Extending the Polarizable Bond-dipole Model to Enable the Rapid Prediction of the Conformational Stability of Cyclic Peptides

doi:10.7503/cjcu20250173

Abstract

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

CLC Number:

O641

TrendMD:

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[J]. Chem. J. Chinese Universities, 2025, 46(10): 20250173.

Figures/Tables 8

References 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