Homologes Modelling von Protein Komplexen Proseminar: Theoretical Analysis of Protein-Protein...

Homologes Modelling von Protein Komplexen

Proseminar: Theoretical Analysis of Protein-Protein Interaction

Daniela [email protected]

Übersicht der Themen

Einleitung

1. Modell: Methode um Protein Wechselwirkungen anhand von 3D Komplexen zu modellieren

- Methoden

- Ergebnisse

Übersicht der Themen

2. Modell: Methode um Protein Wechselwirkungen anhand von molekular Docking Methoden zu modellieren

- Methoden

- Ergebnisse

Fazit

Diskussion

Einleitung

Hauptziel von funktional Genomics:

Bestimmung von Protein-Wechselwirkungs-Netzwerken für ganze Organismen.

Bisherige Studien:

Identifizierung von hunderten potentieller Wechselwirkungen in Proteinen und Hefe- Komplexen.

Computergestützte Methoden verwenden Gene Fusion, Gene Order, Kombinationen von Annäherungen um

funktionelle Verbindungen und vermeintliche Wechselwirkungen zu bestimmen.

Einleitung

Beste Quelle für Daten über Protein Wechselwirkungen:

durch Kristallographie bestimmte Komplexe von 3D-Strukturen.

Wechselwirkungen zwischen Proteinen in diesen Komplexen beziehen mindestens 2 Proteine mit ein,

die Mitglieder einer homologen Familie sind.

Hauptproblem:

Unter welchen Bedingungen ist es möglich, funktionelle Informationen von einem Protein auf seine Homologe zu übertragen? Interagieren sie überhaupt oder auf die selbe Art und Weise?

1.Modell für die Bewertung von

Wechselwirkungen zwischen Proteinen

Aloy & Russell (EMBL, Heidelberg)

Methoden:

Modell, um vermeintliche Wechselwirkungen zwischen homologen Proteinen an einem Komplex von

bekannten 3D-Strukturen zu testen.

Gegeben:

3D-Komplex

Alignments von Homologen der interagierenden Proteine




3D-Komplex:

Blast2: Vergleich von Sequenzen aus SCOP mit Proteinstrukturen aus Pfam.

Verbindungen: E-value von beiden ≤ 0,01

Suche nach unterschiedlichen Pfam Domainen, bei denen die jeweiligen entsprechenden Ketten in

Kontakt stehen (Abstand < 5Å).

Set von 356 eindeutig interagierenden Paaren verschiedener Pfam Familien.




Klassen von 3D-Komplexen:

Enzym Inhibitoren

Cytokine Rezeptoren

Signal Komplexe

Hetero-Multimere

Immun-System-Komplexe (antibody, antigen)

andere Protein-Protein Wechselwirkungen




Identifizierung der Aminosäuren, die atomare Kontakte im Komplex eingehen:

- side-chain/side-chain Kontakte

- side-chain/main-chain Kontakte Mit Hilfe von empirischen Potentialen wird überprüft, ob Wechselwirkungen in den Homologen konserviert sind.

1.Modell für die Bewertung von Wechselwirkungen

zwischen ProteinenAloy & Russell (EMBL, Heidelberg)

Empirische Potentiale für Protein-Protein Wechselwirkungen:

Def.: interagierende Aminosäuren: Aminosäuren mit mind. einer

Wasserstoffbrücke (N-O ≤ 3,5 Å), Salzbrücke (N-O ≤ 5,5 Å), van der Waals Wechselwirkung (C-C ≤ 5 Å).

20

1

20

1

10log

bbn

bn

aan

an

TabE

abEabC

abS

Molar-fraction random state model (verwendet für emp. Potential):



na, nb = total number of amino acids a, bT = total number of interacting pairsEab = molar expected frequency for the a-b pairCab = number of observed contacts between a and bSab = log-odd score for Cab > 0 and Eab > 5otherwise Sab = -0.5 for side-chain/main-chain contactsand Sab = -1.0 for side-chain/side-chain contacts

20

1

20

1

10log

bbn

bn

aan

an

TabE

abEabC

abS




Insgesamt wurden 4.517 side-chain/main-chain und 3.316 side-chain/side-chain Kontakte gefunden.

