חוכמת חלבון: Workbench ל<em&gt; בסיליקון</em&gt;<em&gt; דה נובו</em&gt; עיצוב של ביומולקולות

סיכום

פיתחנו שיטות עיצוב חלבון דה נובו חישוביות המסוגלות להתמודד עם מספר תחומים חשובים של עיצוב חלבונים. כדי להפיץ את השיטות הללו אנו מציגים את Protein WISDOM, כלי מקוון לתכנון חלבונים (http://www.proteinwisdom.org). החל מתבנית מבנית, ניתן לבצע תכנון של חלבונים מונומרים ליציבות מוגברת וקומפלקסים לזיקה קשירה מוגברת.

תקציר

המטרה של עיצוב חלבון נובו דה היא למצוא את רצף החומצות האמינו שיהיה לקפל לתוך מבנה 3 ממדים רצוי עם שיפורים במאפיינים ספציפיים, כגון זיקה מחייבת, אגוניסט אנטגוניסט או בהתנהגות, או יציבות, ביחס לרצף המקורי. עיצוב חלבון נמצא במרכזו של תכנון תרופות התקדמות הנוכחי וגילוי. לא רק שעיצוב חלבון מספק תחזיות למטרות תרופה פוטנציאליות טוב, אבל זה גם משפר את ההבנה של תהליך קיפול החלבונים וחלבוני האינטראקציות שלנו. שיטות ניסיוניות, כגון אבולוציה מכוונת הראו הצלחה בעיצוב חלבון. עם זאת, שיטות כאלה מוגבלות על ידי מרחב הרצף המוגבל שניתן לחפש tractably. בניגוד לכך, אסטרטגיות עיצוב חישוביים לאפשר הקרנה של קבוצה הרבה יותר גדולה של רצפים המכסים מגוון רחב של תכונות ופונקציונליות. יש לנו פיתחה מגוון רחב של חישובית דה נובו חלבון העיצוב methoDS מסוגל להתמודדות עם מספר תחומים חשובים של עיצוב חלבון. אלה כוללים את העיצוב של חלבוני monomeric ליציבות ומתחמים מוגבר לזיקה מחייבת מוגברת.

כדי להפיץ את השיטות האלה לרחבים יותר להשתמש בחוכמה אנו מציגים חלבון (http://www.proteinwisdom.org), כלי שמספק בשיטות אוטומטיות למגוון רחב של בעיות עיצוב חלבון. תבניות מבניות מוגשים כדי לאתחל את תהליך העיצוב. השלב הראשון של תכנון הוא שלב בחירת רצף אופטימיזציה שמטרתה לשפר את יציבות באמצעות מזעור של אנרגיה פוטנציאלית במרחב הרצף. רצפים נבחרים לאחר מכן מנוהלים באמצעות שלב סגוליות קיפול ושלב זיקה מחייב. רשימת הדירוג של-מסודרת של הרצפים לכל שלב של התהליך, יחד עם מבנים המיועדים רלוונטיים, מספקת את המשתמש עם הערכה כמותית מקיפה של העיצוב. כאן אנו מספקים את הפרטים OF כל שיטת תכנון, כמו גם כמה הצלחות ניסיוניות בולטות שהושגו באמצעות השימוש בשיטות.

מבוא

עיצוב חלבון דה נובו הוא זיהוי רצפי חלבונים שיניבו מבנה שלישוני רצוי עם תכונות או תפקוד משופרים. מכיוון שהקפל המקורי של חלבון הוא הקונפורמציה שנמצאת במינימום האנרגיה החופשית, תכנון חלבון דה נובו מחפש רצפים שיהיו להם מינימום אנרגיה חופשית בקפל המטרה. בעיה זו תוארה לראשונה על ידי דרקסלר¹ ופאבו² וכונתה "בעיית הקיפול ההפוך". עם זאת, בניגוד לבעיית קיפול החלבון, שבה רצף יכול להניב רק פתרון מבנה מקופל אחד, בעיית תכנון החלבון דה נובו מציגה ניוון. רצפי חומצות אמינו רבים ושונים יכולים להניב את אותו מבנה ותפקוד שלישוני.

בעוד שתכנון חלבונים בוצע באופן מסורתי באופן ניסיוני באמצעות תכנון רציונלי ואבולוציה מכוונת, שיטות חישוביות שימשו לאחרונה כדי להתגבר על מרחב החיפוש המוגבל הטמון בשיטות ניסוי. נעשה שימוש במגוון שיטות חישוביות, כולל שיטות דטרמיניסטיות, שיטות סטוכסטיות ושיטות הסתברותיות. ^3,4 שיטות חישוביות מוקדמות השתמשו בתבניות עמוד שדרה קבועות כדי להקל על פתרון הבעיה. ^5-7 עם הופעתם של מעבדים מהירים יותר, מחשוב בעל ביצועים עיליים ואלגוריתמים יעילים יותר, גמישות עמוד השדרה שולבה על ידי שימוש באנסמבל של תבניות עמוד שדרה קבועות^8-14 או על ידי שילוב גמישות עמוד שדרה אמיתית על ידי ביטוי התבנית במונחים של טווחים של מרחקים מאטום לאטום וזוויות דיהדרליות. ^15,16

מאמר זה מתאר בפירוט את Protein WISDOM, כלי מקוון שהפך לזמין לקהילה האקדמית כדי להשתמש במסגרת עיצוב החלבון החישובי דה נובו שלנו. מסגרת זו יושמה על תכנון חלבונים רבים, לשימוש טיפולי המכוון למחלות כגון HIV, סרטן, מחלות משלימות והפרעות אוטואימוניות אחרות. רבים מהפפטידים החזויים אומתו בניסוי, מה שמדגים את כוחה של השיטה. טבלה 1 מספקת סיכום של החלבונים השונים שתוכננו, כולל גודל החלבון או הפפטיד, מספר התחזיות ואימות ניסיוני.

