随机买彩票能中大奖吗:【文獻重現】D715-2441 抑制劑與PB2蛋白的結合模式研究

【文獻重現】D715-2441 抑制劑與PB2蛋白的結合模式研究

 

【前言】

從本期起,小編將帶領大家使用殷賦云計算平臺(//cloud.yinfotek.com/)來做一系列計算“文章”。這一期咱們來重現一篇2018年文獻[1]的計算結果,看看作者是如何運用分子對接技術來闡明機理、升華文章的。該文獻影響因子4.6,是典型的“實驗+計算”模式,比較接近大多數科研人員的研究現狀,只要熟悉這種模式,稍加努力即可發表同等水平的論文。

【研究背景】

文獻作者通過細胞MTT試驗從8000多個小分子中發現了一個新型的抗流感病毒化合物D715-2441。進一步實驗發現,它對流感A病毒多種亞型(H1N1、H5N1、H7N9、H3N2、臨床分離株690(H3)和帶H274Y NA變異的奧司他韋抗性株)均有抗病毒活性,能夠抑制病毒復制的早期階段。更重要的是,D715-2441明顯抑制病毒聚合酶的活性,并且直接影響PB2蛋白的定位。結合親和力分析明確了該化合物特異性結合在PB2cap蛋白上。為了闡明抑制劑D715-2441的作用機理,文獻作者采用DOCK 6分子對接技術分析其結合模式。

【計算步驟】

簡單來說,分子對接的計算步驟包括4步:

1、 準備配體(小分子)和受體(生物大分子,比如蛋白)結構;

2、 定義對接口袋;

3、 進行對接計算;

4、 分析對接結果(打分與結合模式分析)。

下面,小編圖文并茂地教大家使用殷賦云計算平臺的DOCK6方案來完成對接計算與分析。本教程不打算詳盡地講解每一個操作步驟,僅將大體過程和關鍵要點講清楚。但講了很多值得注意的細節,這是一般教程上看不到的經驗之談。讀者如果對本平臺操作不是很熟悉,請翻看相應教程(分子對接結合模式預測教程)。

1、 創建項目和任務

登錄平臺,創建項目,填寫內容。“簡略備注”和“詳細描述”是給你自己看的,可不填,但填寫備忘是個值得鼓勵的好習慣。然后,選擇計算方案或工具。在這里,我們選擇跟文獻同款的Dock6(結合模式預測)方案。之后,填寫任務內容。

2、 準備配體分子

平臺為準備配體分子提供了多種輸入方式,最簡單的莫過于在線畫結構(繪制小分子)。在畫板上畫出D715-2441的化學結構,并填上分子名稱不要有中文、空格、特殊符號或除英文字母外的其他語言文字!)和點擊添加按鈕。

輸入的分子需要經過處理才能用于對接,其中包括:添加氫原子、添加電荷、生成3D結構和能量最小化。平臺已對大多數情況進行優化設計,因此,采用默認設置即可。

值得注意的是:1、MMFF94力場是目前針對有機小分子最好的力場之一,也包括一些金屬元素[2],但并非化學元素周期表全部元素都支持,必要時請使用UFF力??;2、電荷和能量優化使用的力場最好一致。

點擊準備按鈕。

我們從視圖中看到經過處理的配體結構。盡管平臺已經做得很好,但人工檢查仍是必要的。請根據你的化學知識,仔細檢查結構是否正確,比如價鍵是否平衡、結構是否無扭曲、構型是否正確。確定無問題后,點擊確定按鈕;否則,返回前面,重新畫結構或采用其他輸入方式。

3、 準備受體分子

與配體不同,受體分子通常是生物大分子,結構大而復雜,無法手繪準備。通常采用實驗解析的結構,可從RCSB 蛋白數據庫下載。本工作用到的PB2cap蛋白PDB編號是4CB4。平臺提供了兩種輸入方式:1)輸入PDB ID;2)上傳PDB文件。這里采用第一種方式。

 

通常來說,PDB庫的晶體結構文件里邊包含了很多組分,不僅有(單條或多條)肽鏈,通?;褂杏謝》腫雍腿薌練腫櫻ㄋ腫?、金屬離子)。如果下載的是NMR結構,還可能包含多個蛋白構象(稱為model)。

在準備受體結構這一步,我們需要定義選用哪個模型(默認為1)、哪部分結構歸為受體、哪部分為配體(將被提取出來用于口袋定位;若沒有,可不定義)和其他雜質。在這里,我們選擇A:PROTEIN為受體,A:MGT1484為配體,沒有選上的部分將在后續處理中被程序刪除。

4、 定義對接口袋

我們需要定義化合物D715-2441結合的大致區域——對接口袋。在上面的步驟中,我們提取了晶體結構中原先就存在的配體分子。通過文獻了解到,它的結合位置就是D715-2441可能的結合區域。事實上,對該蛋白而言,也只有這里才靠譜。

通過選擇文件方式,從彈出的文件列表選擇MGT.pdb,點擊顯示盒子。稍等片刻,視圖中將出現一個綠色盒子將MGT分子包圍。我們需要保證的是,該盒子足夠大,能夠把口袋包圍住。默認設置基本足夠,必要時可增大小球范圍(可能導致盒子擴大)。然后點擊生成格點。這一步通常比較久,請耐心等待。然后,點擊確定按鈕。

