Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Biology
Click here for the English version

Biology

المحاكاة القائمة على البنية وأخذ عينات من حركات بروتين عامل النسخ على طول الحمض النووي من الخطوة على النطاق الذري إلى الانتشار الخشن الحبيبات

Published: March 1, 2022 doi: 10.3791/63406
Automatic Translation
*1, *1,2, 3,4, 4, 5,6,7
1Beijing Computational Science Research Center, 2Shenzhen JL Computational Science and Applied Research Institute, 3School of Medical Informatics and Engineering, Xuzhou Medical University, 4Key Laboratory of Systems Biomedicine (Ministry of Education), Shanghai Center for Systems Biomedicine, Shanghai Jiao Tong University, 5Department of Physics and Astronomy, University of California, Irvine, 6Department of Chemistry, University of California, Irvine, 7NSF-Simons Center for Multiscale Cell Fate Research, University of California, Irvine
* These authors contributed equally

Summary

الهدف من هذا البروتوكول هو الكشف عن الديناميكيات الهيكلية لنشر البروتين أحادي البعد على طول الحمض النووي ، باستخدام عامل النسخ النباتي WRKY مجال البروتين كنظام مثالي. للقيام بذلك ، تم تنفيذ كل من محاكاة الديناميكا الجزيئية الذرية والحبيبات الخشنة جنبا إلى جنب مع عينات حسابية واسعة النطاق.

Abstract

يعد انزلاق بروتين عامل النسخ أحادي البعد (1-D) على طول الحمض النووي ضروريا لتسهيل انتشار TF لتحديد موقع الحمض النووي المستهدف للتنظيم الجيني. لا يزال اكتشاف دقة الزوج الأساسي (bp) لانزلاق TF أو الدوس على الحمض النووي أمرا صعبا من الناحية التجريبية. لقد أجرينا مؤخرا محاكاة الديناميكا الجزيئية لجميع الذرات (MD) لالتقاط خطوة عفوية 1-bp لبروتين TF صغير في مجال WRKY على طول الحمض النووي. استنادا إلى مسار خطوة WRKY 10 μs الذي تم الحصول عليه من عمليات المحاكاة هذه ، يوضح البروتوكول هنا كيفية إجراء عينات توافقية أكثر شمولا لأنظمة TF-DNA ، من خلال بناء نموذج حالة ماركوف (MSM) لخطوة البروتين 1-bp ، مع اختبار أعداد مختلفة من الحالات الدقيقة والكلية لبناء MSM. من أجل فحص البحث العملي 1-D المنتشر لبروتين TF جنبا إلى جنب مع الحمض النووي مع الأساس الهيكلي ، يوضح البروتوكول أيضا كيفية إجراء محاكاة MD ذات الحبيبات الخشنة (CG) لأخذ عينات من ديناميكيات النطاق طويل الأمد للنظام. مثل هذه النمذجة والمحاكاة CG مفيدة بشكل خاص للكشف عن التأثيرات الكهروستاتيكية للبروتين والحمض النووي على الحركات المنتشرة العملية لبروتين TF فوق عشرات الميكروثانية ، مقارنة بحركات خطوة البروتين دون الميكروثانية إلى الميكروثانية التي تم الكشف عنها من عمليات محاكاة جميع الذرات.

Introduction

عوامل النسخ (TF) تبحث عن الحمض النووي المستهدف لربط وتنظيم النسخ الجيني والأنشطة ذات الصلة1. بصرف النظر عن الانتشار ثلاثي الأبعاد (3D) ، فقد اقترح أن الانتشار الميسر ل TF ضروري للبحث عن الحمض النووي المستهدف ، حيث يمكن للبروتينات أيضا الانزلاق أو القفز على طول الحمض النووي أحادي البعد (1D) ، أو القفز مع النقل بين القطاعات على الحمض النووي2،3،4،5،6،7.

في دراسة حديثة ، أجرينا عشرات الميكروثانية (μs) محاكاة الديناميكا الجزيئية لتوازن الذرة بالكامل (MD) على نبات TF - بروتين مجال WRKY على الحمض النووي8. تم التقاط خطوة كاملة 1-bp من WRKY على الحمض النووي poly-A في غضون ميكروثانية. وقد لوحظت حركات البروتين على طول أخدود الحمض النووي وديناميكيات إصلاح الروابط الهيدروجينية (HBs). في حين أن مثل هذا المسار يمثل مسارا واحدا تم أخذ عينات منه ، إلا أن المشهد العام لخطوات البروتين لا يزال غير موجود. هنا ، نوضح كيفية توسيع العينات الحسابية حول مسار خطوة البروتين الذي تم التقاطه في البداية باستخدام نموذج حالة ماركوف (MSM) ، والذي تم تنفيذه على نطاق واسع لمحاكاة مجموعة متنوعة من الأنظمة الجزيئية الحيوية التي تنطوي على تغييرات تكوينية كبيرة وفصل على نطاق زمني9،10،11،12،13،14،15،16 ، 17,18,19. والغرض من ذلك هو الكشف عن المجموعة التوافقية والحالات المستقرة ميتا لنشر بروتين TF على طول الحمض النووي لخطوة دورية واحدة.

في حين أن محاكاة MD المذكورة أعلاه تكشف عن الدقة الذرية لحركات البروتين ل 1 نقطة أساس على الحمض النووي ، فإن الديناميكيات الهيكلية للانتشار العملي طويل الأمد ل TF على طول الحمض النووي بنفس الدقة العالية يصعب الوصول إليها. ومع ذلك ، فإن إجراء عمليات محاكاة MD ذات الحبيبات الخشنة (CG) على مستوى البقايا أمر سهل من الناحية الفنية. يمكن توسيع النطاق الزمني لمحاكاة CG بشكل فعال إلى عشرات أو مئات المرات أطول من المحاكاة الذرية 20،21،22،23،24،25،26،27،28،29. هنا ، نعرض محاكاة CG التي أجريت من خلال تنفيذ برنامج CafeMol الذي طوره مختبر تاكادا30.

في البروتوكول الحالي ، نقدم المحاكاة الذرية لبروتين مجال WRKY على طول الحمض النووي poly-A وبناء MSM أولا ، والتي تركز على أخذ عينات من حركات البروتين المتدرجة ل 1 نقطة أساس فقط على طول الحمض النووي. ثم نقدم نمذجة CG ومحاكاة نفس نظام البروتين والحمض النووي ، والتي توسع أخذ العينات الحسابية إلى الانتشار العملي للبروتين على مدى عشرات من نقاط أساس على طول الحمض النووي.

هنا ، نستخدم برنامج GROMACS 31,32,33 لإجراء محاكاة MD و MSMbuilder 34 لبناء MSM للقطات المطابقة للعينات ، وكذلك لاستخدام VMD 35 لتصور الجزيئات الحيوية. يتطلب البروتوكول أن يكون المستخدم قادرا على تثبيت البرنامج أعلاه وتنفيذه. ثم يعد تثبيت وتنفيذ برنامج CafeMol30 ضروريا لإجراء عمليات محاكاة CG MD. كما يتم إجراء المزيد من التحليلات للمسارات والتصور في VMD.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. بناء نموذج حالة ماركوف (MSM) من محاكاة MD الذرية

