nCoVDock2：预测新型冠状病毒靶点及其潜在配体之间结合模式的对接服务器

摘要

具有多位点突变的SARS-CoV-2变异体的迅速出现被认为是药物和疫苗开发的主要障碍。虽然SARS-CoV-2所必需的大多数功能蛋白已经确定，但对新冠肺炎靶向-靶向相互作用的理解仍然是一个关键挑战。该COVID-19对接服务器的旧版本于2020年建成，免费向所有用户开放。在这里，我们介绍了nCoVDock2，一种新的对接服务器，用于预测SARS-CoV-2目标的绑定模式。首先，新服务器支持更多目标。我们用新解析的结构替换了模型结构，并添加了更多新冠肺炎的潜在靶点，尤其是变异株。其次，对于小分子对接，Autodock Vina升级至最新版本1.2.0，并为肽或抗体对接添加了新的评分功能。第三，更新了输入界面和分子可视化，以获得更好的用户体验。web服务器以及广泛的帮助和教程可从以下网站免费获得：https://ncovdock2.schanglab.org.cn.

图形摘要

新标签中打开下载幻灯片

简介

自2020年3月11日世界卫生组织（WHO）宣布2019冠状病毒病（COVID-19）为大流行病以来，已经过去了三年多。截至2023年2月26日，全球已确诊病例总数超过7.58亿，报告死亡人数680万。新型冠状病毒肺炎由一种新发现的β型冠状病毒引起，与SARS-CoV（严重急性呼吸综合征冠状病毒）具有高度的遗传同源性(1,2).该病原体被国际病毒分类委员会（ICTV）和世卫组织正式命名为SARS-CoV-2。它通常会导致急性呼吸道疾病和症状，如咳嗽、发烧、头痛、恶心、呕吐和腹泻(三). 大多数人的症状轻微且可以忍受，而老年人或有健康问题的人可能会面临更严重的情况，包括多器官功能障碍和急性呼吸窘迫综合征（ARDS）。目前，Paxlovid、Xocova和Molnupiravir等药物以及包括基于mRNA的疫苗和灭活疫苗在内的疫苗已被批准用于新型冠状病毒肺炎，并为患者提供了重要的临床益处(4–8).

然而，作为一种单链RNA病毒，SARS-CoV-2呈现出一种强大的趋势，即在整个基因组中进化出许多具有多重突变的变体，有可能逃脱疫苗或对药物产生耐药性(9–11). 世卫组织宣布了五种关注变量（VOCs），包括Alpha（B.1.1.7）、Beta（B.1.351）、Gamma（P.1）、Delta（B.1.617.2）和Omicron（B.1.1529），以及八种关注变量，如Epsilon（B.1.427和B.1.429）、Eta（B.1.525）、Kappa（B.1.6171）、Mu（B.1.621）、Lambda（C.37）、Theta（P.3）、Zeta（P.2）和Lota（B.1.26）(https://viralzone.expasy.org/9556). 大多数突变位于Spike蛋白上，尤其是受体结合域（RBD）。对于显性变异Omicron，S蛋白RBD区域发生约30个突变，直接促进病毒进入和免疫逃逸，最终增加感染(12,13). 此外，还发现了Nsp1、Nsp3、Nsp4、Nsp5（3CL蛋白酶）、Nsp6、Nsp12、Nsp13、Nsp14和Nsp15的突变。了解病毒蛋白质三维结构突变的影响以及分子识别和相互作用，对于研究病毒生命周期的分子机制具有重要意义，也可能为药物和疫苗设计提供线索。

在以前的研究中，已经开发了一些服务器来预测新冠肺炎目标。Virus-CKB的web服务器应用药理学目标映射快速预测FDA批准的新冠肺炎药物(14). DINC-COVID是一个网络服务器，可以针对多个受体构象同时对接配体(15). MolAICal的web服务器提供了一个深度学习模型，用于在SARS-CoV-2主蛋白酶的3D口袋中生成新化合物(16). DockThor VS是一个虚拟筛选平台，用于重新利用已知药物对抗六种选定的严重急性呼吸系统综合征冠状病毒2型蛋白质(17). D3Targets-2019-nCoV的web服务器为目标预测和虚拟筛选提供了基于结构（D3Docking）和基于配体（D3Similarity）的方法(18,19). 与这些服务器不同，nCoVDock2服务器预测新冠肺炎靶标与各种类型配体（不仅包括小分子，还包括肽和抗体）之间的结合模式。在最近的CASP15挑战中，我们小组（CoDock）在配体预测类别中排名第一。在CASP14-CAPRI蛋白组装预测挑战中，我们组（Chang）在评分实验中排名第一，在预测实验中排名第三(20). 这些结果证实了我们对接协议的稳健性能。在这个新服务器中，我们更新了SARS-CoV-2的目标结构并改进了对接方法，目的是提供一个工具来更好地了解COVID-19的目标-配体相互作用。

