科研进展丨机器学习辅助抗菌多肽设计:自组装诱导新功能及其熵焓调控机制
基于多肽设计的新药开发为解决严重感染性疾病治疗问题提供了重要途径。目前,由耐药结核分枝杆菌感染导致的结核病已经成为最具传染性和最致命的疾病之一。针对这一问题,松山湖材料实验室纳米生物材料团队元冰研究员与苏州大学杨恺教授、安徽医科大学卫林教授等合作,建立了一种“AI—人类专家协商机制”,从头设计出一种全新的、具有抗结核杆菌功能的“最小模型多肽”分子(K7W6)。与天然多肽相比,该人工多肽由于其独特的聚集诱导的细胞膜界面活性(如对细菌膜的选择性和强扰动性)而兼具高抗菌活性与低细胞毒性优点,且不易产生细菌耐药性;尤其是,他们揭示了该聚集诱导功能背后的熵—焓竞争机制。这为开发和设计新型多肽药物和药物载体提供了新的思路。相关结果以“Assembly-Induced Membrane Selectivity of Artificial Model Peptides through Entropy−Enthalpy Competition”为题发表在学术期刊ACS Nano上。
一、机器学习辅助设计多肽
多肽的超高维构象空间是阻碍多肽设计的一大障碍。为此,研究团队结合深度学习与迁移学习方法,通过基于机器学习和专家知识相结合的抗菌活性相关性分析,建立了一种“AI—人类专家协商”的多肽设计策略;并结合“最小模型多肽”,成功实现了多肽设计空间从20n到n的降维(n为多肽序列长度;未知参数),从头设计得到了一系列基于带正电的极性赖氨酸K和疏水色氨酸W的短肽(n=13);抗菌实验表明,K7W6在其中表现出最强的抗菌活性(图1)。
图1. “AI—人类专家协商”的多肽设计策略
二、自组装K7W6粒子具有膜选择性和膜扰动功能
K7W6在体外和体内实验中均表现出良好的抗结核杆菌功能(图2)。耐药性实验结果显示将细菌暴露于K7W6长达10个周期依然不会导致耐药性发生;并且,K7W6与临床一线抗生素利福平联用能够有效提高抗生素的抗菌效果和抗耐药效果。此外,相较于结核杆菌,K7W6对哺乳动物细胞表现出低毒性。
图2 K7W6的高抗菌活性和低细胞毒性
三、聚集诱导的膜活性及熵焓调控机制
进一步的生物物理实验和模拟表明,K7W6 优异的抗结核杆菌功能来自它对细菌细胞膜的选择性作用和高效的膜扰动透化功能。更重要的是,研究发现人工多肽的这一活性是由于其自组装行为所导致的:K7W6组装体团簇对细菌膜产生特异和高效的透化作用,而单体则对细菌和哺乳动物细胞膜均造成无选择性的透化和扰动效果。这些作用特点与天然抗菌肽不同。计算机模拟结果显示,聚集的K7W6团簇在焓驱动下自发吸附到模型细菌膜表面上,之后,团簇在细菌膜介导的熵调控下解聚为单体、继而发挥膜扰动功能(图3)。这些结果表明,K7W6聚集诱导的功能是多肽在膜界面上复杂熵—焓竞争的结果。
图3 熵焓调控下的K7W6两步作用机制
研究工作得到了国家自然科学基金、广东省基础与应用基础研究基金及松山湖材料实验室的支持。
原文链接:
https://doi.org/10.1021/acsnano.4c05265