El plegado de polipéptidos mediante muestreo de Monte Carlo, rotación concertada y solvación continua

Área de la Ciencia:

• Química computacional es la química computacional.
• La mecánica estadística es la mecánica estadística.
• La biofísica es la biofísica.

Sus antecedentes:

• Predecir la estructura de las proteínas es crucial para comprender la función biológica.
• Se necesitan métodos computacionales precisos para explorar paisajes conformacionales complejos.
• Los métodos de simulación existentes se enfrentan a desafíos en el muestreo eficiente de las conformaciones de proteínas relevantes.

Objetivo del estudio:

• Desarrollar y aplicar un eficiente algoritmo de rotación concertada para las simulaciones de Monte Carlo.
• Para predecir con precisión los pliegues nativos de los polipéptidos, incluidas las horquillas beta y las hélices alfa.
• Para validar la capacidad del algoritmo para muestrear el espacio conformacional relevante y reproducir estructuras experimentales.

Principales métodos:

• Utilizó un eficiente algoritmo de rotación concertada dentro de las simulaciones de Monte Carlo.
• Incorpora enlace flexible y ángulos diédricos con sesgo gaussiano para un muestreo optimizado.
• Empleado el modelo generalizado de área de superficie de Born (GBSA) para la solvación en agua.
• Utilizó el campo de fuerza OPLS-AA para cálculos de mecánica molecular.

Principales resultados:

• Se han doblado con éxito tres polipéptidos: U(1-17) T9D, alpha(1), y trpzip2.2.
• Las estructuras de energía más baja calculadas para dos beta-hairpins coincidieron estrechamente con los datos de RMN.
• Para el péptido alfa (1), predijo una preferencia por estructuras de bobina aleatorias, alineándose con experimentos de RMN de baja concentración.
• Muestran muestreo efectivo del espacio conformacional, localizando los estados nativos de las conformaciones extendidas.

Conclusiones:

• El algoritmo desarrollado muestra eficientemente el espacio conformacional para simulaciones de plegado de polipéptidos.
• La metodología predice con precisión las estructuras nativas de las horquillas beta y las preferencias conformacionales de las hélices alfa.
• La combinación del campo de fuerza OPLS-AA y el modelo de disolvente GBSA tiene un buen rendimiento para los péptidos formadores de beta-turn.