<גבול טבלה="1"> עיצוב חלבון אורך החלבון # של תחזיות חישוביות # של ולידציות ניסיוניות הפניה עיצוב רצף מלא של בטא-דפנסין-2 אנושי 41 340   (17) מעכבי קומפסטטין של C3 אנושי 13 28 3/3 (18, 19) אנלוגים של קומפסטין הנקשרים לחולדה C3c 13 5   (20) אנלוגים של קומפסטטין עם סיומת די-סרין 15 8     מבנה מייצב של אנלוגי קומפסטטין W4A9 13 18     אגוניסטים ואנטגוניסטים של קולטן C3a 77 20 4/7 (21) אגוניסטים ואנטגוניסטים לקולטן C5a 74 61 2/61   מעכבי HIV-1 gp14 12 6 4/5 (22) מעכבי HIV-1 gp120 9 14     מעכבי Bak של Bcl-x L ו-Bcl-2 16-18 10 5/5 (23) מעכבי ERK2 11 25     מעכבי EZH2 21 17 10/10 (24) מעכבי LSD1 ו-LSD2 16 41 17/20   מעכבי HLA-DR1 13 6   (25) מעכבי PNP 5 13    

טבלה 1. סיכום של חלבונים ופפטידים מעוצבים באמצעות מסגרת עיצוב החלבון דה נובו. # התחזיות החישוביות מוצג כמספר התחזיות החיוביות (כלומר ספציפיות קיפול מעל חתך מסוים או זיקות קשירה משוערות גדולות מהרצף המקורי). # האימות הניסיוני נותן שני מספרים: הראשון הוא מספר התחזיות שאומתו בניסוי ואילו השני הוא המספר הכולל של התחזיות שנבדקו בניסוי.

תכנון של אדם-בטא-דפנסין-2 (hβD-2) בוצע כדי לשפר את התכונה האנטי-מיקרוביאלית של הפפטיד. ¹⁷ עבור תכנון זה, שקלנו שני מקרים: 1) עד 10 מוטציות לאורך hβD-2 ו-2) תכנון רצף מלא של כל מיקומי שאריות hβD-2 למעט הציסטאין (8, 15, 20, 30, 37 ו-38). שלוש תבניות עיצוב שונות ושלושה מודלים שונים לבחירת רצפים שימשו בעיצוב. רמות גבוהות של דמיון במוטציות נצפו בין מודלים של ממוצע משוקלל וסל מרחק הן עבור עיצוב 10 המוטציות והן עבור עיצוב הרצף המלא. בנוסף, נמצא כי למספר רב של רצפים יש ערכי ספציפיות קיפול מחושבים חיוביים יותר מאשר הרצף המקורי.

מעכבי מערכת המשלים (של C3, C3a ו-C5a) תוכננו להילחם במספר מחלות חיסוניות כגון שבץ מוחי, התקף לב, מחלת אלצהיימר, אסטמה, דלקת מפרקים שגרונית, דחיית השתלת זרים, מחלות נשימה במבוגרים, פסוריאזיס ומחלת קרוהן. שלושה מעכבי קומפסטטין של C3c שנחזו על ידי מסגרת תכנון החלבון בתוספת שלושה רצפים שתוכננו באופן רציונלי אומתו בניסוי כקושרים טובים יותר מהקומפסטין המקורי. ^18,19

מחקרים נוספים בחנו את אובדן הפעילות של קומסטטין כנגד C3c שאינו פרימט ותכננו מספר מעכבי C3c מועמדים לחולדות ועכברים. חמישה רצפים הוכחו כבעלי אנרגיות חופשיות יותר עם C3c של חולדות מאשר מוטנט הקומפסטין W4A9 הידוע כמעכב C3c. זאת בשל היווצרות גשר מלח חדש על ידי Arg1. ²⁰ שמונה רצפים עם סיומת N-terminal נחזו להיות קלסרים טובים יותר מ-W4A9 עם סיומת di-Serine. לבסוף, 18 רצפי קומפסטטין נחזו לייצב את הקונפורמציה הקשורה של W4A9, ולספק מועמדים חזקים למעכבי C3c פרימטים ולא פרימטים.

בנוסף למעכבי C3c, אגוניסטים ואנטגוניסטים של קולטני C3a ו-C5a תוכננו על בסיס המבנים של C3a ו-C5a. שבעה רצפי C3a שנחזו על ידי המודל נבדקו בניסוי. שניים מהרצפים היו אגוניסטים חזקים בעוד ששניים אחרים היו אגוניסטים חלקיים. ²¹ שני האגוניסטים החזקים הראו שיפור של פי 58 לעומת "סופראגוניסט" שהתגלה בעבר. העיצוב של אגוניסטים ואנטגוניסטים לקולטן C5a סיפק קבוצה של 61 רצפים. כל הרצפים סונתזו ושניים נמצאו כאגוניסטים חדשים של C5a.

מעכבי היתוך של HIV-1, הנגיף הגורם לאיידס, תוכננו למנוע מ-HIV-1 להדביק תאים. העיצוב הראשון התמקד ב-gp41, גליקופרוטאין מעטפת של HIV-1. מסגרת תכנון החלבון ניבאה שישה רצפים שהיו קושרים טובים יותר מהרצף המקורי. ארבעה מהרצפים החזויים הללו אומתו בניסוי כמעכבים HIV-1 כאשר הרצף הטוב ביותר היה בעל IC₅₀ נמוך עד 29 מיקרומטר. רצף זה הראה שיפור של פי 3-15 לעומת הרצף המקורי ולא היה לו אובדן פעילות נגד זן וירוס עמיד ל-Enfuvirtide. ²² העיצוב השני התמקד ב-gp120, גליקופרוטאין מעטפת נוסף של HIV-1. ארבעה עשר רצפים נחזו להיות קושרים של gp120 ולספק מעכבי היתוך פוטנציאליים נוספים של HIV-1.

חלבונים רבים הקשורים לסרטן סיפקו מטרות מבטיחות לטיפולים בסרטן. Bcl-2 ו-Bcl-x_L הם חלבונים אנטי-אפופטוטיים המונעים מוות של תאים. מעכבים של שני חלבונים אלה נועדו לגרום למוות של תאים בתאים סרטניים. עשרה רצפים נחזו להיות קושרים טובים יותר מהילידים, ותוצאות אלה תפסו תוצאות ניסויים ומוטגנזה קודמות. ²³ חלבון מטרה נוסף, ERK2, מעורב במפלי העברת אותות שהופכים אותו למטרה מבטיחה לטיפולים אנטי-פרוליפרטיביים לסרטן. עשרים וחמישה רצפים נחזו כמעכבים של ERK2.

