Upload
lise
View
30
Download
0
Embed Size (px)
DESCRIPTION
V13 Proteinfaltung. Es gibt zwei grundsätzliche Sichtweisen des Proteinfaltungsproblems: 1 Was sind die treibenden Kräfte ( driving forces ), aufgrund derer sich ein Protein faltet? Physikalische/bioinformatische Sicht des Problems. - PowerPoint PPT Presentation
Citation preview
13. Vorlesung SS 2005
Computational Chemistry
Es gibt zwei grundsätzliche Sichtweisen des Proteinfaltungsproblems:
1 Was sind die treibenden Kräfte (driving forces),
aufgrund derer sich ein Protein faltet?
Physikalische/bioinformatische Sicht des Problems.
2 Zu welcher dreidimensionalen Struktur faltet sich (m)ein
bestimmtes Protein?
Biologische Sicht des Problems.
V13 Proteinfaltung
13. Vorlesung SS 2005
Computational Chemistry
Modellproblem: Kollision von H mit H2
Dobson, Karplus,Angew. ChemieInt. Ed. 37, 868 (1998)
Reaktion kann durch eineReaktionskoordinatekomplett beschrieben werden.
13. Vorlesung SS 2005
Computational Chemistry
experimentell beobachtbare Variablen
Dobson, Karplus,Angew. ChemieInt. Ed. 37, 868 (1998)
Die komplette Beschreibung der Protein-
faltungsreaktion erfordert eine Vielzahl an
Reaktionskoordinaten:
- Wie ändert sich die Größe (der radius of
gyration) mit der Zeit?
(Exp. Kleinwinkelstreuung)- Wann bilden sich Elemente der
Sekundärstruktur?
(Exp. FTIR, CD)- Wann bildet sich der hydrophobe Kern?
(Exp. Fluoreszenz)- Wann werden die Wassermoleküle aus
dem Proteininneren verdrängt?
(Fluoreszenz-Quenching)- Wann sind welche tertiären Kontakte
gebildet? (siehe -value analysis, NMR)- Was ist die Rolle von Dynamik
(H/D-Austausch-Experimente)
- Gibt es Intermediate?
13. Vorlesung SS 2005
Computational Chemistry
Experimente zeigen die Faltung stets entlang einiger weniger
Reaktionskoordinaten.
Es ist schwierig, dadurch den Mechanismus der Proteinfaltung
zu verstehen.
Das Fazit dieser Stunde wird lauten:
Reichen Simulationen allein aus um Proteinfaltung zu verstehen? Nein!
Kombination von Simulation mit Experiment. Ja!
Proteinfaltung: Kombination von Simulation mit Experiment notwendig
13. Vorlesung SS 2005
Computational Chemistry
1 Typen von Wechselwirkungen
hydrophob
elektrostatisch
2 Wechselwirkungspartner
Protein-Protein
Protein-Solvens
Solvens-Solvens
3 Freie Enthalpie (G) des Gesamtsystems reduzieren,
nicht z.B. nur die innere Energie des Proteins alleine
dynamische Simulationen notwendig
driving forces für Proteinfaltung
13. Vorlesung SS 2005
Computational Chemistry
Nicht betrachtete Spezialfälle
1 Proteine mit Di-Sulphidbrücken (z.B. BPTI)
Faltungskinetik wird komplett durch Bildung von Disulfidbrücken dominiert.
2 Proteine mit cis-Prolinen
in entfalteten Peptide sind Proline zu 10 – 20 % in cis-Konformation;gefaltete Proteine
haben fast nur trans-Proline; cis/trans-Isomerisierung dauert jedoch Minuten; es gibt
jedoch spezielle cis/trans-Isomerasen wie Cyclophilin
3 Mehr-Domänenproteine...
Was bleibt dann noch übrig?
kleine “Standard” Ein-Domänen-Proteine
13. Vorlesung SS 2005
Computational Chemistry
* “Problem der Proteinfaltung” beinhaltet zwei Aspekte:
(a) Sequenz Struktur ist weitgehend ungelöst
(b) Verständnis der treibenden Kräfte/Dynamik/ Mechanismen.
Diese sind mittlerweile vergleichsweise gut bekannt.
* warum ist (a) so schwierig?
