1. 引言
长QT综合征是一种心脏疾病，其特征为心电图上QT间期延长，增加心脏骤停和猝死的风险[1]。KCNQ1钾离子通道蛋白在维持正常心律中发挥着重要作用[2]，其功能受损是长QT综合征的主要原因之一[3]。传统的药物设计方法成本高、效率低[4]，而Foldit平台提供了一种新的研究途径，通过游戏化的方式让公众参与到蛋白质结构的研究中[5]。本研究旨在利用Foldit平台探索KCNQ1激活剂的结构，以期发现新的治疗方法。
长QT综合征的发病机制涉及多种遗传和环境因素，其中KCNQ1基因的突变是导致该综合征的主要遗传因素之一。KCNQ1通道的功能障碍会导致心肌细胞复极化延迟，从而引起QT间期延长。因此，开发KCNQ1激活剂以增强其功能，对于治疗长QT综合征具有重要意义[6]。
传统的药物设计方法依赖于高通量筛选和结构生物学方法，这些方法虽然有效，但在时间和资源消耗上存在限制。Foldit平台的出现为药物设计提供了一种创新的方法，通过玩家的集体智慧来探索蛋白质结构的可能性[7]。
2. 材料与方法
2.1. Foldit平台介绍
Foldit是一个蛋白质结构预测的程序，由David Baker团队开发，旨在通过众包的方式解决复杂的生物学问题[6]。玩家通过调整蛋白质的三维结构来优化其功能，游戏分数可以作为结构优劣的参考[7]。
2.2. 实验设计
Foldit平台允许用户通过旋转、移动和替换氨基酸残基来改变蛋白质的三维结构[8]。用户的操作会影响蛋白质的能量得分，得分越低表示结构越稳定[9]。Foldit平台的这种设计使得非专业人士也能参与到蛋白质结构预测的科学研究中[10]。本研究的目标是预测KCNQ1激活剂的结构，并在Foldit程序中获得高分数。采用了模拟–分析–模拟循环的研究流程，通过调整分子的空间构型来优化其功能。
2.3. 实验步骤
2.3.1. Foldit平台操作流程
1) 初始结构加载：在Foldit中导入KCNQ1通道蛋白(PDB ID: 6VSB)的晶体结构，清除原有配体，保留结合口袋的空腔。
2) 参数设置：启用“自由折叠”模式，允许主链和侧链的柔性调整；设置能量函数权重(疏水性权重0.8，氢键权重1.2，范德华力权重1.0)。
3) 取代基优化：通过“残基替换”工具尝试不同取代基(如羟基、硫醇基、苯环)，每次替换后运行局部能量最小化(梯度下降法，迭代100次)。
4) 动态调整：使用“摇动”(Wiggle)和“重建”(Rebuild)功能优化主链构象，结合“拉氏图”监测键角与二面角是否处于合理区间。
2.3.2. 模拟–分析–模拟循环
步骤1 (模拟)：在Foldit中生成10种候选分子构型，保存为PDB格式。
步骤2 (分析)：使用AutoDock Vina计算结合能(ΔG)，参数设置为：网格中心坐标(x = 12.5, y = 8.3, z = 24.7)，网格尺寸20 Å × 20 Å × 20 Å，exhaustiveness = 8。
步骤3 (模拟)：基于结合能筛选前3种构型，在GROMACS 2022中进行分子动力学模拟(力场：CHARMM36，水模型：TIP3P，温度310 K，时间100 ns)，分析RMSD和RMSF以评估稳定性。
3. 结果
3.1. 初始状态与取代偏好
Figure 1. Schematic diagram of KNCQ1 drug interaction with protein
图1. KNCQ1药物与蛋白质相互作用示意图
蛋白质内部疏水，外部亲水。通过编辑原子，增强了蛋白质亲水一端的药物极性，同时使疏水一端的碳氢链伸长，从而提高了嵌合度[11]。通过Foldit的“表面性质”工具计算结合口袋的疏水性(图1)，结果显示优化后分子疏水端接触面积增加18% (由45 Å2提升至53 Å2)，亲水端氢键数量从3个增至5个。
3.2. 空间结构调整
通过重复实验，研究发现碳碳原子间成键的搭配对空间结构调整至关重要。通过不断调整空间结构，直至突破极限[12]。AutoDock Vina计算显示[13]，硫醇基取代的分子(Compound 2)结合能为−9.2 kcal/mol，显著优于初始结构(−6.8 kcal/mol) (表1)。分子动力学模拟中[14]，Compound 2的RMSD稳定在1.5 Å内，表明其构象高度稳定(图2)。
3.3. 取代基对活性的影响
Figure 2. Initial structure of KNCQ1 drug (top, 13,818) and optimized fraction (bottom, 19,626)
图2. KNCQ1药物初始结构(上，13,818)和优化后分数(下，19,626)
硫醇基的高反应性虽增强了结合能[15]，但其氧化风险导致半衰期缩短(t1/2 = 4.2 h)，而苯环因空间位阻降低了结合效率(表1)。羟基取代物在平衡活性和稳定性方面表现最佳。实验分数从初始的13,818提高至19,626，显示出分子结构的优化效果[16]。并在Foldit挑战赛中，在80多只队伍中取得第5名的好成绩。
Table 1. Binding energy and stability of different substituents
表1. 不同取代基的结合能与稳定性
化合物 |
取代基 |
ΔΔG (kcal/mol) |
RMSD (Å) |
C1 |
羟基 |
−7.5 |
2.1 |
C2 |
硫醇基 |
−9.2 |
1.5 |
C3 |
苯环 |
−6.3 |
2.8 |
4. 讨论
4.1. 分子结构的优化
研究显示，长的碳链确保了蛋白质内部的疏水性，而外侧的极性及氢键形成对提高评分至关重要。然而，苯环的体积太大可能导致碳链无法进一步延伸，影响与靶标的结合。KCNQ1结合口袋的疏水核心(如Val310，Leu342)与分子长碳链形成互补，而亲水端(如Glu345)通过氢键增强结合特异性。Foldit的“能量得分”与结合能呈强负相关(R2 = 0.87)，验证了设计策略的有效性。
4.2. 不同取代基的影响
硫醇基团的引入可能增强了分子的效果，但其反应性较高，不利于分子的稳定。此外，官能团的多样性可能增加了与蛋白质位点的相互作用，但也可能带来合成难度和潜在毒性[17]。硫醇基的强极性虽提升结合能，但其易氧化特性可能引发脱靶效应。未来可尝试引入保护基团(如乙酰化)以提高稳定性。苯环的体积问题可通过引入柔性连接链(如-CH2-CH2-O-)缓解空间冲突。
5. 结论
本研究通过Foldit平台对KCNQ1激活剂的结构进行了预测和优化，为长QT综合征的治疗提供了新的方向[18] [19]。研究不仅展示了Foldit在药物设计中的潜力，也证明了公众参与科学研究的有效性。未来的工作将集中在进一步改进分子稳定性、检验药物毒性，并利用深度学习技术估算设计的中间产物的转化方向。实验结果表明，硫醇基的引入显著增强了分子的结合能，但其高反应性可能导致药物不稳定。相比之下，羟基取代物在平衡活性和稳定性方面表现最佳。未来将集中在进一步改进分子稳定性、检验药物毒性，并利用深度学习技术估算设计的中间产物的转化方向。
NOTES
*通讯作者。