Практическая химия белка - А. Дарбре 1989

Предсказание конформации пептидов и белков
Современное состояние предсказательных методов

В последние пять лет были получены многие важные результаты, в связи с чем неуклонно возрастала вера в то, что проблема укладки белковой молекулы будет решена уже в ближайшем будущем. В настоящем обзоре оказалось невозможным обсудить в полном объеме перспективы указанной проблемы; выскажем лишь некоторые соображения на этот счет. Необходимо заметить, что не все исследователи придерживаются одной точки зрения относительно главного направления предстоящих исследований. Например, Левитт и Шерага считают, что для успешного моделирования пространственной укладки белка весьма полезно использовать экспериментальные сведения о конформационных возможностях объекта. Очень информативны в этом отношении данные ЯМР, из которых легко можно получить многие межатомные расстояния в молекулах белков. В этом случае проблема заключается в том, чтобы обойтись минимумом экспериментальных сведений для достижения результата. Ясно также, что с развитием теории таких сведений будет требоваться все меньше и меньше. Во- вторых, в лаборатории автора было показано, что метод предсказания третичной структуры полностью применим к «минибелкам», т. е. биологическим пептидам, содержащим до десяти аминокислотных остатков. Качество предсказания для белков длиной 100—200 остатков должно находиться в соответствии с назначением результата. Например, было показано, что достаточно приближенные расчеты вполне применимы для целей конструирования искусственных пептидных вакцин, которые после присоединения к молекуле-носителю приобретают иммуногенные свойства и начинают производить антитела против изучаемого пептида. Можно надеяться также, что предварительное моделирование пространственной структуры задолго до получения исчерпывающих кристаллографических данных об объектах окажется полезным в биотехнологических исследованиях. Поэтому появление все большего числа работ, посвященных белкам с неизвестной третичной структурой, представляет гораздо больший интерес по сравнению с академическими, методическими работами, касающимися белков с уже имеющимися подробными данными о конформации. Фармакологов, нейрохимиков, иммунологов и генных инженеров как раз весьма мало интересуют расчеты белков с хорошо известной из эксперимента пространственной структурой; для этих групп ученых крайне важны предсказательные расчеты белков, которые ими изучаются.

К важным факторам, определяющим качественные и количественные возможности расчета молекул белка, относятся скоростные характеристики алгоритмов и программ. Хотя увеличение скорости расчетов представляет собой в основном технический вопрос, во многих биологических лабораториях прилагаются значительные усилия в этом направлении. В лаборатории автора, например, скорости расчетов возросли по крайней мере в тысячу раз по сравнению с 1979 г. Наверное, одним из самых мощных факторов ускорения можно считать доступ к высокоскоростным векторным машинам типа CRAY 1 или CYBER 205. Например, использование ЭВМ CYBER 205 позволило увеличить скорость расчета в 30 раз по сравнению с предшествующей моделью CDC 7600. Алгоритмы, реализуемые на подобных ЭВМ, наряду с простой «векторизацией» программ должны использовать дополнительные возможности, представляемые векторными процессорами. Значительное увеличение скорости расчетов позволило значительно увеличить число допустимых вариантов укладки белка, что в свою очередь послужило основанием для ряда важных выводов. Оказалось возможным изучить детали потенциальной поверхности как функции конформации белка. Результаты, полученные нами и другими исследователями, показали, что расчетная поверхность содержит несколько обширных оврагов, в каждом из которых имеются десятки, сотни, а иногда и несколько тысяч локальных минимумов. Выяснилось также, что анализ формы потенциальной поверхности, выполненный Левиттом, па деле представляет собой описание формы единственного оврага, содержащего нативную конформацию. Кроме того, подходы Левитта, Шераги и Робсона оказались очень сходными в достижении нативной конформации при условии, что нужный овраг уже известен. Напротив, подход Бландела и др. заключается в изучении и классификации всех известных конформационных мотивов и их сопоставлении с аминокислотными последовательностями белков. В случае предсказания неизвестной конформации белка необходимо правильно выбрать структурный мотив, соответствующий конкретной первичной структуре белка, после чего переходят к минимизации энергии в предположении, что стартовая конформация расположена вблизи оврага, содержащего нативную структуру белка.

Поиску критериев, соблюдение которых соответствует конформации белка вблизи оврага, посвящены работы Робсона. Было показано, что величину потенциальной или свободной энергии нельзя считать определяющим фактором и, например, стартовая конформационная точка даже в самом овраге может иметь весьма высокую энергию. Более того, в ряде работ показано, что на дне разных оврагов могут находиться точки с энергией, сравнимой с энергией нативного состояния. Фактором, определяющим нативную конформацию, можно, по-видимому, считать выгодное расположение неполярных гидрофобных групп белка, что носило бы более отчетливый характер при правильном учете в энергетических расчетах роли растворителя. Основываясь на модели растворителя Штернберга для учета внутримолекулярной водородной связи, мы разработали метод, гарантирующий большую стабильность нативной конформации по сравнению с более открытыми конформерами. Тем самым конформации, находящиеся вне нужного оврага, обладают большей свободной энергией, чем конформации внутри оврага, содержащего нативную структуру. Метод пока еще не усовершенствован настолько, чтобы направлять поиск в район, содержащий нативную конформацию. Он успешно работает главным образом в пределах окрестностей нужного оврага. По-видимому, следует таким образом направлять траекторию поиска, чтобы она не вела в глубь неперспективного оврага. В основном путь решения этой проблемы ясен, хотя и предстоит еще преодолеть некоторые серьезные теоретические трудности. Их удастся решить, если осуществить моделирование процесса самоорганизации белков не в трех-, а в четырехмерном пространстве. Расчетное время, необходимое для такого моделирования, удастся заметно сократить, если привлечь последние достижения в топологии пространств.

Следует заметить, что в настоящее время развитие методов предсказания конформации белков сдерживается не столько несовершенством потенциальных функций, трудностями правильного учета влияния растворителя или недостатками программного и технического обеспечения, сколько нехваткой новых фундаментальных математических разработок в данной области. В настоящем обзоре мы ограничились рассмотрением программных средств, позволяющих экономить расчетное время при исследовании конформационного пространства. Тем не менее для осуществления успешной пространственной укладки белковой цепи расходы компьютерного времени весьма внушительны, что связано с упомянутым медленным прогрессом соответствующей области математики. Надо отметить также, что огромные затраты расчетного времени означают также внушительный расход календарного времени и на сегодняшний день можно говорить только о частичных успехах в моделировании процессов укладки белка. Так, весьма обнадеживают успехи в конструировании структурных доменов в белках, но пока не удается вызвать процесс их ассоциации, как это имеет место в нативной структуре (иногда трудно добиться формирования и некоторых из доменов).

В заключение необходимо подчеркнуть, что впереди очень много работы, но быстрый прогресс в данной области дает основания для оптимизма. На сегодня нельзя еще, к сожалению, привести яркий пример укладки белка средней величины, исходя только из его аминокислотной последовательности. Можно, однако, сказать, что вычислительные методы успешно применяются в отраслях биотехнологии, связанных с конструированием лекарств, уточнением кристаллографических структур, моделированием структуры белков на основании данных о гомологичных белках и т. д. Более того, такое использование теоретических приемов носит все более обычный и обязательный характер.