生成性和基于扩散的方法在人工智能（AI）中的快速发展，改变了de novo肽和蛋白质设计，使得序列–结构–功能关系的创生超越了传统的启发式探索。在本研究中，我们开发了一个AI指导的分子设计流程，集成了基于扩散的生成建模、逆折叠算法和原子级模拟，以设计和评估铜绿假单胞菌LasR群体感应受体的新型肽抑制剂。我们使用多个互补的AI框架生成肽，包括DiffPepBuilder（一个基于扩散的去噪生成器）、ProteinMPNN（一个逆折叠网络）、RFdiffusion2、Evobind2和BindCraft（一个混合的序列–结构生成模型）。这些肽随后进行了物理化学特性分析和分子对接，以估算结合亲和力（Kd）和界面互补性。最优候选者经过400 ns的全原子分子动力学（MD）模拟，进行了三次重复，评估稳定性、灵活性和相互作用持久性，并与实验验证的肽基准进行了比较。后模拟指标，包括RMSD、RMSF和回转半径（Rg），显示出可重复但结构特异性的动态行为，其中BindCraft 4保持了最紧凑和稳定的构型，波动最小且结合位点保持一致。不同时间间隔下进行的MMGBSA分析显示出强烈的范德华和静电稳定，与计算预测的亚微摩尔解离常数相关。相比之下，DiffPepBuilder 1-2表现出平衡的灵活性和适度的稳定，而ProteinMPNN 2和对照组（Aqs1C）显示出相对较弱的能量收敛。主成分分析（PCA）和自由能景观（FEL）投影确认了BindCraft 4采样了一个单一的深能量盆地，标志着一个热力学优化的构象状态。总体而言，这个集成的AI-模拟混合计算框架展示了生成性扩散和逆折叠模型设计具有优越结构稳定性和结合热力学的肽的能力，提供了一个针对铜绿假单胞菌通讯网络的AI驱动肽治疗的合理框架。
Khan等（Sat，）研究了这个问题。