AlphaFold2-toega molekulaarsete dokkimissimulatsioonide kasutamine valgu-ligandi interaktsioonide ennustamiseks antibiootikumide avastamiseks

AlphaFold2-toega molekulaarsete dokkimissimulatsioonide kasutamine valgu-ligandi interaktsioonide ennustamiseks antibiootikumide avastamiseks

Hiljuti avaldatud uuringus aastal Molekulaarsüsteemide bioloogia teadlased näitasid, et AlphaFold2 paremaks kasutamiseks antibiootikumide avastamiseks on vaja edusamme valgu-ligandi interaktsioonide modelleerimisel, kasutades masinõppel põhinevaid lähenemisviise.

Lernen: Benchmarking AlphaFold-fähiger molekularer Docking-Vorhersagen für die Entdeckung von Antibiotika. Bildnachweis: Jaromond/Shutterstock

taustal

Ravimite avastamise peamine väljakutse on ravimite sihtmärgi koostoimete tuvastamine. Teadlased on selle probleemi lahendamiseks välja töötanud mitmeid lähenemisviise, sealhulgas biokeemilisi analüüse, geneetilisi koostoimeid ja molekulaarset dokkimist. Kuid ainult molekulaarne dokkimine on osutunud kasulikuks valgu-ligandi interaktsioonide ja ravimi toimemehhanismi(de) tuvastamisel.

Kuigi dokkimine on mitmekülgne, nõuab see eelteadmisi valgu struktuuride kohta. Sihtvalgu struktuuride arv ja kvaliteet piiravad veelgi nende kasutamist ravimi sihtmärkide tuvastamisel.

Õppimisest

Käesolevas uuringus kasutasid teadlased hiljuti avaldatud AlphaFold2 valgu struktuuri prognoosimise andmebaasi, et võimaldada pöörddokkimise lähenemisviise, mis hõlmavad Escherichia coli (E. coli) olulist proteoomi ja võimaldavad antibiootikumide sidumise sihtmärkide igakülgset prognoosimist. Need katsed võivad aidata hinnata modelleerimisplatvormi jõudlust ja paljastada AlphaFold2-toega molekulaarse dokkimissimulatsioonide ennustustäpsuse.

Prognoositavaid valgu-ligandi interaktsioone antibiootikumide ja oluliste valkude vahel saab osaliselt katseliselt uurida, kasutades biokeemilisi analüüse, mis mõõdavad ensümaatilist aktiivsust, kusjuures seondumisinteraktsioone toetab ensümaatiline inhibeerimine.

Teadlased viisid läbi suure läbilaskevõimega sõeluuringud 39 128 kasvu inhibeeriva ühendi kohta metsiktüüpi E. coli vastu. Need ühendid olid looduslikud tooted, antibiootikumid ja struktuurselt mitmekesised molekulid molekulmassiga 40 daltonit (Da) kuni 4200 Da. Kõiki ühendeid, mis inhibeerisid suhtelist kasvu 80% võrra, peeti aktiivseteks ja iga aktiivne ühend ühendati arvutuslikult 296 AlphaFold2-ennustusega E. coli olulise proteoomiga.

Kontrollina dokiti inaktiivsete ühendite alamhulk samal viisil. Teadlased kasutasid AutoDock Vina, laialdaselt kasutatavat avatud lähtekoodiga dokkimisprogrammi koos võrdlusuuringuga, et dokkida kõik 218 ühendit 296 AlphaFold2 prognoositud olulise proteoomi vastu. Need simulatsioonid ennustasid nii spetsiifilisi kui ka laialt levinud valgu-ligandi interaktsioone ja valkude ebaühtlust. Lõpuks hindasid teadlased ennustusi nelja masinõppepõhise punktifunktsiooni (SF) abil, nimelt RF skoori, RF skoori-VS, valgu-ligaani laiendatud ühenduvuse (PLEC) skoori ja närvivõrgu (NN) skoori.

Uuringu tulemused

Geneetika ja genoomika e-raamat

Eelmise aasta tippintervjuude, artiklite ja uudiste koostamine.

