人工智能辅助设计与计算验证一种新型铀酰特异性环肽基序

《Journal of Inorganic Biochemistry》:AI-aided design and computational validation of a novel uranyl specific cyclic peptide motif

【字体: 大 中 小 】 时间:2026年08月27日 来源:Journal of Inorganic Biochemistry 3.1

编辑推荐:

   摘要铀酰离子的特异性吸附是海水提铀(UES)材料设计中的关键问题。环肽具有灵活且可调节的结构,可通过调整其氨基酸序列来工程化设计,以选择性结合铀酰离子。然而,环肽巨大的化学空间为快速识别对铀酰具有高特异性的基序带来了巨大挑战。为此,我们整合了人工智能(AI)、分子动力学(MD

  

摘要

铀酰离子的特异性吸附是海水提铀(UES)材料设计中的关键问题。环肽具有灵活且可调节的结构,可通过调整其氨基酸序列来工程化设计,以选择性结合铀酰离子。然而,环肽巨大的化学空间为快速识别对铀酰具有高特异性的基序带来了巨大挑战。为此,我们整合了人工智能(AI)、分子动力学(MD)模拟和密度泛函理论(DFT)计算,设计了用于特异性铀酰结合的环肽。这种方法导致发现了一种新型的环肽基序 [序列:cyc-DSDKSD (cyc-ASP-SER-ASP-LYS-SER-ASP)]。独立的 100-ns MD 模拟证实了稳定的铀酰结合,计算得出的结合能为 ?70.4 kcal/mol。波函数分析表明,铀酰与肽上羧酸根基团的氧原子配位,形成键长在 2.3 到 2.6 ?之间的配位键。进一步分析表明,结合主要由静电和轨道相互作用驱动。我们还系统评估了环肽与铀酰及其他竞争性金属离子(K+, Ca2+, VO2+, Na+, Mg2+, Sr2+)的结合模式和亲和力,其中铀酰显示出最强的相互作用(?649.6 kcal/mol)。丙氨酸扫描结果表明,Asp 对于维持铀酰配位至关重要。本研究表明,AI 辅助设计可以显著加速 UES 材料的开发。鉴定出的环肽基序可以接枝到固体基质上,作为下一代 UES 材料中的活性结合位点。

引言

在全球向低碳能源转型的背景下,由于核能具有低碳排放和技术成熟的特点,其发展迅速 [1]。铀是大多数商业核反应堆的主要燃料。然而,陆地资源有限且分布不均,可回收储量约为 800 万吨。相比之下,海水中估计含有 45 亿吨铀 [2], [3]。然而,铀主要以铀酰离子的形式存在,浓度极低,仅约为 3.3 μg/L,这使得开发高选择性铀酰吸附剂成为海水提铀的主要挑战 [4]。
目前的铀酰吸附剂主要包括无机 [5]、有机 [6] 和生物吸附材料 [7], [8]。然而,它们的结合位点往往结构多样性和可调节性有限,而系统的设计策略仍欠发达。由氨基酸组成的肽类化合物具有独特的优势:通过改变氨基酸的类型和序列,可以精确调整其空间结构和结合特性,从而实现铀酰离子的特异性识别和结合 [9], [10]。
2014 年,何川等人报道了一种对铀酰具有飞摩尔亲和力且对 Na+, Mg2+和 Ca2+等海水中的丰富离子具有高选择性的蛋白质,为铀提取提供了有前景的生物模板 [11], [12]。随后,王等人将这种铀酰结合序列与结构蛋白融合,构建了基于蜘蛛丝蛋白的超铀酰结合蛋白(SSUP)和双超铀酰结合蛋白(DSUP),在真实海水中实现了 17.45 和 12.33 mg/g 的铀吸附容量 [13], [14]。
然而,亲本蛋白含有 76 个氨基酸,导致生产成本高且工业应用有限,而其易受微生物降解的特性可能会阻碍长期回收。结构研究进一步表明,只有 GLU17, ASP68 和 ARG71 直接与铀酰配位,而大多数其他残基主要维持蛋白质支架 [11]。这些发现表明,基本的铀酰结合基序可以简化为更短的肽,为紧凑型铀酰结合肽的合理设计提供了基础。
一些关于氨基酸 - 铀酰相互作用的研究表明,谷氨酸和天冬氨酸对铀酰表现出特别强的亲和力 [15], [16], [17],为蛋白质的分子剪裁提供了理论依据 [18]。去除非结合残基同时保留核心结合基序可以简化结构,降低生产成本,并保持结合性能,为迈向低成本、高性能的生物基吸附剂提供了途径。
受此概念启发,已经开发了用于铀酰配位的短肽 [18]。Safi 等人使用磷酸化肽模拟骨桥蛋白的铀酰结合位点,通过光谱学和 DFT 揭示了关键的配位特征 [19]。Starck 等人开发了包含三个谷氨酸和一个磷酸氨基酸的环状磷肽,证明了在生理 pH 下磷酸基团和羧酸根基团对铀酰的结合具有协同作用 [20]。Koichiro Takao 等人鉴定了能够稳定配位铀酰的十肽(10 个氨基酸的肽),支持了短肽用于铀提取的可行性 [18], [21]。随后的研究表明,磷酸化可以进一步增强对铀酰的亲和力 [22], [23], [24]。
人工智能的最新进展使得蛋白质结构预测变得迅速。AlphaFold 和 RoseTTAFold 能够以高精度预测蛋白质结构 [25], [26], [27],而其他基于机器学习的方法(如 Boltz-2)在预测蛋白质 - 配体结合自由能方面,其准确性正在接近自由能微扰(FEP)计算 [28]。此外,蛋白质设计方法的发展(特别是大卫·贝克团队和其他团队的工作),从目标结构基序或期望功能出发,建立了方法论框架 [29]。这些结合的进展使得基于结构的吸附剂系统设计成为切实可能的可能性 [26], [29], [30]。
基于这些基础,我们的研究团队以鉴定出的铀酰结合蛋白作为初始模板,通过协同整合基于 AI 的蛋白质结构预测与 DFT 计算和 MD 模拟,建立了本研究的计算基础。基于 AI 的工具被用于在巨大的化学空间内快速筛选和建模环肽候选物。随后,DFT 计算提供了关于所选肽与铀酰离子之间电子结构、结合能和配位机制的精确量子力学见解。这种组合方法实现了从初始虚拟筛选到深入机制分析的高效且理论依据充分的设计周期。
最后,我们发现了一种新型环肽(CP),序列为 cyc-DSDKSD。该环肽不仅对铀酰离子表现出强亲和力,而且在对抗常见干扰离子方面表现出卓越的选择性。此外,它具有合成成本低和化学稳定性高的优点。这些特性使其成为海水提铀新一代高效经济吸附剂材料的有前景候选者,为推进该海洋铀资源的工业化利用提供了至关重要的技术支持。

