 1. 引言：蛋白動(dòng)態(tài)與藥物設(shè)計(jì)的融合  圖1:示意圖 2. 研究背景與挑戰(zhàn) 2.1 蛋白構(gòu)象景觀的重要性 蛋白質(zhì)功能的實(shí)現(xiàn)依賴于其動(dòng)態(tài)的構(gòu)象變化，例如配體結(jié)合、活性調(diào)控等。研究這些動(dòng)態(tài)行為對(duì)理解蛋白質(zhì)功能至關(guān)重要。然而，現(xiàn)有的實(shí)驗(yàn)方法，如核磁共振（NMR）、低溫電子顯微鏡（Cryo-EM）等，盡管能夠捕捉蛋白質(zhì)的某些狀態(tài)，但在揭示高能量瞬態(tài)構(gòu)象方面存在局限性。此外，這些技術(shù)對(duì)蛋白樣本要求高，難以全面反映蛋白質(zhì)的構(gòu)象多樣性。 2.2 晶體學(xué)藥物片段篩選的潛力 晶體學(xué)藥物片段篩選是一種高通量技術(shù)，通過將大量小分子片段浸泡于靶標(biāo)蛋白晶體中并利用X射線晶體學(xué)分析其結(jié)合情況，來確定潛在的結(jié)合位點(diǎn)。這一方法不僅能夠識(shí)別配體結(jié)合位點(diǎn)，還能捕獲蛋白質(zhì)因結(jié)合片段而發(fā)生的構(gòu)象變化。 本文進(jìn)一步發(fā)展了這一思路，提出利用COLAV工具從藥物片段篩選數(shù)據(jù)中重建蛋白構(gòu)象景觀。這種方法可以提供對(duì)蛋白質(zhì)動(dòng)態(tài)特性和配體誘導(dǎo)構(gòu)象變化的全新視角。 3. 研究方法與技術(shù)實(shí)現(xiàn) 3.1 COLAV工具的核心功能 COLAV工具通過三種結(jié)構(gòu)表示法表征蛋白的構(gòu)象變化： 主鏈二面角，捕捉局部主鏈的動(dòng)態(tài)變化。 Cα原子間的成對(duì)距離，反映蛋白整體的全局動(dòng)態(tài)。 應(yīng)變分析，量化構(gòu)象轉(zhuǎn)換中的方向性變形，特別關(guān)注局部運(yùn)動(dòng)區(qū)域（如鉸鏈區(qū)域）。 這些表示法通過主成分分析（PCA）或其他降維技術(shù)（如t-SNE和UMAP），將蛋白的高維構(gòu)象數(shù)據(jù)映射到低維空間，從而清晰地展現(xiàn)其構(gòu)象分布及動(dòng)態(tài)轉(zhuǎn)變路徑。 3.2 數(shù)據(jù)來源與處理 研究以PTP1B和MPro為模型蛋白： PTP1B，從PDB數(shù)據(jù)庫和晶體學(xué)藥物片段篩選中收集共350個(gè)晶體結(jié)構(gòu)。 MPro，分析631個(gè)藥物片段篩選結(jié)構(gòu)及656個(gè)其他晶體結(jié)構(gòu)，總計(jì)2845條多肽鏈。 通過標(biāo)準(zhǔn)化處理（如對(duì)齊、二面角計(jì)算和結(jié)構(gòu)校正），確保數(shù)據(jù)一致性并提高分析精度。   圖2:通過三種不同的結(jié)構(gòu)表示推斷的PTP1B構(gòu)象景觀，并按構(gòu)象著色 4. 結(jié)果與討論 4.1 構(gòu)象景觀的重建與特征識(shí)別 通過對(duì)PTP1B和MPro數(shù)據(jù)的PCA分析，成功構(gòu)建了兩者的構(gòu)象景觀： PTP1B，主要通過WPD環(huán)和L16環(huán)的狀態(tài)變化，展示四種顯著構(gòu)象狀態(tài)（開/開、開/閉、閉/開、閉/閉）。WPD環(huán)參與催化活動(dòng)，而L16環(huán)則與蛋白表面區(qū)域耦合，顯示了復(fù)雜的全局動(dòng)態(tài)特性。 MPro，構(gòu)象景觀以連續(xù)動(dòng)態(tài)為主，顯示域間連接區(qū)域的柔性變化，以及與活性位點(diǎn)遠(yuǎn)程耦合區(qū)域的協(xié)同運(yùn)動(dòng)。 4.2 晶體學(xué)藥物片段篩選的優(yōu)勢(shì) 此外，通過化學(xué)空間分析發(fā)現(xiàn)，不同的片段配體能夠誘導(dǎo)相似的蛋白動(dòng)態(tài)，這體現(xiàn)了構(gòu)象選擇機(jī)制的普適性。 4.3 蛋白-配體耦合的全新發(fā)現(xiàn) 研究進(jìn)一步揭示了PTP1B和MPro中一些新的構(gòu)象耦合特性： PTP1B，WPD環(huán)、L16環(huán)與C端α7螺旋之間存在協(xié)同作用，其狀態(tài)轉(zhuǎn)變對(duì)酶活性具有重要調(diào)控作用。 5. 應(yīng)用前景與未來展望 5.1 藥物研發(fā)中的實(shí)際應(yīng)用 晶體學(xué)藥物片段篩選結(jié)合COLAV分析，為藥物研發(fā)提供了以下新機(jī)遇： 靶點(diǎn)動(dòng)態(tài)分析：深入理解蛋白動(dòng)態(tài)，為配體設(shè)計(jì)提供更精準(zhǔn)的靶標(biāo)狀態(tài)。 配體篩選優(yōu)化：快速識(shí)別能穩(wěn)定特定構(gòu)象的片段，提高篩選效率。 構(gòu)象導(dǎo)向的藥物設(shè)計(jì)：通過鎖定特定構(gòu)象，開發(fā)更高效的抑制劑或激動(dòng)劑。 5.2 方法學(xué)改進(jìn)與展望 盡管COLAV方法表現(xiàn)出色，但仍有一些局限性： 受限于晶體學(xué)技術(shù)，可能無法捕捉某些瞬態(tài)構(gòu)象；現(xiàn)有分析方法對(duì)動(dòng)力學(xué)信息的揭示有限，未來可結(jié)合分子動(dòng)力學(xué)模擬或機(jī)器學(xué)習(xí)進(jìn)一步完善。 研究團(tuán)隊(duì)建議擴(kuò)展COLAV的適用范圍，涵蓋更多蛋白類型及多模態(tài)實(shí)驗(yàn)數(shù)據(jù)，從而更全面地揭示蛋白質(zhì)的動(dòng)態(tài)特性與藥物結(jié)合機(jī)制。 6. 結(jié)論 參考資料： Saeed, A. A.; Klureza, M. A.; Hekstra, D. R. Mapping Protein Conformational Landscapes from Crystallographic Drug Fragment Screens. J. Chem. Inf. Model. 2024. DOI: 10.1021/acs.jcim.4c01380 |
|
|
