Учёт межмолекулярных гидрофобных взаимодействий и конформационной подвижности белка-мишени при решении задач молекулярного докинга тема диссертации и автореферата по ВАК РФ 03.00.02, кандидат физико-математических наук Пырков, Тимофей Владимирович

• Пырков, Тимофей Владимирович
• кандидат физико-математических наук
• 2008

Оглавление диссертации кандидат физико-математических наук Пырков, Тимофей Владимирович

Список сокращений.

Глава I. Введение.

Глава П. Моделирование взаимодействий белок-лигапд с помощью метода молекулярного докинга (обзор литературы).

ПЛ. Метод докинга. Моделирование структуры комплекса белок-лигапд.

П.2. Функции оценки межмолекулярных взаимодействий в докинге.

П.З. Расчет гидрофобных взаимодействий.

П.4. Учет подвижности рецептора в докинге.

Глава III. Результаты и обсуждение.

Ш.1. Разработка критерия ранжирования структур комплексов АТФ-белок, предсказанных с помощью докинга.

Ш.1.1. Анализ экспериментально установленных структур комплексов АТФбелок.

Ш.1.2. Конструирование АТФ-специфичиой ОФ.

Ш.1.3. Эффективность новой АТФ-специфичной ОФ.

Ш.2. Разработка лиганд-специфичных критериев ранжирования структур комплексов белок-лиганд, предсказанных с помощью докинга, для более широкого класса лигандов.

Ш.2.1. Оптимизация метода расчета гидрофобных свойств молекул.

Ш.2.2. Разработка лиганд-епецифичных ОФ для ранжирования решений докинга.

Ш.2.3. Реализация разработанных методик в виде программного приложения.

Ш.З. Учет подвижности белка-мишени в докинге на примере комплекса АТФ —

Са-АТФаза.

Ш.3.1. Анализ экспериментальных кристаллографических структур комплексов

АТФ — Са-АТФаза высокого разрешения.

Ш.3.2. Исследование доменных движений Са-АТФазы с помощью метода МД.

Ш.З.З. Моделирование структуры комплекса АТФ — Са-АТФазы с помощью докинга в модели «подвижного рецептора».

Ш.3.4. Моделирование комплекса АТФ — №,К-АТФаза: валидация предложенного подхода учета подвижности белка-мишени в докинге.

Глава IV. Заключение.

IV. 1. Обзор проведенных исследований и полученных результатов.

IV.2. Научно-практическое значение работы.

IV.3. Перспективы.

Глава V. Методы.

V.I. Исследуемые комплексы белок-лиганд.

V.2. Молекулярный докинг.

V.3. Гидрофобные свойства молекул.

V.4. Водородные связи и стэкинг-взаимодействия.

V.5. Расчеты МД белка.

V.6. Построение и оценка качества пространственных моделей.

Выводы.

Введение диссертации (часть автореферата) на тему «Учёт межмолекулярных гидрофобных взаимодействий и конформационной подвижности белка-мишени при решении задач молекулярного докинга»

