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 8,9,10,11,12。

分子动力学 （MD） 模拟模拟原子和分子随时间的运动和相互作用，从而深入了解蛋白质 3D 结构的动态行为和灵活性^13,14。MD 模拟用于生成代表各种构象状态的蛋白质 3D 结构，作为基于集合的对接分析的输入。通过对不同蛋白质构象进行采样，基于集合的对接分析考虑了生物靶标的固有灵活性和动力学，从而可以更全面地探索配体结合模式和相互作用³。

了解蛋白质的灵活性至关重要，因为它会影响药物如何发挥其生物学效应，确定结合位点的位置和方向，并影响结合动力学、代谢和转运^15,16。捕获这种动态性质可以显著提高停靠预测的准确性和可靠性。1994 年，Kearsley 等人引入了一种灵活的对接技术，这是一种模拟配体和蛋白质灵活性的框架。这种方法允许蛋白质的构象在对接过程中进行调整，通过考虑结构灵活性来改善对配体-受体相互作用的预测¹⁷。同样，在 1999 年，Carlson 等人报道了集成对接，它将灵活的药效团建模应用于 HIV-1 整合酶的静态和动态模型，进一步强调了在对接研究中考虑蛋白质动力学的重要性¹⁸。此外，Cavasotto 等人还报道了通过使用正态模式分析将受体柔韧性纳入对接过程来提高配体对接准确性¹⁹。最近，基于集合的技术 20,21,22,23,24,25,26,27 通过识别潜在的新配体结合位点并提供更准确的游离配体-受体结合能估计，扩展了药物发现。这些进展已应用于四链体-双链体 DNA²⁰、血管内皮生长因子 165 （VEGF-165）²¹、SARS-CoV-2 靶酶²²、人肝细胞色素 P450 酶²³ 和抗癌蛋白²⁴ 等靶标。

黄酮卡瓦因 B （FB） 被归类为类黄酮，已被证明表现出各种药理学特性 28,29,30。根据实验和计算分析，据报道 FB 与溶菌酶 （LYZ） 形成稳定的复合物 （LYZ）³¹，溶菌酶是一种因其抗菌活性而被广泛认可的蛋白质，也被鉴定为配体转运蛋白 32,33,34。在本报告中，我们使用基于集合的对接分析进一步分析了 FB 与 LYZ 相互作用的性质，以结合蛋白质灵活性对 FB-LYZ 复合物形成的影响。该方法的目标是为研究人员提供一个循序渐进、可重复的基于集成对接分析的过程。此外，建议研究人员从目标生物体中选择蛋白质结构进行研究。

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 Stop 停止. MMFF94 适用于多种小分子配体（包括中性和带电配体），并广泛用于能量最小化和分子建模³⁷。选择最陡下降方法进行初始能量最小化，因为它简单明了，计算效率高，并且可以有效地去除大的结构应变并实现基本的最小化状态 38,39,40。
4. 在菜单选项卡上，转到 文件 并单击 另存为. 当出现 Save Molecule As 文件夹时，将文件名写入 ligand.pdb ，然后单击 Save。

2. 溶菌酶蛋白质结构制备

1. 打开 RCSB 蛋白质数据库网站。搜索 lysozyme，代码： 1LYZ。单击 下载文件 并选择 PDB 格式。另存为 1lyz.pdb。
2. 打开 Chimera 软件。在选项卡上，单击 File 和 Open。 在该文件夹中，选择 1lyz.pdb 文件。
   注意：将使用软件构建溶菌酶的 3D 结构。
3. 在该选项卡上，单击 Select > Residue > HOH （选择 HOH 残基）。然后点击 作 > Atom/Bonds > 删除。单击 Select 和 Clear Selection。
   注意：这将去除蛋白质中的任何水分。
4. 在该选项卡上，单击 Select > Chain > A。 然后单击 Tools > Structure Editing > AddH。将出现一个参数框，并将其保留为默认值。单击 OK。单击 Select 和 Clear Selection（图 2）。
   注意：这将向蛋白质中添加氢。组氨酸残基也被质子化以产生中性系统。该软件可以通过集成 PROPKA^41,42 来执行 pKa 计算。
5. 在该选项卡上，单击 Tools （ 工具）、 Structure Editing （结构编辑） 和 Add Charge （添加费用）。将出现一个参数框;选择 Gasteiger。单击 OK。注意：这将为蛋白质增加部分电荷。
6. 要保存文件，请在选项卡中单击 File > Save PDB。 另存为 protein.pdb。
   注：在本研究中，选择溶菌酶的结构与先前报道的结果³¹ 进行比较。建议读者从他们感兴趣的靶生物体中仔细选择蛋白质结构。

