Гомологичное моделирование комплекса белка с лигандом

1

Был выбран лизоцим из Bacteriophage PS119 (LYS_BPPS1).

C помощью Clustal было построено выравнивание последовательностей выбранного белка и лизоцима форели (1lmp): 


1LMP_A|PDBID|CHAIN|SEQUENCE      KVYDRCELARALKASGMDGYAGNSLPNWVCLSKWESSYNTQATNRNTDGS 50
sp|O80292|LYS_BPPS1              -----MAMSPALRNSVMAAISGGAIAIASVLITGPGGNDGLEGVRYKPYK 45
                                        :: **: * * . :*.::.    * .  .. :     * .  .

1LMP_A|PDBID|CHAIN|SEQUENCE      TDYGIFQINSRYWCDDGRTPGAKNVCGIRCSQLLTDDLTVAIRCAK---R 97
sp|O80292|LYS_BPPS1              DVVGVLTVCYGHTGKD-IMPG-KTYTEAECKALLNKDLITVARQINPYIK 93
                                    *:: :   :  .*   ** *.    .*. **..** .. *  :   :

1LMP_A|PDBID|CHAIN|SEQUENCE      VVLDPNGIGAWVAWRLHCQNQDLRS-----------------------YV 124
sp|O80292|LYS_BPPS1              VDIPETTRGALYSFVYNVGAGNFRTSTLLRKINQGDIKGACDQLRRWTYA 143
                                 * :  .  **  ::  :    ::*:                       *.

1LMP_A|PDBID|CHAIN|SEQUENCE      AG---CGV---------------- 129
sp|O80292|LYS_BPPS1              GGKQWKGLMTRREVERDVCLWGKQ 167
                                 .*    *:

2 и 3

Выходной файл в формате .pir был модифицирован для программы modeller: lysozyme.pir
В файле со структурой были удалены все молекулы воды, а всем остаткам лиганда присвоен один номер и соответствующие индексы: 1lmp_now.ent

4 и 5

Был написан скрипт, который говорит modeller построить пять моделейвыбранного белка с лигандом, сохраняя взаимное расположение трех пар атомов белка и лиганда, образующих водородные связи 

from modeller.automodel import *
class mymodel(automodel):
    def special_restraints(self, aln):
        rsr = self.restraints
        for ids in (('N:54:A', 'O7B:168:B'),
                    ('O:103:A', 'N2B:168:B'),
                    ('N:105:A', 'O6C:168:B')):
                    atoms = [self.atoms[i] for i in ids]
                    rsr.add(forms.upper_bound(group=physical.upper_distance,
                      feature=features.distance(*atoms), mean=3.5, stdev=0.1)) 
env = environ()
env.io.hetatm = True
a = mymodel(env, alnfile='aligned.pir', knowns=('1lmp'), sequence='seq')
a.starting_model = 1
a.ending_model = 5
a.make()

Запускаем исполнение скрипта командой 

mod9v7 lys_bpps1.py &
После запуска скрипта мы получили пять моделей белка с лигандом.
  • lysc_bpps1.py
  • seq.B99990001.pdb
  • seq.B99990002.pdb
  • seq.B99990003.pdb
  • seq.B99990004.pdb
  • seq.B99990005.pdb

    6

    Рассмотрим полученные модели

    Модели очень похожи. Расхождения в петлях и N-конце (не структурирован и представлен прямой цепью, так как в референсной структуре его не было)

    7

    Качество моделей проверялось WHATIF.
    Model 1 Model 2 Model 3 Model 4 Model 5
    Ramachandran Z-score -0.810 -1.137 -1.264 -1.288 -1.267
    RMS Z-score for bond lengths 0.988 0.975 0.985 0.985 0.999
    RMS Z-score for Improper dihedralbond angles 1.312 1.295 1.272 1.338 1.319
    RMS Z-score for Improper dihedral 1.104 1.121 1.095 1.052 1.046

    Лучшая модель по z-score Рамачандрана - 1; по Bond lengths - 5; по Bond angles - 3; по Improper dihedral - 5. Если оценивать по этим критериям, то 5 модель кажется лучше остальных.