  1. مسار خطوة البروتين التلقائي وجمع الهياكل الأولية
    1. استخدم مسار MD 8 لجميع الذرات الذي تم الحصول عليه مسبقا 10-μs لاستخراج 10000 إطار بالتساوي من مسار خطوة "أمامي" 1-bp (أي إطار واحد لكل نانو ثانية). يجب أن يكون العدد الإجمالي للإطارات كبيرا بما يكفي ليشمل جميع التشكيلات التمثيلية.
    2. قم بإعداد مسار الانتقال باستخدام 10000 إطار في VMD بالنقر فوق ملف > حفظ الإحداثيات، اكتب البروتين أو النواة في مربع الذرات المحددة واختر الإطارات في مربع الإطارات، انقر حفظ للحصول على الإطارات المطلوبة.
      ملاحظة: تم استخدام مسار محاكاة MD لجميع الذرات الذي تم الحصول عليه مسبقا 10 ميكروثانية (يسمى "مسار الخطوة الأمامية" هنا) ل WRKY يخطو مسافة 1-bp على 34-bp متجانس poly-A DNA8 كمسار أولي لإطلاق المزيد من العينات التوافقية. لاحظ أنه في معظم الممارسات ، ومع ذلك ، يتم إنشاء مسار أولي ، من خلال إجراء محاكاة MD الموجهة أو المستهدفة ، أو تنفيذ طرق توليد المسار العامة ، وما إلى ذلك 36،37،38،39.
    3. قم بمحاذاة المحور الطويل للحمض النووي المرجعي (من البنية البلورية) إلى المحور x، واضبط مركز الكتلة الأولي (COM) للحمض النووي الكامل 34-bp في أصل مساحة الإحداثيات لراحة مزيد من تحليل البيانات. للقيام بذلك، انقر فوق ملحقات > وحدة تحكم Tk في VMD، واكتب في إطار الأمر وحدة تحكم Tk :
      المصدر rotate.tcl
      يمكن العثور على البرنامج النصي tcl في الملف التكميلي 3.
    4. ثم احسب الجذر والمتوسط والمربع المسافة (RMSD) للعمود الفقري للبروتين عن طريق محاذاة الحمض النووي المركزي 10 نقاط أساس (A 14 إلى 23 و T 14 إلى 23 بوصة) مع ذلك من البنية البلورية40 ، ويمثل RMSD المقاييس الهندسية للأنظمة (انظر الشكل 1A). قم بذلك بالنقر فوق ملحقات > VMD > تحليل > أداة مسار RMSD واكتب النواة والبقايا من 14 إلى 23 ومن 46 إلى 55 في مربع تحديد الذرة ، انقر فوق محاذاة ثم مربع RMSD لحساب قيم RMSD.
    5. حساب درجة دوران البروتين حول الحمض النووي Θ(t) على المستوى y-z في MATLAB عن طريق كتابة الأمر
      rad2deg(atan(z/y))
      مع تحديد الموقع الزاوي الأولي على أنه Θ (0) = 0 ، كما تم إجراؤه سابقا8.
    6. اكتب الأمر التالي في MATLAB41 لاستخدام أساليب K-means42,43,44 وتصنيف هياكل 10000 إلى 25 مجموعة عن طريق الكتابة:
      [idx, C]=kmeans( X, 25)
      هنا X هو مصفوفة 2D من RMSD وزاوية دوران WRKY على الحمض النووي. اجمع هياكل هذه المراكز العنقودية ال 25 لمزيد من عمليات محاكاة MD.
      ملاحظة: نظرا لأن البروتين RMSD الذي تم أخذ عينات منه بالنسبة إلى الحمض النووي يغطي نطاقا يبلغ حوالي 25 Å ، فإننا نختار 25 مجموعة للحصول على مجموعة واحدة لكل أنغستروم.
  2. إجراء الجولة 1من محاكاة MD وإعدادات المحاكاة
    1. بناء أنظمة ذرية للهياكل ال 25 باستخدام برنامج GROMACS 5.1.232 تحت حقل قوة parmbsc145 وباستخدام ملف buildsystem.sh من الملف التكميلي 2 في shell.
    2. قم بإجراء محاكاة MD 60-ns لهذه الأنظمة ال 25 تحت مجموعة NPT بخطوة زمنية تبلغ 2 fs عن طريق كتابة الأمر التالي في shell:
      gmx_mpi grompp -f md.mdp -c npt.gro -p topol.top -o md.tpr
      gmx_mpi mdrun -deffnm md
  3. تجميع الرقم 1سانت مسارات MD المستديرة
    1. قم بإزالة أول 10 نانو ثانية من كل مسار محاكاة عن طريق الكتابة في shell:
      gmx_mpi trjcat -f md.xtc -b 10000 -e 600000 -o newtraj.xtc
      وجمع التكوينات من مسارات 25 × 50 ns للتجميع لإعداد هياكل المدخلات لأخذ العينات اللاحقة الأكثر شمولا (محاكاة MD الجولةالثانية ).
      ملاحظة: لتقليل التأثير من المسار الأولي وللسماح بالتوازن المحلي، تمت إزالة 10-ns من الفترة الأولية للمحاكاة.
    2. اختر أزواج المسافة بين البروتين والحمض النووي كمعلمات إدخال لتحليل المكونات المستقلة عن الوقت (tICA) 46،47،48 الإسقاط. استخدم الأمر make_ndx في غروماكس للقيام بما يلي:
      gmx_mpi make_ndx -f input.pdb -o index.ndx
      ملاحظة: هنا ، تم اختيار ذرات البروتين CA والذرات الثقيلة (NH1 ، NH2 ، OH ، NZ ، NE2 ، ND2) من بقايا Y119 ، K122 ، K125 ، R131 ، Y133 ، Q146 ، K144 ، R135 ، W116 ، R117 ، Y134 ، K118 ، Q121 التي يمكن أن تشكل روابط هيدروجينية (HBs) مع نيوكليوتيد الحمض النووي ، والتي تقترن مع ذرات O1P O2P و N6 من نيوكليوتيد الحمض النووي (A14-20 ، T19-23). يمكن للأحماض الأمينية المختارة إما أن تشكل HBs مستقرة أو جسور ملحية مع الحمض النووي.
    3. انسخ فهرس الذرة المحدد أعلاه من ملف index.ndx إلى ملف نصي جديد (index.dat). احصل على معلومات الزوج بين هذه الذرات بواسطة برنامج python النصي من الملف التكميلي 1 generate_atom_indices.py والنوع:
      مؤشر generate_atom_indices.py python2.6.dat > مؤشرات الذرة.txt
      هذا يولد 415 زوجا من المسافة بين البروتين والحمض النووي.
    4. حساب أزواج المسافة 415 من كل مسار عن طريق كتابة الأمر التالي في إطار الأمر MSMbuilder:
      MSMB AtomPairsFeaturizer -out pair_features --pair_indices AtomIndices.txt --أعلى المراجع.pdb --trjs "مسارات/*.xtc" --تحويل pair_features --خطوة 5
    5. قم بإجراء tICA لتقليل بعد البيانات على أول 2 مكون مستقل عن الوقت (tICs) أو متجهات عن طريق كتابة:
      MSMB tICA -i .. /tica_rc_a/tmp/ -o tica_results --n_components 2 --lag_time 10 --غاما 0.05 -t tica_results.h5
      ملاحظة: tICA هي طريقة لتقليل الأبعاد تحسب القيمة الذاتية لمصفوفة Equation 1 الارتباط المتخلفة زمنيا لتحديد أبطأ درجات الاسترخاء لحرية نظام المحاكاة بواسطة المعادلة:
      Equation 2
