2011年Discovery Studio重要案例分析

2011年Discovery Studio重要案例分析(1-12期)

发布时间：2011/03/11

∙2011年第一期

∙2011年第二期

∙2011年第三期

∙2011年第四期

∙2011年第五期

∙2011年第六期

∙2011年第七期

∙2011年第八期

∙2011年第九期

∙2011年第十期

∙2011年第十一期

∙2011年第十二期

[2011年第一期]

新技术:基于受体-配体二元晶体复合物产生药效团模型

随着X-射线晶体衍射和核磁共振技术的进步，大量的蛋白结构被解析，尤其是如果受体和抑制剂复合物结构已知，则从复合物结构中可以得到抑制剂中对活性贡献较大的基团及其空间分布。因此，在基于活性配体构建药效团模型，即HipHop和HypoGen方法以及基于受体的药效团模型SBP方法的基础上，Discovery Studio3.0又增加了基于受体-配体晶体复合物构建药效团模型的功能(Receptor-Ligand Pharmacophore Generation).

图1:由配体（五肽）-受体的晶体结构复合物（PDB code:1awq）出发构建具有选择性的药效团。

图2:将基于受体-配体晶体结构复合物所产生的药效团与原始的晶体复合物叠合结果。

图3:Receptor-Ligand Pharmacophore Generation的参数设置界面

研究分子间相互作用对于基于结构的药物设计非常重要。分子对接是常用的方法之一，在传统的对接方法中，对接的准确性往往要打折扣，因为这些程序可以把化合物放在结合位点的任何位置。而相应的打分方程往往不能找到最有可能的结合位点。但是大部分情况下，对一个给定的结合位点来说，哪个相互作用对配体-受体相互作用起关键影响经常是已知的。对于这种情况，就可以把以经验为主发现的结合位点和已知的结合模式考虑到对接过程中，创建一个用于对接的药效团模型。这样就可以引导潜在的抑制剂结合到已知的、能量有利的相互作用上。

图4:2-羟基吲哚抑制剂与细胞周期蛋白依赖性激酶2的相互作用(PDB ID1fvv)二维图，虚线代表氢键相互作用，实线为Pi-Pi相互作用

图5:基于1fvv晶体复合物构建的药效团模型，绿色小球为氢键受体，淡蓝色小球为疏水基团，黑色小球为排除体积，红色部分为位于蛋白活性部位的氨基酸残基

为了提高所构建药效模型的选择性，将此模块内置了GFA模型，该模型以3285个药效团模型的特征数和各特征之间的距离作为描述符，用于筛选具9607个多样性化合物的CapDiverse databas，将其命中的“hits”作为因变量，构建QSAR模型，方程中r2为0.917，具有很好的线性关系，用此模型评价构建的所有药效团选择性，并按选择性得分排序。

图6:GFA模型验证的QSAR回归方程

图7:“Receptor-Ligand Pharmacophore Generation”protocol的算法流程

[2011年第二期]

新技术:虚拟氨基酸扫描(virtual residue scanning)预测突变蛋白的热稳定性、与底物结合能力的改变

蛋白质的结构决定其功能，二者之间的关系也是蛋白质组研究的重点之一。对某个已知基因的特定碱基进行定点改变、缺失或者插入，可以改变对应的氨基酸序列和蛋白质结构，对突变基因的表达产物进行研究有助于人类了解蛋白质结构和功能的关系，探讨蛋白质的结构/结构域。新版本的Discovery Studio（version3.0）为研究工作者，提供了科学而准确的虚拟氨基酸扫描技术。使用该方法，研究者可以：

1.预测突变蛋白的热稳定性(thermostability)

2.使用甘氨酸扫描方法预测蛋白-蛋白相互作用的热区（Hot Spot）；

3.使用甘氨酸扫描方法提高酶与底物的结合亲和能力

4.使用饱和突变方法预测酶与底物、蛋白-蛋白复合物的亲和力变化

上述新技术可以方便研究工作者在进行点突变实验前，提前对所需要的突变位点进行预筛选，提高实验效率。

算法部分

图1Discovery Studio3.0中的算法原理

图2Discovery Studio3.0中自由能计算的函数表达

验证与应用部分

算法验证：使用Computational Alanine Scanning预测突变蛋白热稳（thermostability）定性，并与现有的算法FoldEF(Guerois et al.J.MOL.Biol,2002,369-387)的结果进行比较。

图3DS30与FoldEF预测突变蛋白热稳定的结果比较

实例分析：Accelrys的研究人员使用Discovery Studio，对突变实验数据较为丰富的T4溶菌酶(图3)进行了虚拟氨基酸扫描工作，预测了突变蛋白与野生蛋白的自由能变化值，并进行了相关统计分析，发现理论预测值与实验测定值之间存在较大的线性相关性，证明DS中算法的合理性。

图4T4溶菌酶的3D结构(PDB code:2LZM)

图5.对T4溶菌酶，理论预测ΔΔG值与实验测定ΔΔG值间的线性关系

算法验证：使用Computational Alanine Scanning预测蛋白-蛋白复合物的结合能力，并与现有的Robetta算法（Kortemme T,Baker,D.2002,PNAS,99,14116-14121）的结果比较。

图6.使用Computational Alanine Scanning预测蛋白-蛋白复合物时，理论预测ΔΔG值与实验测定ΔΔG值间的线性关系

[2011年第三期]

抗体工程——设计稳定性更高的单链Fv抗体（scFv）

单链Fv抗体（scFv）在还原性细胞质环境下，由于二硫键发生还原反应而不能正确折叠，最终造成其稳定性下降。来自釜山国立大学的Lee教授以anti-c-Met scFv为模式系统，将目标scFv的CDR序列与稳定较高的human consensus framework序列“嫁接”，获得了在还原性细胞质环境中依然能够稳定存在的scFv。使用DS_MODELER，作者同时预测了原始

anti-c-Met scFv和工程改造后的scFv的3D结构。通过比较两个结构，Lee教授找到了改造scFv稳定的原因在于：（1）抗体表面氨基酸疏水性的降低；（2）在结构上新增两个盐桥键。