September 15th, 2010
Region korony różnych sekwencji pętli V3 glikoproteiny otoczki powierzchniowej (gp120) HIV-1 może być strukturalnie scharakteryzowany w wielu przypadkach przez fałdowanie in silico pozycji od 10 do 22 pętli przy użyciu najnowocześniejszego algorytmu składania ab initio. Tutaj demonstrujemy fałdowanie i ocenę tego regionu pętli V3 ze szczepu R2 HIV-1, wyjątkowo wrażliwego na neutralizację szczepu o zagadkowych właściwościach funkcjonalnych.
Ogólnym celem poniższego eksperymentu jest ocena dynamicznych preferencji strukturalnych sekwencji peptydowej V z trzema koronami szczepu R dwa wirusa HIV poprzez fałdowanie AR oraz skorelowanie wyników ze znaną wrażliwością na neutralizację szczepu R dwa. Osiąga się to poprzez dobranie odpowiedniego fragmentu korony R two V three loop do składania AR bonni. W drugim kroku przeprowadzana jest symulacja składania, która przeszukuje wszystkie możliwe potwierdzenia fragmentu korony R dwa i rekordy, najbardziej prawdopodobne potwierdzenia w pliku stosu.
Następnie zarejestrowane potwierdzenia są analizowane w celu określenia dynamicznej preferencji strukturalnej korony R dwa V trzy, co może wyjaśniać jej czułość neutralizacji. Uzyskano wyniki, które wskazują na preferencję dla sztywnych pozycji nici beta od 12 do 14 pętli V trzy w oparciu o strukturę drugorzędową, preferencję i rozkład energii stosu poszukiwanych potwierdzeń. Cześć, nazywam się Timothy Cardozo i rozmawiam z wami z mojego laboratorium na Wydziale Farmakologii w New York University School of Medicine.
Dzisiaj pokażemy Państwu procedurę fałdowania białka abio elastycznej pętli na immunogennym białku wirusa HIV one znanym jako GP one 20. Elastyczna pętla jest znana jako pętla V trzy tej glikoproteiny otoczki powierzchniowej wirusa HIV jeden, a jej końcówka jest znana jako korona pętli V trzy. To jest region, który będziemy składać.
Stosujemy tę procedurę w naszym laboratorium, aby pomóc nam zidentyfikować produktywne ścieżki prowadzące do udanego zaprojektowania szczepionki przeciwko HIV. Więc zacznijmy. Aby rozpocząć tę procedurę, wybierz sekwencję V trzech koron, która ma zostać złożona in silico.
Wcześniejsze badania z tego laboratorium wskazują, że pozycje od 10 do 22 dowolnej sekwencji V z trzema pętlami dają najlepsze wyniki, uruchom eksperymenty ze składaniem armenio za pomocą przyjaznych dla użytkownika menu rozwijanych w graficznym interfejsie użytkownika lub graficznym interfejsie użytkownika oprogramowania do modelowania ICM Pro Molekularne. Po pierwsze, trójwymiarowa struktura atomowa peptydu odpowiadającego tej sekwencji musi być wbudowana w asa wirtualnej przestrzeni komputera. Aby zbudować trójwymiarową strukturę atomową, przejdź do menu pliku i wybierz nowy.
Spowoduje to wyświetlenie ekranu z kilkoma zakładkami. Wybierz kartę peptydów i wklej lub wpisz sekwencję w polu tekstowym. Kliknij OK, aby zbudować trójwymiarową strukturę peptydu.
Struktura pojawi się w oknie graficznym ICM. Po zbudowaniu trójwymiarowej struktury przejdź do menu mechaniki molekularnej i wybierz opcję minimalizuj, która pojawi się jako menu boczne. Z menu bocznego wybierz opcję globalne.
Spowoduje to wyświetlenie ekranu z kilkoma polami wprowadzania i polami wyboru już wybranymi do parametrów domyślnych. W razie potrzeby zmień wybór, aby wybrać peptyd do złożenia. Dostosuj długość i precyzję symulacji, zmieniając odpowiednio liczbę globalnych ruchów i liczbę lokalnych wywołań minimalnych.