      حيث X i(t) هي قيمة إحداثيات التفاعل i-th في الوقت t ، و X j (t + Δ t) هي قيمةإحداثيات تفاعل j-th في الوقت t + Δ t. Equation 3 هي القيمة المتوقعة لناتج مسارات المحاكاة الكلية Xi(t) وX j(t + Δ t). تتوافق الاتجاهات على طول أبطأ درجات الاسترخاء من الحرية مع أكبر القيم الذاتية لمصفوفة Equation 1الارتباط المتخلفة زمنيا أعلاه . هنا ، يبدو أن 2 tICs هي مجموعة دنيا للتمييز بين ثلاث حالات كلية على بناء MSM الخاص بنا (يتم تناوله لاحقا). يمكن للمرء أيضا حساب درجة حاصل رايلي المعمم (GMRQ)49 ، على سبيل المثال ، لاستكشاف مجموعة مثالية من المكونات التي سيتم استخدامها.
    6. استخدم الأمر في MSMbuilder لتجميع مجموعات البيانات المسقطة في 100 مجموعة بواسطة طريقة K-center43,44 (انظر الشكل 1B):
      MSMB KCenters -i ./tica_results.h5 -o kcenters_output -t kcenters_output --n_clusters 100.
      حدد الهيكل المركزي لكل مجموعة كهيكل أولي للجولة 2الثانية من محاكاة MD. الحفاظ على معلومات المحاكاة الخاصة بهياكل 100 المحاكاة، بما في ذلك المواقع ودرجات الحرارة والضغوط وما إلى ذلك، باستثناء السرعات.
      ملاحظة: بعد الجولة الأولى من 25 عملية محاكاة، تم تقليل ذاكرة المسار الأولي، لذلك قمنا بإنشاء المزيد من المجموعات، على سبيل المثال، 100 مجموعة، في الجولة الثانية، لتوسيع العينات المطابقة بشكل كبير.
  4. إجراء الجولةالثانية 2 محاكاة MD واسعة النطاق
    1. قم بإجراء محاكاة MD 60-ns بدءا من هذه الهياكل الأولية 100 بعد فرض سرعات أولية عشوائية على جميع الذرات. أضف السرعات الأولية العشوائية عن طريق تشغيل توليد السرعة في ملف mdp ، أي تغيير ملف md.mdp gen_vel = لا إلى gen_vel = نعم.
    2. قم بإزالة أول 10 نانو ثانية من كل محاكاة كما هو موضح في الخطوة 1.3.1 ، واجمع 2,500,000 لقطة من مسارات 100 × 50 ns بالتساوي لبناء MSM.
      ملاحظة: لاحظ أنه في بناء الحالات الكلية اللاحقة، تم العثور على عدد صغير من الحالات خارج المسار ذات عدد السكان المنخفض بشكل خاص (~ 0.2٪، في الجزء السفلي من مستوى X-Θ). يتم تصنيف هذه الحالات خارج المسار كحالة كلية واحدة عندما يتم تعيين العدد الإجمالي للحالات الكلية على أنها 3 إلى 6 (الشكل 2B). نظرا لأن هذه الحالة الكلية السكانية المنخفضة لا تشمل سوى 3 مسارات ، والتي تمت إزالتها في النهاية ، فقد تم الحصول على النتائج الموضحة في هذا البروتوكول بالفعل من مسارات 97 × 50 ns ، مع ما مجموعه 2،425،000 إطار أو لقطة.
  5. تجميع مسارات MD الجولةالثانية 2
    1. إجراء tICA لمسارات الجولة2 كما كان يحدث سابقا. اكتب في MSMbuilder:
      MSMB tICA -i .. /tica_rc_a/tmp/ -o tica_results --n_components 2 --lag_time 10 --غاما 0.05 -t tica_results.h5
    2. حساب المقياس الزمني الضمني للتحقق من صحة المعلمات الخاصة بوقت تأخير الارتباط Δt وأرقام الحالات الدقيقة (انظر الشكل 1C) ،
      Equation 4
      حيث يمثل τ وقت التأخير المستخدم لبناء مصفوفة احتمال الانتقال (TPM) ؛ يمثل μk(τ) القيمة الذاتية kth ل TPM تحت وقت تأخير τ. استخدم البرنامج النصي python من الملف التكميلي 1 لهذا الثعبان BuildMSMsAsVaryLagTime.py -d .. / -و .. /trajlist_num -i 50 -m 1000 -t 10 -n 20 -s 500.
    3. قم بتغيير وقت التأخر τ وعدد الحالات الدقيقة عن طريق تغيير المعلمات المستخدمة أعلاه:
      الثعبان BuildMSMsAsVaryLagTime.py -d .. / -و .. /trajlist_num -i 50 -m 1000 -t 5 10 20 30 40 -n 20 -s 20 200 400 500 800 2000
      ملاحظة: يعتبر النظام ماركوفيان عندما تبدأ منحنيات المقياس الزمني الضمنية في التسوية مع فصل المقياس الزمني. ثم اختر Dt كوقت تأخير الارتباط و τ وقت التأخر حيث يبدأ المقياس الزمني الضمني في الاستقرار لإنشاء MSM.
    4. وفقا لذلك ، اختر عددا كبيرا نسبيا (ولكن ليس كبيرا جدا) من الحالات ، N = 500 ، ووقت تأخير ارتباط قصير نسبيا Δt = 10 ns. تم العثور على وقت التأخر ليكون τ = 10 ns لبناء MSM.
    5. صنف التكوينات إلى 500 مجموعة (انظر الشكل 1D) باستخدام الأمر:
      MSMB KCenters -i ./tica_results.h5 -o kcenters_output -t kcenters_output --n_clusters 500
  6. بناء سوق مسقط للأوراق المالية
    1. قم بتجميع 500 حالة دقيقة في 3-6 حالات كبيرة لمعرفة عدد الحالات الكلية التي تناسب بشكل أفضل وفقا لخوارزمية PCCA+50 في MSMbuilder ، باستخدام البرنامج النصي python في الملف التكميلي 1 python msm_lumping_usingPCCAplus.py. تحديد شبكة حركية مخفضة من النماذج للتغيرات التوافقية الأكثر أهمية للجزيئات الحيوية ، من خلال بناء عدد صغير من الحالات الكلية ، أي عند تجميع مئات الحالات الدقيقة حركيا كما هو موضح أدناه17,51.
    2. ارسم خريطة للتكوينات عالية الأبعاد ل X (حركة البروتين على طول محور الحمض النووي الطويل) وزاوية دوران البروتين على طول الحمض النووي لكل حالة كبيرة كما هو موضح في الخطوة 1.1.3 و 1.1.4 (على سبيل المثال ، لا توجد حالة ذات عدد سكان منخفض للغاية < 1٪ ؛ انظر الشكل 2C). ثم ابحث عن 3 حالات ماكرو تمثل النظام بشكل أفضل (الشكل 1E) . انظر الشكل 2D للحصول على لقطات لحركة البروتين على طول الحمض النووي وزاوية دوران البروتين حول الحمض النووي.
      ملاحظة: في العمل السابق الذي يولد مسار التقدم التلقائي للبروتين 10 ميكروثانية إلى الأمام ، أجرينا أيضا محاكاة MD لتوازن 5 × 4 ميكروثانية لتوسيع العينات بشكل معتدل. أظهرنا رسم خرائط للمسار الأمامي الأصلي (انظر الشكل 2A إلى اليسار) ومسارات أخذ عينات أخرى من 4-μs على المسار الأمامي أجريت سابقا (انظر الشكل 2A إلى اليمين)8. ويرد رسم خرائط للمسارات الأصلية 100 × 50 ns (انظر الشكل 2B إلى اليسار)8 والمسارات 97 × 50 ns المستخدمة في هذا العمل (انظر الشكل 2B إلى اليمين).
  7. حساب متوسط مرات المرور الأول (MFPT)
    1. قم بإجراء خمسة مسارات مونت كارلو (MC) بسعة 10 مللي ثانية استنادا إلى TPM ل 500 microstate MSM مع تعيين وقت التأخر البالغ 10 ns كخطوة زمنية ل MC. حساب MFPT52 بين كل زوج من الحالات الكبيرة (الشكل 3) بواسطة البرنامج النصي python في الملف التكميلي 1 python python mfpt_msm3.py.
    2. حساب متوسط والخطأ القياسي ل MFPT باستخدام ملف bash في الملف التكميلي 2، اكتب:
      ش mfpt_analysis.باش