Информационные технологии приобретают всё большую значимость во всех сферах науки, в том числе в исследовании биохимических процессов, протекающих в живой клетке и в фармацевтической отрасли. В разработке новых лекарственных соединений используют алгоритмы компьютерного моделирования межмолекулярных взаимодействий в биологически значимых комплексах белков-рецепторов с низкомолекулярными соединениями — их лигандами. Такие взаимодействия лежат в основе большинства биохимических процессов, отвечающих за передачу сигналов, межклеточное распознавание, рецепцию и множества других. Нарушение работы биомолекулярных рецепторных комплексов— причина очень многих заболеваний, и белки-рецепторы часто выбирают в качестве мишени для лекарственного воздействия (Shoichet 2004; Enyedy et al., 2008).Класс компьютерных алгоритмов, позволяющих моделировать взаимодействие активных низкомолекулярпых органических соединений с более крупными биологическими макромолекулами называется молекулярным «докипгом» (от английского docking — стыковка). Получаемые в итоге различные варианты таких структур — решениями задачи докипга (Kitchen et al., 2004; Moitessier et al., 2008). В настоящее время существуют и успешно применяются различные алгоритмы докинга, однако вес они имеют ряд ограничений.В общих чертах процесс докинга представляет собой оптимизацию конформации лиганда и его ориентации в активном центре белка, исходя из одного или нескольких стартовых случайных вариантов. Конечным результатом докинга является набор из нескольких вариантов положения лиганда в пространтсве относительно молекулы рецептора, наиболее достоверных с точки зрения используемого алгоритма, и, в некоторых случаях, оценка свободной энергии связывания. Для расчета межмолекулярпых взаимодействий и энергии связывания используют специальные оценочные функции (ОФ), которые, как правило, представляют собой комбинацию из различных термов, описывающих тот или иной тип межмолекулярных контактов элктростатическое взаимодействие, водородные связи и т.д. (Kitchen et al., 2004; Jain 2006). В то же время, применяемые в процессе оптимизации ОФ не всегда позволяют выбрать наиболее достоверную структуру (даже если она и присутствует среди прочих вариантов, сгенерированных с помощью докинга) — т.е. недостаточно эффективно ранжируют список решений докинга (Bursulaya et al., 2003; Schulz-Gasch et al., 2003; Ferrara et al., 2004; Kellenberger et al., 2004; Kontoyianni et al., 2004; Perola et al., 2004; Wang et al., 2004; Zhou et a l , 2007).Одной из причин, снижающих эффективность ОФ, является их упрощенный вид.Так, в некоторых ОФ отсутствуют термы электростатических взаимодсйсвий (которые неявно учитываются за счет, например, водородных связей) или гидрофобных контактов (которые опущены ввиду сложности численной оценки и также могут быть неявно учтены за счет, например, энергии ван-дер-Ваапьса). Следует также особо отмстить роль тренировочного набора, используемого для параметризации ОФ (подбора весовых вкладов термов). В случае, когда исследуемые лиганды или белок-мишень по своим свойствам значительно отличаются от тренировочного набора, ОФ могут быть неэффективны для предсказания структуры комплекса.Следовательно, возникает необходимость разработки дополнительных критериев, позволяющих более эффективно ранжировать результаты докинга. Кроме того, в последнее время все большее распространение получаст «систем-специфичный» подход (Jansen et al., 2004; Ferrara et al., 2006; Amini et al., 2007; Catana et al., 2007). Это подразумевает разработку новых или модификацию существующих ОФ с целью учесть особенности взаимодействия лигандов с изучаемым белком-мишенью (например, путем добавления терма, описывающего образование водородной связи с конкретными остатками в активном центре) или определенного класса лигандов с белками (например, пептидные соединения, углеводы и т.п.). Одной из целей настоящей работы является разработка лиганд-специфичной ОФ для такого важного класса лигандов, как аденипсодержащие соединения. Затем предложен ряд лиганд-специфичных ОФ для более широких классов лигандов (пептиды/непептиды, гидрофобные/гидрофильные, различные по размеру лиганды). Исследована также роль гидрофобных контактов во взаимодействии различных классов лигандов с белками. Разработан оригинальный метод количественной оценки гидрофобных взаимодействий, который может быть использован для повышения эффективности ранжирования решений докинга как независимо, так и в комбинации с другими ОФ, так как некоторые ОФ не учитывают гидрофобные взаимодействия явно, ввиду отсутствия универсального способа их численного расчета.Другой особенностью алгоритма докинга, как видно из описания выше, является необходимость наличия пространственной структуры высокого разрешения белка5 рецептора. При этом процесс докинга подразумевает только оптимизацию конформации самого лиганда и его ориентации в активном центре, в то время как структура рецептора является неподвижной. Это ограничение возникло из-за слишком большого числа степеней свободы белка и необходимости сохранить объем вычислений в разумных пределах. Действительно, во многих случаях отсутствие подвижности рецептора не влияет на результаты докипга. Однако ряд исследований указывают на то, что эффект индуцированного соответствия конформации активного центра лиганду (т.е. изменение конформации определенных участков белка для оптимизации взаимодействий со связанным лигандом) играет значительную роль примерно в половине исследуемых комплексов белок-лиганд (Betts et al., 1999).В связи с этим возникает необходимость разработки методов, которые позволили бы учитывать в докипге конформационную подвижность не только лиганда, но и рецептора, т.е. использовать модель «подвижного рецептора». Один из наиболее распространенных подходов, позволяющих моделировать конформационную подвижность рецептора при докинге лигапдов, состоит в том, чтобы сгенерировать набор конформеров белка и провести процедуру докинга для каждого из них с помощью стандартного алгоритма. Для этого могут быть использованы как доступные экспериментальные структуры белка в различных конформациях (Bouzida et al., 1999; Erickson et al., 2004; Murcia et al., 2004), так и методы молекулярного моделирования, позволяющие исследовать его конформационпое пространство (Kishan 2007). В частности, для учета локальной подвижности боковых цепей аминокислотных остатков могут быть использованы библиотеки ротамеров (Tuffery et al., 1991; Dunbrack et al., 1993; Leach 1994; Leach et al., 1998; Lovell at al., 2000; Frimmurer et al., 2003; Kallblad et al., 2003; Yang et al., 2004; Hartmann et al., 2008), а для моделирования подвижности в том числе и петлевых участков — методы Монте-Карло и молекулярной динамики (МД) и их модификации (Pang et al., 1994; Lin et al., 2002; Kua et al., 2002; Kua et al., 2003; Schames et al., 2004; Efremov et al., 2004; Wong et al., 2005; Sivanesan et al., 2005; Mancinelli et al., 2006; Totrov et al., 2008).Хотя указанные методы и позволяют моделировать крупномасштабные доменные движения белка, до сих пор не было изучено их влияние на результаты докинга. В то же время, в некоторых случаях связывание лиганда сопряжено с изменением взаимной ориентации доменов белка, и поэтому исследование данного вопроса представляется достаточно актуальным.В данной работе на примере комплекса АТФ — Са-АТФаза разработан протокол моделирования комплекса белок-лиганд с учетом как локальной конформационной подвижности боковых цепей остатков белка, так и крупномасштабных доменных движений. Указанный комплекс представляет собой удобный объект исследования так как для данного белка методом рентгено-структурного анализа получены структуры высокого разрешения в различных конформационпых состояниях как в свободной форме (Toyoshima et al., 2000), так и в комплексе с лигандами (Toyoshima et al., 2004). Анализ экспериментальных моделей комплекса АТФ — Са-АТФаза показывает, что взаимодействие белка с лигандом происходит в двух активных центрах, раположепных в разных доменах: в N-домене АТФ связывается за счет аденина и остатка рибозы, в Рдомене связываются фосфатные группы АТФ, и происходит фосфорилирование каталитического остатка Asp351. Однако в свободной форме (без лиганда, в т.ч. в структуре 1EUL, которая была определена первой в 2000 году) конформация Са-АТФазы такова, что расстояние между двумя активными центрами значительно превышает размер молекулы АТФ. Следовательно, стандартные методы докипга, использующие неподвижную структуру рецептора, не могут в таком случае предсказать связывание лиганда корректно - в обоих активных центрах одновременно. Разработанная методика основана на использовании стандартных методов докинга и моделировании конформармационной подвижности рецептора с помощью расчетов МД. Кроме того, предложены оригинальные методы учета гидрофобных взаимодействий белок-лиганд, что позволило существенно повысить точность докинга в модели «подвижного рецептора».Предложенные в работе подходы могут пайти применение в моделировании взаимодействий белок-лиганд как дополнение к стандартным, широко используемым алгоритмам докинга. В частности, метод количественной оценки гидрофобных межмолекулярных взаимодействий белок-лиганд позволит более эффективно определять правдоподобную структуру комплекса. Полученные в работе результаты указывают, что особенно важную роль учет гидрофобных взаимодействий будет играть при докинге лигандов для модели «подвижного рецептора». Предложенный метод конструирования лиганд-специфичных оценочных функций может быть использован, когда имеется достаточное количество экспериментальных структурных данных. В этом случае появляется дополнительная возможность повысить предсказательную силу метода докинга. Указанные подходы могут быть востребованы как в области фундаментального изучения структурно-динамических аспектов взаимодействия белков с лигандами, так и в фармацевтической промышленности при рациональном конструировании прототипов новых лекарственных препаратов.Основные результаты проделанной работы: 1. Проведен анализ экспериментальных структурных данных по представительному набору комплексов АТФ-белок. Предложены оригинальные методы количественной оценки гидрофобных и стэкинг-взаимодействий при решении задач молекулярного докипга. Результаты: а) Выявлены особенности межмолекулярных взаимодействий, обусловливающие узнавание аденина в активных центрах белков, в частности, продемонстрирована важная роль гидрофобных контактов, а также стэкингвзаимодействий. б) Разработан количественный критерий оценки качества результатов докипга АТФ, позволяющий существенно повысить точность предсказания структуры комплексов белков с АТФ.

