Алгоритм расчета конформационно-зависимых свойств белков для моделирования их координации с химическими соединениями тема диссертации и автореферата по ВАК РФ 02.00.04, кандидат химических наук Новиков, Федор Николаевич

• Новиков, Федор Николаевич
• кандидат химических наук
• 2011

Оглавление диссертации кандидат химических наук Новиков, Федор Николаевич

Список сокращении.

Определения.

Введение.

Глава 1. Литературный обзор.

§ 1. Методы моделирования ионизационных свойств остатков белка.

1.1. Ачгорипшы расчета ионизационных состояний остатков белка.

1.2. Силовые поля и скоринговые функции.

1.3. Сравнение точности различных алгоритмов предсказания ионизационных состояний остатков белка.

§ 2. Методы реконструкции боковых радикалов остатков белка.

2.1. Алгоритмы реконструкции боковых радикалов аминокислотных остатков.

2.2. Силовые поля и методы оценки энергии системы.

2.3. Программные продукты для моделирования структуры белка.

§ 3. Подходы к фильтрации результатов виртуального скрининга.

§ 4. Строение и функции фермента поли-(АДФ-рибоза)-полимеразы.

4.1. Общие сведения о ферменте.

4.2. Структура активного центра.

4.3. Ингибирование поли-(АДФ-рибозо)-пол1шеразы.

Глава 2. Экспериментальная часть.

§ 1. Пакеты программ, использованные в работе.

§ 2. Конструирование моделей трехмерной структуры белков.

§ 3. Подготовка трехмерных структур лигандов.

§ 4. Докинг и виртуальный скрининг.

§ 5. Расчет свободной энергии образования комплексов.

§ 6. Фильтрация и расчет обогащения виртуального скрининга.

§ 7. Методика поиска фрагментных ингибиторов in silico.

§ 8. Экспериментальное определение параметров связывания.

Глава 3. Результаты и обсуждение.

§ 1. Предсказания ионизационных свойств остатков белка. /. Описание алгоритма TSAR.

1.2. Расчете ионизационных свойств рибонуклеазы Н.

1.3. Скоринговая функция.

1.4. Параметризация скоринговой функции.

1.5. Предсказание ионизационных свойств аминокислотных остатков.

1.6. Использование нескольких моделей белка для расчета рКа.

§ 2. Реконструкция боковых радикалов остатков белка.

2.1. Алгоритм TSAR для реконструкции боковых радикалов и моделирования структур мутантных форм ферментов.

2.2. Параметризация скоринговой функции.

2.3. Точность и вычислительная эффективность алгоритма TSAR в задачах реконструкции боковых радикачов.

§ 3. Структурная фильтрация и подготовка фокусных библиотек.

3.1. Виртуальный скрининг и структураная фильтарация.

3.2. Анализ результатов.

§ 4. Влияние качества модели на точности докинга и виртуального скрининга.

4.1. Влияние качества модели на точность молекулярного докинга.

4.2. Докинг нативных лигандов в H1V-I протеазу.

4.3. Влияние протонирования белка на точность виртуального скрининга.

4.4. Влияние точности докинга на качество виртуального скрининга.

4.5. Влияние качества модели на точность оценки энергии связывания.

§ 5. Поиск новых ингибиторов фермента поли (АДФ-рибозо) полимеразы.

5.1. Подготовка и оценка качества модели фермента.

5.2. Поиск новых ингибиторов фермента ПАРП1.

5.3. Поиск фрагментных ингибиторов фермента ПАРП1.

Выводы.

Введение диссертации (часть автореферата) на тему «Алгоритм расчета конформационно-зависимых свойств белков для моделирования их координации с химическими соединениями»

Решение целого набора практически важных задач, таких, как разработка новых биокатализаторов, изучение физико-химических свойств белков и механизмов многих биохимических процессов, связано с моделированием структуры и конформационно-зависимых свойств белковых макромолекул. Поскольку макроскопические свойства белков в действительности определяются ансамблем состояний макромолекулы, сложность решения данной задачи связана с необходимостью учета мультиконфигурационных состояний и огромным объемом конформационного пространства системы.