Histone methyltransferases ו-demethylases שולטים באופן דינמי במתילציה של היסטון, אשר נקשרה לסוגי סרטן רבים כולל ערמונית, שד, לימפומה, מיאלומה, שלפוחית השתן, המעי הגס, העור, הכבד, רירית הרחם, הריאות והקיבה. מסגרת תכנון החלבון דה נובו זיהתה 17 מעכבים של EZH2 (ליזין מתילטרנספראז) ומתוך עשרה שנבדקו בניסוי, כולם נמצאו כמעכבים EZH2. ²⁴ לפפטיד החזק ביותר היה IC₅₀ של כ-13 מיקרומטר, היה יעיל באותה מידה עם ריכוזי אנזימים גבוהים, ולא התחרה בקופקטור. פפטידים אלה היו הקבוצה הראשונה של מעכבי EZH2. 53 מעכבים של LSD1 (דמתילאז) נחזו על ידי המסגרת ומתוך 20 שנבדקו בניסוי, 17 היו מעכבים של LSD1 ו-18 היו מעכבים של LSD2. למעכבים הטובים ביותר היו ערכי IC₅₀ מתחת ל-1 מיקרומטר, מה שהופך אותם למעכבים הפפטידיים החזקים ביותר שהתגלו עד כה.

שתי מערכות החלבון האחרונות סיפקו מטרות לטיפול במחלות אוטואימוניות שונות כגון מחלת צליאק, סוכרת מסוג 1, זאבת אדמנתית מערכתית, תסמונת סיוגרן, תסמונת צ'ורג-שטראוס, בלוטת התריס של השימוטו, מחלת גרייבס, פורפורה טרומבוציטופנית אידיופטית, דלקת מפרקים שגרונית ואלרגיות. אף אחד מהמעכבים הפוטנציאליים הללו לא אומת בניסוי, אולם המסגרת חזתה שישה רצפים הנקשרים ל-HLA-DR1 ו-13 רצפים הנקשרים ל-PNP.

טבלה 2 מסכמת מעכבים ואגוניסטים מאומתים בניסוי שנחזו באמצעות מסגרת תכנון החלבון דה נובו. מדד הזיקה המשוער שימש לחיזוי תשעה מהרצפים (מעכבים של C3c אנושי, HIV-1 gp41, EZH2, LSD1 ו-LSD2), בעוד שמדד הספציפיות של הקיפול שימש לזיהוי ארבעה מהרצפים (אגוניסטים/אנטגוניסטים של C3aR). פפטידים אלה מדגישים את ההצלחה של מסגרת עיצוב החלבון דה נובו, במיוחד מדד הזיקה המשוער הנוסף. המסגרת מגוונת ביותר בתחולתה. שישה חלבונים שונים הקשורים לעשרים וחמש מחלות שונות תוכננו בהצלחה ותוקפו בניסוי.

שם	IC50	EC50	יעד חלבון	מחלות ישימות
SQ027	0.94 מיקרומטר		C3c אנושי	שבץ מוחי, התקף לב, מחלת אלצהיימר, אסטמה, דלקת מפרקים שגרונית, זאבת אדמנתית מערכתית, טרשת נפוצה, פסוריאזיס, סוכרת מסוג I, מחלת קרוהן, דלקת הלבלב וסיסטיק פיברוזיס
SQ086	1.98 מיקרומטר		C3c אנושי
SQ059	4.73 מיקרומטר		C3c אנושי
SQ110-4		15.2 ננומטר	C3aR
SQ060-4		36.4 ננומטר	C3aR
SQ007-5	15.4 ננומטר		C3aR
SQ002-5	26.1 ננומטר		C3aR
SQ435	29 - 253 מיקרומטר		HIV-1 gp41	איידס
SQ037	13.57 מיקרומטר		EZH2	סרטן הערמונית, השד, לימפומה, מיאלומה, שלפוחית השתן, המעי הגס, העור, הכבד, רירית הרחם, הריאות והקיבה
SQ011-1	0.521 מיקרומטר		LSD1
SQ016-1	0.249 מיקרומטר		LSD1
SQ026-1	2.51 מיקרומטר		LSD2
SQ015-1	1.332 מיקרומטר		LSD2

טבלה 2. פפטידים שנחזו חישובית ואומתו בניסוי המכוונים למחלות שונות.

פרוטוקול

סקירת השיטה

מסגרת התכנון מסוג de novo המשמשת ב-Protein WISDOM מורכבת משני שלבים. השלב הראשון מייצר רשימה מדורגת של רצפי חומצותי Aminocids שיתקפלו למבנה תבנית נתון. השלב השני מתקף רצפים אלו באמצעות חישוב של ספציפיות קיפול, זיקה קישורית מקורבת, או שניהם. הראשונה משמשת בעיקר כאשר התכנון הוא של חלבון בודד, בעוד שהשנייה משמשת כאשר התכנון הוא של קומפלקס (פפטיד הנקשר לחלבון מטרה). איור 1 מספק סקירה כללית של השלבים המעורבים במסגרת זו.

קלטי תכנון: מספר קלטים צריכים להיות מוגדרים עבור מסגרת התכנון של חלבונים de novo. הראשון הוא תבנית התכנון. זוהי מבנה חלבון תלת-ממדי (3D) המכיל קואורדינטות עבור כל האטומים בחלבון. המבנה יכול להיות קשיח או גמיש. תבניות קשיחות הן קבוצה של קואורדינטות אטומים קבועות והן מתקבלות ממבני קריסטלוגרפיית קרני X. תבניות גמישות יכולות להיות קבוצה של קואורדינטות אטומים קבועות או גבולות עליונים ותחתונים לקואורדינטות האטומים. תבניות אלו יכולות להתקבל ממבני תמיסה ב-NMR, דינמיקה מולקולרית או סימולציות עגינה (docking).

תבנית העיצוב משמשת ליצירת קבוצת המוטציות המותרות של החלבון המעוצב. קבוצה זו מגדירה אילו מיקומים ברצף יכולים לעבור מוטציה ולאילו חומצות אמינו. קבוצת המוטציות נוצרת על ידי חישוב שטח הפנים החשוף לממס (SASA) של כל שארית בתבנית העיצוב. אם השארית חשופה לממס ביותר מ-50%, קבוצה של חומצות אמינו הידרופיליות תהיה מותרת (D, E, G, H, K, N, P, Q, R, S, T). אם השארית חשופה לממס בפחות מ-20%, קבוצה של חומצות אמינו הידרופוביות תהיה מותרת (A, F, I, L, M, V, W, Y). אם מידת החשיפה של השארית היא בין 20% ל-50%, כל חומצות האמינו מותרות. ציסטאין מוחרג בדרך כלל מקבוצת המוטציות, אלא אם כן נתונים ניסיוניים או ספרותיים קובעים כי הדבר מתאים. חומצות אמינו קטנות (A, G, T) נכללות בדרך כלל בכל קבוצות המוטציות. כאשר הם זמינים, ניתן להשתמש בתובנות ניסיוניות או ספרותיות כדי לשנות ידנית את קבוצות המוטציות של מיקומים ספציפיים של חומצות אמינו.