2. Метод лиганд-специфичных оценочных функций, продемонстрировавший хорошие результаты для комплексов АТФ-бслок, распространен на более широкий класс лигандов. Изучены особенности взаимодействия с белками пептидных/непептидных, гидрофобных/гидрофильных молекул, а также лигандов, различных по размеру.Результаты: а) Оптимизированы параметры расчета комплементарности гидрофобных/гидрофильных свойств в системах белок-лиганд, исследована роль различных типов гидрофобных/гидрофильных контактов во взаимодействии лигандов с белковым окружением, б) Разработаны лигапд-специфичные критерии раткирования решений докипга, которые могут в дальнейшем применяться для повышения эффективности стандартных методов предсказания структуры комплексов бслок-лиганд. в) Разработанные методы и подходы реализованы в программе PLATINUM (ProteinLigand ATtractions Investigation NUMerically), созданной в ходе выполнения диссертационной работы. Данная программа снабжена веб-интерфейсом и доступна на сайте Лаборатории http://model.nmr.ru/platinum.3. На примере комплексов АТФ с Са- и Na^C-АТФазами изучено влияние подвижности рецептора па результаты докинга лиганда, а также применимость метода молекулярной динамики для учета подвижности рецептора в докинге. Результаты: а) Разработан метод моделирования подвижности рецептора в процессе докинга лигандов с помощью расчетов МД, который позволяет учитывать как локальную конформациоппую подвижность боковых цепей аминокислотных остатков, так и крупномасштабные доменные движения, б) Оптимизирован протокол докинга лигандов для модели «подвижного рецептора» с использованием стандартных алгоритмов докинга и дополнительных оценочных критериев.Диссертационная работа имеет следующую структуру. В Главе I (Введение) сформулированы основные цели и задачи исследования, и обоснована его практическая важность. Глава Л представляет собой обзор литературы, посвященный современным методам моделирования структурно-динамических аспектов взаимодействия белоклиганд. Полученные результаты и их обсуждение приведены в Главе III, состоящей из трех разделов. В разделе III.1 описана разработка метода ранжирования решений докинга АТФ на основе анализа доступных экспериментальных структурных данных. В разделе Ш.2 описана процедура распространения метода конструирования лиганд-специфичных

