AlphaFold2 įgalinto molekulinio prijungimo modeliavimo naudojimas, siekiant numatyti baltymų ir ligandų sąveiką antibiotikų atradimui

AlphaFold2 įgalinto molekulinio prijungimo modeliavimo naudojimas, siekiant numatyti baltymų ir ligandų sąveiką antibiotikų atradimui

Neseniai paskelbtame tyrime Molekulinių sistemų biologija tyrėjai parodė, kad norint geriau panaudoti AlphaFold2 antibiotikų atradimui, reikia pažangos modeliuojant baltymų ir ligandų sąveiką naudojant mašininiu mokymusi pagrįstus metodus.

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

fone

Pagrindinis narkotikų atradimo iššūkis yra vaistų ir tikslinių sąveikų nustatymas. Tyrėjai sukūrė keletą šios problemos sprendimo būdų, įskaitant biocheminius tyrimus, genetinę sąveiką ir molekulinį prijungimą. Tačiau tik molekulinis prijungimas pasirodė esąs naudingas nustatant baltymų ir ligandų sąveiką ir vaisto veikimo mechanizmą (-us).

Nors ir universalus, prijungimas reikalauja išankstinių žinių apie baltymų struktūras. Tikslinių baltymų struktūrų skaičius ir kokybė dar labiau riboja jų taikymą nustatant vaistų taikinius.

Apie studijas

Šiame tyrime mokslininkai panaudojo neseniai išleistą AlphaFold2 baltymų struktūros prognozavimo duomenų bazę, kad įgalintų atvirkštinio prijungimo metodus, apimančius esminį Escherichia coli (E. coli) proteomą, ir visapusiškai numatyti antibiotikų surišimo tikslus. Šie eksperimentai galėtų padėti įvertinti modeliavimo platformos našumą ir atskleisti AlphaFold2 įgalintų molekulinio prijungimo modeliavimų prognozavimo tikslumą.

Numatoma baltymų ir ligandų sąveika tarp antibiotikų ir esminių baltymų gali būti iš dalies tiriama eksperimentiškai, naudojant biocheminius tyrimus, kurie matuoja fermentinį aktyvumą, o surišimo sąveiką palaiko fermentinis slopinimas.

Tyrėjai atliko didelio našumo ekranus, kuriuose buvo 39 128 augimą slopinantys junginiai prieš laukinio tipo E. coli. Šie junginiai buvo natūralūs produktai, antibiotikai ir struktūriškai įvairios molekulės, kurių molekulinė masė nuo 40 daltonų (Da) iki 4200 Da. Visi junginiai, kurie slopino santykinį augimą 80%, buvo laikomi aktyviais, ir kiekvienas aktyvus junginys skaičiavimo būdu buvo prijungtas prie 296 AlphaFold2 numatytų E. coli esminių proteomų.

Kaip kontrolė, neaktyvių junginių pogrupis buvo prijungtas taip pat. Tyrėjai naudojo AutoDock Vina, plačiai naudojamą atvirojo kodo prijungimo programą su lyginamuoju tyrimu, kad prijungtų visus 218 junginių prieš 296 AlphaFold2 numatytus esminius proteomus. Šie modeliavimai numatė tiek specifinę, tiek plačiai paplitusią baltymų ir ligandų sąveiką bei baltymų pasiskirstymą. Galiausiai, mokslininkai įvertino prognozes naudodami keturias mašininiu mokymusi pagrįstas balų funkcijas (SF), būtent RF balą, RF balą-VS, baltymų ir ligano išplėstinio ryšio (PLEC) balą ir neuroninio tinklo (NN) balą.

Studijų rezultatai

Genetika ir genomika e-knyga

Populiariausių praėjusių metų interviu, straipsnių ir naujienų rinkinys.

Atsisiųskite kopiją šiandien

Iš viso 218 antibakterinių junginių buvo aktyvūs prieš E. coli, o maždaug 80 % sudarė β-laktamo, aminoglikozidų, tetraciklinų, chinolonų ir poliketidų struktūrinių klasių antibiotikai. Likusias veikliąsias medžiagas sudarė toksinai ir antineoplastiniai junginiai. Tyrimo metu taip pat nustatytas papildomas junginių rinkinys, kurių antibakterinės savybės prieš E. coli anksčiau nebuvo dokumentuotos.

Taip pat tyrimo analizė numatė 64 528 baltymų ir ligandų porų surišimo padėtį ir surišimo afinitetą. Papildomi 100 atsitiktinai atrinktų neaktyvių junginių lėmė 29 600 baltymų ir ligandų porų jungimosi pozos ir afiniteto prognozes naudojant analoginio prijungimo modeliavimą. Be to, mokslininkai išmatavo kelių E. coli baltymų, dalyvaujančių dezoksiribonukleino rūgšties (DNR) replikacijoje, transkripcijos ir ląstelės sienelės sintezėje, fermentinį aktyvumą.

Įdomu tai, kad kelios baltymų molekulės fermentiškai slopino kiekvieną identifikuotą antibakterinį junginį, patvirtindamos platų laisvumą. Šis reiškinys taip pat leido palyginti modelio veikimą statistiškai reikšmingu mastu.

Tyrėjai plačiai palygino eksperimentinius baltymų ir ligandų sąveikos duomenis su in silico prognozėmis, kad parodytų, kad šio modeliavimo metodo numatymo tikslumas buvo nuo 41% iki 73%, atsižvelgiant į naudojamą surišimo afiniteto slenkstį. Nepriklausomai nuo surišimo afiniteto slenksčio, pagrindinių baltymų plotas po imtuvo veikimo charakteristikos kreive (auROC) buvo 0,48.

Pažymėtina, kad modelio veikimas išliko panašus net tada, kai mokslininkai eksperimentiškai naudojo specifines baltymų struktūras. Darant prielaidą, kad atsitiktinis modelis atitinka 0,5 auROC, šie rezultatai parodė, kad molekulinio prijungimo modeliavimas veikė prastai.

Autoriai nustatė, kad modelio našumas labai pagerėjo, matuojant auROC, naudojant RF balą, RF balą-VS ir NN balą. Ir atvirkščiai, modelio veikimas nepagerėjo, kai buvo naudojamas DOCK6.9, o pakartotinis vertinimas buvo atliktas naudojant PLEC balą. Be to, sutarimo modeliai, apimantys kelis mašininiu mokymusi pagrįstus SF, pagerino tikro teigiamo ir klaidingai teigiamo rodiklio santykį ir prognozavimo tikslumą.

Išvados

Dabartinis tyrimas parodė, kad AlphaFold2 naudojimas narkotikų tikslams numatyti yra perspektyvus metodas, tačiau jis vis dar yra ankstyvoje stadijoje. Atitinkamai, norint suvokti jo potencialą vaistų atradimui, reikės gerokai patobulinti baltymų ir ligandų sąveikos modeliavimą. Molekulinio prijungimo modeliavimo našumo lyginamoji analizė yra vienas iš perspektyvių būdų, kaip pagerinti numatymo tikslumą; tačiau tam reikia kartu naudoti mašininiu mokymusi pagrįstus metodus. Apskritai tyrimo rezultatai galėtų padėti tinkamai naudoti AlphaFold2 vaistų tyrimuose.

Nuoroda:

• 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

.