- 2 次围观
UnibindMD 是一个集成计算平台，通过串联五个相互独立的阶段，将蛋白质靶标转化为经验证的从头设计肽类结合剂先导分子：深度学习结合剂设计（BindCraft）、独立的结构预测与置信度评估（AlphaFold3 类模型 / Boltz-2）、结合亲和力预测（PRODIGY）、可开发性分析（ADMET-AI）以及全原子分子动力学验证（GROMACS/CHARMM36m）。该平台旨在应对单一方法设计中长期存在的薄弱环节，即 ipTM 和 pLDDT 等置信度指标虽具有内部一致性，却彼此并不独立，因此，即使某个设计被预测为高置信度，也仍可能在物理上不稳定。我们在安第斯病毒（ANDV）的三个干预靶点上展示了 UnibindMD 的应用。鉴于该病毒病死率接近 40%、2026 年 MV Hondius 游轮暴发疫情（13 例病例、3 例死亡），且尚无获批疗法，这一研究场景亟需开展相关工作。三个靶点分别为 Gn-Gc 糖蛋白复合物（病毒入侵）、L 蛋白核酸内切酶结构域（帽抢夺；PDB 6Q99）以及宿主 VEGFR2 激酶（血管通透性；PDB 2XIR）。在九轮 BindCraft 设计中（共 4,475 条轨迹），该平台获得了 464 个通过筛选的结合剂（接受率为 2.3%–67.6%），其中表现最佳的候选分子 ipTM 达到 0.94，pLDDT 达到 0.94。PRODIGY 预测，选出的三种先导分子的结合自由能（G）为 −9.1 至 −11.1 kcal mol−1（Kd 为 8 nM–0.2 M）；在 100 ns 无约束分子动力学模拟中，三者均保持稳定结合（受体 CRMSD ≤ 2.6 Å、肽链折叠得以保留、≥99.5% 的模拟帧中保留了超过一半的初始界面接触，且螺旋含量为 75%–82%）。ADMET-AI 标记了大分子极性肽口服生物利用度较差这一预期特征，且未发现 PAINS 警示。通过将基于单次预测的设计转变为经交叉验证并通过动力学测试的工作流程，UnibindMD】【。提供了一种快速、可扩展且具有普适性的途径，可将任意蛋白质靶标转化为经过验证的肽类结合候选物。
UnibindMD：用于从头设计肽类结合剂的人工智能与分子动力学集成平台 | bioRxiv
跳转至正文
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
UnibindMD：用于从头设计肽类结合剂的人工智能与分子动力学集成平台
Xu Wu，
Aihong Huang，
Congmei Fu，
Zhujun Wang，
查看 ORCID 个人资料
Wei Fu
doi：
https://doi.org/10.64898/2026.10.20.760329
Xu Wu
1
深圳 UnibindMD 计算生物技术有限公司；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Aihong Huang
1
深圳 UnibindMD 计算生物技术有限公司；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Congmei Fu
2
深圳 UnibindMD 计算生物技术有限公司
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Zhujun Wang
2
深圳 UnibindMD 计算生物技术有限公司
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Wei Fu
1
深圳 UnibindMD 计算生物技术有限公司；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Wei Fu 的 ORCID 记录
通讯作者：
fuwei{at}unibindmd.tech
摘要
信息 / 历史
指标
补充材料
预览 PDF
摘要
UnibindMD 是一个集成计算平台，通过串联五个相互独立的阶段，将蛋白质靶标转化为经验证的从头设计肽类结合剂候选分子：深度学习结合剂设计（BindCraft）、独立的结构预测与置信度评估（AlphaFold3 级别 / Boltz-2）、结合亲和力预测（PRODIGY）、可开发性分析（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中的一个长期弱点，即 ipTM 和 pLDDT 等置信度指标彼此自洽、但并不相互独立，因此，即使某项设计被预测为具有高置信度，在物理上仍可能不稳定。我们在安第斯病毒（ANDV）的三个干预靶点上展示了 UnibindMD。