1. 從“大海撈針”到“精準篩選”多肽藥物發(fā)現(xiàn)的核心邏輯在生物醫(yī)藥和功能食品領(lǐng)域多肽正扮演著越來越重要的角色。無論是作為靶向治療的候選藥物還是作為具有特定生理活性的功能因子多肽的篩選都是整個研發(fā)鏈條中至關(guān)重要的一環(huán)。然而從海量的蛋白質(zhì)序列或龐大的虛擬庫中直接找到一個理想的候選多肽無異于大海撈針。這個“理想”的標準是多維度的它不僅要具備我們期望的生物活性比如抗菌、抗炎、抑制某個酶還必須滿足成藥性或應(yīng)用的基本要求——在體內(nèi)穩(wěn)定存在不易被快速水解、對人體安全低毒性、低致敏性。因此“篩多肽”從來不是一個單一的步驟而是一個環(huán)環(huán)相扣、層層遞進的系統(tǒng)性過濾流程。我自己在實驗室和計算模擬中折騰了這么多年最深的一個體會就是“篩”的本質(zhì)是“排除”。我們不是在開始就找到一個完美的分子而是通過一系列越來越嚴格的“過濾器”把不合格的候選者一批批淘汰掉最終留下的才是值得投入大量資源進行后續(xù)驗證的“種子選手”。這個過程通常遵循一個經(jīng)典的漏斗模型入口很寬初始庫可能包含成千上萬甚至百萬個序列但每經(jīng)過一層過濾候選數(shù)量就急劇減少。今天我就結(jié)合自己的實操經(jīng)驗把這個漏斗的每一層濾網(wǎng)都拆開講講重點聊聊水解穩(wěn)定性、活性預(yù)測、毒性預(yù)測和過敏性預(yù)測這幾個關(guān)鍵環(huán)節(jié)背后的原理、常用工具以及那些容易踩坑的細節(jié)。2. 第一層濾網(wǎng)水解穩(wěn)定性預(yù)測——別讓“子彈”還沒飛出槍膛就碎了想象一下你設(shè)計了一種多肽藥物旨在口服后在小腸吸收并發(fā)揮作用。但如果它剛進入胃部就被胃蛋白酶和胃酸水解成了一堆氨基酸碎片那所有后續(xù)的活性都成了空談。這就是水解穩(wěn)定性篩選要解決的首要問題確保你的多肽在到達靶點之前能在復(fù)雜的生物體環(huán)境中“存活”足夠長的時間。2.1 為什么水解穩(wěn)定性是“入場券”多肽是由氨基酸通過肽鍵連接而成的。蛋白酶如胃蛋白酶、胰蛋白酶、胰凝乳蛋白酶等就像精確的“分子剪刀”能特異性識別并切割特定氨基酸殘基附近的肽鍵。水解穩(wěn)定性預(yù)測核心就是評估多肽序列對體內(nèi)各種蛋白酶降解的抗性。這不僅僅是針對口服給藥。即使是注射給藥多肽在血液中也會面臨大量血漿蛋白酶如氨肽酶、羧肽酶的挑戰(zhàn)。一個在體外實驗中活性極高的多肽如果半衰期只有幾分鐘其臨床應(yīng)用價值將大打折扣。因此在投入昂貴的合成與活性測試之前用計算工具進行初步的水解穩(wěn)定性評估能幫你提前篩掉那些“先天不足”的序列。2.2 實操工具與策略從規(guī)則到機器學習早期的方法多基于經(jīng)驗規(guī)則。例如大家都知道胰蛋白酶會切割精氨酸Arg, R和賴氨酸Lys, K的羧基端除非下一個氨基酸是脯氨酸。所以如果你的多肽序列里包含連續(xù)的KR、RR、KK等它在富含胰蛋白酶的腸道環(huán)境中很可能非常不穩(wěn)定。現(xiàn)在更強大的工具是機器學習模型。這些模型基于已知的多肽半衰期數(shù)據(jù)或蛋白酶切割位點數(shù)據(jù)訓練而成能給出更定量和全面的預(yù)測。常用工具示例PeptideCutter (ExPASy)這是一個基于規(guī)則的工具。你輸入序列它可以根據(jù)你選擇的蛋白酶單一或多種組合預(yù)測出所有潛在的切割位點。它的優(yōu)點是快速、直觀對于理解主要的降解風險點非常有用。使用心得不要只看一種蛋白酶。