CN105354440B - 一种提取蛋白质-小分子相互作用模块的方法 - Google Patents

Abstract

本发明涉及一种提取蛋白质‑小分子相互作用模块的方法，具体是将蛋白质上构成小分子结合口袋的原子(或氨基酸)根据其性质进行定量化描述，然后对两两口袋原子(或氨基酸)之间的距离进行评估，建立距离矩阵，再利用聚类算法抽提出性质相似的口袋原子(或氨基酸)类别，最后通过后处理，获得蛋白质‑小分子相互作用模块。可应用于生物信息学研究、蛋白质设计、药物筛选、小分子化学合成等多个方面。

Description

一种提取蛋白质-小分子相互作用模块的方法

技术领域

本发明属于蛋白质研究技术领域，具体涉及利用结构生物学数据，提取蛋白质与小分子结合的相互作用模块，可应用于生物信息学研究、蛋白质设计、药物筛选、小分子化学合成等多个方面。

技术背景

基于蛋白质的三维结构决定其功能的基本生物学假设，能够结合相同或相似小分子的蛋白质口袋在理论上也具有相同或相似的三维作用模块。提取这些作用模块可以为蛋白质工程、药物筛选以及蛋白质的设计提供重要的结构生物学线索。传统的基于计算机的蛋白质-小分子相互作用模块发现方法，通常通过以小分子为参照，对多个结合相同小分子的蛋白质-小分子复合物结构进行三维结构对齐，然后通过查看小分子周围不同蛋白质口袋原子或氨基酸的出现频率统计量，发现相互作用模块。然而，由于小分子通常具有柔性，实际中以小分子为参照的三维结构对齐效果通常一般，无法很好的发现蛋白质-小分子结合的相互作用模块。因此，不少研究实际上是通过生物学家的人工检查，以经验性的方式发现蛋白质-小分子相互作用模块。

发明内容

鉴于上述问题，我们开发了一种基于蛋白质-小分子复合物三维结构自动提取蛋白质-小分子结合模块的新方法AFTME(Alignment-Free Three-Dimension MotifExtractor的简称)。该方法采用了一种全新的思路，完全不依赖于三维结构对齐，而是通过量化蛋白质上与小分子相互作用的口袋原子(或氨基酸)之间的距离，以及对这些原子(或氨基酸)的聚类，来实现对结合某种或者某一类小分子的蛋白质口袋中的蛋白质-小分子相互作用模块的自动发现。

本方法将蛋白质上构成小分子结合口袋的原子(或氨基酸)根据其性质进行定量化描述，然后对两两口袋原子(或氨基酸)之间的距离进行评估，建立距离矩阵，再利用聚类算法抽提出性质相似的口袋原子(或氨基酸)类别，最后通过后处理，获得蛋白质-小分子相互作用模块。