材料和方法

SARS-CoV-2的目标

截至2023年3月12日，蛋白质数据库中共有2964个SARS-CoV-2蛋白质的实验解析结构。病毒基因组编码的大多数蛋白质具有确定的三维结构，为药物或疫苗的功能研究和开发提供了基础信息。在新版本的冠状病毒对接服务器中，目标列表中添加了新结构，包括ORF7a、ORF9b、核衣壳蛋白（全长）以及S蛋白的多个变体。提供不同变体的S蛋白全长和受体结合区（RBD），如Alpha（B.1.1.7）、Beta（B.1.351）、Gamma（P.1）、Delta（B.1.617.2）、Omicron（B.1.1529）、Kappa（B.1.6171）和Epsilon（B.1.427和B.1.429），以供研究。最近发现S蛋白的N末端结构域（NTD）参与抗体逃避，NTD的结构也被作为新的靶点提供(21). 模型结构被新的实验结构取代，例如nsp1、nsp2、nsp13、nsp14、ORF3A和ORF8。nsp3、类木瓜蛋白酶（PLpro）和nsp16/10的结构分别更新为5RSF、7RZC和6W4H，分辨率值更低，质量更高(22,23). 主蛋白酶（Mpro）的结构更新为7SI9，室温X射线结构与批准的药物PF-07321332复合(24). 目标和结构的详细信息可在目标注释网页上获得（参见补充文本和补充表S1详细信息）。

对接方法

Autodock葡萄酒(25)用作小分子对接的对接引擎。在新服务器中，Autodock Vina升级到最新版本1.2.0(26). 对接盒被定义为天然配体坐标的中心，尺寸为30º×30ºx 30º，包括整个空腔的残基。用户可以为对接精度设置排气值选项。Autodock Vina的对接精度已在早期工作中得到验证(27). 除了Autodock Vina评分外，我们还提供了机器学习评分函数RF-score作为评估小分子结合亲和力的补充(28). 通过测试DUD-E数据集中的所有102个目标(26)，最新版本的Vina 1.2.0程序的平均EF 1%为9.7，优于Vina 1.1.2的7.6。此外，根据对DUD-E数据集和DEKOIS基准的评估，RF-Score大大提高了Vina的虚拟筛选性能(29).

作为肽或抗体的对接引擎，CoDockPP程序为全球对接和定点对接提供了基于多级快速傅里叶变换（FFT）的策略(30). 在我们之前的研究中，我们在蛋白质-蛋白质对接基准5.0上测试了CoDockPP。与小分子对接类似，在新服务器中为肽和抗体对接增加了机器学习评分功能。评分函数基于深度神经网络，将每个蛋白质的原子密度转换为SE(三)-等变表示(31). 这个新的评分模型是根据851个非冗余蛋白质-蛋白质复合物产生的一组诱饵构象训练的，在蛋白质-蛋白质对接基准4.0的数据上，它的表现优于目前的技术水平。

Web实现

前端接口使用HTML5、CSS和JavaScript中的最新技术。封装的jQuery库用于实现事件处理和AJAX技术。交互式NGL查看器用于最终对接结果的可视化和分析。它支持多种文件格式，包括pdb、sdf和mol2，以及许多分子表示，如卡通、曲面和甘草。

后端API是使用Thinkphp框架在php中实现的。MySQL数据库用于存储用户的作业数据。服务器构建在Linux centos系统上，并使用Docker容器技术进行隔离。当停靠作业在前端提交时，将为其创建唯一的作业ID。然后，服务器将根据当前资源情况对其进行处理。作业完成后，可以根据前端界面中的作业ID查看对接结果。

服务器描述

小分子对接的输入

如图所示1安培，用户需要从下拉框中选择一个新冠肺炎目标及其野生型或变种。小分子对接有两个计算模块。如果选择“Docking”，则只需上传一个小分子，结果页面将显示前10种绑定模式。如果选择“Batch Docking”（批量对接），则应上传10-20个分子，并在结果页面上显示评分函数排名前10个分子。小分子可以以smi、mol2或sdf格式上传。穷尽度是对接搜索的一个参数。增加该值将线性增加时间，并增加以指数方式找到最小值的概率。将向用户的电子邮件地址发送一封电子邮件，其中包含访问对接结果的定向链接。

