簇模型计算蛋白质-小分子相互作用
蛋白质与小分子间相互作用研究方法的进展
收稿日期： 2013-02-25 作者简介： 王 洁 （1987— ）， 女， 河南人， 硕士， 研究方向： 大分子在食品中的应用。
* 为通讯作者： 王岸娜 （1972— ）， 女， 山西人， 博士， 副教授， 研究方向： 大分子在食品中的应用。
2013 年第 6 期
件对蛋白质溶液—小分子样液的 ITC 实验结果进行 拟合后， 可得到二者的结合位点数、 平衡常数、 结 合过程中的吉布斯自由能变化量、 反应的焓变、 熵 变等， 且反应的自由能变化与体系中因复合形成而 导致非极性表面的包埋呈一定的正相关关系[23]， 通过 计算结合过程的希尔常数还可确定蛋白质—小分子 的反应类型[24]。
1 等温滴定量热法
等温滴定量热法 （Isothermal Titration Calorimetry， ITC） 是在恒定温度下， 以一定速度向样品溶液中不 断滴加反应物溶液， 以记录反应中热交换的热力学 方法。 该方法具有灵敏度高、 重现性好和原位在线 无损检测的优点， 是目前研究反应热力学的方法中 发展最快、 应用最多的方法之一[20-22]。 用体系所带软
农产品加工 （学刊） Academic Periodical of Farm Products Processing
文章编号： 1671-9646 （2013） 06a-0001-04
2013 年第 6 期
No.6 Jun.
蛋白质与小分子间相互作用研究方法的进展
王 洁， * 王岸娜， 吴立根， 刘 佳
3 核磁共振波谱技术
核磁共振波谱技术 （Nuclear Magnetic Resonance
·9·
spectroscopy， NMR） 是唯一能够在原子分辨率下观 察溶液中生物大分子三维结构的方法 ， [30] 其在蛋白 质—小分子相互作用过程中有广泛应用， 可得到在 接近生理条件下蛋白质分子三维结构、 蛋白—小分 子复合物构象、 小分子的质子化状态、 结合位点的 位置和结构及动力学 （如化学位移、 驰豫时间、 偶 合常数及谱峰强度等参数） 等方面的信息[31-32]。 随着 同位素标记的应用、 异核技术的发展及高场核磁共 振谱仪的出现， 核磁共振可分析的蛋白质的分子量 可达 50 kDa[33]， 甚至高达 82 kDa[34]。 虽然 NMR 能对 蛋白质二级结构进行准确定位， 但由于其要求蛋白 质在水溶液中稳定、 有较高溶解度、 不聚合、 不降 解， 且分析较复杂， 故 NMR 在对蛋白质二级结构的 研究中还有一定的局限性。
蛋白质-配体结合亲和力预测方法
蛋白质-配体结合亲和力预测方法关于蛋白质-配体结合亲和力预测的方法有许多种，以下是其中的50种，并展开详细描述。
1. 分子对接：分子对接是一种常用的蛋白质-配体结合亲和力预测方法。
它通过计算蛋白质和配体之间的相互作用能来预测它们的结合亲和力。
2. 反向分子对接：反向分子对接是一种从已知的配体库中筛选出与目标蛋白质结合亲和力高的配体的方法。
通过将分子库中的配体依次与蛋白质进行对接，并计算它们的结合亲和力，从而预测与蛋白质相互作用较强的配体。
3. 蛋白质结构模拟：蛋白质结构模拟是通过计算机模拟的方式，预测蛋白质和配体之间的结合亲和力。
常用的结构模拟方法包括分子动力学模拟和蒙特卡洛模拟等。
4. 蛋白质序列分析：蛋白质序列分析可以通过比较目标蛋白质与已知结合亲和力的蛋白质序列，找出相似性较高的蛋白质，并预测它们的结合亲和力。
5. 蛋白质结构比对：蛋白质结构比对是通过比较目标蛋白质的结构与已知结合亲和力的蛋白质结构之间的相似性，预测目标蛋白质的结合亲和力。
6. 蛋白质动力学模拟：蛋白质动力学模拟是通过模拟蛋白质在溶液中的运动，预测蛋白质和配体之间的结合亲和力。
常用的动力学模拟方法包括分子动力学模拟和蒙特卡洛模拟等。