本发明的方法涉及以下各项：

1.一种提取蛋白质-小分子相互作用模块的方法，所述方法包括以下步骤：

(1)给定一组结合相同或者相似小分子的蛋白质，提取蛋白质上的小分子结合口袋；

(2)对每个蛋白质上小分子结合口袋中的原子(或氨基酸)，根据其性质逐一进行定量化的描述；

(3)计算任意两个小分子结合口袋原子(或氨基酸)之间的距离，构建小分子结合口袋原子(或氨基酸)距离矩阵；

(4)根据小分子结合口袋原子(或氨基酸)距离矩阵进行聚类，抽取出性质相似的小分子结合口袋原子(或氨基酸)类别；

(5)对每一类小分子结合口袋原子(或氨基酸)，进行后处理，获得蛋白质-小分子结合相互作用模块。

2.根据1所述的方法，所述小分子结合口袋包括由蛋白质上与小分子任意原子距离在以内，优选以内的原子(或氨基酸)构成的原子和氨基酸集合。

3.根据1所述的方法，步骤(2)中的所述性质包括口袋原子(或氨基酸)自身及其周围环境的物理、化学、几何性质。

4.根据1所述的方法，所述小分子结合口袋原子(或氨基酸)距离与口袋原子(或氨基酸)的定量化描述相匹配。

5.根据1所述的方法，所述聚类包括系统聚类、K-means、基于优化的聚类、基于模型的聚类。

6.根据1所述的方法，所述后处理包括：

1)普遍性评估：原子(或氨基酸)类别所覆盖的蛋白质口袋的数目要占据初始时给定的蛋白质口袋总数的显著比例，以保证所得到的相互作用模块是普遍存在的；

2)相似性评估：排除在聚类算法中仅仅是因为某些原子(或氨基酸)的特征与其他原子(或氨基酸)均不相似而聚为一类的可能性。

7. 1-6任一项所述的方法在生物信息学研究、蛋白质设计、药物筛选和/或小分子化学合成中的用途。

具体而言，本发明方法的流程如图1所示，具体步骤如下文所述。

(1)给定一组结合相同或者相似小分子的蛋白质，提取蛋白质上的小分子结合口袋；

(2)对每个蛋白质上小分子结合口袋中的原子(或氨基酸)，根据其性质逐一进行定量化的描述；

(3)计算任意两个小分子结合口袋原子(或氨基酸)之间的距离，构建小分子结合口袋原子(或氨基酸)距离矩阵；

(4)根据小分子结合口袋原子(或氨基酸)距离矩阵进行聚类，抽取出性质相似的小分子结合口袋原子(或氨基酸)类别；

(5)对每一类小分子结合口袋原子(或氨基酸)，进行后处理，获得蛋白质-小分子结合相互作用模块。

方法实现说明：

(1)蛋白质上的小分子结合口袋，可以定义为但不限于，由蛋白质上与小分子任意原子距离在以内的原子构成的原子和氨基酸集合。

(2)对小分子结合口袋中原子(或氨基酸)的定量化描述，可以但不限于根据其自身及其周围环境的物理、化学、几何等性质进行。

此处给出一种定量化描述示例如下。

每一个口袋原子表示为一个三元组(S,N,R)，其中的三个元素分别量化了该口袋原子自身化学性质，该原子周围的化学环境，该原子距离小分子每个原子的相对位置这三个方面的性质。

具体地，可以将蛋白质20种氨基酸中的原子根据其原子的化学属性分为六大类：1.亲水的，2.电子受体，3.电子供体，4.疏水的，5.芳香族原子，6.中性的。基于这样的分类，上述元组中描述原子自身化学性质的元素S，可以表示为

S＝c

其中c表示该原子化学属性的类别(范围从1到6)。第二个描述原子周围化学性质的元素N，可以表示为

N＝(n₁,n₂,n₃,n₄,n₅,n₆)

其中n_c表示距离该原子d∈(1,20)，以内化学属性类别为c的原子的个数。

第三个描述原子距离小分子相对位置的元素R，可以表示为

R＝(d₁,d₂,d₃,…,d_L)

其中d_i表示原子到小分子每个原子的物理距离，而L代表着小分子中的原子个数。

(3)两个小分子结合口袋原子之间的距离度量方法，需要与口袋原子(或氨基酸)的定量化描述相匹配。比如，基于上面(2)中给出的对口袋原子的定量化描述方法，可以定义两个口袋原子F₁和F₂的距离如下：

D_FAD(F₁，F₂)＝D_S(F₁，F₂)+D_N(F₁，F₂)+D_R(F₁，F₂)

其中，第一项D_S代表了F₁和F₂在元素S方面的差异，用数学表达式表示为：

式中和分别表示F₁和F₂自身化学性质的代号。

第二项D_N代表了F₁和F₂在元素N方面的差异，用数学表达式表示为：

式中和分别表示F₁和F₂周围以内具有化学属性类别c的原子个数。

第三项D_R代表了F₁和F₂在元素R方面的差异，用数学表达式表示为：

式中和分别表示F₁和F₂到小分子第i号原子的物理距离。

(4)根据距离矩阵进行聚类，可以采用任何一种聚类算法(比如，系统聚类、K-means、基于优化的聚类、基于模型的聚类等等)，从而提取出在定量化描述特征上表现相似的口袋原子(或氨基酸)类别。

(5)对口袋原子(或氨基酸)类别进行后处理，是为了进一步增加问题求解时的约束条件，准确的获得蛋白质-小分子结合相互作用模块。具体的说，对聚类获得的每一个口袋原子(或氨基酸)类别，可以采用但不限于下述的后处理方式。

后处理方式一、普遍性评估

该原子(或氨基酸)类别所覆盖的蛋白质口袋的数目需要大于或者等于初始时给定的蛋白质口袋总数的80％，从而保证该原子(或氨基酸)类别在结合口袋出现的普遍性。具体数学表达式如下：

式中I是一个指示函数，当I＝0时为假，I＝I为真。

后处理方式二、相似性评估

为了保证一个口袋原子(或氨基酸)类别中的原子(或氨基酸)在上文所述的口袋原子(或氨基酸)定量化描述的三个特征方面均保持高度的相似性，而排除在聚类算法中仅仅是因为这些原子(或氨基酸)的特征与其他原子(或氨基酸)均不相似而聚为一类的可能性，我们对聚类得到的原子(或氨基酸)类中的原子(或氨基酸)统计出它们之间的(D_S,D_N,D_R)，然后计算出相应的平均值作为对比，我们从所有参加聚类的原子(或氨基酸)中随机抽取与该原子(或氨基酸)类别中原子(或氨基酸)数目相同的原子(或氨基酸)，计算得到与相应的重复该过程1000轮。通过比较以及每一轮随机采样中计算得到的可以为(S,N,R)每一个性质定义评价该原子(或氨基酸)类别中原子(或氨基酸)之间性质相似度的统计显著性指标，即p值，为1000轮随机采样过程中，该原子(或氨基酸)类别内部原子(或氨基酸)的平均距离大于或者等于随机抽取原子(或氨基酸)的平均距离的情况所占的比率。如果三个性质得到的p值均小于0.05，该原子(或氨基酸)类别中的原子(或氨基酸) 被认为是高度相似的。具体用数学表达式表示如下：

