Dokument: Anwendung von coarse grained Kraftfeldern für Protein-Protein-Docking

Titel:	Anwendung von coarse grained Kraftfeldern für Protein-Protein-Docking
Weiterer Titel:	Application of coarse grained force fields for protein-protein docking
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=38816
URN (NBN):	urn:nbn:de:hbz:061-20160914-093339-0
Kollektion:	Dissertationen
Sprache:	Englisch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Kynast, Philipp [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 21,93 MB in einer Datei [ZIP-Datei erzeugen] Dateien vom 28.06.2016 / geändert 28.06.2016
Beitragende:	Jun.-Prof. Strodel, Birgit [Gutachter] Prof. Dr. Gohlke, Holger [Gutachter]
Dewey Dezimal-Klassifikation:	500 Naturwissenschaften und Mathematik » 570 Biowissenschaften; Biologie
Beschreibungen:	Protein-Protein-Interaktionen sind an beinahe jedem Prozess in lebenden Organismen beteiligt, zum Beispiel an der intrazellulären Kommunikation, der Immunantwort und der Enzymregulation. Es existieren einige experimentelle Methoden um Interaktionen von Proteinen zu bestimmen. Doch nicht alle diese Methoden können die Interaktionen auf atomarer Ebene aufklären. Die Aufklärung der Struktur von Protein-Protein-Komplexen ist relativ schwierig. Protein-Protein-Komplexe sind oft zu instabil für Röntgenkristallographie und zu gross für Kernspinresonanzspektroskopie. Protein-Protein-Docking ist die Methode um die Struktur von Protein-Protein-Komplexen in silico aus den jeweiligen Strukturen der gefalteten Bindungspartner vorherzusagen. Diese Technik bietet so die Möglichkeit die Lücke der fehlenden Protein-Protein-Komplexe zu schliessen. Doch auch diese Technik hat ihre Herausforderungen, denn Proteine können theoretisch auf viele Arten miteinander interagieren. All diese Bindungsposen müssen produziert und nach ihrer Wahrscheinlichkeit bewertet werden. Wegen der Komplexität dieser Suche erlauben aktuelle Methoden keine vollständige Flexibilität der Proteine. Diese Arbeit untersucht die Möglichkeit der Benutzung von "coarse grained"-Kraftfeldern um Protein-Protein-Interaktionen vorherzusagen. Solche Kraftfelder könnten eine gute Wahl für die Simulation von grösseren Sytemen sein, ohne die Flexibilität der Proteine einzuschränken. Zuerst testen wir ein Kraftfeld welches von Bereau und Deserno entwickelt wurde. Konformationen die mit der grid-basierten Methode ZDOCK produziert werden, werden in die ”coarse grained“-Konformation der Proteine transformiert. Ihre Energie wird minimiert und dann werden sie mit dem Kraftfeld von Bereau und Deserno bewertet. Es wurde herausgefunden, dass die Seitenketten-Darstellung des Kraftfeldes nicht aussreicht um erfolgreich zwischen Strukturen die nahe der gebundenen Komplexstruktur sind und welchen die falsch sind zu diskriminieren. Deshalb wurde das ”coarse grained“-Kraftfeld OPEP mit einer besseren Beschreibung der Seitenketten für den Rest der Arbeit benutzt. Wieder wurden die initialen Strukturen mit ZDOCK produziert und dann mit OPEP weiter verarbeitet. Kleine Änderungen wurden am OPEP-Kraftfeld unternommen, es wurde ein weicheres Potential für die Interaktionen zwischen den Seitenketten eingeführt und damit eine bessere Unterscheidung zwischen Strukturen nahe der nativen Lösung und falschen Strukturen, im Vergleich zum originalem OPEP, erreicht. Diese weiche Bewertungsfunktion wurde zusätzlich durch einen iterativen Lerner trainiert. Die sich daraus ergebene Bewertungsfunktion wurde auf einem weiteren Datensatz getestet und lieferte bessere Ergebnisse als die originale Bewertungsfunktion. Schließlich wurde das OPEP-Kraftfeld dazu benutzt um Monte Carlo Simulationen, welche die Proteine als starre Körper behandelt, mit Strukturen in der Umgebung des gebundenen Komplexes durchzuführen. Mit dieser Methode ist es möglich Köderstrukturen nahe des nativen Komplexes zu erzeugen, welche eine gute Bewertung durch die weiche OPEP-basierte Bewertungsfunktion erhalten. Durch die Verwendung einer Starre-Körper-Minimierung können diese Köderstrukturen noch näher an die native Konformation gebracht werden. Clustering zeigte, dass 74 % der Köderstrukturen nahe des nativen Komplexes dem grösstem