Science >> Wetenschap >  >> Chemie

Een nieuwe Hongaarse methode kan eiwitonderzoek helpen

De afbeelding toont het stapsgewijze proces voor het berekenen van de LoCoHD-score voor een bepaald paar ankers. De chemische resolutie wordt bepaald door het primitieve typeringsschema, dat wordt gebruikt om de werkelijke structuur om te zetten in een structuur van primitieve atomen (links). Door vervolgens twee ankeratomen te selecteren uit de twee te vergelijken primitieve structuren (in het midden, in groen en turkoois), kan een getal tussen 0 en 1 worden berekend met behulp van de bovenstaande formule. Credit:Eötvös Loránd Universiteit

In een artikel dat onlangs is gepubliceerd in Nature Communications heeft de HUN-REN-ELTE Protein Modeling Research Group (Institute of Chemistry) de basis gelegd voor een wiskundige methode, die de computerondersteunde vergelijking van de driedimensionale structuren van eiwitten mogelijk maakt. De methode is uniek omdat, terwijl de tot nu toe beschikbare alternatieven alleen rekening hielden met de positie van de atomen, de nieuwe techniek, genaamd LoCoHD (Local Composition Hellinger Distance), ook de chemische informatie van de atomen omvat.



Eiwitten zijn moleculaire machines die processen uitvoeren die nodig zijn om cellen te laten functioneren. Ze fungeren als moleculaire schakelaars, transcriberen informatie uit DNA, transporteren kleine en grote moleculen en reguleren metabolismegerelateerde chemische reacties. Om dit allemaal te laten slagen, moet het eiwit in kwestie echter de juiste ruimtelijke conformatie hebben, dat wil zeggen een eigen, correcte 3D-indeling.

Er zijn verschillende experimentele methoden (röntgenkristallografie, kernmagnetische resonantiespectroscopie, cryo-elektronenmicroscopie) beschikbaar om de rangschikking van atomen in een eiwit te bepalen, en de afgelopen decennia hebben eiwitonderzoekers de vorm van bijna 220.000 eiwitten ontdekt. Deze resultaten vereisen steeds meer de ontwikkeling van computermethoden die deze arrangementen kunnen analyseren.

Eén zo'n methode is het algoritme genaamd LoCoHD, ontwikkeld door Zsolt Fazekas, een Ph.D. kandidaat aan de ELTE Hevesy György School of Chemistry en onderzoeker in de onderzoeksgroep van Dr. András Perczel. Het algoritme vergelijkt de lokale omgeving rond aminozuren in eiwitten op basis van hun chemische aard (bijvoorbeeld elementaire samenstelling, lading, hydrofobiciteit, enz.).

De methode bepaalt op een eenvoudige schaal van 0 tot 1 hoe verschillend de betreffende structuren van elkaar zijn. Waarden dicht bij 0 suggereren een grote gelijkenis tussen atomaire rangschikkingen en chemische eigenschappen, terwijl waarden dicht bij 1 aangeven dat de vergeleken eiwitten zeer verschillende eigenschappen kunnen hebben. De resulterende numerieke waarde (een zogenaamde metriek) kan dus worden gebruikt om nieuwe informatie te verkrijgen over het onderzochte systeem.

Het algoritme maakt gebruik van een meerstapsprotocol om het getal te genereren dat de structurele verschillen vertegenwoordigt. In de eerste stap zet het echte atomen in het eiwit om in zogenaamde primitieve atomen. Deze kunnen worden weergegeven als virtueel gelabelde posities waarvan de labels de chemische aard van het oorspronkelijke atoom vertellen.

