Name: Prédiction et validation de cibles protéiques de composés à petites molécules (Vidéo) | JoVE Journal
Uploaded: 2024-02-23T15:00:00.000+00:00
Duration: 10 min 21 s
Description: Découvrez une méthode combinant docking moléculaire et TSA pour prédire et valider les interactions entre petites molécules et cibles protéiques. Ce protocole réduit les coûts et garantit la reproductibilité des échantillons.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Ce travail a été soutenu par la Fondation nationale des sciences naturelles de Chine (82004031) et le Sichuan Science and Technology Program (2022NSFSC1303). Nous exprimons notre grande gratitude à Jiayi Sun de l’Institut innovant de médecine et de pharmacie chinoises de l’Université de médecine traditionnelle chinoise de Chengdu, pour son aide avec le western blot.

Validation de l’interaction Xanthatin-Keap1 avec l’amarrage et CETSA

<ol><li>Soleymani, F., Paquet, E., Viktor, H., Michalowski, W., Spinello, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Protein-protein+interaction+prediction+with+deep+learning%3A+A+comprehensive+review%5BTitle%5D)+AND+%22Computat+Struct+Biotechnol+J%22%5BJournal%5D)">Protein-protein interaction prediction with deep learning: A comprehensive review.</a> Computat Struct Biotechnol J. 20, 5316-5341 (2022).</li>
<li>Du, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Insights+into+protein-ligand+interactions%3A+mechanisms%2C+models%2C+and+methods%5BTitle%5D)+AND+%22Int+J+Mol+Sci%22%5BJournal%5D)">Insights into protein-ligand interactions: mechanisms, models, and methods.</a> Int J Mol Sci. 17 (2), 144(2016).</li>
<li>Wu, Q., Peng, Z., Zhang, Y., Yang, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((COACH-D%3A+improved+protein-ligand+binding+sites+prediction+with+refined+ligand-binding+poses+through+molecular+docking%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">COACH-D: improved protein-ligand binding sites prediction with refined ligand-binding poses through molecular docking.</a> Nucleic Acids Res. 46, W438-W442 (2018).</li>
<li>Zhang, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PROBselect%3A+accurate+prediction+of+protein-binding+residues+from+proteins+sequences+via+dynamic+predictor+selection%5BTitle%5D)+AND+%22Bioinfo%22%5BJournal%5D)">PROBselect: accurate prediction of protein-binding residues from proteins sequences via dynamic predictor selection.</a> Bioinfo. 36, i735-i744 (2020).</li>
<li>Kandel, J., Tayara, H., Chong, K. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PUResNet%3A+prediction+of+protein-ligand+binding+sites+using+deep+residual+neural+network%5BTitle%5D)+AND+%22J+Cheminfo%22%5BJournal%5D)">PUResNet: prediction of protein-ligand binding sites using deep residual neural network.</a> J Cheminfo. 13 (1), 65(2021).</li>
<li>Dhakal, A., Mckay, C., Tanner, J. J., Cheng, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Artificial+intelligence+in+the+prediction+of+protein-ligand+interactions%3A+recent+advances+and+future+directions%5BTitle%5D)+AND+%22Brief+Bioinform%22%5BJournal%5D)">Artificial intelligence in the prediction of protein-ligand interactions: recent advances and future directions.</a> Brief Bioinform. 23 (1), 476(2022).</li>
<li>Hatty, C. R., Banati, R. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Protein-ligand+and+membrane-ligand+interactions+in+pharmacology%3A+the+case+of+the+translocator+protein+%28TSPO%29%5BTitle%5D)+AND+%22Pharmacol+Res%22%5BJournal%5D)">Protein-ligand and membrane-ligand interactions in pharmacology: the case of the translocator protein (TSPO).</a> Pharmacol Res. 100, 58-63 (2015).</li>
<li>Chaires, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Calorimetry+and+thermodynamics+in+drug+design%5BTitle%5D)+AND+%22Ann+Rev+Biophys%22%5BJournal%5D)">Calorimetry and thermodynamics in drug design.</a> Ann Rev Biophys. 37, 135-151 (2008).</li>
<li>Huang, S. Y., Zou, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advances+and+challenges+in+protein-ligand+docking%5BTitle%5D)+AND+%22Int+J+Mo+Sci%22%5BJournal%5D)">Advances and challenges in protein-ligand docking.</a> Int J Mo Sci. 11 (8), 3016-3034 (2010).</li>
<li>Li, J., Fu, A., Zhang, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+overview+of+scoring+functions+used+for+protein-ligand+interactions+in+molecular+docking%5BTitle%5D)+AND+%22Interdiscip+Sci%22%5BJournal%5D)">An overview of scoring functions used for protein-ligand interactions in molecular docking.</a> Interdiscip Sci. 11 (2), 320-328 (2019).</li>
