Homologes Modelling von Protein Komplexen Proseminar: Theoretical Analysis of Protein-Protein Interaction Daniela Reimer dare5003@stud.uni-saarland.de

Übersicht der Themen Einleitung 1. Modell: Methode um Protein Wechselwirkungen anhand von 3D Komplexen zu modellieren - Methoden - Ergebnisse

Übersicht der Themen 2. Modell: Methode um Protein Wechselwirkungen anhand von molekular Docking Methoden zu modellieren - Methoden - Ergebnisse Fazit Diskussion

Einleitung Hauptziel von funktional Genomics: Bestimmung von Protein-Wechselwirkungs- Netzwerken für ganze Organismen. Bisherige Studien: Identifizierung von hunderten potentieller Wechselwirkungen in Proteinen und Hefe- Komplexen. Computergestützte Methoden verwenden Gene Fusion, Gene Order, Kombinationen von Annäherungen um funktionelle Verbindungen und vermeintliche Wechselwirkungen zu bestimmen.

Einleitung Beste Quelle für Daten über Protein Wechselwirkungen: durch Kristallographie bestimmte Komplexe von 3D-Strukturen. Wechselwirkungen zwischen Proteinen in diesen Komplexen beziehen mindestens 2 Proteine mit ein, die Mitglieder einer homologen Familie sind. Hauptproblem: Unter welchen Bedingungen ist es möglich, funktionelle Informationen von einem Protein auf seine Homologe zu übertragen? Interagieren sie überhaupt oder auf die selbe Art und Weise?

1.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Aloy & Russell (EMBL, Heidelberg) Methoden: Modell, um vermeintliche Wechselwirkungen zwischen homologen Proteinen an einem Komplex von bekannten 3D-Strukturen zu testen. Gegeben: 3D-Komplex Alignments von Homologen der interagierenden Proteine

1.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Aloy & Russell (EMBL, Heidelberg) 3D-Komplex: Blast2: Vergleich von Sequenzen aus SCOP mit Proteinstrukturen aus Pfam. Verbindungen: E-value von beiden ≤ 0,01 Suche nach unterschiedlichen Pfam Domainen, bei denen die jeweiligen entsprechenden Ketten in Kontakt stehen (Abstand < 5Å). Set von 356 eindeutig interagierenden Paaren verschiedener Pfam Familien.

1.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Aloy & Russell (EMBL, Heidelberg) Klassen von 3D-Komplexen: Enzym Inhibitoren Cytokine Rezeptoren Signal Komplexe Hetero-Multimere Immun-System-Komplexe (antibody, antigen) andere Protein-Protein Wechselwirkungen

1.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Aloy & Russell (EMBL, Heidelberg) Identifizierung der Aminosäuren, die atomare Kontakte im Komplex eingehen: - side-chain/side-chain Kontakte - side-chain/main-chain Kontakte Mit Hilfe von empirischen Potentialen wird überprüft, ob Wechselwirkungen in den Homologen konserviert sind.

1.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Aloy & Russell (EMBL, Heidelberg) Empirische Potentiale für Protein-Protein Wechselwirkungen: Def.: interagierende Aminosäuren: Aminosäuren mit mind. einer Wasserstoffbrücke (N-O ≤ 3,5 Å), Salzbrücke (N-O ≤ 5,5 Å), van der Waals Wechselwirkung (C-C ≤ 5 Å). Molar-fraction random state model (verwendet für emp. Potential):

1.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Aloy & Russell (EMBL, Heidelberg) na, nb = total number of amino acids a, b T = total number of interacting pairs Eab = molar expected frequency for the a-b pair Cab = number of observed contacts between a and b Sab = log-odd score for Cab > 0 and Eab > 5 otherwise Sab = -0.5 for side-chain/main-chain contacts and Sab = -1.0 for side-chain/side-chain contacts

1.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Aloy & Russell (EMBL, Heidelberg) Insgesamt wurden 4.517 side-chain/main-chain und 3.316 side-chain/side-chain Kontakte gefunden. Mit Hilfe von empirischen Potentialen wurden Komplexe mit wenigen oder die hauptsächlich main-chain/main- chain Kontakte haben, entfernt.

