Strona główna nauka/tech Narzędzia AI pomagają odkryć mechanizmy enzymatyczne peptydów lasso

Narzędzia AI pomagają odkryć mechanizmy enzymatyczne peptydów lasso

44
0


Narzędzia AI pomagają odkryć mechanizmy enzymatyczne peptydów lasso

Kredyt: Natura Chemiczna Biologia (2024). DOI: 10.1038/s41589-024-01727-w

Peptydy Lasso to naturalne produkty wytwarzane przez bakterie. Ich niezwykły kształt lasso zapewnia im niezwykłą stabilność, chroniąc je przed ekstremalnymi warunkami. W nowym badaniu opublikowany W Natura Chemiczna Biologiabadacze skonstruowali i przetestowali modele wytwarzania tych peptydów oraz wykazali, w jaki sposób te informacje mogą zostać wykorzystane do wprowadzenia leków na bazie peptydów lasso do zastosowań klinicznych.

„Peptydy lasso są interesujące, ponieważ są to zasadniczo liniowe cząsteczki powiązane w kształt przypominający węzeł poślizgowy” – powiedziała Susanna Barrett, absolwentka laboratorium Mitchell (MMG). „Ze względu na ich niesamowitą stabilność i możliwości inżynieryjne mają duży potencjał terapeutyczny. Wykazano również, że mają właściwości antybakteryjne, przeciwwirusowe i przeciwnowotworowe”. Peptydy lasso

Peptydy lasso są cząsteczkami syntetyzowanymi na rybosomach i modyfikowanymi potranslacyjnie. Łańcuchy peptydowe powstają w wyniku połączenia aminokwasów w postaci sznurka, czego dokonuje rybosom. Następnie dwa enzymy, peptydaza i cyklaza, współpracują w celu przekształcenia liniowego peptydu prekursorowego w charakterystyczną strukturę wiązanego lasso. Od czasu odkrycia ponad trzydzieści lat temu naukowcy próbują zrozumieć, w jaki sposób cyklaza zwija peptyd lasso.

„Jednym z głównych wyzwań związanych z rozwiązaniem tego problemu jest to, że trudno jest pracować z enzymami. Na ogół są one nierozpuszczalne lub nieaktywne, gdy próbuje się je oczyścić” – powiedział Barrett.

Rzadkim kontrprzykładem jest cyklaza fusilasyny, czyli FusC, którą laboratorium Mitchell scharakteryzowało w 2019 r. Byli członkowie grupy byli w stanie oczyścić enzym i od tego czasu służy on jako model do zrozumienia procesu wiązania węzłów lasso. Jednak struktura FusC pozostała nieznana, co uniemożliwiało zrozumienie, w jaki sposób cyklaza oddziałuje z peptydem, tworząc węzeł.

W obecnym badaniu grupa wykorzystała program sztucznej inteligencji AlphaFold do przewidzenia struktury białka FusC. Wykorzystali tę strukturę i inne narzędzia oparte na sztucznej inteligencji, takie jak RODEO, aby określić, które reszty miejsca aktywnego cyklazy są ważne dla interakcji z substratem peptydu lasso.

„FusC składa się z około 600 aminokwasów, a miejsce aktywne zawiera 120. Programy te odegrały kluczową rolę w naszym projekcie, ponieważ pozwoliły nam przeprowadzić „badania strukturalne” i określić, które aminokwasy są ważne w miejscu aktywnym enzymu, – powiedział Barrett.

Wykorzystali także symulacje dynamiki molekularnej, aby komputerowo zrozumieć, w jaki sposób lasso jest składane przez cyklazę. „Dzięki mocy obliczeniowej Folding@home byliśmy w stanie zebrać obszerne dane symulacyjne w celu wizualizacji interakcji na poziomie atomowym” – powiedział Song Yin, absolwent laboratorium Shukla. „Przed tym badaniem nie było symulacji MD interakcji między peptydami lasso i cyklazami i uważamy, że to podejście będzie miało zastosowanie w wielu innych badaniach nad inżynierią peptydów”.

