清华大学邢新会教授:利用多组学和分子对接相结合挖掘和验证新型大麻籽衍生的DPP-IV抑制肽

学术   2024-11-16 07:49   湖北  
点击上方蓝字关注我们!

本文系Food Science and Human Wellness原创编译,欢迎分享,转载请授权。


Introduction
根据国际糖尿病联合会(IDF)记录的数据,约有5.37亿20~79岁的成年人患有糖尿病。此外,预计到2030年,这一数字将增加到6.43亿人。糖尿病已成为一个严重的公共卫生问题,并造成了相当大的经济负担。此外,被诊断为糖尿病的人患肾脏、心血管和神经系统疾病的患病率更高。将血糖控制在或接近正常水平是减缓或预防糖尿病相关并发症发展的有效方法。因此,人们越来越关注探索有效的方法来逆转或延缓糖尿病的发病率。目前,越来越多的研究集中在鉴定食品衍生的生物活性肽作为新型二肽基肽酶IV(DPP-IV)抑制剂来调节糖尿病。

激素调节对维持葡萄糖稳态至关重要。胰高血糖素样肽-1(GLP-1)是一种从肠道L细胞释放的肠促胰岛素激素,在葡萄糖稳态中起着关键作用,例如通过刺激胰岛素分泌、改善β细胞质量、抑制胰高血糖蛋白分泌、减少胃排空、减少肠蠕动和食物摄入。然而,GLP-1会被肠道L细胞分泌的DPP-IV酶快速降解,半衰期为1~2 min。DPP-IV是一种具有766个氨基酸的代谢酶,可以通过优先切割2位的氨基酸残基Pro/Ala和Gly/Ser/Thr来导致GLP-1失活。因此,DPP-IV抑制剂被认为是维持葡萄糖稳态的有效药物,因为它们通过抑制DPP-IV和延长活化GLP-1的半衰期来预防GLP-1失活。

食品衍生肽具有各种有益的生物活性,通常代谢良好,易于吸收,与合成药物相比具有良好的副作用。有许多报道称,食物蛋白衍生肽含有能够抑制DPP-IV的生物活性序列,因为它们的氨基酸组成和序列各不相同。肽通过在DPP-IV的活性位点或催化位点外结合来发挥DPP-IV抑制活性;不同肽的抑制活性差异很大,通常表现出不同的抑制模式,包括竞争性、非竞争性、不竞争性和混合型模式。迄今为止,BIOPEP-UWM文库中记录了大约400种DPP-IV抑制肽。从豆类、牛奶和海鲜以及其他动物和植物来源的蛋白质来源中获得的酶水解物表现出有效的DPP-IV抑制活性。多组学技术结合机器学习和基于分子对接的方法是挖掘DPP-IV抑制肽的有效的策略。这些计算机模拟方法采用转录组学来获取蛋白质序列数据库,用于蛋白质组学分析,并结合机器学习,模拟酶消化以在短时间内获得不同的肽序列。分子对接和人工智能技术已被用于根据肽的结构和功能进行虚拟筛选,与等效的分子技术相比,大大缩短了处理时间,从而为天然生物活性肽的快速开发和生产提供了新的策略。

大麻(Cannabis sativa L.)属于大麻科,起源于中亚,以其12000多年的药用价值和纺织应用而闻名。在中国大麻被广泛种植,长期以来基于医学和食品同源性的概念被批准用于药用。大麻籽富含蛋白质(20%~25%),其中含有各种必需氨基酸且比例理想。大麻籽蛋白水解物具有多种生物活性,包括抗氧化和抗高血压活性、肾脏疾病调节、降低高胆固醇血症、乙酰胆碱酯酶抑制、神经保护活性和葡萄糖代谢紊乱调节生物活性。很少有研究分析大麻种子的基因组学、蛋白质组学、肽组学和DPP-IV抑制活性。在本研究中,结合转录组学、蛋白质组学和分子对接技术,探索大麻籽蛋白质组成和潜在的DPP-IV抑制肽序列,并通过实验验证了挖掘肽的DPP-IV抑制活性。