我通常會同時運行胃蛋白酶pH 1.3和pH2兩種條件、胰蛋白酶、胰凝乳蛋白酶和血漿蛋白酶如凝血酶的預(yù)測。如果一個序列能被多種蛋白酶廣泛切割那它的穩(wěn)定性風險就極高。In Silico Proteolysis (ISPeP) 或類似ML模型一些更先進的服務(wù)器或本地軟件使用機器學習算法如支持向量機、隨機森林來預(yù)測切割概率或半衰期。它們會輸出一個分數(shù)比如“不穩(wěn)定指數(shù)”或“預(yù)測半衰期”。踩坑提醒不同模型的訓練數(shù)據(jù)集不同預(yù)測結(jié)果可能有差異。絕對不要只依賴一個工具的預(yù)測結(jié)果就下結(jié)論。我的做法是用2-3個不同的工具跑同一個序列如果它們都指向穩(wěn)定性差那這個序列基本可以放棄如果結(jié)果矛盾則需要結(jié)合規(guī)則和經(jīng)驗進行人工判斷或者將其標記為“需實驗驗證”但優(yōu)先級放低。2.3 穩(wěn)定性改造的常用“招數(shù)”當預(yù)測發(fā)現(xiàn)一個活性很好的先導(dǎo)多肽穩(wěn)定性不佳時我們不會輕易放棄而是嘗試進行理性改造D-型氨基酸替換將容易被切割的L-型氨基酸替換為其D-型鏡像異構(gòu)體。這是最有效的手段之一因為大多數(shù)蛋白酶是手性專一的無法識別和切割D-型氨基酸形成的肽鍵。例如將某個易被切割的L-Lys替換為D-Lys。非天然氨基酸引入使用N-甲基化氨基酸、β-氨基酸等。例如N-甲基化可以阻斷肽鍵的氫鍵形成從而抵抗蛋白酶攻擊。環(huán)化將線性多肽的頭尾或側(cè)鏈連接形成環(huán)狀結(jié)構(gòu)。環(huán)化能限制構(gòu)象柔性使切割位點不易暴露于蛋白酶活性中心。末端修飾乙?；疦端或酰胺化C端可以分別抵抗氨肽酶和羧肽酶的降解。注意任何改造都可能影響多肽的活性與靶點的結(jié)合能力和構(gòu)象。因此穩(wěn)定性改造往往需要與后續(xù)的活性預(yù)測如分子對接迭代進行尋找穩(wěn)定性和活性的最佳平衡點。3. 第二層濾網(wǎng)活性預(yù)測——找到那把正確的“鑰匙”過了穩(wěn)定性這關(guān)我們接下來要關(guān)心的是這個多肽有沒有我們想要的“本事”活性預(yù)測的目標是評估多肽與特定靶標分子如受體、酶、離子通道、微生物膜相互作用并引發(fā)預(yù)期生物學效應(yīng)的能力。3.1 活性預(yù)測的兩種主要路徑活性預(yù)測大體分為兩類基于序列的方法和基于結(jié)構(gòu)的方法。3.1.1 基于序列的預(yù)測適用于已知模體或大量數(shù)據(jù)這種方法不關(guān)心多肽的具體三維形狀只分析其氨基酸序列特征。它適用于已知功能模體例如某些抗菌肽AMP具有“兩親性”特征即一側(cè)帶正電富含賴氨酸、精氨酸另一側(cè)是疏水氨基酸。我們可以通過計算凈正電荷、疏水矩等物理化學參數(shù)來初步判斷其是否具有AMP的潛力。機器學習分類/回歸模型當我們擁有一個足夠大的數(shù)據(jù)集包含“活性多肽”和“非活性多肽”的序列時就可以訓練一個分類器。模型從序列中提取各種特征氨基酸組成、二肽頻率、理化性質(zhì)等學習區(qū)分活性與非活性的模式。工具舉例很多AMP預(yù)測服務(wù)器如CAMPR3,dbAMP就采用這種方法。你輸入序列它輸出是AMP的概率。關(guān)鍵局限這類模型的預(yù)測高度依賴于訓練數(shù)據(jù)。如果你的目標靶點或活性類型非常新穎缺乏公開的陽性/陰性序列數(shù)據(jù)那么基于通用數(shù)據(jù)集訓練的模型預(yù)測結(jié)果可能不可靠。