Компьютерное моделирование локальных структур биополимеров, включая взаимодействия с лигандами тема диссертации и автореферата по ВАК РФ 03.01.03, кандидат наук Урошлев, Леонид Андреевич

• Урошлев, Леонид Андреевич
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Урошлев, Леонид Андреевич

Оглавление

Введение

Актуальность

Объект и метод исследования

Цели работы

Научная новизна диссертационного исследования

Практическая значимость

Апробация работы

Структура и объем диссертационного исследования

Обзор литературы

Бета-изгибы. Структура и биологическая значимость

Ионы в структуре белка

Алгоритмы предсказания положения ионов в белках

Глава 1. Исследование бета-изгиба бета-шпильки Ils-типа

1.1. Структурные характеристики SI-13-домена альфа-спектрина

1.2. Замыкание цикла путем перебора пар двугранных углов и оптимизации невязки

1.3. Замыкание цикла с использованием геометрии расстоянии

1.4. Оценка степени «запрещенное™» конформации р-изгиба И'-типа

Глава 2. Универсальная процедура получения статистических потенциалов для бивалетных катионов

2.1. Локализация ионов и определение типа ионов в структурах белковых глобул. Случай наиболее распространенных ионов (Zn2+, Са2+, Mg2+)

2.2. Сравнение с имеющимися методами

2.3. Соответствие полученных потенциалов экспериментальным данным

2.4. Предсказание наличия сайта связывания в структуре белка

2.5. Тестирование статистических потенциалов. Скользящий контроль

2.6. Ионы с ограниченной статистикой для обучения

2.7. Тестирование метода локализации ионов в апо-формах белков

2.8. Тестирование алгоритма для апо-форм белков, принадлежащих различным классам SCOP

2.9. Сравнение результатов расчета в апо-формах белков с результатами известных методов

2.10. Тестирование алгоритма для апо-структур белков, полученных в результате

моделирования т эШсо

Глава 3. Локализация ионов и определение типа ионов в структурах РНК

Обсуждение

Выводы

Список принятых сокращений

Литература

Введение диссертации (часть автореферата) на тему «Компьютерное моделирование локальных структур биополимеров, включая взаимодействия с лигандами»

Введение Актуальность

В различных явлениях реализации генетической информации выделяются в качестве фундаментальных процессы структрообразования в биополимерах и их комплексах. При воспроизведении таких процессов в рамках /п silico моделирования всегда возникают вопросы о вкладе физико-химических характеристик биополимеров и роли среды и лигандов в этих явлениях. Все процессы протекают в средах различного химического состава и различных уровней строения, содержащих различные лиганды, которые играют как структурные, так и регуляторные роли. Поскольку in vivo невозможно дискриминировать роли внутриполимерных факторов и лигандов среды в организации локальных структур биополимеров, соответствующие исследования должны быть проведены, если не экспериментально, то • на специальных многоуровневых моделях с вариациями сред и лигандов. Подход in silico, между тем, позволяет различить вклады физико-химических факторов и лигандов в системе иерархических моделей.

В последнее десятилетие особое значение приобрели исследования так называемых нативно неструктурированных белков. Бесструктурные белки -это макромолекулы, в которых вся молекула, либо ее сегменты не обладают компактной пространственной структурой, и часто приобретают ее в комплексах либо с низкомолекулярными лигандами, либо с другими биополимерами.

Вышесказанное означает высокую степень актуальности проблемы компьютерного анализа локальных структур в биополимерах, имея ввиду, прежде всего, разделение роли свойств остовов полипептидной цепи и боковых радикалов биополимеров и среды: молекул воды и ионов металлов. Если говорить о роли воды и ионов в белках и РНК, то следует разделять

структурную, функциональную и регуляторную роли.

Был поставлен вопрос: что определяет образование изгибов и какова роль ионов в этих явлениях. Прежде всего, мы обращаем внимание па понятие разрешенных и запрещенных конформаций, так как именно на участках псевдоциклических пептидов необходимо выявить вклады свойств полимера и среды с лигандами.

Многие функционально важные белковые домены, такие как цинковый палец или EF-рука, содержат ионы. Предсказание положения и наиболее вероятного типа ионов в любой наперед заданной структуре представляется весьма актуальной задачей.

Едва ли не еще большую роль ионы играют для функционирования нуклеиновых кислот, в особенности РНК. Ионы магния необходимы для корректной сборки рибосомы, а многие значимые конформации РНК могут быть достижимы лишь в присутствие ионов магния (Draper, 2005). Учитывая, что конформация РНК влияет на регуляцию трансляции (в частности, конформация 5'-UnTransated Region), можно сказать, что задача предсказания ионов в структурах РНК важна при исследованиях экспрессии.

Объект и метод исследования

Данные, на которых производились исследования - структуры белков, представленные в банке данных PDB. Исследовались белки (металлопротеины) и рибонулеиповые кислоты, взаимодействующие с катионами металлов. Предметом конформационного анализа служили локальные структуры белков, связанные с формированием изгибов полипептидной цепи белковой глобулы. Особое внимание уделено анализу «запрещенных конформаций», часто встречающихся, невзирая на стерические затруднения, в изгибах

полипептидных цепей. Запрещенные конформации были проанализированы нами методом замыкания, а также методами анализа локальной конформации с помощью геометрии расстояний. Для анализа связывания металлопротеинами ионов в работе использовался модифицированный автором работы метод статистических потенциалов.

Цели работы

1. Проанализировать конформации бета-изгиба бета-шпильки остова полипептидной цепи по признакам их энергетической стабильности и топологической детерминированности.

2. Выяснить возможное участие ионов и воды в поддержании напряженных и энергетически запрещенных конформаций остова полипептидной цепи и боковых групп.

3. Проанализировать влияние ионов и воды на электростатическую устойчивость систем белок-РНК-лиганды.

