Молекулярный докинг при исследовании белок-лигандных комплексов тема диссертации и автореферата по ВАК РФ 03.00.04, кандидат биологических наук Скворцов, Владлен Станиславович

• Скворцов, Владлен Станиславович
• кандидат биологических наук
• 1998

Оглавление диссертации кандидат биологических наук Скворцов, Владлен Станиславович

ОГЛАВЛЕНИЕ

Оглавление

Список сокращений

Введение

Цель работы

Основные задачи работы

Положения, выносимые на защиту

Литературный обзор

Локирование целой молекулы: виртуальный скрининг

Фрагментарные методы: создание лигандов de novo

Методы оптимизации счета

Материалы и методы

Аппаратная база работы

Программная база работы

Оптимизация комплекса двух молекул

Оптимизация конформации лиганда при поиске в базах данных

Моделирование полного цитохрома Ь5

QSAR модели и их параметры

Параметры работы программы DockSearch

Информационные ресурсы, использованные в работе

Результаты и обсуждение

Программа DockSearch

Оценка эффективности программы DockSearch

Уточнение результатов докинга

Полностью автоматизированная процедура локирования

Моделирование комплекса цитохром Р4 50саш - цитохром bs

Моделирования полного цитохрома Ь5

Моделирование комплексов цитохромов Р450саш и Ь5

Применение программы ОоскБеагсИ при поиске низкомолекулярных лигандов для ферментов

1. Поиск лигандов к ферментам с известной трехмерной структурой

2. Поиск лигандов к моноаминоксидазе А - ферменту с неизвестной

трехмерной структурой

Заключение

Выводы

Список литературы

СПИСОК СОКРАЩЕНИИ

SPL - Sybyl Programming Language.

QSAR - Quantitative Structure-Activity Relationship.

PDB - Protein Data Bank.

Kd - константа диссоциации.

CoMFA - Comparative Molecular Field Analysis.

R - коэффициент множественной корреляции.

R2cv - коэффициент множественной корреляции для анализа со

скользящим контролем. RMSD - среднеквадратичная разность расстояний между тождественными атомами.

fl-b5 - модель полной структуры цитохрома Ь5. t~Ъ>5 - водорастворимый фрагмент цитохрома Ь5. SCR - структурно-консервативные регионы. МАО-А - моноаминоксидаза А

Введение диссертации (часть автореферата) на тему «Молекулярный докинг при исследовании белок-лигандных комплексов»

ВВЕДЕНИЕ.

Лекарственные соединения воздействуют на биохимическиу процессы, как правило, взаимодействуя с макромолекулами-мишенями: белками и нуклеиновыми кислотами. Образование комплексов лекарство-мишень характерно для действия биологически активных соединений разного типа, в том числе активаторов и ингибиторов различных ферментов. В таких комплексах молекулы-лиганды пространственно (геометрически) комплементарны участку связывания на поверхности белка и удерживаются на нем благодаря кулоновским и вандерваальсовым взаимодействиям, водородным связям и т.п.

Создание новых лекарственных препаратов с необходимостью включает поиск соединений, которые комплементарны функционально важным участкам белков. Современные компьютеры позволяют осуществить такой поиск посредством вычислительного эксперимента, суть которого - в своего рода «прилаживании» пространственных образов лиганда и белка. Эта процедура называется геометрическим докингом. Наиболее адекватный подход основан на использовании данных о структуре белка, полученных рентгеноструктурным методом; в случае их отсутствия сведения о пространственном строении участка связывания (часто называемого рецепторным) могут быть получены путем анализа структуры уже известных эффективных лигандов.

Компьютерные программы, осуществляющие геометрический докинг, позволяют выявлять комплементарные молекулы в обширных базах химических структур, в том числе и в каталогах коммерчески доступных соединений. Однако известные программы этого типа далеки от идеала в отношении как скорости, так и точности.

Далее, пространственная комплементарность лиганда к рецепторному участку является необходимым, но далеко не всегда достаточным условием эффективного связывания. Поэтому

геометрический докинг как средство поиска потенциальных лигандов среди десятков и сотен тысяч органических соединений должен сочетаться с оценкой энергии взаимодействия лиганда с белком, равно как и с процедурами, позволяющими в определенных пределах

максимизировать эту энергию. Настоящая работа посвящена разработке оптимального алгоритма геометрического докинга, созданию на его основе программного обеспечения поиска потенциальных лигандов в базах данных химических структур, а также выработке методологии использования результатов докинга для оценки устойчивости соответствующих комплексов.

Поиск потенциальных низкомолекулярных лигандов - далеко не единственная область применения геометрического докинга. В частности, эта процедура может быть также использована для нахождения контактирующих участков при моделировании

взаимодействия белковых молекул.

ЦЕЛЬ РАБОТЫ

Разработка нового алгоритма геометрического докинга и его

применение для моделирования межбелковых комплексов и поиска

потенциальных низкомолекулярных белковых эффекторов.

ОСНОВНЫЕ ЗАДАЧИ РАБОТЫ

1. Разработка нового алгоритма геометрического докинга и создание на его основе соответствующего программного обеспечения.

2. Оптимизация процедуры максимизации энергии взаимодействия в системе лиганд-белок посредством конформационной адаптации лиганда и уточнению его положения на рецепторном участке белка.

3. Выработка совокупности критериев для оценки эффективности лиганд-белкового взаимодействия в комплексах, найденных в вычислительном эксперименте.

4. Создание программного комплекса, позволяющего быстро выявлять потенциальные лиганды белков в обширных базах данных, содержащих десятки тысяч структур органических соединений.

5. Применение геометрического докинга для моделирования белок-белковых комплексов.

5.1. Моделирование комплекса цитохрома Р450саш с водорастворимым фрагментом цитохрома £>5 (белок с известной трехмерной структурой).

5.2. Создание трехмерной модели полной структуры цитохрома Ь5 и его комплекса с цитохромом Р450саш.