7. 功能位点分析：功能位点分析是通过分析蛋白质上的功能位点，预测蛋白质和配体之间的结合亲和力。
常用的功能位点分析方法包括密码子重编码和靶标酶标记位点识别等。
8. 蛋白质结构基因组学：蛋白质结构基因组学是通过对已知的蛋白质结构进行系统性的研究和分析，预测蛋白质和配体之间的结合亲和力。
9. 蛋白质互作网络分析：蛋白质互作网络分析是通过分析蛋白质与其他蛋白质之间的相互作用关系，预测蛋白质和配体之间的结合亲和力。
10. 弱相互作用分析：弱相互作用分析是通过分析蛋白质和配体之间的弱相互作用，预测它们的结合亲和力。
常用的弱相互作用分析方法包括核磁共振和质谱分析等。
11. 蛋白质折叠机制分析：蛋白质折叠机制分析是通过分析蛋白质的折叠机制，预测蛋白质和配体之间的结合亲和力。
小分子与蛋白互作的研究和药物设计
小分子与蛋白互作的研究和药物设计小分子药物是指分子量较小、小于500Dalton，容易在体内被吸收、分布、代谢、排泄的药物。
小分子药物广泛应用于临床治疗，但也存在诸多的问题，如副作用多、靶点选择有限、治疗效果不佳等。
随着生物技术和计算机技术的发展，越来越多的研究表明，小分子药物与蛋白质的结合是发挥药效的本质过程之一。
因此，对小分子与蛋白互作的研究和药物设计的重视与研究也逐渐加强。
一、小分子与蛋白互作的研究方法了解小分子与蛋白互作的研究方法对药物设计至关重要。
研究方法主要包括分子对接、生物传感、结构生物学、蛋白质工程和表观基因组学等。
1. 分子对接分子对接是一种计算模拟方法，利用计算机预测小分子与目标蛋白的结合模式，并评估其亲和性和稳定性。
分子对接主要通过建立小分子和蛋白质的球形模型，研究分子相互作用。
2. 生物传感生物传感主要是利用生物体系发现和筛选小分子靶点的方法。
传感分子如传递RNA和小分子报告基因被用于蛋白-蛋白相互作用的高通量筛选。
生物传感技术有效从数千个小分子中筛选出目标小分子，用于治疗多种疾病。
3. 结构生物学结构生物学是一种观察蛋白质三维结构的方法。
它可以通过X射线晶体学和核磁共振技术等方法来解析分子结构。
通过这种方法可以研究小分子与蛋白质之间的相互作用模式及其生物学意义。
4. 蛋白质工程蛋白质工程是一种改变蛋白三级结构、调整蛋白质分子之间相互作用等方法，用于改变蛋白质特性，以获得更好的医学效果。
例如，人类胰岛素的合成和利用就需要蛋白质工程技术。
5. 表观基因组学表观基因组学是研究基因组DNA序列以外对基因组影响的领域，主要包括DNA甲基化、组蛋白修饰等，已被证明是小分子与蛋白相互作用的一个重要领域。
基于这种新型生物化学效应，现在已经可以用于治疗某些癌症等疾病。
二、小分子与蛋白互作与药物设计了解小分子与蛋白互作的研究方法后，接下来重点介绍一下在这个领域中的药物设计。
1. 仿生小分子药物仿生小分子药物通常模拟生物大分子的三级结构，以识别和选择靶标，并优化药效，减少毒副作用，延长用药时间等。
蛋白-小分子对接(含同源建模)
蛋白-小分子对接（含同源建模）1.项目说明采用同源模建方法构建单链抗体（以下简称“抗体”）的三维结构，通过分子对接方法预测化合物的结合模式（图 1）。
图1.化合物两种构型的化学结构2.计算方法本研究采用的计算方法简述如下（详见《计算方法》文档）：A.采用在线工具PIGSPro预测抗体的三维结构，通过分子动力学模拟优化结构；B.采用在线工具POCASA 1.1预测优化的抗体结构上潜在的结合位点；C.采用DOCK 6.7将化合物对接到各个预测位点中，根据打分和结合模式，挑选最佳的结合模式进行分析。
3.结果分析A.同源模建采用在线工具PIGSPro（http://cassandra.med.uniroma1.it/AbPrediction/web/）对抗体进行同源模建。
首先进行序列比对，采用单序列模式，从已知三维结构的数据库中分别针对L链和H链搜索序列相似的蛋白质结构。