<li>Crampon, K., Giorkallos, A., Deldossi, M., Baud, S., Steffenel, L. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Machine-learning+methods+for+ligand-protein+molecular+docking%5BTitle%5D)+AND+%22Drug+Discov+Today%22%5BJournal%5D)">Machine-learning methods for ligand-protein molecular docking.</a> Drug Discov Today. 27 (1), 151-164 (2022).</li>
<li>Pinzi, L., Rastelli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Molecular+docking%3A+Shifting+paradigms+in+drug+discovery%5BTitle%5D)+AND+%22Int+J+Mol+Sci%22%5BJournal%5D)">Molecular docking: Shifting paradigms in drug discovery.</a> Int J Mol Sci. 20 (18), 4331(2019).</li>
<li>Abdolmaleki, A., Ghasemi, F., Ghasemi, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Computer-aided+drug+design+to+explore+cyclodextrin+therapeutics+and+biomedical+applications%5BTitle%5D)+AND+%22Chem+Biol+Drug+Des%22%5BJournal%5D)">Computer-aided drug design to explore cyclodextrin therapeutics and biomedical applications.</a> Chem Biol Drug Des. 89 (2), 257-268 (2017).</li>
<li>Chen, G., Seukep, A. J., Guo, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recent+advances+in+molecular+docking+for+the+research+and+discovery+of+potential+marine+drugs%5BTitle%5D)+AND+%22Mar+Drugs%22%5BJournal%5D)">Recent advances in molecular docking for the research and discovery of potential marine drugs.</a> Mar Drugs. 18 (11), 545(2020).</li>
<li>Li, T., Guo, R., Zong, Q., Ling, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Application+of+molecular+docking+in+elaborating+molecular+mechanisms+and+interactions+of+supramolecular+cyclodextrin%5BTitle%5D)+AND+%22Carbohydr+Polym%22%5BJournal%5D)">Application of molecular docking in elaborating molecular mechanisms and interactions of supramolecular cyclodextrin.</a> Carbohydr Polym. 276, 118644(2022).</li>
<li>Martinez Molina, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Monitoring+drug+target+engagement+in+cells+and+tissues+using+the+cellular+thermal+shift+assay%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Monitoring drug target engagement in cells and tissues using the cellular thermal shift assay.</a> Science. 341 (6141), 84-87 (2013).</li>
<li>Tu, Y., Tan, L., Tao, H., Li, Y., Liu, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CETSA+and+thermal+proteome+profiling+strategies+for+target+identification+and+drug+discovery+of+natural+products%5BTitle%5D)+AND+%22Phytomedicine%22%5BJournal%5D)">CETSA and thermal proteome profiling strategies for target identification and drug discovery of natural products.</a> Phytomedicine. 116, 154862(2023).</li>
<li>Dai, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Horizontal+cell+biology%3A+Monitoring+global+changes+of+protein+interaction+states+with+the+proteome-wide+cellular+thermal+shift+assay+%28CETSA%29%5BTitle%5D)+AND+%22Annu+Rev+Biochem%22%5BJournal%5D)">Horizontal cell biology: Monitoring global changes of protein interaction states with the proteome-wide cellular thermal shift assay (CETSA).</a> Annu Rev Biochem. 88, 383-408 (2019).</li>
<li>Lade, D. M., Nicoletti, R., Mersch, J., Agazie, Y. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Design+and+synthesis+of+improved+active-site+SHP2+inhibitors+with+anti-breast+cancer+cell+effects%5BTitle%5D)+AND+%22Eur+J+Med+Chem%22%5BJournal%5D)">Design and synthesis of improved active-site SHP2 inhibitors with anti-breast cancer cell effects.</a> Eur J Med Chem. 247, 115017(2023).</li>
<li>Jiang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Novel+chemical-structure+TPOR+agonist%2C+TMEA%2C+promotes+megakaryocytes+differentiation+and+thrombopoiesis+via+mTOR+and+ERK+signalings%5BTitle%5D)+AND+%22Phytomedicine%22%5BJournal%5D)">Novel chemical-structure TPOR agonist, TMEA, promotes megakaryocytes differentiation and thrombopoiesis via mTOR and ERK signalings.</a> Phytomedicine. 110, 154637(2023).</li>
<li>Mateus, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Thermal+proteome+profiling+for+interrogating+protein+interactions%5BTitle%5D)+AND+%22Mol+Syst+Biol%22%5BJournal%5D)">Thermal proteome profiling for interrogating protein interactions.</a> Mol Syst Biol. 16 (3), 9232(2020).</li>
<li>Sanchez, T. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real-time+cellular+thermal+shift+assay+to+monitor+target+engagement%5BTitle%5D)+AND+%22ACS+Chem+Biol%22%5BJournal%5D)">Real-time cellular thermal shift assay to monitor target engagement.</a> ACS Chem Biol. 17 (9), 2471-2482 (2022).</li>
<li>Tolvanen, T. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Current+advances+in+CETSA%5BTitle%5D)+AND+%22Front+Mol+Biosci%22%5BJournal%5D)">Current advances in CETSA.</a> Front Mol Biosci. 9, 866764(2022).</li>
