Новые подходы к молекулярному моделированию трансмембранных доменов рецепторов, действие которых опосредовано G-белками

• Автор: Чугунов, Антон Олегович
• Шифр специальности: 03.00.02
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Москва
• Количество страниц: 91 с. : ил.

Список сокращений
Глава 1. Введение
Глава 2. Методы предсказания структуры G-белоксопряжённых рецепторов, оценки качества упаковки белковых цепей и моделирования взаимодействий белок-ли-га!нд (обзор литературы)
2.1. Применение пространственных моделей белков на практике
2.II. Распространенные методы моделирования GPCR-рецепторов
2.11.1. Общая информация о GPCR-рецепторах
2.11.2. Методы моделирования ab initio
2.11.3. Методы моделирования на основании гомологии с родопсином
2.11.4. Возможные пути оптимизации моделей GPCR
. 2.III. Существующие методы оценки качества упаковки белков
2.IV. Моделирование белок-лигандных взаимодействий
2.V. Методы количественной оценки гидрофобных взаимодействий
2.VI. Объект исследования: рецепторы мелатонина МТ, и МТ2
Глава 3. Результаты и обсуждение
3.1. Молекулярное моделирование рецепторов мелатонина MTj и МТ2
3.1.1. Построение «стартовых» моделей рецепторов
3.1.2. Анализ и оптимизация «стартовых» моделей
3.1.3. Выбор оптимального угла вращения а-спирали ТМЗ
3.1.4. Структурные различия сайтов МТХ и МТ2, модель селективности
3.1.5. Выводы (I)
3.11. Разработка нового метода оценки качества упаковки трансмембранных а-спиральных доменов белков
ЗЛЫ. Подготовка и характеристика набора структурных данных
3.II.2. «Оценивающая функция для мембранных белков»
3. II. 3. Тестирование метода
3.II.4. Выводы (II)
3.111. Новый подход к улучшению результатов докинга
3.111.1. Комплементарность гидрофобных свойств в кристаллографических комплексах белок-лиганд
3.111.2. Применение численной оценки гидрофобного соответствия для улучшения результатов докинга
3.111.3. Выводы (III)
Глава 4. Заключение, выводы и перспективы
Глава 5. Методы и алгоритмы
5.1. Молекулярное.моделирование рецепторов мелатонина МТ4 и МТ2
5.11. Метод «оценивающей функции для мембранных белков»
5.111. Применение метода МГП-комплементарности для улучшения результатов докинга
Список литературы

Список сокращений
3D — Пространственный (трехмерный);
GPCR — G-protein coupled receptor (G-белоксопряженный рецептор);
МТ1( МТ2 — Рецепторы мелатонина человека типов MTt и МТ2;
PDB — Protein Data Bank (Брукхейвенский банк данных белковых структур);
АПС — Атомные параметры сольватации;
МБ — Мембранный белок;
МГП — Молекулярный гидрофобный потенциал;
мд- Молекулярная динамика;
мк — Монте-Карло;
ОФ — Оценивающая функция;
ОФМБ — . Оценивающая функция для мембранных белков;
РСА — Рентгеноструктурный анализ;
СКО — Среднеквадратичное отклонение;
ТМ — Трансмембранный;
ТМ1-7 — Трансмембранные а-спиральные сегменты GPCR 1*7;
ФБ — Фотосинтетические белки;
ЯМР — Ядерный магнитный резонанс.