Beispiel: Lysozym bei 25 CH UF = – 2245 kJ/mol
davon sind – 1881 kJ/mol von den nichtpolaren Gruppen
und – 364 kJ/mol von den polaren Gruppen
- T S UF = + 2186 kJ/mol
UF = – 59 kJ/mol
d.h. nur ca. 0.4 kJ/mol pro Residue !
Die Differenz zweier sehr großer Terme ist selbst sehr klein.
Warum ist die Energetik der Proteinfaltung ein schwieriges Problem?
13. Vorlesung SS 2005
Computational Chemistry
C. Levinthal, J. Chim. Phys. 65, 44-45 (1968):
Falls man eine Kette von 100 Aminosäuren betrachtet und annimmt, dass jede
Aminosäure in einer von 3 Konformationen existieren kann – ausgestreckt, Helix
oder Schleife - dann gibt es 3100 mögliche Weise, die Kette anzuordnen.
Das sind etwa 1048 Konformationen.
Die Rotation um Bindungen geschieht höchstens 1014 mal pro Sekunde. Daher
dauert eine Zufallssuche nach der richtigen Konformation etwa 1034s = 1026
Jahre, viel länger als das Alter des Universums!
Die kritische Annahme dabei ist, dass alle möglichen Konformationen mit der
gleichen Wahrscheinlichkeit gesampelt werden. Der Faltungstrichter sieht
also wie ein Loch auf einem flachen Golfplatz aus.
Daher wurde vermutet, dass bestimmte Faltungspfade existieren, die zur
gefalteten Struktur führen.
Levinthal-Paradox 1968
13. Vorlesung SS 2005
Computational Chemistry
Golfkurs-Beispiel
1-D Energielandschaft.
Im Fall extremer Frustration gibt es
keine Korrelation zwischen
struktureller Ähnlichkeit mit dem
Grundzustand und der Energie.
Einzige Möglichkeit:Zufallssuche.
13. Vorlesung SS 2005
Computational Chemistry
Lösung für Levinthal-Paradoxon: Folding Funnel
Energielandschaft eines minimal
frustrierten Heteropolymers.
Die Trichterform ermöglicht, dass der
gefaltete Zustand in kurzer Zeit erreicht
wird.
13. Vorlesung SS 2005
Computational Chemistry
Nucleation-condensation-Modell
Wetlaufer, D.B. (1973) PNAS 70, 697
Es werden einige kritische kinetische Nuklei geformt, um die herum der Rest der
Struktur wächst.
Framework Modell
Ptitsyn, O.B. & Rashin, A.A. (1975) Biophys. Chem. 3, 1
Zunächst falten sich die Sekundärstrukturelemente. Diese docken dann im
ratenlimitierenden Schritt zur 3D-Struktur.
Modell des hydrophoben Kollapses
Dill, K.A. (1985) Biochemistry 24, 1501
Treibende Kraft ist der hydrophobe Effekt. Wasser wird unspezifisch verdrängt.
Die abschliessende Umordnung des kollabierten Zustands ist ratenlimitierend.
Modelle um Proteinfaltung zu beschreiben
13. Vorlesung SS 2005
Computational Chemistry
Die ersten Schritte der Proteinfaltung sind entropisch ungünstig, durch den
Verlust an Entropie aufgrund der reduzierten Beweglichkeit der Seitenketten.
Der enthalpische Gewinn durch entstehende native Wechselwirkungen kann dies
nicht ganz kompensieren.
Erst im Übergangszustand (transition state) werden die beiden Beiträge
gleichgroß.
Danach geht die Faltung downhill.
Nucleation-condensation Modell
13. Vorlesung SS 2005
Computational Chemistry
gewann an Bedeutung als man kleine Sekundärstrukturelemente-Fragmente
von Proteinen identifizieren konnte, die bereits in Lösung gefaltet sind.
(Munoz, Serrano 1994-1997).