<li>Liu, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Xanthatin+inhibits+STAT3+and+NF-%CE%BAB+signalling+by+covalently+binding+to+JAK+and+IKK+kinases%5BTitle%5D)+AND+%22J+Cell+Mol+Med%22%5BJournal%5D)">Xanthatin inhibits STAT3 and NF-κB signalling by covalently binding to JAK and IKK kinases.</a> J Cell Mol Med. 23 (6), 4301-4312 (2019).</li>
<li>Liu, Y., Chen, W., Zheng, F., Yu, H., Wei, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Xanthatin+alleviates+LPS-Induced+inflammatory+response+in+RAW264.7+macrophages+by+Inhibiting+NF-%CE%BAB%2C+MAPK+and+STATs+activation%5BTitle%5D)+AND+%22Molecules%22%5BJournal%5D)">Xanthatin alleviates LPS-Induced inflammatory response in RAW264.7 macrophages by Inhibiting NF-κB, MAPK and STATs activation.</a> Molecules. 27 (14), 4603(2022).</li>
<li>Dinkova-Kostova, A. T., Kostov, R. V., Canning, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Keap1%2C+the+cysteine-based+mammalian+intracellular+sensor+for+electrophiles+and+oxidants%5BTitle%5D)+AND+%22Arch+Biochem+Biophys%22%5BJournal%5D)">Keap1, the cysteine-based mammalian intracellular sensor for electrophiles and oxidants.</a> Arch Biochem Biophys. 617, 84-93 (2017).</li>
<li>Tabana, Y., Babu, D., Fahlman, R., Siraki, A. G., Barakat, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Target+identification+of+small+molecules%3A+An+overview+of+the+current+applications+in+drug+discovery%5BTitle%5D)+AND+%22BMC+Biotechnol%22%5BJournal%5D)">Target identification of small molecules: An overview of the current applications in drug discovery.</a> BMC Biotechnol. 23 (1), 44(2023).</li>
<li>Schenone, M., Dančík, V., Wagner, B. K., Clemons, P. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Target+identification+and+mechanism+of+action+in+chemical+biology+and+drug+discovery%5BTitle%5D)+AND+%22Nat+Chem+Biol%22%5BJournal%5D)">Target identification and mechanism of action in chemical biology and drug discovery.</a> Nat Chem Biol. 9 (4), 232-240 (2013).</li>
<li>Hughes, J. P., Rees, S., Kalindjian, S. B., Philpott, K. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Principles+of+early+drug+discovery%5BTitle%5D)+AND+%22Br+J+Pharmacol%22%5BJournal%5D)">Principles of early drug discovery.</a> Br J Pharmacol. 162 (6), 1239-1249 (2011).</li>
<li>Chakraborty, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SARS-CoV-2+protein+drug+targets+landscape%3A+A+potential+pharmacological+insight+view+for+the+new+drug+development%5BTitle%5D)+AND+%22Expert+Rev+Clin+Pharmacol%22%5BJournal%5D)">SARS-CoV-2 protein drug targets landscape: A potential pharmacological insight view for the new drug development.</a> Expert Rev Clin Pharmacol. 14 (2), 225-238 (2021).</li>
<li>Ziegler, S., Pries, V., Hedberg, C., Waldmann, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Target+identification+for+small+bioactive+molecules%3A+Finding+the+needle+in+the+haystack%5BTitle%5D)+AND+%22Angew+Chem+Int+Ed+Engl%22%5BJournal%5D)">Target identification for small bioactive molecules: Finding the needle in the haystack.</a> Angew Chem Int Ed Engl. 52 (10), 2744-2792 (2013).</li>
<li>Zhang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Highly+effective+identification+of+drug+targets+at+the+proteome+level+by+pH-dependent+protein+precipitation%5BTitle%5D)+AND+%22Chem+Sci%22%5BJournal%5D)">Highly effective identification of drug targets at the proteome level by pH-dependent protein precipitation.</a> Chem Sci. 13 (42), 12403-12418 (2022).</li>
<li>Zhang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+simplified+thermal+proteome+profiling+approach+to+screen+protein+targets+of+a+ligand%5BTitle%5D)+AND+%22Proteomics%22%5BJournal%5D)">A simplified thermal proteome profiling approach to screen protein targets of a ligand.</a> Proteomics. 20, 1900372(2020).</li>
<li>Hou, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Salidroside+intensifies+mitochondrial+function+of+CoCl2-damaged+HT22+cells+by+stimulating+PI3K-AKT-MAPK+signaling+pathway%5BTitle%5D)+AND+%22Phytomedicine%22%5BJournal%5D)">Salidroside intensifies mitochondrial function of CoCl2-damaged HT22 cells by stimulating PI3K-AKT-MAPK signaling pathway.</a> Phytomedicine. 109, 154568(2022).</li>
<li>Wang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Salidroside%2C+a+phenyl+ethanol+glycoside+from+Rhodiolacrenulata%2C+orchestrates+hypoxic+mitochondrial+dynamics+homeostasis+by+stimulating+Sirt1%2Fp53%2FDrp1+signaling%5BTitle%5D)+AND+%22J+Ethnopharmacol%22%5BJournal%5D)">Salidroside, a phenyl ethanol glycoside from Rhodiolacrenulata, orchestrates hypoxic mitochondrial dynamics homeostasis by stimulating Sirt1/p53/Drp1 signaling.</a> J Ethnopharmacol. 293, 115278(2022).</li>
</ol>

