高分子ドッキング

高分子ドッキングは、 2つ以上の相互作用する生物学的高分子によって形成される複合体の四次構造の計算モデル化です。タンパク質-タンパク質複合体は、このようなモデリングの最も一般的なターゲットであり、タンパク質-核酸複合体がそれに続きます。^[1]

ドッキングの最終的な目標は、生体内で発生する可能性のある、対象の高分子複合体の 3 次元構造を予測することです。ドッキング自体は、妥当な候補構造のみを生成します。これらの候補は、スコアリング関数などの方法を使用してランク付けし、自然界で最も発生する可能性の高い構造を特定する必要があります。

「ドッキング」という用語は、1970 年代後半に、より限定された意味を持って生まれました。当時、「ドッキング」とは、相互作用体間の距離を最適化しながらも、それらの相対的な方向を固定して、複雑な構造のモデルを改良することを意味していました。その後、モデリングにおける相互作用パートナーの相対的な方向は変化できるようになりましたが、各パートナーの内部形状は固定されました。このタイプのモデリングは、「リジッド ドッキング」と呼ばれることもあります。計算能力がさらに向上すると、複合体が形成されるときに発生する可能性のある、相互作用パートナーの内部形状の変化をモデル化できるようになりました。このタイプのモデリングは、「フレキシブル ドッキング」と呼ばれます。

ほとんどのタンパク質の生物学的役割は、他のどの高分子と相互作用するかによって特徴付けられますが、よくわかっていないのが現状です。よく研究されている生物学的プロセス(例えば、クレブス回路) に関与するタンパク質であっても、そのプロセスとは無関係な予期しない相互作用相手や機能を持つ場合があります。

タンパク質間相互作用が既知の場合、他の疑問が生じます。遺伝性疾患(嚢胞性線維症など) は、誤って折り畳まれたタンパク質や変異したタンパク質によって引き起こされることが知られており、特定の変異が引き起こす可能性がある異常なタンパク質間相互作用 (もしある場合) を理解したいという要望があります。遠い将来、タンパク質は生物学的機能を果たすように設計される可能性があり、そのようなタンパク質の潜在的な相互作用を決定することが不可欠になります。

特定のタンパク質のセットについては、テクノロジーや自然史の観点から、次のような質問が興味深いかもしれません。

• これらのタンパク質は生体内で結合しますか?

もし彼らが縛られたら、

• それらが束縛状態において採用する空間構成とは何でしょうか?
• 彼らの相互作用はどれくらい強いか、あるいは弱いか?

拘束されなければ、

• 突然変異を誘発することで結合させることができるでしょうか?

タンパク質-タンパク質ドッキングは、最終的にこれらすべての問題に対処するために考えられています。さらに、ドッキング方法は純粋に物理的な原理に基づくことができるため、機能が未知のタンパク質（または比較的研究されていないタンパク質）であってもドッキングすることができます。唯一の前提条件は、それらの分子構造が実験的に決定されているか、タンパク質構造予測技術によって推定できることです。

タンパク質と核酸の相互作用は、生体細胞において重要な役割を果たします。遺伝子発現を制御する転写因子と複製を触媒するポリメラーゼはタンパク質で構成されており、それらが相互作用する遺伝物質は核酸で構成されています。タンパク質と核酸の複合体をモデル化するには、以下に説明するように、いくつかの特有の課題があります。

1970 年代、複雑なモデリングは、相互作用体の表面の特徴を手動で特定し、結合、機能、活性への影響を解釈することを中心に行われていました。コンピューター プログラムは通常、モデリング プロセスの最後に使用され、すべてのヒューリスティック制約が課された後に残った比較的少数の構成を区別していました。コンピューターが最初に使用されたのは、鎌状赤血球繊維におけるヘモグロビンの相互作用に関する研究でした。 ^[2]これに続いて、1978 年にはトリプシン- BPTI複合体に関する研究が行われました。^[3]コンピューターは、大きな界面領域と、接触しているが同じ空間を占めていない分子のペアを評価するスコアリング関数を使用して、良いモデルと悪いモデルを区別しました。コンピューターは、相互作用するタンパク質の簡略化された表現を使用し、残基ごとに 1 つの相互作用中心を使用しました。水素結合などの好ましい静電相互作用は、手作業で特定されました。^[4]

1990 年代初頭には、より多くの複合体の構造が決定され、利用可能な計算能力が大幅に向上しました。バイオインフォマティクスの出現により、許容可能な計算コストで任意の複合体セットに適用できる一般化された手法の開発に焦点が移りました。新しい方法は、系統学的または実験的な手がかりがない場合でも適用できることが想定されていました。特定の事前知識は、最高ランクの出力モデルを選択する段階で導入することも、アルゴリズムがそれに対応している場合は入力としてフレーム化することもできます。1992 年には相関法^{[5]が公開されました。これは、}高速フーリエ変換を使用して、剛体モデルで粗い形状の相補性を評価するためのスケーラビリティを大幅に向上させたアルゴリズムです。これは 1997 年に粗い静電気をカバーするように拡張されました。^[6]