Cluster angehören, das heisst die OPEP-basierte Bewertungsfunktion ist in der Lage dem zum nativem Komplex führenden Energy-Trichter zu identifizieren. In dieser Arbeit wurde das OPEP-Kraftfeld das erste Mal auf seine Anwendbarkeit für Protein-Protein-Docking getestet. Die Ergebnisse zeigen, dass das OPEP-Kraftfeld, mit kleinen Änderungen, eine vielversprechende neue Methode für dieses Problem ist. Protein-protein interactions are involved in nearly every process in living organisms, such as intracellular signaling, immune response and enzyme regulation. Several experimental methods exist that allow to determine the interaction of proteins. However, not all of these methods reveal the interactions on an atomar level. Moreover, determining the structure of protein-protein complexes is an experimental challenging task. Protein-protein complexes are often too transient for X-Ray crystallography and too big for nuclear magnetic resonance. Protein-protein docking is the method to predict the interaction of protein-protein complexes in silico from the individual structures of the folded binding partners. Thus, this technique offers the possibility to fill the gap of missing protein-protein complexes. Nonetheless, also this technique comes with its own challenges given that, in theory, proteins could bind to each other in different ways. All of these different binding poses have to be produced and scored for their likelihood. Because of the complexity of this search, current methods for global search do not allow the proteins to be flexible. This work examines the possibility to use coarse grained force fields to predict protein-protein interactions. Such force fields may be a good choice for simulating bigger systems without restricting the flexibility of the proteins. First the force field developed by Bereau and Deserno is tested for this purpose. The initial decoys are produced with ZDOCK, that provides a grid representation of the proteins, which are transformed to the coarse grained presentation of the proteins. Their energy is minimized and then scored using the force field by Bereau and Deserno. However, it is found that the side chain description in this force field is not sufficient to allow a reliable discrimination between near-native and misdocked decoys. Therefore, the coarse-grained OPEP force field with a better amino acid dependent representation of the side chain is used in the remainder of this work. Again, the initial decoys are produced with ZDOCK and then further treated with OPEP. Slight modifications to the OPEP force field are made, revealing a softer potential for the interactions between the side chain beads and therefore leading to a better discrimination between conformations close to the bound conformation and mis-docked conformations compared to the original OPEP force field. The soft rescoring function was further trained by an iterative learning procedure. The resulting function was then tested on an independent data set, revealing that this trained rescoring function performs better than the original rescoring function. Finally, the OPEP force field is used to perform Monte Carlo simulations treating the proteins as rigid bodies to produce docking decoys in the vicinity of the native complex. With this approach it is possible to produce more near-native decoys, which obtain a good score with the soft OPEP-based rescoring function. Using rigid-body minimization, these decoys can be brought even closer to the native complex structure. Clustering revealed that 74 % of the near-native decoys are members of the biggest cluster, i.e., that the OPEP based scoring function is able to identify the energy funnel leading to the native conformation. In summary, in this work OPEP was tested for the very first time for its applicability to protein-protein docking. The results show that a slight modification of OPEP is indeed a promising new rescoring function for this problem.
Lizenz:	Urheberrechtsschutz
Fachbereich / Einrichtung:	Mathematisch- Naturwissenschaftliche Fakultät
Dokument erstellt am:	14.09.2016
Dateien geändert am:	14.09.2016
Promotionsantrag am:	05.05.2016
Datum der Promotion:	14.06.2016