发展可极化键偶极模型快速预测环肽分子构象稳定性

doi:10.7503/cjcu20250173

摘要/Abstract

摘要：

环肽分子具有独特的结构稳定性、多样的生物活性和良好的靶向性，是药物研发的重要先导化合物. 快速准确预测环肽构象稳定性，不仅有助于揭示蛋白质错误折叠的分子机制，还可为靶点识别与干预提供理论依据，对理性设计结构稳定、活性优良的环肽类药物具有重要意义. 本文将环肽分子中主链上C=O, N—H, C ^α —H化学键和侧链上C—O， O—H化学键视为键偶极，使用固有偶极-固有偶极作用描述体系中的静电作用，使用固有偶极-诱导偶极作用以及诱导偶极-诱导偶极作用描述极化作用，并引入键长、键角和二面角作用项描述成键作用，从而将可极化偶极-偶极作用模型发展为可预测环肽分子不同构象相对稳定性的分子力场势函数. 将所得势函数应用于数据库中9个环肽分子共计33个不同构象，快速计算其构象能，并与高精度DLPNO-MP2/aug-cc-pVTZ方法和可极化分子力场AMOEBA方法计算所得构象能进行比较. 结果表明，相对于DLPNO-MP2/aug-cc-pVTZ方法的环肽分子构象能，本文方法的线性相关系数R²=0.9784，均方根偏差RMSE=13.43 kJ/mol，略优于AMOEBA方法（R²=0.9682， RMSE=16.28 kJ/mol）. 对环肽分子的结构优化和频率计算结果进一步表明了本文方法的合理性. 相较于AMOEBA可极化分子力场方法，本文方法显著降低了静电作用项数.

关键词: 环肽, 构象能, 化学键偶极, 诱导键偶极, 可极化势函数

Abstract:

Cyclic peptides possess unique conformational stability， diverse biological activities， and favorable target specificity， making them important lead compounds in drug development. Rapid and accurate prediction of their conformational stability not only aids in uncovering the molecular mechanisms of protein misfolding， but also provides a theoretical basis for target identification and intervention. This is of great significance for the rational design of structurally stable and highly active cyclic peptide-based drugs. In this paper， the polar chemical bonds C=O， N—H， C ^α —H and C—O， O—H in cyclic peptides are regarded as bond dipoles. The permanent dipole- permanent dipole interaction is used to describe the electrostatic interaction in the system， and the permanent dipole-induce dipole interaction and induce dipole-induced dipole interaction are used to describe the polarization. The bonded terms， including the bond-stretching， angle-bending， and dihedral torsion， are also introduced. The polarizable dipole-dipole interaction model is thus developed into a potential function that can be used to rapidly calculate the relative energies of different conformations of cyclic peptides. The potential function is applied to 9 cyclic peptides， total 33 different conformations to rapidly predict the conformational energies of these conformations. The conformational energies of these conformations are also calculated using the AMOEBA and DLPNO-MP2/aug-cc-pVTZ methods. The calculation results show that， compared with the DLPNO-MP2/aug- cc-pVTZ conformational energies， the linear correlation coefficient R² of our model is 0.9784， and the root mean square deviation is 13.43 kJ/mol， slightly better than the linear correlation coefficient 0.9682 and root mean square deviation 16.28 kJ/mol of the AMOEBA method. The results of structural optimization and frequency calculation further suggest the rationality of our model. Furthermore， compared with the AMOEBA polarizable force field， our polarizable model significantly reduces the number of electrostatic terms. The model proposed in this paper may provide a new tool for the research and development of novel cyclic peptides as drug candidate molecules.

Key words: Cyclic peptide, Conformational energy, Chemical bond dipole, Induced bond dipole, Polarizable potential energy function

中图分类号:

O641

TrendMD:

郑笑函, 祝佳怡, 李晓蕾, 郝强, 王长生. 发展可极化键偶极模型快速预测环肽分子构象稳定性. 高等学校化学学报, 2025, 46(10): 20250173.

ZHENG Xiaohan, ZHU Jiayi, LI Xiaolei, HAO Qiang, WANG Changsheng. Extending the Polarizable Bond-dipole Model to Enable the Rapid Prediction of the Conformational Stability of Cyclic Peptides. Chem. J. Chinese Universities, 2025, 46(10): 20250173.