3. 水中溶菌酶的 MD 模拟

注意：本研究中使用的用于分子动力学 （MD） 模拟的定制计算机是用于 CPU 的 Intel CORE i7^第 11 代、用于 GPU 的 NVIDIA Geforce RTX 2060 和 DDR4 128 GB 内存。作系统为 Ubuntu 22.04.4 LTS。MD 模拟使用 GROMACS 软件。GPU 支持是 CUDA。

1. 从以下链接下载所有必需的文件：http://www.mdtutorials.com/gmx/lysozyme/01_pdb2gmx.html（GROMACS 教程，水中溶菌酶）⁴³。
   注：所需的文档是 em.mdp、ions.mdp、md.mdp。npt.mdp、nvt.mdp、charmm36 ff 和 protein.pdb （来自步骤 2.5）。对于系统设置， em.mdp 用于能量最小化， ions.mdp 用于添加离子和中和系统。对于平衡， nvt.mdp 用于温度平衡，而 npt.mdp 用于压力平衡。对于生产环境， md.mdp 用于模拟。 Charmm36 ff 用于拓扑。
2. 右键单击文件夹 （工作目录） 中的空白区域，然后单击 Open Terminal。 键入 gmx 打开 GROMACS 软件。注意：GROMACS 没有图形用户界面;这一切都来自在终端上编写的命令。
3. 对于蛋白质拓扑的生成，请键入 gmx pdb2gmx -f protein.pdb -o protein.gro –ignh。给出了力场列表，类型 1 表示 CHARMM 全原子力场⁴⁴，然后是类型 1 表示 TIP3P 表示水模型。
   注意：更新版本 CHARMM36 也可用，可以从 http://mackerell.umaryland.edu/charmm_ff.shtml⁴⁵ 下载。
4. 定义一个立方框以覆盖整个蛋白质结构。键入 gmx editconf -f complex.gro -o newbox.gro -c -d 1.0 -bt cubic。注意：蛋白质放置在距离箱边缘至少 1 nm 的位置。确保水箱尺寸足够大，可容纳蛋白质、溶剂和离子。此外，水箱应足以防止蛋白质的周期性图像之间的相互作用。蛋白质和盒子边缘之间的建议最小距离至少为 1.0–1.5 nm。
5. 对于溶剂配置⁴⁶，键入 gmx solvate -cp newbox.gro -cs spc216.gro -p topol.top -o solv.gro。
6. 通过键入 gmx solvate -cp newbox.gro -cs spc216.gro -p topol.top -o solv.gro 添加钠和/或氯化离子等离子。
   注意：钠离子和/或氯离子用于中和系统。
7. 通过键入 gmx genion -s ions.tpr -o solv_ions.gro -p topol.top -pname NA -nname CL -neutral 来中和系统。为 SOL 组选择 13。
   注：对于溶菌酶，8 个溶质分子已被氯离子取代（图 3）。
8. 在 CHARMM 36 文件中，搜索 ions.itp 文件夹。氯离子的缩写是 CLA。
9. 打开 topol.top 文件，添加 CLA 和数字 8 ，如图 4 所示。
10. 打开 solv_ions.gro 文件并将所有 CL 交换为 CLA。
    注意：请确保 solv_ions.gro 和 topol.top 文件具有相同的离子缩写，否则会出现警告。重命名离子名称符合 CHARMM 36 ff 文件版本。由于 chloride 的缩写已经是 CL，因此无需重命名旧版本中的离子。不过，请始终检查离子的缩写。
11. 通过最陡的下降能量最小化来放松蛋白质结构，最大步数为 50,000 步。为此，键入 gmx grompp -f em.mdp -c solv_ions.gro -p topol.top -o em.tpr ，然后键入 gmx mdrun -v -deffnm em。
    注：溶剂和离子在蛋白质周围以两个阶段平衡：（i） 颗粒数 （N）、系统体积 （V） 和温度 （T） 恒定 （NVT），以及 （ii） 颗粒数 （N）、系统压力 （P） 和温度 （T） 恒定 （NPT）。温度耦合（NVT 阶段）根据改进的 Berendsen 恒温器设置为 300 K，而压力耦合（NPT 阶段）根据 Parrinello-Rahman 设置为 1 bar。长程静电相互作用和最近邻搜索分别使用粒子网格 Ewald （PME） 方法和 Verlet 算法自动计算。
12. 对于 NVT 的平衡，键入 gmx grompp -f nvt.mdp -c em.gro -r em.gro -p topol.top -n index.ndx -o nvt.tpr ，然后键入 gmx mdrun -v -deffnm nvt。
    注意：温度平衡所需的时间约为 5 分钟，具体取决于 CPU 和 GPU。对于系统平衡，仿真时间为 100 ps。
13. 为了实现 NPT 的平衡，键入 gmx grompp -f npt.mdp -c nvt.gro -r nvt.gro -t nvt.cpt -p topol.top -o npt.tpr ，然后键入 gmx mdrun -v -deffnm npt。
    注意：压力平衡所需的时间约为 5 分钟，具体取决于 CPU 和 GPU。对于系统平衡，仿真时间为 100 ps。
14. 让系统进行 1 ns 的平衡运行，然后使用持续时间为 100 ns 的 mdrun 函数进行生产运行。打开 md.mdp 文件。在 n 步长处，更改为 50000000;2 ' 50000000 = 100000 ps （100 ns）。
15. 对于分子动力学的产生，键入 gmx grompp -f md.mdp -c npt.gro -t npt.cpt -p topol.top -o md.tpr ，然后键入 gmx mdrun -v -deffnm md。
    注意：这个时间大约是 ~2 天。从 MD 仿真生成的轨迹帧以 10 ps 的间隔捕获，并用于基于均方根偏差 （RMSD） 的聚类分析。

