乐于分享
好东西不私藏

AI建模+虚拟筛选+分子动力学模拟:破解小麦赤霉病杀菌剂靶标FgFc,从160万化合物中精准锁定高活性先导化合物13324

AI建模+虚拟筛选+分子动力学模拟:破解小麦赤霉病杀菌剂靶标FgFc,从160万化合物中精准锁定高活性先导化合物13324

摘要概括

    小麦赤霉病由禾谷镰孢菌(Fusarium graminearum 引起,造成严重减产和真菌毒素(DON)污染。本研究以真菌特有的亚铁螯合酶(FgFc) 为靶标——该酶是血红素合成通路的终端酶,敲除致死,且与哺乳动物同源物结构差异显著。团队利用AlphaFold3构建高置信度FgFc结构,对ChemDiv库(约160万化合物) 进行AutoDock Vina初筛 + LeDock精筛的两级虚拟筛选,获得12个结合能<-9 kcal/mol的候选物。进一步通过200 ns分子动力学模拟MM/GBSA结合自由能计算,筛选出化合物13324(结合能-9.8 kcal/mol,MM/GBSA -50.58 kcal/mol,RMSD 2.35 Å)。体外生测显示13324具有广谱抗真菌活性,对R. solani的EC₅₀为5.25 μg/mL,对F. graminearum孢子萌发抑制率>98%(8 μg/mL),并显著降低DON产量(2.52倍)。转录组分析证实靶基因FgFc上调1.26倍,符合靶向抑制的补偿效应。该研究为AI驱动的新型农药先导发现提供了高效范本。


主要研究手段

技术/方法
用途与关键参数
AlphaFold3
预测FgFc蛋白三维结构,选择pLDDT>90、Ramachandran异常仅0.3%的最优模型
AutoDock Vina
第一级虚拟筛选,对160万化合物进行初步对接,保留前1000名
LeDock
第二级精筛,对前1000名再次对接,筛选结合能<-9 kcal/mol的12个候选物
Tanimoto相似性分析(RDKit)
评估候选物结构多样性,避免打分偏差和化学类型冗余
GROMACS 2024.3 (AMBER ff99SB-ILDN)
对12个复合物进行200 ns分子动力学模拟,评估结合稳定性(RMSD/RMSF/Rg/SASA)
MM/GBSA(gmx_MMPBSA)
计算结合自由能及残基能量分解,识别关键贡献残基(Arg99、Glu339)
qRT-PCR
检测血红素通路8个基因表达变化,验证靶向抑制及补偿响应

研究手段的方案步骤

步骤1:靶标蛋白结构预测与验证利用AlphaFold3生成FgFc的5个模型,根据pLDDT和Ramachandran图选出最佳模型(Model 1),并利用ProteinsPlus鉴定活性口袋(含68个残基)。

步骤2:化合物库准备与结合位点定义从ChemDiv获取160万个小分子,转换为PDBQT/MOL2格式;以heme结合位点为中心设置对接网格(中心坐标-9.09, 7.56, -14.60)。

步骤3:分层虚拟筛选(初筛+精筛)先用AutoDock Vina快速对接,选前1000名;再用LeDock精算,筛出12个结合能<-9 kcal/mol的高亲和力化合物。

步骤4:候选物结构多样性评估采用RDKit计算Morgan指纹的Tanimoto相似系数,确认绝大多数候选物相似度<0.20,排除化学类型集中偏倚。

步骤5:200 ns分子动力学模拟评估复合物稳定性对12个候选物及heme复合物进行三重复MD模拟,重点分析平衡段(180-200 ns)的RMSD、RMSF、Rg、SASA和氢键数。

步骤6:MM/GBSA结合自由能计算及残基能量分解计算总结合自由能,并对各残基进行能量分解,识别13324在Arg99和Glu339等关键残基上的优势贡献。

步骤7:体外生物学验证(抑菌活性、DON抑制、基因表达)测定13324对10种真菌的EC₅₀、对F. graminearum孢子萌发MIC、DON产量及Tri5表达,以及血红素通路8个基因的qRT-PCR变化。

小编观点

  1. “干湿结合”是生信发文的硬通货:本工作完整呈现了“AI结构预测 → 虚拟筛选 → MD/MMGBSA → 实验验证”闭环,不仅计算部分严谨,而且生测和机制实验直接支撑结论,极大提升论文的说服力和可转化性。

  2. 靶标选择决定创新高度:FgFc是血红素通路终端酶,敲除致死且与哺乳动物差异大,属于“未开发但高潜力”靶点。生信发文时应优先挖掘具有物种特异性、必需性和结构可药性的靶标,而非重复热门靶点。

  3. 计算细节决定筛选可信度:本研究采用两级对接(Vina+LeDock)、Tanimoto排除冗余、三重复MD、MM/GBSA残基分解等多个质控步骤,避免单程序偏差。建议在筛选流程中增加多样性分析和能量分解,以增强候选物的真实性和机理解释力。

    点击下方链接-下载原文pdf

    1-s2.0-S2095311926002807-main.pdf

    往期好文推荐

    让AI主动"打捞"药物分子:贝叶斯优化 + MMGBSA 计算驱动的智能虚拟筛选

    机器学习+网络药理学+分子动力学:多组学计算生物学策略助力结直肠癌新型TNKS抑制剂筛选

    从“一药一靶”到“智能导航”:多组学+AI如何重塑药物发现?

    多组学+WGCNA+网络药理学+分子动力学揭秘:DEHP代谢物MEHP如何劫持NOS2触发睾丸铁死亡

    IF=7,组学整合+单细胞测序+虚拟筛选,解码胶质母细胞瘤缺氧-乳酸代谢新靶点PPBP及天然抑制剂

    机器学习 + 多构象虚拟筛选助力 PI3Kγ 抑制剂发现——从计算到实验验证的完整流程

    往期课程推荐

    订阅会员畅享课程

    超值第三期蛋白体系分子模拟

    超值第一期分子对接

    订阅第一期AI-DOCK-VS-MD-RFD3-VibeCoding