見出し画像

Accurate prediction of dynamic protein–ligand binding using P-score ranking

Ikemen Mas Kot

https://onlinelibrary.wiley.com/doi/10.1002/jcc.27370

jcc.27370.txt
下記の文章は論文のアブストラクトをChatGPTに解釈させたものであり、正確性は保証しません。

Q1 何に関する論文か、詳しく説明してください。

この論文は、PL-pro（パパインライクプロテアーゼ）阻害剤に関する研究を扱っています。PL-proは、例えばSARS-CoV-2ウイルスなどのコロナウイルスにおいて重要な役割を果たす酵素であり、ウイルスの複製と免疫系への逃避に関与しています。そのため、PL-proを標的とすることで、ウイルスの増殖を抑制し、感染症の治療薬の開発につながる可能性があります。

論文では、まず5種類の異なるPL-pro阻害剤（Lig-01からLig-05）が、Protein Data Bankデータベースから高品質の結晶構造に基づいて収集され、それぞれの阻害剤のIC50値が示されています。IC50値は、薬剤が生物学的反応を50%抑制するために必要な濃度を示す指標で、低いほど強い阻害効果を持つことを意味します。

次に、これらの阻害剤の結合部位での安定性と相互作用エネルギーを評価するために、分子動力学シミュレーションを用いた解析が行われています。特に、PL-proのPループが閉じたホロ構造（holo-closed P-loop conformation）と、開いた構造（CMD-opened P-loop conformation）の両方で、それぞれの阻害剤がどのように振る舞うかが評価されています。

解析の結果、それぞれの阻害剤は、特定のクラスター（C-01など）において最も長い滞在時間を示し、また、相互作用エネルギーが最も低いことが示されています。これは、阻害剤が結合部位に安定して結合し、効果的にPL-proの活性を阻害することを意味します。

最後に、P-scoreという指標を用いて、予測された結合ポーズの妥当性を評価しています。P-scoreは、結合ポーズの品質を示すスコアで、高い値を持つほど高い結合ポーズの品質を意味します。

この論文は、新たなPL-pro阻害剤の発見とその結合特性の解析、さらにはその妥当性の検証を通じて、感染症治療薬の開発に貢献するための基礎研究として位置づけられます。

Q2 研究目的とその背景について、詳しく説明してください。

本研究の目的は、たんぱく質のポケット内でのリガンドの代表的な結合ポーズを識別することであり、これは複雑なプロセスです。我々は、スーパーバイズド分子動力学（SuMD）を使用し、動的平均量子力学フラグメント分子軌道法（DA-QM-FMO）、FMO、またはMM-PBSAによるエネルギー計算法で結合ポーズをスコアリングするアプローチを導入しました。

本研究では、このアプローチを、SuMDの軌道をDA-QM-FMOによる計算された結合エネルギーと組み合わせることでさらに強化できることを示しました。リガンドが任意の結合ポーズにとどまる時間と計算された結合エネルギーの両方を記述子として考慮し、正規化して0から1の間のスコアを与えると、Pスコアは、リガンドの出発点や結合部位の構造に関係なく、実験的な結合ポーズを正確に予測することができました。さらに、正しい結合ポーズのいずれも実験的な結合ポーズとして見つからなかった場合を予測することができました。個々のケーススタディにはそれぞれ複雑さがありますが、特にPL-proは、活性部位の柔軟性とリガンドを覆う非常に柔軟なPループのために、挑戦的な標的でした。

SuMDから予測された最も安定した構形は、ほとんどの場合、DA-QM-FMOまたはFMO（単一スナップショット上で）によって予測された最低エネルギー構形でもありました。しかし、いくつかのケースでは、これらの指標のいずれかまたは両方が実験的な結合ポーズを予測できませんでした。これは、SuMD中の限られたシミュレーション時間と、FMOがリガンドと結合部位残基の間の相互作用エネルギーを計算するが、システムの結合自由エネルギーを原子レベルで計算しないためです。また、FMO計算は、系の電子構造を記述するために原子軌道の基底集合に依存していますが、基底集合が十分に大きくない場合、フラグメント間の重要な電子相互作用が見落とされ、予測された特性に誤差が生じる可能性があります。

仮想スクリーニング中に正しい結合ポーズを正確に予測することは、スクリーニングプロセスの信頼性に不可欠です。我々のプロトコルは、異なる結合親和性を持つ5つの異なるPL-pro阻害剤のセットに適用されました。これらは、Pl-proの触媒結合部位を標的とするPDB ID：7JIV、7JRN、7RZC、7SDR、および7TZJのホロ構造からのリガンドです。

