OpenPandemics - COVID-19 приближается к первому этапу лабораторного тестирования потенциальных методов лечения
OpenPandemics - COVID-19 приближается к первому этапу лабораторного тестирования потенциальных методов лечения
Автор: Исследовательская группа OpenPandemics
29 октября 2020 г. Резюме
В этом обновлении команда Forli Lab из Scripps Research дает нам взгляд на три вирусных белка, которые они изучают в настоящее время, и описывает свои планы на ближайшее будущее.
Background
https://www.worldcommunitygrid.org/research/opn1/researchers...
Наша команда в Scripps Research проводит симуляции молекулярного моделирования, чтобы найти возможных кандидатов для разработки методов лечения COVID-19. Чтобы добиться успеха, мы сотрудничаем с World Community Grid, чтобы получить огромные вычислительные мощности, необходимые для проведения миллионов смоделированных лабораторных экспериментов.
В этом обновлении мы познакомим вас с тремя вирусными белками, которые мы в настоящее время изучаем, обрисовываем наши планы по изучению большего количества белков с помощью World Community Grid и дадим вам знать, где мы находимся в процессе получения. потенциальных методов лечения для наших сотрудников лаборатории для тестирования. (Мы близки!)
Но сначала член исследовательской группы доктор Мартина Маритан создала инфографику о проекте, чтобы помочь обрисовать полный процесс исследования. Вы можете щелкнуть здесь, чтобы увидеть полную информацию.
Кроме того, вот определения нескольких терминов, которые помогут вам лучше понять наше обновление.
https://forlilab.org/wp-content/uploads/sites/32/2020/10/cel...
Поза лиганда: поза лиганда - это одно из возможных расположений для данной молекулы. В рамках этого проекта у нас есть несколько поз лиганда для каждого химического соединения, и мы выбираем лучшую.
Молекулярная стыковка: этот процесс представляет собой изучение того, как две или более молекулы подходят друг другу, например, как белок в клетке человека или вирусе сочетается с химическим соединением.
В OpenPandemics - COVID-19 мы можем масштабно использовать этот процесс, благодаря огромной вычислительной мощности World Community Grid, путем виртуального скрининга миллионов химических соединений, чтобы увидеть, какие из них могут связываться с белками вируса SARS-Cov2, вызывающего COVID -19.
Вирусные белки: это белки, генерируемые вирусом (в этом проекте SARS-Cov2).
Управление данными и анализ
В предыдущем обновлении мы подробно рассказали, как нам удалось сжать результаты дальше, чем это возможно при традиционном сжатии данных, передавая только переменные позы каждого лиганда (которые мы технически называем «геном»). Это краткая информация о том, что происходит после «регидратации» этих поз, или, другими словами, о том, как мы анализируем результаты.
Все создаваемые вами данные анализируются в несколько этапов. Первый этап происходит, когда мы получаем пакеты (или партии единиц работы) из World Community Grid. Мы анализируем каждую содержащуюся в них позу лиганда (каждый пакет содержит около полумиллиона поз) и фиксируем конкретные взаимодействия с белком-мишенью. Эти взаимодействия могут быть водородными связями, неполярными взаимодействиями или, что наиболее важно для реактивной стыковки, возникновением химической реакции между чястями белка и целевыми остатками.
Эта информация вместе с геномом результата - это то, что мы храним в нашей базе данных результатов для следующего этапа анализа. В настоящее время благодаря вашим целенаправленным усилиям вы создали в общей сложности около 6,8 миллиарда поз лигандов, занимающих около 20 ТБ памяти. Хотя это большой объем данных - и мы недавно обновили наш сервер базы данных, увеличив объем хранилища (250 ТБ!) Именно по этой причине, - это все еще примерно столько, сколько потребуются отдельные координаты для каждой позы. Хотя этот этап анализа является наиболее затратным с точки зрения вычислений, в настоящее время мы можем анализировать примерно в четыре раза больше пакетов в день, чем мы получаем, используя только один вычислительный узел.
Второй этап анализа включает несколько уровней фильтрации по всему набору результатов с использованием взаимодействий, которые мы зафиксировали на первом этапе. Мы начинаем с широкого фильтра, основанного на энергии лиганда и взаимодействиях с остатками, представляющими интерес для данной мишени. Этот запрос к базе данных возвращает идентификаторы отдельных поз. Затем эти позы классифицируются по критериям выбора, которым они соответствуют. Эти критерии выбора специфичны для конкретной цели и включают такие вещи, как «взаимодействует с x, но не взаимодействует с y», «водородные связи с z» и другие. Наконец, позы лигандов, отвечающие всем наиболее важным критериям, регидратируются (т.е. восстанавливаются их фактические трехмерные координаты) и сохраняются в качестве потенциальных кандидатов. В настоящее время на этом этапе анализа выявляется около 20 000 потенциальных кандидатов из 6,8 миллиардов поз лиганда.
