Počítačové modelování membránových proteinů

• Thesis title in Czech: Počítačové modelování membránových proteinů
• Thesis title in English: Computational Modeling of Membrane Proteins
• Academic year of topic announcement: 2017/2018
• Thesis type: dissertation
• Department: Institute of Physics of Charles University (32-FUUK)
• Supervisor: RNDr. Ivan Barvík, Ph.D.

Guidelines

1) Prostudovat určenou literaturu a sepsat rešerši: 

- struktura proteinů a buněčných membrán 
- struktura, dynamika, funkce a medicínský význam vybraných membránových proteinů
- homologní modelování
- docking
- in silico design nových ligandů s vlastnostmi léků
- molekulárně-dynamické simulace
- výpočet vazebné volné energie 

2) Osvojit si metodiku molekulárně-dynamických simulací - prakticky zvládnout práci se softwarovými balíky VMD, NAMD, AMBER, ACEMD, GROMACS, Gaussian, Modeller, AutoGrow. 

3) Provést molekulárně-dynamické simulace modelových systémů sestávajících z fragmentu buněčné membrány, membránového proteinu, ligandu a vodní obálky – cca. 100.000 atomů. 

4) Nasimulované trajektorie kvantitativně analyzovat. 

5) Diskutovat získané výsledky z hlediska jejich využití při racionálním návrhu struktury potenciálních chemoterapeutik. 

6) Získané výsledky publikovat v impaktovaných časopisech.

References

Seznam odborné literatury:

1. http://www.pdb.org/pdb/home/home.do 

2. J. K. Leman, M. B. Ulmschneider, and J. J. Gray: Computational modeling of membrane proteins. Proteins 83 (2015) 1-24

3. https://salilab.org/modeller/

4. A. R. Leach: Molecular Modelling: Principles and Applications. Pearson Education Limited: Harlow, 2001, ISBN 0582382106 

5. D. Frenkel, B. Smit: Understanding Molecular Simulations: From Algorithms to Applications. Academic Press: San Diego, 2001, ISBN 0122673514 

6. J. C. Phillips, R. Braun, W. Wang, J. Gumbart, E. Tajkhorshid, E. Villa, C. Chipot, R. D. Skeel, L. Kale, K. Schulten:  Scalable Molecular Dynamics with NAMD. J. Comput. Chem. 26 (2005) 1781-1802 

7. http://www.ks.uiuc.edu/Research/vmd/ 

8. http://www.ks.uiuc.edu/Research/namd/ 

9. http://ambermd.org/

10. http://www.gromacs.org/

11. http://www.acellera.com/products/acemd/ 

12. F. Jensen: Introduction to Computational Chemistry. John Wiley & Sons Ltd.: West Sussex, 2007, ISBN: 0470058048 

13. C. G. Mayne, J. Saam, K. Schulten, E. Tajkhorshid, and James C. Gumbart: Rapid Parametrization of Small Molecules Using the Force Field Toolkit J. Comput. Chem. 34 (2013) 2757-2770 

14. http://www.gaussian.com/ 

15. Y. Nakamura, A. Suganami, M. Fukuda, M. K. Hasan, T. Yokochi, A. Takatori, S. Satoh, T. Hoshino, Y. Tamura, A. Nakagawara: Identification of novel candidate compounds targeting TrkB to induce apoptosis in neuroblastoma. Cancer Medicine 3 (2014) 25-35 

16. http://vina.scripps.edu/ 

17. http://autogrow.ucsd.edu/ 

18. Ch. Chipot, A. Pohorille: Free Energy Calculations: Theory and Applications in Chemistry and Biology. Springer-Verlag: Berlin Heidelberg, 2007, ISBN: 9783540384472 

19. T. P. Straatsma and J. A. McCammon: Computational Alchemy. Annu. Rev. Phys. Chem. 43 (1992) 407-35

20. N. A. Veldhuis, D. P. Poole, M. Grace, P. McIntyre, and N. W. Bunnett: The G Protein-Coupled Receptor-Transient Receptor Potential Channel Axis: Molecular Insights for Targeting Disorders of Sensation and Inflammation. Pharmacological Reviews 67 (2015) 36-73

