一种基于各向异性粗粒化力场的蛋白质配体结合预测方法

本发明属于生物医学工程产业，具体涉及一种基于各向异性粗粒化力场的蛋白质配体结合预测方法。

背景技术：

1、在生物工程视角下，昆虫依靠嗅觉系统完成觅偶、寻找寄主、觅食、躲避天敌等生命活动，解析昆虫嗅觉识别机理对害虫绿色防控具有重要意义。化学感受蛋白（csps）作为可溶性嗅觉蛋白，参与气味分子识别转运，是开发昆虫行为扰乱剂的重要靶标。

2、绿豆象是世界性储粮害虫，主要危害绿豆等豆类作物。当前绿豆象防治主要依赖化学杀虫剂，长期使用易破坏生态环境、杀伤天敌，还会诱发害虫抗药性。利用绿豆象嗅觉蛋白与寄主挥发物的相互作用，开发行为干扰型绿色防治药剂，是重要研究方向。开展绿豆象化学感受蛋白与寄主挥发物的结合预测，解析分子识别机制，可为定点突变、行为干扰剂理性设计提供理论支撑。

3、现有蛋白质配体结合预测手段主要包括分子对接虚拟筛选、全原子分子动力学模拟、传统粗粒化力场模拟以及metadynamics增强采样模拟;分子对接筛选速度快，但难以充分考虑蛋白构象柔性，预测精度有限；全原子分子动力学模拟计算精度高，但计算成本高昂，构象采样效率低，不适合大规模虚拟筛选；传统粗粒化力场计算开销低，但普遍采用各向同性lennardjones势，容易造成结合模式预测偏差。

技术实现思路

1、本发明的目的就在于解决现有蛋白质配体结合预测方法难以兼顾计算效率与预测精度的问题，而提出一种基于各向异性粗粒化力场的蛋白质配体结合预测方法。

2、在本发明实施提出一种基于各向异性粗粒化力场的蛋白质配体结合预测方法，所述方法包括：

3、获取绿豆象化学感受蛋白的氨基酸序列，基于所述氨基酸序列构建三维结构模型；

4、基于所述绿豆象化学感受蛋白所属昆虫种类的寄主植物或食物来源的挥发物成分，构建候选配体分子库；

5、基于所述三维结构模型，通过各向异性粗粒化力场对所述绿豆象化学感受蛋白与所述候选配体分子库中各候选配体进行粗粒化分子动力学模拟，确定各配体与所述绿豆象化学感受蛋白的结合亲和力；

6、获取结合亲和力排序排名前n位的每个候选配体作为初始有效配体；

7、计算每一初始有效配体的目标自由能；

8、将目标自由能最低的初始有效配体记为目标有效配体；

9、基于所述目标有效配体与所述绿豆象化学感受蛋白构成最优复合物；

10、基于所述最优复合物确定蛋白质配体结合预测结果。

11、可选的，确定各配体与所述绿豆象化学感受蛋白的结合亲和力包括：

12、将所述三维结构模型中的每个氨基酸残基映射为粗粒化粒子，并为所述粗粒化粒子中属于侧链的粒子预先定义特征轴；芳香环侧链位点以芳香环平面法向量为特征轴，疏水尾巴侧链位点以侧链延伸方向为特征轴，极性侧链位点以侧链杂原子孤对电子方向为特征轴；

13、对各候选配体分别进行粗粒化映射，得到各候选配体的粗粒化表示；

14、将各候选配体的粗粒化表示分别与粗粒化粒子表示的绿豆象化学感受蛋白结合，构建粗粒化复合物模型；

15、基于粗粒化复合物模型，进行粗粒化分子动力学模拟，生成各粗粒化复合物模型的粗粒化分子动力学模拟轨迹；

16、基于所述粗粒化分子动力学模拟轨迹，统计各候选配体与所述绿豆象化学感受蛋白的结合概率和质心距离分布；

17、根据结合概率和质心距离分布计算各候选配体与所述绿豆象化学感受蛋白的结合亲和力。

18、可选的，进行粗粒化分子动力学模拟包括：

19、根据所有粗粒化粒子间的相对距离调用各向同性lennard-jones-gaussian基势，根据所述侧链位点间的相对取向调用角度调制因子，生成各粗粒化复合物模型的粗粒化分子动力学模拟轨迹；角度调制因子包括芳香环之间π-π堆积取向的π-π堆积取向调制因子、疏水尾巴取向的疏水尾巴取向调制因子、氢键方向性的氢键方向性调制因子。

20、可选的，各向同性lennard-jones-gaussian基势的表达式为：

21、通过计算各向同性lennard-jones-gaussian基势；

22、其中，为粗粒化粒子i、j之间的实时质心距离，n为排斥幂指数，m为吸引幂指数，为第k类粒子对（i，j）的势阱深度，为第k类粒子对（i，j）的范德华直径，为第k类粒子对（i，j）的高斯项幅值，无量纲系数，为高斯项中心位置，高斯峰所在的特征距离，为高斯项宽度参数。

23、可选的，计算每一初始有效配体的目标自由能包括：

24、对每一初始有效配体与所述绿豆象化学感受蛋白构建全原子复合物模型，并进行全原子分子动力学平衡模拟得到全原子分子动力学模拟轨迹；

25、针对每一全原子分子动力学模拟轨迹，以预设时间间隔提取多个构象快照，并计算各构象快照的自由能参数；所述自由能参数包括气相相互作用能、极性溶剂化能、非极性溶剂化能；