שדה כוחות נבחר כדי לחשב את אנרגיית האינטראקציה הזוגית של הרצפים בתבנית העיצוב. בעוד שניתן להתאים כל שדה כוחות לשימוש במסגרת זו, שני שדות כוחות תלויי-מרחק פותחו ונמצאים בשימוש נרחב במסגרת העיצוב מסוג de novo. הראשון הוא שדה כוחות C^α-C^α ברזולוציה גבוהה,²⁶ שבו המרחקים הם בין פחמני ה-C^α של השאריות. השני הוא שדה כוחות centroid-centroid ברזולוציה גבוהה²⁷ שבו המרחקים הם בין המרכזים (centroids) של השאריות. פרמטרי האנרגיה בשדות הכוחות נגזרו על ידי פתרון בעיית אומדן פרמטרים של תכנון ליניארי, אשר דרשה כי דגימי הבדיקה (decoys) ברזולוציה גבוהה ובעלי אנרגיה נמוכה עבור סט אימון גדול של חלבונים יהיו פחות מועדפים אנרגטית מהקונפורמציות הטבעיות שלהם. שדה כוחות ה-centroid-centroid ברזולוציה הגבוהה ושדה כוחות ה-C^α-C^α נבחנו ותוקפו במחקרים קודמים על human beta-defensin-2.¹⁷ גמישות אמיתית של השלד (backbone) מוטמעת במודל על ידי דיסקרטיזציה של שדות הכוחות לסלים של מרחקים (distance bins). המרחק בין זוג חומצות אמינו יתאים לסל מרחקים המעניק את אותו ערך אנרגיה לטווח מרחקים מסוים. הדבר מאפשר למודל אופטימיזציית בחירת הרצפים להתחשב בתנועת השלד.

מגבלות ביולוגיות, בצורה של מגבלות מטען או מגבלות תוכן, יכולות להתווסף ידנית על ידי המשתמש כקלט תכנוני נוסף. מגבלות מטען מגדירות מטען ספציפי או טווח מטענים שחייבים להתקיים עבור הרצף המתוכנן או חלק ממנו. המטען מחושב כסכום השאריות בעלות מטען חיובי (K ו-R) פחות סכום השאריות בעלות מטען שלילי (D ו-E). מגבלות תוכן מגדירות גבולות עליונים ותחתונים לשכיחות של חומצת אמינו מסוימת ברצף. מגבלות ביולוגיות מוגדרות בדרך כלל באמצעות יישור רצפים נרחב אל מול הרצף הטבעי. זאת כדי ללכוד את הגבולות הביולוגיים הידועים של המטען ותוכן חומצות האמינו המיוצגים בטבע עבור משפחה של חלבונים. מגבלות נוספות מוגדרות ידנית באמצעות ניתוח של נתונים ניסיוניים ידועים.

שלב ראשון: בחירת רצף: שיטת בחירת הרצף המקורית פותחה לראשונה על ידי Klepeis et al.^15,16 היא בוחרת ומדרגת רצפי חומצות אמינו בהתאם לאנרגיות שלהם בתבנית העיצוב תוך שימוש במודל אופטימיזציה לינארית של מספרים שלמים (ILP). השיטה שופרה מאוחר יותר באמצעות שימוש במודל בחירת רצפים יעיל יותר מבחינה חישובית עבור תבניות קשיחות (בודדות), והורחבה באמצעות פיתוח מודלים עבור תבניות גמישות. שיטה זו של אופטימיזציה גלובלית אינה מסתמכת על מוטציות אקראיות והיא מבטיחה תיאורטית לסרוק את מרחב הרצפים המלא ולקבוע פתרון גלובלי. זהו יתרון מרכזי של הגישה שלנו בהשוואה לכל שאר הגישות הקיימות.

מודל מבנה יחיד: הצורה המקורית של מודל בחירת הרצפים שהוצע על ידי Klepeis ואחרים.^15,16 עובד ודוייק יותר על ידי Fung ואחרים.²⁸ צורתו הסופית מופיעה במשוואה 1.

הקבוצה i=1,...,n מגדירה את מיקומי השאריות בתבנית העיצוב. בכל מיקום i, מוטציות מיוצגות על ידי j{i}=1,...,m_i, כאשר m_i=20 אם המיקום i רשאי להשתנות לכל אחת מעשרים חומצות האמינו הטבעיות. קבוצות הכינוי k≡i ו-l≡j, כאשר k>i, משמשות לייצוג של כל האינטראקציות הזוגיות הייחודיות. משתנים בינאריים ו- מוצגים כדי למדל מוטציות של חומצות אמינו. המשתנה יקבל את הערך אחת אם המודל מקצה את חומצת האמינו j למיקום i, ואת הערך אפס אחרת (בדומה ל- ). פונקציית המטרה מייצגת את סכום כל אינטראקציות האנרגיה הזוגיות בתבנית העיצוב. הפרמטר , המהווה את אינטראקציית האנרגיה בין מיקום i occupied by חומצת האמינו j לבין מיקום i occupied by חומצת האמינו l, תלוי במרחק בין פחמני ה-α או מרכזי שרשראות הצד בשני המיקומים (x_i,x_j,) וכן בסוג חומצות האמינו j ו-l. הוא תורם לפונקציית המטרה רק כאשר גם וגם שווים לאחד.

Fung et al.²⁸ מצאו כי ניסוח (1) יעיל יותר מבחינה חישובית באופן משמעותי מאל ebenfalls מודלים שקולים דמויי הקצאה ריבועית לבחירת רצפים.^28,29 בפרט, הוא הראה ביצועים טובים יותר מהמודל המקורי שהוצע על ידי Klepeis et al.^15,16 בשתי בעיות בחירת רצפים עבור beta-defensin-2 אנושי: אחת ברמת סיבוכיות של 3.4x10⁴⁵ והשנייה ב-6.4x10³⁷ עם 49 אילוצים ביולוגיים ליניאריים נוספים. נמצא כי המודל המקורי שהוצע על ידי Klepeis et al.^15,16 דרש 53,263 שניות של יחידת עיבוד מרכזית (CPU) ו-4,578 שניות CPU בהתאמה כדי לפתור את שתי הבעיות לאופטימליות גלובלית באמצעות CPLEX 9.0³⁰ במעבד Pentium IV 3.2 GHz. ניסוח (1) דרש רק 649 שניות CPU ו-14 שניות CPU לביצוע אותן משימות, מה שמתרגם לשיפור של פי 82 ופי 327 ביעילות החישובית.