3.1.2 基于結(jié)構(gòu)的預(yù)測更精確計算成本高這是更接近作用機理的方法核心是分子對接和分子動力學模擬。前提是你需要知道靶標蛋白的三維結(jié)構(gòu)可以從PDB數(shù)據(jù)庫獲取或通過同源建模預(yù)測。分子對接將多肽需要先預(yù)測或構(gòu)建其最可能的三維構(gòu)象像“鑰匙”一樣對接到靶標蛋白的“鎖”通常是活性口袋中并計算結(jié)合自由能。結(jié)合能越負通常單位是kcal/mol表明結(jié)合越穩(wěn)定潛在活性越高。常用軟件AutoDock Vina, Glide (商業(yè)), HADDOCK (適用于蛋白-多肽對接)。實操細節(jié)多肽構(gòu)象準備柔性多肽的構(gòu)象搜索空間巨大。通常做法是先用建模工具如PEP-FOLD, Rosetta生成幾十到上百個可能構(gòu)象然后逐一對接或采用允許側(cè)鏈和主鏈一定柔性的對接方法。對接盒子設(shè)置盒子要足夠大以覆蓋整個可能的結(jié)合區(qū)域但太大又會導(dǎo)致計算時間暴增且噪音增加。如果已知結(jié)合位點如通過文獻或類似復(fù)合物結(jié)構(gòu)將盒子中心設(shè)在該位點。結(jié)果分析不要只看結(jié)合能排名第一的構(gòu)象。要查看排名靠前的幾個簇結(jié)構(gòu)相似的構(gòu)象集合的結(jié)合模式是否一致。重點關(guān)注結(jié)合界面是否有合理的氫鍵、鹽橋、疏水相互作用。分子動力學模擬對接得到的靜態(tài)復(fù)合物結(jié)構(gòu)可能不穩(wěn)定。MD模擬可以讓這個復(fù)合物在模擬的溶劑環(huán)境中“運動”一段時間納秒級觀察其是否保持穩(wěn)定并計算更精確的結(jié)合自由能如通過MM/PBSA或MM/GBSA方法。作用驗證對接結(jié)果的穩(wěn)定性識別關(guān)鍵相互作用殘基發(fā)現(xiàn)誘導(dǎo)契合效應(yīng)。成本警告MD模擬計算量極大通常只對少數(shù)幾個頂級候選多肽進行。它更像是“決賽圈”的驗證工具而非初篩工具。3.2 活性預(yù)測的流程與陷阱一個典型的活性預(yù)測工作流可能是這樣的初篩對于大型虛擬庫先用快速的基于序列的模型或簡單的理化性質(zhì)過濾如電荷、疏水性縮小范圍至幾百個序列。精篩對縮小的庫進行分子對接。計算資源允許的話可以對每個多肽進行多構(gòu)象對接。驗證對結(jié)合能最好的10-20個多肽進行短時間的MD模擬評估結(jié)合穩(wěn)定性并計算更可靠的結(jié)合自由能。最終排名綜合對接分數(shù)、MD穩(wěn)定性、以及之前的水解穩(wěn)定性預(yù)測分數(shù)給出一個綜合排名列表。踩坑實錄我曾遇到過對接分數(shù)非常漂亮的多肽但MD模擬開始后幾納秒內(nèi)就從結(jié)合口袋中“漂”走了。原因是該多肽在對接時采用了一個在溶液中能量很高、極不穩(wěn)定的構(gòu)象。教訓是靜態(tài)對接分數(shù)有欺騙性必須考慮多肽本身構(gòu)象的合理性可通過模擬單獨的多肽來檢查和復(fù)合物的動態(tài)穩(wěn)定性。4. 第三層濾網(wǎng)毒性預(yù)測——安全是底線活性再高如果毒性太大一切歸零。毒性預(yù)測旨在早期識別多肽可能引起的細胞毒性、溶血性等不良反應(yīng)。4.1 細胞毒性預(yù)測多肽可能通過破壞細胞膜特別是抗菌肽對哺乳動物細胞膜的非特異性攻擊、干擾細胞內(nèi)部關(guān)鍵過程如線粒體功能或引發(fā)強烈的免疫反應(yīng)而導(dǎo)致細胞死亡。