Высокая актуальность задачи моделирования структуры и свойств белковых молекул также обусловлена потребностью в разработке новых лекарственных веществ, способных к координации с заданными терапевтическими мишенями. Наиболее эффективными методами направленного поиска низкомолекулярных соединений, способных к координации с белковыми мишенями различных заболеваний, являются методы молекулярного докинга и виртуального скрининга, использующие пространственные полно-атомные модели биологических мишеней для поиска оптимальной геометрии комплекса и расчета энергии связывания на основании модельных молекулярно-механических потенциалов.

Хотя в течение последних десятилетий методы молекулярного докинга и виртуального скрининга широко использовались в дизайне новых лекарственных препаратов, во многих случаях их точность оказывается неудовлетворительной, что указывает на необходимость её повышения. Поскольку качество полно-атомных моделей белков является одним из ключевых факторов, определяющих успешность применения методов молекулярного докинга и виртуального скрининга, одним из направлений повышения точности этих методов является улучшение качества исходных моделей путем устранения ошибок, содержащихся в экспериментальных данных о трехмерных структурах белков, и повышением точности расчета состояний ионизации аминокислотных остатков. Другим направлением совершенствования методов молекулярного докинга и виртуального скрининга является совершенствование модельных молекулярно-механических потенциалов для повышения точности предсказания энергии связывания. Однако энергии связывания, рассчитанные на основании современных молекулярно-механических потенциалов, зачастую не позволяют надежно отличить действительно активные лиганды от ложноположительных предсказаний, и по этой причине особую актуальность приобретает разработка методов понижения процента ложноположительных предсказаний в результатах виртуального скрининга.

Настоящее исследование посвящено разработке новых алгоритмов моделирования конформационно-зависимых свойств белковых молекул (ионизационных свойств и геометрий аминокислотных остатков), необходимых, в частности, для подготовки полноатомных моделей белков. В работе рассмотрены новые методы повышения точности виртуального скрининга путем учета структурно консервативных взаимодействий, ответственных за распознавание белком активных лигандов. Эффективность и применимость предложенных подходов подтверждена направленным поиском новых соединений, способных к координации и ингибированию каталитической активности фермента поли (АДФ-рибозо) полимеразы.

Цель работы. В работе преследовались следующие основные цели:

1. Разработка алгоритмов расчета ионизационных состояний и моделирования конформационной подвижности боковых радикалов аминокислотных остатков белка.

2. Разработка методов повышения точности и уменьшения процента ложноположительных предсказаний в результатах виртуального скрининга.

3. Направленный поиск новых соединений, способных к координации и ингибированию каталитической активности фермента поли (АДФ-рибозо) полимеразы

Научная новизна и практическая значимость работы.

Предложен алгоритм термодинамического семплирования аминокислотных остатков (Thermodynamic Sampling of Amino acid Residues, TSAR), позволяющий корректно описывать энергетические профили систем, содержащих большое количество степеней свободы. Граф-теоретический подход, реализованный в алгоритме TSAR, основан на анализе микроскопических состояний, характеризующих определенный аминокислотный остаток при фиксированных состояниях остальных остатков белка, и усреднении данного свойства по всевозможным состояниям системы с использованием теории Байесовских сетей. Подобный подход впервые применен для поиска оптимальных состояний и расчета термодинамических функций распределения индивидуальных групп белка (боковых радикалов, закрепленных на жестком полипептидном остове, молекул лигандов или воды). Алгоритм TSAR успешно применен для расчета ионизационных свойств аминокислотных остатков и решения задач реконструкции боковых радикалов белка. 7

Разработан метод структурной фильтрации, заключающийся в определении ключевых взаимодействий, ответственных за распознавание белком активного лиганда. Эффективность применения метода структурной фильтрации для уменьшения процента ложноположительных предсказаний в результатах виртуального скрининга продемонстрирована на большом наборе примеров, включающем важные терапевтические мишени.

Эффективность разработанных алгоритмов и методов продемонстрирована на примере решения задачи поиска новых соединений, способных к координации в активном центре и ингибированию ферментативной активности поли-(АДФ-рибозо)-полимеразы. Показано, что применение алгоритмов термодинамического семплирования аминокислотных остатков позволяет осуществлять подготовку модели фермента, корректно описывающей связывание всех известных ингибиторов; применение метода структурной фильтрации к результатам виртуального скрининга позволяет существенно понизить процент ложноположительных предсказаний.

Полученные результаты могут служить основой для дальнейшей разработки методов моделирования структуры и конформационно-зависимых свойств белковых макромолекул и направленного поиска низкомолекулярных ингибиторов, способных к координации с мишенями различных заболеваний.

