倪 爽， 溫家星， 周民杰， 黃景林， 樂 瑋， 陳 果，何智兵， 李 波， 趙松楠， 趙宗清， 杜 凱

中國工程物理研究院激光聚變研究中心， 四川 綿陽 621900

引 言

新冠疫情對(duì)全球的經(jīng)濟(jì)造成了巨大破壞。 為了有效控制新冠疫情， 快速檢測新冠病毒(嚴(yán)重急性呼吸綜合癥冠狀病毒2, severe acute respiratory syndrome coronavirus 2, SARS-CoV-2)是一個(gè)急需解決的問題。 新冠病毒的刺突蛋白是病毒攻擊人體的鑰匙， 且在病毒表面大量分布， 因此成為拉曼光譜技術(shù)檢測新冠病毒的檢測點(diǎn)[1-3]。 要實(shí)現(xiàn)刺突蛋白的拉曼技術(shù)檢測， 關(guān)鍵之一在于構(gòu)建刺突蛋白的拉曼特征峰。 鑒于純刺突蛋白的拉曼譜圖較難獲得且成本較高， 需要從理論上快速構(gòu)建刺突蛋白拉曼特征峰。 此外， 人類已知可以感染的七種冠狀病毒刺突蛋白的結(jié)構(gòu)[4-9]相近[圖1(a)]， 是否可以通過拉曼技術(shù)區(qū)分他們對(duì)于新冠病毒的準(zhǔn)確檢測是一個(gè)十分重要的問題。 基于理論構(gòu)建的刺突蛋白拉曼特征峰， 可以分析七種冠狀病毒刺突蛋白拉曼特征峰的不同， 為實(shí)驗(yàn)提供指導(dǎo)。

(1)

式(1)中：εi為局域模頻率，βij為局域模之間的相互作用， 激子模型哈密頓量可以寫成矩陣形式

(2)

式(2)中：n為局域模的數(shù)量， 對(duì)角化H矩陣可以獲得激子的頻率及其對(duì)應(yīng)特征矢量(局域模展開為簡正模的線性展開系數(shù))。 對(duì)于蛋白酰胺Ⅰ峰而言， 其局域模近似為組成蛋白骨架的每個(gè)酰胺單元的酰胺Ⅰ振動(dòng)模。

本文關(guān)注的重點(diǎn)是定性分析七種冠狀病毒刺突蛋白拉曼特征峰的差異而非絕對(duì)值且在激子模型中H矩陣對(duì)角元的值遠(yuǎn)大于非對(duì)角元的值。 因此， 本文采用簡化的激子模型， 僅考慮結(jié)構(gòu)變化對(duì)H矩陣對(duì)角元的校正而將非對(duì)角元舍去。

為了校正對(duì)角元， 需要對(duì)七種刺突蛋白結(jié)構(gòu)中的每個(gè)酰胺單元計(jì)算拉曼譜圖， 每個(gè)刺突蛋白有數(shù)千個(gè)酰胺單元， 逐個(gè)計(jì)算拉曼譜圖費(fèi)時(shí)且不利于統(tǒng)一誤差。 江俊[15-16]等近期提出了基于機(jī)器學(xué)習(xí)構(gòu)建分子結(jié)構(gòu)和拉曼性質(zhì)(頻率、 強(qiáng)度)之間映射關(guān)系的策略。 其先通過分子動(dòng)力學(xué)構(gòu)建分子的動(dòng)力學(xué)結(jié)構(gòu)， 然后計(jì)算結(jié)構(gòu)的拉曼頻率以及強(qiáng)度， 最后使用機(jī)器學(xué)習(xí)擬合結(jié)構(gòu)和性質(zhì)的映射關(guān)系。 本文基于此策略， 構(gòu)建酰胺單元結(jié)構(gòu)和拉曼峰頻率以及強(qiáng)度之間的模型。