6. Применение геометрического докинга для поиска потенциальных лигандов для белков с известной трехмерной структурой (цитохром Р450саш, субтилизин, нейраминидаза), а также для белков, о строении рецепторного участка которых можно судить по структуре их ингибиторов и субстратов (моноаминоксидаза А).

ПОЛОЖЕНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ

1. Разработан алгоритм геометрического докинга, обладающий существенными преимуществами по сравнению с описанными в литературе.

2. Создано программное обеспечение, позволяющее удовлетворительно моделировать строение белок-белковых комплексов и быстро выявлять потенциальные эффекторы белков среди большого числа органических соединений.

ЛИТЕРАТУРНЫЙ ОБЗОР.

Алгоритмы, позволяющие выявлять особенности связывания небольшой молекулы в полости макромолекулярной мишени, становятся все более разнообразными и полезными для исследователей. Автоматический докинг, как процесс, на который в настоящее время обычно ссылаются, включает использование различных методических подходов и приближений. В данной главе будут описаны некоторые разработки в области процедуры локирования, которые должны предсказывать, будет ли предпочтительно взаимодействовать данная небольшая молекула с белком, и если будет, то каким именно образом. Если с помощью подобного подхода тестируется библиотека молекулярных структур, этот процесс соответствует виртуальному скринингу. Потенциальным преимуществом такого метода являются ясные указания для разработки новых лекарств, так как, основываясь на способности небольших молекул укладываться в место связывания макромолекулярной мишени, предварительно может быть отобран целый набор химических соединений для последующего биологического скрининга. Альтернативным подходом может быть построение молекул de novo на поверхности места связывания, использующим фрагменты, дополняющие место связывания и оптимизирующие межмолекулярное взаимодействие. Этот класс методов может также быть назван фрагментарным докингом (или докингом фрагментов), поскольку он включает оптимизацию взаимодействия между макромолекулярной мишенью и небольшими молекулярными фрагментами. В данном обзоре основное внимание уделяется этим двум классам методических подходов. Дополнительно рассматриваются алгоритмы, специально разработанные для геометрической оптимизации взаимодействий в процессе связывания. Такие шаги оптимизации часто выполняются перед фильтрацией данных, сформированных алгоритмами локирования. Отсутствие подобной оптимизации во многих случаях может сделать локирование бессмысленной процедурой. В обзоре также описаны методы, позволяющие предсказывать энергии связывания молекул в комплексе.

Локирование целой молекулы: виртуальный скрининг.

Во всех описанных в мировой литературе методиках докинга молекулой мишенью, как правило, являются высокомолекулярные соединения, такие как нуклеиновые кислоты и белки. В качестве лигандов же могут быть использованы любые молекулы, однако, для докинга небольших молекул и молекул белков обычно применяются различные подходы, что связано с особенностями вычислений.

Программа DOCK [Kuntz, 1982] является одной из самых ранних и наиболее широко применяемых для стыковки лиганда и мишени. Метод заключается в заполнении полости места связывания локально комплементарными макромолекулярной поверхности сферами, как это определено Конолли [Conolly, 1983] . Сферы создают пространственно заполненный слепок, который дополняет геометрические

характеристики места связывания и эти сферы применяются для поиска соответствий с потенциальными лигандами. Далее в базе данных, содержащей трехмерные структуры потенциальных лигандов, проводится поиск молекул, в которых межатомные расстояния соответствуют расстояниям между сферами слепка места связывания. Программа может также принять во внимание физико-химические характеристики, приписанные сферам, например, чтобы определенный тип атома соответствовал конкретной сфере. Обычно каждое соединение в базе данных хранится в виде единственной конформации и его многочисленные ориентации в пределах места связывания оцениваются с использованием некоторой функции. Предварительно рассчитанные решетки, подобные тем, которые используются при вычислениях энергии взаимодействия в молекулярной механике, описывают макромолекулярную статическую мишень и применяются для увеличения эффективности оценки. В итоге каждое соединение имеет наилучшую ориентацию и вычисленную оценку взаимодействия, связанную с данной ориентацией. Соединения из базы данных получившие наилучшую оценку, наиболее комплементарны месту связывания в белке-мишени, и таким образом считаются потенциальными лигандами.

Основной протокол поиска по базам данных является общим для большинства методов виртуального скрининга. Согласно нему

определяют лучшую комплементарность поверхностей лиганда и белка по оценивающей функции и затем проводят отсев результатов посредством различных критериев оценки. DOCK-метод достаточно широко используется [Gschwend 1996; Kuntz 1994]. В своем исходном варианте этот алгоритм проверен только для стерической комплиментарности [Kuntz, 1982; Schoichet, 1992]. Недавние разработки были ориентированны на усложнение различных функций оценки. В наиболее широко используемой версии рассмотрены молекулярные поля сил [Meng, 1992], возможна химическая идентификация сфер [Schoichet, 1993], а также может быть учтена гидратация [Meng, 1994].

Тогда как в пакете DOCK для небольших молекул предполагается только жесткая конформация, в ряде работ до некоторой степени принимается во внимание конформационная гибкость лиганда [Leach, 1992]. В данной процедуре сначала некая выбранная жесткая часть (якорный фрагмент) молекулы лиганда располагается в месте связывания, а затем генерируются и кластеризуются возможные ориентации гибких частей. В конечном счете, отбираются представители из каждого кластера. Подобный анализ исспользуется в качестве исходной точки для оценки того, как конформационная изменчивость лиганда может влиять на процесс связывания.

