋白质相互作用计算建模：超越低聚物

《Environmental Science & Technology》：Computational Modeling of Micro- and Nanoplastic–Protein Interactions: Move Beyond the Oligomer

　　

越来越多微塑料与纳米塑料（micro- and nanoplastics, MNPs）毒理学研究采用计算工作流程来提出分子起始事件。研究人员从暴露生物体的定量蛋白质组学谱中鉴定目标蛋白质，或从比较毒物基因组学数据库等数据库中挖掘目标蛋白质，将这些蛋白质与塑料颗粒的小分子替代物进行对接，或进行全原子分子动力学（molecular dynamics, MD）模拟。由此获得的结合能或构象变化常被解读为颗粒与特定酶结合的抑制证据。然而，这种组学-对接流程存在三个关键问题：颗粒如何表征、相遇如何模拟以及蛋白质组数据如何解释。克服这些局限性需要对MNP-蛋白质相互作用的计算策略进行根本性重构。研究指出，当前基于低聚物替代物、静态对接和简化系统的工作流程忽视了颗粒的理化特性、胶体动力学、生物分子冠状物形成及生物学复杂性。研究建议，整合真实颗粒、动态界面和实验验证的多尺度建模框架能够提供改进的机制见解，并提出了涵盖颗粒尺寸、表面化学、动态特征和生物界面的多层级描述符体系，以及面向计算MNP-蛋白质相互作用研究的最低报告标准。

微塑料与纳米塑料（micro- and nanoplastics, MNPs）的环境健康风险日益受到关注，而计算毒理学方法为阐明其分子起始事件提供了一条看似高效的路径。然而，当前广泛采用的组学-对接计算流程存在系统性偏差。研究人员在发表于《Environmental Science》的论文中，系统审视了这一现状，指出三个核心问题：颗粒表征方式失实、相遇模拟脱离物理实际、蛋白质组数据解读存在逻辑跳跃。此项研究旨在提出一套走向生物学真实的计算建模策略框架，以推动微纳塑料毒理学研究从“描述工具”向“预测平台”转变。

研究人员指出，当前几乎所有的对接研究都将MNPs建模为少于10–20个单体单元的低聚物（oligomer）。真实的纳米塑料是分子量为10⁴–10⁶ Da的聚合物链构成的胶体颗粒，处于玻璃态，表面具有结晶度、链末端和环等异质特征。低聚物则是柔性的液态分子，能够穿透酶活性位点并与氨基酸侧链形成离散接触；而真实塑料颗粒无法进入此类空腔，相互作用发生于蛋白质表面的延展性多位点接触区域。因此，从低聚物替代物获得的对接分数量化了一种真实颗粒不可能发生的相互作用。此外，当前全原子力场（如CHARMM、GROMOS、AMBER）主要针对蛋白质、脂质和小有机分子参数化，对玻璃态聚合物的扭转能垒、链刚性和表面堆积的描述能力不足。大多数对接算法还将蛋白质视为刚性或半柔性，忽略了固体表面蛋白质吸附中的诱导契合构象变化——这种变化的时间尺度在微秒至毫秒量级，远超常规对接或短时MD模拟的范围。

第二个问题源于对实际物理动态和生物环境的忽视。在计算机模拟中，颗粒通常被固定，而蛋白质向颗粒扩散；事实上MNPs是经历持续平移和旋转扩散的布朗胶体。颗粒与蛋白质的相遇是受流体力学控制的瞬时扩散限制事件，这一点在静态模拟中完全缺失。数十至数百纳米的真实纳米塑料颗粒的扩散速率比小蛋白质慢数个数量级，与特定活性位点发生有效碰撞的概率极低。同时，颗粒表面自身也是动态的——链段发生局部松弛、表面官能团重新取向、吸附水层被置换。忽略颗粒迁移率和表面动态的静态模拟会高估结合亲和力，并将瞬时表面接触误判为稳定抑制。更进一步，在生物体液中MNPs立即获得由蛋白质、脂质和代谢物构成的生物分子冠状物（biomolecular corona）。真正决定颗粒生物身份、细胞摄取和下游信号的是被冠层包被的颗粒，而裸表面在生理环境中并不存在。模拟中将任意球状蛋白质放置在聚合物平板表面几乎必然发生吸附、铺展和多点接触——这是聚电解质在吸附性界面的热力学预期行为，具有普遍性，不能作为特异性毒理学抑制的证据。浓度和化学计量也严重失实：典型模拟将单个低聚物与单个目标蛋白置于毫摩尔至摩尔级局部浓度中才能实现纳秒至微秒内的结合；而在细胞或组织中，特定蛋白的浓度通常为纳摩尔至微摩尔级，颗粒浓度则更低，单个颗粒与特定蛋白相遇的概率极低，且高丰度血清白蛋白的竞争性吸附远超低丰度胞内酶的特异性相互作用。单纳米颗粒表面可容纳数百至数千个蛋白质，而模拟仅仅建模了1:1相互作用。