Научная новизна диссертационного исследования

Впервые для конформационного анализа пептидов, использован метод геометрии расстояний (distance geometry) в его последней модификации (Mucherino, Lavor, Liberti, 2013). Установлено, что такого рода объекты могут быть проинтерпретированы в рамках концепции топологического замка, что объясняет реализацию запрещенных конформаций в бета-изгибах бета-шпилек. Показано, что энергетически напряженные конформации могут быть стабилизированы с помощью воды и ионов. Установлено, что в областях белка с конформациями, отличающимися пониженной энергетической стабильностью,

как правило, расположены вода и ионы. При этом молекулы воды всегда присутствует в запрещенных конформациях. Для эффективного анализа влияния факторов среды разработан новый алгоритм, позволяющий определять /п бШсо положение и тип двухвалентных ионов в структурах металлопротеинов без иона (апо-форме). Детализирована карта Рамачандрана и выделены области, часто встречающиеся в локальных структурах белков с пониженной стабильностью.

Практическая значимость

Разработанные алгоритмы и программы, кроме фундаментального, имеют также и прикладное значение. Предложенные алгоритмы могут быть использованы в качестве дополнения к существующим экспериментальным методам определения пространственных структур белков, в частности методу ЯМР. Так с помощью метода ЯМР нельзя получить химические сдвиги для ионов некоторых металлов.

В ходе моделирования структур белков по гомологии, предложенные методы могут быть использованы для предсказания наиболее вероятного местоположения связанных ионов в рассчитанных теоретически структурах белков. Разработанные алгоритмы и программы могут использоваться в задачах белкового дизайна, в частности, для конструирования белков, способных связывать заданный тип иона. Разработанные алгоритмы в дальнейшем могут быть обобщены в случае более сложных лигандов, и таким образом, потенциально могут быть использованы для проектирования лекарственных соединений. Знание о положении и наиболее вероятном типе иона в заданной структуре РНК позволяет более точно установить конформацию, а также определить функции той или иной молекулы РНК.

Апробация работы

Материалы исследований по теме диссертации докладывались и обсуждались: на международных конференциях BGRS\SB (International Conference on Bioinformatics of Genome Regulation and Structure, Новосибирск, 2010), MCCMB (Moscow Conference on Computational Molecular Biology, Москва, 2011, 2013), на конгрессе Европейских Биохимических Обществ (Federation of European Biochemical Societies Congress, FEBS Congress, Санкт-Петербург, 2013), на второй школе-конференции по хемоинформатике (Казань, 2013), симпозиуме по интегративной и вычислительной биологии (Integrative and Computational Biology Joint symposium, Барселона, Испания, 2014), конференции PepCon-2014 (Annual World Protein & Peptide Conference, Далянь, КНР, 2014), на 20-м Европейском симпозиуме по анализу количественных взаимосвязей структура-активность (EuroQSAR-2014, Санкт-Петербург, 2014).

Структура и объем диссертационного исследования

Диссертация изложена на 102 страницах и включает введение, обзор литературы, три главы, заключение и список литературы. В главе 1 изучается копформация шпильки 5НЗ-домена. Глава 2 посвящена описанию метода для предсказания позиции иона в структуре белке, и разработке модели для поиска наиболее вероятных сайтов связывания. В этой же главе описано тестирование разработанного алгоритма для случая наиболее распространенных ионов, а так же производится анализ применимости метода для таких задач, как предсказания положения иона в апо-структурах и структурах, полученных в результате in silico моделирования. В главе 3 разработанный алгоритм для предсказания ионов применяется для случая структуры РНК.

Обзор литературы

Бета-изгибы. Структура и биологическая значимость

Начиная с 50-х годов прошлого века, были описаны две основные белковые структуры - альфа-спирали и бета-листы. К настоящему времени количество описанных структурных элементов значительно увеличилось. Одним из таких элементов являются т.н. изгибы полипептидной цепи. Изгибом называются такие элементы вторичной структуры белка, в котором направление полипептидной цепи изменяется на противоположное. В диссертационной работе мы будем рассматривать наиболее широкий класс изгибов — т. н. бета-изгибы.

Бета-изгиб - это белковый мотив, состоящий из четырех аминокислот, две из которых формируют его вершину. Как правило, первый остаток обозначается как /, последний как i+3. Расстояние между Са атомами на концах шпилек равно 7 А. Стабилизируется бета-изгиб, как правило, водородной связью внутри самого себя (Marcelino, Gierasch, 2008). Так же в литературе можно встретить описание других изгибов полипептидной цепи, таких как альфа-изгибы и гамма-изгибы, состоящие соответственно из 3 и 5 аминокислот. Однако в банке данных PDB они представлены в достаточно малом количестве структур, поэтому в диссертационной работе будут рассмотрены только бета-изгибы.

Бета-изгибы чрезвычайно неоднородны по своему строению. Авторы классической работы (Wilmot, Thornton, 1990) приводят классификацию изгибов, согласно значениям двугранных углов ф и ф в вершине. Самыми распространенными являются четыре категории бета-изгибов: I типа (ф! = -60 и ф! = -30, ф2 = -90 и ф2 = 0), Н-типа (tpj = -60 и ф! = 120, ф2 = 80 и ф2 = 0), Г-типа (ф1 = 60 и ф! = 30, ф2 = 90 и ф2 = 0) и II'-типа (cpi = 60 и ф! = -120, ф2 = -80 и ф2 =

0). Самым распространенным типом изгибов является I тип (438978 изгиба в банке данных PDB), наименее распространенным - II' тип (9560 изгибов в PDB). В той же работе приводят еще три редких типа изгибов - Vía (qn = -60 и ipi = 120, tp¿ = -90 и i|í2 = 0), VIb (ф! = -120 и ipi = 120, ср2 = -60 и ф2 = 0), VIII (q>i = -60 и i|/i = -30, (р2 = -120 и ip2 = 120), однако, эти три типа обычно не берутся в расчет из-за их редкости. Необходимо также отметить, что в последнее время, помимо основных типов изгибов, некоторые исследователи выделяют множество «промежуточных» (Dhar, Chakrabarti, 2015).

Чаще всего бета-изгибы находятся на поверхности глобулярных белков и состоят из гидрофильных остатков. Как правило, они чрезвычайно важны для правильного сворачивания белковой глобулы. Как показано в (Ybe, Hecht, 1996), при мутациях бета-изгиба, в подавляющем большинстве случаев (около 94%) белок пластоцианин не может свернуться в нативное состояние. Так же почти во всех работах, посвященных динамике бета-изгибов отмечается их термодинамическая стабильность.