Laadige koopia alla juba täna

Kokku 218 antibakteriaalset ühendit olid aktiivsed E. coli vastu ja ligikaudu 80% moodustasid antibiootikumid struktuuriklassidest β-laktaam, aminoglükosiidid, tetratsükliinid, kinoloonid ja polüketiidid. Ülejäänud toimeained koosnesid toksiinidest ja kasvajavastastest ühenditest. Uuring tuvastas ka täiendava komplekti ühendeid, mille antibakteriaalseid omadusi E. coli vastu ei ole varem dokumenteeritud.

Samuti ennustas uuringuanalüüs 64 528 valgu-ligandi paari seondumispositsiooni ja seondumisafiinsust. Täiendav 100 juhuslikult valitud mitteaktiivset ühendit andsid analoogdokkimise simulatsioonide abil 29 600 valgu-ligandi paari sidumispositsiooni ja afiinsuse prognoosid. Lisaks mõõtsid teadlased mitme E. coli valgu ensümaatilist aktiivsust, mis osalesid desoksüribonukleiinhappe (DNA) replikatsioonis, transkriptsioonis ja rakuseina sünteesis.

Huvitav on see, et mitmed valgumolekulid inhibeerisid ensümaatiliselt iga tuvastatud antibakteriaalset ühendit, kinnitades ulatuslikku ebakõla. See nähtus võimaldas ka mudeli jõudlust statistiliselt olulisel skaalal võrrelda.

Teadlased võrdlesid ulatuslikult valgu-ligandi interaktsioonide eksperimentaalseid andmeid in silico ennustustega, et näidata, et selle modelleerimismeetodi ennustustäpsus oli sõltuvalt kasutatud seondumisafiinsuslävest vahemikus 41–73%. Sõltumata seondumisafiinsuse lävest oli vastuvõtja tööomaduskõvera (auROC) alune ala oluliste valkude vahel keskmiselt 0, 48.

Märkimisväärselt jäi mudeli jõudlus sarnaseks isegi siis, kui teadlased kasutasid eksperimentaalselt spetsiifilisi valgu struktuure. Eeldades, et juhuslik mudel vastab auROC-le 0, 5, näitasid need tulemused, et molekulaarse dokkimise simulatsioonid toimisid halvasti.

Autorid leidsid, et auROC-ga mõõdetud mudeli jõudlus on RF-skoori, RF-skoor-VS ja NN-skooriga oluliselt paranenud. Seevastu mudeli jõudlus ei paranenud, kui kasutati DOCK6.9 ja hinnati uuesti, kasutades PLEC skoori. Lisaks parandasid konsensusmudelid, mis sisaldasid mitut masinõppepõhist SF-d, tõelise positiivse ja valepositiivse määra suhet ning prognoosimise täpsust.

Järeldused

Praegune uuring näitas, et AlphaFold2 kasutamine ravimite sihtmärkide ennustamiseks on paljutõotav meetod, kuid see on veel algusjärgus. Sellest tulenevalt nõuab selle potentsiaali realiseerimine ravimite avastamiseks valgu-ligandi interaktsioonide modelleerimisel märkimisväärseid parandusi. Molekulaarsete dokkimissimulatsioonide jõudluse võrdlusuuringud on üks elujõulisi viise prognoosimise täpsuse parandamiseks; see aga eeldab sellega kaasnevat masinõppepõhiste lähenemisviiside kasutamist. Üldiselt võivad uuringu tulemused anda teavet AlphaFold2 asjakohase kasutamise kohta ravimiuuringutes.

Viide:

• Benchmarking von AlphaFold-fähigen molekularen Docking-Vorhersagen für die Entdeckung von Antibiotika, Felix Wong, Aarti Krishnan, Erica J. Zheng, Hannes Stärk, Abigail L. Manson, Ashlee M. Earl, Tommi Jaakkola, James J. Collins. Molekulare Systembiologie. doi: https://doi.org/10.15252/msb.202211081 https://www.embopress.org/doi/full/10.15252/msb.202211081

.