上一篇介绍了肽对接的两条路线Protein–Protein Docking和Protein–Ligand Docking。这一篇我们切换到一个新的案例stapled peptide–Mdmx。这里不再直接使用前面的 p53 peptide而是先对一条stapled peptide进行Conformational Search建立肽构象库再将这些构象作为 Ligand 输入General Dock与 Mdmx 进行对接。整套流程可以概括为Stapled Peptide → Conformational Search → Conformational Database → General Dock → Docking Poses它正好展示了柔性肽进行 Protein–Ligand Docking 时一种非常实用的处理思路。一、为什么要先做 Conformational Search肽与普通小分子相比具有更多可旋转键尤其是主链本身就具有较大的构象自由度。如果只拿一个初始构象直接 Dock那么程序既需要寻找肽在受体上的位置和方向又需要同时处理肽自身的构象变化搜索空间会迅速扩大。因此可以把问题拆成两步Conformational Search肽可能有哪些合理构象↓Docking这些构象中哪些能够合理结合受体这就是本篇 workflow 的核心。二、准备 stapled peptide首先载入stapled_peptide.moe然后使用RHS → QuickPrep进行结构准备。这里Tether Receptor的部分要取消勾选。是因为接下来希望对这条肽做真正的构象搜索而不是让它继续受到 QuickPrep 阶段参考坐标的 tether 约束。这里使用的是 stapled peptide。Staple 将肽链上的两个位置连接起来有助于维持局部 α-helix因此在后面的构象搜索中我们并不希望这一段已经形成的螺旋结构被完全打散。三、建立 Helix Rigid BodyStapled peptide 中的 staple 用于稳定局部 α-helix因此在后续构象搜索时我们希望保留这段螺旋主链的整体形状同时允许侧链和肽的其他区域继续调整。这里并不是直接把 6–11 位残基全部设成 Rigid Body而是只将它们的backbone atoms建立为一个 Set。具体操作分为三步。首先在Sequence Editor中框选6–11 位残基。此时这些残基的原子整体处于选中状态。接下来进入Select → Selector…将 Selection Mode 攃为Deselect然后输入sidechain并按 Enter。这里的sidechain很容易理解反了。由于当前模式是Deselect这一步的含义实际上是6–11 位残基全部原子↓ Deselectsidechain只留下 6–11 位残基的 backbone atoms最后进入Select → Set Create…输入helix将当前选中的 backbone atoms 保存为一个名为helix的 Set。创建完成后可以在System Manager → Sets中看到它。 (Course)_MOE_2024_(W)_Peptide_M…这个helixSet 会在下一步 Conformational Search 中被指定为Rigid Body。因此真正作为刚体处理的是这段 α-helix 的主链原子而不是把 6–11 位残基连同侧链一起完全固定。这样处理后构象搜索可以在维持局部 α-helix 主链整体结构的同时继续探索侧链以及肽链其他柔性区域的不同构象四、运行 Conformational Search进入Compute → Conformations → Search打开 Conformational Search。设置Rigid Body → Set → helix案例中进一步设置Iteration Limit 200RMS Gradient 0.1Energy Window 40然后开始计算。其中需要特别注意Iteration Limit 200。这里使用较少的迭代次数主要是为了缩短演示时间。对于实际柔性肽计算更充分的构象采样通常需要更多 iterations。五、得到 Peptide Conformational Database计算完成后不同构象会写入输出数据库并按照能量E排序。这里需要注意我们的目标并不是找到一个能量最低的肽结构然后只拿它去 Dock。而是建立一批能量合理、结构不同的 peptide conformations。因为肽自身最低能量的游离构象并不一定就是最适合与受体结合的构象。因此后面真正送入 Docking 的是整个Conformational Database而不是其中某一个结构。六、将构象库送入 General Dock完成构象搜索后载入受体Mdmx.moe然后进入Compute → Dock此时打开的是General Dock。General Dock 可以简单理解为Ligand Input↓Placement↓Scoring↓Refinement↓Final Scoring↓Docking Poses这里 Ligand 不再是一个单独结构而是前面生成的csearch.mdb。七、关键设置Conformations → Use Existing点击 Ligand 数据库选择csearch.mdb然后进入 Ligand Options将Conformations → Use Existing打开。这一步是整个流程中非常关键的连接点。它表示Docking 直接使用前面 Conformational Search 已经生成的肽构象。因此Conformational Search↓csearch.mdb↓General DockUse Existing三个步骤就真正串联起来了。八、运行 Docking由于构象数据库中的 peptide 在这里被识别为 Receptor需要在 Ligand 下拉选项中选择All Atoms然后设置输出数据库例如dock_lig.mdb即可运行 Docking。默认示例保留30 个 poses进入 refinement但对于 peptide conformational database建议增加这一数量。更充分的计算示例中使用了Refined poses 400并最终返回50 poses同时前面的构象搜索也使用了更多 iterations以获得更加充分的 peptide conformational sampling。因此实际项目中要注意前面的构象采样和后面的 Docking pose 搜索是相互关联的。构象库采样不足后面的 Docking 很难补救。九、浏览最终 Docking Pose计算完成后最终 poses 会写入数据库并按照最终评分S排序。通过DBV → File → Browse可以逐个查看 Docking Pose。在这个案例中排名第一的 stapled peptide pose 与3DAC 晶体结构中 bound p53 peptide的结合构象具有相似性。十、不要只看排名第一的 Pose做到这里我们已经完成Peptide→Conformational Search→Conformational Database→General Dock→Docking Poses但 Docking Score 只是第一层筛选。对于肽我们真正关心的还包括关键残基有没有进入正确区域已知氢键有没有形成疏水残基的空间位置是否合理不同高排名 Pose 是否具有共同的相互作用模式因此下一步不能只是机械地选择 Score 最好的结构。我们需要从“哪个 Pose 分数最好”进一步走向“哪些 Pose 保留了我们真正关心的蛋白–肽相互作用”这就需要使用PLIF——Protein-Ligand Interaction Fingerprints。本篇总结柔性肽进行 Protein–Ligand Docking 时一个实用策略是先通过Conformational Search建立 peptide conformational database再将构象库输入General Dock。对于 stapled peptide还可以通过Rigid Body Set保持需要维持的局部二级结构同时采样其他柔性区域。因此整套计算流程可以概括为Structure Preparation → Rigid Body Definition → Conformational Search → csearch.mdb → General Dock → Use Existing → Refinement Scoring → dock_lig.mdb这实际上是把一个复杂问题拆成了两个相对清晰的问题先解决“肽可能长什么样”再解决“这些构象怎么和蛋白结合”。下一篇MOE 肽类药物设计十三Docking Pose 太多怎么筛用 PLIF 从“分数”转向“相互作用模式”