Les auteurs n’ont rien à divulguer.

L’identification de cibles pathologiques et la découverte et la mise au point de médicaments sont étroitement liées27. En ciblant précisément des cibles spécifiques, des candidats-médicaments peuvent être développés pour traiter plus efficacement des maladies particulières tout en minimisant les effets secondaires associés aux médicaments28,29. Les cibles les plus couramment utilisées sont les cibles protéiques30. Cependant, l’identification de cibles protéiques spéciales pose un immense défi en raison de la grande diversité des protéines au sein des cellules30,31. Dans cet article, nous avons adopté une approche qui combine l’amarrage moléculaire avec CETSA pour identifier et valider les cibles protéiques. Les résultats ont révélé une interaction directe entre la xanthatine et la protéine Keap1. L’intégration de la technologie informatique et des expériences biologiques peut également être utilisée dans l’étude d’autres médicaments et cibles protéiques pour déterminer la présence d’une interaction directe entre le médicament et la cible. Cette approche, qui combine la prédiction et la vérification, réduit efficacement à la fois la consommation de temps et les coûts économiques. De plus, les instruments et les matériaux expérimentaux sont faciles à obtenir et le processus d’opération n’est pas compliqué. Enfin, les échantillons CETSA sont faciles à préparer et à tester par la méthode western blot, ce qui garantit la reproductibilité des échantillons.
D’après notre expérience, plusieurs aspects critiques nécessitent une attention particulière lors des procédures expérimentales. Tout d’abord, il est essentiel de sélectionner la structure cristalline de la protéine résolue par l’analyse aux rayons X lors du choix de la structure de la protéine avant l’amarrage moléculaire. Deuxièmement, la densité cellulaire et le temps de congélation/décongélation sont des facteurs cruciaux dans les expériences CETSA. Les cellules en phase de croissance logarithmique doivent être sélectionnées pour les expériences CETSA car leur état de croissance est stable et a un impact minimal sur les résultats expérimentaux. Lors de la congélation et de la décongélation répétées des cellules, le moment doit être bien contrôlé avec de l’azote liquide utilisé pour la congélation jusqu’à ce qu’il se forme solide blanc, suivi d’une décongélation immédiate à température ambiante avant les cycles de congélation suivants. Enfin, les expériences de transfert Western doivent être terminées rapidement après la préparation des échantillons de CETSA afin d’éviter la dégradation des protéines.
L’amarrage moléculaire et la CETSA sont deux techniques bien établies qui jouent un rôle crucial dans le domaine du développement de médicaments. L’amarrage moléculaire joue un rôle déterminant dans la prédiction des interactions au niveau moléculaire entre les composés et leurs cibles, offrant des informations précieuses sur les modes de liaison potentiels10,11. CETSA, en revanche, se concentre sur l’évaluation de l’impact des médicaments sur la stabilité thermique des protéines et sert d’outil pour valider les interactions médicament-protéine17. Bien que CETSA soit une méthode de vérification relativement simple, il s’agit également d’une méthode à faible débit en utilisant le transfert Western pour l’étude du décalage thermique du complexe médicament-protéine, et elle ne devrait pas être la seule technique utilisée. De plus, les étapes de CETSA sont compliquées, et toute erreur d’étape pendant l’opération peut avoir un impact important sur les résultats. De plus, la méthode CETSA ne peut pas déterminer le site de liaison spécifique et le mode de liaison du composé à la protéine cible et ne peut pas indiquer si la liaison est covalente ou non covalente 17,18,23. Au-delà du test de décalage thermique, d’autres types de tests énergétiques, tels que la précipitation des protéines dépendante du pH (pHDPP), peuvent également être utilisés pour l’étude des interactions ligand-protéine32. De plus, le profilage thermique du protéome est une méthode basée sur l’énergie pour révéler les interactions ligand-protéine, permettant une analyse à haut débit et à grande échelle des interactions protéine-médicament en combinant la protéomique avec CETSA33.
De plus, la résonance plasmonique de surface localisée (LSPR) peut fournir une analyse qualitative et quantitative supplémentaire34,35. Il détermine non seulement l’existence d’interactions entre un médicament et sa cible, mais mesure également les paramètres d’affinité et les paramètres cinétiques de ces interactions intermoléculaires, offrant ainsi une compréhension plus complète.
Au-delà du test de décalage thermique, la précipitation des protéines dépendante du pH (pHDPP) peut également être utilisée pour l’étude des interactions ligand-protéine32. L’amarrage moléculaire est une méthode de simulation basée sur la physico-mécanique permettant de prédire les interactions entre les petites molécules et les biomolécules. Cette méthode vise à réaliser la liaison en optimisant la conformation et l’orientation des petites molécules pour produire la meilleure complémentarité entre celles-ci et les biomolécules. La prédiction de cible utilise des techniques d’intelligence artificielle pour prédire les sites de liaison entre les petites molécules et les biomolécules. Les deux approches présentent des différences clés dans l’application de la méthode et la précision des prédictions. Application de la méthode : l’amarrage moléculaire est principalement utilisé pour la conception et l’optimisation de médicaments, fournissant une base théorique pour la découverte de nouveaux médicaments. La prédiction des cibles, à l’aide d’une intelligence artificielle plus avancée, est plus souvent appliquée au criblage à haut débit et à la découverte rapide de composés principaux afin d’améliorer l’efficacité de la découverte de médicaments. Précision de la prédiction : Étant donné que l’amarrage moléculaire est basé sur des simulations physiques, sa précision de prédiction est plus élevée, mais le coût de calcul est également relativement élevé. Bien que la prédiction cible ait un coût de calcul inférieur, la précision de la prédiction dépend de l’abondance des données d’entraînement et de la sélection du modèle.

