선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 리간드의 초기 구조가 단백질-리간드 도킹의 결과에 미칠 수 있는 영향을 알아보기 위해 30 개의 target 에 대해 다양한 리간드 구조를 이용하여 도킹을 시도하였다. PubChem 을 통에 얻은 각각 하나씩의 구조로 도킹했을 때 보다 여러 모델을 생성해서 도킹에 사용했을 때 성공률이 올라가는 것을 확인 할 수 있었다.
- 특히 분자 안에 존재하는 ring 의 경우 가능한 구조간의 편차가 크며 단백질-리간드 도킹의 성능에 크게 영향을 미친다는 것이 알려져 있다. 본 연구에서는 리간드의 초기 구조가 단백질리간드 도킹의 성능에 어떠한 영향을 미칠 수 있는지를 알아보고, 어떻게 하면 이를 고려하여 도킹의 성능을 향상시킬 수 있는지 그 방법을 제시하고자 한다.
- 여기서는 실패한 target 들의 경우, in-house 프로그램으로 만든 리간드 구조가 crystal 구조와 어떻게 다른지, 또한 PubChem 을 이용했을 때는 실패했지만 in-house 프로그램을 이용하여 만든 구조로는 성공한 경우 어떤 차이가 있었기 때문인지에 대하여 몇몇 사례를 바탕으로 분석해보고자 한다.
제안 방법
- 1FM9 타겟에 대한 도킹 결과가 샘플링에 의한 문제인지, 결합길이 및 결합각의 차이에 의한 문제인지를 확인해보기 위하여, PubChem 으로부터 얻은 리간드 구조와 실제 결정구조에서 얻은 리간드 구조를 align 해 보았다. 이를 위해 PubChem 에서 얻은 리간드 구조에서 결합 길이, 결합각을 제외한 나머지 torsion angle 들을 실제 결정구조와 같도록 조정해 주었다.
- Ring structure library 에서 분자 안에 ring 들과 같은 구조식을 가지는 가지는 고리 구조들을 뽑았고, 이 구조를 그대로 가져와서 이용하는 식으로 분자 내에서 고리 구조를 다양하게 만들었다 Ring 이 아닌 나머지 구조에 대해서는 원자들의 MOL2 type 을 CGENFF 에서 가장 빈번하게 등장하는 atom type 으로 mapping 한 결과를 토대로, CGENFF 에서 주어지는 parameter 을 이용하였다. CGENFF 에 있는 결합길이, 결합각 정보와 주어진 connectivity 와 conformation 정보에서 가장 선호되는 몇 가지 구조에 대응하는 dihedral angle 을 설정하여 구조를 만들어냈다. (예를 들면 SN=4 인 구조의 경우 dihedral angle 을 gauche 또는 anti 에 대응하는 60o, -60o, 180o 도 중 하나로, SN=3 인 구조인 경우 0o 또는 180o 가 되도록 하였다.
- Ring structure library 를 구축한 방법은 다음 섹션에서 다루도록 하겠다. Ring structure library 에서 분자 안에 ring 들과 같은 구조식을 가지는 가지는 고리 구조들을 뽑았고, 이 구조를 그대로 가져와서 이용하는 식으로 분자 내에서 고리 구조를 다양하게 만들었다 Ring 이 아닌 나머지 구조에 대해서는 원자들의 MOL2 type 을 CGENFF 에서 가장 빈번하게 등장하는 atom type 으로 mapping 한 결과를 토대로, CGENFF 에서 주어지는 parameter 을 이용하였다. CGENFF 에 있는 결합길이, 결합각 정보와 주어진 connectivity 와 conformation 정보에서 가장 선호되는 몇 가지 구조에 대응하는 dihedral angle 을 설정하여 구조를 만들어냈다.
- 도킹에 이용할 리간드의 초기 구조 중에 하나로 타겟으로 하는 단백질-리간드 복합체 구조에서 리간드 구조만을 떼어내어 사용하였다. 단백질리간드 복합체 구조에서 리간드를 제외한 다른 단백질 및 물 분자를 제거한 뒤, UCSF Chimera 프로그램을 이용하여 수소원자를 붙이고 Gasteiger charge 를 assign 하였다.
