

通過關注肽和蛋白質的相互作用,首次從計算角度對肽結合位點進行的全面的形態學和能量學研究。
背景介紹
肽-蛋白相互作用與許多細胞和代謝系統的信號轉導和調節網絡有關,并與人類疾病如癌癥和神經退行性疾病的發生密切相關。在過去的幾十年里,人們對肽-蛋白界面的結構表征的興趣對理解這些分子間的相互作用起到了關鍵作用,有助于合理設計出新的候選治療調節劑。
然而,全面了解肽-蛋白質相互作用的分子細節仍然是一項艱巨的任務,這為計算方法的深入發展開辟了肥沃的土壤。目前,已有多個基于序列的肽-蛋白相互作用數據庫(如ELM, DOMINO, PepBank)和從蛋白質數據庫(如Pepx, PeptiDB,或PeptiSite)檢索的肽蛋白復合物的三維晶體結構庫。不同的開源預測工具,也可以在原子水平上研究發生在肽-蛋白界面上的相互作用。盡管如此,還需要進一步努力以獲得基于能量的對肽與其靶標對應物之間發生的關鍵結合相互作用的了解。
網格分子相互作用場(GRID-MIFs)方法,已廣泛應用于研究小分子和生物大分子上的能量有利結合位點。有趣的是,通過GRID力場產生的MIFs可以用來評估肽(靶標殘基亦然)可建立的相互作用的類型、強度和方向。
主要內容
來自意大利巴里·阿爾多·莫羅大學的Orazio Nicolotti 和佩魯賈大學的Gabriele Cruciani等人,通過聚焦多肽和蛋白質的立場,經由電腦模擬,得到了對肽結合位點的形態學和能量學的全面分析。研究者從PixelDB數據庫(肽-蛋白復合物的高質量3D晶體結構的非冗余基準集合)開始,根據每個共結晶肽的性質對最具代表性的類別進行分類分析。為了揭示物理化學和結構上的因果關系,研究者從肽和靶蛋白兩方面計算出了幾種可解釋的幾何和能量描述符。最后,研究者分析了結合界面上最常見的肽-蛋白殘基對,并基于GRID MIFs進行了廣泛的能量分析。相關的研究成果以?“Getting Insights into Structural and Energetic Properties of Reciprocal Peptide–Protein Interactions”?為題發布在國際著名期刊Journal of Chemical information and Modeling上。
詳細分析下載地址
https://github.com/KeatingLab/PixelDB
幾何描述符
在尺寸和形狀肽描述符中,考慮了長度、體積、粗糙度、球狀度和靈活性等描述符,定義如下:
1. 用肽段長度來測定肽段的總殘基數;
2. 體積表示水排開的體積(在?3中),即被水可及表面包圍的體積;
3. 凹凸度:表明肽表面存在分子褶皺,以體積/表面的比率表示;
4. 球形度來量化肽的球形度;
5. 彈性:分子的最大彈性。
考慮整個復雜的肽-蛋白,利用以下兩個互反描述子來評價相互作用表面區域的埋深程度:
1. 溶劑暴露:表達為?2的溶劑可接觸到的靶標口袋的表面部分,不與蛋白質殘基接觸。
2. 埋藏體積:由蛋白腔內嵌套較多的原子的體積單位之和給出(即,距離低于預定閾值的原子等于9.0 ?)。
能量描述符
GRID以N1+和O-為探針,以對肽基產生的電荷、靜電和極性相互作用的數量進行計算。用VolSurf+/BioGPS (FLAPsite tool)軟件分別計算肽和靶蛋白的親水性和疏水性區域(以及分子表面的相對比例)。疏水/親水比率是疏水/親水體積在整個分子表面的度量。
nr-PixelDB肽靶區多樣性:形態和能量分布
首先,研究者對屬于nr-PixelDB復合物的最具代表性的肽類進行了分類分析。根據先前所描述的關于肽的性質以及其已解決的晶體序列的百分比的標準,確定了四個主要類別。對于這四類肽,研究者分別計算了肽和靶點的二級結構以及幾何和能量描述符的分布。四種肽類在所有分布(二級結構、幾何和能量描述符)上均無顯著差異。
肽-靶標界面的結構表征
首先,本文描述了在肽-蛋白質結合位點的二級結構基序的識別。如圖1所示,熱圖量化了所有nr-PixelDB復合物在相互作用區域的不同二級結構基元的百分比,這些基元都是肽和相應的靶標對應物。每一行對應一個給定的nr-PixelDB復雜的交互位點,從黃色到藍色的漸變顏色代碼占特定結構圖案的百分比不斷增加。