2. إجراء محاكاة الحبيبات الخشنة (CG) لأخذ عينات من الديناميكيات طويلة الأمد

  1. قم بإجراء محاكاة CG باستخدام برنامج CafeMol 3.030. راجع إعدادات محاكاة CG المحددة في ملف تكوين الإدخال بامتداد .inp، بما في ذلك هياكل الإدخال ومعلمات المحاكاة وملفات الإخراج وما إلى ذلك. اكتب الأمر التالي على المحطة الطرفية لتشغيل محاكاة CG:
    كافيمول XXX.inp
  2. حدد الكتل التالية في ملف الإدخال، مع بدء كل كتلة بالتسمية < and ending with >>>>.
    1. قم بتعيين كتلة أسماء الملفات (مطلوبة) لتحديد أدلة العمل ومسار مخزن ملفات الإدخال / الإخراج. اكتب ما يلي لكتلة أسماء الملفات لعمليات المحاكاة هذه:
      أسماء الملفات <<<<
      المسار = XXXXX (مسار العمل)
      اسم الملف = wrky (أسماء ملفات الإخراج)
      OUTPUT psf pdb فيلم dcd rst
      path_pdb = XXXXX (مسار البنية الأصلية للإدخال)
      path_ini = XXXXX (مسار البنية الأولية للإدخال)
      path_natinfo = XXXXX (مسار ملف المعلومات الأصلي)
      path_para = XXXXX (مسار ملفات المعلمات)
      >>>>
      ملاحظة: نظرا لاستخدام نموذج Go53 في نمذجة CG ، أي أن البروتين سيكون متحيزا للمطابقة الأصلية ، لذلك يحتاج المرء إلى تعيين الهيكل النموذجي على أنه التشكيل الأصلي. هنا ، تم تعيين بنية بلورية الإدخال كمطابقة أصلية.
    2. قم بتعيين كتلة التحكم في المهمة (مطلوبة) لتحديد وضع تشغيل عمليات المحاكاة. اكتب الأمر التالي:
      <<<< job_cntl
      i_run_mode = 2 (= 2 محاكاة درجة الحرارة الثابتة)
      i_simulate_type = 1 (= 1 ديناميكيات لانجفين)
      i_initial_state = 2 (=2 يعني أن التكوين الأولي هو التكوين الأصلي)
      >>>>
      حدد درجة الحرارة الثابتة محاكاة ديناميكيات Langevin.
    3. قم بتعيين الوحدة وكتلة الحالة (مطلوبة) لتحديد المعلومات الخاصة بهياكل الإدخال. اكتب الأمر التالي:
      <<<< unit_and_state
      i_seq_read_style = 1 (= 1 يعني قراءة التسلسلات من ملف PDB)
      i_go_native_read_style = 1 (= 1 يعني أن البنية الأصلية من ملف PDB)
      1 بروتين بروتين.pdb (وحدة molecular_type native_structure الحالة)
      2-3 الحمض النووي الحمض النووي.pdb (وحدة &الدولة molecular_type native_structure)
      >>>>
      ملاحظة: هناك حاجة إلى ملفات بنية الإدخال الأولية (البروتين .pdb والحمض النووي .pdb هنا). تتم كتابة الهياكل بتنسيق pdb. هناك حاجة إلى ملفين pdb هنا: أحدهما هو ملف بنية البروتين الذي يحتوي على إحداثيات الذرة الثقيلة ل WRKY (الوحدة 1) ، والآخر هو إحداثيات الحمض النووي المزدوج (ds) 200-bp (الوحدة 2-3). يتم وضع البروتين في البداية على بعد 15 Å بعيدا عن الحمض النووي.
    4. اضبط كتلة دالة الطاقة (المطلوبة) المحددة في كتلة energy_function. اكتب الأمر التالي:
      <<<< energy_function
      محلي(1) L_GO
      محلي(2-3) L_DNA2
      NLOCAL(1/1) الذهاب إكس إيلي
      NLOCAL (2-3/2-3) الحمض النووي ELE
      NLOCAL (1/2-3) EXV ELE
      i_use_atom_protein = 0
      i_use_atom_dna = 0
      i_para_from_ninfo = 1
      i_triple_angle_term = 2
      >>>>
      ملاحظة: في عمليات محاكاة CG ، يكون البروتين خشنا الحبيبات بواسطة نموذج Go53 مع كل حمض أميني يمثله جسيم CG يوضع في موضع Cα الخاص به. سيكون تشكيل البروتين منحازا بعد ذلك نحو البنية الأصلية ، أو البنية البلورية هنا ، تحت إمكانات Go (الشكل 4A على اليسار). يتم وصف الحمض النووي بواسطة نموذج 3SPN.254 ، حيث يتم تمثيل كل نيوكليوتيد بواسطة 3 جسيمات CG S ، P ، N ، والتي تتوافق مع السكر والفوسفات والقاعدة النيتروجينية ، على التوالي (الشكل 4A يمين). يتم النظر في التفاعلات الكهروستاتيكية و vdW بين سلاسل مختلفة. يتم تقريب التفاعلات الكهروستاتيكية بين البروتين والحمض النووي في محاكاة CG بواسطة جهد Debye-Hückel55. تأخذ الطاقة المثيرة للاشمئزاز vdW نفس الشكل كما هو الحال في نموذج Go.
    5. قم بتعيين كتلة md_information (مطلوبة) لتحديد معلومات المحاكاة. اكتب الأمر التالي:
      <<<< md_information
      n_step_sim = 1
      n_tstep(1) = 500000000
      tstep_size = 0.1
      n_step_save = 1000
      n_step_neighbor = 100
      i_com_zeroing = 0
      i_no_trans_rot = 0
      تيمبك = 300.0
      n_seed = -1
      >>>>
      n_tstep هي خطوة المحاكاة. قم بتعيين tstep_size كطول زمني لكل خطوة MD ، كل خطوة زمنية CG Cafemol حوالي 200 fs30 ، لذلك كل خطوة MD هنا هي 200 × 0.1 fs من حيث المبدأ. قم بتحديث قائمة الجيران كل 100 خطوة MD (n_step_neighbor = 100). اضبط درجة حرارة المحاكاة على 300 K. تحكم في درجة الحرارة عن طريق استخدام خوارزمية Verlet من نوع السرعة لتحديث بنية البروتين باستخدام ترموستات Berendsen56.
      ملاحظة: n_step_sim هو رقم الحوض للإمكانات القائمة على نموذج Go ، أو الحد الأدنى المحلي لعدد منحنى الطاقة. تسمح إمكانات الأحواض المتعددة بتشكيل البروتين المنحاز إلى تكوينات مختلفة بحيث يمكن أن يتغير تشكيل البروتين من حد أدنى محلي إلى آخر. هنا يتم استخدام نموذج Go لحوض واحد فقط ، مما يعني تشكيلا متحيزا واحدا فقط (بنية بلورية) للبروتين في عمليات المحاكاة. وفي الوقت نفسه ، نظرا لعدم وجود تفاعل بين الترابط الهيدروجيني بين البروتين والحمض النووي ، وما إلى ذلك ، على غرار سياق CG ، يمكن أخذ عينات من الحركات الجزيئية بشكل أسرع ، أي > 10 مرات مقارنة بالمحاكاة الذرية.
    6. قم بتعيين الكتلة الكهروستاتيكية (مطلوبة فقط عند استخدام التفاعل الكهروستاتيكي) حيث يعتبر التفاعل الكهروستاتيكي بين سلاسل مختلفة ، لذا استخدم هذه الكتلة لتحديد معلمات التفاعل الكهروستاتيكي عن طريق كتابة:
      <<<< الكهروستاتيكي
      cutoff_ele = 10.0
      ionic_strength = 0.15
      >>>>
      اضبط طول Debye في التفاعل الكهروستاتيكي على 10 Å ، المقابلة لحالة المحلول. اضبط القوة الأيونية على 0.15 م ، كما هو الحال في الحالة الفسيولوجية.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

انزلاق مقترن بالدوران أو خطوة 1 نقطة أساس من WRKY من بناء MSM
يتم تعيين جميع تكوينات البروتين على الحمض النووي إلى الحركة الطولية X وزاوية دوران البروتين COM على طول الحمض النووي (انظر الشكل 3A). يشير الاقتران الخطي لهاتين الدرجتين إلى خطوة مقترنة بالدوران لبروتين مجال WRKY على الحمض النووي. يمكن تجميع المطابقة بشكل أكبر في 3 حالات كبيرة (S1 و S2 و S3) في MSM. ثم يتبع التقدم إلى الأمام ل WRKY انتقال الحالة الكلية S1->S2->S3. يشير S1 إلى حالة ما وراء الاستقرار التي بدأتها البنية النموذجية (استنادا إلى البنية البلورية لمجمع WRKY-DNA40) ، مع عدد سكان يبلغ ~ 6٪. لاحظ أنه في النمذجة الحالية ، تم اعتماد تكوين البروتين الأولي من البنية البلورية التي يرتبط فيها البروتين بتسلسل الحمض النووي W-box40 المحدد. وبالتالي فإن مثل هذا المركب النموذجي للبروتين بولي A-DNA يؤدي إلى هياكل أولية أقل ملاءمة (S1) من الهياكل المتدرجة أو المسترخية أخيرا (S3). ومع ذلك ، يمكن للمرء أن يجد أن الروابط الهيدروجينية (HBs) في واجهة البروتين والحمض النووي تتعافى بالقرب من مركز S3 كما هو الحال بالقرب من المركز في S1 (انظر الشكل 3B). يتم الحفاظ على HBs في حالة S1 بشكل جيد: K125 مع A15 و R131 و Q146 و Y133 مع A16 و K144 و Y119 مع A17 و R135 مع A18 (الشكل 3B أعلى اليسار). يشير S3 إلى حالة غير مستقرة بعد خطوة البروتين 1-bp ، مع تحول جميع HBs تقريبا لمسافة 1-bp (الشكل 3B السفلي) ، وتبدو الهياكل مستقرة مع أعلى عدد من السكان (63٪). تربط الحالة المتوسطة S2 بين S1 و S3 ، مع عدد سكان متوسط إلى مرتفع (~ 30٪). وجدنا أن R135 و K144 مرنان للغاية في هذه الحالة الوسيطة ويمكنهما عادة كسر HBs مع النيوكليوتيد الحالي وإصلاح ذلك مع النيوكليوتيد التالي (الشكل 3B أعلى اليمين). بشكل عام ، تحرك بروتين WRKY COM ~ 2.9 Å واستدار ~ 55 درجة إلى خطوة 1 نقطة أساس هنا. الخطوة المحددة للمعدل لخطوة WRKY هي S2->S3 ، والتي تسمح بشكل أساسي بالكسر الجماعي وإصلاح HBs وتتطلب ~ 7 ميكروثانية في المتوسط. في المقابل ، يمكن أن يعبر S1 إلى S2 بسرعة كبيرة في وقت ~ 0.06 μs أو 60-ns (الشكل 3B) ، مما ينطوي بشكل رئيسي على تقلبات COM البروتينية (على سبيل المثال ، بسبب التغيرات التوجيهية للبروتين على الحمض النووي).