Results
hDPP-IV蛋白界面上选定肽的潜在结合位点
使用PyMol分析了hDPP-IV抑制剂复合物的稳定结构,以显示hDPP-IV和抑制肽之间的相互作用(图1)。hDPP-IV抑制肽LPQNIPPL在LYS122、ARG125、GLU205、GLU206、SER630、ASP709、HIS740和GLY741处与hDPP-IV残基建立氢键;与TYR547、TYR666、HIS740和ALA743残基的疏水相互作用;以及ARG669处残留物的盐桥。YPYY与ARG125、GLU206、ASP545、LYS554、ARG560、TRP629、SER630和HIS740建立了氢键;与TRP627和TRP629残基的疏水相互作用;在LYS554处与残留物形成盐桥。YPW与GLU206、SER209、ARG358和Tyr547建立了氢键;在VAL711处与残基发生疏水相互作用;与TYR666处的残基进行π堆叠。LPYPY与ARG125、GLU205、GLU206、SER630和HIS740建立了氢键;与PHE357、TYR547和TYR666残基的疏水相互作用;在PHE357处与残基π堆积。WWW与ARG125、GLU205、GLU207、SER209、ARG358、TYR662和ASN710建立了氢键;与PHE357、TYR547、TYR631、VAL656、TYR666和VAL711残基的疏水相互作用;π-与TYR666处的残基堆积;以及在ARG125处与残留物形成的盐桥。hDPP-IV和16种肽之间相互作用的详细信息如图1所示。

1  hDPP-IV与选定肽之间的预测结合模型

hDPP-IV抑制试验及所选肽的抑制动力学
为了验证16种选定肽对hDPP-IV的抑制作用,合成并测定了每种肽的IC50值。测定结果显示,八种肽的IC50值均低于0.50 mmol/L的阈值,即LPQNIPPL、YPYY、YPW、LPYPY、WWW、YPY、YPF和WS,其值分别为(0.08±0.01)、(0.18±0.03)、(0.18士0.01)、(0.20±0.03)、(0.22±0.03)、(0.29±0.02)、(0.42±0.03)和(0.44±0.09)mmol/L(表1)。肽WYR和FPGPIPN的IC50值低于1.00 mmol/L(分别为(0.51±0.0)2和(0.67±0.02)mmol/L),因此被纳入进一步分析(表1)。双倒数Lineweaver–Burk图显示,肽LPQNIPPL、FWR、HNW、YPYY、YPF、WS、WYR、FPGPIPN、YPW、LPLPY、WWW、YPY、WWK和WFR显示出竞争性hDPP-IV抑制,而肽HRW和YWK显示出非竞争性抑制动力学(图2)。

肽抑制DPP-IVLineweaver–Burk

选定肽的半数最大抑制浓度(IC50


hDPP-IV与特定肽相互作用的表面等离子体共振分析
进行表面等离子体共振(SPR)分析以探索16种肽与hDPP-IV的结合能力。结果表明,LPQNIPPL、YPYY、YPW、LPYPY、WWW、YPY、YPF、WYR、FPGPIPN、WFR和FWR的反应相对较高,而WS、WWK、HRW、YWK和HNW的反应相对较低。通过传感器表面的连续流动注射不同浓度的高结合能力肽,包括LPQNIPPL、YPYY、YPW、LPYPY、WWW、YPY、YPF、FPGPIPN、FWR和WFR,结果表明,所有10种肽的相对反应(RU)强度与肽浓度呈剂量反应变化(图3)。所有10个测试的hDPP-IV-肽复合物都表现出快速的结合和解离动力学(图3)。根据RU的稳态值,使用BIA评估软件从平衡数据计算10种肽的解离常数(KD)(表2)。KD表示结合的药物/靶复合物解离为游离药物和靶的倾向。表2中列出的结果显示,10种肽的KD值范围为1.50×10–4至1.82×10–7 mol/L,大多数肽的KD值域为10–5至10–6 mol/L(8/10)(表2)。肽FWR的KD值最高(1.50×10-4 mol/L),FPGPIPN的KD值最低(1.82×10-7 mol/L)(表2)。

图3  点击固定DPP-IV对不同浓度肽的SPR传感图

表2  肽与hDPP-IV的结合能力


选定肽潜在低血糖活性的体外评估
分化的Caco-2细胞用于评估所选肽的DPP-IV抑制能力。首先,用不同水平的每种肽处理Caco-2细胞24 h,并使用CCK-8试剂盒评估细胞活性。结果显示,所有测试的肽在5000 μg/mL以下均无毒性(图4a)。使用蛋白酶测定法测量这些肽对DPP-IV的抑制作用;结果显示,所有肽在2000 μg/mL时均显著抑制DPP-IV活性,尤其是LPQNIPPL、YPYY、YPW、LPYPY、WWW、YPY、YPF和FPGPIPN(图4c)。此外,通过ELISA测量了DPP-IV和GLP-1的浓度,结果显示,肽处理组中DPP-IV的浓度明显低于对照组(不含肽或西格列汀)(图4d),而GLP-1的量显著增加(图4e),表明其具有潜在的降血糖活性。

4  浓度对Caco-2(a)和INS-1细胞(b)存活率的影响;肽介导的DPP-IV抑制(c);以及DPP-IV(d)、GLP-1(e)、胰岛素水平(f)和抑制活性与肽描述符之间的Pearson校正(g)