מודל ממוצע משוקלל: Fung et al.²⁸ פיתחו שני מודלים לטיפול במקרה הטיפוסי של עיצוב חלבונים de novo, שבו תבנית העיצוב היא גמישה ומכילה קבוצה של מבנים. מודל הממוצע המשוקלל משתמש באנרגיה ממוצעת משוקללת, , במקום פרמטר האנרגיה (x_i,x_k) במודל המבנה הבודד (משוואה 1). המשקולות wt(x_i,x_k,d) נקבעות על פי התדירויות של המרחק בין x_i ל-x_k הנופל לתוך סל המרחקים d במבני התבנית. הצורה הסופית של מודל הממוצע המשוקלל מופיעה במשוואה 2.

מודל סלי מרחק (Distance Bin Model): מודל בחירת הרצף השני עבור מבני תבנית גמישים משלב את מידע המרחקים ממספר מבנים על ידי הגדרת משתנה בינארי b_ikd. משתנה זה שווה לאחד אם המרחק בין x_i ל- x_k נופל בתוך סלי מרחק d, ואפס אחרת. פרמטר נוסף שהוכנס, disbin(x_i, x_k, d), שווה לאחד אם המרחק בין x_i ל- x_k באחד ממבני התבנית נופל בתוך סלי מרחק d, ואפס אחרת. מכיוון שרק סל מרחק אחד לכל זוג חומצות אמינו יתרום לאנרגיה הכוללת, בפונקציית המטרה מוחלף ב- . עם זאת, דבר זה מכניס אי-לינאריות לפונקציית המטרה. פרטים נוספים על ליניאריזציה של המודל ואילוצים נוספים שיש להוסיף לצורך היתכנות ניתן למצוא אצל Fung et al.²⁸ מודל סלי המרחק מוצג במשוואה 3.

כל אחת מבעיות התכנון הלינארי עם משתנה שלם (ILP)^15-17 שנוסחו לעיל ניתנת לפתרון קפדני באמצעות טכניקות של branch-and-bound.^28-30 טכניקות אלו מבטיחות התכנסות עקבית ואמינה לרצף האנרגיה המינימלי הגלובלי.

שלב שני: תיקוף: איור 2 מספק סקירה מפורטת של שתי גישות השלב השני. האיור מציג את השלבים הדרושים לחישוב מדד הדירוג הסופי ואת מספר המבנים שנוצרו בכל שלב.

סגוליות קיפול: ספציפיות קיפול (Fold specificity) היא מדד המשמש לדירוג עיצובים ראשוניים שהופקו בשלב הראשון. מטרת החישוב היא לקבוע עד כמה כל רצף מתקפל למבנה התבנית ביחס לרצף המקורי של התבנית, בהתבסס על חישובים אנרגטיים. קיימות שתי גישות לביצוע פעולה זו, שלכל אחת מהן דרישות חישוביות שונות.

הגישה הראשונה הוטמעה על ידי Klepeis ואחרים.^15,16 גישה זו עושה שימוש במסגרת חיזוי מבנה חלבונים ASTRO-FOLD, ^26,27,31-47 המבוסס על אופטימיזציה גלובלית דטרמיניסטית. גישה זו אינה נמצאת כעת בשימוש במימוש של Protein WISDOM, מכיוון שהיא דורשת משאבי חישוב רבים מאוד. מתוך הכרה במגבלות משאבי החישוב ובצורך לבצע חישוב זה על פוטנציאלית מאות עד אלפי רצפים בתהליך התכנון, Fung ואחרים.¹⁷ הציעו גישה יעילה יותר המשתמשת ב-TINKER/CYANA.^48-50 הגישה כוללת הגדרה של תבנית גמישה של המבנה. ניתן להגדיר את התבנית הגמישה באמצעות גבולות עליונים ותחתונים למרחקים בין C^α אטומים, כמו כן את זוויות ה-ϕ וה-ψ של השאריות. עבור מבנה בודד, נעשה שימוש במרחקים ובזוויות הדיהדרליות הראשוניים, והגבולות מוגדרים כמרחק קבוע או כאחוז. גבולות ברירת המחדל הם ±10% עבור C^α מרחקים או ±10° עבור גבולות זוויות הדיהדרליות. עבור תבנית גמישה, ניתן להפיק גבולות מהערכים המקסימליים והמינימליים שנצפו בכל מבני התבנית שסופקו כקלט לעיצוב. לאחר הגדרת גבולות ראשוניים עבור כל רצף, נוצרים אנסמבלים המכילים מאות קונפורמרים באמצעות CYANA 2.1.^48,49הקונפורמרים נוצרים באמצעות פרוטוקול סימולציית התקררות (simulated annealing) של דינמיקת זוויות פיתול ב-CYANA, אשר מחמם את החלבון במהירות ולאחר מכן מקרר אותו באיטיות, תוך מעקב אחר הקונפורמציות שנדגמו. לאחר סימולציית ההתקררות, מבוצעת מינימום אנרגיה מקומי הממזער התנגשויות הנובעות מחפיפה של רדיוסים של Van der Waals, וכן הפרות של אילוצי מרחק וזווית. כברירת מחדל, נוצרים 500 מבנים סופיים. כל מבנה באנסמבל עבור כל רצף עובר מינימום מקומי ב-TINKER 3.6,⁵⁰ בשימוש בשדה הכוחות AMBER.⁵¹ אנרגיית הפוטנציאל הסופית של כל מבנה שעבר מינימום מוצגת בטבלה. גישה כוללת זו מבוצעת עבור רצף הפתיחה וכן עבור כל רצף מוטנט מועמד. לאחר מכן, ניתן לחשב את סגוליות הקיפול (Fold Specificity) של כל רצף מוטנט למבנה המטרה ביחס לרצף הטבעי, באמצעות התפלגות בולצמן הבאה (משוואה 4).

זיקה מקורבת לקשירה: שיטת חישוב הזיקה המקורבת לקשירה משמשת לדירוג הרצפים המתוכננים הנמצאים במערכת עם חלבון מטרה. חישובים אלו יכולים להתבצע על הרצפים ישירות משלב אחד, או על רצפים בעלי סגוליות קיפול גבוהה שהתקבלו משלב סגוליות הקיפול.

ליליאנים ואחרים.⁵² הוצעה גישה לחישוב של זיקות קשירה (binding affinities) מקורבות של קומפלקסים של חלבון-ליגנד. גישה זו מבוססת על יצירת אנסמבלים המבוססים על רוטמרים (rotamers) של החלבון, של הליגנד ושל קומפלקס החלבון-ליגנד, ועל שימוש באנסמבלים אלו לחישוב פונקציות מחיצה (partition functions). זיקת קשירה מקורבת זו מסומנת כ- K* ומוגדר על ידי משוואה 5.