Zaznacz wszystko dla wszystkich fałdów atomów peptydu. Następnie wybierz opcję Zapisz film, aby utworzyć plik filmowy ze składania. Na koniec kliknij Zastosuj, aby rozpocząć składanie w oknie graficznym.
Algorytm zaczyna składać peptyd w różne potwierdzenia, obliczając i rejestrując energię peptydu dla każdego potwierdzenia. Po zakończeniu, najbardziej stabilne energetycznie potwierdzenie peptydu, jak również alternatywne potwierdzenia o prawie tej samej energii, zostaną zidentyfikowane i zwizualizowane na komputerze Wykonywanie fałdowania peptydów. Użycie lepkości pokazuje, jak wygląda składanie, ale nie pozwala na idealny wybór parametrów do składania korony V z trzema pętlami.
W tym celu najlepiej jest wykonać składanie z niegraficznego wiersza poleceń za pomocą skryptu, Skrypt to po prostu seria poleceń tekstowych zapisywanych wiersz po wierszu w dokumencie lub pliku tekstowym, które są automatycznie wprowadzane do programu ICM i wykonywane jedno po drugim w celu złożenia pętli V trzy za pomocą skryptu wierszy poleceń. Najpierw napisz plik tekstowy, który ma zostać zapisany na dysku twardym komputera w katalogu lokalnym. Tak jak poprzednio, zacznij od zbudowania peptydu w wirtualnej przestrzeni komputera.
Następnie nadaj nazwę symulacji i ustaw liczbę zmiennych swobodnych, które są wiązaniami chemicznymi w peptydzie, które mogą swobodnie obracać się podczas składania. Następnie określ, jak długo symulacja będzie trwać, aby optymalnie złożyć pętlę V trzy. Będzie to zależało od liczby wolnych zmiennych zidentyfikowanych w poprzednim kroku, aby określić precyzję wyszukiwania potwierdzającego w eksperymencie, ustawić liczbę kroków wyszukiwania, które mają zostać wykonane w każdym lokalnym minimum.
Następnie ustaw inne parametry, które zostały zoptymalizowane na potrzeby symulacji na podstawie wcześniejszych badań, w tym minimalizację temperatury, gradient i rozkład prawdopodobieństwa. Po ustawieniu parametrów eksperymentalnych wskaż, jakie obliczenia energetyczne zostaną wykorzystane podczas składania. W tym przypadku energia Vandera Vi jest wskazywana przez wewnętrzny peptyd VW.
Energia jest wskazywana przez 14, energia wiązań wodorowych jest wskazywana przez elektrostatyki HB. Energia jest wskazywana przez El Zbawienie. Energia jest oznaczana przez SF, a entropia jest oznaczana przez EN. Określ ustawienia końcowe, w tym preferowane kąty łańcucha szkieletowego i bocznego, które mają być przeszukiwane, oraz potwierdzenie początkowe.
Na koniec napisz polecenie, aby uruchomić i zapisać obliczenia. Po napisaniu skryptu i zapisaniu go jako pliku tekstowego uruchom go z wiersza polecenia pożyczki systemu operacyjnego komputera. Tak jak poprzednio, najbardziej stabilne energetycznie potwierdzenie peptydu, jak również alternatywne potwierdzenia o porównywalnej energii, zostaną zidentyfikowane i zapisane w pliku projektu w celu wizualizacji na komputerze.
Po zakończeniu obliczeń otwórz plik, wybierając opcję plik otwarty z menu rozwijanego EE. Wyświetl cząsteczkę, klikając pole wyboru obok niej w panelu roboczym, wybierz widok stosu mechaniki molekularnej. Aby wyświetlić stos uszeregowany energetycznie najwyższych potwierdzeń peptydów ze składania, kliknij narzędzie do kreślenia w prawym dolnym rogu panelu stosu, aby wykreślić wyniki.
Najpierw kliknij w porządku w wyświetlonym oknie, a następnie kliknij środkową zakładkę wykresu o nazwie best confo. Następnie kliknij pierwszy wiersz tabeli wyników stosu, który jest potwierdzeniem najniższej energii znalezionym w wyszukiwaniu. Struktura peptydowa zmieni się w najniższą energię, potwierdzenie w oknie graficznym.