Другой подход к описанию места связывания в молекуле белка был предложен группой Рут Нусинов [Fischer, 1995; Sandak 1995]. Набор критических узлов, сформированный из впадин, выпуклостей и седловин на молекулярной поверхности белка и его потенциального лиганда, используется для определения вероятных соответствий между молекулами. Этот метод использует технику геометрического перемешивания (рандомизации), применяемую в технологиях компьютерной визуализации, и большей частью приспособлен для стыковки поверхностей в крупных системах. Также существует подход, который локирует молекулярные поверхности, основываясь на совмещении решеточных моделей методом наименьших квадратов [Bacon, 1992]. Точечная решеточная модель, именуемая паутиной, принимает во внимание сольватацию с учетом электростатических взаимодействий

и скрытых областей поверхности. Тестовые вычисления демонстрируют эффективность методики. Для вычисления максимального числа соответствий между точками поверхности рецептора и лиганда также использовалась теория графов [Kasinos, 1992]. Идея использования исключительно стерических критериев путем формирования матриц представления молекулярных поверхностей в виде двухмерных решеток позволяет проводить исчерпывающий анализ возможной ориентации белка, выявляя подматрицы согласования [Helmer-Citterich, 1994; Walls,1992].

В вопросах решения проблем межмолекулярного соответствия весьма перспективна программа GRAMM, предлагающая некоторые интересные альтернативы. В ее основу положено сглаживание функции энергии межмолекулярного взаимодействия путем варьирования атом-атомных потенциалов, что позволяет учитывать масштаб стерических препятствий в самом начале процесса. Этот способ не требует дополнительного описания места связывания, необходимы только координаты лиганда и мишени [Katchalski-Katzir, 1992; Vakser, 1994; Vakser, 1995; Vakser, 1996a; Vakser, 1996b].

В последние годы все более многочисленны попытки учета гибкости лигандов. Программа FLOG [Miller, 1994], развившаяся из DOCK, учитывает гибкость лигандов путем использования серии конформеров, которые для каждой молекулы хранятся в базе данных. Описывается только один, получивший наилучшую оценку, конформер лиганда. FLOG использует концепцию критических точек, где используются определенные центры строго соответствующие атомам лиганда. FLOG имеет также несколько других особенностей, изначально отличающих его от DOCK. Однако по многим особенностям функционирования самые новые реализации DOCK эквивалентны FLOG.

Существует целый ряд других подходов, рассматривающих конформационную вариабельность лиганда. Например, предложен метод, где вероятные способы связывания находятся и оцениваются с точки зрения образования водородных связей [Mizutani, 1994]. Рассчитываются и рассматриваются все модели взаимодействия для всех конформаций лиганда, после оценки строения моделей выбирается

лиганд в конформации с наилучшими параметрами. Другая программа, GREEN, опирается на метод построения решеточных моделей и разработана той же группой. GREEN имеет многочисленные встроенные функции для минимизации и покомпонентного анализа энергии, существенно облегчающие процесс локирования [Tomioka, 1994].

Разрабатываются подходы и с использованием более сложных систем, включая методы основанные на технологии виртуальной реальности. Пользовательский интерфейс STALK программы CAVEAT [Lauri, 1994] является системой виртуальной реальности, позволяет визуализировать процесс оптимизации и разрешает пользователю напрямую взаимодействовать с алгоритмом путем изменения параметров. Autodock использует протокол оценки решеточных моделей в сочетании с моделированием отжига для конформационного поиска. Основное его преимущество - использование метода Монте-Карло при моделировании отжига, что позволяет исследовать возможные варианты взаимодействии лигандов с молекулой мишенью [Morris, 1996]. Docking-d представляет собой инструмент, разработанный как часть большого программного пакета для вычисления и предсказания взаимодействия рецептора с лигандом. Эта программа использует технологии визуализации, сходные с теми, которые применяет Nussinov и оценочные функции, использующие параметры LUDI [Rarey, 1996].

Были сделаны попытки свести описание места связывания к отдельным фармакофорным точкам, и использовать расположение этих точек для поиска потенциальных лигандов. Первоначально данная идея была внедрена компанией Chemical Design в программе ChemProtein, а недавно она была использована другой группой как часть пакета для проектирования лекарств Prometheus [Clark, 1996].

В рамках всех вышеописанных методов, используется жесткая конформация рецептора, и осуществляются некоторые попытки учесть гибкость малых молекул либо путем их оптимизации в пределах места связывания, либо путем использования многочисленных заранее рассчитанных конформеров. Несмотря на то, что разработано большое число методов предсказания взаимодействия между макромолекулой и

небольшим лигандом, было предпринято очень мало попыток учесть конформационную подвижность элементов места связывания макромолекулы. Одна из подобных попыток предполагает создание набора различных конформационных состояний белка-мишени в процессе проведения молекулярной динамики и реализована в программе SYSDOC [Pang, 1994] . Также представляется весьма многообещающим подход, где возможные конформации боковых цепей аминокислот варьируются на основании закономерностей, установленных для них по кристаллографическим данным. Этот способ также предполагает гибкость рассматриваемого лиганда, опираясь при этом на теоретический конформационный анализ [Leach, 1994].

Фрагментарные методы: создание лигандов de novo.

Фрагментарные методы строят новые небольшие молекулы внутри определенного места связывания, пытаясь при этом увеличить число благоприятных контактов. В то время как все описанные выше методы оперируют уже существующими молекулами, которые содержатся в базах данных, методы de novo конструируют новые молекулярные структуры. Фрагментарные алгоритмы могут быть разделены на две основные подгруппы, которые можно определить как восходящие (нарастающие, build-up) методы и методы перемыкания (построения мостов, bridging). В рамках первой группы методов единственный фрагмент, или затравка, размещается в полости связывания, и далее пошаговым способом к растущей структуре добавляются другие группировки. В рамках второй группы методов в месте связывания размещают ключевые функциональные группы, а затем предпринимают попытки увязать все это вместе в одну структуру.

Восходящие процедуры. Программа GROW была разработана для проектирования пептидов, дополняющих место связывания в белковой молекуле [Moon, 1991]. Это типичный метод "разрастания", где аминокислотная затравка и следующие остатки добавляются итеративно. Конформации выбираются из предварительно созданной библиотеки низкоэнергетических форм.

