Nuove scoperte sui tunnel enzimatici e le loro funzioni
La ricerca mostra come i tunnel degli enzimi influenzino la funzionalità e la risposta alle mutazioni.
― 6 leggere min
Indice
- Come funzionano gli enzimi
- Studio delle gallerie negli enzimi
- Modelli a grana grossa: SIRAH e Martini
- La domanda di ricerca
- Scelta dell'enzima giusto
- Impostazione del sistema per le simulazioni
- Stabilità delle simulazioni
- Confronto delle gallerie tra i modelli
- Effetto delle mutazioni sul comportamento delle gallerie
- Applicazione più ampia ad altri enzimi
- Considerazioni finali
- Fonte originale
Gli Enzimi sono proteine che aiutano gli esseri viventi a crescere, mantenere l'equilibrio e riprodursi. Accelerano le reazioni chimiche nei nostri corpi e in altri organismi. Nonostante molti studi, non è ancora chiaro come funzionano gli enzimi a un livello dettagliato perché sono molto complessi e si presentano in molte forme diverse.
Come funzionano gli enzimi
Gli enzimi hanno delle aree speciali chiamate siti attivi dove avvengono le reazioni. Questi siti possono trovarsi sulla superficie dell'enzima o nascosti dentro. Alcuni enzimi hanno delle gallerie che connettono questi siti attivi nascosti all'esterno, il che è importante per vari compiti, come il modo in cui raccolgono e rilasciano molecole. Queste gallerie possono anche aiutare a controllare la velocità e il prodotto delle reazioni.
Le gallerie possono avere porte fatte di certi amminoacidi, che possono aprirsi e chiudersi, permettendo o bloccando l'accesso. Per capire come funzionano queste gallerie, gli scienziati esaminano diversi tipi di residui chiave: quelli che fiancheggiano la galleria, i punti più stretti, l'ingresso e come cambia la forma della galleria nel tempo. Queste gallerie si trovano in oltre la metà degli enzimi, dimostrando che svolgono un ruolo cruciale nel funzionamento degli enzimi.
Studio delle gallerie negli enzimi
Per studiare queste gallerie, gli scienziati usano spesso un metodo chiamato simulazione di Dinamica Molecolare (MD). Questo li aiuta a vedere come cambiano e si adattano le gallerie nel tempo. Tuttavia, le simulazioni tradizionali possono richiedere molte risorse computerizzate e potrebbero non catturare i cambiamenti che avvengono su periodi di tempo più lunghi. Sono state sviluppate tecniche avanzate per affrontare questi problemi, ma richiedono comunque molta potenza di calcolo e conoscenze del sistema.
Un metodo più recente chiamato dinamica molecolare accelerata gaussiana (GaMD) ha mostrato promesse per studiare gallerie rare nelle proteine senza necessità di conoscenze pregresse estese. Un altro modo per semplificare lo studio è utilizzare Modelli a grana grossa, che rappresentano gruppi di atomi come unità singole (o "perline"). Questo riduce la complessità e permette simulazioni più rapide, potenzialmente consentendo lo studio di periodi di tempo più lunghi.
Modelli a grana grossa: SIRAH e Martini
Due modelli a grana grossa popolari sono SIRAH e Martini. Entrambi i metodi cercano di bilanciare velocità e dettaglio. Il modello Martini utilizza gruppi di atomi come perline per riflettere come interagiscono le molecole. È molto conosciuto per essere efficace nella simulazione del comportamento delle proteine. La nuova versione, Martini 3.0, ha migliorato i metodi per gestire l'acqua e la struttura delle proteine, il che aiuta a prevedere come si comporteranno le molecole.
Il modello SIRAH adotta un approccio diverso mappando le posizioni reali degli atomi su perline a grana grossa. Può rappresentare le parti polari e aromatiche delle proteine in maggiore dettaglio, semplificando nel contempo le aree idrofobiche. SIRAH ha il proprio tipo di solvente che può meglio mimare le condizioni della vita reale.