L链的模板为XXX，H链的模板为XXX和XXX。
序列比对如下（保密需要，部分数据不公开）：Light Chain Target - Template alignment：Heavy Chain Target - Template alignment：初步建立的三维结构如下图（图2）所示。
抗体由L链和H链构成，两链的接触面中部形成环桶状结构，与文献结果一致。
与模板蛋白不同的抗体氨基酸区域（L链：NX-X、DX-SX、GX-FX，H链：GX-YX、SX-YX、GX-DX）集中在该环桶状结构的一端及周围，提示该区域为抗体识别抗原和半抗原的位点。
对结构进行质量评估，包括：Ramachandran图和Verify3D。
Ramachandran 图结果（图3）表明，170个氨基酸（89.0%）落入最大偏好的区域（most favoured regions），17个氨基酸（8.9%）落入额外允许区域（additional allowed regions），3个氨基酸（1.6%）落在宽松允许区域（generously allowed regions），只有1个氨基酸ThrXL（0.5%）落在了非允许区域（disallowed region）。
moe 分子对接 induce-fit 参数
moe 分子对接 induce-fit 参数Moe分子对接Induce-Fit参数是一种在分子对接中使用的方法，用于模拟蛋白质和小分子之间的相互作用。
该方法可以帮助研究人员了解这些相互作用的性质，从而推断蛋白质的结构和功能。
Induce-Fit参数是针对蛋白质和小分子之间相互作用的力场参数，是根据实验和计算数据调整得到的。
通过对这些参数的优化，可以使得模拟结果与实验结果更加一致，从而提高对蛋白质-小分子相互作用的研究准确度。
Moe分子对接Induce-Fit参数的优化过程主要可以分为以下几个步骤。
第一步是准备蛋白质和小分子的结构。
首先，需要获取蛋白质和小分子的三维结构数据，可以通过实验技术如X射线晶体学、核磁共振等获得，也可以通过计算方法如分子力场模拟得到。
然后，利用计算软件如Moe对蛋白质和小分子的结构进行处理，包括去除水分子、修复结构缺失等。
第二步是生成蛋白质-小分子复合体的构象空间。
通过对蛋白质和小分子的结构进行旋转和平移等操作，可以得到多个可能的复合体构象。
可以使用对接软件如Moe的对接模块来进行构象空间的生成。
一般会生成数千到数万个可能的构象。
第三步是评估复合体构象的稳定性。
利用力场参数计算分子间的相互作用能，可以对构象进行评分。
对于每个构象，计算其和蛋白质以及小分子之间的相互作用能，并得到一个分数。
这个分数可以用来比较不同构象的稳定性，从而选择最优的构象。
第四步是优化分子对接。
利用优化算法和优化参数，可以对复合体构象进行调整，从而优化分子对接的精度。
例如，可以通过对构象中的氢键、离子对、范德华力等进行调整，使得计算结果更加符合实验结果。
这一步可以使用Moe分子对接软件中的参数优化功能来完成。
第五步是评估优化结果。
对于经过优化的构象，可以计算其和实验结果的比较，以评估优化的效果。
可以分析分子间的相互作用类型、相互作用能的大小等，来确定分子对接的准确度。
如果结果符合实验结果，说明Moe分子对接Induce-Fit参数的优化是有效的；如果结果不符合实验结果，则需要进一步优化参数或者尝试其他方法。
docking对接算法
"Docking"（对接）算法是一种用于预测蛋白质-小分子相互作用的计算方法。
它被广泛应用于药物设计和分子模拟领域，用于预测药物候选化合物与靶蛋白之间的结合模式和相关性。
Docking算法的主要目标是通过计算和评估蛋白质-小分子之间的相互作用能量，找到最佳的结合构象或配位模式。
这涉及到在给定小分子的旋转和平移自由度的情况下，将其与蛋白质结构进行匹配，并计算其结合能。