В бета-изгибах значительно чаще, чем в среднем по банку данных, присутствует глицин, аспарагин, пролин и другие аминокислоты, имеющие малый боковой остаток. В некоторых программах для идентификации бета-изгибов (Marcelino, Gierasch, 2008), специфичное содержание аминокислот служит основой для определения бета-изгибов в задаваемом белке. В качестве дополнительных ограничений могут выступать гидрофильность или гидрофобность участка белка, в котором производится поиск (Rose, 1978), множественные выравнивания с известной базой изгибов (Fuchs, Alix, 2005) и различные эволюционные ограничения.

Важность изучения бета-изгибов связана, прежде всего, с их ролью в структурообразовании, а также в образовании белок-белковых комплексов. В частности, в работе (Burgess, 2001) показано, что бета-изгиб подстраивается под копформацию второй белковой субъединицы при образовании димера или же

вызовет её разрушение, в зависимости от факторов внешней среды. Кроме того, бета-изгибы часто являются сайтами посттрансляционной модификации белков, в частности сайтами фосфорилирования и гликозилирования (см. работу (Rose, 1985)).

В качестве примеров белков, в которых изгибы играют ключевую роль, можно привести иммуноглобулины, убиквитин, титип, а также БНЗ-домен, содержащийся во множестве важных белков.

5НЗ-домен - небольшой белковый домен, длиной порядка 50 аминокислот, содержащийся в нескольких достаточно важных и распространенных белках, таких как тирозин-киназы, различных фосфолипазы и альфа-спектрины. Основной функцией данного домена является узнавание и связывание с полипролиновым мотивом. БНЗ-домен играет важную роль в сборке больших белковых комплексов. Несколько подряд идущих БНЗ-домепов достаточно часто встречаются в белках, формирующих различные комплексы с другими белками. Примером комплекса, формируемого с участием БНЗ-домена, можно считать MAGUK (membrane-associated guanylate kynase)(González-Mariscal, Betanzos, Ávila-Flores, 2000). Кроме того, некоторые работы указывают на роль SI-13-домена, входящего в состав различных киназ, в образовании амилоидных фибрил (Ventura S. et al., 2004) при определенных внешних условиях, в частности, в кислой среде. Вышеописанное делает БНЗ-домен перспективным объектом исследований для понимания природы межбелкового взаимодействия, и в частности, формирования фибрилл в различных нейродегенеративных заболеваний.

В банке данных PDB содержится достаточно большое число разнообразных белковых структур, содержащих БИЗ-домен, что делает его хорошим кандидатом для разнообразных исследований.

Многие авторы отмечают важность молекул растворителя при формировании

различных типов бета-изгибов. В работах (Balasubramanian et al., 2003), (Karvounis, Nerukh, Glen, 2004) при моделировании бета-изгиба in silico с помощью молекулярной динамики, показывается участие молекул воды в стабилизации бета-изгиба, а именно - формирование водородных связей между молекулами воды и боковой цепью бета-изгиба. Стоит так же отметить работу (Bomar М. G. et al., 2011), где наличие водородных связей между атомами воды и пептидом, содержащим бета-изгиб, показывается экспериментально, с помощью ЯМР.

Так, бета-изгибы часто находятся па поверхности белка, они могут участвовать во взаимодействии не только с растворителем, но и с элементами среды, в частности с ионами различных металлов. В работе (Imperiali, Kapoor, 1993) указывается, что геометрическим мотивом, предназначенным для связывания цинка, является именно бета-изгиб. Так, взаимодействие бета-изгибов с ионами так же показано в (Ybe, Hecht, 1996) (медь), (Berg, 1990) (цинк). Поэтому для корректного моделирования такой локальной структуры биополимера, как бета-изгиб, необходимо рассматривать также и элементы среды, такие как ионы различных металлов и молекулы воды.

Ионы в структуре белка

Около 1/3 всех белковых структур, содержащихся в банке данных PDB (Berman, 2000), в качестве кофакторов содержат ионы различных металлов. Ионы могут быть факторами, необходимыми для корректного сворачивания белка, могут создавать разность электростатических потенциалов, могут входить в различные комплексы, связанные с взаимодействием между биополимерами различной природы.

На момент написания (октябрь 2014 г.) в банке данных PDB среди всех метал-

связывающих белков более всего белков связывающих цинк (9686 структур), магний (9259 структур) и кальций (7762 структуры). Это самые распространенные в РБВ типы ионов металлов.

Из других биологически важных структур в РЭВ содержится натрий (4934 структуры), хлор (7844 структуры), железо (1163 структуры), медь (971 структура), никель (849 структур). Отчасти, такая представленность обусловлена биологической значимостью каждого иона, отчасти - интересом экспериментаторов и широкой распространенностью отдельных мета л л-связывающих доменов в самых разных организмах.

Ион металла, в первом приближении, может рассматриваться как заряженный шар, взаимодействующий с отдельными аминокислотными остатками белка. Число атомов белка, находящихся во взаимодействии с ионом металла, называется координационным числом. Для ионов различных металлов это число разнится. Более того, для одного и того же иона в случае разных ион-связывающих окрестностей (сайтов связывания иона), координационное число может быть различным. Например, кальций может координироваться 5-ю, 6-ю и 7-ю атомами структуры, в зависимости от конформации и аминокислотного состава сайта связывания.

Ниже представлены примеры некоторых наиболее распространенных ионов металлов.

1. Цинк. Координационное число - 4. Часто служит в качестве катализатора различных реакций и по этой причине входит в состав различных ферментов. В настоящий момент, число таковых превышает три сотни (Аи1с1, 2001). В их числе ферменты, входящие в шесть основных классов ферментов (согласно классификации Международного союза биохимии и молекулярной биологии). Входит в состав цинкового пальца - одного из наиболее хорошо исследованных ДНК-связывающих белковых доменов. Цинковый палец содержит около 20

аминокислот, богат цистеином и гистидином. В нормальной конформации ионы цинка, входящие в состав цинкового пальца, связываются с помощью двух атомов серы, входящих в состав цистеинов и двумя кислородами боковой цепи, входящих в состав гистидина. Собираясь вместе, цинковые пальцы составляют разнообразные транскрипционные факторы, такие как Egr-1, Snail, GATA-6 и множество других.