التحيز أحادي الخيط ل WRKY أثناء الانتشار العملي في نموذج CG
في دراستنا الأخيرة ، وجدنا أن بروتين مجال WRKY يرتبط بشكل تفضيلي بخيط واحد من dsDNA ، بغض النظر عن أثناء خطوة 1-bp أو الربط الثابت. ويصبح التحيز أحادي الخيط بارزا للغاية خاصة عند تسلسل الحمض النووي المحدد المرتبط8. وفي الوقت نفسه ، ليس من الواضح ما إذا كان هذا الاتجاه لا يزال قائما أثناء الانتشار العملي للبروتين على طول الحمض النووي. هنا حاولنا فحص التحيز المحتمل للحبلا عبر محاكاة CG. ومن المثير للاهتمام ، أنه تم تحديد تكوين كبير لربط الحمض النووي أحادي الخيط في محاكاة CG ل WRKY أثناء الانتشار العملي. ولمعرفة ذلك، تم حساب أرقام الاتصال بين البروتين والحمض النووي على خيوط الحمض النووي المعنية (انظر الشكل 4B). يتم النظر في الاتصال عندما تكون المسافة بين جسيم البروتين CG وجسيم DNA CG P (مجموعة الفوسفات) أصغر من 7 Å. يظهر البروتين بالفعل تحيزا لأحد خيوط الحمض النووي (على سبيل المثال ، ~ 4 جهات اتصال لخيط واحد و ~ 1 اتصال بالآخر) ، أي حتى عندما لا يتم نمذجة التفاعلات التفصيلية مثل HBs في واجهة البروتين والحمض النووي.

ومع ذلك ، يمكن أن ينتقل خيط الحمض النووي المفضل من وقت لآخر بين خيطي الحمض النووي ، اعتمادا على اتجاه الارتباط أو تكوين البروتين على الحمض النووي. على وجه الخصوص ، وفقا لرقم الاتصال المتشكل بين البروتين وخيوط الحمض النووي المعنية ، هناك أساسا 4 حالات هنا (كما هو موضح في 1 و 2 و 3 و 4 في الشكل 4B و C). في الحالتين 1 و 3 ، ترتبط منطقة إصبع الزنك باتجاه -Y ، والخيط المفضل هو الشريط الأزرق. في الحالتين 2 و 3 ، ترتبط منطقة إصبع الزنك باتجاه +Y ، وتصبح الخيط المفضل هو الأحمر. ووجد أيضا أن منطقة الزنك والتينر تتفاعل بشكل مهيمن مع الحمض النووي (انظر الشكل 4D). وبالتالي ، فإن حبلا الحمض النووي المرتبط ارتباطا وثيقا بمنطقة إصبع الزنك هو في الواقع المفضل لديك. وفقا لأخذ العينات المذكورة أعلاه ، يبدو بالتالي أن تحيز الخيط مستمر ولكنه ينتقل بين شريطي الحمض النووي في نموذج CG لنشر البروتين العملي.

البروتين الفردي المتبقي في محاكاة CG
لقد لوحظ سابقا من عمليات محاكاة CG الخاصة بنا أن حجم خطوة WRKY قد يختلف على تسلسلات الحمض النووي المختلفة8. يميل البروتين COM إلى الخطوة 1 نقطة أساس على الحمض النووي المتجانس poly-A. أثناء استخدام الحمض النووي poly-AT مع دورية 2 نقطة أساس ، يبدو أن نسبة خطوة 2-bp تزداد.

بالإضافة إلى ذلك ، فحصنا هنا ما إذا كانت بقايا البروتين الفردية تتحرك بشكل متزامن في واجهة البروتين والحمض النووي. قمنا بحساب حجم الخطوة لكل بقايا محفوظة للغاية في شكل WRKY (WRKYGQK) لكل 1000 خطوة زمنية (الشكل 5A). وبالتالي يمكن قياس حجم الخطوة المتبقية لكل بقايا محفوظة من عمليات محاكاة CG. تظهر النتائج بالفعل أن الأحجام المتدرجة لهذه المخلفات الفردية متزامنة بشكل أكبر على الحمض النووي poly-A من تسلسل poly-AT أو تسلسل الحمض النووي العشوائي (الشكل 5B).

Figure 1
الشكل 1: توليد التكوينات وبناء الحالات الصغرى / الحالات الكلية . (أ) مسار الخطوة الأولية إلى الأمام الذي تم تعيينه على RMSD للبروتين والحمض النووي وزاوية دوران البروتين حول الحمض النووي. يتم تصنيف الهياكل ال 25 المختارة الأولية بواسطة دوائر حمراء. (ب) 100 مركز عنقودي للتشكيل من الجولةالأولى 25 × 50 نانو ثانية مسارات محاكاة MD تم تعيينها على أعلى اتجاهين للقيمة الذاتية tICs. (ج) قطع من الجدول الزمني الضمني كدالة لوقت التأخر لبناء MSM عبر tICA باستخدام أزواج المسافة المختارة كمدخلات. لكل مجموعة ، تم بناء MSM عن طريق إسقاط المطابقة على أعلى 2 tICs تليها تجميع مراكز K لإنتاج 20 إلى 2000 حالة صغيرة (من العمود الأيسر إلى الأيمن) مع وقت تأخير الارتباط ل tICA المختار من 5 إلى 40 ns (من أعلى إلى أسفل الصف). (د) تم بناء 500 دولة صغيرة و (ه) بناء 3 دول كبيرة أخرى ، مع تعيين مراكز الدول الصغيرة المقابلة على طول أعلى اتجاهين ل tICs. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 2
الشكل 2: بناء الحالات الكلية. (أ) رسم خرائط لمسار مسار الخطوة الأمامية الأولية (يسار) ومع عدد صغير من عينات المسار الجزئي الثانية الإضافية (يمين) على مركز البروتين لحركة الكتلة (COM) على طول محور الحمض النووي الطويل (X) وزاوية الدوران حول الحمض النووي (تم الحصول عليها سابقا8). (ب) رسم خرائط لمسارات 100 × 50 ns الأصلية ومسارات 97 × 50 ns المستخدمة في البناء الحالي MSM. (ج) يتم وضع علامات على خرائط أخذ العينات الواسعة بناء 3-6 دول كلية وسكانها من MSM المجمعة. (د) تظهر حركة البروتين X وزاوية الدوران حول الحمض النووي ، على التوالي. يتم تجميع التكوينات التي تم أخذ عينات منها أخيرا في 3 حالات كبيرة ، مع الأحمر والأزرق والرمادي المقابلة للحالة الكلية 1 و 2 و 3 ، على التوالي. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 3
الشكل 3: MSM لبروتين مجال WRKY الذي يخطو على الحمض النووي poly-A . (A) إسقاط لقطات MD المطابقة على إحداثيات حركة COM للبروتين X وزاوية الدوران فيما يتعلق بالحمض النووي. يتم تلوين الحالات الكبيرة الثلاث S1 و S2 و S3 باللون الأحمر والأزرق والرمادي ، على التوالي. (ب) المطابقة التمثيلية والانتقال المتوسط الأول للمرور الزمني (MFPT) للحالات الكلية ال 3 المبنية. يتم عرض الروابط الهيدروجينية الرئيسية بين البروتين والحمض النووي. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 4
الشكل 4: نموذج الحبوب الخشنة (CG) والاتصالات التي تشكلت بين خيوط البروتين والحمض النووي في نموذج CG. (أ) الحبيبات الخشنة للبروتين (يسار) والحمض النووي (يمين). (ب) رقم الاتصال بين WRKY وكل حبلا من خيوط الحمض النووي على طول المحاكاة. (ج) المناظر الجزيئية لأوضاع الاتصال ال 4. يتم تلوين منطقة البروتين بالقرب من إصبع الزنك باللون الرمادي ، والمنطقة الأخرى ملونة باللون الأخضر. (د) احتمال ملامسة كل حمض أميني بروتيني مع الحمض النووي. عندما تكون المسافة بين جسيم CG للحمض الأميني وأي جزيئات DNA CG أصغر من 7 Å ، يعتبر الحمض الأميني على اتصال بالحمض النووي. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 5
الشكل 5: أحجام خطوة الانتشار للحمض الأميني للبروتين الفردي في شكل WRKY ك WRKY يتحرك على طول الحمض النووي. (A) المخلفات المحفوظة للغاية (WRKYGQK) في البنية الذرية (يسار) وبعد الحبيبات الخشنة (يمين). (ب) حجم الخطوة لكل بقايا محفوظة على تسلسلات مختلفة من الحمض النووي (poly-A؛ poly-AT؛ تسلسلات عشوائية) يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

الملف التكميلي 1: رموز بايثون والبرامج المستخدمة في هذا البروتوكول. تم بناء MSM بشكل أساسي باستخدام MSMbuilder ، يتم إرفاق رموز python الضرورية. يرجى النقر هنا لتنزيل هذا الملف.

