基于Rosetta的探针蛋白设计及网络药理学应用研究

发布时间：2020-05-31 21:46

【摘要】：蛋白质设计和网络药理学是生命科学中两个正在快速发展的新兴领域。计算机辅助蛋白质设计能够通过能量函数约束的构象搜索优化过程,对蛋白质的结构、性质和功能进行创新性的改造,实现特定的设计目的;网络药理学能够应用数学、物理学等学科的知识,从海量的生物学、药学数据中提取有效知识,指导药物靶标发现和新药研发。本论文从这两个领域的基本方法论出发,构建相应的研究方法并应用于具体的研究案例,为探针设计、中药方剂的作用机制阐明和活性化合物发现提供了新的思路和有价值的结果。具体研究内容简述如下:论文第一章对整个论文的研究背景、涉及到的研究方法、以及论文的总体安排进行了概述。论文的第二章尝试对cAMP和c-di-AMP的探针蛋白进行了理论设计。cAMP和c-di-AMP均是生物体内的第二信使,在机体生命活动过程中具有重要的作用。对这些信使分子的灵敏监测,能够实时反映机体的生理状态,因而设计能探测这些信使分子的探针蛋白具有重要的意义。论文主要结合RosettaLigand和RosettaDesign,在配体-蛋白柔性对接过程中进行结合位点氨基酸残基突变,以寻找最优序列。我们首先以提高Epac2蛋白与cAMP结合能力为目的进行设计,通过大量生成突变构象,对接评价和结合模式分析,发现突变体I79R,V85R,C86N,A106H为优势序列。然后尝试对c-di-GMP结合蛋白DGC进行设计,提高其对c-di-AMP的结合能力,发现突变体K45R,P46E,N48K,W80R,E84R为优势序列,这几个氨基酸位点有可能会影响DGC与c-di-AMP/c-di-GMP的结合。相关实验验证正在进行中。中药方剂通常包含多种中药材,几百甚至上千种化合物组分,具有复杂的药理学效应。如何分析方剂的分子机制,发现活性主成分,是中药科学研究的重要问题。因此,论文的第三章,我们以治疗阿尔茨海默病(AD)的中药方剂天麻钩藤饮为例,尝试应用网络药理学方法阐明其分子机制。我们首先收集了方剂中各药材的化学成分、上市药物及其靶标信息,构建了网络预测模型,然后采用我们前期发展的bSDTNBI方法,为494个方剂成分预测了 364个新靶标。采用Fisher精确检验,确证了 12个与AD显著相关的代表性化合物。对这些化合物的靶标进行KEGG通路富集,发现该方剂可能通过作用于神经受体相互作用通路和炎症因子TRP通道调控通路;调控ACHE、HTR2A、NOS2和TRPA1等关键基因;产生神经保护和抗神经炎症作用,从而发挥AD治疗效应。最后,在蛋白-蛋白相互作用网络中计算了 AD和高血压疾病模块,发现了重叠基因子模块。方剂可能通过作用于这些子模块,产生多种药理作用。前列腺癌已经成为男性中最常见的癌症之一,具有较高的致死率。雄激素和雄激素受体对前列腺癌的发展具有重要作用,常见的前列腺癌疗法之一就是雄激素阻断疗法,因而发现潜在的雄激素受体拮抗剂对治疗前列腺癌具有重要意义。论文的第四章应用网络药理学方法为93个具有样品的新化合物进行了潜在靶标预测研究。我们首先构建了包含12649个小分子和1799个靶标的全局网络模型,然后利用前述的bSDTNBI方法为这93个化合物预测潜在靶标。通过聚类分析,这93个化合物被分为14组,我们发现多组化合物都具有潜在雄激素受体活性。然后我们从DrugBank数据库收集了已知雄激素受体激动剂和拮抗剂,基于Wilcoxon秩合检验进行相似性分析,发现第12组化合物最有可能为雄激素受体拮抗剂。最后采用酵母双杂交和荧光素酶报告基因实验确证了第12组化合物中的M13、M14和M15具有拮抗活性,IC50值分别为4.969μM、3.446μM和0.407μM。进一步结构优化和生物实验仍在进行中。论文最后一章为全文总结。
【图文】：