Na podstawie swoich obliczeń naukowcy odkryli, że wśród różnych cyklaz obszar tylnej ściany miejsca aktywnego wydaje się być szczególnie ważny dla fałdowania. W FusC odpowiadało to obszarowi helisy 11. Następnie naukowcy przeprowadzili biosyntezę bezkomórkową, podczas której do probówki z wariantami enzymów, które miały różne aminokwasy w regionie helisy 11, dodano wszystkie składniki komórkowe niezbędne do syntezy peptydów lasso. Ostatecznie zidentyfikowali wersję FusC z mutacją w helisie 11, która może składać peptydy typu lasso, których nie może wytworzyć pierwotna cyklaza. Dane te potwierdzają model zwijania peptydów lasso, który naukowcy opracowali w oparciu o swoje podejścia obliczeniowe.

„To fascynujące pytanie, w jaki sposób enzymy wiążą węzeł lasso. To badanie daje pierwszy wgląd w interakcje biofizyczne odpowiedzialne za wytwarzanie tej wyjątkowej struktury” – powiedział Diwakar Shukla, profesor nadzwyczajny inżynierii chemicznej i biomolekularnej.

„Wykazaliśmy również, że te kontakty molekularne są takie same w kilku różnych cyklazach w różnych gromadach. Chociaż nie testowaliśmy każdego systemu, uważamy, że jest to model, który można uogólnić” – powiedział Barrett.

Współpracując z firmą Lassogen z siedzibą w San Diego, naukowcy wykazali, że nowe odkrycia mogą pomóc w inżynierii cyklaz w celu wygenerowania peptydów lasso, których w innym przypadku nie można by wytworzyć. Aby potwierdzić słuszność koncepcji, opracowano inną cyklazę o nazwie McjC, która skutecznie wytwarza silny inhibitor integryny sprzyjającej nowotworom.

„Zdolność do generowania różnorodności peptydów lasso jest ważna dla optymalizacji leków” – powiedział Mark Burk, dyrektor generalny Lassogen. „Enzymy naturalne nie zawsze pozwalają nam wytwarzać interesujące peptydy lasso, a zdolność do konstruowania cyklaz lasso znacznie zwiększa użyteczność terapeutyczną tych niesamowitych cząsteczek”.

„Nasza praca nie byłaby możliwa bez dostępu do wydajnych komputerów i najnowszych osiągnięć w dziedzinie sztucznej inteligencji i metod biosyntezy bezkomórkowej” – powiedział Douglas Mitchell, profesor chemii Johna i Margaret Witt. „Ta praca jest niezwykłym przykładem tego, jak katalizowana jest interdyscyplinarna współpraca w Instytucie Biologii Genomicznej Carla R. Woese. Jestem wdzięczny tematowi MMG w IGB i naszym zewnętrznym kolegom z Lassogen za ich udział w rozwiązaniu tego skomplikowanego problemu”.

Więcej informacji:
Susanna E. Barrett i in., Interakcje substratów kierują inżynierią cyklaz i dywersyfikacją peptydów lasso, Natura Chemiczna Biologia (2024). DOI: 10.1038/s41589-024-01727-w

Dostarczone przez Uniwersytet Illinois w Urbana-Champaign


Cytat: Narzędzia AI pomagają odkryć mechanizmy enzymatyczne dla peptydów lasso (2024, 20 września) pobrano 21 września 2024 z https://phys.org/news/2024-09-ai-tools-uncover-enzyme-mechanisms.html

Niniejszy dokument podlega prawom autorskim. Z wyjątkiem uczciwego obrotu w celach prywatnych studiów lub badań, żadna część nie może być powielana bez pisemnej zgody. Treść jest udostępniana wyłącznie w celach informacyjnych.





Link źródłowy