Глава 1. Введение
Двадцать первый век часто называют «веком биологии» и предрекают, что многие проблемы, веками отягощавшие жизнь человечества (неизлечимые болезни, порог продолжительности жизни и другие), будут разрешены именно в XXI столетии. «Золотой» юбилей открытия структуры ДНК, отмечавшийся всего несколько лет назад, и практически законченные работы по секвенированию человеческого генома, равно как и геномов многих других организмов, знаменуют наступление новой, «постгеномной», эры в биологии. Интерес исследователей во многом сместился с того, как наследственная информация кодируется в молекулах ДНК, на выяснение роли и функций других макромолекул, содержащихся в клетках живых организмов, — РНК и белков. Особенно важным представляется понимание механизмов взаимодействия белковых молекул с другими макромолекулами и низкомолекулярными соединениями — в том числе, с лекарствами.
Человечество уже довольно давно использует лекарственные препараты — как естественного, так и искусственного происхождения. Новые подходы современной молекулярной биофизики привносят совершенно новые возможности в области создания новых лекарств, основываясь, как правило, на изучении молекулярных механизмов заболевания и структурных особенностей взаимодействия лекарства со своей биологической мишенью. Наличие пространственных структур белков-мишеней для терапии определенного заболевания является одним из ключевых аспектов в данной области. Однако по сравнению со многими современными молекулярно-биологическими методами, поставленными «на поток», определение пространственной структуры белков до сих пор является очень сложной и трудоёмкой задачей, не имеющей универсального решения. Эта проблема стоит особенно остро для большинства мембранных белков, в большинстве случаев слишком крупных для определения их структуры методом спектроскопии ядерного магнитного резонанса (ЯМР) и находящихся в клетке в слишком малом количестве, чтобы можно было получйть белковый кристалл, пригодный для исследования методом рентгеноструктурного анализа (РСА).
Мембранные белки (МБ) — объекты исключительной биологической и биомедицинской важности, среди функций которых можно назвать рецепцию сигналов, транспорт веществ, создание и поддержание трансмембранных (ТМ) потенциалов и др. МБ составляют не менее трети всех синтезируемых клеткой белков (Wallin & von Heijne, 1998), и без них невозможно существование ни многоклеточных, ни одноклеточных существ. Одним из важнейших классов МБ являются так называемые G-белоксопряжённые рецепторы1, составляющие 1-5% всех кодируемых белков в геномах множества организмов. Об их чрезвычайной фармакологической важности говорит тот факт, что более половины всех выпускаемых в настоящее время лекарственных препаратов действует на эти рецепторы (Klabunde & Hessler, 2002). С их дисфункцией связано большое число заболеваний (Schöneberg et al„ 2004), и их терапевтический потенциал, по сути, только начинает осваиваться. К сожалению, как уже было сказано, возможности экспериментальных методов определения пространственной структуры МБ пока крайне ограничены и не могут полностью удовлетворить запросов
1 Английское название этих рецепторов (которые также называют рецепторами, чьё действие опосредовано G-белками) — G-protein coupled receptors (GPCR). Эта общепринятая аббревиатура в дальнейшем будет использоваться для их обозначения. Полный список сокращений и аббревиатур дан в начале работы.

женный «ниже» прямой для белков «базового» набора (данные не приведены). Видимо, это свидетельствует о различных характеристиках упаковки ФБ по сравнению с другими МБ. Наиболее простое объяснение этого факта заключается в том, что ТМ домен ФБ изобилует пигментными молекулами, поглощающими свет. Видимо, эти молекулы ослабляют и/или изменяют характерные для остальных МБ межспиральные взаимодействия внутри белка и заменяют их взаимодействиями белок-пигмент. Возможно, для оценки качества ФБ требуется отдельная параметризация метода с использованием доступных структур как обучающего набора.
Уже упоминалось, что «классический» метод профиля трехмерного окружения, предложенный Дэвидом Айзенбергом для водорастворимых белков (Bowie et al., 1991), может быть не оптимален применительно к МБ. Чтобы проверить это предположение, «финальный» набор МБ был оценен с помощью метода 3D профиля (рис. 3.14В). Из рисунка видно, что МБ систематически получают более низкое значение оценивающей функции, чем глобулярные белки той же длины. Среднее значение Score3DID/Scoreideal составляет 0.68±0.23 [Scoreldeal — теоретическое значение 3D-1D функции, которое должен иметь корректно упакованный белок данной длины). И, хотя МБ в основном не попадают в зону «некорректных моделей» (в которой значение 3D-1D функции падает ниже QA5xScoreldml (Lüthy et al, 1992)), это отличие явственно свидетельствует о различиях в организации мембранных и растворимых белков. Далее будут рассмотрены еще два примера, доказывающие, что «классический» метод неприменим к МБ (см. §3.11.3.2, §3.11.3.3).
3.11.3.2. Идентификация кристаллографической структуры родопсина в наборе неточных моделей. Одна из важнейших черт, которая должна присутствовать у любого метода оценки качества упаковки белка или любого другого алгоритма, предназначенного для улучшения предсказания трехмерной структуры, — способность четко различать «корректную»3 и ошибочные модели. Применительно к настоящей работе это означает, что кристаллографическая структура должна получать высокое значение ОФМБ, в отличие от неверно упакованных структур (например, компьютерных моделей). Эта разница должна проявляться в силу ряда ошибок и неточностей, содержащихся в этих теоретических структурах, не согласующихся с законами упаковки МБ. Далее, если пространственная структура моделируемого белка неизвестна, необходимо иметь возможность выбрать наиболее близкую к нативной модель (например, из серии моделей, построенных по гомологии) по максимальному значению ОФМБ. Последняя задача имеет исключительное значение для областей практического использования моделей МБ (см. §2.1).
Для проверки этой способности использовали набор из 13 теоретических моделей родопсина, полученных из открытых источников (с сервера GPCRDB (Horn étal, 1998) и других сайтов) или сконструированных с помощью общедоступных средств моделирования специально для этой цели (см. §5.11.5). Все теоретические модели были построены до выхода кристаллографической структуры родопсина (Palczewski etal., 2000), и содержат ряд неточностей и ошибок. В случае специально созданных моделей ошибки (такие, как неточности в выравнивании) были внесены или не исправлены намеренно. Выбор именно
3 Здесь и далее под «корректной» будет иметься в виду кристаллографическая структура; однако, необходимо помнить, что такие структуры совсем необязательно абсолютно точно соответствуют нативной структуре белка в мембране.