AlphaFold-SFA:通过AlphaFold加速采样密码口袋的打开,蛋白质 - 配体结合和,缓慢的特征分析和元动力学
Shray Vats1, Raitis Bobrovs2, Pär Söderhjelm3
1Department of Computer Science, University of Texas at Austin, Austin, TX, United States of America.
PloS one
|August 27, 2024
概括
我们开发了缓慢特征分析 (SFA),以捕捉罕见的蛋白质事件,如神秘口袋打开. 这种方法增强了分子动力学模拟,通过揭示蛋白质动力学来帮助药物发现.
科学领域:
- 生物物理学的生物物理.
- 计算生物学 计算生物学
- 结构生物学 结构生物学
背景情况:
- 蛋白质中罕见的事件,如密码口袋的打开,对于理解蛋白质功能,带结合和全沟通至关重要.
- 无偏的分子动力学模拟很难捕捉这些罕见事件,原因是高的自由能量障碍,限制了对关键生物过程的洞察力.
研究的目的:
- 引入一种新的无监督学习方法,即缓慢特征分析 (SFA),用于从高维时间数据中提取缓慢变化的特征.
- 证明SFA在捕捉蛋白质动态中的罕见事件的能力,包括密码口袋打开,蛋白质-连接体结合和全沟通.
主要方法:
- 在使用AlphaFold生成的形态组合的小型无偏分子动力学模拟上接受过SFA培训.
- 在元动力学模拟中使用SFA作为集体变量,以增强罕见事件的采样.
- 应用了SFA增强的元动力学方法来研究密码口袋的打开,蛋白质-连接体相互作用和酶中的全信号传递.
主要成果:
- SFA成功地捕获了罕见的事件,如密码口袋的打开,蛋白质-连接体的结合,以及激酶中的全沟通.
- 使用SFA进行的元动力学模拟在纳米秒内实现了深层密码口袋打开的采样,超过了微秒无偏模拟.
- 通过SFA增强的元动力学提供了对受体相互作用蛋白激酶2 (RIPK2) 中的蛋白质构造可塑性和全性通信的见解.
结论:
- 缓慢特征分析 (SFA) 有效地作为一个缩小维度的工具,桥梁AlphaFold,分子动力学,并用于捕捉罕见的生物分子事件的元动力学.
- 这种方法显著扩大了基于结构的药物发现的范围,使得以前无法访问的蛋白质动态的研究成为可能.
- SFA增强了研究蛋白质-配体结合和全性机制的能力,这对于开发向治疗来说至关重要.
