CN109002690B - 通过构建charmm rotamers力场预测突变氨基酸侧链结构的方法 - Google Patents
通过构建charmm rotamers力场预测突变氨基酸侧链结构的方法 Download PDFInfo
- Publication number
- CN109002690B CN109002690B CN201810591726.5A CN201810591726A CN109002690B CN 109002690 B CN109002690 B CN 109002690B CN 201810591726 A CN201810591726 A CN 201810591726A CN 109002690 B CN109002690 B CN 109002690B
- Authority
- CN
- China
- Prior art keywords
- charmm
- amino acid
- rotamers
- force field
- inp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 150000001413 amino acids Chemical class 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 11
- 102000004169 proteins and genes Human genes 0.000 claims abstract description 31
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 31
- 239000013078 crystal Substances 0.000 claims abstract description 23
- 238000000329 molecular dynamics simulation Methods 0.000 claims abstract description 12
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 9
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 3
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 5
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 3
- 239000003814 drug Substances 0.000 abstract 1
- 229940079593 drug Drugs 0.000 abstract 1
- OUYCCCASQSFEME-QMMMGPOBSA-N L-tyrosine Chemical compound OC(=O)[C@@H](N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-QMMMGPOBSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009510 drug design Methods 0.000 description 2
- 238000007614 solvation Methods 0.000 description 2
- -1 1-N in English Chemical class 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- OUYCCCASQSFEME-UHFFFAOYSA-N tyrosine Natural products OC(=O)C(N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
一种通过构建CHARMM ROTAMERS力场预测突变氨基酸侧链结构的方法，通过运用VMD图形显示软件及PuTTY与WinSCP运行软件的结合，进行结构对比，我们找到了氨基酸不同旋转异构体中与晶体结构最相近且与旧CHARMM力场区分明显的稳定结构。通过能量最小化和分子动力学模拟研究，进行进一步测量与计算得出RMSD值，通过比较，进而证实了所得结构的准确性。我们的研究结果在数据准确丰富的基础上，快速的找到了氨基酸中能量最低、结构稳定的旋转异构体，节约了实验时间和成本，为蛋白质药物设计提供了可靠依据。
Description
技术领域
本发明涉及蛋白质工程和分子动力学模拟技术领域，具体涉及一种通过构建CHARMM ROTAMERS力场预测突变氨基酸侧链结构的方法。
背景技术
利用传统的蛋白质工程实验方法改造蛋白质，耗时费力，可行性不高。计算机运算速度的快速发展使基于力场的分子动力学模拟变成现实。
CHARMM(Chemistry at HARvard Macromolecular Mechanics)是分子动力学场集合的名称，以及与他们相关的分子动力学模拟和分析计算机软件包的名称。它作为引领软件，对蛋白质分子动力学模拟的发展起到了至关重要的作用，但是在预测突变氨基酸的侧链结构时，CHARMM力场仍有不足之处。
蛋白质的结构复杂多样，基本组成单位是氨基酸，各个氨基酸具有不同ROTAMERS(ROTAMER是仅由绕分子內单键的内旋转构象不同而产生的旋转异构体，在实际的晶体结构里面有许多ROTAMERS)的三维结构，主链是重合的，侧链在不同的位置。当把某一氨基酸突变为目标氨基酸的时候，因为CHARMM力场本身只有氨基酸的一种ROTAMER，不包括其他ROTAMERS，所以CHARMM力场不可以准确快速的确定目标氨基酸侧链的位置。