的某部分）进行设计，使其能够折叠成预期的结构或者提高某些功能（也可能是创造新逡逑的功能），或者改变生物学性质（如稳定性）［１］。这一定义组成了计算蛋白质设计的复杂逡逑流程，包含了这一领域的许多方面（图１．１）。逡逑ＣＰＤ邋Ｐｒｏｔｏｃｏｌ逡逑Ｔａｒｇｅｔ逦ＣＰＤ逦Ｅｎｅｒｇｙ逦Ｓｅａｒｃｈ邋＆逦ＣＰＤ逡逑ｏｂｊｅｃｔｉｖｅｓ邋ｃｏｍｐｏｎｅｎｔｓ邋ｆｕｎｃｔｉｏｎ逦ｓａｍｐｌｉｎｇ逦ｒｅｓｕｌｔ逡逑？逦Ｓｔｒｕｃｔｕｒｅ逦？邋３Ｄ邋（ｇｌｏｂａｌ）逦？邋Ｖａｎ邋ｄｅｒ邋Ｗａａｌｓ逦？邋Ｓｔｏｃｈａｓｔｉｃ逦？Ｓｔｒｕｃｔｕｒｅ逡逑？逦Ｆｕｎｃｔｉｏｎ逦？邋Ｆｒａｇｍｅｎｔｓ逦？邋Ｅｌｅｃｔｒｏｓｔａｔｉｃｓ逦？邋Ｄｅｔｅｒｍｉｎｉｓｔｉｃ逦？邋Ｆｕｎｃｔｉｏｎ逡逑？逦Ｓｔａｂｉｌｉｔｙ逦？邋Ｓｅｑｕｅｎｃｅ逦？邋Ｓｏｌｖａｔｉｏｎ逦？邋Ｇｅｎｅｒａｔｅ逦？邋Ｓｔａｂｉｌｉｔｙ逡逑？逦Ｓｉｚｅ逦？邋Ｎｅｇａｔｉｖｅ逦？邋Ｈ．ｂｏｎｄｉｎｇ逦ＧＭＥＣ邋／逦？邋Ｓｐｅｃｉｆｉｃｉｔｙ逡逑？逦Ｄｙｎａｍｉｃｓ邋ｒｕｌｅｓ逦？邋Ｃｏｎｆｏｒｍａｔｉｏｎ邋ｅｎｓｅｍｂｌｅ逡逑？邋Ｒｅｑｕｉｒｅｄ逦？邋Ｒｏｔａｍｅｒｓ逦ｐｒｏｂａｂｉｌｉｔｙ逡逑ｒｅｓｏｌｕｔｉｏｎ邋？邋Ｆｌｅｘｉｂｉｌｉｔｙ邋？Ａｄｄｉｔｉｏｎａｌ逦ｊ逡逑“逦ｔｅｒｍｓ逦’ｒ逡逑Ｔｈｅｏｒｅｔｉｃａｌ邋ａｎｄ逡逑Ｏｐｔｉｏｎａｌ邋厂邋Ｎｏ邋？邋？逦逦—ｉ逦ｅｘｐｅｒｉｍｅｎｔａｌ逡逑＿邋ｓｅｍｉ－ｒａｔｉｏｎａｌ邋Ｊ邋ｒ－逦邋Ｉ邋ｖａｌｉｄａｔｉｏｎ逡逑ｏｐｔｉｍｉｚａｔｉｏｎ逦Ｙｅｓ邋１逦

图１．２邋ＲｏｓｅｔｔａＬｉｇａｎｄ基本工作流程丨丨７１逡逑Ｆｉｇ邋１．２邋Ｂａｓｉｃ邋ｗｏｒｋｆｌｏｗ邋ｏｆ邋ＲｏｓｅｔｔａＬｉｇａｎｄ１１７１逡逑ＲｏｓｅｔｔａＬｉｇａｎｄ通常用于进行配体－蛋白柔性对接［１８］。如图１．２所示，首先从用户自定逡逑义的配体构象集合中随机挑出一个，放入指定的潜在结合位点中，然后先进行低精度的逡逑形状互补搜索，找到配体合适的位置，再进行高精度对接，使用ＭＣ方法循环优化侧链逡逑氨基酸构象和配体构象。最后对整个配体和蛋白复合物进行梯度优化，输出构象。逡逑ＲｏｓｅｔｔａＤｅｓｉｇｎ方法通过交替进行固定骨架的序列优化和可变骨架的能量优化，同时优化逡逑序列和结构，进行蛋白质设计。在序列设计阶段，ＭＣＳＡ算法被用来采样序列空间。每逡逑轮序列优化进行完之后，再对骨架进行能量优化以适应新设计的氨基酸序列。逡逑ＲｏｓｅｔｔａＤｅｓｉｇｎ的应用包括：设计全新的蛋白，对已有蛋白的改造，，蛋白界面设计和酶设逡逑计等［１９］。逡逑结合ＲｏｓｅｔｔａＬｉｇａｎｄ和ＲｏｓｅｔｔａＤｅｓｉｇｎ
【学位授予单位】：华东理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R91;R96

【相似文献】

相关期刊论文 前10条

1 石W

本文编号：2690501