La domanda di ricerca
Sebbene entrambi i modelli SIRAH e Martini siano stati utilizzati per studiare molte proteine, era necessario capire quanto bene funzionassero specificamente per studiare le gallerie negli enzimi. Questa ricerca si è concentrata su quanto siano efficaci questi modelli nel catturare la dinamica delle gallerie degli enzimi e come i cambiamenti negli enzimi, come le Mutazioni, influenzino il comportamento delle gallerie.
Scelta dell'enzima giusto
Le haloalcano dehalogenasi sono state selezionate come sistemi modello per questo studio. Questi enzimi hanno gallerie uniche che influenzano come si legano ai substrati e gestiscono le velocità di reazione. Le mutazioni in queste gallerie possono influenzare notevolmente le loro prestazioni.
Lo studio si è concentrato nel catturare quanto spesso la galleria principale (p1) è aperta e come si comportano altre gallerie meno comuni (p2, p3 e la galleria laterale) nelle versioni normali e mutate dell'enzima. I ricercatori hanno confrontato i risultati delle simulazioni a tutti gli atomi con diversi modelli a grana grossa, guardando a dettagli come quanto è ampia una galleria e quanto è lunga.
Impostazione del sistema per le simulazioni
Le strutture iniziali degli enzimi sono state preparate con cura, assicurandosi che somigliassero alle loro forme reali. Dopo aver preparato i sistemi, il team di ricerca ha utilizzato simulazioni di dinamica molecolare per esplorare come si comportassero queste proteine nel tempo.
Lo stesso processo è stato applicato a una varietà di enzimi attraverso diverse classificazioni per catturare un'ampia gamma di comportamenti mentre cercavano gallerie.
Stabilità delle simulazioni
Il primo obiettivo era confermare che le simulazioni rimanessero stabili durante gli esperimenti. Sono state adottate diverse misure per garantire che le strutture proteiche non perdessero la loro forma. Lo studio ha confrontato i risultati dei metodi a grana grossa con le simulazioni tradizionali a tutti gli atomi per garantire somiglianze nel comportamento.
Per i modelli che utilizzano il metodo Martini, sono state apportate alcune modifiche nel modo in cui venivano rappresentate le connessioni per mantenere stabili le strutture. Utilizzando diversi tipi di modelli, i ricercatori hanno potuto vedere quanto bene ciascuno mantenesse intatte le proteine durante le simulazioni.
Confronto delle gallerie tra i modelli
Una volta assicurata la stabilità dei sistemi, i ricercatori hanno esaminato attentamente le gallerie formate nelle loro simulazioni. Hanno trovato che tutti i modelli riuscivano a catturare bene sia la galleria principale che alcune gallerie rare. Hanno anche scoperto gallerie aggiuntive utilizzando il modello SIRAH che non erano presenti nei modelli tradizionali a tutti gli atomi.
Analizzando le proprietà strutturali delle gallerie, come la loro larghezza e lunghezza, hanno confermato che anche con modelli semplificati, era ancora possibile ottenere informazioni preziose su queste gallerie.
Effetto delle mutazioni sul comportamento delle gallerie
Lo studio si è anche concentrato su come le mutazioni influenzassero le gallerie. Confrontando il comportamento degli enzimi normali con versioni modificate, erano in grado di vedere come il cambiamento di specifici residui nelle gallerie influenzasse la dinamica.
Ad esempio, nell'enzima di tipo selvatico, la galleria principale era più frequentemente aperta, mentre nella versione mutata era meno accessibile. Al contrario, in alcuni mutanti ingegnerizzati, è stato trovato che gallerie aggiuntive erano più attive, mostrando che le mutazioni possono influenzare significativamente come funzionano gli enzimi.
Applicazione più ampia ad altri enzimi
Per testare l'efficacia dei metodi a grana grossa, la ricerca si è estesa ad altri enzimi attraverso varie classi. Questo includeva enzimi responsabili di processi di ossidazione, trasferimento e idrolisi. I risultati hanno mostrato che le tendenze osservate con le haloalcano dehalogenasi si applicavano in modo simile ad altri enzimi, confermando la robustezza dei metodi utilizzati.