Заключительный этап анализа - вручную отобрать наиболее перспективные молекулы для экспериментального тестирования нашими сотрудниками. Процесс выбора состоит из визуального осмотра пристыкованных поз для оценки нескольких аспектов, которые необходимы этим молекулам для связывания белка, но которые часто не моделируются должным образом при стыковке. Комплементарность формы - один из этих аспектов: молекула должна хорошо помещаться в белковый карман, без чрезмерного пустого пространства между молекулой и белком. Другой важный аспект - деформация - молекула не должна вступать в неблагоприятное взаимодействие с собой, чтобы поместиться в кармане.
Из 20 000 потенциальных кандидатов мы отобрали около 70 молекул для экспериментального тестирования и в ближайшее время собираемся их заказать! (См. Раздел «Создание виртуальных молекул РЕАЛЬНОСТЬ» ниже.)
Текущие пакеты
Текущие пакеты нацелены на три вирусных белка (см. Видеоролики выше, созданные членом исследовательской группы доктором Жеромом Эберхардтом): nsp3, nsp5 и nsp15. Это первый раз, когда молекулы состыковываются с nsp5 и nsp15.
Все молекулы содержат акриламидную группу, которая может вступать в реакцию с некоторыми цистеинами вирусных белков. Все эти акриламидсодержащие молекулы доступны в базе данных ZINC или напрямую у наших поставщиков химических веществ, что гарантирует их разумную цену или простоту синтеза иным способом.
Новые цели
Пока мы продолжаем готовить пакеты для текущих целей, мы уже изучаем новые, для которых мы проведем следующие просмотры. Один из них - неструктурный белок 8 (nsp8).
Подобно другим коронавирусам, SARS-CoV-2 представляет 16 неструктурных белков, которые являются высококонсервативными и выполняют различные функции, включая образование комплекса репликации-транскрипции. Среди них Nsp8 представляет собой коронавирусный неструктурный белок, который вместе с nsp7 взаимодействует и регулирует РНК-зависимую РНК-полимеразу (nsp12 или RdRp), которая катализирует синтез вирусной РНК во время инфекции. По сути, nsp8 и nsp7 действуют как кофакторы, стимулирующие полимеразную активность nsp12, играя ключевую роль в цикле репликации и транскрипции вируса.
https://www.rcsb.org/structure/6NUR
Со структурной точки зрения, nsp8 принимает разные конформации в зависимости от взаимодействующего партнера, в частности, он находится в «закрытой конформации», когда он связан с nsp7, и в «открытой конформации», когда он связан с nsp12. Мы начали наше исследование с тройного комплекса nsp7-nsp8-nsp12 (Pdb id: 6NUR), сосредоточив внимание сначала только на белке nsp8 на границе с nsp12, который представляет собой два остатка цистеина 114 и 142 соответственно.
В сотрудничестве с лабораторией Gervasio мы решили изучить доступность этих карманов, содержащих остатки цистеина, с помощью динамического моделирования в воде и сорастворителе. Впоследствии тщательный отбор структур nsp8, полученных из динамики, будет затем использоваться в качестве входных мишеней для виртуального скрининга библиотек реактивных фрагментов.
Делаем виртуальные молекулы РЕАЛЬНЫМИ
Мы работаем с поставщиком химикатов Enamine, который предоставит физические аналоги молекул, которые были состыкованы с помощью World Community Grid. Эти молекулы взяты из их РЕАЛЬНОЙ базы данных, набора молекул, для которых у них запланирован синтетический путь, но которые не обязательно были синтезированы в прошлом. Их РЕАЛЬНЫЙ каталог содержит 1,36 миллиарда молекул, которые мы можем сразу проверить и синтезировать по запросу. Это позволяет нам исследовать больше химического пространства, чем мы могли бы с существующими физическими библиотеками.
Это означает, что вскоре мы отправим молекулы нашим сотрудникам для проверки результатов нашего скрининга и, надеюсь, приблизим нас на шаг к первым ингибиторам!
Спасибо всем, кто поддерживает OpenPandemics - COVID-19!
