Программный конвейер для предсказания и анализа структуры комплекса рецептор – лиганд

А.С. Козлова, А.Р. Мухаметгалиева, А.Н. Фаттахова, Н.И. Акберова

Казанский (Приволжский) федеральный университет, г. Казань, 420008, Россия

ОРИГИНАЛЬНАЯ СТАТЬЯ

Полный текст PDF

DOI: 10.26907/2541-7746.2022.1.122-136

Для цитирования: Козлова А.С., Мухаметгалиева А.Р., Фаттахова А.Н., Акберова Н.И. Программный конвейер для предсказания и анализа структуры комплекса рецептор – лиганд // Учен. зап. Казан. ун-та. Сер. Физ.-матем. науки. – 2022. – Т. 164, кн. 1. – С. 122–136. – doi: 10.26907/2541-7746.2022.1.122-136.

For citation: Kozlova A.S., Mukhametgalieva A.R., Fattakhova A.N., Akberova N.I. Software pipeline for predicting and analyzing the structure of the receptor–ligand complex. Uchenye Zapiski Kazanskogo Universiteta. Seriya Fiziko-Matematicheskie Nauki, 2022, vol. 164, no. 1, pp. 122–136. doi: 10.26907/2541-7746.2022.1.122-136. (In Russian)

Аннотация

Анализ связывания лигандов с рецептором важен в фармакологии и теоретической биологии. Он может быть использован для предсказания, как белок будет взаимодействовать с лигандами, будет ли лиганд активатором, ингибитором или субстратом, в каких областях лиганд лучше всего взаимодействует с рецептором. В настоящей работе описаны возможности программного конвейера для поиска наиболее вероятного положения лиганда в рецепторе. Пайплайн включает в себя комплексный алгоритм от предсказания структуры рецептора до поиска и анализа взаимодействия лигандов с рецептором. Преимущество конвейера заключается в том, что он позволяет сразу анализировать большое количество комбинаций лигандов и рецепторов. Анализ взаимодействий комплекса рецептор – лиганд проводится на основе таких параметров, как энергия сродства лиганда к рецептору, длина и энергия связи между рецептором и лигандом, как в целом комплексе, так и между отдельными атомами. Все характеристики могут рассчитываться по умолчанию автоматически с заданными оптимальными параметрами и задаваться пользователем индивидуально в зависимости от конкретной задачи. Для демонстрации работы пайплайна представлен анализ взаимодействия лигандов с ацетилхолинэстеразой человека как белка с наиболее изученным активным центром. Подтверждена корректность работы конвейера при помощи сравнения с экспериментальными данными связывания различных лигандов с ацетилхолинэстеразой человека. Пайплайн и все связанные с ним скрипты опубликованы на GitHub (https://github.com/NastiaKozlova/stabilisation_complex-receptor-ligand).

Ключевые слова: молекулярный докинг, молекулярная динамика, глобулярный белок, комплекс лиганд – рецептор, программный конвейер, ацетилхолинэстераза, AutoDock, VMD, NAMD

Благодарности. Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-34-90120, а также за счет средств Программы стратегического академического лидерства Казанского (Приволжского) федерального университета («ПРИОРИТЕТ-2030»).

