纳米孔工程中的生物信息学与计算生物物理学工具：从标准方法到机器学习进展

作者与发表信息 本文由意大利罗马第二大学的Marco Reccia、Francesco Quilli，比利时微电子研究中心（imec）的Kherim Willems，意大利罗马第二大学的Blasco Morozzo della Rocca、Domenico Raimondo以及通讯作者Mauro Chinappi共同撰写。该综述论文发表于《Journal of Nanobiotechnology》期刊，于2026年出版，文章编号为24:343，遵循知识共享许可协议（CC BY 4.0）。

论文主题 本文是一篇综合性综述，旨在系统性地介绍和评估用于生物纳米孔工程设计的生物信息学与计算生物物理学工具。文章的核心论点是，尽管纳米孔技术在单分子传感等领域取得了巨大成功，但其工程设计过程中对计算机辅助设计（CAD）工具的系统性应用，相较于其他工程领域，仍显不足。本文旨在弥合这一差距，为纳米孔研究社区提供一个从标准方法到前沿人工智能（AI）技术的工具全景图，并辅以实用脚本和协议，以促进这些工具的广泛采纳。

主要观点阐述

观点一：对已知纳米孔三维结构的修改是工程化的基础，但常用工具预测存在差异，需谨慎解读与交叉验证。 文章指出，基于已知晶体或冷冻电镜结构（通常来自蛋白质数据库PDB）进行定点突变，是调控纳米孔性质（如孔径、表面电荷、疏水性）的常见策略。然而，作者通过对比三种常用分子建模软件（VMD、PyMOL、UCSF ChimeraX）对同一纳米孔（CsgG）进行相同突变（Y51R）的建模结果，揭示了一个关键问题：不同软件对突变后侧链构象的预测存在显著差异。这种差异源于各软件内部不同的旋转异构体（rotamer）选择引擎和评分策略。例如，PyMOL的“突变向导”基于Dunbrack旋转异构体库的概率自动选择；ChimeraX则综合考虑电子密度图拟合（若有）、空间冲突、氢键形成数量及旋转异构体概率进行分层选择；而VMD的Mutator插件则简单地依赖拓扑文件中的空间信息，不进行动态选择或能量评估。 * 支持证据与子观点： 1. 实例演示：以CsgG纳米孔（PDB ID: 4uv3）的Y51R突变为例，图示展示了三种工具生成的精氨酸侧链在Cβ、Cγ原子及胍基基团取向上均不相同，这种不一致性在所有九个单体中都存在。 2. 潜在风险：这种预测差异可能导致对突变后孔道静电环境、亲疏水性等关键性质产生错误推断，进而影响实验设计。 3. 解决方案建议：作者建议采取审慎策略：首先，尝试多种工具并比较预测结果的一致性，共识结果通常更可靠。其次，当预测差异较大时，应进行分子动力学（MD）模拟平衡，观察差异是否持续存在。若MD模拟不可行，可使用如Modeller、Swiss-Model等比较建模工具，或基于AI的结构预测方法（如AlphaFold）来构建突变体模型，并通过DOPE、QMEAN等质量评分指标进行筛选。