2. Кальций. Для координации кальциевого иона требуется от пяти и более атомов белковой структуры. Кальций координируется атомами кислорода, как правило, принадлежащим боковой группе аспарагиновой и глутамиповой кислот. Однако, как будет показано в ходе дальнейшего исследования, значительную роль в координировании ионов кальция может играть кислород воды, находящийся в окрестности белковой структуры. Сходной геометрией обладают и сайты связывания магния. Классическими кальций-связывающими белками являются кальмодулины и парвальбумины. Кальмодулин - белок, являющийся типичным представителей семейства EF-руки, которое является наиболее известным кальций-связывающим мотивом (Means, Dedman, 1980). Исторически это первый белок, в котором был обнаружен кальций-связывающий мотив EF-руки. Для белков, содержащих данный ион-связывающий мотив характерны две альфа-спирали с поворотом между ними, между которыми связывается ион кальция. Сама по себе активность EF-рука не проявляет, однако является компонентом различных комплексов, в которых играет роль переносчика кальциевого иона.

3. Магний. Координируется, как правило, 5-6-ю атомами кислорода глутаминовой и аспарагиновой кислоты. Сайты связывания обладают высоким сродством с сайтами связывания кальция, вплоть до замены кальция на магний в различных кальций-связывающих белках при высокой концентрации магния в растворителе. Так же как и кальций, как будет показано в-дальнейшем, часто координируется кислородом молекул воды, находящийся в окрестностях белка.

Магний играет роль катализатора при сборке рибосомы (Revel, Hiatt, 1965). В качестве примера магний-связывающих белков можно привести разнообразные рибосомальные белки, а так же разнообразные белки, связанные с синтезом АТФ.

Для таких ионов как, медь, никель и железо, аминокислотный состав сайтов связывания иона схож с цинком и различается лишь количеством координирующих ион аминокислот. Они также как цинк, координируются гистидином, аспарагиновой и глутаминовой кислотами. В качестве важного примера белка, связывающего ионы железа и меди можно привести Р-амилоид. Это небольшой пептид, состоящий из 40 аминокислот. Комплексы, образуемые этим белком, играют ключевую роль в развитии многих нейродегенеративных заболеваний (Bush, Tanzi, 2008). Состоит из двух доменов, первый (с 1 по 16 аминокислоты) из которых является неупорядоченным и богатым гистидином, что приводит к связыванию таких двухвалентных ионов, как цинк, медь и двухвалетное железо.

Алгоритмы предсказания положения ионов в белках

Все методы предсказания позиции иона следует разделить на методы поиска шаблона по гомологии или «протяжку» белковой структуры и методы поиска иона ab initio, то есть без каких-либо предпосылок о его вероятном местоположении. В методах «протяжки» делается выравнивание пользовательской структуры-мишени на базу данных, которая содержит фрагменты ион-связывающих белков. В зависимости от наличия вычислительных ресурсов и требований конкретной задачи выравнивание может быть как трехмерным, так и обычным выравниванием первичной последовательности белков. После получения выравниваний, из базы данных структур-шаблонов отбирается тот шаблон, который, согласно полученным выравниваниям, наиболее близок к пользовательскому белку, в котором

необходимо произвести предсказание позиции и типа иона. Результаты, основанные на «протяжке» структуры через базу данных сильно зависят от конкретных алгоритмов выравнивания, используемых в алгоритме. Поэтому, для усиления предсказательной способности модели, часто используется сразу несколько алгоритмов выравнивания, построенных на различных принципах. К примеру, может использоваться выравнивание последовательностей белков и структурное выравнивание.

Основным недостатком методов поиска по гомологии является сильная зависимость от базы данных, в которой производится поиск шаблона. Если белок, в котором требуется определить позицию иона, не имеет достаточно близких по гомологии представителей в PDB, положительных результатов предсказаний ждать не приходится. Кроме того, алгоритмы трехмерного выравнивания требуют значительных вычислительных мощностей. Так как, даже невырожденная выборка из PDB, содержит десятки тысяч белковых структур, предсказание позиции иона даже для одной структуры, может затянуться на несколько дней. Самыми популярными программами, в основе которых лежат алгоритмы, основанные на поиске по гомологии, являются FINDSITE-metal (Skolnick, Brylinski, 2011) и COFACTOR (Roy, Yang, Zhang, 2012).

Сервер COFACTOR (Roy, Yang, Zhang, 2012) использует достаточно сложную модель, основанную на присвоении шаблонам весов, в соответствии с их близостью к пользовательской структуре (множественном скорипге). COFACTOR представляет хороший пример комбинирования классических алгоритмов выравнивания (выравнивания последовательностей белков) и алгоритмов трехмерного выравнивания для поиска оптимального шаблона. С помощью базы данных Gene Ontology (GO), определяются белки со сходными функциями, что еще сильнее сужает круг вероятных структур-шаблонов. После отбора наиболее вероятных кандидатов в шаблоны, выравниванию подлежат

уже кандидаты в сайты связывания (места белковой структуры, связывающие определенные лиганды), после чего формируется список наиболее вероятных места посадки и типа иона.

FINDSITE-metal (Skolnick, Brylinski, 2011) использует вместо алгоритмов трехмерного выравнивания алгоритмы распознавания фолдов (мотивов укладки белка), что позволяет определять мотивы даже для белков с сильными отличиями в последовательности. Для начального отбора шаблонов FINDSITE-metal использует алгоритмы выравнивания SP3, SPANKS и PROSPECTOR 3, а так же базу GO. Для наиболее вероятных мест посадки иона в полученных шаблонах, оценивается вероятность связывания иона:

Р] . I У

n+xrt

где с - количество шаблонов для заданного типа иона, п - общее количество шаблонов, f,- частота встречаемости иона в невырожденной выборке. Для определения неопределенности (энтропии) предсказания сайта, используется формула Шеннона, после чего полученные сайты связывания иона уточняются с помощью машины опорных векторов.

Методы предсказания ab initio можно разделить на несколько основных классов: это методы, основанные на молекулярной динамике, методы Монте-Карло, методы молекулярного докинга, и методы анализа геометрии атомов структуры. (Чаще всего под геометрией понимается анализ аминокислот, которые находятся ближе всего к предполагаемому сайту связывания иона). Молекулярная динамика — это комплекс методов, моделирующих эволюцию системы взаимодействующих атомов или молекул во времени. При этом для моделирования используется интегрирование системы дифференциальных уравнений классической механики. Силы межатомных взаимодействий описываются с помощью потенциалов сил, зависящих от расстояний и углов между атомами. Главным недостатком методов молекулярной динамики

является их неуниверсальность: для каждого белка требуется точно настроить параметры, входящие в систему дифференциальных уравнений молекулярной динамики и указать множество параметров, начиная от шага интегрирования и заканчивая моделью, используемой для моделирования молекул воды, взаимодействующих с белком. Кроме того, методы молекулярной динамики требуют значительных вычислительных ресурсов и поэтому применимы лишь для достаточно небольших белков. Частичным решением проблем с недостатком машинного времени для расчета может считаться перенос части вычислений на видеопроцессор или же на многопроцессорный кластер (реализация с использованием программно-аппаратной архитектуры CUDA существует для молекулярно-динамического пакета GROMACS (Hess, 2008)). Другим недостатком молекулярной динамики являются локальные минимумы, в которые может попадать метод оптимизации при поиске глобального минимума потенциальной энергии системы. Самыми популярными программами для молекулярно-динамического моделирования являются GROMACS (Hess, 2008) и AMBER (Cornell et al. 1995).

Примером программы, выполняющей предсказания сайта связывания иона металла (в данном случае - цинка) па основе геометрии заданной структуры может считаться GRE4Zn: Geometrie REstriction for Zinc-binding(Liu, 2014). Сайтом связывания, в данной программе является точка, имеющая определенных соседей из числа атомов структуры, которые находятся на расстоянии не более 3.3 А, в число соседей которой входят гистидин, цистеин, глутамиповая и аспарагиновая кислоты. Для каждой такой точки, находящейся в рамках 3-х или 4-х точечного геометрического мотива, сайт связывания определяется как геометрический центр тетраэдра, выстроенного на атомах наиболее вероятного типа (а именно - атоме серы цистеина, ND1 и NE2 атомах гистидина, ОЕ1 и ОЕ2 атомах глутаминовой кислоты и OD1 и OD2 атомах аспарагииовой кислоты). Как будет показано в дальнейших тестах, из-за

Список литературы диссертационного исследования кандидат наук Урошлев, Леонид Андреевич, 2015 год

Литература

1. Adzhubei A. A., Sternberg M. J. E., Makarov A. A. Polyproline-II helix in proteins: structure and function //Journal of molecular biology. - 2013. - T. 425. - №. 12. - C. 2100-2132.

2. Altschul S. F. et al. Gapped BLAST and PSI-BLAST: a new generation of protein database search programs //Nucleic acids research. - 1997. - T. 25. - №. 17. - C. 3389-3402.

3. Andreini C. et al. Counting the zinc-proteins encoded in the human genome //Journal of proteome research. - 2006. - T. 5. - №. 1. - C. 196-201.

4. Auld D. S. Zinc coordination sphere in biochemical zinc sites //Zinc Biochemistry, Physiology, and Homeostasis. - Springer Netherlands, 2001. - C. 85-127.

5. Balasubramanian S. et al. Dynamics of water at the interface of a small protein, enterotoxin //Current Science. - 2003. - T. 85. - №. 11. - C. 1571-1578.

6. Beauchamp K. A. et al. Simple few-state models reveal hidden complexity in protein folding //Proceedings of the National Academy of Sciences. - 2012. - T. 109. - №. 44.-C. 17807-17813.

7. Beinert H. Iron-sulfur proteins: ancient structures, still full of surprises //Journal of Biological Inorganic Chemistiy. - 2000. - T. 5. - №. 1. - C. 2-15.

8. Benkert P., Kiinzli M., Schwede T. QMEAN server for protein model quality estimation //Nucleic acids research. - 2009. - C. gkp322.

9. Berg J. M. Zinc finger domains: hypotheses and current knowledge //Annual review of biophysics and biophysical chemistry. - 1990. - T. 19. — №. 1. — C. 405421.

10. Berkholz D. S. et al. Conformation dependence of backbone geometry in proteins //Structure. - 2009. - T. 17. - №. 10. - C. 1316-1325.

11. Bernauer J. et al. Fully differentiable coarse-grained and all-atom knowledge-based potentials for RNA structure evaluation //RNA. - 2011. - T. 17. - №. 6. - C. 1066-1075.

12. Berman H. M. et al. The protein data bank //Nucleic acids research. - 2000. - T. 28.-No. l.-C. 235-242.

13. Biasini M. et al. SWISS-MODEL: modelling protein tertiary and quaternary structure using evolutionary information //Nucleic acids research. - 2014. - C. gku340.

14. Blaszczyk M. et al. CABS-fold: server for the de novo and consensus-based prediction of protein structure //Nucleic acids research. - 2013. - T. 41. - №. Wl. -C. W406-W411.

15. Bordner A. J. Predicting small ligand binding sites in proteins using backbone structure //Bioinformatics. - 2008. - T. 24. - №. 24. - C. 2865-2871.

16. Bomar M. G. et al. An Enhanced (3 Turn in Water //Organic letters. - 2011. - T. 13.-№. 21.-C. 5878-5881.

17. Bowman J. C. et al. Cations in charge: magnesium ions in RNA folding and catalysis //Current opinion in structural biology. - 2012. - T. 22. - №. 3. - C. 262272.

18. Brylinski M., Skolnick J. FINDSITE-metal: Integrating evolutionary information and machine learning for structure-based metal-binding site prediction at the proteome level //Proteins: Structure, Function, and Bioinformatics. - 2011. - T. 79. -№. 3.-C. 735-751.

19. Burgess K. Solid-phase syntheses of P-turn analogues to mimic or disrupt proteinprotein interactions //Accounts of chemical research. - 2001. - T. 34. - №. 10. - C. 826-835.

20. Bush A. I., Tanzi R. E. Therapeutics for Alzheimer's disease based on the metal hypothesis //Neurotherapeutics. - 2008. - T. 5. - №. 3. - C. 421-432.

21. Camara-Artigas A. et al. Understanding the polymorphic behaviour of a mutant of the-spectrin SH3 domain by means of two 1.1 A resolution structures //Acta Crystallographica Section D: Biological Crystallography. - 2011. - T. 67. - №. 3. -C. 189-196.

22. Cates M. S., Teodoro M. L., Phillips Jr G. N. Molecular mechanisms of calcium

and magnesium binding to parvalbumin //Biophysical journal. - 2002. - T. 82. - №. 3.-C. 1133-1146.

23. Cates M. S. et al. Metal-ion affinity and specificity in EF-hand proteins: coordination geometry and domain plasticity in parvalbumin //Structure. — 1999. — T. 7. - №. 10. - C. 1269-1278.

24. Cech T. R., Bass B. L. Biological catalysis by RNA //Annual review of biochemistry. - 1986. - T. 55. - №. 1. - C. 599-629.

25. Chang D. T. H. et al. AH-DB: collecting protein structure pairs before and after binding //Nucleic acids research. - 2012. - T. 40. - №. Dl. - C. D472-D478.

26. Cleveland W. S. Robust locally weighted regression and smoothing scatterplots //Journal of the American statistical association. - 1979. - T. 74. - №. 368. - C. 829-836.

27. Cornell W. D. et al. A second generation force field for the simulation of proteins, nucleic acids, and organic molecules //Journal of the American Chemical Society. -1995. - T. 117. - №. 19. - C. 5179-5197.

28. Crippen G. M., Havel T. F. Distance geometry and molecular conformation. -Taunton, UK : Research Studies Press, 1988. - T. 74.

29. Dahm S. A. C., Uhlenbeck O. C. Role of divalent metal ions in the hammerhead RNA cleavage reaction //Biochemistry. - 1991. - T. 30. - №. 39. - C. 9464-9469.

30. DeLano W. L. Pymol: An open-source molecular graphics tool //CCP4 Newsletter On Protein Crystallography. - 2002. - T. 40.

31. Deng H. et al. Predicting calcium-binding sites in proteins—A graph theory and geometry approach //Proteins: Structure, Function, and Bioinformatics. - 2006. -T. 64. - №. 1. - C. 34-42.

32. Dhar J., Chakrabarti P. Defining the loop structures in proteins based on composite p-turn mimics //Protein Engineering Design and Selection. - 2015. - C. gzv017.

33. Draper D. E., Grilley D., Soto A. M. Ions and RNA folding //Annu. Rev. Biophys. Biomol. Struct. - 2005. - T. 34. - C. 221-243.

34. Draper D. E. A guide to ions and RNA structure //Rna. - 2004. - T. 10. - №. 3. -C. 335-343.

35. Dudev T., Lim C. Competition among metal ions for protein binding sites: determinants of metal ion selectivity in proteins //Chemical reviews. - 2013. - T. 114.

- №. l.-C. 538-556.

36. Ebert J. C., Altman R. B. Robust recognition of zinc binding sites in proteins //Protein Science. - 2008. - T. 17. - №. 1. - C. 54-65.

37. Fletcher R., Powell M. J. D. A rapidly convergent descent method for minimization //The Computer Journal. - 1963. - T. 6. - №. 2. - C. 163-168.

38. Fuchs P. F. J., Alix A. J. P. High accuracy prediction of p-turns and their types using propensities and multiple alignments //Proteins: Structure, Function, and Bioinformatics. - 2005. - T. 59. - №. 4. - C. 828-839.

39. Go N., Scheraga H. A. Ring closure and local conformational deformations of chain molecules //Macromolecules. - 1970. - T. 3. - №. 2. - C. 178-187.

40. González-Mariscal L., Betanzos A., Ávila-Flores A. MAGUK proteins: structure and role in the tight junction //Seminars in cell & developmental biology. - Academic Press, 2000. - T. 11. - №. 4. - C. 315-324.

41. Goyal K., Mande S. C. Exploiting 3D structural templates for detection of metal-binding sites in protein structures //Proteins: Structure, Function, and Bioinformatics.

- 2008. - T. 70. - №. 4. - C. 1206-1218.

42. Griep S., Hobohm U. PDBselect 1992-2009 and PDBfilter-select //Nucleic acids research. - 2009. - C. Gkp786.

43. Guerois R., Nielsen J. E., Serrano L. Predicting changes in the stability of proteins and protein complexes: a study of more than 1000 mutations //Journal of molecular biology. - 2002. - T. 320. - №. 2. - C. 369-387.

44. Guijarro J. I. et al. Amyloid fibril formation by an SII3 domain //Proceedings of the National Academy of Sciences. - 1998. - T. 95. - №. 8. - C. 4224-4228.

45. Hamelryck T. et al. Potentials of mean force for protein structure prediction vindicated, formalized and generalized //PloS one. - 2010. - T. 5. - №. 11. - C.

E13714.

46. Hess B. et al. GROMACS 4: Algorithms for highly efficient, load-balanced, and scalable molecular simulation //Journal of chemical theory and computation. - 2008.

- T. 4. - №. 3. - C. 435-447.

47. He Z. Y. et al. Potential application of FoldX force field based protein modeling in zinc finger nucleases design //Science China Life Sciences. - 2011. - T. 54. - №. 5.

- C. 442-449.

48. Irback A., Mitternacht S., Mohanty S. An effective all-atom potential for proteins //BMC Biophysics. - 2009. - T. 2. - №. 1. - C. 2.

49. Imperiali B., Kapoor T. M. The reverse turn as a template for metal coordination //Tetrahedron. - 1993. - T. 49. - №. 17. - C. 3501-3510.

50. Ivanisenko V. A. et al. PDBSite: a database of the 3D structure of protein functional sites //Nucleic acids research. - 2005. - T. 33. - №. suppl 1. - C. D183-D187.

51. Jones G. et al. Development and validation of a genetic algorithm for flexible docking //Journal of molecular biology. - 1997. - T. 267. - №. 3. - C. 727-748.

52. Jones E. et al. Open source scientific tools for Python. - 2001.

53. Karvounis G., Nerukh D., Glen R. C. Water network dynamics at the critical moment of a peptide's p-turn formation: a molecular dynamics study //The Journal of chemical physics. - 2004. - T. 121. - №. 10. - C. 4925-4935.

54. Kallberg M. et al. Template-based protein structure modeling using the RaptorX web server //Nature protocols. - 2012. - T. 7. - №. 8. - C. 1511-1522.

55. Klug A. The discovery of zinc fingers and their applications in gene regulation and genome manipulation //Annual review of biochemistry. - 2010. - T. 79. - C. 213231.

56. Kohavi R. et al. A study of cross-validation and bootstrap for accuracy estimation and model selection //Ijcai. - 1995. - T. 14. - №. 2. - C. 1137-1145.

57. Korb O., Stutzle T., Exner T. E. Empirical scoring functions for advanced protein- ligand docking with PLANTS //Journal of chemical information and

modeling. - 2009. - T. 49. - №. 1. - C. 84-96.

58. Kozlowski H. et al. Specific metal ion binding sites in unstructured regions of proteins //Coordination Chemistry Reviews. - 2013. - T. 257. - №. 19. - C. 26252638.

59. Kurochkina N., Guha U. SH3 domains: modules of protein-protein interactions //Biophysical Reviews. - 2013. - T. 5. - №. 1. - C. 29-39.

60. Levy R., Edelman M., Sobolev V. Prediction of 3D metal binding sites from translated gene sequences based on remote-homology templates //Proteins: Structure, Function, and Bioinformatics. - 2009. - T. 76. - №. 2. - C. 365-374.

61. Liberti L., Lavor C., Maculan N. A Branch-and-Prune algorithm for the Molecular Distance Geometiy Problem //International Transactions in Operational Research. — 2008. - T. 15. - №. 1. - C. 1-17.

62. Liu Z. et al. Computationally characterizing and comprehensive analysis of zinc-binding sites in proteins //Biochimica et Biophysica Acta (BBA)-Proteins and Proteomics. - 2014. - T. 1844. - №. 1. - C. 171-180.

63. Malliavin T. E., Mucherino A., Nilges M. Distance geometry in structural biology: new perspectives //Distance Geometry. - Springer New York, 2013. - C. 329-350.

64. Marcelino A. M. C., Gierasch L. M. Roles of ß-turns in protein folding: From peptide models to protein engineering //Biopolymers. - 2008. - T. 89. - №. 5. - C. 380-391.

65. Mascia F. et al. Predicting Structural and Functional Sites in Proteins by Searching for Maximum-weight Cliques //AAAI. - 2010.

66. Means A. R., Dedman J. R. Calmodulin-an intracellular calcium receptor //Nature. - 1980. - T. 285. - №. 5760. - C. 73-77.

67. Meiler J., Baker D. ROSETTALIGAND: Protein-small molecule docking with full side-chain flexibility //Proteins: Structure, Function, and Bioinformatics. - 2006. - T. 65. - №. 3. - C. 538-548.

68. Misra V. K., Draper D. E. On the role of magnesium ions in RNA stability

//Biopolymers. - 1998. - T. 48. - №. 2-3. - C. 113-135.

69. More J. J., Wu Z. Distance geometry optimization for protein structures //Journal of Global Optimization. - 1999. - T. 15. - №. 3. - C. 219-234.

70. Morris G. M. et al. AutoDock4 and AutoDockTools4: Automated docking with selective receptor flexibility //Journal of computational chemistry. — 2009. - T. 30. -№. 16. - C. 2785-2791.

71. Morris G. M. et al. Automated docking using a Lamarckian genetic algorithm and an empirical binding free energy function //Journal of computational chemistry. -1998. - T. 19. - №. 14. - C. 1639-1662.

72. Moult J. Comparison of database potentials and molecular mechanics force fields //Current opinion in structural biology. - 1997. - T. 7. - №. 2. - C. 194-199.

73. Mucherino A., Lavor C., Liberti L. The discretizable distance geometry problem //Optimization Letters. - 2012. - T. 6. - №. 8. - C. 1671-1686.

74. Murzin A. G. et al. SCOP: a structural classification of proteins database for the investigation of sequences and structures //Journal of molecular biology. - 1995. - T. 247. - №. 4. - C. 536-540.

75. Myers W. G. W. M. E. W., Altschul S. F., Lipman D. J. Basic local alignment search tool //J Mol Biol. - 1990. - T. 215. - №. 3. - C. 403-10.

76. Nakayama S., Kretsinger R. H. Evolution of the EF-hand family of proteins //Annual review of biophysics and biomolecular structure. - 1994. - T. 23. - №. 1. -C. 473-507.

77. Naik P. K. et al. MetalloPred: A tool for hierarchical prediction of metal ion binding proteins using cluster of neural networks and sequence derived features //Journal of Biophysical Chemistry. - 2011. - T. 2. - №. 02. - C. 112.

78. Nguyen H. Q., Hoffman-Liebermann B., Liebermann D. A. The zinc finger transcription factor Egr-1 is essential for and restricts differentiation along the macrophage lineage //Cell. - 1993. - T. 72. - №. 2. - C. 197-209.

79. Neal R. M. Markov chain sampling methods for Dirichlet process mixture models //Journal of computational and graphical statistics. - 2000. - T. 9. - №. 2. - C. 24998

80. Notredame C., Higgins D. G., Heringa J. T-Coffee: A novel method for fast and accurate multiple sequence alignment //Journal of molecular biology. - 2000. - T. 302. - №. 1. - C. 205-217.

81. Oliva C. et al. Role of the MAGUK protein family in synapse formation and function //Developmental neurobiology. - 2012. - T. 72. - №. 1. - C. 57-72.

82. Ponder J. W. et al. TINKER: Software tools for molecular design //Washington University School of Medicine, Saint Louis, MO. - 2004. - T. 3.

83. Racine J. gnuplot 4.0: a portable interactive plotting utility //Journal of Applied Econometrics. - 2006. - T. 21. - №. 1. - C. 133-141. - GNUplot

84. Rakhmanov S. V., Makeev V. J. Atomic hydration potentials using a Monte Carlo Reference State (MCRS) for protein solvation modeling //BMC structural biology. -2007.-T. 7.-№. l.-C. 19.

