郭小华教授团队在“生物活性肽智能挖掘”领域取得系列研究进展

近段时间以来，生命科学学院郭小华教授团队在“生物活性肽智能挖掘”前沿领域取得了系列进展。该团队依托自主搭建的计算生物学平台，融合深度学习与分子动力学模拟等前沿技术，构建了生物活性肽的智能筛选与从头设计体系，实现了对靶向功能受体的高亲和力肽段的精准挖掘。

首先，从小麦醇溶蛋白中通过智能筛选得到高亲和力谷氨酰胺肽。这类肽段能够特异性地结合钙敏感受体（CaSR），为靶向CaSR的功能食品与药物的研发提供了全新的功能肽段。相关研究成果以Discovery of high-affinity glutamine-derived peptides from wheat gliadin targeting CaSR: a computational approach integrating deep learning and molecular dynamics为题，发表在国际食品化学权威期刊Journal of Agricultural and Food Chemistry（中科院一区TOP，影响因子：6.2，https://doi.org/10.1021/acs.jafc.5c14216）上。该研究基于Nextflow自主构建了智能筛选平台Peptide_MDI，以小麦醇溶蛋白来源的候选肽库为研究对象，开展多阶段的计算筛选与严谨的实验验证，筛选得到的具有nM级CaSR亲和力的肽段，其通过激活CaSR/PLCγ1/Rac1/MAPK信号级联反应，有效缓解H₂O₂诱导的氧化应激损伤，上调紧密连接蛋白的表达，促进细胞增殖，增强抗氧化防御能力，并显著下调TNF-α、IL-8、IL-6等炎症因子的转录水平。该研究提出了基于“深度学习筛选-分子动力学验证”相结合的小麦醇溶蛋白源CaSR靶向肽智能发现新策略。

peptide_MDI平台工作流程。生科学院供图

其次，利用物理信息驱动的从头设计策略，从头设计出对黄嘌呤氧化酶具有高亲和力的抑制肽。相关论文以Accelerated de novo design of xanthine oxidase-inhibitory peptides via physics-informed computational approaches为题，发表在国际药物化学期刊European Journal of Medicinal Chemistry（中科院二区，影响因子：5.9，https://doi.org/10.1016/j.ejmech.2025.118365）上。该论文融合三级结构基序（TERMs）与ProteinMPNN的计算框架，通过“骨架构建-序列生成-多层筛选-分子动力学验证”的完整流程，实现了对酶活性口袋阻断型抑制肽的加速设计，得到了μM级的靶向XOR抑制肽。该成果获得了美国多肽学会的专题推介，在国际肽类药物研发领域产生了一定影响力（https://americanpeptidesociety.org/research/computational-peptide-design/）。

DePocket计算框架工作流程。生科学院供图

两篇论文的第一作者分别是生科学院2023级博士研究生余天飞和硕士研究生胡天烁，郭小华教授为论文唯一通讯作者。

郭小华教授团队长期聚焦于肠道稳态调控的基础与应用研究，积极推动计算生物学与实验生物学的深度融合。上述研究正是在该团队2024年所提出的生物活性肽研究框架的指引下（“Glutamine-derived peptides: Current progress and future directions”发表于《Comprehensive Reviews in Food Science and Food Safety》上，原文链接：https://ift.onlinelibrary.wiley.com/doi/10.1111/1541-4337.13386），在“计算驱动的生物活性肽精准创制”方向取得的重要阶段性成果。这些成果不仅为生物活性肽的资源挖掘与高值化利用提供了关键的分子结构基础，更有力地推动了人工智能技术与传统生物活性物质研究的深度融合，对功能食品开发、蛋白资源的高效利用以及精准营养干预等领域，具有重要的科学意义和应用前景。相关研究得到了湖北省科技创新人才计划项目（2023DJC120）和校级创新团队建设项目（XTZ24023）支持。