发明内容
本发明为了克服以上技术的不足，提供了一种使新CHARMM力场能够更好的预测突变氨基酸的侧链结构，并通过能量最小化和分子动力学模拟，得出结合能最小的突变体结构，与已知突变体的晶体结构进行对比，验证新CHARMM力场的正确性和优越性的预测突变氨基酸侧链结构的方法。
本发明克服其技术问题所采用的技术方案是：
一种通过构建CHARMM ROTAMERS力场预测突变氨基酸侧链结构的方法，包括如下步骤：
a)下载并打开ROTAMERS库中含有某氨基酸全部rotamers的pdb格式文件，将其中的N种旋转异构体独立保存并分别命名为氨基酸英文简称1-N；
b)使用VMD视图软件打开pdb格式文件，选用VPK模型，在VMD视图软件中测量氨基酸的键长Bonds、测量键角Angles、测量二面角Dihedrals，构建CHARMM ROTAMERS力场并得到N种旋转异构体的稳定结构；
c)将测量完成的N种氨基酸旋转异构体的数据添加到旧CHARMM力场top模板文件中所对应氨基酸的位置；
d)在WinSCP软件中打开蛋白质文件并找到氨基酸所在位置，删除氨基酸侧链，将氨基酸名字末位字母改为1-N，在PuTTY软件中得到氨基酸1-N的N个输出文件fullprot.pdb；
e)使用VMD视图软件打开步骤d)中的fullprot.pdb文件，将得到的晶体结构与旧的CHARMM力场中对应的氨基酸结构和N种氨基酸旋转异构体结构分别进行对比；
f)通过公式
分别计算N种旋转异构体的旋转异构体与晶体偏转数值RMSD(v,w)，式中v表示蛋白质晶体结构，w为步骤b)中氨基酸1-N或旧的CHARMM力场下该氨基酸的结构，x,y,z为蛋白质中每个重原子的坐标，n表示蛋白质侧链结构的原子数，i为蛋白质中第i个重原子；
g)取步骤f)中数值最小的RMSD(v,w)为最接近蛋白质晶体结构的旋转异构体；
h)将步骤g)中最接近蛋白质晶体结构的旋转异构体、蛋白质晶体结构以及旧CHARMM力场下结构文件上传到WinSCP软件，通过PuTTY得到输出结果e127_min.pdb文件并分别重新命名；
i)在PuTTY软件中运行./charmm<equ.inp指令进行分子动力学模拟，分别让三种结构运行输出，得到输出文件e127_dyn0并分别重命名。
进一步的，步骤d)中在Putty软件中输入/charmm<step1_pdbreader.inp>step1_pdbreader.out指令运行charmm，得到氨基酸1-N的N个输出文件fullprot.pdb。
进一步的，步骤h)中在PuTTY软件中输入vi solv1.inp命令进入insert模式，修改溶剂化中心后退出insert模式，依次输入命令./charmm<solv1.inp和./charmm<solv2.inp进行溶剂化，得到已加上水球的solv3文件，再依次输入【./charmm<patch.inp】、【./charmm<sb1.inp】、【./charmm<sb2.inp】、【./charmm<min.inp】四个指令得到输出结果e127_min.pdb文件。
本发明的有益效果是：通过运用VMD图形显示软件及PuTTY与WinSCP运行软件的结合，进行结构对比，我们找到了氨基酸不同旋转异构体中与晶体结构最相近且与旧CHARMM力场区分明显的稳定结构。通过能量最小化和分子动力学模拟研究，进行进一步测量与计算得出RMSD值，通过比较，进而证实了所得结构的准确性。我们的研究结果在数据准确丰富的基础上，快速的找到了氨基酸中能量最低、结构稳定的旋转异构体，节约了实验时间和成本，为蛋白质药物设计提供了可靠依据。
具体实施方式
下面对本发明做进一步说明。
一种通过构建CHARMM ROTAMERS力场预测突变氨基酸侧链结构的方法，包括如下步骤：
a)下载并打开ROTAMERS库中含有某氨基酸全部rotamers的pdb格式文件，将其中的N种旋转异构体独立保存并分别命名为氨基酸英文简称1-N，如酪氨酸TYR即为TY1-4。
b)使用VMD视图软件打开pdb格式文件，选用VPK模型，此时可以观察到氨基酸的结构是由主链和侧链两部分组成，在VMD视图软件中测量氨基酸的键长Bonds、测量键角Angles、测量二面角Dihedrals，构建CHARMM ROTAMERS力场并得到N种旋转异构体的稳定结构。在VMD视图软件中，Atoms表示原子，可以知道每个原子的命名；Bonds表示键长，按顺序单击两个原子可测出其键长；Angles表示键角，此选项下依次单击三个原子即可测出其键角；Dihedrals表示二面角，依次单击选中四个原子即可测量出其二面角的角度。用VMD测量数据时每个IC需要四个连接的原子，它们有两种连接方式，正常模型需要测出I-J与K-L的键长、I-J-K与J-K-L的键角、I-J-K-L的二面角；非正常模型需要测出I-K*与K*-L的键长、I-K*-J与L-K*-J的键角、I-J-K*-L的二面角。
c)通过运用VMD软件对氨基酸N个旋转异构体进行显示，测量各有效原子之间的键长、键角、二面角，将这些数据记录分析，可以快速找到氨基酸侧链的变化，进而方便找到氨基酸稳定的旋转异构体结构。将测量完成的N种氨基酸旋转异构体的数据添加到旧CHARMM力场top模板文件中所对应氨基酸的位置。
d)在WinSCP软件中打开蛋白质文件并找到氨基酸所在位置，删除氨基酸侧链，将氨基酸名字末位字母改为1-N，在PuTTY软件中得到氨基酸1-N的N个输出文件fullprot.pdb；
e)使用VMD视图软件打开步骤d)中的fullprot.pdb文件，将得到的晶体结构与旧的CHARMM力场中对应的氨基酸结构和N种氨基酸旋转异构体结构分别进行对比。
