Моделирование процесса ферментативного гидролиза растительных белков in silico и прогнозирование биологической активности образующихся пептидов

Традиционный подход к получению, идентификации и подтверждению биологической активности пептидов является трудоемким и занимает много времени. Развитие биоинформатики и компьютерного моделирования позволило предварительно проводить теоретическую оценку потенциальной биологической активности пептидов. Целью исследования являлось проведение теоретического ферментативного гидролиза in silico белков нута, рапса и конопли, а также прогнозирование профиля потенциальной биологической активности образующихся пептидов с использованием инструментов биоинформатики. В результате поиска исходных аминокислотных последовательностей белков нута, рапса и конопли в БД UniProtKB по ключевым словам «Cicer arietinum», «Brassica napus», «Cannabis sativa», а также происхождению белка — «Storage protein», у белков нута было обнаружено 5 изоформ легумина, 3 изоформы вицилина и 2 изоформы провицилина; рапсовые белки содержали 6 изоформ белка круциферина и 7 изоформ напина; конопляные белки содержали 3 изоформы эдестина-1 и эдестина-2, 2 изоформы эдестина-3 и 1 изоформу альбумина. После гидролиза с использованием инструментов базы данных BIOPEP-UWM было получено 10131 аминокислотная последовательность белков нута, 7206 аминокислотных последовательностей белков рапса и 8479 аминокислотных последовательностей белков конопли. В результате классификации полученных пептидов по предсказанной величине их биологической активности с помощью PeptideRanker, а также после предсказания токсичности, горечи и аллергенности, было выявлено 35 биологически активных пептидов (БАП) из белков нута, 21 — из белков рапса и 22 — из белков конопли. Для белков нута было предсказано 29 потенциальных ингибиторов АПФ, 27 ингибиторов DPP IV, 6 онкостатических, 4 антиоксидантных, 4 противогрибковых пептида и 3 антигипертензивных; для рапса определено 22 потенциальных ингибитора DPP IV и 20 ингибиторов АПФ, 5 противогрибковых пептидов, 3 пептида с потенциальным антиоксидантным эффектом, 3 с антитромботическими свойствами, 2 антигипертензивных пептида, 2 с онкостатическими свойствами и 1 с антибактериальной активностью; для 16 пептидов конопли определена потенциальная АПФ-ингибирующая активность, 15 являются ингибиторами DPP IV, 7 с противогрибковой активностью, 5 с антиоксидантным и онкостатическим эффектом, 4 с антигипертензивными свойствами, 1 с противотуберкулезным эффектом. В перспективе необходимы дальнейшие исследования in vitro и in vivo для подтверждения биологической активности, т. к. имеется потенциальное расхождение между результатами in silico моделирования гидролиза и прогнозирования биологической активности и данными экспериментальных исследований.

1. Du, Z., Comer, J., Li, Y. (2023). Bioinformatics approaches to discovering foodderived bioactive peptides: Reviews and perspectives. TrAC Trends in Analytical Chemistry, 162, Article 117051. https://doi.org/10.1016/j.trac.2023.117051

2. Du, C., Gong, H., Zhao, H., Zhang, L., Wang, P. (2024). Recent progress in the preparation of bioactive peptides using simulated gastrointestinal digestion processes. Food Chemistry, 453, Article 139587. https://doi.org/10.1016/j.foodchem.2024.139587

3. Rivero-Pino, F., Espejo-Carpio, F. J., Guadix, E. M. (2021). Unravelling the α-glucosidase inhibitory properties of chickpea protein by enzymatic hydrolysis and in silico analysis. Food Bioscience, 44(Part 4), Article 101328. https://doi.org/10.1016/j.fbio.2021.101328

4. Toldrá, F., Gallego, M., Reig, M., Aristoy, M.-C., Mora, L. (2020). Recent progress in enzymatic release of peptides in foods of animal origin and assessment of bioactivity. Journal of Agricultural and Food Chemistry, 68(46), 12842–12855. https://doi.org/10.1021/acs.jafc.9b08297