文獻(xiàn)中多數(shù)研究集中在酰胺Ⅰ峰， 對(duì)酰胺Ⅲ拉曼峰研究較少。 本文基于深度學(xué)習(xí)技術(shù)， 從理論上構(gòu)建蛋白酰胺單元結(jié)構(gòu)和酰胺Ⅰ、 Ⅲ拉曼特征峰的映射關(guān)系， 然后統(tǒng)計(jì)七種冠狀病毒刺突蛋白的結(jié)構(gòu)差異， 帶入模型中獲得拉曼特征峰。 最后通過洛倫茲線型展開譜線獲得譜圖， 并比較譜圖的差異。

1 模型的構(gòu)建和計(jì)算方法

使用N-甲基乙酰胺(NMA)分子來模擬蛋白的酰胺單元[圖1(b， c)]， 構(gòu)建酰胺Ⅰ、 Ⅲ峰的深度學(xué)習(xí)模型。 首先， 通過VASP軟件， 采用分子動(dòng)力學(xué)的方法構(gòu)建10 000個(gè)NMA分子隨時(shí)間演化的結(jié)構(gòu)， 未考慮H2O的影響。 然后通過Gaussian09軟件計(jì)算這些結(jié)構(gòu)對(duì)應(yīng)的拉曼譜峰， 最后通過深度學(xué)習(xí)技術(shù)構(gòu)建NMA分子結(jié)構(gòu)特征和酰胺Ⅰ、 Ⅲ峰頻率以及強(qiáng)度的映射關(guān)系。 VASP計(jì)算采用GGA-PBE泛函， 周期性的邊界條件為14.6×14.6×14.6 ?3， 平面波的截?cái)嗄茉O(shè)置為400 eV， 能量收斂標(biāo)準(zhǔn)為1×10-5eV， 分子動(dòng)力學(xué)模擬選擇正則系綜(NVT)， 時(shí)間步長1 fs， 溫度為300 K， 總共模擬10 000步。 Gaussian09計(jì)算拉曼譜峰基于B3LYP雜化泛函水平， 基組使用6-311++G(d, p)。

深度學(xué)習(xí)模型由1個(gè)輸入層， 3個(gè)隱藏層以及1個(gè)輸出層組成， 對(duì)于每一個(gè)隱藏層， 使用線性修正單元(Rectified Linear Unit)激活函數(shù)。 對(duì)于NMA分子， 選用10個(gè)結(jié)構(gòu)特征來描述(4個(gè)鍵長， 4個(gè)鍵角， 2個(gè)二面角， 如圖2)。 為了增強(qiáng)模型的魯棒性， 對(duì)輸入特征以及輸出結(jié)果進(jìn)行了歸一化處理。

圖2 用來預(yù)測NMA分子拉曼位移以及強(qiáng)度的描述符

2 結(jié)果與討論

2.1 酰胺Ⅰ、 Ⅲ峰模型

基于分子動(dòng)力學(xué)構(gòu)建了10 000個(gè)NMA分子結(jié)構(gòu)， 計(jì)算了其均方根誤差， 為1.06 ?(圖3)， 這說明通過動(dòng)力學(xué)演化得到的NMA分子結(jié)構(gòu)變化較大且相關(guān)性較小。

圖3 NMA分子結(jié)構(gòu)的均方根誤差

圖4 NMA描述符間的皮爾遜相關(guān)系數(shù)

圖5 酰胺Ⅰ峰的拉曼位移(a)、 強(qiáng)度 (b)以及酰胺Ⅲ峰的拉曼位移(c)、 強(qiáng)度(d)通過深度學(xué)習(xí)模型和DFT計(jì)算的結(jié)果比較

2.2 七種冠狀病毒刺突蛋白骨架的結(jié)構(gòu)特征

基于實(shí)驗(yàn)上的冠狀病毒刺突蛋白結(jié)構(gòu)[4-9](PDB code: 6u7h, 5i08, 5szs, 6ohw, 5x59, 5x58, 6vsb)， 統(tǒng)計(jì)其骨架特征鍵長、 鍵角、 二面角的分布。

圖6 七種冠狀病毒刺突蛋白骨架的鍵長特征統(tǒng)計(jì)分布圖

從鍵角[圖7(a—d)]的分布可以看出： 鍵角的分布較為廣泛且均勻， 說明鍵角變化的力常數(shù)較小， 七種冠狀病毒的鍵角變化相差不大， 鍵角對(duì)酰胺特征峰的影響較小。