f)通过公式
分别计算N种旋转异构体的旋转异构体与晶体偏转数值RMSD(v,w)，式中v表示蛋白质晶体结构，w为步骤b)中氨基酸1-N或旧的CHARMM力场下该氨基酸的结构，x,y,z为蛋白质中每个重原子的坐标，n表示蛋白质侧链结构的原子数，i为蛋白质中第i个重原子。
g)取步骤f)中数值最小的RMSD(v,w)为最接近蛋白质晶体结构的旋转异构体。
h)将步骤g)中最接近蛋白质晶体结构的旋转异构体、蛋白质晶体结构以及旧CHARMM力场下结构文件上传到WinSCP软件，通过PuTTY得到输出结果e127_min.pdb文件并分别重新命名。
i)在PuTTY软件中运行./charmm<equ.inp指令进行分子动力学模拟，分别让三种结构运行输出，得到输出文件e127_dyn0并分别重命名。
补充说明上述步骤结合取得的效果。
通过运用VMD图形显示软件及PuTTY与WinSCP运行软件的结合，进行结构对比，我们找到了氨基酸不同旋转异构体中与晶体结构最相近且与旧CHARMM力场区分明显的稳定结构。通过能量最小化和分子动力学模拟研究，进行进一步测量与计算得出RMSD值，通过比较，进而证实了所得结构的准确性。我们的研究结果在数据准确丰富的基础上，快速的找到了氨基酸中能量最低、结构稳定的旋转异构体，节约了实验时间和成本，为蛋白质药物设计提供了可靠依据。具体的，步骤d)中在Putty软件中输入/charmm<step1_pdbreader.inp>step1_pdbreader.out指令运行charmm，得到氨基酸1-N的N个输出文件fullprot.pdb。
具体的，步骤h)中在PuTTY软件中输入vi solv1.inp命令进入insert模式，修改溶剂化中心后退出insert模式，依次输入命令./charmm<solv1.inp和./charmm<solv2.inp进行溶剂化，得到已加上水球的solv3文件，再依次输入【./charmm<patch.inp】、【./charmm<sb1.inp】、【./charmm<sb2.inp】、【./charmm<min.inp】四个指令得到输出结果e127_min.pdb文件。
Claims (3)
1.一种通过构建CHARMM ROTAMERS力场预测突变氨基酸侧链结构的方法，其特征在于，包括如下步骤：
a)下载并打开ROTAMERS库中含有某氨基酸全部rotamers的pdb格式文件，将其中的N种旋转异构体独立保存并分别命名为氨基酸英文简称1-N；
b)使用VMD视图软件打开pdb格式文件，选用VPK模型，在VMD视图软件中测量氨基酸的键长Bonds、测量键角Angles、测量二面角Dihedrals，构建CHARMM ROTAMERS力场并得到N种旋转异构体的稳定结构；
c)将测量完成的N种氨基酸旋转异构体的数据添加到旧CHARMM力场top模板文件中所对应氨基酸的位置；
d)在WinSCP软件中打开蛋白质文件并找到氨基酸所在位置，删除氨基酸侧链，将氨基酸名字末位字母改为1-N，在PuTTY软件中得到氨基酸1-N的N个输出文件fullprot.pdb；
e)使用VMD视图软件打开步骤d)中的fullprot.pdb文件，将得到的晶体结构与旧的CHARMM力场中对应的氨基酸结构和N种氨基酸旋转异构体结构分别进行对比；
f)通过公式
分别计算N种旋转异构体的旋转异构体与晶体偏转数值RMSD(v,w)，式中v表示蛋白质晶体结构，w为步骤b)中氨基酸1-N或旧的CHARMM力场下该氨基酸的结构，x,y,z为蛋白质中每个重原子的坐标，n表示蛋白质侧链结构的原子数，i为蛋白质中第i个重原子；
g)取步骤f)中数值最小的RMSD(v,w)为最接近蛋白质晶体结构的旋转异构体；
h)将步骤g)中最接近蛋白质晶体结构的旋转异构体、蛋白质晶体结构以及旧CHARMM力场下结构文件上传到WinSCP软件，通过PuTTY得到输出结果e127_min.pdb文件并分别重新命名；
i)在PuTTY软件中运行./charmm<equ.inp指令进行分子动力学模拟，分别让三种结构运行输出，得到输出文件e127_dyn0并分别重命名。
2.根据权利要求1所述的通过构建CHARMM ROTAMERS力场预测突变氨基酸侧链结构的方法，其特征在于：步骤d)中在Putty软件中输入/charmm<step1_pdbreader.inp>step1_pdbreader.out指令运行charmm，得到氨基酸1-N的N个输出文件fullprot.pdb。
3.根据权利要求1所述的通过构建CHARMM ROTAMERS力场预测突变氨基酸侧链结构的方法，其特征在于：步骤h)中在PuTTY软件中输入vi solv1.inp命令进入insert模式，修改溶剂化中心后退出insert模式，依次输入命令./charmm<solv1.inp和./charmm<solv2.inp进行溶剂化，得到已加上水球的solv3文件，再依次输入【./charmm<patch.inp】、【./charmm<sb1.inp】、【./charmm<sb2.inp】、【./charmm<min.inp】四个指令得到输出结果e127_min.pdb文件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810591726.5A CN109002690B (zh) | 2018-06-08 | 2018-06-08 | 通过构建charmm rotamers力场预测突变氨基酸侧链结构的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810591726.5A CN109002690B (zh) | 2018-06-08 | 2018-06-08 | 通过构建charmm rotamers力场预测突变氨基酸侧链结构的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109002690A CN109002690A (zh) | 2018-12-14 |