圖1. nr-PixelDB復合物在相互作用區域的不同二級結構基元的百分比熱圖。圖片來源:JCIM
從多肽的靶區角度看,α螺旋和β鏈是最常見的結構基元。對于大多數nr-PixelDB復合物,在相互作用位點發現?310?螺旋和橋式排列的百分比很低。

圖2. 形態和能量描述符進行比較得到了肽-蛋白相互作用區域。圖片來源:JCIM
將計算得到的形態和能量描述符進行比較以了解肽-蛋白相互作用區域(圖2)。研究者構建了一個相關圖來測量不同形態和能量特性之間的關系,這些特性包括肽、靶標和整個復合物。觀察到肽的三維幾何和能量特征與其形狀之間的相關性為:高的球形度通常與較低的柔韌度(rGlob_Pep-Flex_Pep?=?0.79)和較低的親水性(rGlob_Pep-OH2_Pep?=?0.87)肽相關。因此,具有擴展構象的多肽傾向于與蛋白質對應物上更寬的區域相互作用。在圖2B中,為了完整起見,研究者報告了兩個球形度高(PDB ID:2VDR)和低(PDB ID:2NUD)的多肽的例子。

圖3. 肽靶三維分子描述符和二級基序的相關圖。圖片來源:JCIM
此外,研究者還分析了在相互作用位點上二級結構和三維描述符(幾何和能量)之間的相互影響。圖3顯示了一個關聯圖,該關聯圖結合了二級結構圖案的信息和從肽和靶標點導出的幾何和能量3D-GRID描述符。具體而言,只有在肽或靶標中具有特定基元的nr-PixelDB復合物被用于推導相關性,其大小在括號中表示為考慮的nr-PixelDB復合物相對于nr-PixelDB數據庫總大小的百分比(n = 423)。
首先,肽的圓度和粗糙度拓撲與其三維折疊成正比,如圖3中的綠點所示。多肽以?310?個螺旋和橋基序的比例較高,呈球狀排列。在線圈圖案中占普遍比例的肽片段在其表面顯示出更多的褶皺。
殘差對統計分析與3D-GRID能量分布
第一步基于歐幾里德原子間距離,研究者計算了發生在肽與蛋白質靶標之間的兩組相互殘基對的疏水性和極性相互作用。如圖4左側所示,根據其極性和疏水性質,考慮了用于評估疏水相互作用的減少數量的殘基(Ala, Cys, Gly, Ile, Leu, Met, Phe, Pro, Trp, Val)。如圖4右側所示,研究者對所有20個氨基酸進行了研究,以檢測極性對相互作用,主要是供體/受體的氫鍵。

圖4. 肽靶結合位點上的疏水(左手邊)和極性(右手邊)相互作用的相互殘基矩陣。圖片來源:JCIM
肽-靶界面上電荷相對的殘基之間的靜電相互作用,在極性對相互作用中起著特別重要的作用。事實上,得分最高的肽-靶對是GluTarget-ArgPeptide、AspTarget-ArgPeptide、ArgTarget-GluPeptide和GluTarget-LysPeptide,其相互作用對數分別為294、249、147和147。值得注意的是,除了側鏈外,還包括主氫鍵的供體和受體,從而建立了極性相互作用,如圖5所示。