الملف التكميلي 2: يتم إجراء محاكاة الديناميكا الجزيئية الذرية بواسطة GROMACS ، كما يتم إرفاق الأوامر والملفات اللازمة لبناء محاكاة جميع الذرات. يتم إجراء عمليات المحاكاة ذات الحبيبات الخشنة بواسطة برنامج CafeMol. يتم تحليل نتائج المحاكاة بواسطة VMD و MATLAB. يرجى النقر هنا لتنزيل هذا الملف.

الملف التكميلي 3: البرنامج النصي tcl لتدوير ونقل البروتين في VMD. يرجى النقر هنا لتنزيل هذا الملف.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

يتناول هذا العمل كيفية إجراء المحاكاة الحسابية القائمة على البنية وأخذ العينات للكشف عن عامل النسخ أو بروتين TF الذي يتحرك على طول الحمض النووي ، ليس فقط في التفاصيل الذرية للخطوة ، ولكن أيضا في الانتشار العملي ، وهو أمر ضروري لتسهيل انتشار TF في البحث عن هدف الحمض النووي. للقيام بذلك ، تم بناء نموذج حالة ماركوف أو MSM لبروتين مجال TF صغير WRKY يخطو ل 1-bp على طول الحمض النووي متعدد الأبعاد المتجانس لأول مرة ، بحيث يمكن الكشف عن مجموعة من تكوينات البروتين على الحمض النووي جنبا إلى جنب مع الترابط الهيدروجيني الجماعي أو ديناميكيات HB في واجهة البروتين والحمض النووي. للحصول على MSM ، أجرينا جولتين من عمليات محاكاة MD الشاملة لجميع الذرات على طول مسار خطوة البروتين التلقائي (الذي تم الحصول عليه من محاكاة 10-μs السابقة) ، مع عينات حالية في تجميع 7.5 μs (125 × 60 ns). توفر لنا هذه العينات الواسعة لقطات للتشكيل المتجمع في مئات الحالات الدقيقة ، باستخدام مسافات الزوج بين البروتين والحمض النووي كمقاييس هندسية للتجميع. يتم التحقق جزئيا من صحة الخاصية Markovian لبناء MSM عن طريق الكشف عن فصل النطاق الزمني عن المقاييس الزمنية الضمنية المحسوبة لمختلف الأطوال أو وقت التأخير لمحاكاة MD الفردية. ثم تم اختبار 20-2000 دولة صغيرة ومقارنتها لخصائص الفصل على نطاق زمني ، مع اختيار 500 دولة صغيرة لبناء MSM. علاوة على ذلك ، تم تجميع 500 حالة صغيرة بشكل حركي في عدد صغير من الحالات الكلية ، والتي اختبرنا لها عددا مختلفا من الحالات ووجدنا أن ثلاث حالات كلية كافية للنظام الحالي. يظهر نموذج الحالات الثلاث ببساطة أن الحالة S1 تعبر إلى S2 بسرعة نسبية (في حدود عشرات ns) ، تهيمن عليها تقلبات مركز كتلة البروتين (COM) على الحمض النووي ، في حين أن الحالة S2 تعبر إلى S3 ببطء وتحد من المعدل (~ 7 ميكروثانية في المتوسط) ، تهيمن عليها ديناميكيات HB الجماعية للخطوة. لاحظ أن التجميع الحركي للحالات الدقيقة في عدد صغير من الحالات الكلية المتميزة حركيا لا يزال خاضعا للتطورات المنهجية ، مع اختبار خوارزميات مختلفة وتقنيات التعلم الآلي للتحسينات 57,58,59,60,61,62,63 . تشمل الخطوات الحاسمة لبناء MSM اختيار أزواج المسافة المستخدمة في tICA وتحديد المعلمات المستخدمة لبناء الحالات الدقيقة. يعتمد اختيار أزواج المسافة على المعرفة ، ومن المهم اختيار أزواج التفاعل الأكثر أهمية. يجب تعيين معلمات بناء الدول الصغرى ، مثل وقت تأخير الارتباط ، ووقت التأخر ، و muber of microstates ، بشكل صحيح لضمان أن يكون النظام ماركوفيان.

مع هذه الجهود ، يمكن الكشف بشكل منهجي عن ديناميكيات بنية البروتين دون الدقيقة إلى الثواني الدقيقة مع التفاصيل الذرية للبروتين الذي يخطو 1-bp على طول الحمض النووي. من حيث المبدأ ، مع مصفوفة احتمال الانتقال التي تم الحصول عليها من بناء MSM ، يمكن تطوير النظام إلى نطاق زمني طويل يتجاوز ميكروثانية ، أو لنقل ، للاقتراب من ميلي ثانية وما فوق13،17،64. ومع ذلك ، هناك قيود جوهرية على أخذ العينات والبناء MSM ، والتي تعتمد على المحاكاة الفردية دون ميكروثانية حول مسار أولي معين ، وقد لا تكون خاصية Markovian مضمونة بشكل جيد 65,66. في معظم الممارسات ، تم بناء المسار الأولي تحت الإجبار أو التسارع ، على الرغم من أننا في النظام الحالي نستفيد من مسار خطوة البروتين التلقائي (بدون إجبار أو تسارع) تم الحصول عليه من محاكاة توازن 10 مللي ثانية8. لا تزال العينات التوافقية في المجموع محدودة بعشرات الميكروثانية بسبب ارتفاع التكلفة الحسابية لعمليات المحاكاة الذرية. من غير المرجح أن توفر عينات الميكروثانية هذه من خطوات البروتين تكوينات كافية لتظهر على نطاق واسع من نشر TF العملي على نطاق طويل. ستصبح مشكلة الذاكرة مهمة إذا قام المرء بتنفيذ مصفوفة احتمال الانتقال التي تم الحصول عليها حاليا بعد نطاق زمني معين ، ولا يتم ضمان خاصية Markovian لضمان الاستخدام السليم ل MSM 14,52,66 الحالي. لذلك ، لأخذ عينات من الانتشار العملي طويل الأمد ل TF على طول الحمض النووي ، يتم تنفيذ نمذجة ومحاكاة مستوى البقايا الخشنة أو CG بدلا من ذلك ، لتحقيق التوازن بين الحفاظ على الأساس الهيكلي وخفض التكلفة الحسابية.

في نمذجة ومحاكاة CG ، يتم تمثيل بقايا البروتين ونيوكليوتيدات الحمض النووي بالخرز (أي حبة واحدة لحمض أميني واحد ، وثلاث حبات لنيوكليوتيد واحد) ، مع الحفاظ على تكوين البروتين عبر نموذج Go نحو تكوين أصلي أو متوازن مسبقا30,53. على الرغم من أن المستوى الذري لتفاعلات HB يصبح غائبا في نموذج CG ، إلا أن التفاعلات الكهروستاتيكية بين البروتين والحمض النووي يتم الحفاظ عليها بشكل جيد ، والتي يبدو أنها قادرة على التقاط السمات الديناميكية السائدة في الانتشار العملي للبروتين على طول الحمض النووي67،68،69،70. يتم تقديم بروتوكولات التنفيذ التفصيلية لنمذجة ومحاكاة نظام WRKY-DNA هنا. تظهر النتائج التمثيلية بشكل مثير للاهتمام أنه أولا ، لا يزال تحيز الحمض النووي أحادي الخيط المقدم في المحاكاة الذرية السابقة لنظام WRKY-DNA مستمرا في نموذج CG ، في حين أن مجموعة متنوعة من اتجاهات / تكوينات البروتين التي تم أخذ عينات منها أثناء الانتشار العملي تؤدي إلى تبديل التحيز بين الخيطين من وقت لآخر. وبالتالي ، فإن مثل هذا التحيز في حبلا الحمض النووي لا يرتبط بالضرورة بارتباط HB ولكن يبدو أنه يعتمد بشكل أساسي على التفاعلات الكهروستاتيكية بين البروتين والحمض النووي ، والتي تختلف باختلاف تكوينات البروتين أو توجهاته على الحمض النووي. بعد ذلك ، تظهر الأحماض الأمينية الفردية عند أو بالقرب من واجهة البروتين والحمض النووي ، مثل زخارف WRKQGQK المحفوظة للغاية ، أحجام خطوات مختلفة أو أنماط مزامنة لتسلسلات الحمض النووي المختلفة. في دراستنا السابقة ، تم عرض اختلافات حجم الخطوة فقط ل COM للبروتين ، حيث تم تصميم البروتين لينتشر على طول تسلسلات الحمض النووي المختلفة. لاحظ أن نموذج CG الحالي للحمض النووي يدعم اختلافات تسلسل الحمض النووي مع معلمات مختلفة 54,71,72 ، على الرغم من أن التفاصيل الذرية مفقودة. وبالتالي فإن المعلمة المناسبة المعتمدة على تسلسل الحمض النووي في النمذجة القائمة على البنية لنظام البروتين والحمض النووي ، أمر بالغ الأهمية للكشف عن آليات البحث عن البروتين والحمض النووي والتعرف عليها عبر مقاييس زمنية وطويلة متعددة.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

ليس لدى المؤلفين أي تضارب في المصالح.