Framework-Modell
13. Vorlesung SS 2005
Computational Chemistry
native Kontakte
* native Kontakte sind essentiell
Hypothese, daß es kleine Peptidstücke gibt,
unabhängig faltende Einheiten, sogennante Foldons
Beispiele:
-hairpins (Munoz&Eaton), die sich in ca. 6 s falten
kleine Fragmente aus BPTI (SYPFDV)
* Langevin-Simulationen zeigen:
-Helices falten sich in ca. 10-100 ns
-hairpins brauchen ca. 10 s
Auch native Kontakte passen zum Framework-Modell
a: Ar(i)-HN(i) Wechselwirkung zwischen
Phe517 und der Amidgruppe des Rückgrats
von Tyr518 in Phosphoinoitide-Specific
Phospholipase C (1DJX).
b: Ar(i)-HN(i) Wechselwirkung in Ascorbate
Oxidase (1AOZ).
Tóth et al. Proteins 43, 373 (2001)
13. Vorlesung SS 2005
Computational Chemistry
Modell des hydrophoben Kollapses
sagt ein Faltungs-Intermediat voraus, den sogenannten Molten Globule,
den man kinetisch und im Gleichgewicht als eine expandierte Form des
gefalteten, nativen Zustands charakterisiert hat.
Molten Globule
13. Vorlesung SS 2005
Computational Chemistry
Hydrogen-Exchange: H/D-Austausch der Backbone HN-Atome gegen D/H-
Atome der Lösung. Gibt Information über Faltungs-Intermediate: ist diese
Gruppe solvenszugänglich? Konsolidierung des Protein-Rückgrats.
Protein Engineering (Mutagenese): sensitiv für Seitenketten-
Wechselwirkungen.
Entdeckung von kleinen Proteinen mit lediglich zwei Zuständen
(gefaltet entfaltet)
CI-2
spectrin SH3
cold shock protein CspB
Bisher wurden etwa 30 Proteine mit dieser Methode untersucht.
Neue Methoden
13. Vorlesung SS 2005
Computational Chemistry
(a) zwei extreme Szenarien:
„Framework“ bedeutet, dass
sich die 2nd-Strukturelemente
zuerst falten.
„Nucleation condensation“ ist
ein Kompromiss zwischen den
beiden Extremfällen.
(b) Proteine, die man einer
oder der anderen Kategorie
zuordnen kann.
Bisher wurde kein Protein
gefunden, das einen reinen
Hydrophoben Kollaps zeigt, also
während des Kollapses keine
2nd-Struktur formt.
Mechanismus der Proteinfaltung (Fersht)
Daggett, Fersht, TIBS 28, 18 (2003)
13. Vorlesung SS 2005
Computational Chemistry
Nucleation-condensation wird heute als Standardmechanismus für die Faltung
kleiner Proteine angesehen (Serrano und Mitarbeiter, PNAS 99, 15846 (2002)).
Manche Proteine falten jedoch auf eine polarisierte Weise, wobei sich ein Teil der
Struktur sehr früh bildet und andere Abschnitte bis zuletzt unstrukturiert bleiben.
CI-2 2-Zustand global diffus:alle Residuen falten sich gleichzeitig
SH3 2-Zustand im Übergangszustand ist eine Region des Proteins fast
vollständig gefaltet, eine andere jedoch nur kaum.
Barnase zwei Faltungsmodule falten sich unabhängig voneinander zu
Intermediat gemäss NC-Mechanismus
Dann docken diese beiden Module gemäss Framework-Modell.
Faltung kleiner Proteine
13. Vorlesung SS 2005
Computational Chemistry
Bryngelson, Wolynes, PNAS (1987)
gradient roughness
macht Faltung macht Faltung
schneller langsamer
“Frustration”
„New view of Protein folding“:Faltung auf rauhen, trichterförmigen Energielandschften
Brooks, Gruebele, Onuchic, Wolynes,
PNAS 95, 11037 (1998)
13. Vorlesung SS 2005
Computational Chemistry
Energielandschaft mit unterschiedlicher Frustration
Links: hoch frustrierte Landschaft mit Tg > Tf.
Rechts: geringe Frustration; Tg < Tf; Ähnlichkeit mit Trichterform
13. Vorlesung SS 2005
Computational Chemistry
Theorie der Energielandschaften für Proteinfaltung
nach Onuchic, Nymeyer, Garcia, Chahine, Socci, Adv. Prot. Chem. 53, 87 (2000)http://guara.ucsd.edu/group/Folding-papers.html
„Holy grail“: Proteinsequenz Proteinstruktur
Entwicklung von theoretischen Konzepten, mit denen man sich faltende von sich
nicht faltenden Sequenzen unterscheiden kann.