所选肽与DPP-IV抑制活性的构效关系
使用Pearson相关分析分析所选肽与DPP-IV抑制活性之间的结构-活性关系。DPP-IV抑制率与所有描述符之间的关系详见表S6;与DPP-IV抑制呈强相关的描述符(|相关系数|≥0.6)如图4g所示。23个描述符与DPP-IV抑制活性密切相关(图4e)。其中,a_don(氢键供体原子数)、b-maxllen(最大单键链长度)、GCUT_SMR_2(摩尔折射率GCUT[2/3])、GCUT_SMR_2,等电点与DPP-IV抑制活性呈负相关,而a_nO(氧原子数)、BCUT_PEOE_3(PEOE电荷BCUT[3/3])、BCUTO_SMR_3(摩尔折射率BCUT[3/3)、GCUT_PEOE_ 0(PEOE充电GCUT[0/3]),H_emd_C(EHT碳供体强度之和)、H_log D(辛醇/水分配系数[pH=7])、H_pKb(碱度[pH=8])、PEOE_VSA+4(总正4vdW表面积)、PEOE-VSA_FPOS(分数极性正vdW表面积)、PEOE_VSA_PPOS(总极性正vdW表面积”)、SMR_VSA3(Bin 3 SMR[0.350,0.390]),水肿总平均值(GRAVY)与DPP-IV抑制活性呈正相关。

Discussion
许多研究报告称,动物和植物来源中存在潜在的治疗性DPP-IV化合物。筛选天然生物活性代谢物的传统自上而下的过程涉及蛋白质提取、蛋白质水解、生物活性测定和LC-MS鉴定。这种方法有许多不足之处,例如需要蛋白酶筛选,这需要进行多次试验,从生物活性肽到治疗性化合物的进展涉及复杂而耗时的分离、纯化、功能分析和筛选过程。本研究中使用的组合技术,包括转录组学、蛋白质组学、机器学习和分子对接,以及通过挖掘生物活性肽进行的实验验证,允许使用开放存取数据库从天然蛋白质源中快速分离新序列。在本研究中,这种多组学方法用于鉴定大麻籽衍生的蛋白质序列,以形成一个用于生物活性肽挖掘的数据库。使用机器学习对这些序列进行分析,以模拟不同蛋白酶对蛋白质的切割,从而获得大量可能具有有益DPP-IV调节行为的肽。然后,使用分子对接从上述获得的计算机肽库中虚拟筛选出具有良好结合亲和力的DPP-IV抑制肽。接下来,选择了潜在的DPP-IV抑制肽,并化学合成了这些靶肽,通过多种方法检测DPP-IV的抑制活性。此外,所选16种肽的IC50值范围为0.08~246.47 mmol/L,其中12/16的肽表现出低于1 mmol/L的IC50值,这表明已经建立了一种从大麻籽蛋白中分离DPP-IV抑制肽的高效方法。

糖尿病的特征是葡萄糖稳态紊乱。目前,已经应用了几种降血糖药物来治疗高血糖症状。其中维格列汀、阿格列汀、沙格列汀、利格列汀和西他列汀是最近开发的针对DPP-IV的口服降糖化合物,由于糖尿病的发病率及其有效性和安全性,所有这些化合物都已经上市并拥有广泛的消费群。因此,DPP-IV抑制已被发现可以改善糖尿病患者的高血糖症状。与DPP-IV活性位点结合的抑制剂被认为是竞争性的,并且已经鉴定出DPP-IV中可以被抑制剂竞争性结合的几个亚位点。这些亚位点由两个疏水口袋S1和S2组成,主要由氨基酸残基ARG125、GLU205、GLU206、SER209、PHE357、TYR547、GLY549、PRO550、CYS551、SER552、SER630、TYR631、VAL656、TRP659、TYR662、TRY666、ARG669、ASN710、VAL711和HIS740组成。其中,GLU205和GLU206在底物肽的识别中起着至关重要的作用,SER630在N末端的倒数第二位切割。因此,与GLU205、GLU206和SER630结合的抑制剂可以有效抑制DPP-IV。在本研究中,发现所有通过后筛选分离的大麻籽衍生肽都可以与DPP-IV的活性位点结合;在某些情况下,其中16种与GLU205、GLU206和SER630或全部相互作用。所有选定肽对DPP-IV抑制的IC50较低的一个潜在原因可能是形成了五个以上的氢键相互作用,例如肽LPQNIPPL与DPP-IV形成了七个氢键相互作用(包括残基GLU205、GLU206和SER630),肽YPYY与DPP-IV形成了八个氢键相互作用(包括残基GLU206、SER630)。此外,SPR分析的结果表明,肽LPQNIPPL、YPYY、YPW、LPYPY、WWW、YPY、YPF、FPGPIPN、FWR和WFR与DPP-IV的结合和解离速度很快,这意味着这些肽可以快速发挥降血糖作用,副作用较少。