Acknowledgments

تم دعم هذا العمل من قبل NSFC Grant # 11775016 و #11635002. تم دعم JY من قبل CMCF التابع لشركة UCI عبر NSF DMS 1763272 ومنحة مؤسسة Simons Foundation # 594598 وصندوق بدء التشغيل من UCI. تم دعم LTD من قبل مؤسسة العلوم الطبيعية في شنغهاي #20ZR1425400 و #21JC1403100. كما نعترف بالدعم الحسابي المقدم من مركز بكين لأبحاث العلوم الحاسوبية (CSRC).

Materials

Name Company Catalog Number Comments
CafeMol Kyoto University coarse-grained (CG) simulations
GROMACS University of Groningen Royal Institute of Technology Uppsala University molecular dynamics simulations software
Matlab MathWorks Numerical calculation software
MSMbuilder Stanford University build MSM
VMD UNIVERSITY OF ILLINOIS AT URBANA-CHAMPAIGN molecular visualization program

DOWNLOAD MATERIALS LIST

References

  1. Latchman, D. S. Transcription factors: an overview. The International Journal of Biochemistry & Cell Biology. 29 (12), 1305-1312 (1997).
  2. Berg, O. G., von Hippel, P. H. Selection of DNA binding sites by regulatory proteins. Statistical-mechanical theory and application to operators and promoters. Journal of Molecular Biology. 193 (4), 723-750 (1987).
  3. von Hippel, P. H., Berg, O. G. Facilitated target location in biological systems. The Journal of Biological Chemistry. 264 (2), 675-678 (1989).
  4. Halford, S. E., Marko, J. F. How do site-specific DNA-binding proteins find their targets. Nucleic Acids Research. 32 (10), 3040-3052 (2004).
  5. Slusky, M., Mirny, L. A. Kinetics of protein-DNA interaction: facilitated target location in sequence-dependent potential. Biophysical Journal. 87 (6), 4021-4035 (2004).
  6. Bauer, M., Metzler, R. Generalized facilitated diffusion model for DNA-binding proteins with search and recognition states. Biophysical Journal. 102 (10), 2321-2330 (2012).
  7. Shvets, A. A., Kochugaeva, M. P., Kolomeisky, A. B. Mechanisms of Protein Search for Targets on DNA: Theoretical Insights. Molecules. 23 (9), Basel, Switzerland. 2106 (2018).
  8. Dai, L., Xu, Y., Du, Z., Su, X. D., Yu, J. Revealing atomic-scale molecular diffusion of a plant-transcription factor WRKY domain protein along DNA. Proceedings of the National Academy of Sciences of the United States of America. 118 (23), 2102621118 (2021).
  9. Chodera, J. D., Singhal, N., Pande, V. S., Dill, K. A., Swope, W. C. Automatic discovery of metastable states for the construction of Markov models of macromolecular conformational dynamics. The Journal of Chemical Physics. 126 (15), 155101 (2007).
  10. Pan, A. C., Roux, B. Building Markov state models along pathways to determine free energies and rates of transitions. The Journal of Chemical Physics. 129 (6), 064107 (2008).
  11. Bowman, G. R., Huang, X., Pande, V. S. Using generalized ensemble simulations and Markov state models to identify conformational states. Methods. 49 (2), San Diego, California. 197-201 (2009).
  12. Prinz, J. H., et al. Markov models of molecular kinetics: Generation and validation. The Journal of chemical physics. 134 (17), 174105 (2011).
  13. Chodera, J. D., Noé, F. Markov state models of biomolecular conformational dynamics. Current Opinion in Structural Biology. 25, 135-144 (2014).
  14. Malmstrom, R. D., Lee, C. T., Van Wart, A. T., Amaro, R. E. On the Application of Molecular-Dynamics Based Markov State Models to Functional Proteins. Journal of Chemical Theory and Computation. 10 (7), 2648-2657 (2014).
  15. Husic, B. E., Pande, V. S. Markov State Models: From an Art to a Science. Journal of the American Chemical Society. 140 (7), 2386-2396 (2018).
  16. Sittel, F., Stock, G. Perspective: Identification of collective variables and metastable states of protein dynamics. The Journal of chemical physics. 149 (15), 150901 (2018).
  17. Wang, W., Cao, S., Zhu, L., Huang, X. Constructing Markov State Models to elucidate the functional conformational changes of complex biomolecules. WIREs Computational Molecular Science. 8, 1343 (2018).
  18. Peng, S., et al. Target search and recognition mechanisms of glycosylase AlkD revealed by scanning FRET-FCS and Markov state models. Proceedings of the National Academy of Sciences of the United States of America. 117 (36), 21889-21895 (2020).
  19. Tian, J., Wang, L., Da, L. T. Atomic resolution of short-range sliding dynamics of thymine DNA glycosylase along DNA minor-groove for lesion recognition. Nucleic Acids Research. 49 (3), 1278-1293 (2021).
  20. Chu, J. -W., Izveko, S., Voth, G. The multiscale challenge for biomolecular systems: coarse-grained modeling. Molecular Simulation. 32 (3-4), 211-218 (2006).
  21. Marrink, S. J., Risselada, H. J., Yefimov, S., Tieleman, D. P., De Vries, A. H. The MARTINI force field: coarse grained model for biomolecular simulations. The Journal of Physical Chemistry B. 111 (27), 7812-7824 (2007).
  22. Givaty, O., Levy, Y. Protein sliding along DNA: dynamics and structural characterization. Journal of Molecular Biology. 385 (4), 1087-1097 (2009).
  23. Khazanov, N., Levy, Y. Sliding of p53 along DNA can be modulated by its oligomeric state and by cross-talks between its constituent domains. Journal of Molecular Biology. 408 (2), 335-355 (2011).
  24. Riniker, S., Allison, J. R., van Gunsteren, W. F. On developing coarse-grained models for biomolecular simulation: a review. Physical Chemistry Chemical Physics : PCCP. 14 (36), 12423-12430 (2012).
  25. Kmiecik, S., et al. Coarse-Grained Protein Models and Their Applications. Chemical Reviews. 116 (14), 7898-7936 (2006).
  26. Bhattacherjee, A., Krepel, D., Levy, Y. Coarse-grained models for studying protein diffusion along DNA. WIREs Computational Molecular Science. 6, 515-531 (2016).
  27. Wang, J., et al. Machine Learning of Coarse-Grained Molecular Dynamics Force Fields. ACS Central Science. 5 (5), 755-767 (2019).
  28. Joshi, S. Y., Deshmukh, S. A. A review of advancements in coarse-grained molecular dynamics simulations. Molecular Simulation. 47 (10-11), 786-803 (2021).
  29. Bigman, L. S., Greenblatt, H. M., Levy, Y. What Are the Molecular Requirements for Protein Sliding along DNA. The Journal of Physical Chemistry B. 125 (12), 3119-3131 (2021).
  30. Kenzaki, H., et al. CafeMol: A Coarse-Grained Biomolecular Simulator for Simulating Proteins at Work. Journal of Chemical Theory and Computation. 7 (6), 1979-1989 (2011).
  31. Berendsen, H. J. C., vander Spoel, D., van Drunen, R. GROMACS: a message-passing parallel molecular dynamics implementation. Computer Physics Communications. 91 (1-3), 43-56 (1995).
  32. vander Spoel, D., et al. GROMACS: fast, flexible, and free. Journal of Computational Chemistry. 26 (16), 1701-1718 (2005).
  33. Abraham, M. J., et al. GROMACS: High performance molecular simulations through multi-level parallelism from laptops to supercomputers. SoftwareX. 1-2, 19-25 (2015).
  34. Harrigan, M. P., et al. MSMBuilder: Statistical Models for Biomolecular Dynamics. Biophysical journal. 112 (1), 10-15 (2017).
  35. Humphrey, W., Dalke, A., Schulten, K. VMD: visual molecular dynamics. Journal of Molecular Graphics. 14 (1), 33-38 (1996).
  36. Izrailev, S., et al. Steered Molecular Dynamics. Computational Molecular Dynamics: Challenges, Methods, Ideas. 4, Springer. Berlin, Heidelberg. 39-65 (1999).