章节片段

基于 AI 的结构建模

我们采用 Boltzgen 程序设计针对铀酰离子的肽 [31]。鉴于酸性氨基酸——天冬氨酸(Asp)和谷氨酸(Glu)——对铀酰离子表现出强亲和力,我们在肽序列中引入了多个酸性残基,并以已知的铀酰 - 蛋白质相互作用配位模式为指导,以增强结合亲和力。序列预测后,为了进一步验证生成序列的结构合理性,我们使用了 Boltz-2 程序来

基于 AI 的结构建模

我们使用 BoltzGen 程序成功生成了 80 种针对铀酰离子的环肽(补充信息表 S1)。随后,使用 Boltz-2 程序准确预测了这些环肽与铀酰离子形成的复合物结构,并排除了化学结构不合理或无法有效与铀酰离子配位的候选分子。设定了 0.7 的置信阈值,低于此阈值的 56 个模型

结论

总之,本研究鉴定并表征了一种新型环肽,其对铀酰离子(UO?2+)表现出超高亲和力,计算结合能为 ?649.6 kcal mol ?1,显著高于其他离子。量子化学计算和 QTAIM 分析共同表明,环肽通过氨基酸侧链上的羧基与铀酰离子螯合,实现了铀酰离子键长和键角的精确匹配,从而奠定了结构

CRediT 作者贡献声明

欧敏瑞:写作 - 审查与编辑,写作 - 初稿,验证,监督,概念化。 许苏燕:写作 - 初稿,可视化,软件,方法学,数据整理。 卢锦潘:方法学,数据整理。 杨婉雨:调查,数据整理。 许小平:资源,项目管理。

利益冲突声明

作者已声明,上述披露的任何工作均未受到任何已知的冲突经济利益或个人关系的影响。

致谢

本工作由 XRC-1412(福州大学科技发展基金)和 XRC-1608(福州大学人才基金项目)资助。我们感谢福州大学化学学院冯建强博士在 MMPBSA 计算方面提供的帮助。我们感谢福建医科大学附属泉州市疾病预防控制中心陈林刚博士在 ICP-MS 实验方面提供的帮助。
欧敏瑞 | 许苏燕 | 卢锦潘 | 杨婉雨 | 许小平
福州大学化学学院,中国福州 350116
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号