图/表 8

参考文献 49

[1]	Zorzi A.， Deyle K.， Heinis C.， Curr. Opin. Chem. Biol.， 2017， 38， 24—29
[2]	Jing X.， Jin K.， Med. Res. Rev.， 2019， 40（2）， 1—58
[3]	Ojeda P. G.， Cardoso M. H.， Franco O. L.， Drug Discov. Today， 2019， 24（11）， 2152—2161
[4]	Saunders G. J.， Yudin A. K.， Chem. Sci.， 2022， 13（44）， 12942—12944
[5]	Zhang H.， Chen S.， RSC Chem. Biol.， 2022， 3（1）， 18—31
[6]	Jin K.， Future Med. Chem.， 2020， 12（19）， 1687—1690
[7]	Ji X.， Nielsen A. L.， Heinis C.， Angew. Chem. Int. Ed.， 2023， 63（3）， e202308251
[8]	Li T.， Jiang S.， Li T.， Xu H.， Zhang X.， Yan R.， Wu X.， Jin Y.， Wang Z.， J. Med. Chem.， 2024， 67（14）， 11789—11813
[9]	Frecer V.， Ho B.， Ding J. L.， Antimicrob. Agents Chemother.， 2004， 48（9）， 3349—3357
[10]	Santini B. L.， Zacharias M.， Front. Chem.， 2020， 8， Article573259
[11]	Xue X.， Wang X.， Ye C.， Gao M.， Li P.， Yu K.， Chen G.， Chem. Res. Chinese Universities， 2024， 40（6）， 1298—1310
[12]	Zhang J.， Lv L.， Zhu H.， Zhang Y.， Xu X.， Long L.， Fu W.， Chem. Res. Chinese Universities， 2024， 40（6）， 1201—1211
[13]	Zhang B.， Li Y.， Shi W.， Wang T.， Zhang F.， Liu L.， Chem. Res. Chinese Universities， 2020， 36（5）， 733—747
[14]	Yin J.， Wang J.， Niu R.， Ren S.， Wang D.， Chao J.， Chem. Res. Chinese Universities， 2020， 36（2）， 219—226
[15]	Ehlert S.， Grimme S.， Hansen A.， J. Phys. Chem. A， 2022， 126（22）， 3521—3535
[16]	Plett C.， Grimme S.， Hansen A.， J. Comput. Chem.， 2024， 45（7）， 419
[17]	Stylianakis I.， Zervos N.， Lii J.， Pantazis D.A.， Kolocouris A.， J. Comput. Aided Mol. Des.， 2023， 37（12）， 607—656
[18]	Prasad V. K.， AOtero⁃de⁃la⁃Roza A.， DiLabio G. A.， Sci. Data， 2019， 6， 180310
[19]	Řezáč J.， Bím D.， Gutten O.， Rulíšek L.， J. Chem. Theory Comput.， 2018， 14（3）， 1254—1266
[20]	Mladek A.， Banas P.， Jurecka P.， Otyepka M.， Zgarbova M.， Sponer J.， J. Chem. Theory Comput.， 2014， 10， 463—480
[21]	Wang P.， Shu C.， Ye H.， Biczysko M.， J. Phys. Chem. A， 2021， 125（45）， 9826—9837
[22]	Sameera W. M. C.， Pantazis D. A.， J. Chem. Theory Comput.， 2012， 8（8）， 2630—2645
[23]	Robertson M. J.， Tirado⁃Rives J.， Jorgensen W. L.， J. Chem. Theory Comput.， 2015， 11（7）， 3499—3509
[24]	Yan X. C.， Robertson M. J.， Tirado⁃Rives J.， Jorgensen W. L.， J. Phys. Chem. B， 2017， 121（27）， 6626—6636
[25]	Hornak V.， Abel R.， Okur A.， Strockbine B.， Roitberg A.， Simmerling C.， Proteins， 2006， 65（3）， 712—725
[26]	Mackerell A. D. Jr.， Feig M.， Brooks C. L. III， J. Comput. Chem.， 2004， 25（11）， 1400—1415