P.S. Kim & R.L. Baldwin (Annu Rev BioChem 59, 631 [1990]):
Faltung geschieht entlang von Pfaden mit wohldefinierten Intermediaten.
Diese Sichtweise wurde seit Beginn der ´90er Jahre durch das Bild der Faltung
eines Proteins in einem Faltungstrichter der Energie ersetzt.- Faltung ist ein kollektiver (d.h. die Faltung der Aminosäurenkette beginnt an
vielen Positionen gleichzeitig) und selbst-organisierter Prozeß- Faltung geschieht entlang einer Vielzahl von Routen bis auf den Boden des
Faltungstrichters.
13. Vorlesung SS 2005
Computational Chemistry
D. Baker, Nature 405, 39 (2000)
Für viele Proteine ist die Faltungsgeschwindigkeit durch das Verhältnis von lokalen
zu nicht-lokalen Kontakten bestimmt.
Rolle der Topologie
a bis d. rot: grosser Einfluss auf Faltungsrate, blau: kleiner Einfluss.
e: Kontakt-Ordnung: mittlerer Sequenz-Abstand räumlich benachbarter Amino-
säuren; normiert über die Gesamtlänge des Proteins.
f: überraschend deutlicher Zusammenhang zwischen der Faltungsgeschwindigkeit
von Proteinen und ihrer Kontakt-Ordnung.
13. Vorlesung SS 2005
Computational Chemistry
Studiere den Effekt von
Mutationen auf die
Kinetik und Stabilität der
Proteinfaltung.
Die grüne Residue hat im
Übergangszustand (TS)
fast die gleiche Umgebung
wie im gefalteten Protein (N).
Daher wird TS um den gleichen
Betrag destabilisiert wie N.
Umgekehrtes gilt für die blaue
Residue. DN
DTS
DNDN
DTSDTS
G
G
GG
GG
'
'
´ kennzeichnet Daten für eine Mutante
Daggett, Fersht, TIBS 28, 18 (2003)
-value Analyse
13. Vorlesung SS 2005
Computational Chemistry
Proteinfaltung mit Simulationen
Faltung von -Helices und -Faltblättern dauert 100 ns bis 10 s.
MD-Simulation auf einem Prozessor mit 2 fs Zeitschritt würde Jahre dauern.
verschiedene Auswege aus diesem Dilemma-Vereinfachung der Proteindarstellung (HP- oder
Go-Modelle)
0 steered Molecular Dynamics – Entfaltung unter Zwangskraft.
Problem: Freies Energieprofil ist pfadabhängig (wird nicht behandelt).
1 Simulation der Entfaltung bei erhöhter Temperatur
2 systematische Variation entlang eines Faltungsparameters liefert die
Hyperfläche der Freien Enthalpie
3 “distributed computing” – Faltungskinetik aus zahlreichen kurzen Simulationen
13. Vorlesung SS 2005
Computational Chemistry
(a) Kristallstruktur. (b) Entfaltungssimulation bei 100 K. Umgekehrte Reihen-
folge der Schnappschüsse.
Entfaltungssimulationen bei erhöhter TemperaturFaltung von CI2
„S“ – Werte:
charaktisiert
Packungswech-
selwirkungen der
Residue und
ihrer lokalen
2nd-Struktur.
Gute Korrelation
mit experimentel-
len -Werten.
Daggett, Fersht, TIBS 28, 18 (2003)
13. Vorlesung SS 2005
Computational Chemistry
Faltung von Barnase
Daggett, Fersht, TIBS 28, 18 (2003)
(a) NMR-Struktur von Barnase. (b) MD-Schnappschüsse von 225°C Simulation.
(c) Korrelation von
S und . Gute
Übereinstimmung
bis auf grüne Boxen
(2-Helix). Ihr helikaler
Anteil im TS, aber auch
im entfalteten Zustand
ist in MD-Simulation
grösser.
Eventuell bedeutet
dies, dass die -Analyse
solch autonom faltende
Einheiten nicht gut
beschreiben kann.