- PubChem 은 National Center for Biotechnology Information(NCBI)에 의해 운영되고 있는 여러 화학 분자들의 데이터베이스로,수백만 개의 화합물 구조에 대한 정보를 가지고 있고, 이는 FTP 서버를 통해서 자유롭게 다운받을 수 있다. 리간드 이름을 기반으로 PubChem database 에서 타겟 리간드를 찾아 sdf format 으로 제공되는 리간드의 3 차원 구조를 얻은 뒤 이에 UCSF Chimera 프로그램을 이용하여 Gasteiger charge 를 assign 하고 mol2 format 으로 변환하였다.
- 리간드의 초기 구조가 단백질-리간드 도킹 성능에 어떤 영향을 미치는지 알아보기 위해 이미 구조가 알려져 있는 30 개의 단백질-리간드 복합체 구조에 대하여 다양한 리간드 초기 구조를 이용하여 단백질리간드 도킹을 수행하였다. 리간드의 초기 구조는 단백질-리간드 복합체 구조에서 가져온 실제 결합구조와, 다양한 리간드 구조를 가지고 있는 PubChem database 에서 가져온 구조, 직접 제작한 inhouse program 을 이용하여 1 차원 SMILES formula를 3 차원 리간드 구조로 변환시킨 구조를 이용하였다.
- 리간드의 초기 구조가 단백질-리간드 도킹 성능에 어떤 영향을 미치는지 알아보기 위해 이미 구조가 알려져 있는 30 개의 단백질-리간드 복합체 구조에 대하여 다양한 리간드 초기 구조를 이용하여 단백질리간드 도킹을 수행하였다. 리간드의 초기 구조는 단백질-리간드 복합체 구조에서 가져온 실제 결합구조와, 다양한 리간드 구조를 가지고 있는 PubChem database 에서 가져온 구조, 직접 제작한 inhouse program 을 이용하여 1 차원 SMILES formula를 3 차원 리간드 구조로 변환시킨 구조를 이용하였다. 이러한 다양한 리간드 초기구조를 이용하여 각각 단백질-리간드 도킹을 수행한 결과를 서로 비교하여 에너지와 실제 binding pose 와 예측한 것 사이의 RMSD 를 비교하여 보았다.
- 본 연구에서는 단백질-리간드 복합체 구조를 예측하기 위하여 EDISON 에 탑재된 GalaxyDock 프로그램 4,5 을 이용하였다. GaxlaxyDock 프로그램은 conformational space annealing(CSA)를 사용하여 큰 자유도를 가지고 있는 리간드 구조의 conformational space 를 효과적으로 탐색하고, autodock3 에서 사용되던 에너지 함수에서 부족한 부분인 ligand 의 내부 에너지에 PLP(piecewise linear potential)의 ligand torsion energy 를 개선하여 단백질-리간드 복합체 구조를 예측하는 프로그램이다.
- 리간드의 초기 구조는 단백질-리간드 복합체 구조에서 가져온 실제 결합구조와, 다양한 리간드 구조를 가지고 있는 PubChem database 에서 가져온 구조, 직접 제작한 inhouse program 을 이용하여 1 차원 SMILES formula를 3 차원 리간드 구조로 변환시킨 구조를 이용하였다. 이러한 다양한 리간드 초기구조를 이용하여 각각 단백질-리간드 도킹을 수행한 결과를 서로 비교하여 에너지와 실제 binding pose 와 예측한 것 사이의 RMSD 를 비교하여 보았다.
- 1FM9 타겟에 대한 도킹 결과가 샘플링에 의한 문제인지, 결합길이 및 결합각의 차이에 의한 문제인지를 확인해보기 위하여, PubChem 으로부터 얻은 리간드 구조와 실제 결정구조에서 얻은 리간드 구조를 align 해 보았다. 이를 위해 PubChem 에서 얻은 리간드 구조에서 결합 길이, 결합각을 제외한 나머지 torsion angle 들을 실제 결정구조와 같도록 조정해 주었다. 그 결과, 크게 두 부분의 결합각 차이가 도킹 성능에 영향을 준 것으로 판단된다.
- 최종 리간드의 구조는 MOL2 file 형태로 변환하고 이후 UCSF Chimera 프로그램을 이용하여 각 원자가 가지고 있는 charge 를 Gasteiger charge 로 assign 하였다.
- 추출한 ring 구조는 flexible, rigid 한 구조로 분류하였고, 같은 구조식을 가지고 있는 ring 들은 상호간의 RMSD 가 0.2*(n*6)1/2Å 이상이 되도록 clustering 하여 non-redundant 한 ring library를 구축하였다.