כאן ק_PL היא פונקציית המחיצה של קומפלקס חלבון-ליגנד, ק_b היא פונקציית המחיצה של החלבון החופשי, ו- נא לספק את הטקסט באנגלית שברצונך לתרגם._L היא פונקציית המחיצה של הליגנד החופשי. פונקציות המחיצה מוגדרות במשוואה 6, שבה הקבוצות ב, ו ו- L מכילים את הקונפורמציות המבוססות על רוטמרים של קומפלקס חלבון-ליגנד קשור, החלבון החופשי והליגנד החופשי, בהתאמה. ה{}_נ האם זוהי אנרגיית הקונפורמציה n, R הוא קבוע הגזים, ו- T היא הטמפרטורה.

,חיזוי מבנה: כדי להתחיל בחישוב של K*, נדרש מבנה תלת-ממדי של כל רצף. פעולה זו מבוצעת באמצעות פונקציית Rosetta AbRelax,^53-55 חלק מחבילת התוכנה Rosetta 3.4. האסטרטגיה העומדת בבסיס אלגוריתם ה-AbRelax מבוססת על תצפית ניסויית לפיה המבנה המקומי של החלבון מושפע מרצף החלבון המקומי, אך אינו נקבע על ידו באופן בלעדי. אלגוריתם מונטה קרלו משמש להחלפת מבני חלבון מקומיים במקטעים מבניים הנגזרים מהרצף. שיטה זו מייצרת את מבני החלבון הדחוסים הסופיים, המביאים בחשבון אינטראקציות לא-מקומיות, כגון שאריות הידרופוביות קבורות, גדי β זיווגיות ואינטראקציות ספציפיות של שרשראות צד.

הקבצה: המבנים מ-AbRelax מקובצים לאחר מכן על בסיס זוויות ה-φ וה-ψ שלהם באמצעות OREO.^56,57 שיטה זו של קיבוץ (clustering) מבהירה מבני שלד מייצגים של המכלול המבני כולו. המבנים הממוצעים מעשרת המקבצים הגדולים ביותר והמבנה בעל האנרגיה הנמוכה ביותר באופן כללי נבחרים עבור עגינה (docking) לחלבון המטרה. דבר זה מספק 11 מבני שלד ייחודיים עבור כל רצף פפטידי, ובכך משלב גמישות של השלד ביצירת המכלול.

חיזוי עגינה (Docking): חיזוי העגינה מבוצע באמצעות RosettaDock.^58-60 עבור כל רצף, כל אחת מ-11 מבני שלד הפפטיד מעוגנת אל חלבון המטרה. במקרה זה, מכיוון שאתר העגינה ידוע, הפפטידים ממוקמים סמוך לאתר העגינה ומורשים לנוע בטרנסלציה של 3 Å בניצב לאתר העגינה, 8 Å במקביל לאתר העגינה, ולסובב ב-8°. RosettaDock משתמש באלגוריתם מונטה קרלו לתנועות עגינה ברזולוציה נמוכה וגבוהה. כל הרצת עגינה מייצרת מאסוף גדול של מבני קומפלקסים. עשרת הקומפלקסים בעלי האנרגיה הנמוכה ביותר בכל אחת מ-11 ההרצות משמשים כמבני התחלה ביצירת מאסוף הקונפורמציות הסופי המבוסס על רוטמרים (110 מבני התחלה לכל רצף).

יצירת המכלול הסופי: RosettaDesign⁶¹ משמש ליצירת מכלול הקונפורמציות הסופי המבוסס על רוטמרים, מכיוון שניתן להשתמש בו ליצירת מספר מבנים על ידי התאמת הרוטמרים בשרשראות הצד בלבד באמצעות פונקציית fixbb. ל-RosettaDesign ניתן מספר מבני התחלה, ועבור כל מבנה, נבחר שארית באופן אקראי והרוטמר שונה באמצעות אלגוריתם מונטה קרלו. פעולה זו חוזרת על עצמה עד שניסו אלפי החלפות רוטמרים, ובסופה מתקבלת קונפורמציה סופית בעלת אנרגיה נמוכה שתתרום רבות לפונקציית המחיצה.

כדי להפיק את מאסף הפפטידים, עשרת מבני הפפטידים בעלי האנרגיה הנמוכה ביותר מכל אחד מעשרת הצבירים הגדולים ביותר, בתוספת עשרת מבני הפפטידים בעלי האנרגיה הנמוכה ביותר באופן כללי, משמשים כמבני התחלה עבור RosettaDesign (סה"כ 110 מבני התחלה). עבור כל מבנה התחלה, נוצרים 200 קונפורמרים של רוטאמרים, מה שנותן מאסף סופי של 22,000 מבנים (קבוצה L במשוואה 6). המאסף משלב הן גמישות של השלד והן גמישות של רוטאמרים.

האנסמבל המורכב נוצר באופן דומה על ידי לקיחת 110 מבני הפתיחה משלב חיזוי העגינה (docking) ויצירת 200 קונפורמרים של רוטמרים לכל מבנה פתיחה. גודל האנסמבל הסופי הוא 22,000 מבנים (קבוצה B במשוואה 6). הגמישות נלקחת בחשבון באמצעות מבני שלד הפפטיד השונים שנעשה בהם שימוש, התצורות השונות שעוגנו, והקונפורמרים של הרוטמרים עבור כל מבנה פתיחה.

מערך החלבונים נוצר על ידי הרצת RosettaDesign על מבנה חלבון המטרה בלבד. במקרה זה, נוצרות 2,000 קונפורמציות של רוטמרים עבור המבנה ההתחלתי היחיד, כך שגודלו הסופי של המערך הוא 2,000 מבנים (הגדרת F במשוואה 6).

