主动学习引导的肽设计：通过招募调控凝聚体性质

内容形式：摘要译文

生物分子凝聚体通过相分离形成，其物理性质对凝聚体的组织结构和功能至关重要，并且越来越多地被认为与包括神经退行性疾病在内的疾病机制有关。为正常发挥功能，凝聚体通常会招募肽和 RNA 等客户生物分子。这种招募不仅是凝聚体生物学的关键，也为设计能够调节凝聚体材料性质的客户分子提供了契机。在本研究中，我们考察了此前已有研究表征的 MUT-16 凝聚体。该凝聚体是秀丽隐杆线虫中一种无膜细胞器的支架，能够招募 MUT-8 的 N 端朊病毒样结构域；这一过程对 RNA 沉默至关重要。我们采用粗粒化分子动力学模拟，对能够与支架蛋白 MUT-16 相互作用并调节其物理性质的肽变体进行建模和设计。为高效指导设计，我们应用了主动学习框架，将贝叶斯优化与神经网络相结合，迭代筛选最具信息量、适合进行模拟的肽变体。该策略减少了所需的模拟次数，同时使模型能够学习决定凝聚体行为的序列—性质关系。总体而言，这一基于物理原理并由学习方法指导的框架提供了一种计算途径，用于探索如何通过工程化肽来影响凝聚体性质，并可能为合成……的理性设计提供参考。

关键词：生物分子凝聚体 · 相分离 · 肽设计 · 主动学习 · 贝叶斯优化 · 粗粒化分子动力学

原文链接：https://www.biorxiv.org/content/10.64898/2026.06.06.730477v1?rss=1