观点二：溶液pH值深刻影响纳米孔表面电荷与功能，而不同pKa预测工具的结果存在分歧，需结合结构信息审慎处理。 pH值是调控生物纳米孔行为的关键参数，它通过影响可滴定氨基酸残基（如天冬氨酸、谷氨酸、组氨酸、赖氨酸）的质子化状态，改变孔道内净电荷，进而影响离子选择性、电渗流（EOF）及分析物捕获。文章强调，准确分配质子化状态对于后续的静电计算或分子动力学模拟至关重要。 * 支持证据与子观点： 1. 工具对比：作者比较了两种常用的pKa预测工具——PropKa3和H++，将其应用于α-溶血素（αHL， PDB: 7AHL）和Fragaceatoxin C（FraC， PDB: 4TSY）孔道内暴露的可滴定残基。结果显示，对于许多关键残基，两种工具的预测值存在显著差异（例如，αHL的Glu111， PropKa3预测pKa=3.87， H++预测pKa=5.16）。当实验pH接近这些有争议的pKa值时，质子化状态的判断变得模糊。 2. 复杂因素：除了工具间的差异，还存在其他挑战：i) 对于同源多聚体纳米孔，同一残基在不同单体中的预测pKa可能存在波动，需要采用平均解离常数或平均pKa来处理；ii) 当pH≈pKa时，残基处于部分质子化状态，在连续介质静电计算（如APBS）中可能需要分配分数电荷，在MD模拟中可能需要构建不同质子化状态的系综进行测试；iii) 面向膜脂的埋藏残基，其pKa可能因局部环境而发生剧烈变化（可达3个pKa单位），不能简单套用溶剂暴露残基的预测结果。 3. 实践指导：作者建议，在可能的情况下，应参考高分辨率结构数据（如冷冻电镜、NMR）中特定的氢键网络信息来推断质子化状态。对于静电计算，APBS允许分配分数电荷；对于MD模拟，可以尝试对部分单体进行质子化，并检验结果对质子化数目的敏感性。

观点三：基于结构的物化性质预测（静电、几何、柔性、溶剂可及性）为纳米孔设计提供关键洞察，需理解各工具的适用范围与局限性。 在获得纳米孔结构（无论是野生型还是突变体）后，一系列计算工具可用于预测其关键物理化学性质，从而指导传感器设计。 * 支持证据与子观点： 1. 静电环境预测（APBS）：自适应泊松-玻尔兹曼求解器（APBS）通过求解泊松-玻尔兹曼方程（PBE），能够快速计算孔道内的静电势和离子浓度分布，用于定性评估突变对静电场、离子选择性及电渗流的影响，或定量计算分析物易位的库仑能量景观。文章提供了使用APBS的详细工作流程脚本，并进行了参数敏感性分析，建议使用1Å的网格间距，并指出膜厚度和介电常数对孔轴静电势影响不大，但明确包含膜层能提供更真实的环境。 2. 几何尺寸分析：孔道内腔尺寸，尤其是收缩区的几何形状，是决定孔道电阻和电场分布的关键。文章推荐使用POVME等工具进行孔道体积和等效半径的分析。POVME允许用户自定义三维区域（如圆柱体），基于网格方法计算小探针可及体积，适用于分析单帧结构的内部几何形状。 3. 构象柔性预测：纳米孔的柔性影响离子电流噪声和门控行为。虽然分子动力学（MD）模拟可通过均方根波动（RMSF）量化柔性，但计算成本高。文章指出，目前尚无专门针对纳米孔柔性预测的标准框架，但可借鉴其他结构生物信息学方法，如弹性网络模型、正态模式分析用于捕捉集体运动，或无序区域预测工具（如IUPred2A）识别不稳定区域。AI驱动的生成方法也显示出探索纳米孔构象系综的潜力。 4. 溶剂可及表面积（SASA）：分析残基的溶剂可及性有助于识别面向孔腔、可与分析物相互作用或进行翻译后化学修饰的位点。文章提到，尽管尚未有系统研究将SASA分析应用于纳米孔，但该性质对于指导突变和功能化至关重要（例如，在特定位置引入半胱氨酸以共价连接反应基团）。SASA可通过DSSP、NACCESS、FreeSASA或VMD等工具快速计算。