Существует и другой метод пептидного дизайна [Singh, 1991] GroupBuild, использующий библиотеку общих органических масок и

полное описание взаимодействия между лигандом и ферментом без химической связи. Таким образом он строит лиганд, который стерически и электростатически соответствует месту связывания [Rotstein, 1993а]. GroupBuild представляет собой улучшенный вариант метода Genstr, который основан на использовании углеродов в эрЗ-гибридизации в качестве основных строительных блоков [Rotstein, 1993b]. Родственный метод использует атомы либо небольшие химические группировки, случайно размещенные в месте связывания [Pearlman, 1993], которые могут быть затем связаны вместе.

LEGEND [Nishibata, 1991] представляет собой также поатомный алгоритм, который поэтапно строит структуру из атомов случайного типа со случайными торсионными углами. MCDNLG начинает с заполнения активного центра атомами углерода. Далее выполняется серия мутаций атомов и мутаций типов связей с пошаговой элиминацией методом Монте-Карло, в процессе которого может быть сохранен или удален любой предыдущий шаг. Результат представляет собой структуру, которая заполняет место связывания [Gehlhaar, 1995а]. SMoG использует несложную модель белок-лигандного взаимодействия, а также оценивающую полуэмпирическую функцию, которая прямо пропорциональна свободной энергии. Присоединение функциональных групп непосредственно в области связывания проводится по алгоритму Монте-Карло [De Witte, 1996].

Методы конструирования промежуточных элементов (в англоязычной литературе - bridging method). Одной из первых реализацией данного метода была программа LUDI [Böhm, 1992а, b]. Программа увязывает в пространстве фрагменты, которые предварительно локируются в специфические области рецептора, например, доноры или акцепторы водородной связи, либо гидрофобные элементы. Место связывания может быть представлено, исходя из результатов работы программы GRID [Goodford, 1985а, b]. Фрагменты выбираются из заранее заданных библиотек, которые без труда могут быть настроены пользователем. Размещенные фрагменты могут быть связаны вместе посредством линейных групп. С другой стороны, если фрагмент

затравки размещен в месте связывания, программа может использоваться и для внедрения специфических функциональных группировок в конструируемый лиганд. Метод продолжает совершенствоваться. В самое последнее время сообщалось о попытках принять во внимание синтетическую доступность молекул, что является одной из основных проблем проектирования лекарств de novo [Böhm, 1996]. BUILDER представляет собой алгоритм, также присоединяющий фрагменты [Lewis, 1992], и использующий DOCK для определения нерегулярных решеток локируемых молекул, что может быть использовано для поисков путей связывания молекулярных фрагментов. Программа интерактивна, так что оператор может вручную контролировать вероятность синтеза конструируемой молекулы. Метод MCSS [Miranker, 1991; Caflish, 1993] определяет энергетически благоприятные положения и ориентацию малых органических молекул (метанол, вода, ацетонитрил и так далее) на поверхности белка. Фрагменты первоначально размещаются в минимумах, затем соединяются, например, с помощью поиска по базам данных общей молекулы, в которой одновременно увязаны несколько фрагментов, для чего используют алгоритм HOOK [Eisen, 1994]. Не так давно в процедуре динамического дизайна лигандов (DLD) был сделан новый шаг в развитии подходов, реализованных в MCSS методе [Miranker, 1995]. В DLD методе место связывания насыщается атомами, которые образуют связи друг с другом под контролем выбранной полуэмпирической функции потенциальной энергии. Результирующие молекулы строятся из заранее вычисленных функциональных групп, которые располагаются в энергетических минимумах места связывания. SPROUT [Gillet, 1994] представляет собой набор инструментов для дизайна лигандов, базирующегося на структуре (structure based ligand design). Согласно этому методу, фрагменты соединяют в единую структуру, исходя из поиска многокомпонентного графа, связывающего набор масок с препозиционированными функциональными группами в месте связывания мишени. Место связывания мишени может быть определено посредством правила приближений. Вследствие развития комбинаторной химии, идея проектирования единичных

химических соединений замещается проектированием сплошных химических библиотек. Методы структурного дизайна лигандов (structure based ligand design) соответствуют данной тенденции. Недавно предложен новый метод, основанный на алгоритмах MCSS и позволяющий автоматически генерировать широкий набор разнообразных химических соединений [Caflisch, 1996].

Методы оптимизации счета.

В настоящее время предпочтительным направлением для оптимизации взаимодействия молекул является использование эволюционных алгоритмов. Об использовании эволюционных алгоритмов в молекулярном дизайне написан превосходный обзор [Clark, 1996b]. Одна из глав этого обзора посвящена использованию эволюционных алгоритмов для молекулярного докинга и молекулярного дизайна de novo. Ранние попытки использовать генетические алгоритмы осуществлялись на основе использования процедур DOCK [Oshiro, 1995]. Также были попытки прямого использования генетических алгоритмов для расчетов оценочной функции в молекулярной механике [Xiao, 1994]. Judson и соавторы адаптировали генетический алгоритм для конформационного поиска в рамках метода гибкого докинга [Judson, 1995], и обосновали большую важность учета влияния растворителя. DIVALI [Clark, 1995] использует потенциальную функцию AMBER и предлагает вариант ее совместного использования с генетическими алгоритмами для увеличения скорости процесса поиска. Более того, та же группа провела весьма интересный анализ оценочных функций, которые представляют собой критическую проблему в этой области [Jain, 1996]. Была описана простая модель молекулярного узнавания, основанная на описании стерических взаимодействий и возможности образования водородных связей, а также возможность эффективного поиска на основе генетических алгоритмов [Gehlhaar, 1995b]. Также рассматривались методы, которые учитывают полную гибкость лиганда и частичную гибкость макромолекулярной мишени [Jones, 1995]. Этот метод использует модель для определения величины энергии образования водородных

связей, как донорного, так и акцепторного типа, а также учитывает влияние растворителя на процесс связывания.

МАТЕРИАЛЫ И МЕТОДЫ.

Аппаратная база работы.

Вычислительная часть работы выполнялась на базе компьютеров Silicon Graphics Indigo2 R4400-150, 0rigin200 2xRl0000-180 под управлением операционных систем IRIX 5.2 и 6.4 соответственно. Анализ полученных результатов и разработка программного обеспечения (кроме макросов SPL) проводились на базе персональных компьютеров Pentium под управлением операционной системы Windows 95.

Программная база работы.

В ходе работы использовалось следующее программное обеспечение :

■ Пакет молекулярного моделирования Sybyl фирмы Tripos (модули Sybyl Base, Advanced Computation, Biopolymer, QSAR and Advanced CoMFA, DISCO, COMPOSER, Concord

[Pearlman, 1987], UNITY и встроеный язык программирования SPL) [Syby 6.4, 1997].

■ Оригинальная программа геометрического локирования DockSearch, разработанная автором и описанная в разделе "Результаты и обсуждение".

■ Программа Fiesta для вычислений электростатических взаимодействий с использованием быстрого разложения Фурье [Sklenar, 1990].

■ Программа расчета полярных и гидрофобных эффектов HINT [Kellogg, 1991, 1992].

■ Компилятор Microsoft Visual С++.

Оптимизация комплекса двух молекул.

Для оптимизации комплекса двух молекул использовалась процедура минимизации энергии молекул методом Пауэла (Powell,

ускоренный метод сопряженного градиента) [Powell, 1977], имеющаяся в составе модуля Advanced Computation программного пакета Sybyl. В каждом случае использовалось не более 200 шагов минимизации. Процедура останавливалась раньше, если градиент энергии был меньше 0.05 ккал/(моль•А). При моделировании большого числа комплексов в ходе проверки эффективности работы программы DockSearch конформация молекулы-мишени фиксировалась. В случае моделирования комплекса цитохромов Р45 0сат и Ь5 обе молекулы имели незакрепленную конформацию. Вычисление внутренней энергии молекул при оптимизации осуществлялось с использованием полуэмпирического поля сил фирмы Tripos, разработчика Sybyl, в которое входили следующие компоненты:

Е = Estr + Ebend + Еоор + Etors + Evdw + Eele

котрые рассчитывались следующим образом: Величина энергии деформации связей

Nbonds

Заключение диссертации по теме «Биохимия», Скворцов, Владлен Станиславович

выводы

1. Предложен новый алгоритм геометрического докинга и на его основе разработана программа DockSearch, которая может быть с успехом использована для адекватного компьютерного моделирования комплексов типа белок-белок и белок-низкомолеклярный лиганд.

2. Разработана методология использования геометрического докинга при поиске участков связывания лигандов на поверхности белка, для моделирования межбелковых комплексов, а также для поиска низкомолекулярных эффекторов ферментов.

3. Разработанный метод успешно апробирован на ряде комплексов белок-белок (цитохромов Р450саш и bs) и белок-лиганд (цитохрома Р4 50саш, субтилизина NOVO, нейраминидазы вируса и моноаминоксидазы А).

ЗАКЛЮЧЕНИЕ.

Опыт, полученный при тестировании программы ОоскБеагсЬ и при ее применении для моделирования комплексов белков с другими белками и с низкомолекулярными лигандами позволяет предложить некоторые общие правила и рекомендации.

Геометрический докинг, как правило, применяется не сам по себе, а как один из инструментов при исследовании межмолекулярных взаимодействий (рис. 42).

Непосредственной целью докинга может быть:

1. отыскание участка связывания на поверхности мишени, когда известны структуры мишени и специфического лиганда;

2. моделирование строения исследуемого комплекса;

3. поиск новых лигандов когда известна структура участка связывания.

Сущность докинга состоит в генерации набора стерически допустимых размещений лиганда относительно мишени (гипотетических комплексов). Выбор из них более предпочтительных зависит от применяемого критерия. В программе ОоскЭеагсЬ таким критерием служит пространственная комплементарность, оцениваемая по доле скрытой поверхности комплекса, лиганда и мишени. Это означает, что для селекции гипотетических комплексов по иным критериям (например, по энергии взаимодействия лиганд-мишень) необходимо привлекать другие программные модули.

Вместе с тем, ранжирование гипотетических комплексов по доле скрытой поверхности является инструментом, позволяющим успешно решать многие фильтрационные задачи:

1. отбор по наибольшей скрытой поверхности комплекса выявляет наилучшее по комплементарности расположение лиганда относительно мишени;

2. отбор по наибольшей скрытой поверхности лиганда при сниженных требованиях к скрытой поверхности участка связывания позволяет разыскать небольшие молекулы, которые могут служить блоками при конструировании более крупных специфичных лигандов;

3. отбор по наибольшей скрытой поверхности участка связывания при сниженных требованиях к скрытой поверхности лиганда позволяет разыскать крупные молекулы, у которых лишь отдельные фрагменты взаимодействуют с мишенью (характерный пример - белковые ингибиторы субтилизина; см. выше).

Эффективность отбора гипотетических комплексов по критерию максимальной скрытой поверхности тем ниже, чем больше вклад в их устойчивости составляют не неспецифические - вандерваальсовы, - а специфические - водородные связи и электростатические взаимодействия (ср. выше поиск лигандов для субтилизина и нейраминидазы).

Затраты времени на поиск потенциальных лигандов среди множества молекул в базах данных, существенно сокращаются, если докингу предшествует селекция молекул по структурным критериям: числу и типу атомов, наличию или отсутствию определенных циклов и функциональных групп и т.п., в основе которой лежит информация об индивидуальных особенностях молекулы мишени. Такой препроцессинг при необходимости должен включать "диссоциацию" ионогенных групп, а если в гибкой молекуле их несколько, то и оптимизацию ее конформации (в базах данных обычно представлены неионизованные формы).