חלבון WISDOM

חלבון WISDOM, שפירושו Protein Workbench for De novo בסימולציה מחשבית (In Silico) עיצוב של ביו-מולקולות (design Of bioMolecules) הוא כלי מקוון המעניק לקהילה האקדמית גישה ל- דה-נובו (de novo) מסגרת לתכנון חלבונים באופן ידידותי למשתמש. היא יכולה לטפל במספר מטרות תכנון נפוצות, החל מתכנון שרשראות חלבון בודדות כך שיאמצו קיפולי תבנית (template fold), ועד לתכנון פפטידים חדשניים שייקשרו לחלבון מטרה. שני הסעיפים הבאים מתארים את היכולות של Protein WISDOM ביחס לשני הסוגים העיקריים של בעיות תכנון חלבונים הנפוצות. הסוג הראשון מיישם בחירת רצפים כדי לבחור רצפים חדשניים המועדפים בתבנית התכנון הנתונה, ולאחר מכן משתמש בספציפיות קיפול (fold specificity) כדי לתקף את הרצפים החדשניים. הסוג השני משתמש בבחירת רצפים כדי לבחור רצפים חדשניים של פפטיד הקשור לקומפלקס, ולאחר מכן משתמש הן בספציפיות קיפול והן בחישובי זיקה לקשירה (binding affinity) מקורבים כדי לתקף את הרצפים החדשניים.

רישום משתמש

בקרו בדף האינטרנט של Protein WISDOM בכתובת http://www.proteinwisdom.org.

לחצו על כפתור התחברות המשתמש (User Login) בפינה הימנית העליונה של הדף. לחצו על "לחצו כאן" כדי להירשם.

מלאו את הפרטים הנוגעים לכתובת האימייל ולשם המשתמש המבוקש ולחצו על המשך.

מלאו פרטים נוספים הכוללים שם, מוסד, קבוצה וכתובת. סמנו את תיבת הסימון כדי להסכים לתנאי השימוש. לחצו על כפתור "Submit Registration".

שלב ראשון: בחירת רצף

הגשה של רצף חלבון ומבנה(י) תבנית

לחצו על כפתור התחברות המשתמש (User Login) כדי להתחיל בניסוי תכנון החלבון. למשתמש מוצג "דף הבית של המשתמש" (איור 3), המפרט את מספר המשימות שהגיש, מספר המבנים (תבניות) שהעלה ורשימה של המבנים שהעלה עד כה.

התחילו עבודת עיצוב חדשה על ידי לחיצה על "Create New Job". המשתמש יועבר לדף "Job Submission" (איור 4). תנו שם לעבודה, וציינו אם היא מבוססת על עבודה קודמת (כלומר, ניתן לייבא לעבודה חדשה את אותה תבנית עיצוב, קבוצות מוטציות ומגבלות ביולוגיות, עם זאת למשתמש תהיה אפשרות לשנות את קבוצות המוטציות והמגבלות הביולוגיות). לחצו על "continue".

העלו את מבנה/מבני החלבון של תבנית העיצוב (איור 5). תבנית זו חייבת להיות בפורמט סטנדרטי של מאגר נתוני חלבונים (PDB). היא יכולה להיות תבנית קשיחה (סט אחד של קואורדינטות עבור כל אטום) או תבנית גמישה (מספר מודלים, כפי שמתקבלים ממבני תמיסה של NMR). במקרה של עיצוב חלבון בודד, יכולה להיות רק שרשרית אחת בתבנית. המשתמש יכול להעלות תבנית חדשה או לבחור מתוך תבניות קיימות שהועלו בעבר. ניתן לציין, במידה וקיים, את ה-pdb ID של התבנית. אם מועלות מספר תבניות, ודאו שכל מודל מתחיל ב-"MODEL #" ומסתיים ב-"ENDMDL." ודאו שכל שארית מסומנת על ידי חומצת אמינו טבעית. לחצו על "Continue."

לאחר העלאה מוצלחת של התבנית, Protein WISDOM יציג את מספר השאריות, השבבים והמודלים שנמצאו בתבנית, ירשום את הרצף ויבקש מהמשתמש לאמת את התבנית. אשר את מבנה התבנית אם היא הוזנה בצורה נכונה, ולחץ על "Continue".

לאחר שהתבנית הועלתה בהצלחה ואושרה, המשתמש מועבר ל"דף הבקרה הראשי" (איור 6). בדף זה, המשתמש יכול לצפות בסטטוס העבודה, לשנות את קבוצות המוטיציות ואת המגבלות הביולוגיות, ולהגיש את העבודה לשלב הראשון: בחירת רצפים. בשלב זה, מכיוון שהשלב הראשון טרם הושלם, אין אפשרויות עבור השלב השני. אלה יופיעו ברגע שתוצאות השלב הראשון יהיו זמינות.

בחירה של סטים של מוטציות

לחצו על הקישור "Mutation Sets" ב-"Main Control Page" כדי להגדיר קבוצות מוטציות.

בחרו אילו שאריות יורשו לעבור מוטציה, ובחרו לאילו חומצות שומניים הן יורשו להשתנות (איור 7). כברירת מחדל, חומצות השומניות המותרות בכל מיקום נבחרות על בסיס שטח פנים נגיש לממס (SASA). נדרשת הגדרת קבוצות מוטציות.

לחץ על "Save Changes" לאחר בחירת סטי המוטציות. המשתמש יכול לבחור להמשיך בעריכת סטי המוטציות. עם סיום עריכת סטי המוטציות, לחץ כדי לחזור לדף הבקרה הראשי "Main Control Page".

בחירת אילוצים ביולוגיים

לחץ על הקישור "Biological Constraints" ב-"Main Control Page" כדי להגדיר מגבלות ביולוגיות.

הגדירו מגבלות של מטען או תכולת חומצות שומנית עבור החלבון כולו או עבור חלק מהחלבון (איור 8).

הגבילו את המספר הכולל של המוטציות המותרות, במידת הצורך. מגבלות ביולוגיות הן רשות. לחצו כדי לחזור ל"דף הבקרה הראשי" עם הסיום.

הגשה של שלב ראשון: בחירת רצף

לחץ על הקישור "Begin Stage 1" כדי להעביר את המשתמש לדף "Submit Stage 1".

בחר את השרשרת לתכנון (איור 9), מספר הרצפים ליצירה, שדה הכוח התלוי-מרחק, והמודל. אם מעצבים קומפלקס ומעוניינים בחישוב ספציפיות קיפול (Fold Specificity), יש לבחור שרשרת אחת בלבד לעיצוב. אם התבנית שהועלתה הייתה מבנה בודד, או "תבנית קשיחה" (rigid template), מודל המבנה הבודד (Single Structure) הוא היחיד המותר. אם התבנית שהועלתה היא גמישה, למשתמש יש אפשרות לבחור מבין שלושת המודלים: מבנה בודד (Single Structure), ממוצע משוקלל (Weighted Average) וסל מרחקים (Distance Bin). שימו לב למורכבות החישובית של האופטימיזציה שיש לפתור. קיים גבול עליון של 20²⁵ עבור סיבוכיות חישובית מותרת.

