Новый алгоритм для предсказания динамического языка белков
Исследователи из группы вычислительной структурной биологии Испанского национального центра онкологических исследований (CNIO) под руководством Альфонсо Валенсии совместно с группой Франческо Джервазио из Университетского колледжа Лондона (Великобритания) разработали первый вычислительный метод, основанный на эволюционных принципах, для предсказания динамики белков. Динамика объясняет изменения формы или трёхмерной структуры, которые белки претерпевают для взаимодействия с другими соединениями или ускорения химических реакций. Это крупный шаг вперёд в вычислительном изучении динамики белков (их движения), что критически важно для разработки лекарств и исследования генетических заболеваний, таких как рак, и позволяет работать с более высоким уровнем сложности, чем существующие методы.
Результаты опубликованы на этой неделе в журнале Proceedings of the National Academy of Sciences (PNAS).
Белки — это макромолекулы, ключевые для тысяч клеточных функций в живом организме. Они состоят из цепочек аминокислот, которые сворачиваются, образуя трёхмерную структуру. Недавно было обнаружено, что, изучая коэволюцию аминокислот, можно восстановить форму или структуру этих биологических соединений в их естественной среде. «Аминокислоты белка могут коэволюционировать, то есть меняться скоординированно, — говорит Альфонсо Валенсия. — Анализируя последовательности определённого семейства белков, мы можем с высокой точностью предсказать физические контакты между аминокислотами в количестве, достаточном для точного восстановления укладки белка и, следовательно, его структуры или формы».
Однако эта структура не остаётся статичной; она проходит через изменения, так что, подобно танцу, в котором каждый из партнёров приспосабливается друг к другу, белок взаимодействует с другими биологическими соединениями или лекарствами. Это известно как динамика белков, изучение которой оказалось очень сложным как с помощью экспериментальных наблюдений, так и с использованием вычислительных инструментов.
Вопрос, поставленный исследователями в начале работы, когда Франческо Джервазио возглавлял группу вычислительной биофизики в CNIO, был сложнее: можем ли мы использовать коэволюционные исследования для предсказания изменений формы белков и, следовательно, языка, который они устанавливают со своим окружением?
«Мы разработали модель, в которой аминокислоты, имеющие сильную коэволюционную связь, притягивались друг к другу, без каких-либо дополнительных данных, — говорит участник проекта Симоне Марсили. — Сначала мы моделируем процесс сворачивания, а затем можем наблюдать, как симуляции смогли предсказать изменения формы белков на разных уровнях сложности, включая те, которые необходимы для функционирования киназ [это ключевые белки в процессах метаболизма, клеточной сигнализации, а также клеточного транспорта и других]».
Этот новый вычислительный метод легко интегрирует экспериментальные и геномные данные с использованием новейших технологий анализа последовательностей и 3D-моделирования. Кроме того, он демонстрирует, что геномные данные могут быть источником полезной информации для дополнения текущих инструментов, используемых для изучения структуры и динамики белков.
«Способность предсказывать ключевые особенности белков на таком уровне сложности поможет понять, как последовательность белка определяет его динамику и, следовательно, его функции», — заключает Валенсия. Эта область знаний ключева для изучения генетических заболеваний, таких как рак, или для разработки лекарств, среди прочего.