波茨哈密尔顿模型和分子动力学自由能量模拟用于预测突变对蛋白激酶稳定性的影响

科学领域:

• 计算生物学是一种计算生物学.
• 蛋白质科学是一种蛋白质科学.
• 基因组学就是基因组学.

背景情况:

• 激酶蛋白中的单点突变可以改变它们的稳定性和生物适应性.
• 了解这些影响对于破译蛋白质序列-结构-功能关系至关重要.

研究的目的:

• 评估基于序列的波茨哈密尔顿模型来预测酶突变的稳定性.
• 将波茨模型预测与实验数据和基于结构的模拟进行比较.
• 将模型应用于癌症基因组学数据,并分析进化场景.

主要方法:

• 利用在酶多个序列对齐 (MSAs) 上训练的波茨哈密尔顿模型来计算突变适应性效应 (ΔE).
• 将波茨模型预测 (ΔE) 与实验热稳定性数据和来自自由能量扰动 (FEP) 模拟的相对折叠自由能量 (ΔΔG) 相比较.
• 应用了Potts模型来分析基因组数据共享 (GDC) 中Wee1,Abl1和Cdc7激酶的体质突变.

主要成果:

• 波茨模型健身效应 (ΔE) 与实验热稳定性数据 (Pearson r = 0.68) 有很好的一致性.
• ΔE 预测与 FEP 模拟中的 ΔΔG 有很好的相关性 (皮尔森比率 = 0.72).
• 对Abl酶的分析显示,在药物压力下的突变倾向于保持酶稳定性,与中性体质突变不同.

结论:

• 基于序列的波茨模型是对突变稳定性效应的高通量选的可行工具.
• 这种模型为分析大型癌症基因组学数据集和进化压力提供了优势.
• 波茨模型的计算可以提供关于药物耐药性突变如何影响蛋白质稳定性的见解.