Заключение диссертации по теме «Биофизика», Пырков, Тимофей Владимирович

Выводы

1. На основании анализа представительного набора комплексов АТФ-белок с известной экспериментальной структурой высокого разрешения показано, что наиболее характерным является образование гидрофобного контакта между адениновым основанием АТФ и алифатическими боковыми цепями аминокислотных остатков белка. Разработан количественный критерий, позволяющий эффективно выбрать из решений, полученных с помощью докинга, наиболее правдоподобные варианты ориентации молекулы АТФ в активном цсптрс.

2. Разработаны лиганд-специфичные критерии ранжирования решений докинга на основе набора комплексов белков с различными типами лигандов. Показано, что лиганд-специфичные критерии позволяют повысить эффективность отбора верных решений докинга по сравнению с неспецифичпыми функциями оценки межмолекулярных взаимодействий. Кроме того, предлагаемые критерии позволяют существенно повысить точность ранжирования в комбинации со стандартной оценочной функцией алгоритма докинга.

3. Предложен метод учета конформационной подвижности белка-мишени с помощью проведения расчетов молекулярной динамики (МД) и последующего докинга лиганда для набора МД-конформеров белка па примере комплекса АТФ — Са-АТФаза. Показано, что полученные траектории МД хорошо согласуются с экспериментальными структурами Са-АТФазы, и, следовательно, такой подход позволяет эффективно учесть как локольную подвижность боковых цепей аминокислотных остатков, так и глобальные доменные движения.

4. Показано, что в модели «подвижного рецептора», т.е. когда учитывается конформационпая подвижность белка в докинге, критерии, основанные на расчете гидрофобных взаимодействий, более эффективны по сравнению со стандартными оценочными функциями.