5. Cermeño, M., Bascón, C., Amigo-Benavent, M., Felix, M., FitzGerald, R. J. (2022). Identification of peptides from edible silkworm pupae (Bombyx mori) protein hydrolysates with antioxidant activity. Journal of Functional Foods, 92, Article 105052. https://doi.org/10.1016/j.jff.2022.105052

6. Song, Y., Ju, J., Song, J., Wang, S., Cao, T., Lio, Z. et al. (2021). The antihypertensive effect and mechanisms of bioactive peptides from Ruditapes philippinarum fermented with Bacillus natto in spontaneously hypertensive rats. Journal of Functional Foods, 79, Article 104411. https://doi.org/10.1016/j.jff.2021.104411

7. Villaró-Cos, S., Lafarga, T. (2023). Online tools to support teaching and training activities in chemical engineering: Enzymatic proteolysis. Frontiers in Education, 8, Article 1290287. https://doi.org/10.3389/feduc.2023.1290287

8. Agyei, D., Tsopmo, A., Udenigwe, C.C. (2018). Bioinformatics and peptidomics approaches to the discovery and analysis of food-derived bioactive peptides. Analytical and Bioanalytical Chemistry, 410, 3463–3472. https://doi.org/10.1007/s00216-018-0974-1

9. Guo, H., Hao, Y., Yang, X., Ren, G., Richer, A. (2023). Exploration on bioactive properties of quinoa protein hydrolysate and peptides: A review. Critical Reviews in Food Science and Nutrition, 63(16), 2896–2909. https://doi.org/10.1080/10408398.2021.1982860

10. Mooney, C., Haslam, N. J., Pollastri, G., Shields, D. C. (2012). Towards the improved discovery and design of functional peptides: Common features of diverse classes permit generalized prediction of bioactivity. PLoS ONE, 7(10), Article e45012. https://doi.org/10.1371/journal.pone.0045012

11. Gallego, M., Toldrá, F., Mora, L. (2022). Quantification and in silico analysis of taste dipeptides generated during dry-cured ham processing. Food Chemistry, 370, Article 130977. https://doi.org/10.1016/j.foodchem.2021.130977

12. Wiener, A., Shudler, M., Levit, A., Niv, M. Y. (2012). BitterDB: A database of bitter compounds. Nucleic Acids Research, 40(D1), D413-D419. https://doi.org/10.1093/nar/gkr755

13. Minkiewicz, P., Iwaniak, A., Darewicz, M. (2019). BIOPEP-UWM database of bioactive peptides: Current opportunities. International Journal of Molecular Sciences, 20(23), Article 5978. https://doi.org/10.3390/ijms20235978

14. Sharma, N., Patiyal, S., Dhall, A., Pande, A., Arora, C., Raghava, G. P. S. (2021). AlgPred 2.0: An improved method for predicting allergenic proteins and mapping of IgE epitopes. Briefings in Bioinformatics, 22(4), Article bbaa294. https://doi.org/10.1093/bib/bbaa294

15. Lata, S., Mishra, N. K., Raghava, G. P. S. (2010). AntiBP2: Improved version of antibacterial peptide prediction. BMC Bioinformatics, 11(Suppl 1), Article S19. https://doi.org/10.1186/1471-2105-11-S1-S19

16. Rauf, A., Kiran, A., Hassan, M. T., Mahmood, S., Mustafa, G., Jeon, M. (2021). Boosted prediction of antihypertensive peptides using deep learning. Applied Sciences, 11(5), Article 2316. https://doi.org/10.3390/app11052316

17. Manavalan, B., Basith, S., Shin, T. H., Wei, L., Lee, G. (2019). AtbPpred: A robust sequence-based prediction of anti-tubercular peptides using extremely randomized trees. Computational and Structural Biotechnology Journal, 17, 972–981. https://doi.org/10.1016/j.csbj.2019.06.024

18. Agrawal, P., Bhagat, В., Mahalwal, M., Sharma, N., Raghava, G. P. S. (2021). AntiCP 2.0: An updated model for predicting anticancer peptides. Briefings in Bioinformatics, 22(3), Article bbaa153. https://doi.org/10.1093/bib/bbaa153