De figuur toont de LoCoHD-curven (bovenste grafieken) en structuren (onderste panelen) van His276 en Met197 in podocine, twee sterk bimodale aminozuren, gemeten aan de hand van een moleculaire dynamica-simulatie. In de simulatie speelt aminozuur His276 een rol bij het verkorten van een helix, terwijl aminozuur Met197 verantwoordelijk is voor het vullen van een hydrofobe holte. Credit:Eötvös Loránd Universiteit

Een primitief atoom kan dus bijvoorbeeld een ‘positief geladen stikstof’, een ‘negatief geladen zuurstof’, een ‘neutraal geladen zuurstof’, een ‘aromatische koolstof’, enz. zijn. De labels worden gegenereerd volgens een zogenaamd primitief atoom. typeschema, dat ons in tabelvorm vertelt hoe we echte atomen in primitieve atomen kunnen omzetten. De gebruiker kan deze tabel vrij specificeren, waarbij de chemische resolutie van de methode wordt vastgelegd.

De tweede stap is het bepalen van de referentiepunten van de vergelijking door een subset van primitieve atomen te selecteren. Deze geselecteerde speciale primitieve atomen worden de ankeratomen genoemd. Voor elk geselecteerd ankeratoompaar voert het algoritme een vergelijkingsstap uit, waarvan het resultaat de gewenste ongelijkheidsmaatstaf oplevert. Deze getallen kunnen op lokaal niveau worden gebruikt, of ze kunnen worden gemiddeld tot één enkele descriptor die het hele eiwit karakteriseert.

In het onderzoek benadrukten de onderzoekers dat de methode ook kan worden gebruikt in de tweejaarlijkse CASP-wedstrijden (Critical Assessment of Protein Structure Prediction), een bekende wedstrijd op het gebied van eiwitonderzoek. Tijdens dit evenement gebruiken concurrenten verschillende algoritmen om de vorm te modelleren van eiwitten met nog niet gepubliceerde structuren. CASP-juryleden gebruiken een aantal structuurvergelijkingsmethoden om de kanshebbers te beoordelen, maar geen van deze houdt rekening met de chemie van de lokale aminozuuromgevingen.

Met behulp van gegevens van de CASP14-wedstrijd van 2020 hebben de onderzoekers nu een vergelijkende analyse uitgevoerd van verschillende gemodelleerde eiwitten, inclusief de structuren die worden voorspeld door de op kunstmatige intelligentie gebaseerde AlphaFold2-methode. Onder hen benadrukten ze de analyse van een eiwit van het SARS-CoV-2-virus genaamd ORF8. In de gemodelleerde structuren van dit eiwit werden aminozuuromgevingen geïdentificeerd die qua interactiepatronen aanzienlijk verschillen van de omgevingen gevonden in de experimentele structuur.

Naast het bestuderen van statische structuren testten de onderzoekers ook of de methode geschikt is om de interne beweging van eiwitten te analyseren. Ze gebruikten simulaties die moleculaire bewegingen en gegevens uit structurele ensembles konden reproduceren. Eén van de onderzochte systemen was het podocine-eiwit, dat vitale functies in de nier vervult en waarvan de mutaties ernstige, vaak fatale aandoeningen kunnen veroorzaken.

De LoCoHD-methode werd gebruikt om aminozuren in het eiwit te identificeren die grote veranderingen in de chemische omgeving ondergaan tijdens de beweging van podocine, die zowel de structuur als de functie ervan kunnen beïnvloeden. Op dezelfde manier is de LoCoHD-methode met succes toegepast in de studie van het HIV-1-capside-eiwit, waarin een aminozuur is geïdentificeerd dat cruciaal is voor de vorming van de virale envelop.

Deze resultaten zijn niet alleen onderzoekscuriosa, maar door eiwitstructuren effectiever te bestuderen, kunnen we dichter bij een beter begrip komen van de ziekteverwekkers die ernstige ziekten veroorzaken en bij de ontwikkeling van effectieve medicijnen en therapieën.

Meer informatie: Zsolt Fazekas et al, LoCoHD:een maatstaf voor het vergelijken van lokale omgevingen van eiwitten, Nature Communications (2024). DOI:10.1038/s41467-024-48225-0

Journaalinformatie: Natuurcommunicatie

Aangeboden door Eötvös Loránd Universiteit