1. Структурное моделирование молекулярных комплексов. 2. Поиск лигандов к мишени с известной трехмерной структурой. 3. Поиск лигандов к мишени с неизвестной трехмерной структурой

1 г 1 г 1 г

Область докинга - вся поверхность молекулы-мишени. Область докинга -известный участок связывания на поверхности молекулы-мишени. Область докинга -слепок с поверхности одного или нескольких известных лигандов.

1 г 1 г 1 г

Генерация набора гипотетических комплексов (БоскЗеагсЬ).

1 г 1 г

Оптимизация структуры полученных комплексов и оценка их энергетических параметров. Оптимизация структуры найденных лигандов и оценка энергетических параметров их связывания с мишенью.

1 г 1 Г 1 г

Сравнительный анализ полученных гипотез с экспериментальными данными. - Оценка экспертом в данной области исследования. - Предсказание целевой биологической активности методами СоМРА, С^АЯиЗО-дЗАК.

Рисунок 42. Место программы ОоскБеагсЬ в общей структуре исследований.

Список литературы диссертационного исследования кандидат биологических наук Скворцов, Владлен Станиславович, 1998 год

СПИСОК ЛИТЕРАТУРЫ.

1. Archakov A.I., Bachmanova G.I. Cytochrome P450 and Active Oxygen. // London: Taylor & Francis. 1990.

2. Bacon D.J., Moult J. Docking by least-squares fitting of molecular surface patterns. // J. Mol. Biol.-1992-v.225(3)-p.849-858.

3. Bairoch A., Apweiler R. The SWISS-PROT protein sequence database: its relevance to human molecular medical research. // J. Mol. Med. -1997-v.75-p.312-316.

4. Bernstein C., Koetzle T.F., Williams G.J.В., Meyer E.F.Jr., Brice M.D., Rodgers J.R., Kennard 0., Shimanouchi Т., Tasumi M. The Protein Data Bank: A Computer-based Archival File for Macromolecular Structures. // J. Mol. Biol.-1977-v.H2-p. 535-542.

5. Bohm H.J. LUDI: rule-based automatic design of new substituents for enzyme inhibitor leads. // J. Comput. Aided Mol. Design -1992b-v.б-р.593-606.

6. Bohm H.J. The computer program LUDI: a new method for the de novo design of enzyme inhibitors. // J. Comput. Aided Mol. Design -1992a-v.6-p.61-78.

7. Bohm H.J. Towards the automatic design of synthetically accessible protein ligands: peptides, amides and peptidomimetics. // J. Comput. Aided Mol. Design. -1996-v.lO-p.265-272.

8. Caflisch A. Computational combinatorial ligand design: application to human alpha-thrombin. //J. Comput.-Aided Mol. Design -1996-v.10-p.372-396.

9. Caflish A., Miranker A., Karplus M. Multiple copy simultaneous search and construction of ligands in binding

sites: application to inhibitors of HIV-1 aspartic proteinase. // J. Med. Chem.-1993-v.36-p.2142-2167.

10. Clark D.E., Westhead D.R., Sykes R.A., Murray C.W. Active-site-directed 3D database searching: pharmacophore extraction and validation of hits. // J. Comput.-Aided Mol. Design -1996-v.10-p.397-416.

11. Clark K.P., Ajay // J. Comp. Chem. -1995-v.16(10)-p.1210-1226

12. CMC ISIS™/Base -1997- Molecular Design Limited Information Systems, Inc., 14600 Catalina Street, San Leandro, California, 94577, USA.

13. Connolly M.L. Analytical Molecular Surface Calculation. // J.Appl. Cryst.-1983-v.16-p.54 8-558.

14. De Witte R.S., Shakhnovich E.L. // J. Am. Chem. Soc. -1996-v.118-p.11733-11744.

15. DockSearch -1998-http://Imgdd.ibmh.msk.su/DockSearch.

16. Eisen M.B., Wiley D.C., Karplus M., Hubbard R.E. HOOK: a program for finding novel molecular architectures that satisfy the chemical and steric requirements of a macromolecule binding site. // Proteins -1994-v.19-p.199-221.

17. Fine R.M., Wang H., Shenkin P.S., Yarmush D.L., Levinthal C. Predicting antibody hypervariable loop conformations. II: Minimization and molecular dynamics studies of MCPC603 from many randomly generated loop conformations. // Proteins-1986-v.l(4)-p.342-362.

18. Fischer D., Lin S.L., Wolfson H.L., Nussinov R. A geometry-based suite of molecular docking processes. // J. Mol. Biol. -1995-v.24 8(2)-p.459-477.

19. Gehlhaar D.K., Verkhivker G.M., Rejto P.A., Sherman C.J., Fogel D.B., Fogel L.J., Freer S.T. Molecular recognition of the inhibitor AG-1343 by HIV-1 protease: conformationally

flexible docking by evolutionary programming. // Chem. & Biol. -1995-v.2(5)-p.317-324.

20. Gehlhaar DK, Moerder KE, Zichi D., Sherman C.J., Ogden R.C., Freer S.T. De novo design of enzyme inhibitors by Monte Carlo ligand generation. // J. Med. Chem -1995-v.38(3)-p.466-472.

21. Gillet V.J., Newell W., Mata P., Myatt G., Sike S., Zsoldos Z., Johnson A.P. SPROUT: recent developments in the de novo design of molecules. // J. Chem. Inf. Comput. Sci. -1994-V.34(1)-p.2 07-217.

22. Goodford P.J. A computational procedure for determining energetically favorable binding s ites on biologically important macromolecules. // J. Med. Chem. -1985-v.28(7)-p.849-857.

23. Gschwend D.A., Good A.C., Kuntz I.D. Molecular docking towards drug discovery. // J. Mol. Recognition -1996-v.9(2)-p.175-186.

24. Helmer-Citterich M., Tramontano A. PUZZLE: a new method for automated protein docking based on surface shape complementarity. // J. Mol. Biol. -1994-v.235(3)-p.1021-1031.

25. Jain A.N. Scoring noncovalent protein-ligand interactions: a continuous differentiable function tuned to compute binding affinities. // J. Comput.-Aided Mol. Design -1996-v.10-p.427-440.

26. Jones G., Willett P., Glen R.C. Molecular recognition of receptor sites using a genetic algorithm with a description of desolvation. // J. Mol. Biol. -1995-v.245(1)-p.43-53.

27. Judson R.S., Tan Y.T., Mori E., Melius C., Jaeger E.P., Treasurywala A.M., Mathiowetz A. Docking Flexible Molecules: A Case Study of Three Proteins. // J. Comp, Chem. -1995-v.11-p.1405-1419.

28. Kasinos N., Lilley N., Subbarao, Haneef I. A robust and efficient automated docking algorithm for molecular recognition. // Prot. Engineering v.5(1)-p.69-75.

29. Katchalski-Katzir E., Shariv I., Einstein M., Friesem A.A., Afalo C., Vakser I.A. Molecular surface recognition: Determination of geometric fit between proteins and their ligands by correlation techniques. // Proc. Natl. Acad. Sci. -1992-v.89-p.2195-2199.

30. Kellogg G.E., Joshi G.S., Abraham D.J. New Tools for Modeling and Understanding Hydrophobicity and Hydrophobic Interactions. // Med. Chem. Res. -1992-v.1-p.444-471.

31. Kellogg G.E., Semus S.F., Abraham D.J. A New Method of Empirical Hydrophobic Field Calculation for CoMFA. // J. Computer Aided Mol. Design -1991-v.5-p.545-569.

32. KeyLock -1998-http: //Imgdd. ibmh.irisk. su/KeyLock.

33. Koymans L., Donne-op Den Kelder G.M., Koppele Te J.M. , Vermeulen N.P.E. Cytochrome P450: their Active-Site Structure and Mechanism of Oxidation. // Drug Metab. Rev,-1993-v.25-p.325.

34. Kuntz I.D., Blaney J.M., Oatley S.J. Landridge, Ferrin,T.E A geometric approach to macromolecule-ligand interactions. // J. Mol. Biol. -1982-v.161(2)-p.269-288.

35. Kuntz I.D., Meng E.C., Shoichst B.K. Structure-based molecular design. // Acc. Chem. Res. -1994-v.27(5)-p.117-123.

36. Lauri G., Barlett P.A. CAVEAT: a Program to Facilitate the Design of Organic Molecule. // J. Comput. Aided Mol. Design.-1994-v.8-p.51-67.

37. Leach A. R. // J. Mol. Biol. -1994-v.235-p.345-356.

38. Leach A.R., Kuntz I.D. Conformational Analysis of Flexible Ligands in Macromolecular Receptor Sites. // J. Comp. Chem. -1992-v.13(6)-p.730-748.

39. Lewis R.A., Roe D.C., Huang С., Ferrin Т.Е., Langridge R., Kuntz I.D. Automated site-directed drug design using molecular lattices. // J. Mol. Graphics. -1992-v.10(2)-p.66-78.

40. Maybridge catalog database. -1996- Ryan Scientific, Columbia, USA.

41. Medvedev A.E., Ivanov A.S., Kamyshanskaya N.S., Kirkel A.Z., Moskvitina T.A., Gorkin V.Z., Li N.Y., Marshakov V.Yu. Interaction of indole derivatives with monoamine oxidase A and B. Studies on the structure-inhibitory activity relationship. // Biochemistry and Molecular Biology International -1995-v.36(1)-p.113-122.

42. Medvedev A.E., Veselovsky A.V., Shvedov V.l., Tikhonova O.V., Moskvitina T.A., Fedotova O.A., Axenova L.N., Kamyshanskaya N.S., Kirkel A.Z.,.Ivanov A.S. Inhibition of monoamine oxidase by pirlindole analogues: 3D-QSAR and CoMFA analysis. // J.Chem.Inf.Sei. -1998- (в печати).

43. Meng Е.С., Kuntz I.D., Abraham D.J., Kellog G.E. Evaluating docked complexes with the HINT exponential function and empirical atomic hydrophobicities. // J. Comput. Aided Mol. Design -1994-v.8(3)-p.299-306.

44. Meng E.C., Shoichet B.K., Kuntz I.D. Automated Docking with Grid-Based Energy Evaluation. // J. Comp. Chem. -1992-v.13(4)-p.505-524.

45. Miller M.D., Kearsley S.K., Underwood D.J., Sheridan R.P. // J. Comput.-Aided Mol. Design -1994-v.8-p.153-174.

46. Miranker A., Karplus M. An automated method for dynamic ligand design. // Proteins -1995-v.23-p.472-490.

47. Miranker A., Karplus M. Functionality maps of binding sites: a multiple copy simultaneous search method. // Proteins-1991-v.ll(l)-p.29-34.

48. Mizutani M.Y., Tomioka N., Itai A. Rational automatic search method for stable docking models of protein and ligand. // J. Mol. Biol.-1994-v.24 3(2)-p.310-326.

49. Moon J.B., Howe J.W. Computer design of bioactive molecules: a method for receptor-based de novo ligand design. // Proteins 11: 314-328, 1991. (1991 11:4 314-28)

50. Morris G.M., Goodsell D.S., Huey R., Olson A.J. Distributed automated docking of flexible ligands to proteins: parallel applications of AutoDock 2.4. // J. Comput.-Aided Mol. Design -1996-v.10-p.293-304.

51. Needleman S.B., Wunsch C.D. A general method applicable to the search for similarities in the amino acid seguence of two proteins. // J. Mol. Biol. -1970-v.48(3)-p.443-453.

52. Nishibata Y., Itai A. // Tetrahedron -1991-v.47-p.8985.

53. Ortiz de Motellano P.R. Substrate Docking Algorithms and the Prediction of Substrate Specificity. "Cytochrome P450 part II" // Methods in Enzymology (Johnson E.F. ed.) Academic Press, San Diego -1996-p.336-347.

