登Science,药物亲和力<5纳摩尔,加州大学开发特异性药物结合蛋白的从头计算方法

编辑 | 萝卜皮随着抗癌研究的不断深入,科学家们一直在寻找新的方法来提高治疗效果并减少副作用。小分子结合蛋白的从头设计技术是解决这一问题的关键。然而,高亲和力结合和可调特异性,通常需要在计算设计后进行复杂的筛选和优化,这为研究造成了重大阻碍。加州大学旧金山分校的研究人员开发了一种名为 COMBS 的从头蛋白质设计计算方法,并设计了能与新兴抗癌药物紧密结合的蛋白质。实验验证表明,所设计的蛋白质与药物的亲和力强度达到了小于 5 纳摩尔的水平;X 射线晶体结构证实了所设计蛋白质与药物相互作用的准确性。这表明,科学家可以通

登Science,药物亲和力<5纳摩尔,加州大学开发特异性药物结合蛋白的从头计算方法

编辑 | 萝卜皮

随着抗癌研究的不断深入,科学家们一直在寻找新的方法来提高治疗效果并减少副作用。小分子结合蛋白的从头设计技术是解决这一问题的关键。然而,高亲和力结合和可调特异性,通常需要在计算设计后进行复杂的筛选和优化,这为研究造成了重大阻碍。

加州大学旧金山分校的研究人员开发了一种名为 COMBS 的从头蛋白质设计计算方法,并设计了能与新兴抗癌药物紧密结合的蛋白质。

实验验证表明,所设计的蛋白质与药物的亲和力强度达到了小于 5 纳摩尔的水平;X 射线晶体结构证实了所设计蛋白质与药物相互作用的准确性。这表明,科学家可以通过计算方法设计出具有特定功能的蛋白质,而且为癌症治疗提供了新的策略。

该研究以「De novo design of drug-binding proteins with predictable binding energy and specificity」为题,于 2024 年 4 月 4 日发布在《Science》。

图片

分子识别在药物蛋白设计中仍有挑战

分子识别是酶催化活性的基础,并驱动蛋白质受体的信号传导。虽然科学家对蛋白质设计和分子相互作用有了深入的了解,但是合理设计以低纳摩尔至皮摩尔亲和力特异性结合小分子的蛋白质,仍然是一个重大挑战。

因为需要精确模拟和预测蛋白质与药物分子之间复杂的相互作用,包括氢键、疏水作用和电荷相互作用等。此外,高亲和力结合通常要求:蛋白质结合位点在结合过程中的构象变化、水分子的排挤效应能够被精确计算和优化;这些因素都增加了研究的复杂性和难度。

科学家具体指出,设计能够特异性结合小分子药物的蛋白质所面临的一大挑战是:如何克服极性基团在结合过程中失去与水分子有利相互作用的损失。

为了补偿这种失去的水合能,小分子的极性化学基团必须与蛋白中的原子基团形成高度定向和距离依赖的氢键以及静电相互作用。这些极性相互作用不仅对亲和力至关重要,也决定了蛋白质对其底物与其他形状相似分子的特异性。

一种针对特异性蛋白的从头算设计方法

加州大学旧金山分校的研究人员开发了一种名为 COMBS(Convergent Motifs for Binding Sites)的设计方法,通过采样能够形成这些相互作用的序列和结构,以及通过优化蛋白质的构象来最小化结合时的构象熵损失,从而提高设计的成功率。

具体来说,它允许在搜索不那么特异但能量上有利的范德华和疏水相互作用来完成结合位点之前,只对能够形成极性相互作用的序列和结构进行采样。这种方法特别关注如何在蛋白质结合位点的设计中精确地排列化学基团,从而确保它们能够与目标小分子形成高度定向和距离依赖的相互作用。

图片

图示:PARPi 蛋白结合物的计算设计。(来源:论文)

COMBS 使用一种称为 vdMs(van der Mers)的工具来搜索化学基团与氨基酸骨架原子相互作用的最佳空间位置。vdMs 类似于定义氨基酸侧链原子相对于其主链原子的有利位置的 rotameric 构象,但 vdMs 定义的是与残基主链原子相互作用的化学基团片段的最佳位置。每种氨基酸类型可以采用多个 vdMs,这些 vdMs 根据在蛋白质数据库(PDB)中的出现频率,被聚类成相似的组,并附上相关的概率。

COMBS 算法然后在给定的蛋白质骨架上找到多个位置,这些位置可以同时与目标小分子的化学基团形成有利的范德华、芳香性或氢键相互作用。通过这种方式,COMBS 能够识别出能够与药物形成高亲和力结合的蛋白质骨架,并创建出相应的结合位点。