19. Moretta, A., Scieuzo, C., Petrone, A. M., Salvia, R., Manniello, M.D., Falabella, P. (2022). Tools in the era of multidrug resistance in bacteria: Applications for new antimicrobial peptides discovery. Current Pharmaceutical Design, 28(35), 2856–2866. https://doi.org/10.2174/1381612828666220817163339

20. Axentii, M., Codină, G. G. (2024). Exploring the nutritional potential and functionality of hemp and rapeseed proteins: A review on unveiling anti-nutritional factors, bioactive compounds, and functional attributes. Plants, 13(9), Article 1195. https://doi.org/10.3390/plants13091195

21. Kumar, N., Hong, S., Zhu, Y., Garay, A., Yang, J., Henderson, D. et al. (2025). Comprehensive review of chickpea (Cicer arietinum): Nutritional significance, health benefits, techno-functionalities, and food applications. Comprehensive Reviews in Food Science and Food Safety, 24(2), Article e70152. https://doi.org/10.1111/1541-4337.70152

22. Grasso, N., Lynch, K. M., Arendt, E. K., O’Mahony, J. A. (2022). Chickpea protein ingredients: A review of composition, functionality, and applications. Comprehensive Reviews in Food Science and Food Safety, 21(1), 435–452. https://doi.org/10.1111/1541-4337.12878

23. Di Francesco, A., De Santis, M. A., Lanzoni, A., Pittalà, M. G. G., Saletti, R., Flagella, Z. et al. (2024). Mass spectrometry characterization of the SDS-PAGE protein profile of legumins and vicilins from chickpea seed. Foods, 13(6), Article 887. https://doi.org/10.3390/foods13060887

24. Shen, P., Yang, J., Nikiforidis, C. V., Mocking-Bode, H. C. M., Sagis, L. M. C. (2023). Cruciferin versus napin — Air-water interface and foam stabilizing properties of rapeseed storage proteins. Food Hydrocolloids, 136, Article 108300. https://doi.org/10.1016/j.foodhyd.2022.108300

25. Sun, X., Sun, Y., Li, Y., Wu, Q., Wang, L. (2021). Identification and characterization of the seed storage proteins and related genes of Cannabis sativa L. Frontiers in Nutrition, 8, Article 678421. https://doi.org/10.3389/fnut.2021.678421

26. Al Musaimi, O., Lombardi, L., Williams, D. R., Albericio, F. (2022). Strategies for improving peptide stability and delivery. Pharmaceuticals, 15(10), Article 1283. https://doi.org/10.3390/ph15101283

27. Wang, L., Wang, N., Zhang, W., Cheng, X., Yan, Z., Shao, G. et al. (2022). Therapeutic peptides: Current applications and future directions. Signal Transduction and Targeted Therapy, 7(1), Article 48. https://doi.org/10.1038/s41392-022-00904-4

28. Boschin, G., Scigliuolo, G. M., Resta, D., Arnoldi, A. (2014). ACE inhibitory activity of enzymatic protein hydrolysates from lupin and other legumes. Food Chemistry, 145, 34–40. https://doi.org/10.1016/j.foodchem.2013.07.076

29. Wang, S., Mouming Zhao, M., Hongbing Fan, H., Wu, J. (2022). Emerging proteins as precursors of bioactive peptides/hydrolysates with health benefits. Current Opinion in Food Science, 48, Article 100914. https://doi.org/10.1016/j.cofs.2022.100914

30. Hernandez, L. M. R., de Mejia, E. G. (2019). Enzymatic production, bioactivity, and bitterness of chickpea (Cicer arietinum) peptides. Comprehensive Reviews in Food Science and Food Safety, 18(6), 1913–1946. https://doi.org/10.1111/1541-4337.12504

31. Rivero-Pino, F., Millan-Linares, M. C., Montserrat-De-La-Paz, S. (2023). Strengths and limitations of in silico tools to assess physicochemical properties, bioactivity, and bioavailability of food-derived peptides. Trends in Food Science and Technology, 138, 433–440. https://doi.org/10.1016/j.tifs.2023.06.023