蛋白质折叠：计算生物学算法及其影响

蛋白质折叠，即多肽链获得其功能性三维（3D）结构的过程，是生物学中的一个基本问题。原子的特定三维排列决定了蛋白质的功能，使其能够在细胞内执行各种角色，例如催化生化反应、转运分子和提供结构支持。理解控制蛋白质折叠的原理对于理解生物过程和开发针对与蛋白质错误折叠相关的疾病的新疗法至关重要。

“折叠问题”是指根据氨基酸序列预测蛋白质三维结构所面临的挑战。虽然 X 射线晶体学、核磁共振波谱学和冷冻电子显微镜等实验技术可以确定蛋白质结构，但它们通常耗时、昂贵，并且并非总是适用于所有蛋白质。计算方法提供了一种互补且日益强大的预测和理解蛋白质折叠的手段。

蛋白质折叠的重要性

蛋白质折叠的重要性延伸到生物学和医学的许多领域：

疾病理解：许多疾病，包括阿尔茨海默病、帕金森病、亨廷顿病和朊病毒病，都与蛋白质错误折叠和聚集有关。理解蛋白质如何错误折叠可以为开发靶向疗法提供途径。例如，针对阿尔茨海默病中淀胺样蛋白-β肽错误折叠的研究，利用计算模型来探索可能阻止聚集的潜在治疗干预措施。
药物发现：了解蛋白质的结构对于合理药物设计至关重要。通过了解蛋白质靶点的三维结构，研究人员可以设计能够特异性结合该蛋白质并调节其功能的药物。结构生物学，在计算方法的支持下，已在靶向 HIV 蛋白酶和流感神经氨酸酶的药物开发中发挥了重要作用，证明了基于结构的药物设计的强大功能。
蛋白质工程：预测和操纵蛋白质结构的能力使科学家能够设计具有新功能或改进性能的蛋白质，以用于工业和生物技术应用。这包括设计催化活性增强的酶、开发结合亲和力更高的抗体以及创造新的生物材料。例如，设计用于生物燃料生产的酶和设计结合亲和力得到改善的抗体。
基础生物学：阐明蛋白质折叠的原理可以深入了解生物学的基本规律，并帮助我们理解生命在分子层面上如何运作。它增强了我们对序列、结构和功能之间关系的理解，并使我们能够欣赏生物系统的精妙之处。

蛋白质折叠的计算方法

计算生物学采用多种算法和技术来解决蛋白质折叠问题。这些方法可大致分为基于物理（从头）、基于知识（基于模板）和混合方法。机器学习的兴起也彻底改变了该领域，深度学习等算法取得了显着成功。

1. 基于物理（从头）的方法

从头（“从第一性原理”）方法试图使用物理定律模拟控制蛋白质折叠的物理力。这些方法依赖于能量函数（力场），这些函数描述了蛋白质中原子与其周围环境之间的相互作用。目标是通过最小化其势能来找到蛋白质的天然结构。

a. 分子动力学（MD）模拟

MD 模拟是研究蛋白质动态行为的有力工具。它们通过数值求解系统中所有原子的牛顿运动方程来实现，从而使研究人员能够观察蛋白质如何随时间移动和折叠。MD 模拟提供了折叠过程的详细原子视图，捕捉了发生的瞬时相互作用和构象变化。

MD 模拟的关键方面：

力场：准确的力场对于可靠的 MD 模拟至关重要。常见的力场包括 AMBER、CHARMM、GROMOS 和 OPLS。这些力场定义了势能函数，其中包含键伸展、角度弯曲、扭转旋转和非键相互作用（范德华力和静电力）的项。
溶剂模型：蛋白质在溶剂环境中折叠，通常是水。溶剂模型表示蛋白质与周围水分子之间的相互作用。常见的溶剂模型包括 TIP3P、TIP4P 和 SPC/E。
模拟时间尺度：蛋白质折叠可能发生在微秒到秒甚至更长的时间尺度上。由于计算成本，标准 MD 模拟通常仅限于纳秒或微秒。使用诸如增强采样方法之类的先进技术来克服这些限制并探索更长的时间尺度。
增强采样方法：这些方法通过使模拟偏向于能量不利的区域或引入描述蛋白质整体形状的集合变量来加速构象空间的探索。示例包括伞形采样、副本交换 MD（REMD）和超动力学。

示例：研究人员使用增强采样技术的 MD 模拟来研究小分子蛋白质（如 villin headpiece 和 chignolin）的折叠，从而深入了解折叠途径和能量景观。这些模拟有助于验证力场并增进我们对蛋白质折叠基本原理的理解。

b. 蒙特卡洛（MC）方法

蒙特卡洛方法是一类依赖于随机采样以获得数值结果的计算算法。在蛋白质折叠中，MC 方法用于探索蛋白质的构象空间并搜索最低能量状态。

MC 方法的关键方面：

构象采样：MC 方法会生成蛋白质结构的随机变化，并评估所得构象的能量。如果能量低于前一个构象，则接受该变化。如果能量更高，则根据温度和能量差，根据 Metropolis 判据，以一定的概率接受该变化。
能量函数：MC 方法还依赖于能量函数来评估不同构象的稳定性。能量函数的选择对于结果的准确性至关重要。
模拟退火：模拟退火是蛋白质折叠中常用的 MC 技术。它涉及逐渐降低系统温度，使蛋白质在高温下探索广泛的构象，然后在低温下稳定到低能量状态。

示例：MC 方法已被用于预测小肽和蛋白质的结构。虽然在详细动力学研究方面不如 MD 模拟准确，但 MC 方法在探索大型构象空间方面在计算上可能很高效。

2. 基于知识（基于模板）的方法

基于知识的方法利用蛋白质数据库（PDB）等数据库中丰富的结构信息。这些方法基于序列相似的蛋白质通常具有相似结构的原理。它们可大致分为同源建模和穿线。

a. 同源建模

同源建模，也称为比较建模，用于根据已知结构的同源蛋白质（模板）的结构来预测蛋白质的结构。同源建模的准确性取决于目标蛋白质与模板蛋白质之间的序列相似性。通常，高序列相似性（大于 50%）会导致更准确的模型。

同源建模的步骤：

模板搜索：第一步是在 PDB 中识别合适的模板蛋白质。这通常使用 BLAST 或 PSI-BLAST 等序列比对算法来完成。
序列比对：目标蛋白质的序列与模板蛋白质的序列进行比对。准确的序列比对对于最终模型的质量至关重要。
模型构建：基于序列比对，使用模板蛋白质的坐标构建目标蛋白质的三维模型。这包括将模板蛋白质的坐标复制到目标蛋白质的相应残基上。
环建模：目标蛋白质中与模板蛋白质对齐不佳的区域（例如，环区域）使用专门的算法进行建模。
模型精修：初始模型使用能量最小化和 MD 模拟进行精修，以改善其立体化学并消除空间碰撞。
模型评估：使用各种质量评估工具对最终模型进行评估，以确保其可靠性。

示例：同源建模已被广泛用于预测参与各种生物过程的蛋白质的结构。例如，它已被用于模拟抗体、酶和受体的结构，为药物发现和蛋白质工程提供有价值的信息。

b. 穿线

穿线，也称为折叠识别，用于从已知蛋白质折叠库中识别最适合蛋白质序列的折叠。与同源建模不同，即使目标蛋白质与模板蛋白质之间没有显着的序列相似性，也可以使用穿线。

穿线的步骤：

折叠库：创建已知蛋白质折叠的库，通常基于 PDB 中的结构。
序列-结构比对：目标蛋白质的序列与库中的每个折叠进行比对。这包括评估序列与每个折叠的结构环境的兼容性。
评分函数：使用评分函数来评估序列-结构比对的质量。评分函数通常考虑氨基酸类型与局部环境的兼容性、堆积密度和二级结构偏好等因素。
折叠排序：根据分数对折叠进行排序，并选择排名最高的折叠作为目标蛋白质的预测折叠。
模型构建：基于所选折叠构建目标蛋白质的三维模型。

示例：穿线已被用于识别具有新颖序列或与已知蛋白质序列相似性较弱的蛋白质的折叠。它在识别膜蛋白的折叠方面特别有用，膜蛋白通常难以结晶。

3. 混合方法

混合方法结合了基于物理和基于知识的方法的元素，以提高蛋白质结构预测的准确性和效率。这些方法通常使用基于知识的约束或评分函数来指导基于物理的模拟，反之亦然。

示例：Rosetta 程序是一种广泛使用的混合方法，结合了基于知识和从头方法。它使用一种评分函数，该函数既包含能量项，又包含从已知蛋白质结构派生的统计势。Rosetta 成功预测了各种蛋白质（包括具有新颖折叠的蛋白质）的结构。