  37. Schlitter, J., Engels, M., Krüger, P. Targeted molecular dynamics: a new approach for searching pathways of conformational transitions. Journal of Molecular Graphics. 12 (2), 84-89 (1994).
  38. Maragliano, L., Fischer, A., Vanden-Eijnden, E., Ciccotti, G. String method in collective variables: minimum free energy paths and isocommittor surfaces. The Journal of Chemical Physics. 125 (2), 24106 (2006).
  39. Weiss, D. R., Levitt, M. Can morphing methods predict intermediate structures. Journal of Molecular Biology. 385 (2), 665-674 (2009).
  40. Xu, Y. P., Xu, H., Wang, B., Su, X. D. Crystal structures of N-terminal WRKY transcription factors and DNA complexes. Protein. 11 (3), 208-213 (2020).
  41. Higham, D. J., Higham, N. J. MATLAB guide. Society for Industrial and Applied Mathematics. , (2016).
  42. Hartigan, J. A., Wong, M. A. Algorithm AS 136: A K-Means Clustering Algorithm. Journal of the Royal Statistical Society. Series C (Applied Statistics). 28 (1), 100-108 (1979).
  43. Gonzalez, T. F. Clustering to minimize the maximum intercluster distance. Theoretical Computer Science. 38, 293-306 (1985).
  44. Zhao, Y., Sheong, F. K., Sun, J., Sander, P., Huang, X. A fast parallel clustering algorithm for molecular simulation trajectories. Journal of Computational Chemistry. 34 (2), 95-104 (2013).
  45. Ivani, I., et al. Parmbsc1: a refined force field for DNA simulations. Nature Methods. 13 (1), 55-58 (2016).
  46. Naritomi, Y., Fuchigami, S. Slow dynamics of a protein backbone in molecular dynamics simulation revealed by time-structure based independent component analysis. The Journal of Chemical Physics. 139 (21), 215102 (2013).
  47. Naritomi, Y., Fuchigami, S. Slow dynamics in protein fluctuations revealed by time-structure based independent component analysis: the case of domain motions. The Journal of Chemical Physics. 134 (6), 065101 (2011).
  48. Pérez-Hernández, G., Paul, F., Giorgino, T., De Fabritiis, G., Noé, F. Identification of slow molecular order parameters for Markov model construction. The Journal of Chemical Physics. 139 (1), 015102 (2013).
  49. McGibbon, R. T., Pande, V. S. Variational cross-validation of slow dynamical modes in molecular kinetics. The Journal of Chemical Physics. 142 (12), 124105 (2015).
  50. Deuflhard, P., Weber, M. Robust Perron cluster analysis in conformation dynamics. Linear Algebra and its Applications. 398, 161-184 (2005).
  51. Silva, D. A., et al. Millisecond dynamics of RNA polymerase II translocation at atomic resolution. Proceedings of the National Academy of Sciences of the United States of America. 111 (21), 7665-7670 (2014).
  52. Swope, W. C., Pitera, J. W., Suits, F. Describing Protein Folding Kinetics by Molecular Dynamics Simulations. 1. Theory. The Journal of Physical Chemistry B. 108 (21), 6571-6581 (2004).
  53. Clementi, C., Nymeyer, H., Onuchic, J. N. Topological and energetic factors: what determines the structural details of the transition state ensemble and "en-route" intermediates for protein folding? An investigation for small globular proteins. Journal of molecular biology. 298 (5), 937-953 (2000).
  54. Hinckley, D. M., Freeman, G. S., Whitmer, J. K., De Pablo, J. J. An experimentally-informed coarse-grained 3-Site-Per-Nucleotide model of DNA: structure, thermodynamics, and dynamics of hybridization. The Journal of chemical physics. 139 (14), 144903 (2013).
  55. Debye, P., Huckel, E. The theory of the electrolyte II-The border law for electrical conductivity. Physikalische Zeitschrift. 24, 305-325 (1923).
  56. Berendsen, H. J., Postma, J. V., van Gunsteren, W. F., DiNola, A., Haak, J. R. Molecular dynamics with coupling to an external bath. The Journal of Chemical Physics. 81, 3684-3690 (1984).
  57. Bowman, G. R. Improved coarse-graining of Markov state models via explicit consideration of statistical uncertainty. The Journal of Chemical Physics. 137 (13), 134111 (2012).
  58. Jain, A., Stock, G. Identifying metastable states of folding proteins. Journal of Chemical Theory and Computation. 8 (10), 3810-3819 (2012).
  59. Röblitz, S., Weber, M. Fuzzy spectral clustering by PCCA+: application to Markov state models and data classification. Advances in Data Analysis and Classification. 7, 147-179 (2013).
  60. Mardt, A., Pasquali, L., Wu, H., Noé, F. VAMPnets for deep learning of molecular kinetics. Nature Communications. 9 (1), 5 (2018).
  61. Wang, W., Liang, T., Sheong, F. K., Fan, X., Huang, X. An efficient Bayesian kinetic lumping algorithm to identify metastable conformational states via Gibbs sampling. The Journal of Chemical Physics. 149 (7), 072337 (2018).
  62. Chen, W., Sidky, H., Ferguson, A. L. Nonlinear discovery of slow molecular modes using state-free reversible VAMPnets. The Journal of Chemical Physics. 150 (21), 214114 (2019).
  63. Gu, H., et al. RPnet: a reverse-projection-based neural network for coarse-graining metastable conformational states for protein dynamics. Physical Chemistry Chemical Physics :PCCP. 24 (3), 1462-1474 (2022).
  64. Lane, T. J., Bowman, G. R., Beauchamp, K., Voelz, V. A., Pande, V. S. Markov state model reveals folding and functional dynamics in ultra-long MD trajectories. Journal of the American Chemical Society. 133 (45), 18413-18419 (2011).
  65. Konovalov, K. A., Unarta, I. C., Cao, S., Goonetilleke, E. C., Huang, X. Markov State Models to Study the Functional Dynamics of Proteins in the Wake of Machine Learning. JACS Au. 1 (9), 1330-1341 (2021).
  66. Cao, S., Montoya-Castillo, A., Wang, W., Markland, T. E., Huang, X. On the advantages of exploiting memory in Markov state models for biomolecular dynamics. The Journal of Chemical Physics. 153 (1), 014105 (2020).
  67. Brandani, G. B., Takada, S. Chromatin remodelers couple inchworm motion with twist-defect formation to slide nucleosomal DNA. PLoS Computational Biology. 14 (11), 1006512 (2018).
  68. Tan, C., Terakawa, T., Takada, S. Dynamic Coupling among Protein Binding, Sliding, and DNA Bending Revealed by Molecular Dynamics. Journal of the American Chemical Society. 138 (27), 8512-8522 (2016).
  69. Terakawa, T., Takada, S. p53 dynamics upon response element recognition explored by molecular simulations. Scientific reports. 5, 17107 (2015).
  70. Brandani, G. B., Niina, T., Tan, C., Takada, S. DNA sliding in nucleosomes via twist defect propagation revealed by molecular simulations. Nucleic Acids Research. 46 (6), 2788-2801 (2018).
  71. Knotts, T. A., Rathore, N., Schwartz, D. C., de Pablo, J. J. A coarse grain model for DNA. The Journal of Chemical Physics. 126 (8), 084901 (2007).
  72. Freeman, G. S., Hinckley, D. M., Lequieu, J. P., Whitmer, J. K., de Pablo, J. J. Coarse-grained modeling of DNA curvature. The Journal of Chemical Physics. 141 (16), 165103 (2014).

Tags

علم الأحياء ، العدد 181 ،
المحاكاة القائمة على البنية وأخذ عينات من حركات بروتين عامل النسخ على طول الحمض النووي من الخطوة على النطاق الذري إلى الانتشار الخشن الحبيبات
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

E, C., Dai, L., Tian, J., Da, L. T., … More

E, C., Dai, L., Tian, J., Da, L. T., Yu, J. Structure-Based Simulation and Sampling of Transcription Factor Protein Movements along DNA from Atomic-Scale Stepping to Coarse-Grained Diffusion. J. Vis. Exp. (181), e63406, doi:10.3791/63406 (2022).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter