Мутации структуры белковоподобного сополимера. Компьютерное моделирование

Зная из опыта силу гидрофобных взаимодействий, а из стереохимии a- и b-структуры — мотивы чередования в цепи боковых групп, глядящих в одну и ту же сторону и способных, следовательно, одновременно взаимодействовать с гидрофобной поверхностью, — мы можем сосчитать вероятность образования a-спирали и b-структуры в каждом месте белковой цепи. В этом направлении достигнуты определённые результаты.

Степень предсказания может достигать до 72%.

2.4.3.Метод протягивания

Предсказывая структуру белка, не имеющего видимой гомологии с белками уже расшифрованными, можно попробовать взять, одну за другой, все пространственные структуры из Банка, наложить (возможно, с некоторыми выпетливаниями) цепь этого белка на каждую из них, и посмотреть, какая из этих пространственных структур даст — для нашей цепи — наибольший энергетический выигрыш. При этом мы должны разрешать цепи то идти по скелету структуры, то выпетливаться или "сокращать" имеющиеся в скелете выпетливания — если это увеличивает энергетический выигрыш.

Такой подход называют "методом протягивания" (threading method). Он был предложен Б.А.Ревой в 1990 г. и — независимо, в более простом и более удобном варианте — Д. Айзенбергом и его группой в 1991 г. Сейчас метод протягивания стал весьма популярным методом опознавания структур "новых" белков по их аналогии со "старыми".

В общем, работа по протягиванию напоминает поиск гомологии, — только на этот раз "выравниваются" не две первичные структуры, "новая" и "старая", а "новая" первичная структура со "старым" белковым скелетом.

Здесь возникают аналогичные проблемы, как в любом предсказательном методе.

Во первых, конформацию даже тех кусков цепи, что наложены на скелет, мы знаем с большой погрешностью: ведь мы не знаем конформации боковых групп, — а именно они, в основном, и взаимодействуют. Далее, мы не знаем конформации всех выпетливаний. Оценка показывает, что при протягивании мы знаем примерно половину взаимодействий в белковой цепи, а вторую — не знаем. Значит, опять мы вынуждены судить о структуре белка по части взаимодействий, действующих в его цепи. Значит, опять наши предсказания могут носить только вероятный характер.

Во-вторых, как перебрать все наложения и найти лучшие. Здесь приходит на помощь динамическое программирование и его вариант — статистическая механика одномерных систем (цепных молекул) — для расчета протягивания цепи через скелет; теория самосогласованного поля — для расчета действующего на цепь молекулярного поля в каждой точке скелета; стохастическая минимизация энергии методом Монте-Карло; а также — разные варианты метода ветвей и границ, и т.д.

2.4.4. Дизайн белковых молекул

Задача дизайна — обратная по отношению к задаче предсказания структуры. Если при предсказании мы должны найти пространственную структуру, наиболее пригодную для рассматриваемой последовательности — то при дизайне мы должны найти, сконструировать последовательность, годную для создания желаемой пространственной структуры.

В этом подходе используют как экспериментальные методы, так и методы компьютерного моделирования. Олигонуклеотидный синтез и техника рекомбинантных ДНК дали возможность получения генов белков, не существовавших в природе; рентген и ЯМР позволили увидеть трехмерные структуры белков; а мощные ЭВМ и компьютерная графика позволили вступить в интерактивный диалог с этими пространственными структурами, — менять в них что-то и оценить последствия этих изменений.

Остановимся на методах компьютерного моделирования и рассмотрим некоторые модели, используемые для создание первичной последовательности цепи. Можно сказать, что термин дизайн применим не только к белкам, но и к любым последовательностям, обладающих специфическими свойствами.

2.5. Конформационно-зависимый дизайн последовательностей цепи

В этой главе рассмотрим НР - сополимеры, то есть полимеры состоящие из двух типов звеньев, и компьютерную реализацию дизайна различных моделей.

2.5.1. НР – сополимеры, «приспособленные к адсорбции»

Такие сополимеры получают по следующей схеме. Гомополимерную цепь, состоящую из звеньев Н, адсорбируем на плоской поверхности. Для этого вводится сильное притяжение между звеньями цепи и поверхностью. Затем звенья, лежащие ближе к поверхности, обозначаем как Н, другие звенья как Р. В компьютерном эксперименте это значит, что eН > eР. Таким образом, звенья Н считаются лиофобными, то есть избегают взаимодействия с растворителем, а звенья Р лиофильными. [19] На рис. 2.4 проиллюстрирована схема получения таких сополимеров.

Рис. 2.4. Получение первичной структуры НР -сополимера, «приспособленного к адсорбции».[19]

Если говорить о реальном эксперименте, то модифицирование звеньев цепи происходит на каталитической поверхности. Таким образом, можно видеть основную идею молекулярного дизайна. Сначала мы получаем пространственную структуру адсорбированного сополимера, а затем исследуем свойства полученной цепи.

Поведение такой структуры сравнивали со случайными и случайно-блочными последовательностями. Оказалось, что число адсорбированных звеньев у таких сополимеров гораздо выше. То есть такие последовательности сохраняют «память» о своей адсорбированности. Таким образом, процесс адсорбции протекает более полно.

2.5.2. Молекулярные диспергаторы

Подобную схему можно применить для получения другого класса сополимеров. На рис. 2.5. показана схема получения.

Рис. 2.5. Получение «молекулярных диспергаторов». [19]

Такие сополимеры, приспособленные к адсорбции на коллоидных частицах или маленьких органических молекулах, обладают следующей спецификой. Такие структуры чувствительны к размеру частицы, то есть проявляют определённую селективность. При адсорбции сополимера происходит стабилизирование частицы лиофильными петлями цепи. Это препятствует слипанию коллоидных частиц.

2.5.3. Моделирование мембранных белков

Рассмотрим получение модели НР – сополимера, имитирующей мембранные белки. В этом случае неполярную прослойку обозначим как Н-звенья, а полярные опушки как Р. На долю Н – звеньев приходится 30 %, а на долю Р – 70%. Введём различные энергетические параметры (eРР, eНР, eРР). При этом eНН > eРР. При моделировании происходит диффузия Н и Р звеньев. Поэтому для улучшения структуры процедуру модифицирования производят много раз. [20]

Рис. 2.6. Нативная конформация мембранного белковоподобного сополимера (слева) и конформация, полученная после равновесия в компьютерном моделировании (справа); N = 256.[20]

Из рис. 2.6. можно видеть главную особенность таких структур – эффект стабильности микросегрегированной структуры. Таким образом, можно сказать, что подобная модель «наследует» свойства мембранных мелков.

 Скачать реферат