Les protéines sont des macromolécules très importantes dans les organismes vivants et possèdent une gamme variée de fonctions uniques au sein des cellules, telles que la composition membranaire, la formation du cytosquelette, l’activité enzymatique, le transport, la signalisation cellulaire et l’implication dans les mécanismes intracellulaires et extracellulaires 1,2,3. Les protéines manifestent leurs fonctions biologiques principalement par des interactions spécifiques avec une variété de molécules, y compris d’autres protéines, des acides nucléiques, des ligands de petites molécules et des ions métalliques 1,4. Les ligands sont de petits composés moléculaires qui se lient spécifiquement aux protéines d’un organisme. L’interaction entre les protéines et les ligands se produit à des sites spécifiques de la protéine, appelés sites de liaison, également connus sous le nom de poches de liaison5. Dans la recherche en chimie médicinale, l’accent est mis sur l’identification de protéines clés qui sont clairement associées à des maladies, qui servent de cibles pour les médicaments6. Par conséquent, il est de la plus haute importance d’acquérir une compréhension approfondie des sites de liaison entre les protéines et les ligands pour promouvoir la découverte, la conception et la recherche de médicaments 7,8.
L’amarrage moléculaire est un outil de calcul largement utilisé pour étudier la liaison protéine-ligand, qui utilise les structures tridimensionnelles des protéines et des ligands pour explorer leurs modes de liaison primaires et leurs affinités lors de la formation de complexes stables 9,10,11. L’application de la technologie d’amarrage moléculaire a vu le jour dans les années 1970. Sur la base du principe de l’appariement serrure et clé et en utilisant les algorithmes des logiciels d’amarrage moléculaire, on peut déterminer l’interaction entre les composés et les cibles moléculaires en analysant les résultats d’amarrage. Cette approche permet de prédire les sites de liaison actifs à la fois pour le composé et la molécule cible. Par conséquent, il facilite l’identification d’une conformation de liaison optimale (appelée ici modèle de liaison) pour les interactions ligand-récepteur, ce qui est crucial pour comprendre la mécanique de ces engagements moléculaires 12,13,14,15. Bien que l’amarrage moléculaire fournisse de précieuses prédictions informatiques des interactions ligand-récepteur, il est important de noter qu’il s’agit de résultats préliminaires. Par conséquent, une vérification expérimentale supplémentaire est essentielle pour confirmer ces interactions.
Le test de décalage thermique cellulaire (CETSA), initialement proposé par l’équipe de recherche de Pär Nordlund en 2013, sert de méthode pour valider les interactions médicament-protéine cible. Cette technique teste spécifiquement la stabilité thermique des protéines cibles induite par la liaison aux médicaments, fournissant une approche pratique pour confirmer les interactions moléculaires 16,17,18. Cette approche est basée sur le principe fondamental selon lequel la liaison des ligands initie un changement thermique au sein des protéines cibles et s’applique à un large éventail d’échantillons biologiques, y compris les lysats cellulaires, les cellules vivantes intactes et les tissus19,20. CETSA soutient l’engagement direct de petites molécules cibles dans des cellules intactes en détectant la stabilisation thermodynamique des protéines due à la liaison des ligands et en liant la réponse phénotypique observée au composé cible21,22. Parmi les différentes méthodologies dérivées de CETSA, le Western Blot-CETSA (WB-CETSA) est considéré comme une approche classique. Après la préparation de l’échantillon à l’aide de la méthode CETSA, l’analyse par transfert Western est utilisée pour détecter les altérations de la stabilité thermique de la protéine cible. Cela permet de déterminer avec précision les interactions médicament-protéine au sein des systèmes cellulaires17,23.
La xanthatine est un composé bioactif isolé de la plante Xanthium L. avec des propriétés telles que l’anti-inflammatoire, qui a été utilisé dans la médecine traditionnelle chinoise pour traiter des maladies comme la sinusite nasale et l’arthrite24,25. La protéine 1 associée à l’ECH (Keap1) est un composant du complexe protéique multi-sous-unitaire ubiquitine ligase Cullin-RING E3 basé sur Cullin3 et un régulateur important de l’homéostasie redox intracellulaire, qui influence l’intensité et la durée de la réponse inflammatoire en modulant l’état redox intracellulaire26. Dans cette étude, nous avons d’abord utilisé l’amarrage moléculaire pour étudier l’interaction entre la xanthatine (petite molécule) et la protéine Keap1, dans le but de prédire leur mode de liaison. Par la suite, nous avons utilisé la méthode CETSA pour valider cette interaction en évaluant l’impact de la xanthatine sur la stabilité thermique de la protéine Keap1.

