Занятие 8. Гомологичное моделирование комплекса белка с лигандом

import sys 
sys.path.append('/usr/lib/modeller9v7/modlib/')
sys.path.append('/usr/lib/modeller9v7/lib/x86_64-intel8/python2.5/')
import modeller 
import _modeller
import modeller.automodel 
import nglview as nv

%%capture
env=modeller.environ()
env.io.hetatm=True

%%capture
# COMPLEXES BETWEEN CHITOOLIGOSACCHARIDES AND LYSOZYME FROM THE RAINBOW TROUT
!wget http://www.pdb.org/pdb/files/1lmp.pdb
# Galleria mellonella (Greater wax moth) - P82174 (LYS_GALME)
!wget http://www.uniprot.org/uniprot/P82174.fasta 

Рисунок 1. Galleria mellonella (Greater wax moth) - большая восковая моль.

Рисунок 2. Исходная структура лизоцима радужной форели в комплексе с лигандом (PDB: 1LMP).

# функция для построения выравнивания и модели
# seq - название последовательности fasta, pdb - pdb-код белка-основы
# code1 - код для последовательности (query), code2 - код для pdb (target)
def align_mod(seq, pdb, code1, code2, align_name):
    alignm = modeller.alignment(env)
    alignm.append(file='%s.fasta' % seq, align_codes='all', alignment_format='FASTA')
    ## создадим модель
    mdl = modeller.model(env, file='%s.pdb' % pdb, model_segment=('FIRST:'+'A', 'LAST:'+'A'))
    ## и добавим в выравнивание
    alignm.append_model(mdl, atom_files='%s.pdb' % pdb, align_codes=pdb)
    alignm[0].code = code1
    alignm[1].code = code2
    alignm.salign()
    alignm.write(file='%s.ali' % align_name, alignment_format='PIR')
    seq = alignm[0]
    pdb = alignm[1]
    a = modeller.automodel.automodel(env, alnfile='%s.ali' % align_name, 
                                     knowns = pdb.code, sequence = seq.code)
    a.name = 'mod' + seq.code
    a.starting_model = 1
    a.ending_model = 5
    a.make()

%%capture
align_mod('P82174', '1lmp', 'moth', 'trout', 'al')
# moth.B99990001.pdb             790.59070
# moth.B99990002.pdb             748.22253

# посмотрим на полученное выравнивание
!cat al.ali

>P1;moth
sequence::     : :     : :::-1.00:-1.00
KTFTRCELVQALRRQGFDE---AKLRDWVCLVENESRGRTDIVGKPNKNGSRDYGLFQINDKYWCSN--TSKAGK
DCNITCSQLLTDDITVASKCAKKVYKRHNFM-AWYGWRNHCQNKPLPDISKC------*

>P1;trout
structureX:1lmp.pdb:   1 :A:+132 :A:MOL_ID  1; MOLECULE  LYSOZYME; CHAIN  A; SYNONYM  MUCOPEPTIDE N-ACETYLMURAMYLHYDROLASE; EC  3.2.1.17:MOL_ID  1; ORGANISM_SCIENTIFIC  ONCORHYNCHUS MYKISS; ORGANISM_COMMON  RAINBOW TROUT; ORGANISM_TAXID  8022; ORGAN  KIDNEY: 2.00:-1.00
KVYDRCELARALKASGMDGYAGNSLPNWVCLSKWESSYNTQATNR-NTDGSTDYGIFQINSRYWCDDGRTPGAKN
VCGIRCSQLLTDDLTVAIRCAKRVVLDPNGIGAWVAWRLHCQNQDLRSYVAGCGV...*

И на полученные структуры. Рисунок 3. Синим показана первая модель, фиолетовым - последняя.
В последовательности и в структуре нашего белка из моли нет лиганда! Добавим лиганд:

new_seq = ''
for i in alignm[0].residues:
    new_seq += i.code
new_seq += '...'
new_seq

'KTFTRCELVQALRRQGFDEAKLRDWVCLVENESRGRTDIVGKPNKNGSRDYGLFQINDKYWCSNTSKAGKDCNITCSQLLTDDITVASKCAKKVYKRHNFMAWYGWRNHCQNKPLPDISKC...'

with open('P82174_l.fasta', 'w') as new_fasta:
    new_fasta.write('>P82174_ligand with NAG\n')
    new_fasta.write(new_seq + '\n')

%%capture
align_mod('P82174_l', '1lmp', 'moth_lig', 'trout', 'align_lig1')
# moth_lig.B99990001.pdb         999.22644
# moth_lig.B99990002.pdb        1010.44019

Рисунок 4a. Желтым показана первая модель, розовым - последняя. Лиганды покрашены соответственно.

Рисунок 4b. Сравнение полученной модели (справа) со структурой исходного белка из форели (слева).

Из рисунка 4 видно, что полученная структура вполне соответсвует исходной: лиганд связывается в том же кармане, практически все $\alpha$-спирали совпадают (хотя их положение в пространстве и отличается), однако отсутствует $\beta$-лист.

# теперь попробуем изменить положение лиганда
from modeller import *
from modeller.automodel import * 

class mymodel(modeller.automodel.automodel):
    def special_restraints(self):
        rsr = self.restraints
        at = self.atoms
        for x, y in [('CG:83','O6:228')]:
            rsr.add(modeller.forms.gaussian(group = modeller.physical.xy_distance, 
                                        feature = modeller.features.distance(at[x],at[y]),
                                        mean=3.0, stdev=0.1))

%%capture
align_mod('P82174_l', '1lmp', 'moth_lig2', 'trout', 'align_lig2')
# moth_lig2.B99990001.pdb       1059.81287
# moth_lig2.B99990002.pdb        978.77972

Рисунок 5a. Белым показана первая модель, синим - последняя. Лиганды покрашены соответственно.

Рисунок 5b. Сравнение полученной модели (справа) со структурой исходного белка из форели (слева).

Теперь попробуем заменить все остатки в белке из моли на аланины.

ala_seq = ''
for i in alignm[0].residues:
    ala_seq += 'A'
ala_seq += '...'
ala_seq

'AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA...'

with open('P82174_ala.fasta', 'w') as ala_fasta:
    ala_fasta.write('>P82174_ala with NAG\n')
    ala_fasta.write(ala_seq + '\n')

%%capture
align_mod('P82174_ala', '1lmp', 'moth_ala_rsr', 'trout', 'align_ala_rsr')
# moth_ala_rsr.B99990001.pdb      909.90009
# moth_ala_rsr.B99990002.pdb      931.75018

В случае аланиновой последовательности у нас получается score 931.75, что несколько меньше, чем score для нормальной последовательности (1010.44). Несмотря на это, в структуре сильных отличий не наблюдается (рисунок 6).

Рисунок 6a. Оранжевым показана первая модель, зеленым - последняя. Лиганды покрашены соответственно.

Рисунок 6b. Сравнение полученной модели (справа) со структурой исходного белка из форели (слева).

Заметно, что полученная структура немного отличается от предыдущих: $\alpha$-спирали имеют другую длину, появились $\beta$-листы (в том же месте, что и в белке из форели, но другой длины), лиганд также расположен немного по-другому. Однако структура в целом напоминает исходную.

Рисунок 6c. Сравнение модели с нормальной последовательностью (красный с желтым лигандом) и с последовательностью из аланинов (зеленый с розовым лигадом).

Наложение белков на рисунке 6c также помогает понять, как именно изменилась структура при замене всех аминокислот на аланины.