21. B. Kobilka: The Structural Basis of G Protein Coupled Receptor Signaling. Nobel Lecture, December 8, 2012

22. R. J. Lefkowitz: A Brief History of G Protein Coupled Receptors. Nobel Lecture, December 8, 2012

23. R. O. Dror, D. H. Arlow, P. Maragakis, T. J. Mildorf, A. C. Pan, H. Xu, D. W. Borhani, D. E. Shaw: Activation mechanism of the Beta2-adrenergic receptor. Proc. Natl. Acad. Sci. U.S.A. 108 (2011) 18684-9 

24. J. Li, A. L. Jonsson, T. Beuming, J. C. Shelley, and G. A. Voth: Ligand-Dependent Activation and Deactivation of the Human Adenosine A2A Receptor. J. Am. Chem. Soc. 135 (2013) 8749-8759 

25. L. Boukharta, H. Gutierrez-de-Teran, J. Aqvist: Computational Prediction of Alanine Scanning and Ligand Binding Energetics in G-Protein Coupled Receptors. PLOS Comput. Biol. 10 (2014) e1003585 

26. M. de Lera Ruiz, Y.-H. Lim, and J. Zheng: Adenosine A2A Receptor as a Drug Discovery Target. J. Med. Chem. 50 (2014) 3623-3650

27. B. Nilius, G. Appendino, G. Owsianik: The transient receptor potential channel TRPA1: from gene to pathophysiology. European Journal of Physiology 464 (2012) 425-458

28. V. Zíma, K. Witschas, A. Hynková, L. Zímová, I. Barvík, V. Vlachová: Structural modeling and patch-clamp analysis of pain-related mutation TRPA1-N855S reveal inter-subunit salt bridges stabilizing the channel open state. Neuropharmacology, 2015, vol. 93, p. 294-307.

29. L. Surá, V. Zíma, L. Maršáková, A. Hynková, I. Barvík Jr., V. Vlachová: C-terminal acidic cluster is involved in Ca2+-induced regulation of human transient receptor potential ankyrin 1 channel.  Journal of Biological Chemistry, 2012, vol. 287, p. 18067-18077.

30. K. W. Ho, N. J. Ward, D. J. Calkins: TRPV1: a stress response protein in the central nervous system. American Journal of Neurodegenerative Diseases 1 (2012) 1-14

31. M. J. M. Fischer, D. Balasuriya, P. Jeggle, T. A. Goetze, P. A. McNaughton, P. W. Reeh, J. M. Edwardson: Direct evidence for functional TRPV1/TRPA1 heteromers. Pflugers Arch – Eur J Physiol 466 (2014) 2229-2241

32. X. Li, P. Mooney, S. Zheng, C. Booth, M. B. Braunfeld, S. Gubbens, D. A. Agard, and Y. Cheng: Electron counting and beam-induced motion correction enable near atomic resolution single particle cryoEM. Nature Methods 10 (2013) 584-590

33. R. Henderson: Ion channel seen by electron microscopy. Nature 504 (2013) 93-94

34. M. Liao, E. Cao, D. Julius, Y. Cheng: Structure of the TRPV1 ion channel determined by electron cryo-microscopy. Nature 504 (2013) 107-112

35. E. Cao, M. Liao, Y. Cheng, D. Julius: TRPV1 structures in distinct conformations reveal activation mechanisms. Nature 504 (2013) 113-118

36. D. Del Prete, D. Caprioglio, G. Appendino, A. Minassi, A. Schiano-Moriello, V. Di Marzo, L. De Petrocellis: Discovery of non-electrophilic capsaicinoid-type TRPA1 ligands. Bioorganic & Medicinal Chemistry Letters X (2015) X

37. E. L. Andrade, F. C. Meotti, J. B. Calixto: TRPA1 antagonists as potential analgesic drugs. Pharmacology & Therapeutics 133 (2012) 189-204

38. M. Trevisani, R. Gatti: TRPV1 Antagonists as Analgesic Agents. The Open Pain Journal 6 (2013) 108-118

39. A. Szallasi, M. Sheta: Targeting TRPV1 for pain relief: limits, losers and laurels. Expert Opinion on Investigational Drugs 21 (2012) 1351-1369