<table><tbody><tr><td>0,45 &mu ; m Membrane en fluorure de polyvinylidène</td><td>Millipore</td><td>PR05509</td><td></td></tr><tr><td>Éthanol anhydre</td><td>Produits chimiques</td><td>Chron 64-17-5</td><td></td></tr><tr><td>Albumine sérique bovine</td><td>BioFroxx</td><td>4240GR100</td><td></td></tr><tr><td>Mélanges inhibiteurs de protéase à large spectre</td><td>Boster Biological Technology Co., Ltd</td><td>AR1193</td><td></td></tr><tr><td>DMSO</td><td>Boster Biological Technology Co., Ltd</td><td>PYG0040</td><td></td></tr><tr><td>Réactif de chimiluminescence amélioré</td><td>Beyotime Biotechnology Co., Ltd</td><td>P0018S</td><td></td></tr><tr><td>Anticorps GAPDH</td><td>ProteinTech Group Co., Ltd</td><td>10494-1-AP</td><td></td></tr><tr><td>Instrument d’imagerie en gel</td><td>E-BLOT</td><td>Touch Imager Pro</td><td></td></tr><tr><td>Gradient Instrument de PCR</td><td>Biometra TADVANCED</td><td>Biometra Tadvanced 96SG</td><td></td></tr><tr><td>Centrifugeuse</td> <td>de congélation à grande vitesseBeckman Coulter</td><td>Allegra X-30R</td><td></td></tr><tr><td>AffiniAnticorps de chèvre pur conjugué à la peroxydase</td><td></td><td>SA00001 de</td><td></td>raifort</tr><tr><td>&nbsp ;</td><td>Chron chemicals</td><td>67-63-0</td><td></td></tr><tr><td>Keap1 anticorps</td><td>Zen BioScience Co., Ltd</td><td>R26935</td><td></td></tr><tr><td>Bain métallique</td><td>Analytik Jena</td><td>TSC</td><td></td></tr><tr><td>Méthanol</td><td>Chron chemicals</td><td>67-56-1</td><td></td></tr><tr><td>Ncmblot tampon de transfert rapide (20&times ;)</td><td>NCM Biotech Co., Ltd</td><td>WB4600</td><td></td></tr><tr><td>Omni-Easy OneStep PAGE gel préparation rapide kie</td><td>Epizyme Biotech Co., Ltd</td><td>PG212</td><td></td></tr><tr><td>Tampon phosphate salin</td><td>Boster Biological Technology Co., Ltd</td><td>PYG0021</td><td></td></tr><tr><td>Marqueur de protéine de couleur pré-coloré</td><td>Biosharp&nbsp ;</td><td>BL741A</td><td></td></tr><tr><td>Système d’électrophorèse par transfert de protéines</td><td>Bio-Rad</td><td>MiniPROTEAN&Ograve ; Tetra Cell</td><td></td></tr><tr><td>RAW264.7 cellule</td><td>Beyotime Biotechnology Co., Ltd</td><td>C7505</td><td></td></tr><tr><td>RAW264.7 milieu spécifique à la cellule</td><td>Procell Life Science& Technology Co., Ltd</td><td>CM-0597</td><td></td></tr><tr><td>SDS-PAGE tampon de chargement de protéines</td><td>Boster Biological Technology Co., Ltd</td><td>AR1112-10</td><td></td></tr><tr><td>SDS-PAGE poudre tampon</td><td>Servicebio</td><td>G2018</td><td></td></tr><tr><td>Poudre saline tamponnée Tris</td><td>Servicebio</td><td>G0001</td><td></td></tr><tr><td>Tween 20</td><td>BioFroxx</td><td>1247ML100</td><td></td></tr><tr><td>Bain-marie</td><td>Memmert</td><td>WNE10</td><td></td></tr><tr><td>Purificateur d’eau</td><td>Millipore</td><td>Milli- IQ 7005</td><td></td></tr><tr><td>Xanthatin</td><td>ChemConst Biotechnology Co., Ltd</td><td>CONST210706</td><td></td></tr></tbody></table>

prédiction et validation de cibles protéiques de composés à petites molécules

Protein Target Prediction and Validation of Small Molecule Compound

Les protéines sont fondamentales pour la physiologie humaine, leurs cibles étant cruciales dans la recherche et le développement de médicaments. L’identification et la validation de cibles protéiques cruciales font désormais partie intégrante du développement de médicaments. L’amarrage moléculaire est un outil informatique largement utilisé pour étudier la liaison protéine-ligand, en particulier dans le contexte des interactions médicamenteuses et protéiques cibles. Pour la vérification expérimentale de la liaison et pour accéder directement à la liaison du médicament et de sa cible, la méthode CETSA (Cellular Thermal Shift Astesty) est utilisée. Cette étude visait à intégrer l’amarrage moléculaire à CETSA pour prédire et valider les interactions entre les médicaments et les cibles protéiques vitales. Plus précisément, nous avons prédit l’interaction entre la xanthatine et la protéine Keap1 ainsi que son mode de liaison par analyse d’amarrage moléculaire, suivie d’une vérification de l’interaction à l’aide du test CETSA. Nos résultats ont démontré que la xanthatine pouvait établir des liaisons hydrogène avec des résidus d’acides aminés spécifiques de la protéine Keap1 et réduire la thermostabilité de la protéine Keap1, indiquant que la xanthatine pouvait interagir directement avec la protéine Keap1.