5、 提交計算任務

Dock6方案為我們提供了多種對接計算模式,這里稍微解釋一下。

在各種模式中,蛋白受體都是剛性不動的。因為Dock6的Grid算法實際上并非直接采用蛋白結構進行對接,而是采用其模型(正是前面生成的格點)。根據配體運動的方式,分為下面幾種情況:

1) 柔性配體對接,即配體在對接過程中是柔性可變的,可旋轉單雙鍵產生不同構象。這是最常用的默認的模式;

2) 固定錨點對接,即在口袋中對配體進行小范圍構象搜索,配體有一塊結構(通常為最大的剛性結構)看似被固定住,而其他部分則可變動。該模式的用處是,在保持配體整體結合位置不變的情況下,尋找更好的結合模式;

3) 剛性配體對接,即配體是剛性的,不能旋轉化學鍵,僅可整體平移和翻轉??贍艿氖褂貿【笆?,配體的構象具有某種特殊意義,希望對接后保持不變,或者評估蛋白是否能夠容納這種構象;

4) 原位優化(in-situ minimization),即在口袋中對配體分子進行能量優化,不進行構象搜索??捎糜謨嘔涮宓慕岷夏J?;

5) 打分評價,即對口袋中的配體分子進行打分評價,不進行構象搜索??剎捎貌煌蚍趾耘涮迥騁喚岷夏J澆兄卮蚍?。

我們采用柔性配體對接模式,其他參數采用默認值,然后提交任務。

6、 對接結果分析

1) 查看對接打分

Dock6方案的對接總打分是Grid Score,負值表示有結合,正值表示不結合,因此,打分值越?。ǜ褐檔木災翟醬螅┍硎窘岷狹υ角?。它與另外兩項能量項——范德華力和靜電力——的關系是:Grid Score = Grid_vdw + Grid_es。Internal Energy是分子內能,表示對接構象(pose)的張力大小,正值,越小越好,通常20 kcal/mol以下比較合理。Pose列是對接構象編號,按照Grid Score從小到大排列。因此,第一個pose即為對接軟件根據打分判斷為最好的對接構象。

根據經驗,Grid Score>-40 kcal/mol屬于結合力較差,-40~-50kcal/mol屬于中等,<-50kcal/mol屬于較好。由于D715-2441分子較小,所以疏水作用面積小,范德華力貢獻自然較小,靜電力貢獻通常也不會很大,導致整體打分較差。這是可以理解的,也應理解為該對接構象還算合理。

從打分分布看,各個pose的打分相差不大,范德華力貢獻為主,第一個pose的靜電力貢獻相對其他pose出奇地大,意味著它具有較多較強的靜電作用力(比如氫鍵和鹽橋)。

2) 分析相互作用

仔細觀察各個pose,結合上面的對接打分。我們認為第一個pose 的作用力最多,結合力最好,結合方式符合預期,是最好的構象。對比文獻,這個pose與之幾乎完全一致(下面會解釋差異之處)。因此,我們選擇它來做結合模式分析。

為清晰起見,點擊視圖右側Protein下的cartoon按鈕,去掉cartoon樣式。點擊Ligand下的center按鈕,居中顯示配體。我們清晰地看到,化合物D715-2441的芳環結構夾在H357的咪唑環和F404的苯環之間形成三明治結構,并與之分別形成π-π堆積作用(黃線),還有與F404的疏水作用(灰線),這些作用力一起構成了范德華力,提供了約-35.48kcal/mol的結合力貢獻。另一方面,E361的羧基和K376的質子化N原子同時與苯環上的羥基形成氫鍵,氫鍵距離、角度可從下方表格查到。F404骨架上的氧原子也與D715-2441另一個羥基形成氫鍵作用。與文獻不同的是,K339的N+原子和H357的咪唑基都跟環酯基形成鹽橋作用。這種作用通常認為是非典型的,所以文獻未提及,但在我們的檢測分析工具里,它被呈現出來。這些極性作用為化合物的結合提供了較強的靜電力貢獻(約-7.69kal/mol),這也是該pose相對其他pose而言靜電力非常顯著的原因。

跟文獻存在差異的另一個地方是,文獻顯示Phe323與化合物存在π-π堆積作用,Phe325存在疏水作用。但在我們的分析結果中,并沒有出現這兩個作用力。實際上,這兩個氨基酸殘基距離底物稍遠,剛好超過該分析工具的相互作用力幾何判斷標準。但若將其原子結構顯示出來,即發現也在附近(下圖)。在柔性配體對接模式下,蛋白是剛性的,蛋白口袋的形狀、殘基位置未必是與配體最契合的。普遍認為,蛋白-配體之間存在“誘導契合”效應。在真實情況下,由于分子熱運動,蛋白、配體間距離不可能一成不變。對接計算只是展示了其靜態的一面,在真實世界里,幾何距離在臨界點附近的作用力可能“若隱若現”。

【下期預告】

高質量的文章需要高質量的Figure。小編將在下期教大家使用PyMOL做上乘的蛋白-配體結合模式圖。敬請關注~

【參考文獻】

[1] Teng et al. A Small-Molecule Compound Has Anti-influenza A Virus Activity by Acting as a “PB2 Inhibitor”. Mol. Pharmaceutics, 2018, 15 (9), pp 4110-4120.?DOI: 10.1021/acs.molpharmaceut.8b00531

[2]?https://open-babel.readthedocs.io/en/latest/Forcefields/mmff94.html#mmff94-force-field