圖5. 最常見的靶標-肽極性對的典型例子,通過招募氫鍵的主供體和受體建立。圖片來源:JCIM
研究者利用CRY、N1和O三種GRID探針,在GRID力場中生成MIFs,利用BioGPS算法分別計算了親脂性、氫鍵受體和供體相互作用。給定MIF的寬度取決于所涉及的相互作用基團的能量。MIF越大,在該區域找到互補的概率越高,如果殘基是疏水的,則為疏水基團;如果殘基是含氫鍵供體或受體基團的,則為供體部分。
圖6中,研究者總結了多肽和相互作用結合位點靶點上的所有殘基MIFs的能量分布(以kcal/mol表示)。

圖 6. 分別用于研究親脂性、氫鍵受體和供體相互作用的CRY、N1和O探針獲得的多肽和相互作用結合位點上的所有殘基的3D-GRID能量分布。圖片來源:JCIM
值得注意的是,由CRY探針產生的兩條曲線(綠線)的重疊表明,在疏水能量貢獻方面,屬于肽和靶標區域的殘基具有相似的行為。相反,在極性相互作用中觀察到不同的趨勢。N1探針在能量水平上的峰值約為-7.0kcal/mol,且幾乎完全沒有弱相互作用(藍虛線),表明肽殘基在相互作用位點上具有很強的作為氫鍵受體的能力。相反,蛋白質靶點殘基,既作為強H鍵受體又作為弱H鍵受體(連續的藍線)。O探針對這兩種殘基(虛線和實線)都產生了強相互作用和弱相互作用(即在?2.0和?6.0 kcal/mol處出現峰值)。兩個倒峰也被觀察到,這表明與相應的靶標相比,肽殘基作為氫鍵供體的能力更強。
蛋白質-蛋白質相互作用殘基對的比較研究
接下來,研究者比較了nr-PixelDB與nr-PP-DB的配合物在相互作用位點上出現的給定殘基對??紤]到肽(圖7A和C)和靶(圖7B和D)的觀點,與蛋白質-蛋白質復合物相比,研究者計算出了疏水和極性對的百分比差異。?

圖 7. 屬于nr-PixelDB的配合物與屬于nr-PP-DB的配合物。圖片來源:JCIM
如圖所示,在nr-PixelD結合位點,ProPeptide與TrpTarget相互作用和CysPeptide與CysTarget相互作用時,疏水對接觸的比例較高,分別為14.80%和16.31%(圖7A,紅色方塊)。另一方面,胱氨酸和亮氨酸進行疏水相互作用,這種情況在蛋白質-蛋白質復合物中更為常見,其比例差異為11.72%(圖7A,藍色方框)。值得注意的是,TrpTarget被證實在肽-蛋白結合位點與ProPeptide特異性相互作用,其值達到21.22%。
有趣的是,脯氨酸的極性貢獻對于屬于nr-PixelDB的配合物來說是不同的,而對于肽的立場是nr-PP-DB(圖7C)。結果表明,如果脯氨酸屬于肽-蛋白復合物中的多肽,則更傾向于與靶標殘基酪氨酸(18.63%)相互作用;此外,脯氨酸更傾向于與精氨酸在蛋白-蛋白極性對中相互作用(16.41%)。
如圖7D所示,將屬于nr-PixelDB的復合物的相互作用位點上的極性對與屬于nr-PP-DB的復合物的相互作用位點上的極性對進行了比較,得出了相關結果。
結論總結
本文在基于肽和靶標蛋白的立場上,對肽腔進行了詳細的拓撲和能量描述。這一分析證實了3D-GRID策略是一種有用的替代方法,可來表征肽設計中的氨基酸結構,以及與伴侶蛋白進行增強親和力的相互作用。
參考文獻
Daniela Trisciuzzi, Lydia Siragusa, Massimo Baroni, Ida Autiero, Orazio Nicolotti, and Gabriele Cruciani, Getting Insights into Structural and Energetic Properties of Reciprocal Peptide–Protein Interactions, Journal of Chemical Information and Modeling Article ASAP. DOI: 10.1021/acs.jcim.1c01343.