肽和抗体对接的输入

与小分子对接类似，用户需要首先选择COVID-19蛋白靶点（见图2安培). 然后，肽或抗体蛋白以pdb格式上传。PDB检查器，如Molprobity(32)，用于检查文件并修复pdb文件中的任何潜在错误。蛋白质对接服务器可以进行全局对接和位点特异性对接，以预测靶蛋白和配体蛋白之间的结合模式。在文本框中，用户可以在目标界面和配体界面上输入一个约束残基。如果只定义了配体或靶标上的一个残基，则保留了配合物界面上特定残基的构象。当用户同时在受体上定义一个残基，在配体上定义另一个残基时，他需要选择约束类型：模糊约束或多重约束。当选择模糊约束时，构象被保留，界面上至少有一个选定的残基。当选择多个约束时，构象与界面上的两个残基保持一致。

使用示例

为了说明nCoVDock2 Web服务器的用法和功能，我们提供了一些案例研究，展示了如何使用Web服务器为四种对接类型生成准确的对接模型。为了说明预测的准确性，计算了这四个病例的RMSD值。一般来说，提交的配体结构不是晶体结构，因此缺乏计算RMSD值的参考实验结构。因此，RMSD值不会显示在Web服务器的结果页面上。

以主蛋白酶（Mpro）及其批准的药物PF-07321332为例进行小分子对接。选择主蛋白酶作为蛋白质靶标。在“对接”模式下，选择PDB 7SI9中批准的药物PF-07321332作为输入配体。对于顶级结合模式，顶级1的预测结合能为-8.8 kcal/mol，RF评分为7.0 pKd，L_RMSD为1.3º。如图所示1B年预测的小分子结合模式与抑制剂的晶体结构非常接近。以主蛋白酶及其12种抑制剂为例进行小分子批量对接。如图所示1摄氏度，前10个小分子停靠在正确的装订袋中。

以尖峰蛋白S2段的融合后状态为例进行肽对接。从6螺旋S2（PDB ID:7BZ5）的融合后状态中提取的5螺旋结构被选为蛋白质靶点。在默认的全局对接模式下，选择单螺旋作为配体肽。对于顶级结合模式，顶级1结合模式的评分值为ṇ611.2 kcal/mol，CNN评分为-9.2，L_RMSD为0.9Å。以尖峰蛋白和抗体为例进行抗体对接。选择棘突蛋白的RBD结构域（PDB ID:6M0J）作为靶点。PDB7BZ5中的抗体结构被选为配体，因此可以将其视为未结合的全局对接。对于顶级结合模式，顶级1结合模式的得分值为-440.9 kcal/mol，CNN得分为1.8，L_RMSD为1.1º。如图所示2B型和C类，肽和抗体的最佳预测构象都与天然结构非常相似。

社区使用统计摘要

我们还分析了COVID-19服务器上的作业，并为预测制作了统计数据（见图三). 之前的服务器已完成30000多个预测。如图所示第3页预计2020年至2021年，就业岗位将快速增长。2022年之后，预测工作增长缓慢，但对肽和抗体的预测正在增加。如图所示3B公司批对接和肽对接是最常用的模块。对于这四种工作类型，预测最多的目标也不同。对于小分子对接和批量对接，预测最多的靶点是主蛋白酶、RdRp和类木瓜蛋白酶（见图3C公司和D类). 对于肽和抗体对接，最对接的靶点更改为Spike蛋白、膜蛋白和ACE2（见图第三方和F类). 这些数据与当前药物设计的方向一致。

结论

构建了一个新的对接服务器nCoVDock2，用于预测SARS-CoV-2治疗靶点及其潜在配体的野生型和突变体之间的结合模式。该服务器为预测结果提供了用户友好的界面和绑定模式可视化，这使其成为新冠肺炎药物发现的有用工具。

数据可用性

nCoVDock2 web服务器及其在线文档可在以下网址公开获取：https://ncovdock2.schanglab.org.cn.

补充数据

补充数据可从NAR Online获取。

致谢

作者感谢密苏里大学邹晓琴教授对对接协议的讨论。作者还想感谢Primary Biotech(www.pumeirui.com网站)帮助他们设计网站。

基金

国家自然科学基金【12074151】；常州科学。和技术计划[CE202005033]；江苏工业大学。开放存取费资助：江苏工业大学。

利益冲突声明。未声明。

参考文献