預(yù)測方法理化性質(zhì)閾值這是一個快速過濾器。例如過高的凈正電荷如10和過高的疏水性常常與細胞毒性相關(guān)。因為這樣的多肽更容易與帶負電的哺乳動物細胞膜發(fā)生非特異性相互作用并破壞它。機器學習模型許多在線服務(wù)器如ToxinPred,CellPPD集成了基于已知毒性/非毒性多肽數(shù)據(jù)訓練的模型。它們將序列轉(zhuǎn)換為特征向量預(yù)測其毒性概率。分子機制模擬對于膜活性多肽可以通過粗粒度分子動力學模擬觀察其與模型磷脂雙層的相互作用看其是否會引起膜穿孔或大面積擾動。4.2 溶血性預(yù)測溶血性是指多肽破壞紅細胞膜導(dǎo)致血紅蛋白釋放的特性是靜脈給藥制劑必須嚴格考察的指標。預(yù)測策略溶血性預(yù)測比一般細胞毒性預(yù)測更專門化。除了使用專門的預(yù)測服務(wù)器如HemoPred一個非常實用的經(jīng)驗規(guī)則是關(guān)注疏水殘基的分布模式。如果疏水殘基如Leu, Ile, Val, Phe, Trp在空間上聚集形成一個大面積的疏水斑塊這個多肽就更容易插入并破壞紅細胞膜的雙層結(jié)構(gòu)。在分析三維模型時要特別注意這一點。4.3 綜合毒性評估與數(shù)據(jù)解讀和穩(wěn)定性預(yù)測一樣交叉驗證至關(guān)重要。我會同時運行多個毒性預(yù)測工具并計算關(guān)鍵的理化指標凈電荷、疏水性、疏水矩等制作一個綜合評估表。序列示例ToxinPred (毒性概率)CellPPD (預(yù)測結(jié)果)凈電荷 (pH7)平均疏水性 (GRAVY)綜合風險評估Candidate_A0.15 (低)非毒性4-0.2低風險Candidate_B0.65 (高)毒性80.5高風險(高電荷高疏水)Candidate_C0.40 (中)邊界50.1中等風險(需實驗驗證)對于評估為“中等風險”或不同工具結(jié)果矛盾的候選肽不要輕易否決但需要標記并在后續(xù)的體外實驗中優(yōu)先進行毒性測試如MTT法測細胞毒性溶血實驗。5. 第四層濾網(wǎng)過敏性預(yù)測——免疫系統(tǒng)的“誤會”過敏性預(yù)測是生物藥物開發(fā)中日益重要的一環(huán)。多肽作為外源物質(zhì)可能被免疫系統(tǒng)識別為過敏原引發(fā)IgE介導(dǎo)的I型超敏反應(yīng)。5.1 過敏性的生物信息學基礎(chǔ)預(yù)測多肽的過敏性主要基于以下特征序列相似性與已知過敏原的序列進行比對。如果一段連續(xù)氨基酸序列通?？紤]80-氨基酸滑動窗口與某個已知過敏原的相似度超過某個閾值如35%則存在交叉反應(yīng)風險。IgE表位匹配已知過敏原中包含一些被IgE抗體識別的特定短肽序列表位。如果你的多肽中含有這些保守的表位基序風險增高。理化性質(zhì)某些研究指出過敏原可能具有特定的等電點、糖基化位點或穩(wěn)定性特征。5.2 實用預(yù)測工具與流程核心工具ALLERGEN FP 或 AlgPred這些是專門用于蛋白質(zhì)/多肽過敏原預(yù)測的服務(wù)器。它們通常綜合了以上多種特征采用機器學習方法給出一個綜合評分。標準操作流程全序列比對將候選多肽序列在過敏原數(shù)據(jù)庫如WHO/IUIS過敏原數(shù)據(jù)庫中進行BLAST或FASTA比對。這是第一步也是最嚴格的一步。如果發(fā)現(xiàn)高相似性匹配風險極高。滑動窗口比對使用像Allermatch這樣的工具進行符合FAO/WHO評估準則的滑動窗口比對通常窗口長度80-氨基酸步長1-氨基酸。