4. 基于 RMSD 的聚类分析

1. MD 模拟后，继续进行命令分析。蛋白质将通过晶胞扩散，并可能出现“破碎”或“跳跃”到盒子的另一侧。键入 gmx trjconv -s md.tpr -f md.xtc -o md_center.xtc -center -pbc mol -your compact。类型 1 用于使蛋白质居中， 类型 0 用于系统的输出。键入 vmd em.gro 以可视化蛋白质。
2. 对于总能量分析，键入 gmx energy -f md.edr -o totalenergy.xvg，然后继续键入 14 作为总能量。
   注意：监控总能量是确保 MD 模拟^47,48 的可靠性和正确性的基础。
3. 对于 RMSD 分析，键入 gmx rms -s md.tpr -f md_center.xtc -o rmsd.xvg -tu ns。 继续键入 3 表示最小二乘拟合的 C-alpha，键入 3 表示 RMSD 计算的 C-alpha（图 5）。
4. 对于 RMSF 分析，键入 gmx rmsf -s md.tpr -f md_center.xtc -o rmsf.xvg –res。继续键入 1 for protein。
5. 对于使用宽限，请键入此命令 xmgrace totalenergy.xvg。通过双击图形框线来调整轴。将出现 Grace： Axes 框。单击 Accept。
6. 在选项卡菜单上，单击 File and Print_setup。 将出现 Grace： Device setup 。将设备从 PostScript 更改为 JPEG。单击 Accept。 现在点击 打印 在文件菜单上。另存为 totalenergy.jpg。
7. 对 xmgrace rmsd.xvg 和 xmgrace rmsfxvg 重复步骤 4.5 和 4.6。
8. 对于聚类分析，键入 gmx cluster –s md.tpr –f md_center.xtc –g cluster.log –sz cluster-size.xvg –clid clus-id.xvg –cl cluster.pdb –cutoff 1.0。 继续执行类型 1 （蛋白质组）以计算最小二乘拟合和 RMSD，以及系统输出的类型 1 （蛋白质组）。
   注意：根据聚类结果调整截止值。命令 -cl 表示每个集群的 average 输出。
9. 打开 cluster-size.xvg。
   1. 根据提供的信息，如果聚类数较少，则增加 RMSD 截止值，如果聚类数较高，则减小 RMSD 截止值。
10. 使用不同的截止值重复步骤 4.8。
    注意：使用不同的截止值进行聚类，直到根据以下标准确定最佳 RMSD 截止值：（1） 聚类总数应限制在 30 个以下。（2） 最好尽量减少只有一个成员的集群的存在。（3） 希望将超过 90% 的轨迹表示在少于 10 个集群中。
11. 打开 Chimera 软件并搜索 cluster.pdb。
    注意：cluster.pdb 包含每个集群组的平均值。
12. 单击 Presents and Publication 1 （剪影、圆带）。
13. 然后，转到 文件 > 保存图像 > 保存.
14. 单击 cluster.pdb > Select > Chain > （no ID） （Select Chain （no ID））。单击 Select > Invert （all models）（选择反转 （所有模型））。单击 Actions > Atoms/Bonds >删除。
    注意：这将删除除集群 1 之外的所有组集群。
15. 然后，转到 文件 > 保存 PDB > 保存。另存为 cluster1.pdb。
16. 对不同的集群重复步骤 4.11–4.15。另存为 cluster2.pdb、cluster3.pdb 和 cluster4.pdb。
    注意：由于前 4 个簇的总数超过总轨迹的 90%，因此提取前 4 个簇的每个代表并使用 Chimera 进行分子对接分析（参见 图 6）。