观点四：分子动力学模拟是强大的原子尺度研究工具，但其在定量预测传输性质时受力场选择影响，且与实验数据的直接定量对比存在挑战。 MD模拟在揭示纳米孔传输机制、量化选择性和电渗流、解释电流信号等方面贡献卓著。然而，文章重点讨论了两个尚未被充分审视的关键问题。 * 支持证据与子观点： 1. 力场对传输性质的影响：作者引用了一项系统研究，该研究比较了三种流行力场组合（CHARMM36/TIP3P、AMBER ff14SB/TIP3P、AMBER ff19SB/OPC）对MSPA纳米孔离子电流和电渗流的预测。结果表明，所有力场都能一致地再现离子选择性和电渗流方向，但在定量上存在显著差异。特别是AMBER ff19SB/OPC组合预测的电流和EOF更低，这不能完全归因于OPC水模型更高的粘度。差异可能源于离子-蛋白质或离子-水相互作用的细微差别。这提示，MD可用于定性预测，但在提取定量结论（尤其是当表面电荷位于收缩区时）时需谨慎，建议通过测试不同力场组合来评估结果的稳健性。 2. 与实验连接的挑战：实验上通常只能测量总离子电流，并通过反转电位和Goldman-Hodgkin-Katz（GHK）模型等近似方法估算离子通透性比（P+/P-），而无法直接测量电渗流（EOF）。MD虽然能直接量化各离子物种通量和水通量，但存在统计误差大、模拟条件（如周期性边界条件导致的无限孔阵列与单孔情况不同）与实验难以完全对应等问题。因此，对选择性和EOF进行直接的、定量的MD-实验对比非常困难。尽管如此，MD在探索实验策略、提出机制解释和支持器件设计方面仍然极具价值。

观点五：从头设计（De Novo Design）与人工智能正在革新纳米孔结构预测与工程，但需谨慎评估预测结果的可靠性。 文章概述了从同源建模到现代AI方法的纳米孔结构预测与设计进展。 * 支持证据与子观点： 1. 传统与AI方法：早期依赖于同源建模（如Swiss-Model, Modeller），但仅限于已有模板的折叠。AlphaFold系列，特别是AlphaFold-Multimer和AlphaFold3，实现了无需模板的高精度结构预测，甚至能预测蛋白质复合物。Rosetta及其深度学习扩展RosettaFold被用于从头设计跨膜孔道（如螺旋孔、β-桶状孔），实现了对孔道直径和形状的参数化控制。新兴工具如ProteinMPNN可用于为给定蛋白质骨架生成兼容的氨基酸序列。 2. 机遇与警示：作者以AlphaFold3预测FraC和MSPA纳米孔结构为例，展示了其强大能力（MSPA预测结构与实验高度一致），但也揭示了风险（FraC的预测结构与实验模型存在偏差）。这强调了对AI预测结果需保持审慎，应充分利用其提供的置信度指标，如预测局部距离差异测试（pLDDT）和预测对齐误差（PAE），来评估模型可靠性。一个残基的突变也可能显著改变预测结果。 3. 工具多样性：还提及了其他有潜力的工具，如Boltz-2、Chai-1用于结构和配体相互作用建模，以及社区基准测试（如CASP）对推动领域发展的重要性。

论文的意义与价值 本综述具有重要的学术价值和应用指导意义： 1. 系统性梳理与整合：首次将广泛应用于纳米孔工程设计的各类生物信息学和计算生物物理学工具进行了系统性的归纳、比较和评估，为领域研究者提供了一份“工具地图”。 2. 揭示问题与提供方案：不仅展示了工具的潜力，更着重指出了实际应用中可能遇到的陷阱（如突变预测差异、pKa计算分歧、力场依赖性），并提供了具体的解决方案和最佳实践建议（如多工具交叉验证、结合高分辨率结构信息、测试不同力场）。 3. 推动方法学标准化：通过强调计算工具在早期设计阶段的价值，并提供了详细的补充材料（脚本和协议），旨在降低使用门槛，促进计算辅助设计在纳米孔工程中更系统、更规范的应用。 4. 连接传统与前沿：文章架起了传统生物物理分析工具（如APBS、几何分析）与前沿人工智能方法（如AlphaFold、RosettaFold）之间的桥梁，指出了未来纳米孔设计将日益依赖于多尺度、多工具融合的计算策略。 5. 促进跨学科交流：有助于纳米孔领域的研究者（可能来自物理、化学、工程、生物等多学科背景）了解并整合计算生物学和生物信息学的最新进展，推动该交叉领域的协同创新。

这篇综述不仅是现有知识的总结，更是一份推动纳米孔工程研究范式向更依赖计算预测和理性设计方向转变的行动指南。