Список литературы диссертационного исследования кандидат химических наук Новиков, Федор Николаевич, 2011 год

1. Gilson, M. K. Energetics of charge-charge interactions in proteins / M. K. Gilson and B. H. Honig // Proteins. — 1988. — Vol. 3, № 1. — P. 32-52.

2. Bashford, D. pKa's of ionizable groups in proteins: atomic detail from a continuum electrostatic model / D. Bashford and M. Karplus // Biochemistry. — 1990. — Vol. 29, № 44, —P. 10219-25.

3. Antosiewicz, J. Prediction of pH-dependent properties of proteins / J. Antosiewicz, J. A. McCammon, and M. K. Gilson // J Mol Biol. — 1994. — Vol. 238, № 3. — P. 415-36.

4. Bashford, D. Generalized born models of macromolecular solvation effects / D. Bashford and D. A. Case //Annu Rev Phys Chem. — 2000. — Vol. 51, №. — P. 129-52.

5. Mehler, E. L. A self-consistent, microenvironment modulated screened coulomb potential approximation to calculate pH-dependent electrostatic effects in proteins / E. L. Mehler and F. Guarnieri // Biophys J. — 1999. — Vol. 77, № 1. — P. 3-22.

6. You, T. J. Conformation and hydrogen ion titration of proteins: a continuum electrostatic model with conformational flexibility / T. J. You and D. Bashford // Biophys J. — 1995.Vol. 69, № 5. —P. 1721-33.

7. Kieseritzky, G. Optimizing pKa computation in proteins with pH adapted conformations / G. Kieseritzky and E. W. Knapp // Proteins. — 2008. — Vol. 71, № 3. — P. 1335-48.

8. Koehl, P. Application of a self-consistent mean field theory to predict protein side-chains conformation and estimate their conformational entropy / P. Koehl and M. Delarue // J Mol Biol. — 1994. — Vol. 239, № 2. — P. 249-75.

9. Barth, P. Accurate, conformation-dependent predictions of solvent effects on protein ionization constants / P. Barth, T. Alber, and P. B. Harbury // Proc Natl Acad Sci USA.2007. — Vol. 104, № 12. —P. 4898-903.

10. Ji, C. Developing polarized protein-specific charges for protein dynamics: MD free energy calculation of pKa shifts for Asp26/Asp20 in thioredoxin / C. Ji, Y. Mei, and J. Z. Zhang // Biophys J. — 2008. — Vol. 95, № 3. — P. 1080-8.

11. Mongan, J. Constant pH molecular dynamics in generalized Born implicit solvent / J. Mongan, D. A. Case, and J. A. McCammon // J Comput Chem. — 2004. — Vol. 25, № 16. —P. 2038-48.

12. Thurlkill, R. L. pK values of the ionizable groups of proteins / R. L. Thurlkill, G. R. Grimsley, J. M. Scholtz, et al. // Protein Sci. — 2006. — Vol. 15, № 5. — P. 1214-8.

13. Grimsley, G. R. A summary of the measured pK. values of the ionizable groups in folded proteins / G. R. Grimsley, J. M. Scholtz, and C. N. Pace // Protein Sci. — 2009. — Vol. 18, № 1. —P. 247-51.

14. Georgescu, R. E. Combining Conformational Flexibility and Continuum Electrostatics for Calculating pKas in Proteins / R. E. Georgescu, E. G. Alexov, and M. R. Gunner // Biophysical journal. — 2002. — Vol. 83, № 4. —P. 1731-1748.

15. Song, Y. MCCE2: improving protein pKa calculations with extensive side chain rotamer sampling / Y. Song, J. Mao, and M. R. Gunner // J Comput Chem. — 2009. — Vol. 30, № 14, —P. 2231-47.

16. Milletti, F. Predicting protein pKa by environment similarity / F. Milletti, L. Storchi, and G. Cruciani // Proteins: Structure, Function, and Bioinformatics. — 2009. — Vol. 76, № 2. — P. 484-495.

17. Sandberg, L. A fast and simple method to calculate protonation states in proteins / L. Sandberg and O. Edholm // Proteins. — 1999. — Vol. 36, № 4. — P. 474-83.

18. Spassov, V. Z. A fast and accurate computational approach to protein ionization / V. Z. Spassov and L. Yan // Protein Sci. — 2008. — Vol. 17, № 11. — P. 1955-70.