26、对该全原子分子动力学模拟轨迹的自由能参数进行求平均合并得到目标自由能。

27、通过提取构象快照拆分计算气相相互作用能、极性溶剂化能、非极性溶剂化能三类自由能参数，再对各能量参数取平均合并得到目标自由能。通过全原子模拟还原蛋白配体体系精细原子作用细节，弥补粗粒化模拟的模型简化带来的精度损失；拆分多类自由能参数并对轨迹快照做统计平均，降低模拟随机噪声对自由能计算结果的干扰，得到更为可靠的结合自由能评价结果，实现对初筛候选配体的高精度复筛，提升后续最优复合物选取的准确性。

28、可选的，所述气相相互作用能为分子力学气相能，包含蛋白配体之间的范德华作用能与静电相互作用能；所述极性溶剂化能为广义玻恩模型计算得到的极性溶剂化贡献；所述非极性溶剂化能为基于溶剂可及表面积计算得到的非极性溶剂化贡献。

29、可选的，基于所述最优复合物确定蛋白质配体结合预测结果包括：

30、以所述最优复合物进行全原子分子动力学平衡模拟所得的平衡结构为初始构象，进行全原子分子动力学增强采样模拟得到模拟轨迹；

31、基于所述模拟轨迹采集多个构象样本，提取各构象样本中各氨基酸残基的骨架二面角作为输入特征，经编码后构建训练数据集；

32、根据所述训练数据集训练超球面变分自编码器，将训练完成后的超球面变分自编码器嵌入分子动力学增强采样插件，以所述超球面变分自编码器输出的三维潜在空间坐标作为集体变量，运行metadynamics模拟，构建结合自由能景观；

33、基于所述结合自由能景观，提取全局能量最低点及局部极小值所对应的构象；

34、计算各构象间的骨架均方根偏差以及各局部极小值相对于全局能量最低点的相对自由能差值；

35、若骨架均方根偏差大于预设偏差阈值且存在相对自由能差值小于预设能差值，则判定目标有效配体存在构象多态性；

36、对构象多态性的构象进行作用确定蛋白质配体结合预测结果。

37、超球面变分自编码器从模拟轨迹自动学习得到集体变量，摆脱传统metadynamics模拟依靠人工经验选择集体变量带来的主观性缺陷；采用von misesfisher分布适配二面角的周期性特征，规避传统欧几里得潜在空间的边界不连续问题；通过构建结合自由能景观，既可以获得蛋白配体的结合模式，又能够定量解析结合口袋动态构象变化、构象状态之间的自由能差异，同时识别关键结合位点，实现结合稳定性的定量评估，为解析绿豆象化学感受蛋白的配体识别机制、定点突变以及配体分子设计提供全面、定量的依据。

38、可选的，所述骨架二面角包括各氨基酸残基的角和ψ角；所述编码方式采用sin/cos编码，将每个二面角转换为二维向量；所述超球面变分自编码器采用von mises-fisher分布作为潜在空间的先验分布，潜在空间为三维单位球面。

39、可选的，对构象多态性的构象进行作用确定蛋白质配体结合预测结果包括：

40、对每一构象还原得到的全原子三维构象，确定蛋白配体相互作用信息，并记录参与相互作用的氨基酸残基，得到静态关键结合残基；所述蛋白配体相互作用信息包括蛋白配体之间的氢键、疏水相互作用以及ππ堆积相互作用；

41、将全部还原得到的全原子三维构象进行结构重叠比对，确定动态关键残基；

42、识别不同构象之间发生断裂或者新生成的氢键、疏水接触对，得到动态相互作用网络；

43、基于静态关键结合残基、动态关键残基得到关键结合位点；

44、结合各构象对应的蛋白配体相互作用信息和动态相互作用网络确定蛋白质配体的结合模式。

45、把潜在空间的抽象自由能信息还原为真实的原子三维结构，既可以定量评价不同构象状态的热力学稳定性，识别配体结合过程的构象多态现象；又能够同时获得负责静态结合的残基以及参与口袋构象转变的动态关键残基，区分静态相互作用与构象转变过程中的动态相互作用网络，避免仅依靠单一最低能量构象造成的机制误判，实现对绿豆象化学感受蛋白配体结合模式、结合位点的多维度定量解析，为定点突变实验和行为干扰剂的理性设计提供静态、动态双层的残基靶点信息。

46、本发明的有益效果：

47、1）本发明先获取绿豆象化学感受蛋白的氨基酸序列并构建三维结构模型，再构建寄主挥发物及其类似物的候选配体分子库，借助各向异性粗粒化力场开展粗粒化分子动力学模拟完成初筛，得到初始有效配体，进一步计算各初始有效配体的目标自由能筛选得到目标有效配体，形成最优复合物后完成结合模式、结合稳定性与关键结合位点的预测；

48、2）本发明通过构建各向异性粗粒化力场确定蛋白质和配体的连接关系，使得生物工程方案可定量描述ππ堆积、氢键等方向性相互作用，兼顾模拟计算效率与预测精度，规避了传统增强采样人工选取集体变量带来的主观偏差，能够有效解析蛋白结合口袋的动态构象变化，高效实现绿豆象化学感受蛋白与配体的虚拟筛选及结合机制解析，为害虫行为干扰剂的理性设计和定点突变实验提供可靠依据。