第三个问题涉及蛋白质组数据的解读。蛋白质组学所鉴定的差异丰度蛋白（如超氧化物歧化酶、过氧化氢酶等抗氧化酶）最合理的解释是整合性细胞应激反应网络中的节点——其丰度变化是溶酶体扰动、线粒体功能障碍或膜应激的下游结果，而非颗粒直接物理封闭每个蛋白质的证据。将蛋白质组变化解读为直接结合，混淆了系统水平反馈与化学计量结合事件。真实起始靶点更可能是膜、冠层或表面受体。蛋白质组学数据结合网络拓扑分析、通路富集和上游调控因子推断，并与系统的颗粒表征配合，能够识别真实起始事件并建立颗粒特性与生物反应之间的定量联系，而非孤立地指认单个蛋白质为推定直接靶点。

为突破上述局限，研究人员提出多尺度建模框架。首先需要建立跨尺度描述符体系：一级特征为颗粒尺寸、形状（球形、纤维状或不规则）和内部结晶度；二级特征为表面官能团密度与空间分布、链末端和表面粗糙度；三级特征为链迁移率、表面松弛以及添加剂或共污染物；四级特征为动态演化的生物分子冠状物界面。在实现路径上，粗粒化（coarse-grained, CG）和耗散粒子动力学（dissipative particle dynamics, DPD）模拟能够表征数十至数百纳米的真实颗粒维度，并捕捉其与膜和多蛋白冠层的相互作用。DPD可模拟具有真实表面化学的MNP，建模一组血浆蛋白的竞争性吸附；所得冠层包被颗粒可作为后续膜受体相互作用或膜包裹的CG或全原子模拟界面。增强采样方法（如元动力学、副本交换MD）能够在无需人为高浓度条件下更好地探索蛋白质吸附的自由能景观。机器学习模型和表面热力学描述符经实验蛋白质吸附数据训练后可提供互补的筛选途径。

研究人员提出了计算MNP-蛋白质相互作用研究的最低报告标准：（i）明确建模或论证颗粒尺寸、多分散性和形态；（ii）说明表面化学参数，包括官能团密度、电荷、疏水性、老化状态和添加剂；（iii）报告模拟盒子尺寸和有效浓度；（iv）论证时间尺度与相关生物过程的对应关系；（v）提供力场参数及其验证信息。任何特定相互作用的假设必须通过层级化验证：首先使用表面等离子体共振或等温滴定量热法等生物物理技术确认纯化蛋白质与真实MNPs的直接结合；其次使用高丰度蛋白进行竞争实验以检验结合特异性；第三通过追踪膜转运、内体逃逸和溶酶体降解的细胞实验以及遗传扰动验证功能后果；最后通过网络和通路分析将结果与组学数据整合，区分直接结合与下游应激反应。

总结而言，本论文的根本性贡献在于系统揭示了当前MNP-蛋白质计算研究中低聚物替代物策略的方法论缺陷，确立了从分子描述符走向生物学后果的层级化多尺度建模框架。研究强调，计算模拟的预测必须被视为待检验的假设而非结论。只有将多尺度模型与正交实验数据相互参数化和验证，计算毒理学才能从生成合理机制的描述性工具进化为风险评估和安全设计（safe-by-design）的预测平台。研究人员展望，未来多尺度模型可作为虚拟实验室，探索颗粒特性与生物结局的组合空间，指导靶向实验并锚定生物学现实。