PL-pro阻害剤の有意性と、これらの阻害剤をPL-proの触媒結合部位に標的とする理由に関しては、PL-proはコロナウイルスの複製において重要な役割を果たすプロテアーゼであり、その活性部位を阻害することによってウイルスの生活環を妨害する可能性があるためです。PL-pro阻害剤は、新型コロナウイルス（SARS-CoV-2）などの治療薬の開発において重要なターゲットとなっています。この研究におけるPL-pro阻害剤の標的としての触媒結合部位は、ウイルスのプロテアーゼ活性を特異的に阻害することで、ウイルスの複製を阻止し、感染症の治療薬開発に貢献する可能性があるためです。

Q3 本研究で用いた手法について、詳しく説明してください。

この研究では、PL-pro (papain-like protease) の阻害剤に関する構造的および動的な解析が行われています。具体的には、PL-proの触媒結合部位を標的とする5つの異なる阻害剤（Lig-01からLig-05）の結晶構造をプロテインデータバンク（PDB）データベースから収集し、それぞれの阻害剤のIC50値を測定しています。

手法としては、SuMD（supervised molecular dynamics）シミュレーションを用いて、これらの阻害剤がPL-proに対してどのように結合し、どの程度の安定性を持つかを解析しています。SuMDシミュレーションは、特定の結合ポーズの探索を効率化するために監視された分子動力学シミュレーションです。シミュレーションでは、PL-proのCMD（closed P-loop conformation）およびCMD-opened P-loop conformationという2つの異なる構造状態を考慮しています。

実施方法としては、各阻害剤について3つのレプリケート（独立したシミュレーション実行）を行い、それぞれのレプリケートから得られた軌道をクラスタリングして、最も安定した結合ポーズ（C-01）を同定しています。クラスタリングには、結合部位における阻害剤の滞留時間（residence time）と相互作用エネルギー（ΔEFMO）を用いており、これらのパラメータから結合の安定性を評価しています。

さらに、P-scoreというスコアリング手法を用いて、予測された結合ポーズの妥当性を検証しています。P-scoreは、結合ポーズがどれだけ信頼性のあるものであるかを示す指標で、値が高いほど信頼性が高いとされます。

これらの手法を組み合わせることで、阻害剤の結合特性や安定性を定量的に評価し、PL-pro阻害剤の設計や最適化に役立つ情報を提供しています。また、IC50値とシミュレーションから得られたデータを比較することで、実際の生物学的活性とシミュレーション結果との相関を検証することができます。これにより、阻害剤の構造的な特徴と生物学的な効果との関連性を理解し、より効果的なPL-pro阻害剤の開発に寄与しています。

Q4 本研究の成果と限界について、詳しく説明してください。

この研究では、がんなどの疾患治療のためのターゲットとして、ヒートショックタンパク質90（Hsp90）、p38キナーゼ（p38）、およびMyeloid Cell Leukemia 1（Mcl-1）が取り上げられています。これらのタンパク質は、ストレス応答や細胞の突然変異に対する保護機能を果たす重要な役割を持ち、特にMcl-1は多くのがんで過剰発現や増幅され、本来アポトーシスを起こすべき腫瘍細胞の異常な生存を促進します。これらのターゲットに対して、PDB ID：3FT5、1W7H、4HW3がそれぞれの代表的な標的として使用され、共結晶化されたリガンドとともに解析されました。

P-scoreという手法を用いて、Hsp90とp38のターゲットに対して、クラスター番号C-01が高い信頼性を示し、P-score値はそれぞれ0.74と0.81と高い値を示しました。共結晶化されたポーズとのRMSD値と比較して、Hsp90とp38のリガンドはそれぞれ0.95Åと1.70ÅのRMSD値で、結晶化された参照構造によく重なっていることが示されました。Mcl-1の場合、P-scoreマトリックスは、滞在時間（t）の平均値に基づくクラスターC-02およびC-03と、相互作用エネルギーの平均値に基づくC-01を示しました。C-03によるポーズはRMSD値2.7Åの許容範囲内ですが、タンパク質-リガンド結合周辺の局所最小値のさらなる探索を可能にするためにサンプリングフェーズを増やすことが推奨されています。