分子的结构特征在其生物活性中起着关键作用。在本研究生成了206个描述符来表征所选肽的结构,并分析了描述符与DPP-IV抑制活性之间的关系。a_don、b-maxllen(最大单键链长度)、摩尔折射率、平均总电荷和等电点等描述符与DPP-IV抑制活性呈负相关,而h_logD、h_pKb和GRAVY等描述符与民进P-IV抑制活性呈正相关,表明较高的分子极性可能导致较低的DPP-IV抑制活性。较低的DPP-IV抑制活性也可能归因于S1和S2口袋的疏水性。一般认为,肽中疏水性氨基酸的比例越高,可能具有越高的DPP-IV抑制活性。在本研究中,还发现LPQNIPPL、YPW、LPYPY、WWW等中存在较高比例的疏水性氨基酸。疏水性氨基酸的存在可能会增强与DPP-IV活性位点的相互作用。

总之,结合转录组学、蛋白质组学和分子对接技术,从大麻籽中提取DPP-IV抑制肽。根据通过虚拟筛选获得的潜在结合亲和力排名,筛选出16种潜在的DPP-IV抑制肽。体外试验表明,在16种肽中,有8种的IC50值低于0.5 mmol/L。LPQNIPPL、YPYY和YPW对DPP-IV抑制的IC50值分别为0.08、0.18和0.18 mmol/L。使用INS-1细胞的进一步验证实验表明,所有16种肽都有效地抑制了细胞DPP-IV,增加了GLP-1水平,并促进了胰岛素分泌。构效关系分析表明,GRAVY较高的肽可能具有较高的DPP-IV抑制活性;然而,需要进行包括大量数据在内的更精确的分析来验证这一假设。本研究为从大麻籽中挖掘DPP-IV抑制肽提供了一种有用的综合方法,有望扩展到从其他天然蛋白质生物来源中挖掘生物活性肽,而无需蛋白质组和基因组信息,以开发能够预防糖尿病和其他慢性病的功能性食品。



Mining and validation of novel hemp seed-derived DPP-IV-inhibiting peptides using a combination of multi-omics and molecular docking

Hai-Hong Chena,b, Wei Lia, Yi Wangc, Bing Xua,b, Xi Hub, Xiao-Bing Lia, Jun-Yu Liua, Chong Zhangc,d, Can-Yang Zhanga, Xin-Hui Xinga,b,c,d*

a Institute of Biopharmaceutical and Health Engineering, Tsinghua Shenzhen International Graduate School, Shenzhen 518055, China

b Shenzhen Bay Laboratory, Institute of Biomedical Health Technology and Engineering, Shenzhen 440300, China

c Key Laboratory for Industrial Biocatalysis, Ministry of Education, Department of Chemical Engineering, Institute of Biochemical Engineering, Beijing 100084, China

d Center for Synthetic and Systems Biology, Tsinghua University, Beijing 100084, China

*Corresponding author.


Abstract

Hemp seed-derived inhibitors of dipeptidyl peptidase IV (DPP-IV) demonstrate potential as novel therapeutics for diabetes; however, their proteome and genome remain uncharacterized. We used multi-omics technology to mine peptides capable of inhibiting DPP-IV. First, 1261 and 1184 proteins were identified in fresh and dry hemp seeds, respectively. Simulated protease cleavage of dry seed proteins yielded 185,446 peptides for virtual screening to select the potential DPP-IV-inhibiting peptides. Sixteen novel peptides were selected according to their DPP-IV-binding affinity determined via molecular docking. In vitro DPP-IV inhibition assays identified the peptides LPQNIPPL, YPYY, YPW, LPYPY, WWW, YPY, YPF, and WS with half-maximal inhibitory concentration (IC50) values lower than 0.5 mM, which were 0.08 ± 0.01, 0.18 ± 0.03, 0.18 ± 0.01, 0.20 ± 0.03, 0.22 ± 0.03, 0.29 ± 0.02, 0.42 ± 0.03, and 0.44 ± 0.09 mM, respectively. The dissociation constants (KD) of the 16 peptides ranged from 1.50 × 10–4 to 1.82 × 10–7 M. Furthermore, Caco2 and INS-1 cell assays showed that all 16 peptides could efficiently inhibit DPP-IV activity and increase insulin and glucagon-like peptide-1 concentrations. These results demonstrate a well-established and efficient method to isolate food-derived therapeutic DPP-IV-inhibiting peptides. 

Reference:

CHEN H H, LI W, WANG Y, et al. Mining and validation of novel hemp seed-derived DPP-IV-inhibiting peptides using a combination of multi-omics and molecular docking[J]. Journal of Agricultural and Food Chemistry, 2023, 71, 9164–9174. DOI:10.1021/acs.jafc.3c00535.

或点击下方阅读原文查看文章



科学私享
聚焦食品科学前沿进展
 最新文章