54. Oshiro C.M, Kuntz I.D., Dixon J.S. Flexible ligand docking using a genetic algorithm. // J. Comput-Aided Mol. Design -1995-v.9(2)-p.113-130.

55. Ozols Structure of cytochrome b5 and its topology in the microsomal membrane. // J. Bioch. Bioph. Acta -1989-v.997(1-2)-p.121-30.

56. Pang Y.P., Kozikowski A.P. Prediction of the binding sites of huperzine A in acetylcholinesterase by docking studies. // J. Comput. Aided Mol. Design -1994-v.8(6)-p.669-681.

57. Pearlman R.S. CONCORD: from Connectivity to 3D-Coordinates of Organic Compounds. // Chem.Design Auto News -1987-v.8-p.3.

58. Pearlman D.A., Murcko M.A. CONCEPTS: New Dynamic Algorithm for De Novo Drug Suggestion. // J. Comput. Chem. -1993-v. 14 (10)-p.1184-1193.

59. Powell M.J.D. Restart Procedures for the Conjugate Gradient Method. // Mathematical Programming -1977-v.12-p.241-254.

60. Rarey M., Wefing S., Lengauer T. Placement of medium-sized molecular fragments into active sites of proteins. // J. Comput.-Aided Mol. Design -1996-v.10(1)-p.41-54.

61. Rotstein S.H., Murcko M.A. GenStar: a method for de novo drug design. // J. Coput. Aided Mol. Design -1993-v.7(1)-p.23-43.

62. Rotstein S.H., Murcko M.A. GroupBuild: a fragment-based method for de novo drug design. // J. Med. Chem. -1993-v.36(12)-p.1700-1710.

63. Sandak B., Nussinov R. Wolfson H.J. An automated computer vision and robotics-based technique for 3-D flexible biomolecular docking and matching. // Comput. Appl. Biosci. -1995-v.11(1)-p.87-99.

64. Shoichet B.K., Bodian D.L., Kuntz I.D. // J. Comp. Chem. -1992-v.13-p.380-397.

65. Shoichet B.K., Kuntz I.D. Matching chemistry and shape in molecular docking. // Prot. Eng. -1993-v.6(7)-p.723-732.

66. Singh J., Saldanha J., Thronton A novel method for the modelling of peptide ligands to their receptors. // J.M. Protein Eng. -1991-v.4(3)-p.251-261.

67. Sklenar H., Eisenhaber F., Poncin M., Lavery R. Theoretical Biochemistry and Molecular Biophysics. // Eds.: D.L.Beveridge & R.Lavery, Adenine Press. -1990-p.317-335.

68. Skvortsov V.S., Sechenykh A.A., Ivanov A.S., Ivanov Yu.D., Archakov A.I. Computer modelling of intermolecular interaction of cytochromes P450 101, 2B4 and b5 by docking simulation and comparison with biosensor data. // Abstracts

of 17th International Congress of Biochemistry and Molecular Biology -San Francisco(USA), The FASEB Journal -1997-v.11(9)-p.A786.

69. Stayton P.S., Poulos T.L., Sliger S.G. Putidaredoxin competitively inhibits cytochrome b5-cytochrome P-450cam association: a proposed molecular model for a cytochrome P-450cam electron-transfer complex. // Biochemistry -1989-v. 28 (20)-p.8201-8205.

70. Sybyl 6.4 -1997- Tripos Inc., 1699 South Hanley Road, St. Louis, Missouri, 63144. USA.

71. Tajima S., Enomoto K., Sato R. Nature of tryptic attack on cytochrome b5 and further evidence for the two-domain structure of the cytochrome molecule. // J. Biochem. (Tokyo) -1978-v.84(6)-p.1573-158 6.

72. Tomioka N., Itai A. GREEN: a program package for docking studies in rational drug design. // J. Comput. Aided Mol. Design -1994-v.8(4)-p.347-366.

73. Topham C.M., Thomas P., Overington J.P., Johnson M.S., Eisenmenger F., Blundell T.L. An assessment of COMPOSER: a rule-based approach to modelling protein structure. // Biochem. Soc.Symp. -1990-v.57-p.1-9.

74. Vakser I.A. Long-distance potentials: an approach to the multiple-minima problem in ligand-receptor interaction. // Protein Eng. -1996-v.9(1)-p.37-41.

75. Vakser I.A. Low-resolution docking: prediction of complexes for underdetermined structures. // Biopolymers -1996-v.39(3)-p.455-464.

76. Vakser I.A. Protein docking for low-resolution structures. // Protein Eng. -1995-v.8(4)-p.371-377.

77. Vakser I.A., Aflalo C. Hydrophobic docking: a proposed enhancement to molecular recognition techniques. // Proteins -1994-V.20(4)-p.320-329.

78. Verlet J. Computer "experiments" on classical fluids: I. Thermodynamical properties of Lennard-Jones molecules.// Phys. Rev. -1967-v.159-p.98-103.

79. Viswanadhan V.N., Ghose A.K, Revankar G.R, Robins R.K. Atomic Physicochemical Parameters for Three Dimensional Structure Directed Quantitative Structure-Activity Relationships. 4. Additional Parameters for Hydrophobic and Dispersive Interactions and Their Application for an Automated Superposition of Certain Naturally Occurring Nucleoside Antibiotics. // J. Chem. Inf. Comput. Sci. -1989-v.29-p.163-172.

80. Walls P.H., Sternberg M.J.E. New algorithm to model proteinprotein recognition based on surface complementarity. Applications to antibody-antigen docking. // J. Mol. Biol. -1992-v.228(1)-p.277-297.

81. Xiao Y.L., Williams D.E. GAME: Genetic Algorithm for Minimisation of Energy: An Interactive Program for 3-Dimensional Intermolecular Interactions. // Computers and Chemistry -1994-v.18-p.199-201.

82. Машковский М.Д. Лекарственные средства. // M.¡Медицина -1993736 с.