一方で、SuMDによる予測では最も安定な構造がDA-QM-FMOやFMO（単一スナップショット上で）による最低エネルギー構造としても予測されることが多いですが、いくつかのケースでは、これらの指標のいずれか、または両方が実験的な結合ポーズを予測しないことがありました。これはSuMD中のシミュレーション時間が限られていること、そしてFMOがリガンドと結合部位の残基間の相互作用エネルギーを計算するものの、系の原子レベルの結合自由エネルギーを計算しないためです。さらに、FMO計算は系の電子構造を記述するために原子軌道の基底集合に依存していますが、基底集合が十分に大きくない場合、断片間の重要な電子相互作用が見逃され、予測される特性に誤りが生じる可能性があります。

Pseudomonas aeruginosaのLpxCは、グラム陰性細菌の細胞外膜の重要な成分であるリピッドAの生合成の最初のステップを触媒する亜鉛金属酵素です。その結合部位は、ASP-241、HIS-237、HIS-78の3つの残基によって形成された4座配位の亜鉛金属中心から成り立っています。この例では、リガンドは結合部位内でサンプリングされましたが、エネルギー計算にはDA-QM-FMOではなくMM-PBSAが使用されました。これは、Zn2+イオンの正の電荷がQMアプローチにとって挑戦的であるためです。したがって、P-scoreマトリックスは、滞在時間（t）とMM-PBSAからの結合エネルギー計算を中心に構築されています。このタンパク質は、PDB ID：7CI8で複合構造を形成しており、文献ではこの分子のコアスケルトンとRグループに多くの修正が報告されています。P-scoreプロトコルは、結晶化されたリガンドとそのコアスケルトンの修正（7CI8-Rとして参照）に適用されました。

タンパク質-リガンドドッキングアルゴリズムは分子設計に広く応用されていますが、誘導適合や選択的結合イベントに伴うタンパク質やリガンドの構造的柔軟性を考慮しないなど、いくつかの重要な欠点があります。その結果、リガンド結合に関連する水分子やイオンの溶媒化、エントロピー変化が不十分に取り扱われます。したがって、結合部位の小さな変化やエントロピックな溶媒化によって、ドッキング結果が大きく異なることがあります。

これらの制限を克服するために、分子力学にポアソン-ボルツマンと表面積（MM-PBSA）や分子力学に一般化されたボルンと表面積（MM-GBSA）のアプローチが導入され、溶媒化エネルギーの推定を組み合わせた結合エネルギーを推定する方法が開発されました。これらの方法は、関連する化合物やタンパク質-リガンド結合モードの結合自由エネルギーまたは相対的な結合自由エネルギーを推定することを目的として、1990年代後半にKollmanとCaseの研究室によって導入されました。

質問に対する回答として、この研究の発見と制約、PL-proインヒビターの開発に対する結果の意味合い、および研究中に遭遇した課題や短所について詳細に説明します。

この研究の発見は、Hsp90、p38、Mcl-1というタンパク質ターゲットに対するリガンドの結合ポーズを予測するためのP-scoreという新しい手法の有効性を示しています。P-scoreは、滞在時間や相互作用エネルギーなどのパラメータを用いて、リガンドの結合ポーズの優れた予測を行うことができるとされています。それにより、Hsp90とp38に対しては高い信頼性のある結合ポーズが特定されましたが、Mcl-1に関してはさらなるサンプリングが必要であるとされています。

しかし、この手法にはいくつかの制約があります。例えば、SuMDのシミュレーション時間が限られており、またFMO計算が原子レベルでの結合自由エネルギーを計算しないため、実験的な結合ポーズを予測できないケースがあることが挙げられます。また、適切な基底集合を使用しない場合、予測される特性に誤りが生じる可能性があると指摘されています。

LpxCの例では、亜鉛イオンの正の電荷がQMアプローチにとって挑戦的であるため、MM-PBSAがエネルギー計算に使用されています。これは、QMベースの計算手法が金属イオンを含むシステムに対しては複雑であり、計算コストが高いためです。MM-PBSAは、タンパク質-リガンド結合の自由エネルギーを推定するための代替手法として有効であることが示されていますが、この手法も完全ではなく、エントロピーの寄与などが十分に考慮されていない場合があります。

研究中に遭遇した課題や短所としては、タンパク質やリガンドの構造的柔軟性、水分子やイオンの溶媒化、リガンド結合に伴うエントロピー変化などの複雑な要因をドッキングアルゴリズムが十分に取り扱えていないことが挙げられます。これにより、結合部位の微妙な変化や溶媒化の変化がドッキング結果に大きな影響を与える可能性があり、予測の精度に制限が生じます。