基于表位和綜合方法的預(yù)測使用AlgPred等工具它集成了基于IgE表位、整體序列特征等多種方法的預(yù)測結(jié)果。人工審查對于預(yù)測結(jié)果為“潛在過敏原”的序列需要人工審查匹配區(qū)域。如果匹配區(qū)域恰好是發(fā)揮活性的關(guān)鍵功能域且無法通過點突變改變突變可能失活那么這個候選肽可能需要被放棄。如果匹配區(qū)域是非關(guān)鍵區(qū)域則可以考慮通過氨基酸替換來降低相似性。5.3 一個容易被忽略的要點遞送系統(tǒng)的影響即使一個多肽本身被預(yù)測為低過敏性其最終的制劑形式例如是否與載體蛋白偶聯(lián)以提高免疫原性是否使用了可能佐劑效應(yīng)的遞送系統(tǒng)也可能影響其實際過敏風險。計算預(yù)測只能評估多肽本身的內(nèi)在潛力最終的結(jié)論必須由臨床前和臨床試驗來確認。但在早期篩選中排除那些具有明顯過敏原特征的序列能極大降低后期開發(fā)失敗的風險。6. 整合篩選策略與優(yōu)先級排序構(gòu)建你的決策矩陣經(jīng)過以上四層過濾每個候選多肽都會得到一系列分數(shù)穩(wěn)定性評分、活性評分如對接結(jié)合能、毒性概率、過敏性風險等級。我們不可能找到一個所有指標都完美的“超人”因此需要建立一個決策矩陣來進行優(yōu)先級排序。6.1 設(shè)定權(quán)重與閾值根據(jù)項目目標設(shè)定各指標的權(quán)重和否決性閾值。例如否決性閾值一票否決過敏性預(yù)測與已知過敏原全序列高度相似50%。毒性預(yù)測多個工具一致預(yù)測為高毒性且理化性質(zhì)極端。穩(wěn)定性預(yù)測在主要生理蛋白酶作用下預(yù)測切割位點過多且位于關(guān)鍵區(qū)域。權(quán)重分配對于一個抗癌肽項目活性結(jié)合能的權(quán)重可能最高如0.5毒性次之0.3穩(wěn)定性再次之0.2。對于一個旨在口服的功能食品肽穩(wěn)定性權(quán)重可能最高0.4過敏性次之0.3因為食品安全至關(guān)重要活性再次之0.3。6.2 構(gòu)建綜合評分表將每個通過否決性檢查的候選肽的各項預(yù)測結(jié)果歸一化到0-1的分數(shù)例如對接結(jié)合能越負分數(shù)越高毒性概率越高分數(shù)越低然后乘以各自權(quán)重求和得到綜合得分。候選肽ID穩(wěn)定性評分 (S)活性評分 (A)毒性評分 (T)過敏性評分 (Al)綜合得分 (0.2S 0.5A 0.2T 0.1Al)排名Pep_0010.850.900.800.950.8751Pep_0020.950.700.900.900.7853Pep_0030.750.850.700.850.79526.3 “紅旗”標記與人工干預(yù)綜合評分是重要的參考但不能完全取代人的判斷。需要對排名靠前的候選肽進行人工審查查看“短板”綜合得分高但某項指標如毒性得分很低的肽需要謹慎。查看其具體的毒性預(yù)測報告判斷風險是否可接受。分析序列特征查看活性預(yù)測中關(guān)鍵的結(jié)合殘基。如果這些殘基恰好位于穩(wěn)定性預(yù)測的易切割點附近則在改造時需要特別小心。合成與實驗驗證的可行性檢查序列中是否含有難以合成或昂貴的氨基酸如多個二硫鍵、非天然氨基酸這會影響后續(xù)成本。最終選出綜合排名前10-20的候選多肽進入下一階段的體外合成與實驗驗證。計算篩選的終點不是答案而是提供了一個高質(zhì)量的、風險可控的候選清單將實驗驗證的成功率從“盲篩”的不到1%提升到10%甚至更高。這個過程就是現(xiàn)代多肽理性設(shè)計與發(fā)現(xiàn)的核心工作流。