| CN109002690B true CN109002690B (zh) | 2021-05-18 |
Family
ID=64601132
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810591726.5A Active CN109002690B (zh) | 2018-06-08 | 2018-06-08 | 通过构建charmm rotamers力场预测突变氨基酸侧链结构的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109002690B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020034615A1 (zh) * | 2019-02-21 | 2020-02-20 | 深圳晶泰科技有限公司 | 基于恒定pH分子动力学模拟的蛋白质质子化状态确定方法 |
| CN110718265B (zh) * | 2019-09-05 | 2021-02-26 | 复旦大学 | 靶向生物毒素的g-四联体式核酸适配体三级结构预测方法 |
| CN115521929B (zh) * | 2021-06-25 | 2024-08-06 | 济南大学 | 高活性农药活化脂激活酶突变体及其应用 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1414972A (zh) * | 1999-12-02 | 2003-04-30 | 思罗姆-X股份有限公司 | 通过消除t－细胞表位来降低异源蛋白的免疫原性的方法 |
| CN1672160A (zh) * | 2002-05-20 | 2005-09-21 | 埃博马可西斯公司 | 在计算机上产生和筛选蛋白质文库 |
| CN103761452A (zh) * | 2013-12-11 | 2014-04-30 | 深圳先进技术研究院 | 基于随机模拟的折叠病致病机理的分析方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10468119B2 (en) * | 2015-07-28 | 2019-11-05 | Yeda Research And Development Co. Ltd. | Stable proteins and methods for designing same |
-
2018
- 2018-06-08 CN CN201810591726.5A patent/CN109002690B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1414972A (zh) * | 1999-12-02 | 2003-04-30 | 思罗姆-X股份有限公司 | 通过消除t－细胞表位来降低异源蛋白的免疫原性的方法 |
| CN1672160A (zh) * | 2002-05-20 | 2005-09-21 | 埃博马可西斯公司 | 在计算机上产生和筛选蛋白质文库 |
| CN103761452A (zh) * | 2013-12-11 | 2014-04-30 | 深圳先进技术研究院 | 基于随机模拟的折叠病致病机理的分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109002690A (zh) | 2018-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | Drug–target affinity prediction using graph neural network and contact maps | |
| McNutt et al. | GNINA 1.0: molecular docking with deep learning | |
| CN109002690B (zh) | 通过构建charmm rotamers力场预测突变氨基酸侧链结构的方法 | |
| Blaabjerg et al. | Rapid protein stability prediction using deep learning representations | |
| Singh et al. | Molecular docking and molecular dynamics simulation | |
| CN107038348B (zh) | 基于蛋白-配体相互作用指纹图谱的药物靶标预测方法 | |
| CN110400598B (zh) | 基于mm/pbsa模型的蛋白质-配体结合自由能计算方法 | |
| Feinstein et al. | Calculating an optimal box size for ligand docking and virtual screening against experimental and predicted binding pockets | |
| Kleywegt et al. | Around o | |
| Brylinski et al. | e FindSite: Improved prediction of ligand binding sites in protein models using meta-threading, machine learning and auxiliary ligands | |