13. Vorlesung SS 2005
Computational Chemistry
MD erlaubt detaillierte Einblicke in Faltungsprozess
Daggett, Fersht, TIBS 28, 18 (2003)
13. Vorlesung SS 2005
Computational Chemistry
(a) Übergangszustände bei 100°C und 225°C sind sehr ähnlich. Erhöhung der
Temperatur bewirkt also vermutlich keine Veränderung des allgemeinen Faltungs-
pfades, sondern beschleunigt lediglich die Faltung/Entfaltung.
(b) Helices sind selbst im denaturierten Zustand stabil. Die engrailed homeodomain
ist also ein Beispiel für ein Protein, das gemäss dem Framework-Modell faltet.
Faltung der engrailed homeodomain
Daggett, Fersht, TIBS 28, 18 (2003)
13. Vorlesung SS 2005
Computational Chemistry
Proteine mit SH3-ähnlicher Struktur.
Die Farbkodierung folgt den -Werten:
blau für kleine -Werte,
rot für grosse -Werte.
Je grösser der -Wert, desto mehr gefaltet
ist die entsprechende Region in der Region
des Übergangszustands.
„Topologie ist nicht alles“
Die Unterschiede in dem Faltungsverhalten
dieser 3 Proteine lassen sich nur durch
spezifische Wechselwirkungen erklären.
Rolle der Topologie
Schymkowitz et al. PNAS 99, 15846 (2002)
13. Vorlesung SS 2005
Computational Chemistry
Kristallstruktur 1SRL
(a) 6.5 Å contact map
zwischen nicht-benach-
barten Residuen für die
Kristallstruktur.
(b) contact maps aus
MD-Simulationen für
=0.2 (über Diagonale)=0.4 (unter Diagonale)
(c)=0.6 (über Diagonale)=0.8 (unter Diagonale)
entspricht der Anzahlan nativen Kontakten. Shea, Onuchic, Brooks, PNAS 99, 16064 (2002)
Faltungssimulation entlang Reaktionskoordinate:src-SH3 Domäne
13. Vorlesung SS 2005
Computational Chemistry
Faltung der src-SH3 Domäne
Shea, Onuchic, Brooks, PNAS 99, 16064 (2002)
(a) pmf bei 298 K als Funktion
der Anzahl nativer Kontakte:
Profil zeigt klar downhill.
(b) und (c) Erweiterung von (a)
um den Gyrations-Radius bzw.
die Anzahl an Wassermolekülen
im Kern.
(d) Überlagerung von 3
Entfaltungssimulationen bei
400 K.
Profile wurde mit einem Zwangs-
potential entlang von erzeugt.
13. Vorlesung SS 2005
Computational Chemistry
Das Design des 23-Residuen langen BBA5-Motifs
(-Hairpin / turn / -Helix) wurde von der Faltung
von Zinkfinger inspiriert.
• NMR-Struktur von BBA5• Doppelmutante (2.2 Å)• Doppelmutante (2.4 Å)• Einzelmutante (2.5 Å)
BBA5 besitzt starke Tendenz, Sekundärstruktur-
elemente zu formen und kleinen hydrophoben Kern.
Daher ist der Effekt von Ungenauigkeiten des
Kraftfelds vielleicht eher klein.
Faltungssimulation mit Distributed Computing für BBA5, ein Designer-Protein
13. Vorlesung SS 2005
Computational Chemistry
Faltungssimulation von 10 s Länge auf einem Prozessor würde Jahrzehnte
dauern, selbst mit implizitem Solvens.
Distributed computing (Folding@home): simuliere 10.000 Simulation von jeweils
5 - 20 ns Länge mit implizitem Solvensmodell.
Für ein kleines Protein mit einer Faltungszeit von 10 s sollten etwa 10 von
10.000 Simulation innerhalb von 10 ns gefaltet sein.
Folding@home: 30.000 Heimbenutzer stellten ihre PCs über Monate zur
Verfügung um MD-Simulationen während idle-Zeit laufen zu lassen.
Die akkumulierte CPU-Zeit entspricht ca. 1 Millionen CPU-Tage!
Es wurden über 100 unabhängige Faltungsvorgänge beobachtet.
