'energy landscape of protein-protein interactions by computational dockingnew orientational sampling tools and coarse grained modelling.¿¿¿¿

Resumen

Las interacciones proteína-proteína son fundamentales para la mayoría de los procesos celulares y su estudio es de enorme interés biotecnológico y terapéutico. En los últimos años, se han aportado varios enfoques computacionales al problema del docking proteína-proteína con resultados altenadores. La mayoría de los algoritmos de docking disponibles en la actualidad estan compuestos de dos partes claramente definidas: un muestreo de cuerpo rígido de las moléculas interactuantes, y el scoring o puntuación de las orientaciones resultates. Un número pequeño de estructuras puede finalmente ser refinado. Aunque esta estrategia ha mostrado algunos de los mejores resultados en el test ciego CAPRI (véase http://www.ebi.ac.uk/msd-srv/capri y (1)), más esfuerzos son necesarios. Además, protocolos que incluyan plena flexibilidad de forma eficiente son cada vez más necesarios. En este contexto, inicialmente desarrollamos una nueva herramienta de muestreo llamada RotBUS (2). El método genera conjuntos de orientaciones de docking uniformemente ditribuidas, con un nuevo cálculo rápido de la distancia de contacto entre moléculas, consiguiendo una gran velocidad. Además, desarrollamos una puntuación rápida basada en la desolvatación permitiendo el filtrage de millones de conformaciones a un bajo coste computacional, sin comprometer la precisión. El protocolo presentado se podría utilizar como marco para incluir restricciones, flexibilidad y estratégias de docking cruzado de forma eficiente. La experiencia con RotBUS me inspiró un trabajo de comparación estructural. La comparación estructural no es sólo básica para asignar la calidad de las predicciones, y consiguientemente las fracciones de éxito de los algoritmos de docking. Es también esencial en clustering, representaciones gráficas de los paisajes energéticos o incluso para establecer una coordenada de reacción. Así, definimos una nueva medida de distancia que puede establecer si dos complejos som similares o no en orientación, basada en una distancia métrica previamente definida (5). El nuevo índice presentado, comparado con las medidas estándares de desviación cuadrática media (RMSD, por sus siglas en inglés), y fracción de contactos nativos, confirmó una correcta descripción geométrica del proceso de asociación entre proteínas. Los avances principales residieron en su definición como distancia métrica (a diferencia del RMSD (3)), su bajo coste computacional, y su claro significado geométrico. El resto de los trabajos se centraron en tratar de incluir la flexibilidad en el modelaje proteína-proteína. Como se comentó previamente, en la mayoría de los casos con movimientos confomracionales en la asociación, los algoritmos de docking deben ir más allá del actual enfoque de cuerpo rígido incluyendo la flexibilidad. Dadas las dificultades de utilizar una descripción atómica completa, centramos nuestros esfuerzos en modelos simplificados o coarse-grained (CG). En este proyecto, implementé y testeé una versión del campo de fuerzas UNRES para el refinado de conformaciones de docking. UNRES es un modelo de dos bolas por residuo descrito para cadenas polipetídicas, con un campo de fuerzas basado en la física (7) que ha sido desarrollado por Scheraga y Liwo entre otros colaboradores durante los últimos 15 años. Los resultados indicaron una mejora en la geometría de las soluciones de docking, y mejores paisajes energéticos de docking, aunque en general, las puntuaciones no mejoraron respecto a la puntuación de cuerpo rígido pyDock (8). Aún así, a diferencia de otras funciones de puntuación, UNRES no mostró sesgo hacia casos que están sobrerepresentados en las bases de datos estructurales. Esta coherencia entre todos los tipos de complejos nos sugirió su uso como base sólida para el desarrollo de métodos mejores de scoring sin sesgo. Así, nos centramos luego en mejorar el campo de fuerzas UNRES para la asociación entre proteínas. Estando los efectos de solvatación y electrostática descritos pobremente en el modelo original, y siendo éstos de crucial importancia para las interacciones proteína-proteína (9), desarrollamos nuevas versiones CG para ellos. Un simple término Coulombiano fue utilizado para la descripción de la energía electrostática. Sin embargo, un termino más sofisticado de energía de solvatación fue desarrollado basado en un método de solvatación implícita (10) para tratar con la representación elipsoidal que tienen las cadenas laterales. Los resultados de cuerpo rígido fueron reproducidos con gran calidad utilizando la versión CG del potencial. Además, una combinación directa con el campo de fuerzas UNRES mostró también buenos resultados de puntuación. Finalmente hemos trabajado en otro proyecto de CG, donde la dinámica molécular es calculada utilizando potenciales eslabón. Estas simulaciones, donde los átomos se mueven en el régimen balístico, fueron realizadas en colaboación con el Dr. Emperador con el objetivo de refinar interfícies de docking de proteínas y mejorar sus puntuaciones. Por una parte las interficies muestran unos movientos pequeños y las dinámicas acaban por convergir rápidamente. Aunque las estructuras no muestran mejoras de forma sistemática, una re-puntuació de las conformaciones basada en un promedio de los valores energéticos durante la dinámica mostró una mejora substancial en las curvas de éxito. Éstos resultados son coherentes con la visión de que cada conformación debe ser tratada como un colectivo. En resumen, mis contribuciones han sido en extender, implementar, testear y aplicar metodologías y modelos previos exitosamente, en el campo verdaderamente interdisciplinar del docking proteína-proteína. Referencias: 1. Janin, J. Proteins 47(4):257257, 2002. 2. Solernou, A. and Fernandez-Recio, J. BMC Bioinf 11:352365, 2010. 3. Mizuguchi, K. and Go, N. Curr. Opin. Struct. Biol. 5:377382, 1995. 4. Koehl, P. Rev. Comp. Chem. 22:156, 2002. 5. Park, F. C. ASME J. Mech. Des. 117:4854, 1995. 6. Solernou, A., Fernandez-Recio, J. 2008, AIP. Proc. Conf. 1071:98-108. 7. Liwo, A., Czaplewski, C., Pillardy, J., and Scheraga, H. A. J. Chem. Phys. 115(5): 23232347, 2001. 8. Solernou, A. and Fernandez-Recio, J. O. A. Bioinf. 2:1927, 2010. 9. Cheng, T.-K., Blundell, T. L., and Fernandez-Recio, J. Proteins 68(2):503515, 2007. 10. Lazaridis, T. and Karplus, M. Proteins 35(2):133152, 1999.