一般来说，Docking算法可以分为两个主要的阶段：搜索和评分。
在搜索阶段，算法通过搜索所有可能的小分子的姿态和位置来寻找可能的结合构象。
这通常涉及到一些搜索算法，如蒙特卡洛模拟(Monte Carlo)、遗传算法(Genetic Algorithm)、粒子群优化算法(Particle Swarm Optimization)等。
在评分阶段，通过物理模型或经验势能函数来评估每个结合构象的能量。
这些势能函数通常考虑分子间的静电相互作用、范德华吸引力、溶剂效应等因素。
常见的评分函数包括LigandScout、AutoDock、DOCK等。
Docking算法是一种计算方法，对于复杂的蛋白质-小分子相互作用问题，预测结果可能存在不确定性。
因此，实际应用时还需要结合实验结果进行验证和优化。
蛋白质-适配体相互作用预测的方法
蛋白质-适配体相互作用预测的方法在细胞内部，蛋白质与其他分子之间的相互作用是一个非常重要的过程。
其中，适配体相互作用是一种特殊的相互作用，指的是一个蛋白质与其结合的小分子（适配体）之间的相互作用。
适配体相互作用在许多生物学过程中都扮演着至关重要的角色，例如代谢途径、信号转导、细胞增殖等。
因此，通过预测蛋白质-适配体相互作用对于药物发现和治疗疾病具有重要意义。
目前，已经发展出了许多蛋白质-适配体相互作用预测的方法，这些方法主要可以分为基于结构的方法和基于序列的方法两类。
以下将分别介绍这两类方法的原理和优缺点。
一、基于结构的方法基于结构的方法是利用已知结构的蛋白质和适配体来预测其相互作用的方法。
这类方法常用的工具包括分子对接软件、分子动力学模拟和药物虚拟筛选等。
具体而言，分子对接软件是目前最常见的蛋白质-适配体相互作用预测工具之一。
该方法是通过计算蛋白质和适配体之间的互作能，来预测它们的相互作用情况。
其中，互作能包括静电互作能、范德华互作能和氢键互作能等。
最终，该方法能够得到蛋白质和适配体的结合模式和结合能力等信息，从而为药物发现和设计提供重要的参考。
虽然基于结构的方法预测准确性较高，但由于需要先获得蛋白质和适配体的三维结构信息，因此该方法不适用于没有已知结构的蛋白质或适配体。
相比于基于结构的方法，基于序列的方法更注重蛋白质和适配体序列的分析。
目前，基于序列的方法主要有两种策略：一种是通过蛋白质和适配体序列的物化性质，如氨基酸属性、亲和性和分子排列，来预测它们之间的相互作用；另一种是通过利用已知的蛋白质-适配体结合数据集来训练机器学习模型，从而预测新的蛋白质-适配体相互作用。
在这两种方法中，基于机器学习的方法因其高效性和预测准确性而受到广泛关注。
例如，使用深度神经网络和卷积神经网络对蛋白质序列和适配体序列进行表示和分类，能够有效地预测它们之间的相互作用。
综上所述，蛋白质-适配体相互作用预测方法因其研究领域的重要性而备受关注。
基于增强采样分子动力学模拟的蛋白质和小分子相互作用热力学和动力学研究
基于增强采样分子动力学模拟的蛋白质和小分子相互作用热力学和动力学研究摘要蛋白质和小分子相互作用的热力学（结合自由能ΔG bind和平衡解离常数K D）是表征一个药物小分子与其靶蛋白结合稳定性的重要依据，也是评价一个药物小分子与其靶蛋白亲和力大小的重要指标。
而近些年来逐渐受到重视的蛋白质和小分子之间的结合动力学（解离速率常数k off和滞留时间）与药物小分子的药效和毒性等药代动力学性质密切相关，所以在以靶蛋白和药物小分子的热力学性质为依据进行药物设计时应同时考虑它们的结合动力学性质。
基于蛋白质和小分子热力学和动力学的计算方法和预测热力学和动力学的重要性，本论文的研究内容主要有以下五个部分。
本论文第一章详述了蛋白质和小分子相互作用的重要性，从蛋白质和小分子相互作用理论模型开始，介绍了二者相互作用的物理化学基础以及二者结合的热力学和动力学性质。
接着总结了研究蛋白质和小分子相互作用的热力学和动力学的计算方法。