Folding@Home
13. Vorlesung SS 2005
Computational Chemistry
Cα backbone (blau 1-3 und 6-8, rot
11-21) und ausgewählte Seiten-
ketten (Y1 Y3 Y6 W8 E13 L14 L17
L18) für Faltungstrajektorien, die
nahe der nativen BBA5- Struktur
enden (unten).
a, 2.2 Å b, 2.4 Å c, 2.6 Å d, 3.0
Å e, Natives BBA5 f, Natives
BBA1 mit artifizieller Aminosäure
Fen in Orange g, Homologie-
Model für Doppelmutante h,
anderes Homologie-Modell.
Faltungstrajektorien für Doppelmutante
13. Vorlesung SS 2005
Computational Chemistry
Logarithmierte Population von verschiedenen Kombinationen aus RMSDca
und Gyrations-Radius für
a, 9000 sich faltende Trajektorien nach 1 ns, die aus einem gestreckten
Zustand gestartet wurden. b, dieselben Trajektorien nach 20ns
c, 2500 Simulationen des nativen Zustands nach 10 ns.
Nach 20 ns ist das entfaltete Ensemble so kompakt wie das gefaltete
Ensemble (Radius of Gyration, y-Achse).
Es gibt aber nur einen kleinen Überlapp zwischen b und c: Ein kleiner Teil
des gefalteten Ensembles (c) ist nach 10 ns teilweise entfaltet, und ein
kleiner Teil des entfalteten Ensembles ist nach 20 ns gefaltet (b).
Energie-Landschaft der Faltung
13. Vorlesung SS 2005
Computational Chemistry
(a) Helikale Strukturen (278K).
b, Hairpin-Structuren (278K).
c, Präsenz von mindestens 4
α-helikalen Residuen.
d, Population eines richtigen β-
Hairpins um Residuen 4-5.
Native Ensembles sind gezeigt
bei 278, 378, und 478 K ( □, +,
und ).
Faltende Ensembles bei 278 und
338 K sind mit ▪ und ∆ markiert.
Der entfaltete Zustand ist zu
~40% α-helikal.
Zunahme an Sekundärstruktur in Doppelmutante
13. Vorlesung SS 2005
Computational Chemistry
(a) CD-Spektra. Die isodichroischen
Punkte (rot) deuten auf Zwei-
Zustands-Modell hin.
(b) Normalisierte Fluoreszenzspektren.
(c) Temperatur-Sprung durch 10 ns
Laserpuls induziert teilweise
Entfaltung.
(d) Zeitaufgelöste Beobachtung der um
11 nm rotverschobenen Fluoreszenz.
Exp. Faltungszeit 7.5 ± 3.5 s
Simulation: 6 s
Quantitative Übereinstimmung!
Exp. Faltungs-Thermodynamik und –kinetik von BBA5
Snow et al. Nature 420, 102 (2002)
13. Vorlesung SS 2005
Computational Chemistry
Faltung in den
Simulationen.
Bei höherer Temperatur
geschieht Zunahme ca.
2 mal so schnell.
Zunahme der gefalteten Zustände
Snow et al. Nature 420, 102 (2002)
13. Vorlesung SS 2005
Computational Chemistry
Unfolded states and transition states
Understanding protein folding not only involves predicting the folded structures of
foldable sequences.
In order to characterize the stability of a protein need free energy difference between folded and unfolded structure
what is the structural ensemble of „the unfolded state“?
In order to understand kinetics of folding process need structure of transition state
Difficult to characterize these structures by experiments.
Simulations are ideal tools.
13. Vorlesung SS 2005
Computational Chemistry
The protein folding network
Transition states for protein
folding have native topologies
despite structural variability,
Kindorff-Larsen, Vendrusculo,
Paci & Dobson,
Nat. Struct. Biol. 11, 443 (2004)
Chris Dobson
Michele Vendrusculo
Emanuele Paci
13. Vorlesung SS 2005
Computational Chemistry
Structure and sequences of SH3 domains used
• Native state structure of the src SH3
domain colored from its N (red) to C
terminus (blue).
• Sequence alignment of the three SH3
domains from src, Fyn and -spectrin.
Residues in -strands are green and
those in 310 -helices are blue. The nine
boxed positions (I–IX) are the major
hydrophobic core residues.