5. 基于集合的对接

1. 双击 Autodock Tools 软件。
   注意：对于对接，本研究使用了 AutoDock 和 AutoDock 工具软件 13,49,50,51。
2. 将文件 cluster1.pdb 和 ligand.pdb 放在新文件夹中。
3. 在菜单上，单击 File > Preferences > Set。 将弹出 Set User Preferences 框。将 “new folder” 的地址复制为文本。将地址粘贴到 Set User Preferences 框中的 Startup Directory 中。单击 Set （设置）。
   注意：如果使用 Windows作系统，这是一个重要的步骤。
4. 单击 蓝色文件夹图像。将弹出 一个 read molecule 文件夹 。选择 cluster1.pdb。
   注意：Autodock 工具将读取蛋白质分子结构。
5. 单击 Edit > Charges > Add Kollman Charges。 然后单击 OK. 单击 Edit > Hydrogens > Merge Non-Polar。
   注意：Kollman 电荷被添加到蛋白质中。
6. 单击 Grid > Macromolecules（大分子 网格> 选择）。 一个 选择大分子 框将弹出。选择 cluster1 并单击 Select Molecules。单击 OK（确定）。 将出现 一个 Modified AutoDock4 Macromolecule 文件。另存为 cluster1.pdbqt。
7. 通过单击 Edit > Delete > Delete All Molecules 来清空工作区。单击 Continue（继续）。
8. 单击 Ligand > input > Open。 将出现 Autodock4 文件夹的 Ligand 文件 。选择 All Files（所有文件），选择 ligand.pdb， 然后单击 Open（打开）。 单击 OK（确定）。
   注：设置配体将包括 Gasteiger 电荷的掺入和非极性氢的合并。
9. 单击 Ligand > Torsion Tree ，> Detect root。
10. 单击 Ligand > Output > Save as PDBQT。 将出现 一个 Formatted Autotors Molecules 文件夹。另存为 ligand.pdbqt。
11. 通过单击 Edit > Delete > Delete All Molecules 来清空工作区。单击 Continue（继续）。
    注意： 按照步骤 5.6 中描述的相同过程进行作。
12. 单击 Grid > Macromolecules > Open。 选择 cluster1.pdbqt ，然后单击 Open。 单击 Yes （是）。单击 Ok（确定）。
13. 单击 Grid > Set Map Types > Open Ligand。 选择 ligand.pdbqt 并单击 Open。
    注意：在工作区中，有蛋白质和配体。
14. 单击 Grid 和 Grid Box。 将出现 Grid Options 框。在 Number of points in x dimension（x 维度中的点数）中，将参数调整为 120，将 Number of points in y dimension（y 维度中的点数 ）设置为 120，将 Number of points in z dimension（z 维度中的点数 ）设置为 120。将间距 （埃） 设置为 0.375。将 Center Grid Box 参数保留为默认值。单击 File 并 关闭 Saving Current。
    注意：网格盒覆盖了整个蛋白质，这意味着它是盲对接。
15. 单击 Grid > Output > Save GPF。 此时将显示 栅格参数输出 文件。在文件名中，键入 grid.gpf 并单击 Save。
16. 单击 Run 和 Run AutoGrid。将出现 Run AutoGrid 框。在 Parameter Filename 选项卡中，单击 Browse。将出现一个 Autogrid Parameter 文件。选择 grid.gpf。 单击 Open。在 Program Pathname > 浏览。将出现一个 autogrid4 文件。搜索 autogrid4.exe 并单击 Open > Launch。
    注意：确保文件夹名称不包含任何空格，因为这可能会导致运行期间出错。可以从 https://autodock.scripps.edu/download-autodock4/ 安装 autogrid4.exe 文件夹。
17. 单击 Docking > macromoleculs （对接大分子> 设置刚性文件名）。将出现一个 PDBQT Macromolecules 文件。选择 cluster1.pdbqt ，然后单击 Open。
18. 单击 Docking > Ligand > 选择。 此时将显示 Choose Ligands 框。选择 配体 ，然后单击 Select Ligand。 将出现 AutoDpf4 配体参数框 。单击 Accept。
19. 单击 Docking > Search Parameter > Genetic Algorithm。 将出现 Genetic Algorithm Parameters 框。将 GA 运行次数 更改为 100。 将其余参数保留为默认值。单击 Accept。
20. 单击 “停靠 > 输出 > Lamarckian GA（4.2）”。将出现 Autodock4.2 GALS Docking Parameter Output 文件。对于文件名，键入 docking.dpf ，然后单击 Save。
21. 单击 Run > Run AutoDock。 将出现 Run Autodock 框。在 Parameter Filename 处，单击 Browse。 此时将显示 autodock4 参数 文件。选择 docking.dpf。 单击 Open。 在 Program Pathname 中，单击 Browse。将出现一个 autodock4 文件。搜索 autodock4.exe 并单击 Open。 单击 Launch （启动）。
    注意：确保文件夹名称不包含空格，因为这可能会导致在运行过程中出现错误。所需时间为 ~30 分钟。可以使用以下链接安装 autodock4.exe 文件夹： https://autodock.scripps.edu/download-autodock4/。
22. 如步骤 5.7 所述删除所有分子。
23. 对 cluster2.pdb、cluster3.pdb 和 cluster4.pdb 重复 5.1 到 5.22 中的步骤。
    注意：所有 4 个停靠组都将用于分析。

