UnibindMD:面向从头肽结合剂设计的 AI 与分子动力学集成平台
UnibindMD: An Integrated AI and Molecular Dynamics Platform for De Novo Peptide Binder Design
UnibindMD 串联 BindCraft、AlphaFold3-class/Boltz-2、PRODIGY、ADMET-AI 与 GROMACS/CHARMM36m 五个阶段,将蛋白靶点转化为经分子动力学验证的从头肽结合剂候选。
预印本 · biorxiv · 10.64898/2026.10.20.760329
本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
UnibindMD 是一个集成计算平台,通过串联五个正交阶段,将蛋白质靶点转化为经过验证的从头肽结合剂先导物:深度学习结合剂设计(BindCraft)、独立的结构预测与置信度评估(AlphaFold3 类 / Boltz-2)、结合亲和力预测(PRODIGY)、成药性分析(ADMET-AI)以及全原子分子动力学验证(GROMACS/CHARMM36m)。该平台针对单一方法设计的一个长期弱点,即 ipTM 和 pLDDT 等置信度指标虽自洽但并不独立,因此一个被预测为高置信度的设计在物理上可能仍不稳定。我们在安第斯病毒(ANDV)的三个干预位点上演示了 UnibindMD,鉴于其病死率接近 40%、2026 年 MV Hondius 邮轮暴发(13 例,3 例死亡)且尚无获批疗法,这一场景需求迫切:Gn-Gc 糖蛋白复合物(病毒入侵)、L 蛋白内切酶结构域(cap-snatching;PDB 6Q99)以及宿主 VEGFR2 激酶(血管通透性;PDB 2XIR)。在九次 BindCraft 任务(4,475 条轨迹)中,该平台产生了 464 个被接受的结合剂(接受率 2.3-67.6%),最佳候选物达到 ipTM = 0.94 和 pLDDT = 0.94。三个入选先导物经 PRODIGY 预测其结合 ΔG 为 -9.1 至 -11.1 kcal mol-1(Kd 8 nM-0.2 M),且三者在 100 ns 无约束分子动力学模拟中均保持稳定结合(受体 CRMSD [≤] 2.6 [Å],肽段折叠得以保留,[≥] 99.5% 的帧保留了超过一半的初始界面接触,螺旋含量为 75-82%)。ADMET-AI 标记出大型极性肽预期较差的口服生物利用度,且无 PAINS 警报。通过将单次预测设计转化为交叉验证、动力学测试的工作流程,UnibindMD 提供了一条从任意蛋白质靶点到经过验证的肽结合剂候选物的快速、可扩展且可泛化的路径。
来源:bioRxiv · biorxiv.org