5. Результаты, полученные при моделировании связывания АТФ с №,К-АТФазой позволяют объяснить данные точечного мутагенеза и различия во взаимодействии АТФ с данным белком и Са-АТФазой.

Список литературы диссертационного исследования кандидат физико-математических наук Пырков, Тимофей Владимирович, 2008 год

1. Abagyan R., Totrov M. High-throughput docking for lead generation. Curr. Opin. Struct. Biol. (2001) 5,375-382.

2. Alonso H., Bliznyuk A.A., Gready J.E. Combining docking and molecular dynamic simulations in drug design. Med. Res. Rev. (2006) 26, 531-568.

3. Alvarez J.C. High-throughput docking as a source of novel drug leads. Curr. Opin. Chem. Biol. (2004) 8,365-370.

4. Amini A., Shrimpton P.J., Muggleton S.H., Sternberg M.J. A general approach for developing system-specific functions to score protein-ligand docked complexes using support vector inductive logic programming. PROTEINS (2007) 69, 823-831.

5. Babor M., Sobolev V., Edelman M. Conserved positions for ribose recognition: importance of water bridging interactions among ATP, ADP and FAD-protein complexes. J. Mol. Biol. (2002) 323, 523-532.

6. Barril X., Morley S.D. Unveiling the full potential of flexible receptor dockng using multiple crystal!ographic structures. J. Med. Chem. (2005) 48,4432-4443.

7. Berendsen H.J.C., van der Spoel D., van Drunen R. GROMACS. Сотр. Phys. Comm. (1995) 91, 43-56.

8. Bindewald E., Skolnick J. A scoring function for docking ligands to low-resolution protein structures. J. Comput. Chem. (2005) 26, 374-383.

9. Bohm H.J. The development of a simple empirical scoring function to estimate the binding constant for a protein-ligand complex of known three-dimensional structure. J. Comput. Aided Mol Des. (1994) 8,243-256.

10. Brakoulias A., Jackson R.M. Towards a structural classification of phosphate binding sites in protein-nucleotide complexes: an automated all-against-all structural comparison using geometric matching. PROTEINS (2004) 56,250-260.

11. Carlson H.A., McCammon J.A. Accommodating protein flexibility in computational drug design. Mol Pharmacol (2000) 57,213-218.

12. Catana C., Stouten P.F.W. Novel, customizable scoring functions, parameterized using N-PLS,for structure-based drug discoveiy. J. Chem. Inf. Model (2007) 47, 85-91.

13. Cavasotto C.N., Kovacs J.A., Abagyan R.A. Representing receptor flexibility in ligand dockingthrough relevant normal modes. J. Am. Chem. Soc. (2005) 127, 9632-9640.

14. Cavasotto C.N., Orry A.J. Ligand docking and structure-based virtual screening in drugdiscovery. Curr. Top. Med. Chem. (2007) 7,1006-1014.

15. Charifson P.S., Corkery J.J., Murcko M.A., Walters W.P. Consensus scoring: A method for obtaining improved hit rates from docking databases of three-dimensional structures into proteins. J. Med. Chem. (1999) 42, 5100-5109.

16. Clark R.D., Strizhev A., Leonard J.M., Blake J.F. Matthew J.B. Consensus scoring for ligand/protein interactions. J. Mol. Graph. Mod. (2002) 20,281-295.

17. Claussen H., Buning С., Rarey M., Lengauer Т. FlexE: Efficient molecular docking considering protein structure variations. J. Mol. Biol. (2001) 308, 377-395.

18. Connolly M.L. Solvent-accessible surfaces of proteins and nucleic acids. Science (1983) 221, 709-713.

19. Deng Z., Chuaqui C., Singh J. Structural interaction fingerprint (SEFt): A novel method for analyzing three-dimensional protein-ligand binding interactions. J. Med. Chem. (2004) 47, 337344.

20. Du Q.S., Huang R.B., Chou K.C. Recent advances in QSAR and their applications in predicting the activities of chemical molecules, peptides and proteins for drug design. Curr. Protein Pept. Sci. (2008) 9,248-260.

21. Dunbrack R.L. Jr.; Karplus M. Backbone-dependent rotamer library for proteins. Application to side-chain prediction. J. Mol. Biol. 1993,230, 543-574.