Lindorff-Larsen, Vendrusculo, Paci,Dobson, Nat Struct Biol 11, 443 (2004)
13. Vorlesung SS 2005
Computational Chemistry
Representations of the transition state ensemble (TSE)
(a) Three members of the TSE traced within
an atomic density map20 calculated from the
backbone atoms of 20 representative
structures from the TSE.
Lindorff-Larsen, Vendrusculo, Paci,Dobson, Nat Struct Biol 11, 443 (2004)
13. Vorlesung SS 2005
Computational Chemistry
(b) The red ( = 500 K) and green ( = 640
K) points show the spread in radius of gyration
and structural diversity in the TSE.
The black points represent the comparable
data from the native state ensemble.
Four structures representative of different
regions of the plot are colored according to
the conformational variability
(blue: RMS 1Å, red: RMS > 8Å
Lindorff-Larsen, Vendrusculo, Paci,Dobson, Nat Struct Biol 11, 443 (2004)
Structure and sequences of SH3 domains used
Conformations of central 3-
stranded sheet (2 - 4) are
much less variable than those
of 1 and 5.
13. Vorlesung SS 2005
Computational Chemistry
Lindorff-Larsen, Vendrusculo, Paci,Dobson, Nat Struct Biol 11, 443 (2004)
Energy maps of native state and TSE of src SH3
(c) Ensemble-averaged pairwise interaction
energies between residues in the native state
(above diagonal) and in the TSE (below
diagonal).
Many features found in the native state are also
found in the TSE:
- interactions between (2 - 4), in particular
between 3 and 4.
- part of the RT loop packs on to 4.
Surprising: although strands 1 and 5 are
relatively disordered (previous slide) the
interactions formed are very similar to those in
the native state.
13. Vorlesung SS 2005
Computational Chemistry
TSEs of SH3 domains from -spectrin and Fyn
(a,b) TSEs of (a) -spectrin SH3
domains and (b ) Fyn SH3 domains.
Color coding according to the
conformational variability as before.
- Overall similarity to src-SH3
- differences
- e.g. that RT loop does not pack onto to
the rest of the protein (Fyn).- conformational variability of -spectrin
SH3 (RMSD of C 3.0 Å) smaller than of
src (5.4 Å) and Fyn (6.0 Å)
Lindorff-Larsen, Vendrusculo, Paci,Dobson, Nat Struct Biol 11, 443 (2004)
two TSE structures energy maps of the native state (above diagonal) and transition state (below diagonal).
13. Vorlesung SS 2005
Computational Chemistry
Native topology in the transition state?
Either direct examination of 3D structures,
or interaction energy maps
suggest that TSE is characterized by overall native-like topology.
Quantify the topological similarity between TSE and native state
Here use DALI server; alignment of matrices of pairwise C distances.
to generate a representative set of structures of small proteins: extract 311
domains of length 40-70 residues from SCOP domain database.
179 can be meaningful aligned to src SH3.
11 domains have Z-score > 9.0. All of them are SH3 domains.
168 have Z < 4.3.
Lindorff-Larsen, Vendrusculo, Paci,Dobson, Nat Struct Biol 11, 443 (2004)
13. Vorlesung SS 2005
Computational Chemistry
Native topology in the transition state?
align 500 TSE structures to these 311 domains.
In 479/500 cases, the best-matching SCOP-domain is an SH3 domain!
despite their local variability, a large majority of the calculated TSE structures
have the fold characteristic of an SH3 domain.
Lindorff-Larsen, Vendrusculo, Paci,Dobson, Nat Struct Biol 11, 443 (2004)
13. Vorlesung SS 2005
Computational Chemistry
DALI alignment of TSE structures against SCOP domains
Z-score > 5 indicates high structural
similarity.
Therefore, the structural similarity
between the TSE and the best-
matching SCOP is in fact quite low.
Lindorff-Larsen, Vendrusculo, Paci,Dobson, Nat Struct Biol 11, 443 (2004)
the large majority of TSE structures are located in the outer periphery of the
region of conformational space that corresponds to the SH3 fold.
The rate-limiting step in folding seems the formation of a conformation with the
global topology of the native state, see lecture 7.