Mit Hilfe von empirischen Potentialen wurden Komplexe mit wenigen oder die hauptsächlich main-chain/main- chain Kontakte haben, entfernt.



Ergebnisse:

Common residues in contact (homologues complexes)

Potential score of one complex by another

Cytokine/receptor 92 % High value

signaling 89 % High value

Peptidase/inhibitor 59 % 65 %

others 66 % High value

average 70 %



Ergebnisse:

Niedriger Wert für peptidase/inhibitor Klasse:

Inhibitoren binden fest an Target Proteasen über main-chain/main-chain Kontakte.

Hohe Werte für andere Klassen:

Wechselwirkungen sind eher flüchtig (side-chain Kontakte).

Berücksichtigt wurden nur unterschiedliche Proteinpaare, von denen bekannt ist, dass sie in der selben Art und Weise interagieren.

wichtig: Berücksichtigung von Paaren von Proteinen, die definitiv nicht interagieren.



Fig.1: Aloy, Russell - Interrogating protein interaction networks through structural biology



Fibroblast Growth Factor und Rezeptor:

Meist studierten Wechselwirkungen zwischen FGFs und Rezeptoren.

FGFs spielen eine Rolle bei der Morphogenese, der Angiogenese und der Wundheilung.

20 menschliche FGFs binden an einen oder mehrere der 7 FGF-Rezeptoren.

Anwenden des Modells auf FGFs-Komplexe.



Fibroblast Growth Factor und Rezeptor:

Insgesamt 252 unterschiedliche Wechselwirkungen

112 Bindungsaffinität < 10 % (low)

140 Bindungsaffinität > 10 % (high)

158 Wechselwirkungen mit hohem signifikantem Wert ≤ 0,01

105 mit hoher Bindungsaffinität

94 Wechselwirkungen mit niedrigem signifikantemWert > 0,1

59 mit niedriger Bindungsaffinität

Gesamt-Genauigkeit der vorhergesagten Wechselwirkungen von 65 %


zwischen ProteinenRichard M.Jackson (Biomol.Structure & Modeling Unit, University College London)

Modell zur Berechnung von Protein-Protein Wechselwirkungen:

12 heterogene Serine Protease-Inhibitor und 15 Antikörper-Antigen Komplexe.

Verwendet: Molekulare Docking Methoden um Energie der Wechselwirkungen zu analysieren

Aufteilung in verschiedene Beiträge der main-chain und side-chain Kontakte, der non-rotameric side-chains und verschiedene Typen von beteiligten Aminosäuren.



Biologischer und struktureller Hintergrund:

Antikörper erkennen großes Spektrum an anti-genetischen Komponenten (Proteine, Polysaccharide, Nukleinsäuren, Lipide). Motif: Immunoglobulin-like β-Sandwich mit 6 Loops reagieren hauptsächlich über main-chain/main-chain Kontakte.

Serine Protease-Inhibitoren sind kleine Proteine mit substrate-like Wechselwirkungen mit dem aktiven Zentrum der Serine-Endopeptidasen. reagieren über side-chain/side-chain oder side-chain/main-chain Kontakte.



Freie Bindungs-Energie:

motionernalsolventeractionbind GGGGG intint

ΔGinteraction = spezifische Protein-Protein Wechselwirkungen, wobei ΔGinteraction ≈ ΔEinteraction = ΔEvdW + ΔEelectrostatic

ΔGsolvent = Protein-solvent Energie

ΔGinternal = innere Energie des Proteins

ΔGmotion = Freiheitsgrade der Konformationen von side- und main-chain und Translations-, Rotations- und freie Vibrations-Energie



Methoden:

Verwendete 3D-Kristall Strukturen: PBD mit Resolution > 3.0Å

Serine Protease-Inhibitor Komplexe: Enzym/Inhibitor Komponenten können Homologe sein, solange nicht beide Komponenten Homolge sind.

Homologe Enzymstrukturen: selbe Protein Superfamily in SCOP

Homologe Inhibitoren: selbe Familie der Serine Protease-Inhibitoren

Antikörper-Antigen Komplexe: Antikörper sind homolog, es wurden nur Komplexe verwendet, bei denen sich die Antigen-Erkennungsstelle unterscheidet.