שלחו את העבודה. המשתמש יופנה חזרה ל"דף הבקרה הראשי" (איור 10). סטטוס העבודה יעודכן כדי להצביע על ההתקדמות הנוכחית של העבודה. העבודה תינעל לעריכה לאחר השליחה.

עם השלמת העבודה, המשתמש מקבל דוא"ל עם התוצאות, המורכבות מרשימה של רצפים שעוצבו. ניתן לצפות בתוצאות גם ב-"Main Control Page". תיבה עבור Stage 2: Fold Specificity מופיעה בעמוד כדי לאפשר למשתמש לבצע תיקוף זה.

שלב שני: חישובי סגוליות קיפול

הגשת סגוליות קיפול

לחצו על "Begin Stage 2: Fold Specificity" כדי להיכנס לדף "Build Stage 2". הגדירו את גבולות המרחק העליונים והתחתונים של C^α-C^α על ידי הגדרת מקדם גמישות התבנית (Template flexibility factor), או כאחוז מהמרחק, או כמרחק קבוע. הגדירו גבולות זווית עליונים ותחתונים עבור הזוויות הדיהדרליות φ ו-ψ על ידי הגדרת מקדם גמישות התבנית כאחוז. שימו לב כי בעת שימוש בתבנית גמישה, גבולות המרחק העליונים והתחתונים נקבעים לפי ערכי המרחק הנמוכים והגבוהים ביותר מכל מודולי התבנית. באופן דומה, גבולות הזווית העליונים והתחתונים נלקחים מערכי הזווית הגבוהים והנמוכים ביותר מכל המודלים.

לחצו על כפתור ה-"Submit".

ציינו את מספר המבנים לכל רצף שיש להפיק ולחצו על "Continue". שימו לב כי קיימת הגבלה עליונה של 500 מבנים לכל רצף להפקה.

לחצו על "המשך" כדי לאשר את הכוונה להגשה לאימות קיפול. שלב ראשון ושלב שני נעולים לעריכה עד להשלמת שלב שני.

עם השלמת העבודה, נשלח למשתמש דואר אלקטרוני עם התוצאות. ניתן לצפות בתוצאות ב-Protein WISDOM ב-"דף הבקרה הראשי" (איור 11). כאן ניתן לצפות ולהוריד את קבצי הטקסט המכילים את הרצפים שתוכננו, ערכי האנרגיה התואמים משלב ראשון (Stage One) וערכי ספציפיות הקיפול משלב שני (Stage Two). בנוסף, המשתמש יכול ללחוץ על קישור "View Results", המציג בדפדפן טבלה עם הדירוגים וערכי האנרגיה משלב ראשון, וכן את הדירוגים וערכי ספציפיות הקיפול משלב שני.

שלב שלוש: חישובים מקורבים של זיקה של קישור עבור קומפלקסים של חלבון-פפטיד

חישובים של זיקת קישור מקורבת (Approximate Binding Affinity) מחשבים את הזיקה של חלבון/פפטיד הליגנד שתוכנן לשאר הקומפלקס. חישובים אלו יכולים להתבצע ישירות לאחר שלב ראשון, או לאחר השלמת חישובי סגוליות הקיפול (Fold Specificity).

לחצו על "Sequence #" כדי לבחור את הרצף שעבורו יחל חישוב קירוב של זיקת קישור (binding affinity). המשתמש יועבר לדף "Select Sequence", המציג רשימה של הרצפים שתוכננו יחד עם הדירוגים שלהם לבחירת הרצף ולספציפיות קיפול. ניתן לבחור רצף אחד בלבד בכל פעם לחישוב קירוב של זיקת קישור, מכיוון שהחישובים דורשים משאבי מחשוב כבדים מאוד. עם השלמת רצף מסוים, המשתמש רשאי לבחור רצף נוסף לחישוב קירוב של זיקת קישור, ותוצאה זו תתווסף לתוצאה הקודמת, כך שתוצג זיקת קישור מקורבת עבור כל הרצפים שהושלמו. לאחר שבחירת רצף ושמירתו, המשתמש יופנה חזרה לדף הבקרה הראשי ("Main Control Page").

לחצו על "Begin Stage 2: Approximate Binding Affinity" כדי להגיש את הג'וב. עם השלמת הפעולה, התוצאות יישלחו למשתמש בדוא"ל, והן כוללות קובץ מצורף המכיל את מספר הרצף, זיקה מקורבת לקשירה (approximate binding affinity) וערכי פונקציות המחיצה במשוואה 6. עבור כל ג'וב עוקב של זיקה מקורבת לקשירה, קובץ זה יכיל את התוצאות עבור כל הרצפים שהושלמו. ניתן לצפות בתוצאות מלאות (החל מבחירת הרצף, ספציפיות הקיפול וזיקה מקורבת לקשירה) גם על ידי גישה ל"דף הבקרת הראשי" (Main Control Page) של הג'וב (איור 12).

תוצאות

De Novo תכנון של מעכבי כניסה עבור HIV-1

מסגרת התכנון מסוג de novo המיושמת ב-Protein WISDOM שימשה לתכנון פפטידים מעכבים עבור מספר מערכות טיפוליות חשובות (טבלאות 1 ו-2). מערכת בולטת אחת היא תכנון פפטידים לעכוב את כניסת HIV-1 לקולטן CD4 של תא המארח, המשמשת כאן כמערכת מייצגת להדגמת השימוש המעשי בממשק של Protein WISDOM. הפפטידים תוכננו כדי להתמקד ביחידה התת-ממברנלית gp41, המשמשת כחלק מרכזי באיחוי ובכניסה של HIV-1 לתאי T מסייעים של המארח. שימו לב שהתוצאות לא יהיו בהכר...

דיון

מסגרת תכנון החלבון דה נובו מורכבת משני שלבים, שלב בחירת רצף ושלב אימות. המסגרת חזקה מספיק כדי להתמודד עם תבניות עיצוב קשיחות וגמישות, וניתן ליישם אותה על עיצוב חלבון יחיד או עיצוב חלבון מורכב. המסגרת יושמה בהצלחה על מערכות חלבון רבות עם יישומים לעשרות מחלות. מספר עיצובים אומתו בניסוי, ומספקים את המעכבים או האגוניסטים החזקים ביותר של כמה חלבונים שהתגלו עד כה. מסגרת זו זמינה כעת לקהילה האקדמית באמצעות Protein WISDOM.

ישנם שלושה שלבים קריטיים בשיטה. הראשון הוא שלב בחירת הרצף, המשתמש בטכנ...