40. P. R. Kym, M. E. Kort, C. W. Hutchins: Analgesic potential of TRPV1 antagonists. Biochemical Pharmacology 78 (2009) 211-216

41. M. J. Gunthorpe and B. A. Chizh: Clinical development of TRPV1 antagonists: targeting a pivotal point in the pain pathway. Drug Discovery Today 14 (2009) 56-67

42. http://metavo.metacentrum.cz/ 

Preliminary scope of work

Upoutávka

Membránové proteiny jsou cílem více než poloviny současných léků. Experimentálně je přitom nesmírně obtížné určit jejich prostorové uspořádání na atomární úrovni. V proteinové databance tak membránové proteiny představují jenom zlomek dosud rozřešených struktur [1]. To vytváří obrovský prostor pro počítačové modelování [2]. Na základě dostupných krystalových struktur je možné vytvářet tzv. homologní modely sekvenčně či strukturně blízkých membránových proteinů [3]. Dynamiku těchto modelů je možné zkoumat prostřednictvím metody molekulárně-dynamických (MD) simulací, která spočívá v numerickém řešení klasických pohybových rovnic [4-11]. Silové působení mezi atomy je přitom popsáno pomocí tzv. silového pole naparametrizovaného prostřednictvím kvantově-chemických výpočtů [12-14]. Základy metodiky MD simulací biomolekul položili nositelé Nobelovy ceny za chemii z roku 2013 (A. Warshel, M. Karplus, M. Levitt) v první polovině sedmdesátých let. V databázích malých molekul je pak možné hledat vhodné ligandy, které se budou dostatečně silně vázat k modelům medicínsky zajímavých membránových proteinů [15-16]. Alternativou je využít software, který dokáže reálně syntetizovatelný ligand s vlastnostmi léku nechat ve vazebném místě membránového proteinu „vyrůst“ [17]. Tzv. alchymistické molekulárně-dynamické simulace pak umožňují precizně postihnout relativní rozdíly ve vazebné volné energii různých ligandů do vazebného místa medicínsky zajímavého membránového proteinu [18-19].

V tomto ohledu je v posledních letech v centru zájmu rodina tzv. receptorů svázaných s G proteiny (GPC receptory) [20-26]. Jedná se o cca. 800 membránových receptorů. Díky interakci s ligandem na vnější straně membrány dochází ke změně prostorového uspořádání receptoru i na vnitřní straně membrány. Interakcí receptoru s tzv. G-proteiny je posléze předán signál dále do nitra buňky. Díky GPC receptorům tak může buňka reagovat na rozmanité vnější podněty. V současné době je na GPC receptory cílena zhruba 1/3 všech současných léků. Racionálnímu návrhu struktury potenciálních léků interagujících s GPC receptory prostřednictvím počítačového modelování dlouho bránila absence výchozích krystalových struktur v proteinové databance. V tomto ohledu však v posledních letech došlo k zásadnímu průlomu (za což R. Lefkowitz a B. Kobilka získali v roce 2012 Nobelovu cenu za chemii [21-22]). Díky dlouholeté spolupráci se skupinou organických chemiků v UOCHB AV ČR syntetizujících analoga nukleových kyselin, je pro nás zajímavý např. medicínsky nesmírně důležitý adenosinový A2A GPC receptor [26]

Dále na FÚ MFF UK provádíme MD simulace modelů tzv. TRPA1 iontového kanálu [27-29]. Naše modely ověřují na spolupracujícím pracovišti ve Fyziologickém Ústavu AVČR prostřednictvím bodových mutací [28-29]. Membránové proteiny z rodiny TRP přitom nabízejí obrovský potenciál pro tvorbu nových analgetik [30-41].

V rámci disertační práce bude zkoumána struktura a dynamika vybraného membránového proteinu ukotveného v buněčné membráně a obklopeného vodní obálkou v závislosti na interakci s různými ligandy. MD simulace budou realizovány v superpočítačovém MetaCentru [42]. 

Předpokládané znalosti:
 
Kvantová mechanika na úrovni základních kursů, hlubší zájem o numerické zpracování složitých úloh na moderních počítačích, pasivní znalost angličtiny.