| Giguere et al. | Learning a peptide-protein binding affinity predictor with kernel ridge regression | |
| Knudsen et al. | Sequence alignments and pair hidden Markov models using evolutionary history | |
| Sulimov et al. | New generation of docking programs: Supercomputer validation of force fields and quantum-chemical methods for docking | |
| CN104350141B (zh) | 相互作用预测装置、相互作用预测方法和程序 | |
| Konc et al. | ProBiS tools (algorithm, database, and web servers) for predicting and modeling of biologically interesting proteins | |
| CN116343949A (zh) | 蛋白配体结合亲和力预测方法、装置、系统及存储介质 | |
| Brooijmans | Docking methods, ligand design, and validating data sets in the structural genomic era | |
| Li et al. | Learning from real imbalanced data of 14-3-3 proteins binding specificity | |
| Jethra et al. | Structure and function prediction of unknown wheat protein using LOMETS and I-TASSER | |
| Ma et al. | Prediction of protein–protein binding affinity using diverse protein–protein interface features | |
| Thomas et al. | In silico protein engineering: Methods and Tools | |
| Leung et al. | SV-AUTOPILOT: optimized, automated construction of structural variation discovery and benchmarking pipelines | |
| Esquivel-Rodríguez et al. | Evaluation of multiple protein docking structures using correctly predicted pairwise subunits | |
| Zerbetto et al. | Towards bulk thermodynamics via non-equilibrium methods: gaseous methane as a case study | |
| Rosignoli et al. | Making Use of Averaging Methods in MODELLER for Protein Structure Prediction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221222 Address after: Room 1001-8, No. 2399, Chuangye Avenue, Huangpu District, Guangzhou, Guangdong 510000 Patentee after: Guangzhou Sanhuan Wenyue Intellectual Property Operation Co.,Ltd. Address before: 250022 No. 336, South Xin Zhuang West Road, Shizhong District, Ji'nan, Shandong Patentee before: University of Jinan Effective date of registration: 20221222 Address after: D1101, Building 4, Software Industry Base, No. 19, 17, 18, Haitian 1st Road, Binhai Community, Yuehai Street, Nanshan District, Shenzhen, Guangdong, 518000 Patentee after: Shenzhen Xinrui Gene Technology Co.,Ltd. Address before: Room 1001-8, No. 2399, Chuangye Avenue, Huangpu District, Guangzhou, Guangdong 510000 Patentee before: Guangzhou Sanhuan Wenyue Intellectual Property Operation Co.,Ltd. |