85. Ramakrishnan C., Ramachandran G. N. Stereochemical criteria for polypeptide and protein chain conformations: II. Allowed conformations for a pair of peptide units //Biophysical Journal. - 1965. - T. 5. - №. 6. - C. 909-933.

86. Ramirez-Alvarado M., Blanco F. J., Serrano L. De novo design and structural analysis of a model (3-hairpin peptide system //Nature Structural & Molecular Biology. - 1996. -T. 3. - №. 7. - C. 604-612.

87. Revel M., Hiatt H. H. Magnesium requirement for the formation of an active messenger RNA-ribosome-S-RNA complex //Journal of molecular biology. - 1965. — T. 11.- No. 3.-C. 467-475.

88. Rose G. D. Prediction of chain turns in globular proteins on a hydrophobic basis //Nature. - 1978. -T. 272. - №. 5654. - C. 586-590.

89. Rose G. D., Glerasch L. M., Smith J. A. Turns in peptides and proteins //Advances in protein chemistry. - 1985. - T. 37. - C. 1-109.

90. Roy A., Yang J., Zhang Y. COFACTOR: an accurate comparative algorithm for structure-based protein function annotation //Nucleic acids research. - 2012. - C. Gks372.

91. Samudrala R., Moult J. An all-atom distance-dependent conditional probability discriminatory function for protein structure prediction //Journal of molecular biology. - 1998. - T. 275. - №. 5. - C. 895-916.

92. Santos-Martins D. et al. AutoDock4Zn: An Improved AutoDock Force Field for Small-Molecule Docking to Zinc Metalloproteins //Journal of chemical information and modeling. - 2014.

93. Schneidman-Duhovny D. et al. PatchDock and SymmDock: servers for rigid and symmetric docking //Nucleic acids research. - 2005. - T. 33. - №. suppl 2. - C. W363-W367.

94. Schymkowitz J. W. H. et al. Prediction of water and metal binding sites and their affinities by using the Fold-X force field //Proceedings of the National Academy of Sciences of the United States of America. - 2005. - T. 102. - №. 29. - C. 1014710152.

95. Shapiro S. S., Wilk M. B. An analysis of variance test for normality (complete samples)//Biometrika. - 1965. - C. 591-611.

96. Shu N., Zhou T., Hovmoller S. Prediction of zinc-binding sites in proteins from sequence //Bioinformatics. - 2008. - T. 24. - №. 6. - C. 775-782.

97. Skone G., Cameron S., Voiculescu I. Doing a Good Turn: The Use of Quaternions for Rotation in Molecular Docking //Journal of chemical information and modeling. -2013. - T. 53. - №. 12. - C. 3367-3372.

98. Sippl M. J. et al. Helmholtz free energies of atom pair interactions in proteins //Folding and Design. - 1996. - T. 1. - №. 4. - C. 289-298.

99. Spicher, A., Guicheret, O. M., Duret, L., Aslanian, A., Sanjines, E.M., Denko, N.C., Giacca, A.J. & Blau, H.M. (1998) Highly conserved RNA sequences that are sensor of environmental stress // Mol Cell Biol. - 1998. - 18, 7371-7382

100. Sunyaev S. R. et al. Are knowledge-based potentials derived from protein structure sets discriminative with respect to amino acid types? //Proteins Structure Function and Genetics. - 1998. - T. 31. - №. 3. - C. 225-246.

101. Tripathy C. et al. Protein loop closure using orientational restraints from NMR

data //Proteins: Structure, Function, and Bioinformatics. - 2012. - T. 80. - №. 2. - C. 433-453.

102. Trott O., Olson A. J. AutoDock Vina: improving the speed and accuracy of docking with a new scoring function, efficient optimization, and multithreading //Journal of computational chemistry. - 2010. - T. 31. - №. 2. - C. 455-461.

103. Torshin I. Y., Esipova N. G., Tumanyan V. G. Alternatingly twisted p-hairpins and nonglycine residues in the disallowed II' region of the Ramachandran plot //Journal of Biomolecular Structure and Dynamics. - 2014. - T. 32. - №. 2. - C. 198208.

104. Vega M. C., Martinez J. C., Serrano L. Thermodynamic and structural characterization of Asn and Ala residues in the disallowed II' region of the Ramachandran plot //Protein Science. - 2000. - T. 9. - №. 12. - C. 2322-2328.

105. Ventura S. et al. Short amino acid stretches can mediate amyloid formation in globular proteins: the Src homology 3 (SH3) case //Proceedings of the National Academy of Sciences of the United States of America. - 2004. - T. 101. - №. 19. - C. 7258-7263.

106. Ventura S., Lacroix E., Serrano L. Insights into the origin of the tendency of the PI3-SH3 domain to form amyloid fibrils //Journal of molecular biology. - 2002. - T. 322.-№. 5.-C. 1147-1158.

107. Viguera A. R. et al. Thermodynamic and kinetic analysis of the SH3 domain of spectrin shows a two-state folding transition //Biochemistry. - 1994. - T. 33. - №. 8. -C. 2142-2150.

108. Wang X. et al. Analysis and prediction of calcium-binding pockets from apoprotein structures exhibiting calcium-induced localized conformational changes //Protein Science. - 2010. - T. 19. - №. 6. - C. 1180-1190.

109. Wedemeyer W. J., Scheraga H. A. Exact analytical loop closure in proteins using polynomial equations //Journal of Computational Chemistry. - 1999. - T. 20. - №. 8. - C. 819-844.

110. Wilmot C. M., Thornton J. M. P-Turns and their distortions: a proposed new

nomenclature //Protein engineering. - 1990. - T. 3. - №. 6. - C. 479-493.

111. Ybe J. A., Hecht M. H. Sequence replacements in the central ß-turn of plastocyanin //Protein science. - 1996. - T. 5. - №. 5. - C. 814-824.

112. Zhang Y. I-TASSER server for protein 3D structure prediction //BMC bioinformatics. - 2008. - T. 9. - №. 1. - C. 40.

113. Zheng H. et al. Validation of metal-binding sites in macromolecular structures with the CheckMyMetal web server //Nature protocols. - 2014. - T. 9. - №. 1. - C. 156-170.