22. Efremov R.G., Alix A.J.P. Environmental characteristics of residues in proteins: Three-dimensional molecular hydrophobicity potential approach. J. Biomol. Struct. Dyn. (1993) 11, 483-507.

23. Erickson J.A., Jalaie M., Robertson D.H., Lewis R.A., Vieth M. Lessons in molecular recognition: The effects of ligand and protein flexibility on molecular docking accuracy. J. Med. Chem. (2004) 47,45-55.

24. Ewing T.J., Makino S., Skillman A.G., Kuntz I.D. DOCK 4.0: Search strategies for automated molecular docking of flexible molecule databases. J. Comput. Aided. Mol. Des. (2001) 15, 411428.

25. Fauchere J.L., Quaredon P., Kaetterer L. Estimating and representing hydrophobicity potential. J. Mol. Graphics (1998) 6,203-206.

26. Ferrara P., Gohlke H., Price D.J., Klebe G., Brooks C.L. Assessing scoring functions for protein-ligand interactions. J. Med. Chem. (2004) 47, 3032-3047.

27. Ferrara P., Jacoby E. Evaluation of the utility of homology models in high throughput docking. J. Mol. Model. (2007) 13, 897-905.

28. Frimmurer T.M., Peters G.H., Iversen L.F. Andersen H.S., Moller N.P.H., Olsen O.H. Ligand-indueed conformational changes: Improved predictions of ligand binding conformations and affinities. Biophys. J. (2003) 84,2273-2281.

29. Furet P., Sele A., Cohen N.C. 3D molecular lipophilicity potential profiles: a new tool in molecular modeling. J. Mol. Graphics (1988) 6,182-189.

30. Gedeck P., Lewis R.A. Exploiting QSAR models in lead optimization. Curr. Opin. Drug Discov. Devel. (2008) 11, 569-575.

31. Gervasio F.L., Laio A., Parrinello M. Flexible docking in solution using metadynamics. J. Am. Chem. Soc. (2005) 127,2600-2607.

32. Gohlke H., Hendlich M., Klebe G. Knowledge-based scoring function to predict protein-ligand interactions. J. Mol. Biol. (2000) 295, 337-356.

33. Goodsell D.S., Morris G.M., Olson A.J. Automated docking of flexible ligands: Applications of AutoDock. J. Mol. Recognit. (1996) 9, 1-5.

34. Gotoh O. Prediction of melting profiles and local helix stability for sequenced DNA. Adv. Biophys. (1983) 16,1-52.

35. Hayward S., Berendsen H.J.C. Systematic analysis of domain motions in proteins from conformational change: New results on citrate synthase and T4 lysozyme. PROTEINS (1998) 30, 144-154.

36. Heiden W., Moeckel G., Brickmann J. A new approach to the display of local lipophilicity/hydrophilicity mapped on molecular surfaces. J. Comput. Aided. Mol. Des. (1993) 7, 503-514.

37. Hilge M., Siegal G., Vuister G.W., Guntert P., Gloor S.M., Abrahams J.P. ATP-induced conformational changes of the nucleotide-binding domain of Na,K-ATPase. Nature Struct. Biol. (2003) 10,468-474.

38. Hoffman D., Kramer В., Washio Т., Steinmetzer Т., Rarey M., Lengauer T. Two-stage method for protein-ligaud docking. J. Med. Chem. (1999) 42,4422-4433.

39. Jain A.N. Scoring functions for protein-ligand docking. Curr. Protein Pept. Sci. (2006) 7, 407420.

40. Jansen J.M., Martin E.J. Target-biased scoring approaches and expert systems in structure-based virtual screening. Curr. Opin. Chem. Biol (2004) 8,359-364.

41. Jiang F., Kim S.H. "Soft docking": Matching of molecular surface cubes. J. Mol. Biol. (1991) 219,79-102.

42. 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) 245,43-53.

43. Jones G., Willett P., Glen R.C., Leach A.R., Taylor R.D. Development and validation of a genetic algorithm for flexible docking. J. Mol. Biol. (1997) 267, 727-748.

44. Jorgensen W.L., Severance D.L. Aromatic-aromatic interactions: Free energy profiles for the benzene dimer in water, chloroform, and liquid benzene. J. Am. Chem. Soc. (1990) 112, 47684774.

