여기에서는 단백질 시스템에 적응할 수 있는 반응성 카르보닐 종으로 변형된 아미노산 잔기의 최적화 및 매개변수화를 위한 프로토콜에 대해 설명합니다. 프로토콜 단계에는 구조 설계 및 최적화, 전하 할당, 파라미터 구성 및 단백질 시스템 준비가 포함됩니다.
지질 과산화에서 파생된 반응성 알데히드에 의한 단백질 카르보닐화는 단백질의 교차 결합, 올리고머화 및 응집을 유발하여 세포 내 손상, 세포 기능 손상, 궁극적으로 세포 사멸을 유발합니다. 그것은 노화 및 여러 노화 관련 만성 질환에서 설명되었습니다. 그러나 단백질 표적의 기능 손실과 관련된 구조적 변화의 기초는 여전히 잘 이해되지 않고 있습니다. 따라서, 지방산 산화에서 유래된 반응성 카르보닐 종으로 카르보닐화된 아미노산에 대한 새로운 파라미터의 인실리코(in silico ) 구축에 대한 경로가 설명됩니다. 4-hydroxy-2-nonenal (HNE), 4-hydroxy-2-hexenal (HHE) 및 4-Oxo-2-nonenal (ONE)에 대한 푸란 고리 형태를 가진 Cys, His 및 Lys에 대한 Michael 부가물이 구축되었으며 malondialdehyde (MDA)가 각 잔기에 직접 부착되었습니다. 이 프로토콜은 구성, 형상 최적화, 전하 할당, 누락된 결합, 각도, 이면각 각도 매개변수 및 각 수정된 잔류물 구조에 대한 검증에 대한 세부 정보를 설명합니다. 결과적으로, 이러한 지질 유도체를 사용한 카르보닐화에 의해 유도된 구조적 효과는 티오레독신 효소, 소 혈청 알부민 및 RMSD(제곱 평균 제곱근 편차), RMSF(Root Mean Square Quoctuation), DSSP(Structural Secondary Prediction) 및 SASA(Solvent-Accessible Surface Area Analysis)를 사용하는 막 Zu-5-ankyrin 도메인과 같은 다양한 단백질 시스템에 대한 분자 역학 시뮬레이션으로 측정되었습니다. 다른 사람들 사이에서.
산화적 변형을 통해 단백질의 분자 거동을 이해하려는 끊임없는 노력에서 계산 화학은 광범위한 과학 연구 분야에서 기본 기둥이 되었습니다. 이것은 분자의 원자 거동을 설명하기 위해 수학 방정식을 사용하여 전자 시스템의 물리적 현상을 해석할 수 있는 이론적 모델의 사용에 의존합니다. 이러한 환경에서 단백질의 컴퓨터 시뮬레이션은 분자 시스템의 원자 거동을 분석하기 위한 중요한 도구로 두드러집니다. 구조적 거동, 에너지 계산 및 구조적 상태1의 평가를 기반으로 이러한 방법은 생체 분자 시스템의 거동을 예측하기 위한 전략적 동맹이 됩니다.
이러한 시뮬레이션은 구조적 변화를 연구하고 단백질 시스템에서 생물학적 기능의 손실 또는 이득을 평가하는 데 특화되어 있습니다. 그러나 계산적 접근법은 염기서열에서 공유 후 번역 변형에 의해 형성된 변형된 잔기를 포함하는 단백질 시스템에 적용할 때 상당한 한계를 보여주었습니다. 이는 사용 가능한 많은 방법에는 단백질 2,3,4,5,6의 분자 역학 시뮬레이션을 위한 가장 일반적인 프로그램 패키지와 호환되는 힘장에 적응할 수 있는 매개변수를 가진 리소스가 부족하기 때문입니다. 따라서, 계산 소프트웨어 호환 가능한 힘-필드 적응 매개변수의 표준화는 토폴로지 및 원자 좌표의 정확한 결합을 용이하게 하기 위해 필수적이다(7).
이러한 문제에 대응하기 위해 지질 과산화에서 파생된 알데히드를 사용하여 새로운 변형 아미노산 잔기에 적용할 수 있는 프로토콜이 ab initio 방법을 사용하여 개발되었습니다. 이러한 의미에서 새로운 잔류물의 구조적 형상을 최적화하면 AMBER와 같은 일반 힘 필드에서 실행할 수 있는 새로운 결합, 각도 및 이면체 매개변수에 적응형 전하를 할당할 수 있습니다. 이러한 파라미터의 후속 검증을 통해 분자 역학 시뮬레이션에 적용할 수 있는 방법의 일관성과 견고성을 결정할 수 있습니다.
이 방법의 주목할만한 강점 중 하나는 카르보닐화에서 인산화, 아세틸화 및 메틸화에 이르기까지 다양한 번역 후 변형에 적응할 수 있는 능력에 있습니다. 이러한 다양성은 단백질 시스템에만 국한되지 않고 고분자 구조로 확장되어 원자 토폴로지 및 좌표와의 결합을 가능하게 합니다. 이와는 대조적으로, 이전 연구에서는 번역 후 변형(post-translational modifications)의 표준 매개변수화(parameterization)는 특정 유형의 변형에만 적합하며, 새로운 구조를 생성할 수 있는 능력이 부족한 게시된 저장소(repositories)에서만 얻을 수 있는 것으로 나타났다8.
현재 단백질 구조 예측 및 설계의 과제는 번역 후 변형(post-translational modification)으로 구조를 모델링할 때 더욱 분명해지고 있습니다. 특정 아미노산 부위의 변화를 설명하는 파라미터의 부족은 표준 파라미터화에 맞게 조정할 수 있는 계산 방법을 개발하고 적용해야 할 긴급한 필요성을 강조합니다. 이 프로토콜의 목적은 지방산 산화에서 유래된 반응성 카르보닐 종으로 공유 결합 변형된 아미노산에 대한 새로운 파라미터 의 인실리코(in silico ) 구축을 위한 경로를 제공하는 것입니다. 이러한 변형된 아미노산은 GAFF(General Amber Force Field)에 의해 인식되므로 이러한 종류의 카르보닐화가 표적 단백질에 미치는 구조적 및 기능적 효과를 인실리코(in silico )로 평가하는 데 사용할 수 있습니다.
AMBER 파라미터화 프로토콜 개발의 중요한 단계 중 하나는 AMBER 대기실에서 RESP 전하를 할당하는 방법 및 최소화와 관련된 에너지 변동성으로 인해 지질 과산화 유도체로 변형된 새로운 아미노산 잔기의 양자 최적화였습니다. 이를 위해 Hartree-Fock(HF/6-31G) 및 반경험적 밀도 함수 이론(DFT; 부하 할당에 대한 응답을 평가하기 위해 B3LYP/6-31G 및 M062X/6-31G)가 설정되었습니다. 결과적으로, HF 기능은 ?…
The authors have nothing to disclose.
이 연구는 연구 그룹 2021 및 Acta 017-2022를 지원하기 위해 Ministerio de Ciencia, Tecnología e Innovación(Minciencias) 및 카르타헤나 대학교(콜롬비아)의 연구 보조금 코드 1107-844-67943의 지원을 받았습니다.
AmberTools16 or Upper | The Amber Project | Amber is a suite of biomolecular simulation programs | |
Gaussian 09 or Upper | Gaussian Inc | Draw and optimize structures | |
Linux Ubuntu | GNU/Linux | Platform for AmberTools | |
NVIDIA GPUs GTX 1080 or Upper | Nvidia | Compatible with PMEMD |
.