[27]	Dodda L. S.， Cabeza D. V. I.， Tirado⁃Rives J.， Jorgensen W. L.， Nuc. Acids Res.， 2017， 45（1）， W331—W336
[28]	Geng H.， Jiang F.， Wu Y. D.， J. Phys. Chem. Lett.， 2016， 7（10）， 1805—1810
[29]	Chen J. N.， Jiang F.， Wu Y. D.， J. Chem. Theory Comput.， 2022， 18（10）， 6386—6395
[30]	Ren P.， Ponder J. M.， J. Phys. Chem. B， 2003， 107（24）， 5933—5947
[31]	Shi Y.， Xia Z.， Zhang J.， Best R.， Wu C.， Ponder J. M.， Ren P.， J. Chem. Theory Comput.， 2013， 9（9）， 4046—4063
[32]	Zhang C.， Lu C.， Jing Z.， Wu C.， Piquemal J.， Ponder J. M.， Ren P.， J. Chem. Theory Comput.， 2018， 14（4）， 2084—2108
[33]	Lopes P. E. M.， Huang J.， Shim J.， Luo Y.， Li H.， Roux B.， MacKerell A. D. Jr.， J. Chem. Theory Comput.， 2013， 9， 5430—5449
[34]	Liu C.， Li Y.， Han B. Y.， Gong L. D.， Lu L. N.， Yang Z. Z.， Zhao D. X.， J. Chem. Theory Comput.， 2017， 13（5）， 2098—2111
[35]	Zheng T.， Wang A.， Han X.， Xia Y.， Xu X.， Zhan J.， Liu Y.， Chen Y.， Wang Z.， Wu X.， Gong S.， Yan W.， Chem. Sci.， 2025， 16， 2730—2740
[36]	Tang H.， Xiao B.， He W.， Subasic P.， Harutyunyan A.， Wang Y.， Liu F.， Xu H.， Li J.， Nat. Comput. Sci.， 2025， 5， 144—154
[37]	Wang Z.， Wu H.， Sun L.， He X.， Liu Z.， Shao B.， Wang T.， Liu T.， J. Chem. Phys.， 2023， 159， 035101
[38]	Hu J.， Xu L.， Jiang J.， Sci. Sin. Chim.， 2025， 55（6）， 1734—1750
[39]	Sun C. L.， Jiang X. N.， Wang C. S.， J. Comput. Chem.， 2009， 30， 2567—2575
[40]	Li S. S.， Huang C. Y.， Hao J. J.， Wang C. S.， J. Comput. Chem.， 2014， 35（6）， 415—426
[41]	Gao X. C.， Hao Q.， Wang C. S.， J. Chem. Theory Comput.， 2017， 13（6）， 2730—2741
[42]	Li X. L.， Sun Y. J.， Tang Y.， Wang C. S.， Chem. J. Chinese Universities， 2021， 42（12）， 3664—3671
	李晓蕾，孙云娇，唐颖，王长生. 高等学校化学学报， 2021， 42（12）， 3664—3671
[43]	Li X. L.， Li C. M.， Zhu J. Y.， Zhou Z.， Hao Q.， Wang C. S.， J. Comput. Chem.， 2023， 44（5）， 677—686
[44]	Bai M. Y.， Gao S. S.， Wang L.， Jiang X. Y.， Wang Z. M.， Hao Q.， Gong L. D.， Wang C. S.， Chem. Phys. Lett.， 2025， 876， 142230
[45]	Zhu J. Y.， Jiang X. N.， Zheng X. H.， Hao Q.， Wang C. S.， Chem. J. Chinese Universities， 2025， 46（4）， 20240518
	祝佳怡，姜笑楠，郑笑函，郝强，王长生. 高等学校化学学报， 2025， 46（4）， 20240518
[46]	Vargas R.， Garza J.， Dixon D. A.， Hay B. P.， J. Am. Chem. Soc.， 2000， 122（19）， 4750—4755
[47]	Dean J. A.， Lange’s Handbook of Chemistry， 15th Edition， McGraw⁃Hill， Inc.， New York， 1998
[48]	Szczepaniak K.， Szczesniak M. M.， Person W. B.， J. Phys. Chem. A， 2000， 104（16）， 3852—3863
[49]	Bedrov D.， Piquemal J. P.， Borodin O.， MacKerell A. D. Jr.， Roux B.， Schroder C.， Chem. Rev.， 2019， 119（13）， 7940—7995