結果的に、これらの発見と制約は、PL-proインヒビターの開発において、リガンドの結合ポーズをより正確に予測するための手法の改善や、複雑な生体分子系の理解を深めるための計算手法の開発が重要であることを示唆しています。また、実験的手法と計算手法の組み合わせによるアプローチが、より信頼性の高い結果を導くための鍵であると考えられます。

Q5 本研究で何を明らかにしたか、詳しく説明してください。

この研究では、タンパク質とリガンドの結合姿勢を予測するためにP-scoreという指標を用いた結果について報告されています。P-scoreは、タンパク質とリガンドの相互作用エネルギーやリガンドの滞在時間（residence time）などの計算結果を基に、結合姿勢の信頼性を評価するためのスコアです。

具体的な成果としては、以下の点が挙げられます。

  1. Hsp90、p38、Mcl-1、Mproといった異なるターゲットタンパク質に対して、P-scoreを用いて結合姿勢のクラスタリングを行い、それぞれのリガンドに対する最も信頼性の高い結合姿勢を特定しました。

  2. 各リガンドにおいて、P-scoreが最も高いと評価された結合姿勢（C-01）は、必ずしも最低の相互作用エネルギーを示すわけではなく、また最長の滞在時間を示すわけでもありませんでした。しかし、P-scoreは参照結晶構造に最も近い姿勢を優先して選択しました。

  3. P-scoreが低い信頼性を示す場合でも、RMSD（root-mean-square deviation）の値が2.5Å以下であると、リガンドが参照結晶構造に対して定義された方向で結合していることが示されました。

これらの成果は、タンパク質-リガンド結合予測において、P-scoreが有用な指標であることを示唆しています。P-scoreは、単に相互作用エネルギーや滞在時間だけでなく、結晶構造との類似性も考慮に入れることで、より現実に即した結合姿勢の予測が可能になると考えられます。これにより、薬剤の設計やタンパク質の機能解析において、より精度の高い情報が得られる可能性があります。また、予測された結合姿勢の信頼性を評価する際に、追加のシミュレーション時間を要するかどうかの判断材料としても役立ちます。

Q6 本研究で用いたデータセットを網羅的に列挙し、名前やURLなどがあればそれらも含めて詳しく説明してください。

この研究で利用されたデータセットには、タンパク質とリガンドの結晶構造データが含まれています。具体的には、以下のタンパク質データバンク（Protein Data Bank, PDB）のIDが挙げられています。

  • Hsp90（Heat shock protein 90）: PDB ID 3FT5

  • p38 Kinase: PDB ID 1W7H

  • Mcl-1（Myeloid Cell Leukemia 1）: PDB ID 4HW3

これらのPDB IDは、それぞれのタンパク質と共結晶化されたリガンドの構造データを指しており、研究でのターゲットとして用いられています。これらのデータは、タンパク質データバンク（https://www.rcsb.org/）からアクセス可能です。

各データセットの詳細は以下の通りです。

  1. Hsp90（PDB ID 3FT5）:
    Hsp90は細胞のストレス応答に重要な役割を果たし、変異の影響から細胞を保護するタンパク質です。この構造データは、Hsp90とそのリガンドの結晶構造を示しています。

  2. p38 Kinase（PDB ID 1W7H）:
    p38は細胞のシグナル伝達に関わるキナーゼで、炎症反応や細胞の生存に関与しています。1W7Hはp38とリガンドの共結晶構造を示しています。

  3. Mcl-1（PDB ID 4HW3）:
    Mcl-1はBcl-2ファミリーに属するタンパク質で、多くのがんで過剰発現され、細胞の異常な生存を促進します。4HW3はMcl-1とリガンドの共結晶構造を示しています。

これらのデータセットは、リガンドの結合ポーズを予測するための基礎データとして使用され、スーパーバイズド分子動力学（SuMD）、DA-QM-FMO（Dynamical Averaging of Quantum Mechanics Fragment Molecular Orbital）、FMO（Fragment Molecular Orbital）、MM-PBSA（Molecular Mechanics with Poisson-Boltzmann Surface Area）などの計算手法を用いて、結合エネルギーや自由エネルギーを評価するために利用されました。

研究では、これらのデータセットを用いて、結合ポーズのスコアリングやエネルギー計算を行い、実験的な結合ポーズを正確に予測するためのアプローチが紹介されています。

7 本研究を特徴づけるキーワードを日本語で提案し、ハッシュタグとして列挙してください。（５個程度）

#Pスコア #PLプロテアーゼ阻害剤 #相互作用エネルギー #レジデンスタイム #MMPBSA #CMD開いたPループ構造

この記事が気に入ったらサポートをしてみませんか？