1.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Aloy & Russell (EMBL, Heidelberg) Ergebnisse: Common residues in contact (homologues complexes) Potential score of one complex by another Cytokine/receptor 92 % High value signaling 89 % Peptidase/inhibitor 59 % 65 % others 66 % average 70 %

1.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Aloy & Russell (EMBL, Heidelberg) Ergebnisse: Niedriger Wert für peptidase/inhibitor Klasse: Inhibitoren binden fest an Target Proteasen über main-chain/main-chain Kontakte. Hohe Werte für andere Klassen: Wechselwirkungen sind eher flüchtig (side-chain Kontakte). Berücksichtigt wurden nur unterschiedliche Proteinpaare, von denen bekannt ist, dass sie in der selben Art und Weise interagieren.  wichtig: Berücksichtigung von Paaren von Proteinen, die definitiv nicht interagieren.

1.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Aloy & Russell (EMBL, Heidelberg) Fig.1: Aloy, Russell - Interrogating protein interaction networks through structural biology

1.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Aloy & Russell (EMBL, Heidelberg) Fibroblast Growth Factor und Rezeptor: Meist studierten Wechselwirkungen zwischen FGFs und Rezeptoren. FGFs spielen eine Rolle bei der Morphogenese, der Angiogenese und der Wundheilung. 20 menschliche FGFs binden an einen oder mehrere der 7 FGF-Rezeptoren. Anwenden des Modells auf FGFs-Komplexe.

1.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Aloy & Russell (EMBL, Heidelberg) Fibroblast Growth Factor und Rezeptor: Insgesamt 252 unterschiedliche Wechselwirkungen 112 Bindungsaffinität < 10 % (low) 140 Bindungsaffinität > 10 % (high) 158 Wechselwirkungen mit hohem signifikantem Wert ≤ 0,01 105 mit hoher Bindungsaffinität 94 Wechselwirkungen mit niedrigem signifikantem Wert > 0,1 59 mit niedriger Bindungsaffinität Gesamt-Genauigkeit der vorhergesagten Wechselwirkungen von 65 %

2.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Richard M.Jackson (Biomol.Structure & Modeling Unit, University College London) Modell zur Berechnung von Protein-Protein Wechselwirkungen: 12 heterogene Serine Protease-Inhibitor und 15 Antikörper-Antigen Komplexe. Verwendet: Molekulare Docking Methoden um Energie der Wechselwirkungen zu analysieren Aufteilung in verschiedene Beiträge der main-chain und side-chain Kontakte, der non-rotameric side-chains und verschiedene Typen von beteiligten Aminosäuren.

2.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Richard M.Jackson (Biomol.Structure & Modeling Unit, University College London) Biologischer und struktureller Hintergrund: Antikörper erkennen großes Spektrum an anti- genetischen Komponenten (Proteine, Polysaccharide, Nukleinsäuren, Lipide).  Motif: Immunoglobulin-like β-Sandwich mit 6 Loops  reagieren hauptsächlich über main-chain/main-chain Kontakte. Serine Protease-Inhibitoren sind kleine Proteine mit substrate-like Wechselwirkungen mit dem aktiven Zentrum der Serine-Endopeptidasen.  reagieren über side-chain/side-chain oder side- chain/main-chain Kontakte.

2.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Richard M.Jackson (Biomol.Structure & Modeling Unit, University College London) Freie Bindungs-Energie: ΔGinteraction = spezifische Protein-Protein Wechselwirkungen, wobei ΔGinteraction ≈ ΔEinteraction = ΔEvdW + ΔEelectrostatic ΔGsolvent = Protein-solvent Energie ΔGinternal = innere Energie des Proteins ΔGmotion = Freiheitsgrade der Konformationen von side- und main-chain und Translations-, Rotations- und freie Vibrations-Energie

2.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Richard M.Jackson (Biomol.Structure & Modeling Unit, University College London) Methoden: Verwendete 3D-Kristall Strukturen: PBD mit Resolution > 3.0Å Serine Protease-Inhibitor Komplexe: Enzym/Inhibitor Komponenten können Homologe sein, solange nicht beide Komponenten Homolge sind. Homologe Enzymstrukturen: selbe Protein Superfamily in SCOP Homologe Inhibitoren: selbe Familie der Serine Protease-Inhibitoren Antikörper-Antigen Komplexe: Antikörper sind homolog, es wurden nur Komplexe verwendet, bei denen sich die Antigen-Erkennungsstelle unterscheidet.