圖7 七種冠狀病毒刺突蛋白骨架的鍵角和二面角特征統(tǒng)計(jì)分布圖

從二面角的分布[圖7(e,f)]中可以看出， 七種冠狀病毒刺突蛋白的二面角均在180°(3.14弧度)附近， 這是由于酰胺平面共軛導(dǎo)致的。

2.3 七種冠狀病毒刺突蛋白的拉曼特征峰比較

根據(jù)前面獲得的酰胺Ⅰ、 Ⅲ峰的模型(酰胺單元的10個(gè)特征和酰胺Ⅰ、 Ⅲ振動(dòng)峰的頻率以及強(qiáng)度的映射關(guān)系)， 從七種冠狀病毒刺突蛋白的實(shí)驗(yàn)結(jié)構(gòu)中計(jì)算出每個(gè)酰胺單元的10個(gè)特征， 帶入到模型中獲得每個(gè)酰胺單元的酰胺Ⅰ、 Ⅲ拉曼峰(振動(dòng)頻率和強(qiáng)度)， 最后通過洛倫茲線型將每個(gè)酰胺單元的Ⅰ、 Ⅲ拉曼峰展開獲得七種冠狀病毒刺突蛋白的酰胺Ⅰ、 Ⅲ譜帶(圖8)。 從圖中可以看出， 七種冠狀病毒刺突蛋白的酰胺Ⅰ、 Ⅲ譜帶根據(jù)最高峰頻率可以各分成三個(gè)組。 對(duì)于酰胺Ⅰ峰， SARS-CoV-2， SARS-CoV， MERS-CoV刺突蛋白頻率相近， 其頻率值在1 636～1 637 cm-1區(qū)間； HCoV-HKU1， HCoV-NL63刺突蛋白頻率相近， 其頻率值在1 657～1 658 cm-1區(qū)間； HCoV-229E， HCoV-OC43刺突蛋白頻率相近， 其頻率值在1 673～1 674 cm-1區(qū)間。 對(duì)于酰胺Ⅲ峰， SARS-CoV-2， SARS-CoV， MERS-CoV刺突蛋白頻率相近， 其頻率值在1 263～1 265 cm-1； HCoV-229E， HCoV-HKU1， HCoV-NL63刺突蛋白頻率相近， 其頻率值在1 272～1 275 cm-1； HCoV-OC43刺突蛋白單獨(dú)一個(gè)頻率， 其頻率值為1 285 cm-1。

圖8 七種冠狀病毒刺突蛋白的酰胺Ⅰ、 Ⅲ拉曼特征峰比較

根據(jù)上面的分析， 可以根據(jù)酰胺Ⅰ、 Ⅲ峰的頻率劃分七種冠狀病毒， 如圖9所示， 七種冠狀病毒分為四組： SARS-CoV-2， SARS-CoV， MERS-CoV在同一個(gè)組； HCoV-HKU1， HCoV-NL63為一組； HCoV-229E一組； HCoV-OC43一組。 不同組之間其刺突蛋白特征峰的數(shù)值差異較大， 可以區(qū)分開來。 同組中的刺突蛋白特征峰的數(shù)值差異較小， 較難區(qū)分。

圖9 通過酰胺Ⅰ、 Ⅲ特征峰頻率區(qū)分七種冠狀病毒

3 結(jié) 論

基于深度學(xué)習(xí)的技術(shù)構(gòu)建了刺突蛋白酰胺Ⅰ、 Ⅲ特征拉曼峰模型， 結(jié)合實(shí)驗(yàn)上的冠狀病毒刺突蛋白結(jié)構(gòu)， 獲得了七種冠狀病毒刺突蛋白的酰胺Ⅰ、 Ⅲ拉曼特征峰， 通過比較七種冠狀病毒刺突蛋白的拉曼特征峰， 可以把七種冠狀病毒分為四組： SARS-CoV-2， SARS-CoV， MERS-CoV一組； HCoV-HKU1， HCoV-NL63一組； HCoV-229E一組； HCoV-OC43一組。 不同組的冠狀病毒特征峰差異較大， 可以區(qū)分開來； 同一組的冠狀病毒特征峰差異較小， 較難區(qū)分。