6. 基于集合的对接分析

1. 使用 AutoDock Tools 软件继续分析。单击 Analyze > Docking > Open。 将出现一个停靠日志文件。选择 docking.dlg 并单击 Open。然后，单击 OK。
2. 单击 Analyze > Macromoles（分析大分子 > 打开）。
3. 单击 Analyze > Conformations > Play，按能量排序。将出现一个 配体 框。
4. 在新 文件夹中，使用记事本打开 docking.dlg 文件夹。搜索 构象的聚类分析。从给定的信息中，搜索结合能最低的构象 run（表示为 Run）。
   注：由于有 100 种构象运行，因此只有一种在配体和蛋白质之间具有最强的结合亲和力。最低结合能的术语定义为具有更强的结合亲和力 52,53,54。
5. 从步骤 6.3（配体 框）开始，输入构象运行（从步骤 6.4 开始），然后按 Enter。
   注意：配体将在蛋白质内相应地定位自身。
6. 在 配体 盒中，单击 按钮 open panel 以更改播放选项。将出现 Set Play Options 框。单击 Write Complex （写入复杂）。将出现 receptor 文件夹的写入复合物 。另存为 complex.pdb。
   注意：由于有 4 个集群组，因此可以相应地命名 complex.pdb 文件，例如集群组 1 的 complex1.pdb。
7. 打开 Chimera 软件并搜索 complex.pdb （如步骤 6.6 所示）。
8. 单击 “预设 ”> “交互式 1（功能区） ”> “出版物 1（剪影、圆角功能区）”。
9. 然后去 文件 并单击 保存图片.
   注意：保存的图像是 FB-LYZ 复合物的带状结构。
10. 单击“ 预设 ”> “交互式 3”（疏水性表面） > “出版物 1”（剪影、圆带）”。
    注意：保存的图像是 FB-LYZ 复合物的气球结构。
11. 打开 Discovery Studio 软件。
12. 将 complex.pdb 拖到软件的空白处。
13. 点击 工具 选项卡并选择 显示 2D 图。
    注意：该软件将自动生成复合物的 2D 结构 （图 7）。
14. 单击 文件 和 另存为。 编写文件名，然后单击 Save （ 保存）。

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