1996年に最初の盲検試験の結果が発表され、^[7] 6つの研究グループがTEM-1ベータラクタマーゼとベータラクタマーゼ阻害タンパク質（BLIP）の複合体構造を予測しようとしました。この実験により、コンフォメーションの変化に対応する必要性とコンフォマー間の区別の難しさが明らかになりました。これは、2001年にデビューしたCAPRI評価シリーズのプロトタイプとしても機能しました。^{[引用が必要]}

複合体生成のどの段階でも成分の結合角、結合長、ねじれ角が変更されない場合、それは剛体ドッキングとして知られています。推測の対象となっているのは、剛体ドッキングがほとんどのドッキングに十分であるかどうかです。複合体形成時に成分内で大幅な構造変化が発生する場合、剛体ドッキングは不十分です。ただし、すべての可能な構造変化をスコアリングすることは、コンピューター時間の面で非常に高価です。構造変化を許可するドッキング手順、または柔軟なドッキング手順では、検討対象として、考えられる構造変化の小さなサブセットをインテリジェントに選択する必要があります。

ドッキングを成功させるには、次の 2 つの条件を満たす必要があります。

• ほぼ正しい構成を少なくとも 1 つ確実に含める構成セットを生成します。
• ほぼ正しい構成を他の構成から確実に区別します。

多くの相互作用では、ドッキングされるタンパク質の 1 つまたは複数の結合部位がわかっています。これは抗体と競合阻害剤の場合に当てはまります。その他の場合では、結合部位は変異原性または系統発生の証拠によって強く示唆されることがあります。タンパク質が著しく相互浸透する構成も事前に除外される可能性があります。

事前の知識や立体化学の衝突に基づいて除外を行った後、残りの可能性のある複合構造の空間を、ほぼヒットを保証するために、徹底的に、均等に、十分な範囲でサンプリングする必要があります。各構成は、ほぼ正しい構造を少なくとも 100,000 の代替構造よりも上位にランク付けできる基準でスコア付けする必要があります。これは計算集約的なタスクであり、さまざまな戦略が開発されています。

それぞれのタンパク質は単純な立方格子として表現できます。そして、離散畳み込みであるスコアのクラスについては、正確な格子ベクトルによる1つのタンパク質の変換によって互いに関連付けられた構成は、畳み込み定理を適用することによってすべてほぼ同時にスコア付けできます。^[5]立体化学的適応度と静電的適応度の両方を表す、近似的ではあっても合理的な畳み込みのようなスコアリング関数を構築することが可能です。

逆空間法は、膨大な数の構成を評価できるため、広く使用されています。ねじれの変化が導入されると、速度の利点が失われます。もう 1 つの欠点は、事前の知識を効率的に使用できないことです。畳み込みは、最適な複合体を確実に特定するにはスコアリング関数のクラスとして制限が大きすぎるのではないかという疑問も残ります。

モンテカルロ法では、一定数のステップが試行されるまで、スコアの向上度合いに基づいてランダムなステップが採用または拒否され、初期構成が改良される（メトロポリス基準を参照）。初期構成の大きなクラスから最適な構造への収束が起こるという仮定のもと、そのうちの 1 つだけを考慮すればよい。初期構成は粗くサンプリングすることができ、計算時間を大幅に節約できる。正しい構成を高度に識別し、かつ遠くからでも正しい構成に収束するスコアリング関数を見つけることは難しいため、異なるスコアリング関数を持つ 2 段階の改良が提案されている。^[8]モンテカルロ法では、各ランダム移動の追加特性として、ねじれを自然に導入できる。

モンテカルロ法では網羅的な検索が保証されていないため、理論上は最適な構成を特定するスコアリング関数を使用しても、最適な構成を見逃してしまう可能性があります。これがドッキングにとってどれほど深刻な問題であるかは、まだはっきりとわかっていません。

最適な構成を選択するための一貫した基準となるスコアを見つけるために、タンパク質間相互作用のケースの標準ベンチマーク (以下を参照) について研究が行われます。スコアリング関数は、最適な構造に割り当てるランク (理想的には最適な構造は 1 にランク付けされる) と、そのカバレッジ (許容可能な結果を​​達成するベンチマーク ケースの割合) に基づいて評価されます。研究されるスコアの種類は次のとおりです。

• 残基の接触に基づくヒューリスティックスコア。
• 分子表面の形状の相補性（「立体化学」）。
• CHARMMやAMBERなどの分子力学力 場のパラメータを使用して推定された自由エネルギー。
• 相互作用領域の系統発生上の望ましさ。
• クラスタリング係数。
• 情報に基づいたヒント。

通常、ハイブリッド スコアは、上記の 1 つ以上のカテゴリを、ベンチマークのケースに基づいて重みが最適化された加重合計で組み合わせて作成します。偏りを避けるため、重みを最適化するために使用されるベンチマーク ケースは、スコアの最終テストを行うために使用されるケースと重複してはなりません。