对于热力学性质来说，主要有基于分子对接的打分函数和基于分子动力学模拟的自由能计算方法，如我们熟知的MM/PB(GB)和自由能微扰计算方法。
而针对动力学性质的计算，目前比较成熟的有拉伸分子动力学模拟、自适应偏置力模拟以及meta动力学模拟等增强采样方法。
第二章通过常规分子动力学模拟和拉伸动力学模拟研究了B-RAF激酶的两个高效抑制剂PLX4720和TAK-632解离机制的差异以及解离机制与滞留时间的关系。
从两个抑制剂与B-RAF激酶复合物的晶体结构出发，我们首先对常规分子动力学模拟的平衡轨迹做了能量分解，发现B-RAF激酶结合两个抑制剂的关键氨基酸残基的能量贡献有明显的差异，尤其在变构结合位点处。
这说明变构位点处的疏水作用对于提高B-RAF激酶抑制剂的药效以及延长滞留时间有很重要的作用。
之后我们用随机加速分子动力学模拟对多条平衡轨迹选择不同的参数进行了统计，结果表明抑制剂PLX4720是从ATP通道解离，而抑制剂TAK-632则有1/3的几率从变构通道解离。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
簇模型计算蛋白质-小分子相互作用
簇模型是一种用于计算蛋白质-小分子相互作用的模型，它能够帮助我们理解蛋白质与小分子之间的结合机制，从而为药物发现和设计提供重要的指导。
蛋白质-小分子相互作用是生物化学领域中的重要研究方向之一。
蛋白质作为生物体内的重要功能分子，其结构和功能的变化常常与小分子的结合密切相关。
了解蛋白质-小分子相互作用机制对于研究生物过程、药物发现和设计具有重要意义。
簇模型是一种基于计算机模拟的方法，通过对蛋白质和小分子相互作用的物理化学过程进行建模和计算，以预测蛋白质结合小分子的方式和强度。
簇模型的基本思想是将蛋白质和小分子看作是由一系列原子组成的集合体，通过计算原子之间的相互作用能来评估蛋白质和小分子之间的结合能力。
簇模型的计算过程包括以下几个步骤：
1. 构建蛋白质-小分子复合物的模型：首先，根据已知的蛋白质和小分子的结构信息，利用计算机软件构建复合物的三维结构模型。
这个模型包括蛋白质和小分子的原子坐标以及它们之间的键、角和二面角等信息。
2. 分子力场参数化：根据蛋白质和小分子的结构信息，通过力场参数化的方法给出原子间相互作用的势能函数。
力场是描述分子内和
分子间相互作用的数学模型，可以通过实验数据和理论计算得到。
3. 能量最小化：利用能量最小化的方法，通过调整原子的坐标，使得蛋白质和小分子之间的相互作用能达到最低。
能量最小化的过程类似于找到一个能量最低的“平衡位置”，使得复合物的稳定性最大化。
4. 能量评估和分析：根据能量最小化后的复合物模型，计算蛋白质和小分子之间的相互作用能，并对复合物的结构和稳定性进行评估和分析。
这些评估指标可以包括结合能、结合位点、氢键、疏水相互作用等。
簇模型在计算蛋白质-小分子相互作用中具有一定的优势和应用价值。
首先，簇模型可以在原子级别上描述蛋白质和小分子之间的相互作用，对结合位点和相互作用类型有较高的分辨率。
其次，簇模型可以通过大规模的计算来筛选和评估潜在的蛋白质-小分子相互作用，加速药物发现和设计的过程。
然而，簇模型也存在一些限制和挑战。
首先，簇模型的计算复杂度较高，需要大量的计算资源和时间。
其次，簇模型对蛋白质和小分子的结构信息要求较高，对于缺乏结构信息的蛋白质和小分子，簇模型的适用性较差。
此外，簇模型对于蛋白质和小分子之间的动态过程和溶剂效应的考虑较少，可能会导致预测结果的不准确性。
簇模型是一种用于计算蛋白质-小分子相互作用的重要方法。
通过簇
模型的计算，我们可以预测蛋白质和小分子的结合方式和强度，为药物发现和设计提供重要的指导。
然而，簇模型也存在一些限制和挑战，需要进一步的改进和发展。
随着计算方法和计算资源的不断进步，相信簇模型在蛋白质-小分子相互作用研究中的应用将会越来越广泛。