通过机器学习和DFT究进行新型抗氧化肽设计

什么是抗氧化肽

低浓度的自由基在各种人体生物功能中起着至关重要的作用，包括凋亡和蛋白质磷酸化过程。然而，在人体内过多的自由基往往与阿尔茨海默病、癌症和其他慢性疾病等疾病有关。因此，发现安全、高效且易得的抗氧化剂以预防自由基对细胞的有害影响或减轻其负面影响至关重要。抗氧化肽是一种具有特殊结构的蛋白质片段，它们在体内可以帮助对抗氧化应激。抗氧化肽可以帮助中和这些自由基，减少它们对细胞的损伤，从而保护身体免受疾病和衰老的影响。

挑战与方法

从头抗氧化肽设计的概述图。(a) 基础（预训练）生成模型。(b) 用于预测 AOP 的微调模型。(c) 用于预测生成序列的抗氧化活性的分类模型。根据五重分类评估开发了五个模型。(d) 从微调模型中生成了最多 8 个氨基酸的 5 万条肽序列。(e) 根据生成的肽的新颖性和独特性对其进行过滤。(f)使用抗氧化剂分类模型过滤剩余生成的肽，并基于所有五个分类模型的输出概率将结果与0.99或更大的阈值相交。(g) 两个肽毒性预测网络服务器在 122 个剩余肽序列上的交集。(h) 使用 Levenshtein 距离对剩余序列进行聚类，并选择每个聚类的质心数据点。(i)对12个肽进行DFT计算，并根据其性质选择6个肽。(j) 实施 DPPH 清除测定。(l)实施羟基清除测定。(k)实施溶血测定。

随后，作者采用迁移学习来对作者的模型进行微调，特别是用于生成AOPs。从微调模型获得的所有数据都经过分类，以确定其清除活性。这种分类依赖于一个训练有关抗氧化剂数据集的模型，以及从两个不同服务器评估其毒性。经过这一严格的过滤过程，编制了最终的肽列表。这些肽进一步通过对其序列进行聚类分析，并选择质心肽进行后续研究。密度泛函理论（DFT）计算被用来评估分子属性，包括最高占据分子轨道（HOMO）、最低未占据分子轨道（LUMO）和HOMO–LUMO能隙。这些参数作为本研究中肽抗氧化剂排序的标准。根据这些计算参数，作者选择了六种肽作为进一步调查的候选物。随后，作者通过合成和测试所选择的肽，证明了通过2,2-联苯基-1-苯基肼（DPPH）、羟基和溶血试验，作者将能够识别非溶血性AOPs。所有实施的过程如图2所示。在追求强大的抗氧化肽的过程中，作者采用了多方面的策略，以发现生成的肽是否能够同时展现出抗氧化清除活性并通过利用分子动力学（MD）模拟抑制Keap1蛋白。Keap1-Nrf2蛋白相互作用（PPI）在调节Nrf2方面起着关键作用，Nrf2是一种转录因子，通过控制含有200多个抗氧化反应元件（ARE）的基因的转录来保护细胞免受氧化应激的影响。Keap1与Cullin3-RBX1复合物结合在一起，通过细胞负向结合，促进其泛素化和蛋白质体降解，从而对Nrf2起到负调控作用。氧化应激是各种病理状况的主要促发因素，突显了打破Nrf2/Keap1 PPI的重要性。

结论