Литература

1. Santos L.H.S., Ferreira R.S., Caffarena E.R. Integrating molecular docking and molecular dynamics simulations // de Azevedo Jr.W. (Ed.) Docking Screens for Drug Discovery. Methods in Molecular Biology, V. 2053. – N. Y.: Humana, 2019. – P. 13–34. – doi: 10.1007/978-1-4939-9752-7_2.
2. Wang X., Kleerekoper Q., Revtovich A.V., Kang D., Kirienko N.V. Identification and validation of a novel anti-virulent that binds to pyoverdine and inhibits its function // Virulence. – 2020. – V. 1, No 1. – P. 1293–1309. – doi: 10.1080/21505594.2020.1819144.Li H., Jiang X., Shen X., Sun Y., Jiang N., Zeng J., Lin J., Yue L., Lai J., Li Y., Wu A., Wang L., Qin D., Huang F., Mei Q., Yang J., Wu J. TMEA, a polyphenol in Sanguisorba officinalis, promotes thrombocytopoiesis by upregulating PI3K/Akt signaling // Front. Cell Dev. Biol. – 2021. – V. 9. – Art. 708331. P. 1–20. – doi: 10.3389/fcell.2021.708331.
3. Karplus M., McCammon J.A. Molecular dynamics simulations of biomolecules // Nat. Struct. Mol. Biol. – 2002. – V. 9. – P. 646–652. – doi: 10.1038/nsb0902-646.
4. Doerr S., Harvey M.J., No´e F., De Fabritiis G. HTMD: High-throughput molecular dynamics for molecular discovery // J. Chem. Theory Comput. – 2016. – V. 12, No 4. – P. 1845–1852. – doi: 10.1021/acs.jctc.6b00049.
5. Buch I., Giorgino T., De Fabritiis G. Complete reconstruction of an enzyme-inhibitor binding process by molecular dynamics simulations // Proc. Natl. Acad. Sci. U. S. A. – 2011. – V. 108, No 25. – P. 10184–10189. – doi: 10.1073/pnas.1103547108.
6. Phillips J.C., Braun R., Wang W., Gumbart J., Tajkhorshid E., Villa E., Chipot C., Skeel R.D., Kal´e L., Schulten K. Scalable molecular dynamics with NAMD // J. Comput. Chem. – 2005. – V. 26, No 16. – P. 1781–1802. – doi: 10.1002/jcc.20289.
7. Huang J., MacKerell A.D. Jr. CHARMM36 all-atom additive protein force field: Validation based on comparison to NMR data // J. Comput. Chem. – 2013. – V. 34, No 25. – P. 2135–2145. – doi: 10.1002/jcc.23354.
8. Grant B.J., Rodrigues A.P.C., ElSawy K.M., McCammon J.A., Caves L.S.D. Bio3d: An R package for the comparative analysis of protein structures // Bioinformatics. – 2006. – V. 22, No 21. – P. 2695–2696. – doi: 10.1093/bioinformatics/btl461.
9. Humphrey W., Dalke A., Schulten K. VMD: Visual molecular dynamics // J. Mol. Graphics. – 1996. – V. 14, No 1. – P. 33–38. – doi: 10.1016/0263-7855(96)00018-5.
10. Morris G.M., Huey R., Lindstrom W., Sanner M.F., Belew R.K., Goodsell D.S., Olson A.J. AutoDock4 and AutoDockTools4: Automated docking with selective receptor flexibility // J. Comput. Chem. – 2009. – V. 30, No 16. – P. 2785–2791. – doi: 10.1002/jcc.21256.
11. O’Boyle N.M., Banck M., James C.A., Morley C., Vandermeersch T., Hutchison G.R. Open Babel: An open chemical toolbox // J. Cheminf. – 2011. – V. 3. – Art. 33, P. 1–14. – doi: 10.1186/1758-2946-3-33.
12. Wickham H. ggplot2: Elegant Graphics for Data Analysis. – N. Y.: Springer Cham, 2016. – XVI, 260 p. – doi: 10.1007/978-3-319-24277-4.
13. Аюпов Р.Х., Акберова Н.И., Тарасов Д.С. Докинг производных пиридоксина в активномцентре холинэстераз // Учен. зап. Казан. ун-та. Сер. Естеств. науки. – 2011. – Т. 153, кн. 3. – С. 107–118.
14. Silman I., Sussman J.L. Acetylcholinesterase: How is structure related to function? // Chem.-Biol. Interact. – 2008. – V. 175, No 1–3. – P. 3–10. – doi: 10.1016/j.cbi.2008.05.035.
15. Kim D.E., Chivian D., Baker D. Protein structure prediction and analysis using the Robetta server // Nucleic Acids Res. – 2004. – V. 32. – P. W526–W531. – doi: 10.1093/nar/gkh468.
16. Benkert P., Tosatto S.C., Schomburg D. QMEAN: A comprehensive scoring function for model quality assessment // Proteins. – 2008. – V. 71, No 1. – P. 261–277. – doi: 10.1002/prot.21715.
17. Dvir H., Silman I., Harel M., Rosenberry T.L., Sussman J.L. Acetylcholinesterase: From 3D structure to function // Chem.-Biol. Interact. – 2010. – V. 187, No 1–3. – P. 10–22. – doi: 10.1016/j.cbi.2010.01.042.
18. Sussman J.L., Harel M., Frolow F., Oefner C., Goldman A., Toker L., Silman I. Atomic structure of acetylcholinesterase from Torpedo californica: A prototypic acetylcholine-binding protein // Science. – 1991. – V. 253, No 5022. – P. 872–879. – doi: 10.1126/science.1678899.
19. Мухаметгалиева А.Р., Козлова А.С., Акберова Н.И., Фаттахова А.Н. Аффинность лигандов к регуляторным участкам ацетилхолинэстеразы и бутирилхолинэстеразы человека: сравнительный биоинформатический анализ // Учен. зап. Казан. ун-та. Сер. Естеств. науки. – 2021. – Т. 163, кн. 1. – С. 5–19. – doi: 10.26907/2542-064X.2021.1.5-19.

Поступила в редакцию

31.08.2021

Козлова Анастасия Сергеевна, аспирант кафедры биохимии, биотехнологии и фармакологии, младший научный сотрудник НИЛ «Биомаркер» ИФМиБ

Казанский (Приволжский) федеральный университет ул. Кремлевская, д. 18, г. Казань, 420008, Россия

E-mail: kozlovanastasiaser@gmail.com

Мухаметгалиева Алия Рафиковна, аспирант кафедры биохимии, биотехнологии и фармакологии

Казанский (Приволжский) федеральный университет ул. Кремлевская, д. 18, г. Казань, 420008, Россия

E-mail: aliya_rafikovna@mail.ru

Фаттахова Альфия Нурлимановна, кандидат биологических наук, доцент кафедры биохимии, биотехнологии и фармакологии

Казанский (Приволжский) федеральный университет ул. Кремлевская, д. 18, г. Казань, 420008, Россия

E-mail: afattakh57@gmail.com

Акберова Наталья Ивановна, кандидат биологических наук, доцент кафедры биохимии, биотехнологии и фармакологии

Казанский (Приволжский) федеральный университет ул. Кремлевская, д. 18, г. Казань, 420008, Россия

E-mail: nakberova@mail.ru

Контент доступен под лицензией Creative Commons Attribution 4.0 License.