4. 机器学习方法

机器学习（尤其是深度学习）的出现彻底改变了蛋白质折叠领域。机器学习算法可以从大量的蛋白质序列和结构数据集中学习复杂的模式，并且可以用于以前所未有的准确性预测蛋白质结构。

a. 用于蛋白质结构预测的深度学习

深度学习模型，如卷积神经网络（CNN）和循环神经网络（RNN），已被用于预测蛋白质结构的各个方面，包括二级结构、接触图和残基间距离。然后可以使用这些预测来指导三维模型的构建。

用于蛋白质结构预测的关键深度学习架构：

卷积神经网络（CNN）：CNN 用于识别蛋白质序列中的局部模式并预测二级结构元素（α-螺旋、β-折叠和环）。
循环神经网络（RNN）：RNN 用于捕获蛋白质序列中的长距离依赖关系并预测接触图（显示哪些残基在三维结构中彼此靠近的图）。
注意力机制：注意力机制允许模型在进行预测时关注蛋白质序列中最相关的部分。

b. AlphaFold 及其影响

AlphaFold，由 DeepMind 开发，是一个基于深度学习的系统，在蛋白质结构预测方面取得了突破性成果。AlphaFold 使用一种结合了 CNN 和注意力机制的新颖架构来预测残基间距离和角度。然后使用梯度下降算法利用这些预测生成三维模型。

AlphaFold 的关键特性：

端到端学习：AlphaFold 进行端到端训练，直接从氨基酸序列预测蛋白质结构。
注意力机制：注意力机制允许模型关注氨基酸之间最相关的相互作用。
循环：AlphaFold 通过将预测反馈给模型来迭代地精炼其预测。

AlphaFold 极大地提高了蛋白质结构预测的准确性，对于许多蛋白质达到了近乎实验的准确度。它对该领域产生了深远影响，加速了药物发现、蛋白质工程和理解疾病机制等各个生物学和医学领域的**研究。

示例：AlphaFold 在 CASP（结构预测关键评估）竞赛中的成功证明了深度学习在蛋白质结构预测方面的强大功能。其准确预测先前未解决蛋白质结构的能力为研究和发现开辟了新途径。

挑战与未来方向

尽管计算蛋白质折叠取得了重大进展，但仍存在一些挑战：

准确性：虽然 AlphaFold 等方法大大提高了准确性，但以高精度预测所有蛋白质的结构仍然是一个挑战，尤其是对于具有复杂折叠或缺乏同源模板的蛋白质。
计算成本：基于物理的模拟可能成本高昂，限制了它们在大蛋白质或长时尺度上的应用。开发更高效的算法和利用高性能计算资源对于克服这一限制至关重要。
膜蛋白：由于膜环境的复杂性以及实验结构的有限可用性，预测膜蛋白的结构仍然特别具有挑战性。
蛋白质动力学：理解蛋白质的动态行为对于理解其功能至关重要。开发能够准确捕捉蛋白质动力学的计算方法仍然是一个活跃的研究领域。
错误折叠和聚集：开发能够预测蛋白质错误折叠和聚集的计算模型对于理解和治疗与蛋白质错误折叠相关的疾病至关重要。

计算蛋白质折叠的未来方向包括：

改进力场：开发更准确可靠的力场对于提高基于物理模拟的准确性至关重要。
开发增强采样方法：开发更有效的增强采样方法对于探索更长的时间尺度和模拟复杂的生物过程至关重要。
将机器学习与基于物理的方法相结合：结合机器学习和基于物理方法的优势可以产生更准确高效的蛋白质结构预测算法。
开发预测蛋白质动力学的方法：开发能够准确捕捉蛋白质动力学的计算方法对于理解蛋白质功能至关重要。
解决蛋白质错误折叠和聚集问题：持续研究用于预测和理解蛋白质错误折叠和聚集的计算模型，对于开发针对阿尔茨海默病和帕金森病等疾病的新疗法至关重要。

结论

蛋白质折叠是计算生物学中的一个核心问题，对理解生物过程和开发新疗法具有深远的影响。从基于物理的模拟到基于知识的方法和机器学习方法，计算算法在预测和理解蛋白质结构方面发挥着至关重要的作用。AlphaFold 等基于深度学习的方法的最新成功标志着该领域的一个重要里程碑，加速了各种生物学和医学领域的研究。随着计算方法的不断改进，它们将为我们提供对蛋白质折叠复杂世界更深入的见解，为新的发现和创新铺平道路。