45. Kallblad P.,Dean P.M. Efficient conformational sampling of local side-chain flexibility. J. Mol. Biol. (2003) 326,1651-1665.

46. Kishan K.V. Structural biology, protein conformations and drug design. Curr. Protein Pept. Sci. (2007) 8,376-380.

47. Kitchen D.B., Decornez H., Furr J.R., Bajorath J. Docking and scoring in virtual screening for drug discovery: methods and applications. Nat. Rev. Drug. Discov. (2004) 3, 935-949.

48. Knegtel R.M.A., Kuntz I.D., Oshiro C.M. Molecular docking to ensembles of protein structures. J. Mol. Biol. (1997) 266,424-440.

49. Kontoyianni M., McClellan L.M., Sokol G.S. Evaluation of docking performance: Comparative data on docking algorithms. J. Med. Chem. (2004) 47,558-565.

50. Kramer В., Rarey M., Lengauer T. Evaluation of the FLEXX incremental construction algorithm for protein-ligand docking. PROTEINS (1999) 37,228-241.

51. Krovat E.M., SteidI Т., Langer T. Recent advances in docking and scoring. Curr. Comput. Aided Drug Des. (2005) 1, 93-102.

52. Kuhlbrandt W. Biology, structure and mechanism of P-type ATPases. Nat. Rev. Mol. Cell Biol. (2004) 5,282-295.

53. Kundt C., Xu Z., Tieleman D.P. Opening and closing motions in the periplasmic vitamin В12 binding protein BtuF. Biochemistry (2006) 45, 13284-13292.

54. Kuntz I.D., Blaney J.M., Oatley S.J., Langridge R., Ferrin Т.Е. A geometric approach to macromolecule-ligand interactions. J. Mol. Biol. (1982) 161,269-288.

55. Malathy Sony S.M., Ponnuswamy M.N. Nature of л-interactions in nitrogen-containing heterocyclic systems: A structural database analysis. Crystal Growth & Design (2006) 6, 736742.

56. Mangoni M., Roccatano D., Di Nola A. Docking of flexible ligands to flexible receptors insolution by molecular dynamics simulation. PROTEINS (1999) 35, 153-162.

57. Mao L., Wang Y., Liu Y., Ни X. Molecular determinants for ATP-binding in proteins: a datamining and quantum chemical analysis. J. Mol. Biol. (2004) 336, 787-807.

58. May A., Zacharias M. Accounting for global protein deformability during protein-protein andprotein-ligand docking. Biochim. Biophys. Acta (2005) 1754,225-231.

59. Meyer E.A., Castellano R.K., Diederich F. Interactions with aromatic rings in chemical and biological recognition. Angew. Chem. Int. Ed. (2003) 42, 1210-1250.

60. Moitessier N., Englebienne P., Lee D., Lawandi J., Corbeil C.R. Towards the development of universal, fast and highly accurate docking/scoring methods: A long way to go. Br. J. Pharmacol. (2008) 153, S7-S26.

61. Morth J.P., Pedersen B.P., Toustrup-Jensen M.S., Sorensen T.L., Petersen J., Andersen J.P., Vilsen В., Nissen P. Crystal structure of the sodium-potassium pump. Nature (2007) 450, 10431049.

62. Nakajima N., Higo J., Kidera A., Nakamura H. Flexible docking of a ligand peptide to a receptor protein by multicanonical molecular dynamics simulation. Chem. Phys. Lett. (1997) 278, 297301.

63. Nissink J.W., Murray C., Hartshorn M., Verdonk M.L., Cole J.C., Taylor R. A new test set forvalidating predictions of protein-ligand interaction. PROTEINS (2002) 49,457-471.

64. Olesen C., Sorensen T.L.M., Nielsen R.C., Moller J.V., Nissen P. Dephosphorylation of thecalcium pump coupled to counterion occlusion. Science (2004) 306,2251-2255.

65. Рак Y.S., Wang S.M. Application of a molecular dynamics simulation method with ageneralized effective potential to the flexible molecular docking problems. J. Phys. Chem. В2000) 104, 354-359.

66. Saito M., Go M., Shirai T. An empirical approach for detecting nucleotide-binding sites on proteins. Protein Eng. Des. Sel. (2006) 19, 67-75.