鉴于该病毒病死率接近 40%、2026 年 MV Hondius 邮轮暴发疫情造成 13 例感染、3 人死亡，且目前尚无获批疗法，这一研究具有迫切意义。三个靶点分别为 Gn-Gc 糖蛋白复合物（病毒入侵）、L 蛋白核酸内切酶结构域（帽夺取；PDB 6Q99）和宿主 VEGFR2 激酶（血管通透性；PDB 2XIR）。在九轮 BindCraft 设计任务（共 4,475 条轨迹）中，该平台获得 464 个通过筛选的结合体（接受率为 2.3%–67.6%），其中表现最佳的候选物 ipTM 和 pLDDT 均达到 0.94。PRODIGY 预测，三个入选先导分子的结合自由能 ΔG 为 −9.1 至 −11.1 kcal mol⁻¹（Kd 为 8 nM–0.2 μM）；在无约束分子动力学模拟 100 ns 的过程中，三者均保持稳定结合（受体 CαRMSD ≤ 2.6 Å、肽结构保持折叠、≥ 99.5% 的模拟帧中保留了超过一半的初始界面接触，且螺旋含量为 75%–82%）。ADMET-AI 提示，大型极性肽口服生物利用度较差，这一预期符合常规；此外，未发现 PAINS 警示。通过将基于单次预测的设计转变为经交叉验证和动力学测试的工作流程，UnibindMD 为从任意蛋白质靶点出发，快速、规模化且可推广地获得经验证的肽类结合体候选物提供了路径。
利益冲突声明
作者声明不存在利益冲突。
版权
本预印本版权归作者/资助方所有；其已授予 bioRxiv 许可证，允许永久展示该预印本。
本内容依据 CC-BY-NC-ND 4.0 国际许可协议提供。
返回顶部
上一篇
下一篇
发表于2026年10月23日。
下载 PDF
补充材料
电子邮件
感谢您有兴趣传播 bioRxiv 的相关信息。
注意：请求提供您的电子邮件地址仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
发送至
*
请输入多个地址，每行输入一个，或使用逗号分隔。
您将要发送以下内容
UnibindMD：用于从头设计肽结合体的集成人工智能与分子动力学平台
邮件主题
（您的姓名）向您转发了 bioRxiv 上的一个页面
邮件正文
（您的姓名）认为您可能会希望查看 bioRxiv 网站上的这一页面。
您的个人留言
验证码
此问题用于测试您是否为真人访客，并防止自动垃圾邮件提交。
分享
UnibindMD：用于从头设计肽结合体的集成人工智能与分子动力学平台
Xu
Wu
，
Aihong
Huang
，
Congmei
Fu
，
Zhujun
Wang
，
Wei
Fu
bioRxiv
2026.10.20.760329；
doi：
https://doi.org/10.64898/2026.10.20.760329
分享本文：
复制
引用工具
UnibindMD：用于从头设计肽结合体的集成人工智能与分子动力学平台
Xu
Wu
，
Aihong
Huang
，
Congmei
Fu
，
Zhujun
Wang
，
Wei
Fu
bioRxiv
2026.10.20.760329；
doi：
https://doi.org/10.64898/2026.10.20.760329
引用管理器格式
BibTeX
Bookends
EasyBib
EndNote（标记格式）
EndNote 8（XML）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google Plus +1
主题领域
生物信息学
主题领域
所有文章
动物行为与认知
（8164）
生物化学
（19027）
生物工程
（15171）
生物信息学
（45334）
生物物理学
（22958）
癌症生物学
（20113）
细胞生物学
（27300）
临床试验
（138）
发育生物学
（14144）
生态学
（21395）
流行病学
（2067）
进化生物学
（25785）
遗传学
(16342)
基因组学
(23830)
免疫学
(19025)
微生物学
(43187)
分子生物学
(18339)
神经科学
(95057)
古生物学
(712)
病理学
(3033)
药理学与毒理学
(5198)
生理学
(8280)
植物生物学
(16270)
科学传播与教育
(2115)
合成生物学
(4645)
系统生物学
(10385)
动物学
(2426)
关键词：从头肽类结合剂设计 · 人工智能蛋白质设计 · 分子动力学模拟 · 结合亲和力预测 · 安第斯病毒靶向
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.20.760329v1?rss=1