Wechselwirkungs-Energie:

Zu Beginn: Berechnen der Energie des strukturell bestimmten Kristallkomplexes.

Verbesserung des Interface durch Begrenzen auf Rigid- Body Energie Minimierung.

Freiheitsgrade der Seitenketten dürfen sich während Verbesserung nicht bewegen.

Ridig-Body Minimierung:

Aminosäurereste, deren Cβ-Atom innerhalb 15Å zum entsprechendem Cβ-Atom liegt.



10Å atom-atom nonbonded cutoff

Distant dependent dielectric ε = 4r (Skalierung für unrealistisch nahe vdW + elektrostatische Wechselwirkungen)

Größeres Molekül feststehend (Enzym/Antibody)

Kleineres Molekül (Inhibitor/Antigen) bewegt sich mit steepest descent Algorithmus

Einteilung der Beiträge der verschiedenen Aminosäuretypen:

Polar/aromatisch, nicht entropisch (keine Freiheitsgrade der Seitenketten) und hydrophob.



Surface Area:

Berechnung der solvent accessible surface area durch Algorithmus von Lee & Richards (1971) für main-chain und side-chain Atome.



Ergebnisse:

Analyse von main-chain und side-chain Wechselwirkungen:

Wechselwirkung Serine Protease-Inhibitor Komplex

Antikörper-Antigen Komplex

Main-chain/main-chain 41 % ΔGinteraction 17 % ΔGinteraction

Main-chain (Enzym/Antibody)/side-chain(Inhibitor/Antigen)

12-30 % ΔGinteraction 27 % ΔGinteraction

Side-chain/side-chain 17 % ΔGinteraction 36 % ΔGinteraction



Fig 2.: Jackson - Comparison of protein-protein interactions in serine protease-inhibitor and antibody-antigen complexes



Beitrag der non-rotameric Residues:

Non-rotameric Residue: Residue passt in keins der bekannten Seitenketten-Konformationen

Protease-Inhibitor Komplex: 19 % ΔGinteraction

Antikörper-Antigen Komplex: 23 % ΔGinteraction

Mehr als 90 % der Residues sind polare, aromatische Aminosäuren

Beitrag der elektrostatischen Komponenten:

Protease-Inhibitor Komplex: 24 % ΔGinteraction

Antikörper-Antigen Komplex: 29 % ΔGinteraction



Beitrag der verschiedenen Typen von Aminosäuren:

Aminosäuren Serine Protease-Inhibitor Komplex

Antikörper-Antigen Komplex

Aromatisch/polar 56 % ΔGinteraction 81 % ΔGinteraction

Nicht entropisch 23 % ΔGinteraction 10 % ΔGinteraction

hydrophob 21 % ΔGinteraction 9 % ΔGinteraction



Fig 2.: Jackson - Comparison of protein-protein interactions in serine protease-inhibitor and antibody-antigen complexes

Fazit

Modell 1: Methode um Protein Wechselwirkungen anhand von 3D Komplexen zu modellieren.

Vorteile:

Studien über Protein Familien, bei denen bekannt ist, dass sie unterschiedliche

Wechselwirkungen aufweisen Kosten- und Zeiteinsparung

Gene Fusion Studien Unterstützung bei Ergebnis-

Interpretationen

Aussagen, ob Proteine innerhalb ihrer homologen Familie ähnlich interagieren. Jedoch: Veränderung der Wechselwirkungspartner in der Evolution

unbekannt

Fazit

Modell 2: Methode um Protein Wechselwirkungen anhand von molecular Docking Methoden zu modellieren.

Protease-Inhibitor-Komplex: hauptsächlich main-chain/main-chain Kontakte

resultiert aus der Tatsache, dass sich mehr main- chain Atome in der Protein-Schnittstelle befinden

Antikörper-Antigen-Komplex: side-chain/side-chain und side-chain/main-chain Kontakte

Level für Erfolg des Modells hängt vom Grad der involvierten main-chain Kontakte ab Modell nur nützlich für eine limitierte Anzahl von Systemen

Diskussion

Homologes Modelling von Protein Komplexen Proseminar: Theoretical Analysis of Protein-Protein...

Documents

Transcript of Homologes Modelling von Protein Komplexen Proseminar: Theoretical Analysis of Protein-Protein...