Bond	10^-30μ₀/（C·m）	c	q₀/e
C=O	8.85	1.00	-0.3800
N—H	5.04	1.00	0.2690
NA—HNA	5.04	1.00	0.2360
CT—H1	2.34	1.00	0.1150
CT—OH	2.34	0	0
CA—OH	2.34	0	0
OH—HO	5.04	1.00	0.2164

Bond	10^-30μ₀/（C·m）	c	q₀/e
C=O	8.85	1.00	-0.3800
N—H	5.04	1.00	0.2690
NA—HNA	5.04	1.00	0.2360
CT—H1	2.34	1.00	0.1150
CT—OH	2.34	0	0
CA—OH	2.34	0	0
OH—HO	5.04	1.00	0.2164

Cyclic eptide	DLPNO⁃MP2/aug⁃cc⁃pVTZ	AMOEBAbio18		This Work
	RE/（kJ·mol^-1）	RE/（kJ·mol^-1）	Δ/（kJ·mol^-1）	RE/（kJ·mol^-1）	Δ/（kJ·mol^-1）
FlGLFG⁃1	0	0	0	0	0
FlGLFG⁃2	13.18	9.16	-4.02	0.42	-12.76
aGPFaGPF⁃1	0	0	0	0	0
aGPFaGPF⁃2	10.96	47.15	36.19	29.66	18.70
aGPFaGPF⁃3	53.81	105.60	51.80	64.94	11.13
aGPFaGPF⁃4	391.04	436.56	45.52	361.04	-30.00
FPaFPa⁃1	0	0	0	0	0
FPaFPa⁃2	39.46	39.25	-0.21	33.18	-6.28
FPaFPa⁃3	69.16	59.79	-9.37	42.51	-26.65
pPAAAA⁃1	0	0	0	0	0
pPAAAA⁃2	0.17	0.21	0.04	-0.04	-0.21
pPAAAA⁃3	0.46	-0.63	-1.09	-1.13	-1.59
lLGlLG⁃1	0	0	0	0	0
lLGlLG⁃2	33.18	39.46	6.28	34.81	1.63
pFTFWF⁃1	0	0	0	0	0
pFTFWF⁃2	26.48	24.60	-1.88	46.94	20.46
LFGFLG⁃1	0	0	0	0	0
LFGFLG⁃2	8.45	15.31	6.86	11.51	3.05
GGGGGG⁃1	0	0	0	0	0
GGGGGG⁃2	6.23	-12.01	-18.24	-1.55	-7.78
GGGGGG⁃3	126.73	149.83	23.10	126.06	-0.67
GGGGGG⁃4	134.14	142.67	8.54	142.05	7.91
GGGGGG⁃5	211.96	173.47	-38.49	178.11	-33.85
PYPV⁃1	0	0	0	0	0
PYPV⁃2	0.96	-2.93	-3.89	-1.84	-2.80
PYPV⁃3	2.30	4.18	1.88	2.38	0.08
PYPV⁃4	2.51	6.61	4.10	-0.96	-3.47
PYPV⁃5	2.72	2.18	-0.54	1.51	-1.21
PYPV⁃6	2.85	5.82	2.97	2.64	-0.21
PYPV⁃7	3.51	7.07	3.56	1.05	-2.47
PYPV⁃8	3.97	8.74	4.77	0.29	-3.68
PYPV⁃9	8.70	11.34	2.64	6.49	-2.22
PYPV⁃10	11.00	14.69	3.68	9.29	-1.72
RMSE			19.12		12.97
MAE			51.80		33.85

Cyclic eptide	DLPNO⁃MP2/aug⁃cc⁃pVTZ	AMOEBAbio18		This Work
	RE/（kJ·mol^-1）	RE/（kJ·mol^-1）	Δ/（kJ·mol^-1）	RE/（kJ·mol^-1）	Δ/（kJ·mol^-1）
FlGLFG⁃1	0	0	0	0	0
FlGLFG⁃2	13.18	9.16	-4.02	0.42	-12.76
aGPFaGPF⁃1	0	0	0	0	0
aGPFaGPF⁃2	10.96	47.15	36.19	29.66	18.70
aGPFaGPF⁃3	53.81	105.60	51.80	64.94	11.13
aGPFaGPF⁃4	391.04	436.56	45.52	361.04	-30.00
FPaFPa⁃1	0	0	0	0	0
FPaFPa⁃2	39.46	39.25	-0.21	33.18	-6.28
FPaFPa⁃3	69.16	59.79	-9.37	42.51	-26.65
pPAAAA⁃1	0	0	0	0	0
pPAAAA⁃2	0.17	0.21	0.04	-0.04	-0.21
pPAAAA⁃3	0.46	-0.63	-1.09	-1.13	-1.59
lLGlLG⁃1	0	0	0	0	0
lLGlLG⁃2	33.18	39.46	6.28	34.81	1.63
pFTFWF⁃1	0	0	0	0	0
pFTFWF⁃2	26.48	24.60	-1.88	46.94	20.46
LFGFLG⁃1	0	0	0	0	0
LFGFLG⁃2	8.45	15.31	6.86	11.51	3.05
GGGGGG⁃1	0	0	0	0	0
GGGGGG⁃2	6.23	-12.01	-18.24	-1.55	-7.78
GGGGGG⁃3	126.73	149.83	23.10	126.06	-0.67
GGGGGG⁃4	134.14	142.67	8.54	142.05	7.91
GGGGGG⁃5	211.96	173.47	-38.49	178.11	-33.85
PYPV⁃1	0	0	0	0	0
PYPV⁃2	0.96	-2.93	-3.89	-1.84	-2.80
PYPV⁃3	2.30	4.18	1.88	2.38	0.08
PYPV⁃4	2.51	6.61	4.10	-0.96	-3.47
PYPV⁃5	2.72	2.18	-0.54	1.51	-1.21
PYPV⁃6	2.85	5.82	2.97	2.64	-0.21
PYPV⁃7	3.51	7.07	3.56	1.05	-2.47
PYPV⁃8	3.97	8.74	4.77	0.29	-3.68
PYPV⁃9	8.70	11.34	2.64	6.49	-2.22
PYPV⁃10	11.00	14.69	3.68	9.29	-1.72
RMSE			19.12		12.97
MAE			51.80		33.85