IsSimilar(cluster)＝I(p_S＜0.05 and p_N＜0.05 and p_R＜0.05)

具体实施方式

本部分将展示基于以上所述的AFTME算法的应用，分别以两个具体的实施例展开。

实施例1：结合小分子ATP的相互作用模块提取及其生物学意义分析。

1.1背景介绍

腺嘌呤核苷三磷酸(简称三磷酸腺苷)是一种不稳定的高能化合物，由1分子腺嘌呤，1分子核糖和3分子磷酸组成。又称腺苷三磷酸，简称ATP。因为ATP在水解时可以释放大量的能量，是生物体内最直接的能量来源，生物体内多数的代谢过程中均有ATP参与，是最为重要的小分子之一。很多相关研究显示，不同蛋白质家族的蛋白质在结合ATP的口袋部位存在保守的结合模块，提取并分析这些保守作用的模块，对于了解ATP结合机制和针对与ATP相关代谢疾病的药物设计具有重要的指导意义。

1.2数据处理

从PDB数据库中提取所有与ATP共结晶得到的蛋白质复合物的数据，对这些结构数据用CD-Hit软件进行去冗余，将序列同源度超过30％的结构去除，得到由20个“蛋白质-ATP”复合物结构组成的数据集。

1.3结果分析

将以上数据集中的复合物数据经过AFTME处理，总共有678个原子被定义为结合ATP的口袋原子，这些原子经过聚类处理后被分成七个类别，经过过滤步骤，只有一个类别的原子符合相互作用模块所要求的条件。

对这一类别的原子进行分析，所涉及的原子类型主要是C原子，具体的氨基酸归属主要集中在Leu,Ile,Val和Pro等四种疏水氨基酸。我们从20种结合ATP的蛋白质中挑选出四个，用Pymol软件画出蛋白质上ATP结合口袋中由AFTME得到的与ATP相互作用的模块。如图2所示，由棍棒模型表示的是ATP小分子，圆球代表的是蛋白质口袋中的疏水侧链C原子。可以明显的看到，这些相互作用模块中的口袋原子在平行于ATP的腺嘌呤环的区域形成大片的疏水区，这些疏水区域形成类似‘三明治’的夹层结构，将ATP的嘌呤环夹在中间，从物理化学的角度来看，这种大面积的疏水层相互作用使系统的熵值大大减少，有利于整个系统(蛋白质与ATP结合)的稳定。结构生物学和生物信息学的相关研究发现已经揭示，结合ATP的不同家族的蛋白质都有着类似的夹层结构，对这些位置上的疏水氨基酸进行突变会造成蛋白质结合ATP能力的下降和丧失。因此，由AFTME提取的结合ATP的相互作用模块与已有研究结果相符，具有重要的生物学意义。

实施例2：结合小分子DIG的相互作用模块提取及其在蛋白质设计中的应用。

2.1背景介绍

随着蛋白质科学的迅速发展，科学界对于蛋白质的认识愈发深入，蛋白质设计成为生物学尤其是合成生物学一个重要的课题。该领域最权威的研究团队之一，华盛顿大学的David Baker实验室，于2013年在国际顶尖学术期刊Nature上发表了一项里程碑式的工作，即通过人工设计得到了与DIG(中文名地高辛，一种治疗心脏疾病的药物小分子)具有高度结合活性的人工蛋白，展示了人工设计各种小分子结合蛋白质的无限潜力(C.E.Tinberg等，Computational design of ligand-binding proteins with high affinity andselectivity,Nature 501:212-216,2013.doi:10.1038/nature12443)。在蛋白质设计的过程中，如何确定小分子结合口袋或者活性中心，成为设计是否合理和成功的关键。为了考察AFTME发现的小分子结合模块是否可以应用于蛋白质设计，我们使用AFTME对结合DIG的相互作用模块进行了提取，通过与David Baker实验室成功设计的活性中心进行比较，证明AFTME发现的相互作用模块在人工设计的蛋白质中也必须存在。这说明AFTME方法提取的蛋白质-小分子相互作用模块可以用于蛋白质活性位点的人工设计。

