使用基于集合的对接分析将靶蛋白结构灵活性和动力学整合到计算药物发现中

摘要

计算方法有望加快药物发现，但它们经常忽视蛋白质结构的动态性质。在这里，我们讨论了基于集合的对接分析，以间接结合蛋白质的灵活性，从而有可能提高药物发现工作的准确性和可靠性。

摘要

药物发现过程是一项严格、耗时且昂贵的作。药物发现中的计算方法使研究人员能够优先考虑最有前途的化合物进行进一步测试，这将大大减少所需的资源，从而提高药物发现管道的整体效率。基于结构的药物发现是一种常见的方法，需要以三维形式提供靶蛋白的结构信息。然而，目前大多数计算机辅助药物发现策略的局限性是它们无法在配体-蛋白质对接模拟期间引入靶蛋白结构的灵活性和动态性。虽然诱导拟合对接和基于集合的对接都旨在解决对接过程中的蛋白质灵活性问题，但后者可以通过在整个模拟中结合多种构象来提供更全面的动态蛋白质行为视图。在本报告中，我们演示并讨论了一种称为基于集合的对接分析的技术的应用，该技术间接引入了靶蛋白结构在分子对接过程中的灵活性和动态性。为基于集合的对接研究选择的蛋白质和配体分别为溶菌酶和 Flovokawain B （FB）。FB 以前曾报道与溶菌酶具有结合活性。在水存在下对溶菌酶进行分子动力学 （MD） 模拟，并检查总能量、均方根偏差 （RMSD） 和均方根波动 （RMSF）。构象聚类是根据几个聚类截止值生成的，并选择它进行 FB 的额外对接分析。团簇 2 的结合能最低，为 -29.37 kJ/mol。生成分子对接图像以预测结合力的存在。通过结合蛋白质的结构动力学，基于集合的对接方法可以更好地捕获可能的结合场景的范围，从而更可靠地预测结合结果。

引言

在计算药物发现 （CDD） 中，整合了计算机科学、化学、生物学和物理学的技术，以探索广阔的化学空间，预测药物与靶点的相互作用，并优化候选药物，与单独的传统实验方法相比，效率更高，成本更低。这是一种强大的方法，利用计算方法和算法来加速新治疗化合物的发现和优化 ^1,2,3。CDD 彻底改变了药物发现。然而，与蛋白质三维 （3D） 结构动力学相关的限制会影响计算预测的准确性和可靠性⁴。蛋白质 3D 结构用作 CDD 中的模板，用于根据目标蛋白质-药物相互作用设计或优化候选药物。虽然蛋白质结构的 X 射线晶体学模型提供了有关蛋白质的宝贵结构信息，但必须认识到蛋白质结构的动态性质和静态模型的局限性 ^5,6,7。此外，冷冻电子显微镜 （cryo-EM） 和计算预测（如 AlphaFold）的最新进展也大大扩展了结构数据的可用性，以捕获蛋白质灵活性和动力学的全部范围 ....

方案

1. 黄酮卡瓦因 B 配体结构制备

1. 打开 PubChem 网站。搜索 Flavokawain B.选择 下载 ，然后选择将 SDF 2D 结构 另存 为 Structure2D_COMPOUND_CID_5356121.MDL SDF。
2. 打开 Avogadro 软件。将 SDF 文件移动到软件的空白区域。单击 Yes （是）。
   注意：Avogadro 软件将自动构建三维 （3D） 几何图形。
3. 在该选项卡上，单击图标，如图 1 所示。在左侧菜单选项卡上，将 force 字段更改为 MMFF94^35,36。将每次更新的步骤调整为 15。将算法设置为 Steepest Descent （最陡下降），然后单击 Start（开始）。
   注意： 在旋转过程中不要移动任何原子。完成后，单击

结果

优化后 FB 的化学结构和 3D 结构表示如图 8A 所示。图 8B 显示了 MD 模拟前初始状态下 pdb 代码为 1LYZ 的溶菌酶的 3D 结构。为了研究溶菌酶 3D 结构的动力学和灵活性，进行了 100 ns 的 MD 模拟。在模拟过程中，蛋白质结构的总能量是稳定的，如图 9A 所示。MD 模拟的前 20 ns 显示 RMSD 值增加，然后 RMSD 值稳定下来（图 9B）。RMSF 分析显示，在 MD 模拟期间经历较动的残基是蛋白质末尾的残基编号 40 至 50、60 至 80 和 100（图 9C）。MD 轨迹的构象每 10 ps 保存一次，提供 10,001 个轨迹以供进一步分析。由于 MD 仿真表明参数在 100 ns 仿真周期内稳定，因此使用 Gromos 聚.......

讨论

计算药物发现中基于集合的应用涉及利用来自晶体结构、核磁共振 （NMR） 研究或分子动力学模拟的大量构象集合²⁶。利用多种计算构象将使分析能够结合蛋白质结构的动力学和灵活性，从而提高识别潜在候选药物的准确性和可靠性。

要应用基于集成的停靠分析，需要遵循几个关键步骤。首先，来自实验数据的不同蛋白质构象集，或者在本研究中，一组构象是从计算模拟生成的。这些构象捕获了靶蛋白固有的柔韧性和构象变异性。最近的一项研究还整合了分子动力学模拟的实施，以捕获构象变化并探索变构位点，从而发现新的结合口袋和潜在的药物靶点⁵⁸。接下来，根据满足一组标准的 RMSD 值对蛋白质构象进行聚类，如协议部分所述。最后，使用分子对接或其他计算技术将配体对接在这些构象集合上。通过考虑通过模拟获得的多种潜在结构，可以扩展已鉴定的结合配体的多样性。

虽然集成方法具有多种优势，包括改进的预测性能和稳健性，但它.......

材料

本文使用的材料清单

姓名	公司	目录编号	评论
AutoDock	斯克里普斯研究所，美国	版本 4.2.6
AutoDock 工具	斯克里普斯研究所，美国	版本 1.5.6
Avogadro	Geoffrey R Hutchison，美国匹兹堡大学化学系	1.95
Discovery Studio	Dassault Systè马萨诸塞州梅斯，美国	版 2021
GROMAC 格	罗宁根大学 皇家理工学院 瑞典乌普萨拉大学	2023
加州大学旧金山分校生物	计算、可视化和信息学嵌合体资源 加州大学	1.16