L’analyse de l’amarrage moléculaire a permis de prédire l’interaction entre la xanthatine et la protéine Keap1. La figure 2 montre la formation de liaisons hydrogène entre la xanthatine et les résidus d’acides aminés Gly-367 et Val-606 de la protéine Keap1, avec une longueur de liaison hydrogène de 2,17 Å pour Gly-367 et de 2,13 Å pour Val-606. De plus, le score d’amarrage calculé de -5,69 kcal/mol signifie une bonne affinité de liaison entre la xanthatine et la protéine Keap1.
La méthode CETSA a montré que la liaison à la xanthatine modifiait la stabilité thermique de la protéine Keap1, confirmant l’interaction entre la xanthatine et la protéine21 de Keap1. La figure 3 indique que la xanthatine modifie remarquablement la stabilité thermique de la protéine Keap1 dans la plage de température de 48 °C à 57 °C, par rapport au groupe DMSO. Pour assurer une charge d’échantillon égale, tout d’abord, la densité d’inoculation cellulaire dans laquelle nous avons effectué les expériences était cohérente ; deuxièmement, les échantillons cellulaires du groupe DMSO et du groupe xanthatine ont été bien mélangés dans les boîtes de culture cellulaire, puis ont été répartis uniformément dans deux tubes de microcentrifugation, ce qui a permis d’assurer une quantité constante d’échantillons cellulaires, et, le volume de surnageant ajouté à chaque tube PCR était de 60 μL, et enfin, le volume de chaque échantillon téléchargé dans le Western blot était de 20 μL, ce qui assurait un chargement égal pour les échantillons chauffés. La dégradation des protéines dans les échantillons à partir d’environ 51 °C est principalement due à des modifications de la structure des protéines et à des réactions chimiques accélérées causées par des températures élevées. Les résultats ci-dessus démontrent que la xanthatine pourrait se lier directement à la protéine Keap1.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66564/66564fig01.jpg"> Figure 1 : Ordre de chargement du western blot. La température dans l’ordre de gauche à droite était de 45 °C, 48 °C, 51 °C, 54 °C, 57 °C, 60 °C et 63 °C.  La première voie a été ajoutée avec un marqueur ; deux voies ont été utilisées pour chaque température ; la première voie était le groupe DMSO, et la deuxième voie était le groupe xanthatin. <a href="https://www.jove.com/files/ftp_upload/66564/66564fig01large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figure.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66564/66564fig02.jpg"> Figure 2 : Interaction entre la xanthatine et la protéine Keap1 (PDB : 2FLU). (A) La représentation 2D de la liaison de la xanthatine à Keap1. (B) La visualisation 3D de la xanthatine et de la protéine Keap1. <a href="https://www.jove.com/files/ftp_upload/66564/66564fig02large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figure.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66564/66564fig03.jpg"> Figure 3 : Effet de la xanthatine sur la stabilité thermique de la protéine Keap1. (A) Les effets de la xanthatine sur la stabilité thermique de Keap1 ont été détectés par CETSA. (B) Les densités optiques de Keap1 ont été normalisées à celles obtenues à 45 °C. Les données sont représentées sous forme de moyenne ± écart-type. L’analyse statistique a été effectuée par analyse de variance à un facteur (ANOVA à un facteur). n = 3. *p &lt; 0,05, **p &lt; 0,01, p &lt; 0,001, p &lt; 0,0001. <a href="https://www.jove.com/files/ftp_upload/66564/66564fig03large.jpg" target="_blank">Veuillez cliquer ici pour voir une version agrandie de cette figure.</a>

L’expérience utilisée ici montre une méthode d’amarrage moléculaire combinée à un test de décalage thermique cellulaire pour prédire et valider l’interaction entre les petites molécules et les cibles protéiques.

Prédiction et validation de cibles protéiques de composés à petites molécules

Proteins are fundamental to human physiology, with their targets being crucial in research and drug development. The identification and validation of ...

Nos recherches se concentrent sur les cibles protéiques, la prédiction et la validation de petits composés moléculaires. L’expérience utilisée ici montre une méthode d’amarrage moléculaire combinée à un test de décalage thermique similaire pour prédire et valider l’interaction entre les petites molécules et les cibles protéiques. Ces étapes de CETSA sont compliquées et toute erreur d’étapes pendant l’opération peut avoir un impact important sur les résultats.Notre protocole combine la prédiction et la vérification, réduisant efficacement la consommation de temps et les coûts économiques. De plus, les instruments et matériaux expérimentaux sont faciles à utiliser. Enfin, les échantillons CETSA sont faciles à préparer en test, ce qui garantit la productibilité des échantillons.

protein-target-prediction-and-validation-of-small-molecule-compound

Research

Recherche

JoVE Journal

Medicine

Médecine

Lignes directrices pour l'informatique basée caractérisation structurale et fonctionnelle de protéines en utilisant le pipeline I-Tasser est décrite. A partir de la séquence protéique de requête, les modèles 3D sont générés à l'aide de plusieurs alignements de filetage et itératif des simulations assemblage structural. Inférences fonctionnelles sont ensuite tirées à partir des matches à protéines avec une structure connue et fonctions.

