设计的微型蛋白质在中 affinity 成熟的大量并行自由能量计算

科学领域:

• 计算生物学是一种计算生物学.
• 蛋白质工程是一种蛋白质工程.
• 生物物理学的生物物理.

背景情况:

• 高亲和度的蛋白质结合剂至关重要,但在实验上很昂贵的发现.
• 目前的方法通常依赖于对突变库的大规模选.
• 计算式蛋白质设计为加速粘合物发现提供了一个有希望的替代方案.

研究的目的:

• 评估大规模并行的自由能量方法,用于新设计的蛋白质的 in silico 亲和度成熟.
• 将扩展组合 (EE) 预测与实验数据和其他计算协议进行比较.
• 确定影响预测准确性的因素,并探索亲和力成熟变体的合理化.

主要方法:

• 使用扩展组合 (EE) 方法进行详尽的相对约束性自由能量计算.
• 在针对流感A H1血凝素的三个设计小蛋白上进行了位点和突变 (SSM) 扫描.
• 将EE预测与实验 ΔΔG 值和Flex ddG 罗塞塔协议预测进行比较.

主要成果:

• 实现了EE方法的预测精度约为2kcal/mol.
• 确定了净电荷变化,化学原子数和侧链动态作为EE预测不确定性的来源.
• 与Flex ddG相比,EE预测更好地分类稳定/不稳定突变,而Flex ddG更保守.
• 在亲和力成熟的变体中探索了非添加效应,将它们与突变部位的香农联系起来.

结论:

• 基于模拟的自由能量方法,特别是EE,显示了设计蛋白质的in silico亲和力成熟的预测能力.
• EE方法在分类突变效应方面具有优势,可以补充更为保守的方法.
• 对于蛋白质设计应用,可以进一步提高自由能源方法的效率和准确性.