タンパク質間ドッキングの最終的な目標は、複合体の親和性についての洞察も提供するスコアリング方式に従って、理想的なランキングソリューションを選択することです。このような開発により、in silico タンパク質工学、コンピューター支援薬物設計、および/またはどのタンパク質が結合し、どのタンパク質が結合しないかのハイスループット注釈（インタラクトームの注釈）が促進されます。結合親和性 / 自由エネルギー予測には、いくつかのスコアリング関数が提案されています。^{[8] [9] [10] [11] [12]}しかし、実験的に決定された結合親和性と 9 つの一般的に使用されるスコアリング関数の予測との間の相関は、ほぼ直交することがわかっています（R ² ~ 0）。^[13]また、スコアリングアルゴリズムの一部のコンポーネントは、完全なスコアよりも実験的な結合エネルギーとの相関が高い可能性があることが観察されており、異なるスコアリングアルゴリズムからの適切な寄与を組み合わせることで、大幅に優れたパフォーマンスが得られる可能性があることを示唆しています。結合親和性を決定するための実験的手法としては、表面プラズモン共鳴（SPR）、 フェルスター共鳴エネルギー移動、放射性リガンドベースの技術、等温滴定熱量測定（ITC）、マイクロスケール熱泳動（MST）、分光測定、その他の蛍光技術などがある。科学論文のテキスト情報は、スコアリングに役立つ手がかりとなる可能性がある。^[14]

ドッキング法をテストするために、既知の複合構造を持つ84のタンパク質間相互作用のベンチマークが開発されました。^{[15]このセットは、} SCOPデータベースによる相互作用体の構造ファミリーのプロファイルなどの重複した特徴を避け、幅広い相互作用タイプをカバーするように選択されています。ベンチマーク要素は、3つの難易度レベルに分類されています（最も難しいものは、バックボーンの立体配座の変化が最も大きいもの）。タンパク質間ドッキングベンチマークには、酵素阻害剤、抗原抗体、ホモ多量体複合体の例が含まれています。

タンパク質-タンパク質ドッキングベンチマークの最新バージョンは、230の複合体で構成されています。^{[16]タンパク質} -DNAドッキングベンチマークは、47のテストケースで構成されています。 [17] タンパク質-RNAドッキングベンチマークは、 X線結晶構造解析のみで解かれた複合体を含む45の非冗長テストケース^{[18]のデータセットと、}相同性モデリングから得られた構造も含む71のテストケースの拡張データセットとしてキュレーションされました。^{[19]タンパク質-RNAベンチマークは、} X線結晶構造解析で解かれた構造をさらに含むように更新され、現在は126のテストケースで構成されています。^[20]ベンチマークには、209の複合体のデータセットが含まれています。^[21]

結合親和性ベンチマークは、タンパク質-タンパク質ドッキングベンチマークに基づいています。^[13]実験親和性が知られている 81 個のタンパク質-タンパク質複合体が含まれています。これらの複合体は、親和性に関して 11 桁以上にわたります。ベンチマークの各エントリには、実験データに関連するいくつかの生化学的パラメータと、親和性を決定するために使用された方法が含まれています。このベンチマークは、スコアリング関数が高分子複合体の親和性をどの程度予測できるかを評価するために使用されました。

このベンチマークは査読後に大幅に拡張されました。^[22]この新しいセットは、Gタンパク質と受容体細胞外ドメインを含む複合体、抗原/抗体、酵素/阻害剤、酵素/基質複合体など、表す生物学的機能の点で多様です。また、パートナー同士の親和性も多様で、K _dは10 ⁻⁵ Mから10 ⁻¹⁴ Mの範囲です。9組のエントリは、構造は似ていますが親和性が大きく異なる密接に関連した複合体を表し、各組は同族および非同族アセンブリで構成されています。構成タンパク質の非結合構造が利用できるため、立体構造の変化を評価できます。それらはほとんどの複合体で重要であり、大きな動きや無秩序から秩序への遷移が頻繁に観察されます。このセットは、最終生成物だけでなく、会合反応に伴う反応物と立体構造の変化を考慮して、タンパク質間相互作用における親和性と構造を関連付けることを目的とした生物物理学的モデルのベンチマークに使用できます。^[22]

相互作用予測の批判的評価^[23]は、コミュニティ全体の研究者が評価者によって提供された同じタンパク質のドッキングを試みる継続的な一連のイベントです。ラウンドは約6か月ごとに開催されます。各ラウンドには、最近実験的に構造が決定された1〜6個のターゲットタンパク質-タンパク質複合体が含まれます。座標と座標は、それらを決定した構造生物学者の協力を得て、評価者によって非公開に保持されます。提出された論文の評価は二重盲検で行われます。

CAPRI は、多くの参加者 (第 7 ラウンドでは世界中で 37 グループが参加) を集め、生物学コミュニティ全体から高い関心を集めています。各ラウンドのターゲット数が少ないため、CAPRI の結果は統計的にあまり重要ではありませんが、議論を刺激する CAPRI の役割は重要です ( CASP評価は、タンパク質構造予測の分野での同様の取り組みです)。

• 生体分子複合体- タンパク質、RNA、DNA の生物学的複合体（脂質や炭水化物を含む場合もある）
• ドッキング（分子） - タンパク質への小分子のドッキング