Considerazioni finali
La ricerca ha dimostrato che i metodi di dinamica molecolare a grana grossa sono strumenti preziosi per studiare le gallerie degli enzimi. Questi modelli possono rivelare informazioni importanti su come funzionano queste gallerie, inclusa la loro struttura e dinamica, consentendo agli scienziati di lavorare in modo più efficiente con sistemi proteici più grandi.
In generale, lo studio ha evidenziato l'importanza di comprendere le gallerie degli enzimi e come contribuiscano alla funzionalità e all'efficacia degli enzimi. Con la possibilità di esplorare diversi modelli e approcci, i ricercatori possono ottenere nuove intuizioni sui comportamenti delle proteine e le loro complesse interazioni nei sistemi viventi. Questa conoscenza può portare a migliori progetti di farmaci e trattamenti più efficaci per varie malattie.
Grazie ai progressi nelle tecniche di simulazione e a una maggiore comprensione della dinamica degli enzimi, gli scienziati possono continuare a esplorare il mondo intricato degli enzimi e i loro ruoli cruciali nella vita.
Titolo: Benchmarking coarse-grained simulation methods for investigation of transport tunnels in enzymes
Estratto: Enzymes are pivotal to numerous biological processes, often featuring buried active sites linked to the surrounding solvent through intricate and dynamic tunnels. These tunnels are vital for facilitating substrate access, enabling product release, and regulating solvent exchange, which collectively influence enzymatic function and efficiency. Consequently, knowledge of tunnels is key for a holistic understanding of the effect of mutations as well as predicting drug residence times. Unfortunately, most transport tunnels are transient, i.e., equipped by molecular gates, rendering their opening a rare event that is often notoriously hard to study with conventional molecular dynamics simulations. To overcome the sampling limitation of such simulations, this study investigated the efficacy of three different coarse-grained (CG) molecular dynamics simulation methods for inferring enzyme tunnel structure and dynamics. Here, we covered the Martini and SIRAH models with different restraint protocols providing stability to CG proteins while to some extent biasing the sampling towards a reference structure. By contrasting CG results with all-atom simulations, we benchmarked the ability of CG methods to replicate ensemble characteristics of complex tunnel networks in haloalkane dehalogenase LinB and two of its mutants with engineered tunnel networks. The assessed tunnel parameters are essential for prioritizing functionally relevant tunnels and delineating the effect of mutations on transport tunnels. Our findings reveal that while CG methods significantly enhance the efficiency of tunnel analyses, some of them, like Martini with Elastic network restraints, were limited in recapitulating all-atom tunnel dynamics due to the structural bias applied. In contrast, the Martini G[o] model even captured the intricate details of mutation perturbing tunnel dynamics. All studied CG methods performed well in capturing the geometry of tunnel ensembles in line with all-atom simulations. Additionally, the wider applicability of CG methods was verified by analyzing tunnel networks of nine enzymes from different combinations of structural and functional classes, demonstrating their potential to uncover new tunnel phenomena and validate their utility in broader biological and functional contexts. This comprehensive evaluation underscores the strengths and constraints of CG simulations in capturing enzyme tunnels and benefiting from their computational speed for studying huge datasets of enzymes. These insights are valuable for enzyme engineering, drug design, and understanding enzyme function while benefitting from the efficiency of coarse-grained models.
Autori: Jan Brezovsky, N. Mandal, J. A. Stevens, A. B. Poma, B. Surpeta, C. Sequeiros-Borja, A. S. Thirunavukarasu, S.-J. Marrink
Ultimo aggiornamento: 2024-09-19 00:00:00
Lingua: English
URL di origine: https://www.biorxiv.org/content/10.1101/2024.09.16.613244
Fonte PDF: https://www.biorxiv.org/content/10.1101/2024.09.16.613244.full.pdf
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia biorxiv per l'utilizzo della sua interoperabilità ad accesso aperto.