67. Sato Т., Tsuneda Т., Hirao K. A density-functional study on я-aromatic interaction: Benzene dimer and naphtalene dimer. J. Chem. Phys. (2005) 123,104307.

68. Schulz-Gasch Т., Stahl M. Binding site characteristics in structure-based virtual screening:

69. Evaluation of current docking tools. J. Mol. Model (2003) 9,47-57.

70. Shoichet B.K. Virtual screening of chemical libraries. Nature (2004) 432, 962-965.

71. Sigel H., Griesser R. Nucleoside 5'-triphosphates: self-association, acid-base, and metal ionbinding properties in solution. Chem. Soc. Rev. (2005) 34, 875-900.

72. Sivanesan D., Rajnarayanan R.V., Doherty J., Pattabiraman N. In-silico screening using flexible ligand binding pockets: A molecular dynamics-based approach. J. Comput. Aided Mol. Des.2005) 19, 213-228.

73. Sorensen T.L.M., Moller J.V., Nissen P. Phosphoryl transfer and calcium ion occlusion in the calcium pump. Science (2004) 304,1672-1675.

74. Sousa S.F., Femandes P.A., Ramos M.J. Protein-ligand docking: Current status and future challenges. PROTEINS (2006) 65, 15-26.

75. Sperandio O., Miteva M.A., Delfaud F., Villoutreix B.O. Receptor-based computational screening of compound databases: The main docking-scoring engines. Curr. Protein Pept. Sci.2006) 7,369-393.

76. Testa В., Carrupt P.A., Gaillard P., Billois F., Weber P. Lipophilicity in molecular modeling. Pharm. Res. (1996) 13,335-343.

77. Tewari A.K., Dubey R. Emerging trends in molecular recognition: Utility of weak aromatic interactions. Bioorg. Med. Chem. (2008) 16, 126-143.

78. Totrov M., Abagyan R. Flexible ligand docking to multiple receptor conformations: A practical alternative. Curr. Opin. Struct Biol. (2008) 18, 178-184.

79. Toyoshima C., Mizutani T. Crystal structure of the calcium pump with a bound ATP analogue. Nature (2004a) 430, 529-535.

80. Toyoshima C., Nakasako M., Nomura H., Ogawa H. Crystal structure of the calcium pump of sarcoplasmic reticulum at 2.6 A resolution. Nature (2000) 405, 647-655.

81. Toyoshima C., Nomura H. Structural changes in the calcium pump accompanying the dissociation of calcium. Nature (2002) 418,605-611.

82. Toyoshima С., Nomura H., Tsuda Т. Lumenal gating mechanism reveald in calcium pumpcrystal structures with phosphate analogues. Nature (2004b) 432, 361-368.

83. Traut T.W. The functions and consensus motifs of 9 types of peptide segments that formdifferent types of nucleotide-binding sites. Eur. J. Biochem. (1994) 222, 9-19.

84. Traxler P., Furet P. Strategies toward the design of novel and selective tyrosine kinase inhibitors.

85. Pharmacol. Ther. (1999) 82,195-206.

86. Tsuzuki S., Honda K., Uchimaru Т., Mikami M., Tanabe K. Origin of attraction and directionality of the я/я interaction: Model chemistry calculations of benzene dimer interaction. J. Am. Chem. Soc. (2001) 124,104-112.

87. Walker J., Saraste M., Runswick M., Gay N. Distantly related sequences in the a- and p-subunits of ATP-synthase, myosin, kinase and other ATP-requiring enzymes and a common nucleotide binding fold. EMBO J. (1982) 1,945-951.

88. Wang R., Fang X., Lu Y., Yang C.Y., Wang S. The PDBbind database: methodology and updates. J. Med. Chem. (2005) 48,4111-4119.

89. Waters M.L. Aromatic interactions in model systems. Curr. Opin. Chem. Biol. (2002) 6, 736741.

90. Zacharias M. Rapid protein-ligand docking using soft modes from molecular dynamics simulations to account for protein deformability: Binding of FK506 to FKBP. PROTEINS (2004) 54,759-767.

91. Zavodszky M.I., Kuhn L.A. Side-chain flexibility in protein-ligand binding: The minimal rotation hypothesis. Protein Sci. (2004) 14,1104-1114.

92. Я глубоко признателен моей семье за понимание и поддержку, без чего данная работа была бы невозможна.