Un protocole pour la structure des protéines Computer-Based et prédiction de la fonction

Nous décrivons ici une méthode d’identification des protéines de liaison aux petites molécules à l’aide du marquage par photoaffinité. L’avantage de cette technique est que la liaison et le marquage covalent des protéines cibles se produisent dans l’environnement cellulaire vivant, éliminant ainsi le risque de perturber la structure des protéines natives et les conditions de liaison lors de la lyse cellulaire.

Identification des protéines de petites molécules de liaison dans un Natif cellulaire Environnement par des cellules vivantes photoaffinité Étiquetage

Cette étude visait à présenter une stratégie pour identifier les interactions médicament-peptide. La stratégie consiste à biopanner les peptides courts reconnaissant les médicaments à partir d'un biocapteur de microbalance quartz-cristal (QCM), suivi d'une analyse bioinformatique pour évaluer quantitativement les informations obtenues pour la reconnaissance et l'annotation des sites de liaison médicamenteux sur les protéines.

Stratégie d&apos;analyse biopanning et bioinformatique à haut débit basée sur biocapteur pour la validation globale des interactions médicament-protéines

Le présent protocole décrit une stratégie intégrée pour explorer les cibles et mécanismes clés de Fructus Phyllanthi contre l’hyperlipidémie basée sur la prédiction pharmacologique en réseau et la vérification métabolomique.

Prédiction pharmacologique en réseau et validation métabolomique du mécanisme de Fructus phyllanthi contre l’hyperlipidémie

Nous décrivons une méthodologie basée sur la diversification des séquences pour estimer les préférences en acides aminés des sites de liaison multispécifiques dans les interactions protéine-protéine (IPP). Dans cette stratégie, des milliers de ligands peptidiques potentiels sont générés et criblés in silico, surmontant ainsi certaines limites des méthodes expérimentales disponibles.

Prédiction computationnelle des préférences en acides aminés de domaines de liaison à des peptides potentiellement multispécifiques impliqués dans des interactions protéine-protéine

Ce protocole bilingue fournit un flux de travail computationnel de découverte de médicaments évaluant les interactions protéine-ligand des kinases de type Polo 1 à 3 (PLK1–3) et des propriétés d’absorption, distribution, métabolisme, excrétion, toxicité et stabilité (ADMET-S) des molécules naturelles issues de bases de données.

Un flux de travail computationnel bilingue pour identifier les inhibiteurs potentiels de PLK1 en langue des signes américaine et en anglais

Les travaux actuels décrivent un protocole d’exécution de l’algorithme Pathway2Targets, un script R qui prédit et hiérarchise les cibles thérapeutiques en fonction du profil des voies de signalisation intracellulaires générées en comparant des échantillons de cas et de contrôle d’une expérience de séquençage d’ARN en vrac.

Utilisation de listes de gènes humains exprimés de manière différentielle pour effectuer une analyse d’enrichissement des voies en aval et la hiérarchisation des cibles

Cet article présente un protocole pour construire un modèle de pharmacophore consensuel en intégrant des caractéristiques moléculaires de plusieurs ligands. Cette méthode est applicable aux efforts de découverte de médicaments ciblant toute cible biologique avec des conformations liées au ligand connues, permettant l’identification de caractéristiques d’interaction clés pour le criblage virtuel et la conception rationnelle de médicaments.

Modélisation de pharmacophores pour des cibles dotées de vastes bibliothèques de ligands : une étude de cas sur le SARS-CoV-2 Mpro

Diffuse le contrôle nocives inhibitrices, sommation temporelle et le test d'hyperalgésie plaies sont démontrées dans le patient obstétrique. Ces tests évaluent les mécanismes excitateurs et inhibiteurs du traitement de la douleur et sont ici utilisés pour évaluer l'analgésie endogènes à différents points de temps pendant la grossesse et la période périnatale pour aider à révéler le risque individuel s pour une douleur persistante.

Un paradigme expérimental pour la prédiction de douleur post-opératoire (PPOP)

Nous décrivons un modèle de rat de trouble de stress post-traumatique (SSPT) qui révèle les altérations persistantes dans la fonction neuroendocrine et le retard à long terme, l'intervention crainte exagérée, caractéristiques des patients SSPT. Le modèle animal et les méthodes décrites ici sont utiles pour corréler des biomarqueurs dans les noyaux du cerveau, qui sont mécaniste, mais ne peut pas être mesurée chez les patients avec des biomarqueurs en globules blancs périphériques, ce qui peut.

Biomarqueurs dans un modèle animal pour Révéler Corrélats neuronaux, hématologiques et du comportement de stress post-traumatique

Découvrez une méthode combinant docking moléculaire et TSA pour prédire et valider les interactions entre petites molécules et cibles protéiques. Ce protocole réduit les coûts et garantit la reproductibilité des échantillons.

Prédiction et validation de cibles protéiques de composés à petites molécules

Explorer plus de vidéos