实际应用与湿实验验证

研究人员首先使用 COMBS 方法定义了药物的药效团,并在选定的蛋白质骨架上采样 vdMs,从而识别能够与目标小分子形成氢键的化学基团。通过这种方法,他们发现了能够与 rucaparib 药物的特定化学基团形成相互作用的侧链。

在初步设计后,研究人员通过 Rosetta 灵活骨架序列设计和第二轮 vdMs 采样,进一步优化了蛋白质的结合位点。这一迭代过程成功地识别了与 rucaparib 结合亲和力更高的氨基酸残基。

图片

图示:评估 PiB 与 rucaparib 的计算模型和实验结合。(来源:论文)

然后,该团队对设计的蛋白质在湿实验室中进行了表达纯化,通过荧光滴定实验验证了其与 rucaparib 的结合亲和力。结果显示,设计的蛋白质 PiB 和 PiB' 与 rucaparib 的结合亲和力非常强,Kd 值分别为 2.2 nM 和 0.37 nM。

之后,通过X射线晶体学方法,研究人员确定了 PiB' 与 rucaparib 结合的晶体结构,证实了设计的准确性。结构分析表明,蛋白质的结合位点与预测的模型非常吻合,且与药物的相互作用也与设计的预期一致。

图片

图示:药物结合的PiB'的结构与设计相符。(来源:论文)

图片

图示:使用 PARPi 对 PiB 进行光谱滴定和细胞活力测定。(来源:论文)

研究人员还测试了所设计蛋白质与一系列 PARPi 药物的结合能力。结果显示,PiB 和PiB' 能够与 rucaparib 以外的其他 PARPi 药物也表现出亚微摩尔级别的亲和力,但随着药物结构与 rucaparib 的差异增大,亲和力逐渐减弱。

在细胞水平上,PiB 和 PiB' 能够减轻 PARPi 药物对 BRCA2 突变细胞的毒性效应,这表明了设计的蛋白质在生物学上的相关性和潜在的应用价值。

图片

图示:PiB、PiB' 和突变体的 MD 模拟。(来源:论文)

结语

总而言之,「该团队采用考虑相互作用化学基团局部结构的方法,专注于开发少量的蛋白质设计来结合极性药物分子。他们筛选了三种得分最高的设计,并确定了一种即使没有费力的优化也能以亚纳摩尔亲和力与所需小分子结合的设计。」《Science》的编辑 Michael A. Funk 评价道。

「实验验证和计算工作证实了设计的准确性,并揭示了相关药物分子的预测和观察到的结合亲和力之间的相关性。这些结果为高亲和力药物结合蛋白的设计提供了一种有前景的方法。」他说。

论文链接:https://www.science.org/doi/10.1126/science.adl5364

相关资讯

「两全其美」,从头设计分子,深度学习架构S4用于化学语言建模

编辑 | KX生成式深度学习正在重塑药物设计。化学语言模型 (CLM) 以分子串的形式生成分子,对这一过程尤为重要。近日,来自荷兰埃因霍芬理工大学(Eindhoven University of Technology)的研究人员将一种最新的深度学习架构(S4)引入到从头药物设计中。结构化状态空间序列(Structured State Space Sequence,S4)模型在学习序列的全局属性方面表现卓越,那么 S4 能否推进从头设计的化学语言建模?为了给出答案,研究人员系统地在一系列药物发现任务上对 S4 与最先

纳米孔检测特定蛋白质,使细胞能够与计算机通话

编辑 | 萝卜皮基因编码的报告蛋白一直是生物技术研究的支柱,使科学家能够跟踪基因表达、了解细胞内过程和调试工程基因回路。但依赖荧光和其他光学方法的传统报告方案存在实际局限性,可能会给该领域的未来进展蒙上阴影。因此使用纳米孔检测特定蛋白质,目前具有挑战性。为了应对这一挑战,华盛顿大学的研究人员开发了一组超过 20 个纳米孔可寻址蛋白质标签,它们被设计为报告基因(NanoporeTERs,或 NTERs)。NTER 由分泌标签、折叠结构域和纳米孔靶向 C 端尾部构成,其中可以编码任意肽条码。该团队展示了使用 MinIO

ScienceAI发展前瞻:AI与科学计算的双向影响

「机器之心2021-2022年度AI趋势大咖说」聚焦「驱动未来的AI技术」与「重塑产业的AI科技」,推出线上分享,共邀请近40位AI领域知名学者、产业专家及企业高管通过主题分享及多人圆桌等形式,与行业精英、读者、观众共同回顾 2021年中的重要技术和学术热点,盘点AI产业的年度研究方向以及重大科技突破,展望2022年度AI技术发展方向、AI技术与产业科技融合趋势。