2.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Richard M.Jackson (Biomol.Structure & Modeling Unit, University College London) Wechselwirkungs-Energie: Zu Beginn: Berechnen der Energie des strukturell bestimmten Kristallkomplexes. Verbesserung des Interface durch Begrenzen auf Rigid- Body Energie Minimierung. Freiheitsgrade der Seitenketten dürfen sich während Verbesserung nicht bewegen. Ridig-Body Minimierung: Aminosäurereste, deren Cβ-Atom innerhalb 15Å zum entsprechendem Cβ-Atom liegt.

2.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Richard M.Jackson (Biomol.Structure & Modeling Unit, University College London) 10Å atom-atom nonbonded cutoff Distant dependent dielectric ε = 4r (Skalierung für unrealistisch nahe vdW + elektrostatische Wechselwirkungen) Größeres Molekül feststehend (Enzym/Antibody) Kleineres Molekül (Inhibitor/Antigen) bewegt sich mit steepest descent Algorithmus Einteilung der Beiträge der verschiedenen Aminosäuretypen: Polar/aromatisch, nicht entropisch (keine Freiheitsgrade der Seitenketten) und hydrophob.

2.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Richard M.Jackson (Biomol.Structure & Modeling Unit, University College London) Surface Area: Berechnung der solvent accessible surface area durch Algorithmus von Lee & Richards (1971) für main-chain und side-chain Atome.

2.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Richard M.Jackson (Biomol.Structure & Modeling Unit, University College London) Ergebnisse: Analyse von main-chain und side-chain Wechselwirkungen: Wechselwirkung Serine Protease-Inhibitor Komplex Antikörper-Antigen Komplex Main-chain/main-chain 41 % ΔGinteraction 17 % ΔGinteraction Main-chain (Enzym/Antibody)/side-chain(Inhibitor/Antigen) 12-30 % ΔGinteraction 27 % ΔGinteraction Side-chain/side-chain 36 % ΔGinteraction

2.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Richard M.Jackson (Biomol.Structure & Modeling Unit, University College London) Fig 2.: Jackson - Comparison of protein-protein interactions in serine protease-inhibitor and antibody-antigen complexes

2.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Richard M.Jackson (Biomol.Structure & Modeling Unit, University College London) Beitrag der non-rotameric Residues: Non-rotameric Residue: Residue passt in keins der bekannten Seitenketten-Konformationen Protease-Inhibitor Komplex: 19 % ΔGinteraction Antikörper-Antigen Komplex: 23 % ΔGinteraction Mehr als 90 % der Residues sind polare, aromatische Aminosäuren Beitrag der elektrostatischen Komponenten: Protease-Inhibitor Komplex: 24 % ΔGinteraction Antikörper-Antigen Komplex: 29 % ΔGinteraction

2.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Richard M.Jackson (Biomol.Structure & Modeling Unit, University College London) Beitrag der verschiedenen Typen von Aminosäuren: Aminosäuren Serine Protease-Inhibitor Komplex Antikörper-Antigen Komplex Aromatisch/polar 56 % ΔGinteraction 81 % ΔGinteraction Nicht entropisch 23 % ΔGinteraction 10 % ΔGinteraction hydrophob 21 % ΔGinteraction 9 % ΔGinteraction

2.Modell für die Bewertung von Wechselwirkungen zwischen Proteinen Richard M.Jackson (Biomol.Structure & Modeling Unit, University College London) Fig 2.: Jackson - Comparison of protein-protein interactions in serine protease-inhibitor and antibody-antigen complexes

Fazit Modell 1: Methode um Protein Wechselwirkungen anhand von 3D Komplexen zu modellieren. Vorteile: Studien über Protein Familien, bei denen bekannt ist, dass sie unterschiedliche Wechselwirkungen aufweisen  Kosten- und Zeiteinsparung Gene Fusion Studien  Unterstützung bei Ergebnis-Interpretationen Aussagen, ob Proteine innerhalb ihrer homologen Familie ähnlich interagieren. Jedoch: Veränderung der Wechselwirkungspartner in der Evolution unbekannt

Fazit Modell 2: Methode um Protein Wechselwirkungen anhand von molecular Docking Methoden zu modellieren. Protease-Inhibitor-Komplex: hauptsächlich main- chain/main-chain Kontakte resultiert aus der Tatsache, dass sich mehr main- chain Atome in der Protein-Schnittstelle befinden Antikörper-Antigen-Komplex: side-chain/side-chain und side-chain/main-chain Kontakte Level für Erfolg des Modells hängt vom Grad der involvierten main-chain Kontakte ab  Modell nur nützlich für eine limitierte Anzahl von Systemen

Diskussion