2.2结果分析

通过AFTME算法，我们提取了DIG结合蛋白质上与DIG相互作用的模块。AFTME给出了二个类别的口袋原子，我们分别将这两个原子类别根据其功能定义为“氢键模块”和“疏水模块”。如图3所示，棍棒模型表示的是DIG，圆球代表的是蛋白质口袋中的侧链原子。Motif1代表了“氢键模块”，主要由Tyr和Ser侧链的羟基氧原子组成，这些原子分别与DIG小分子的三个羟基组成氢键；Motif2代表了“疏水模块”，主要由疏水氨基酸(Phe，Val，Leu等)芳香环上的C原子组成，这些芳香C原子与DIG的碳环通过疏水相互作用稳定蛋白质和小分子的相互作用。

根据David Baker实验室的报道，在他们设计的DIG结合口袋中有一系列残基发挥了关键作用。其中Y101、Y115、Y34三个络氨酸的侧链氧原子与DIG的三个羟基形成氢键相互作用，是DIG结合的主要动力，实验部分针对这三个残基的突变体Y101F,Y115F以及Y34F均不具有DIG的结合活性，这与AFTME算法得到的“氢键模块”是相吻合的。另外，V117与DIG碳环的疏水相互作用为稳定小分子与蛋白质的结合起到关键作用，V117的突变体V117R同样失去了结合DIG的活性，这一作用在AFTME得到的“疏水模块”同样得到了验证。由以上分析可以看出，AFTEM算法得到的DIG相互作用模块与已报道的成功设计的DIG结合蛋白质中的关键氨基酸完全一致。也就是说，人工设计的蛋白质必须包含这些基本的相互作用模块。因此，应用AFTME算法所获得的蛋白质-小分子相互作用模块，可以为蛋白质的设计提供重要的线索和指导。

Claims (6)

1.一种提取蛋白质-小分子相互作用模块的方法，所述方法包括以下步骤：

(1)给定一组结合相同或者相似小分子的蛋白质，提取蛋白质上的小分子结合口袋；

(2)对每个蛋白质上小分子结合口袋中的原子或氨基酸，根据其性质逐一进行定量化的描述；

(3)计算任意两个小分子结合口袋原子或氨基酸之间的距离，构建小分子结合口袋原子或氨基酸距离矩阵；

(4)根据小分子结合口袋原子或氨基酸距离矩阵进行聚类，抽取出性质相似的小分子结合口袋原子或氨基酸类别；

(5)对每一类小分子结合口袋原子或氨基酸，进行后处理，获得蛋白质-小分子结合相互作用模块，所述后处理包括：

1)普遍性评估：原子或氨基酸类别所覆盖的蛋白质口袋的数目要占据初始时给定的蛋白质口袋总数的显著比例，以保证所得到的相互作用模块是普遍存在的；

2)相似性评估：排除在聚类算法中仅仅是因为某些原子或氨基酸的特征与其他原子或氨基酸均不相似而聚为一类的可能性，

其中在步骤(2)中，将每个口袋原子表示为三元组(S，N，R)，其中S量化该口袋原子自身化学性质，N量化该原子周围的化学环境，R量化该原子距离小分子每个原子的相对位置，

S＝c

其中c表示该原子化学属性的类别，

N＝(n₁，n₂，…，n_c)

其中n_c表示距离该原子以内化学属性类别为c的原子的个数，

R＝(d₁，d₂，d₃，...，d_L)

其中d_L表示该原子到小分子的每个原子的物理距离，而L代表小分子中的原子个数，并且

其中在步骤(3)中，两个口袋原子F₁和F₂的距离定义如下：

D_FAD(F₁，F₂)＝D_S(F₁，F₂)+D_N(F₁，F₂)+D_R(F₁，F₂)

其中，第一项Ds代表了F₁和F₂在元素S方面的差异，用数学表达式表示为：

式中和分别表示F₁和F₂自身化学性质的代号，

第二项D_N代表F₁和F₂在元素N方面的差异，用数学表达式表示为：

式中和分别表示F₁和F₂周围以内具有化学属性类别c的原子的个数，

第三项D_R 代表F₁和F₂在元素R方面的差异，用数学表达式表示为：

式中和分别表示F₁和F₂到小分子第i号原子的物理距离。

2.根据权利要求1所述的方法，所述小分子结合口袋包括由蛋白质上与小分子任意原子距离在以内的原子或氨基酸构成的原子和氨基酸集合。

3.根据权利要求1所述的方法，所述小分子结合口袋包括由蛋白质上与小分子任意原子距离在以内的原子或氨基酸构成的原子和氨基酸集合。

4.根据权利要求1所述的方法，所述小分子结合口袋原子或氨基酸距离与口袋原子或氨基酸的定量化描述相匹配。

5.根据权利要求1所述的方法，所述聚类包括系统聚类、K-means、基于优化的聚类、基于模型的聚类。

6.权利要求1-5任一项所述的方法在生物信息学研究、蛋白质设计、药物筛选和/或小分子化学合成中的用途。