AlphaFold-SFA: 暗号化ポケットの開口を加速するためのAlphaFold、スロー特徴分析、およびメタダイナミクスの融合

핵심 개념

AlphaFold生成の構造アンサンブルを基にした短い分子動力学シミュレーションからスロー特徴分析(SFA)を用いて抽出した集団変数を使ったメタダイナミクスシミュレーションにより、プラスモジン-IIの暗号化ポケットの開口やリガンド結合、RIPK2のアロステリック変化を効率的にサンプリングできることを示した。

초록

本研究では、AlphaFoldで生成した構造アンサンブルを初期構造とした短い分子動力学シミュレーションから、スロー特徴分析(SFA)を用いて集団変数を抽出し、それをメタダイナミクスシミュレーションの集団変数として使うことで、タンパク質の暗号化ポケットの開口やリガンド結合、アロステリック変化といった希少事象をより効率的にサンプリングできることを示した。

プラスモジン-IIについては、AlphaFoldで生成した構造アンサンブルでは「深い」暗号化ポケットの開口を捉えられなかったが、SFAを用いたメタダイナミクスシミュレーションにより、Trp41の反転やフラップ開口といった重要な構造変化を数百ナノ秒のシミュレーション時間で捉えることができた。これは、マルコフ状態モデルに基づく従来手法と比べて大幅に高速である。

また、SFAを用いたファンネルメタダイナミクスシミュレーションでは、リガンド結合/解離過程を効率的にサンプリングでき、フラップ開口やTrp41の反転といった重要な構造変化を捉えることができた。一方、従来のファンネルメタダイナミクスではこれらの構造変化を十分にサンプリングできなかった。

さらに、RIPK2については、SFAを用いたメタダイナミクスシミュレーションにより、活性化ループやDFGモチーフの動きが、RIPK2とXIAPの相互作用を調節するアロステリックホットスポットであることを明らかにした。これらの構造変化は、従来の長時間の分子動力学シミュレーションでは捉えられていなかった。

以上のように、本研究では、AlphaFold生成の構造アンサンブルとSFA、メタダイナミクスを組み合わせることで、タンパク質の希少事象を効率的にサンプリングできることを示した。これは、構造ベースの創薬研究において重要な知見を提供するものである。

통계

プラスモジン-IIの「深い」暗号化ポケットの開口には、Trp41の反転とフラップ開口が必要である。
SFAを用いたメタダイナミクスシミュレーションでは、これらの構造変化を数百ナノ秒のシミュレーション時間で捉えられた。一方、従来のマルコフ状態モデルでは数マイクロ秒の長時間シミュレーションが必要であった。
SFAを用いたファンネルメタダイナミクスシミュレーションでは、リガンド結合/解離過程でのフラップ開口やTrp41の反転を効率的にサンプリングできた。従来のファンネルメタダイナミクスではこれらの構造変化を十分に捉えられなかった。
RIPK2については、SFAを用いたメタダイナミクスシミュレーションにより、活性化ループやDFGモチーフの動きが、RIPK2とXIAPの相互作用を調節するアロステリックホットスポットであることが明らかになった。これらの構造変化は、従来の長時間の分子動力学シミュレーションでは捉えられていなかった。

인용구

"AlphaFold生成の構造アンサンブルでは「深い」暗号化ポケットの開口を捉えられなかったが、SFAを用いたメタダイナミクスシミュレーションにより、Trp41の反転やフラップ開口といった重要な構造変化を数百ナノ秒のシミュレーション時間で捉えることができた。"
"SFAを用いたファンネルメタダイナミクスシミュレーションでは、リガンド結合/解離過程でのフラップ開口やTrp41の反転を効率的にサンプリングできた。一方、従来のファンネルメタダイナミクスではこれらの構造変化を十分に捉えられなかった。"
"RIPK2については、SFAを用いたメタダイナミクスシミュレーションにより、活性化ループやDFGモチーフの動きが、RIPK2とXIAPの相互作用を調節するアロステリックホットスポットであることが明らかになった。これらの構造変化は、従来の長時間の分子動力学シミュレーションでは捉えられていなかった。"

핵심 통찰 요약

AlphaFold-SFA: accelerated sampling of cryptic pocket opening, protein-ligand binding and allostery by AlphaFold, slow feature analysis and metadynamics

by Vats... 게시일 www.biorxiv.org 11-21-2023

https://www.biorxiv.org/content/10.1101/2023.11.21.568098v2

더 깊은 질문

AlphaFoldで生成した構造アンサンブルの多様性を高めるためのさらなる手法はないか

AlphaFoldで生成された構造アンサンブルの多様性をさらに高めるためには、異なる初期条件や異なるシミュレーションパラメータを使用して、より多くの独立した分子動力学シミュレーションを実行することが考えられます。これにより、より広範囲で多様な構造がサンプリングされ、より包括的な構造アンサンブルが得られる可能性があります。また、AlphaFoldの出力をさらに精査し、構造の多様性を高めるための手法やアプローチを組み込むことも有効であるかもしれません。さらに、異なるタンパク質間の相互作用や複合体形成など、より複雑な生物学的プロセスを考慮した構造アンサンブルの生成も重要です。

SFAの集団変数選択の最適化方法はどのように改善できるか

SFAの集団変数選択の最適化方法を改善するためには、より適切な特徴量の抽出や選択手法を導入することが考えられます。例えば、より効率的な次元削減手法や特徴量エンジニアリングアプローチを組み込むことで、SFAがより適切な集団変数を抽出できる可能性があります。また、SFAのハイパーパラメータの調整やトレーニングデータの適切な選択も重要です。さらに、他の機械学習アルゴリズムや手法と組み合わせることで、SFAの性能を向上させることができるかもしれません。

本手法を応用して、タンパク質の機能発現に関わる他の重要な構造変化を明らかにできるか

本手法を応用して、タンパク質の機能発現に関わる他の重要な構造変化を明らかにすることは可能です。例えば、タンパク質の活性部位やリガンド結合部位の構造変化、アロステリックサイトの特定、タンパク質間相互作用の解明など、さまざまな生物学的プロセスに関連する構造変化を捉えることができます。さらに、タンパク質の構造変化が疾患や薬物応答に与える影響を理解するために、本手法を活用することで新たな知見や洞察を得ることができるでしょう。