대상 데이터
- Ring structure library 구축을 위해 Yang Zhang group에서 만든 ligand-protein binding database인 BioLiP 에서 해당하는 18만 개의 regular ligand의 pdb 파일을 다운받았고, 다운받은 구조에서 ligand가 가지고 있는 ring 구조만 추출하여 mol2 file 로 만들었다. 추출한 ring 구조는 flexible, rigid 한 구조로 분류하였고, 같은 구조식을 가지고 있는 ring 들은 상호간의 RMSD 가 0.
이론/모형
- 리간드의 초기 구조를 얻는 또 다른 방법으로 PubChem database 를 이용하였다. PubChem 은 National Center for Biotechnology Information(NCBI)에 의해 운영되고 있는 여러 화학 분자들의 데이터베이스로,수백만 개의 화합물 구조에 대한 정보를 가지고 있고, 이는 FTP 서버를 통해서 자유롭게 다운받을 수 있다.
성능/효과
- 직접 만든 in-house 프로그램을 이용하여 만든 구조를 이용했을 때는 3 개의 model 구조 중 하나만 성공해도 docking 이 성공한 것으로 간주하였다. 30 개의 target 중 24 개가 도킹에 성공하여, 80%의 성공률을 보였다. 이는 PubChem database 에서 리간드 구조를 가지고 왔을 때에 비해 향상된 것이다.
- 본 연구에서는 리간드의 초기 구조가 단백질-리간드 도킹의 결과에 미칠 수 있는 영향을 알아보기 위해 30 개의 target 에 대해 다양한 리간드 구조를 이용하여 도킹을 시도하였다. PubChem 을 통에 얻은 각각 하나씩의 구조로 도킹했을 때 보다 여러 모델을 생성해서 도킹에 사용했을 때 성공률이 올라가는 것을 확인 할 수 있었다. 다양한 사례분석을 통하여 구조적으로 유연한 ring 이 리간드에 존재하는 경우 가능한 여러 ring 구조를 고려해 주는 것이 도킹의 성공률에 큰 영향을 미칠 수 있다는 사실을 확인할 수 있었다.
- PubChem 을 통에 얻은 각각 하나씩의 구조로 도킹했을 때 보다 여러 모델을 생성해서 도킹에 사용했을 때 성공률이 올라가는 것을 확인 할 수 있었다. 다양한 사례분석을 통하여 구조적으로 유연한 ring 이 리간드에 존재하는 경우 가능한 여러 ring 구조를 고려해 주는 것이 도킹의 성공률에 큰 영향을 미칠 수 있다는 사실을 확인할 수 있었다. 또한 aromatic ring 과 같이 크기가 큰 rigid 한 group 이 리간드에 존재하는 경우 결합각의 작은 차이가 도킹의 성능에 큰 차이를 줄 수 있음 역시 확인되었다.
- 먼저 crystal 리간드 구조를 제외한 다른 모든 구조에서 도킹이 실패한 2J78 을 살펴보면, 초기 리간드의 구조가 모든 모델에서 실제 crystal 구조와 확연히 차이가 있음을 볼 수 있다 (Figure 4). 자세히 보면 가운데 ring 의 구조부터 큰 차이가 있는데, ring 구조가 조금만 달라도 곁가지가 뻗어 나오는 방향은 크게 변할 수 있고, 이렇게 되면 구조가 크게 달라져 전체 도킹 성능에 큰 영향을 미칠 수 있다.
- 최근에는 단백질의 표면을 나타낼 수 있는 beta-complex 를 pre-docking 에 이용하여 CSA 를 위한 initial bank 를 얻음으로써 그 성능이 향상되었다. 모든 도킹은 10 회 반복하여 가장 좋은 결과를 가지는 것을 분석에 사용하였다.
- 일반적으로 docking 한 결과 구조와 실제 crystal 구조와의 RMSD 가 2Å 이하이면 docking이 성공한 것으로 간주한다. 이러한 기준을 적용했을 때, crystal 구조에 있는 리간드 구조를 그대로 이용한 경우 30 개의 target 모두 docking에 성공하여 100%의 성공률을 보였다. PubChem database에서 가져온 리간드 구조를 사용했을 때는 30 개의 target 중 21 개가 성공하여 70%의 성공률을 보였다.
- 반대로 ring 의 구조도 비슷하고 stereochemistry 도 일치하는 모델 1의 경우 성공적인 도킹 결과를 얻을 수 있었다 (Figure 6). 이로부터 stereochemistry 가 정확히 정의되지 않은 구조를 도킹할 때는 이를 고려하여 샘플링을 할 수 있도록 구조를 생성하여야 한다는 점을 확인 할 수 있었다.
