肿瘤抑制因子p53在细胞对各种压力的反应中起着关键作用，调控着诸如细胞凋亡、衰老和DNA修复等重要过程。在约50%的人类癌症中，p53功能失调，这促进了肿瘤的发展以及对治疗的抵抗。
本研究采用基于深度学习的蛋白质设计和结构预测方法，以MDM2为靶点，鉴定出新型高亲和力肽结合剂（Pep1和Pep2），旨在破坏其与p53的相互作用。
通过广泛的全原子分子动力学模拟，突出了所设计肽与靶点复合物的稳定性，并通过包括均方根偏差（RMSD）、均方根波动（RMSF）、半径（Rg）、溶剂可及表面积（SASA）、主成分分析（PCA）和自由能景观在内的多种结构分析得到了支持。
利用牵拉分子动力学和伞采样模拟，文章阐明了p53、Pep1和Pep2从MDM2上解离的动力学。观察到相互作用模式存在显著差异，突出了每种肽独特的解离模式。
名称：P1
单字母 H2N-MLKEALEELAEWAE-OH
多字母 H2N-Met-Leu-Lys-Glu-Ala-Leu-Glu-Glu-Leu-Ala-Glu-Trp-Ala-Glu-OH
氨基酸个数 14
分子式 C74H116N16O25S1
平均分子量(MW) 1661.87
总之，文章的伞形采样模拟结果表明，Pep1与MDM2的结合亲和力高于p53和Pep2，这使其成为潜在的MDM2-p53相互作用抑制剂。通过使用最先进的蛋白质设计工具和高级分子动力学模拟，本研究为合理地在计算机上设计具有治疗意义的肽结合剂提供了全面的框架，这些肽结合剂可用于破坏MDM2-p53相互作用，从而用于抗癌干预。
为了获得能有效阻断MDM2-p53相互作用的肽类分子，研究团队整合了多种前沿计算生物学技术，构建了一套严谨的设计与验证流程：
1. 靶点分析与骨架设计
本研究首先从蛋白质数据银行（Protein Data Bank, PDB）获取MDM2–p53复合物的高分辨率晶体结构（PDB ID: 1YCR），并基于结构生物学分析系统鉴定了MDM2结合口袋中的关键热点残基，包括Ile61、Gly58等，这些残基在介导p53肽段识别与高亲和力结合中发挥核心作用。随后，采用基于深度生成模型的RFdiffusion算法，以所识别的热点残基为结构约束导向，理性设计并采样生成8种具有结构多样性且长度为13–15个氨基酸的肽骨架构象，为后续序列优化与亲和力提升提供了稳健的三维结构基础。
2. 序列优化与结构验证
针对前述生成的肽骨架构象，本研究采用基于深度学习的蛋白质序列设计工具ProteinMPNN，对氨基酸序列进行从头优化，旨在增强其与MDM2靶标结合口袋的互补性及结合亲和力。为严格评估所设计序列的结构可行性与预测可靠性，进一步利用AlphaFold-Multimer对候选复合物进行高精度三维结构建模，并综合pLDDT（predicted local Distance Difference Test）、PAE（Predicted Aligned Error）及RMSD（Root-Mean-Square Deviation）等多项结构置信度指标开展多维筛选。最终，从中优选出两个具备优异结构稳定性与界面适配性的候选肽序列：Pep1（MLKEALEELAEWAE）与Pep2（GFELLEEVWQEVLEK）。此外，采用独立的结构预测工具DMFold对上述复合物构象进行交叉验证，结果一致支持二者均能形成与MDM2结合口袋高度兼容的稳定构象，从而增强了所获设计分子的可信度与可开发性。
3. 理化性质与稳定性预测
优良的理化性质与构象稳定性是肽类分子实现成药性的先决条件。本研究利用APBS（Adaptive Poisson–Boltzmann Solver）计算工具，对Pep1与Pep2分别进行表面静电势分布分析。结果表明，二者在关键结合界面区域均呈现显著增强的负静电势特征，与MDM2结合口袋富含精氨酸与赖氨酸残基所形成的正静电势环境高度互补，从而为强化分子间静电识别与稳定复合物形成提供了结构基础。此外，基于深度学习模型DeepSTABp的热稳定性预测显示，Pep1与Pep2的预测熔解温度（Tm）较天然p53核心肽段（residues 17–29）平均提高约2.3–3.1 °C，提示其在生理条件下具备更优的构象刚性与结构鲁棒性，有利于维持功能性结合构象，进而保障靶向抑制效能。
本研究聚焦于针对 MDM2-p53 界面的肽结合剂的战略设计，采用先进的蛋白质设计方法，并结合全面的全原子和增强采样分子动力学模拟。这些方法包括 RFdiffusion，它为蛋白质主链提供了生成模型；ProteinMPNN 用于在给定主链上进行氨基酸序列的计算机设计；以及 AlphaFold 结构预测，用于候选物的优化和筛选。作为表现最优的候选分子，Pep1 展现出卓越的结合亲和力和结构稳定性，有望成为后续实验验证和药物优化的核心模板。
参考文献：doi.org/10.1016/j.ijbiomac.2024.131840