13. Vorlesung SS 2005
Computational Chemistry
Solvent accessibility and secondary structure
Relative solvent accessible surface
area in the native state (black) and
transition state (red) of src SH3.
Arrows, the five native -strands.
Many portions of the protein are only
partially desolvated in the TSE!
Lindorff-Larsen, Vendrusculo, Paci,Dobson, Nat Struct Biol 11, 443 (2004)
13. Vorlesung SS 2005
Computational Chemistry
Does secondary structure formation
have a primary role in protein folding?
DSSPcont most highly formed
elements are strands 3 and 4 (formed
in > 60% TSE structures of src and Fyn
and in > 45% for spectrin).
Diverging turn preceding 2 also
substantially populated.
Experimentally, no isolated hairpin has
structure. Hairpin between 3 and 4
must be stabilized by tertiary
interactions.Lindorff-Larsen, Vendrusculo, Paci,Dobson, Nat Struct Biol 11, 443 (2004)
Solvent accessibility and secondary structure
However, peptide corresponding to
diverging loop adopts turn in solution.
13. Vorlesung SS 2005
Computational Chemistry
Network of interactions in native and transition states
(a) Native state structure of src SH3. The
residues in the hydrophobic core are shown in
green and in ball-and-stick.
(b,c) Graph representation of the interactions
in (b) the native state and (c) the transition
state. The nodes on the graphs in b and c are
colored using the scheme shown in a. Only
noncovalent interactions between amino acids
more than two residues apart are considered.
Network in TSE is less condense,
contains critical interactions of hydrophobic
core.
Lindorff-Larsen, Vendrusculo, Paci,Dobson, Nat Struct Biol 11, 443 (2004)
13. Vorlesung SS 2005
Computational Chemistry
Key network of interactions in the folding TS
Each point in the plot represents the result of a
TSE determination of src SH3 using one of 220
triplets of residues.
The S-score measures the topological similarity
with the native state; high S -scores indicate high
similarity. We encircle triplets in the plot when
these contain residues at core position VII (Ala37,
blue) and VIII (Ile48, yellow). Highlighted in the
protein structure at the bottom left are six of the
hydrophobic core residues corresponding to core
positions III–VI colored with core positions III and
IV green, V and VI red, VII blue and VIII yellow.
Bottom right, interaction network among these six
residues in the native and transition states, colored
according to the same code. Lines are drawn when
the average pairwise interaction energy is lower
than -0.5 kcal mol. Solid lines, interactions present
in both the native and transition states; dashed
lines, interactions present in the native state only.
Lindorff-Larsen, Vendrusculo, Paci,Dobson, Nat Struct Biol 11, 443 (2004)
13. Vorlesung SS 2005
Computational Chemistry
* Konzentration auf realistischere Modelle um wirkliche
Proteine zu simulieren
* Einfluß äußerer Effekte (z.B. Kräfte oder Viskosität)
* Einfluß von Chaperonins
* Einfluß der Viskosität auf Faltungsdynamik.
wurde seit langem vorhergesagt, z.B. durch Simulationen, und wurde
vor kurzem zum ersten Mal exp. bestätigt.
Diffusion wichtig für Proteinfaltung
(z.B. Simulation durch Brownian Dynamics Simulationen) es sollte nicht die Transition-State-Theorie verwendet werden,
sondern die Kramersche Theorie
Trends
Gk bf
exp2
0
13. Vorlesung SS 2005
Computational Chemistry
L. Serrano und Mitarbeiter, PNAS 99, 15846 (2002):
Im Feld der „Protein-Falter“ ist nun anerkannt, dass die Kombination von
Experiment mit Theorie/Simulation die verbliebenen Rätsel der Proteinfaltung
lösen werden.
Die Modelle können wohl nur dann streng überprüft und verbessert werden
wenn das experimentelle Know-how eine nächste Stufe erreicht.
Ein Schritt hier: experimentelle Untersuchung von Einzelmolekülen!
Die Anstrengungen und Erfahrungen im Blue-Gene-Projekt von IBM in einer
Vielzahl von Kollaborationen werden für die theoretische Seite eine
umfassende Evaluation der bestehenden Methoden bedeuten.
Neue Techniken wie Replica-Exchange bewirken immer wieder signifikante
Verbesserungen.
Fazit