- 이러한 사례분석을 통해 대부분의 경우 리간드의 ring 구조의 차이에 따라 도킹의 성공여부가 달라진 것을 알 수 있었다. 이에 더하여 aromatic ring 과 같이 상대적으로 크기가 큰 요소들이 리간드에 존재하는 경우에 이러한 작용기들을 연결하는 결합길이나 결합각에 따라서 도킹 성능의 차이가 발생할 수 있음을 확인하였다. 단백질-리간드 도킹 프로그램이 실제 응용되는 분야에서 더욱 보탬이 되기 위해서는 ring 의 구조 유연성이나 결합길이, 결합각의 변화 등을 다양한 리간드 conformation 을 이용하여 도킹을 함으로써 고려하거나, ring 의 구조 유연성 및 결합길이, 결합각의 변화까지 고려할 수 있는 단백질-리간드 도킹 방법 개발이 필요할 것으로 보인다.
후속연구
- 이러한 한계를 극복하기 위해 현재 개발된 대부분의 단백질-리간드 도킹 프로그램들은 리간드의 결합길이, 결합각은 그대로 두고 torsion angle 만을 변화시키는 방법으로 리간드의 구조 유연성을 고려하고 있다.3 이와 같은 방법은 결합길이나 결합각은 잘 변하지 않는 값이라는 점에서 어느 정도 합리적인 선택이라고 할 수 있으나, 실제 단백질-리간드 복합체에서 리간드의 구조가 이상적인 모습에서 벗어나 있는 경우가 많이 나타난다는 점에서 이러한 방식이 리간드 분자의 구조 유연성을 충분히 고려할 수 있는 지에 대한 검증이 필요하다. 특히 분자 안에 존재하는 ring 의 경우 가능한 구조간의 편차가 크며 단백질-리간드 도킹의 성능에 크게 영향을 미친다는 것이 알려져 있다.
- Ring 구조의 유연성이나 결합각의 차이를 다양한 초기구조를 만듦으로써 고려할 수도 있겠지만, 이 방법은 초기 리간드 구조를 어떤 식으로 만드는지,얼마나 만드는지에 따라 성능이 좌우된다는 점에서 한계가 존재한다. 단백질-리간드 도킹 프로그램 자체에서 리간드의 구조 유연성을 torsion angle 들을 샘플링하는 것뿐만 아니라 추가적인 ring 의 구조 유연성, 결합각의 변화 등을 고려할 수 있도록 추가해 준다면 리간드의 초기구조에 크게 영향을 받지 않는 단백질-리간드 도킹을 할 수 있을 것으로 기대된다.
- 이에 더하여 aromatic ring 과 같이 상대적으로 크기가 큰 요소들이 리간드에 존재하는 경우에 이러한 작용기들을 연결하는 결합길이나 결합각에 따라서 도킹 성능의 차이가 발생할 수 있음을 확인하였다. 단백질-리간드 도킹 프로그램이 실제 응용되는 분야에서 더욱 보탬이 되기 위해서는 ring 의 구조 유연성이나 결합길이, 결합각의 변화 등을 다양한 리간드 conformation 을 이용하여 도킹을 함으로써 고려하거나, ring 의 구조 유연성 및 결합길이, 결합각의 변화까지 고려할 수 있는 단백질-리간드 도킹 방법 개발이 필요할 것으로 보인다.
- 따라서 ring 구조를 보다 다양하게 만들어주는 in-house 프로그램을 이용하는 것이 PubChem database 를 이용하는 것보다 더 향상된 도킹 성능을 보여준 것으로 판단된다. 본 연구에서는 리간드의 구조를 3 개까지만 생성하였지만, in-house 프로그램을 이용하여 3 개보다 더 다양한 구조를 만들어 낼 수 있음을 고려해 보면 성공률은 더욱 향상 될 수 있을 것으로 보인다.
- 또한 aromatic ring 과 같이 크기가 큰 rigid 한 group 이 리간드에 존재하는 경우 결합각의 작은 차이가 도킹의 성능에 큰 차이를 줄 수 있음 역시 확인되었다. 이에 미루어 볼 때 앞으로 docking simulation 에서 이러한 구조를 더 다양하게 고려하는 것이 그 정확도를 향상시키는데 도움이 될 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.