Przeanalizuj to potwierdzenie pod kątem charakterystyki podobnej do nici beta lub helisy alfa, szczególnie w pierwszych pięciu pozycjach peptydu. Wybierając ten region w sekwencji i klikając ikonę drążka w lewym górnym rogu ekranu, aby wyświetlić wszystkie atomy. Następnie stos wyników energetycznych musi zostać przeanalizowany, aby wykreślić najlepsze potwierdzenia.
Jeśli potwierdzenie o najniższej energii jest oddzielone znaczną przerwą od innych potwierdzeń, wskazuje to na tendencję do sztywnej struktury. Aby ocenić wyniki, otwórz fiolkę projektu i wybierz widok stosu mechaniki molekularnej, pojawi się tabela potwierdzeń stosu. Wizualizuj potwierdzenia stosu, klikając ikonę histogramu wykresu.
Na koniec kliknij przycisk odtwarzania stosu mechaniki molekularnej, aby nagrać film na stosie i zwizualizować preferencje potwierdzające odkryte przez składanie tutaj. Pokazane są wyniki dla składania R dwa. Potwierdzenie nie jest alfa-spiralne i jest losowym zwojem, zgodnie z oczekiwaniami dla koron z trzema pętlami V, szczególnie we fragmencie w reszcie od 12 do 14.
W pętli V trzy w całym stosie widoczna jest wyraźna preferencja potwierdzająca nić beta i obserwuje się bardzo niewiele potwierdzeń alfa helikalnych. Lokalne potwierdzenie nici beta jest rozpoznawane po jej rozszerzonym kształcie liniowym. Jest to lokalizacja niezwykłej sekwencji izoleucyny proliny metioniny szczepu R dwa, rzadkiej sekwencji w szczepach HIV w tej pozycji i takiej, która została uznana za odpowiedzialną za niezwykłe cechy R dwa.
Co więcej, między potwierdzeniem najniższej energii a drugim potwierdzeniem o najniższej energii widoczna jest różnica energii wynosząca prawie trzy jednostki. W związku z tym struktura emituje potwierdzenie najniższej energii tylko przez mniej niż 1% czasu, co sugeruje, że korona R two V three i jej lokalne potwierdzenie szczepu beta w pozycjach od 12 do 14 ma bardziej sztywną strukturę, a nie jest całkowicie elastyczna w naturze. Właśnie pokazaliśmy, jak złożyć sekwencję korony z trzema pętlami V za pomocą algorytmu abio zaimplementowanego w oprogramowaniu ICM, a także pokazaliśmy, jak analizować wyniki przy użyciu szczepu R dwa wirusa HIV
.Na przykład, podczas wykonywania tej procedury, ważne jest, aby starannie wybrać tożsamość peptydu fałdowego odpowiadającego fragmentowi korony V trzy, a także ważne jest, aby zinterpretować wyniki pod kątem preferencji konfirmacyjnych i energii przy użyciu specjalistycznej konsultacji z modelarzem molekularnym. Więc to wszystko. Dziękujemy za oglądanie i życzymy powodzenia w eksperymentach.
View the full transcript and gain access to thousands of scientific videos
To badanie ocenia dynamiczne preferencje strukturalne sekwencji peptydu korony V3 szczepu R2 wirusa HIV-1 za pomocą zaawansowanych symulacji fałdowania. Wyniki mają na celu skorelowanie tych preferencji strukturalnych z wrażliwością na neutralizację szczepu.
Understanding the dynamic structural preferences of the HIV-1 V3 loop crown is critical for de-risking vaccine candidates by linking conformational rigidity to neutralization sensitivity. This computational approach enables rapid structural interrogation of diverse viral strains, supporting target validation and mechanistic de-risking in early discovery. By correlating folding outcomes with immunological activity, the method informs predictive confidence in antigen design and portfolio prioritization for HIV vaccine development.
The method fits within the discovery continuum from target identification through lead optimization, enabling structural de-risking prior to immunogen design.