초록 ▼

본 과제는 세포막 단백질 그룹 중 하나인 GPCR 수용체 단백질의 삼차 구조를 예측하는 계산 프로토콜을 개발하고, 세포막 단백질에 특화된 도킹 방법을 고안하여 비만 관련 GPCR 수용체 단백질에 우선 적용, 신약 개발을 위한 후보 물질을 제시하는 것을 최종 목표로 하였다. 이 목표 하에서의 연구수행을 통해 도출한 주요 연구 성과들을 정리하면 다음과 같다.
(1) 막단백질 구조의 데이터베이스 구성과 막관통 영역의 예측 프로그램들의 평가 결과 도출
막단백질 구조에서 세포막을 관통하고 있는 막관통(Transmembrane;TM

본 과제는 세포막 단백질 그룹 중 하나인 GPCR 수용체 단백질의 삼차 구조를 예측하는 계산 프로토콜을 개발하고, 세포막 단백질에 특화된 도킹 방법을 고안하여 비만 관련 GPCR 수용체 단백질에 우선 적용, 신약 개발을 위한 후보 물질을 제시하는 것을 최종 목표로 하였다. 이 목표 하에서의 연구수행을 통해 도출한 주요 연구 성과들을 정리하면 다음과 같다.
(1) 막단백질 구조의 데이터베이스 구성과 막관통 영역의 예측 프로그램들의 평가 결과 도출
막단백질 구조에서 세포막을 관통하고 있는 막관통(Transmembrane;TM) 영역의 결정은 막단백질 연구에서 중요한 역할을 담당하고 있다. 현재까지 막단백질의 TM 영역을 예측하는 다양한 프로그램들이 개발되었는데, 이들 중 26개의 막관통 영역 예측 프로그램들을 분석하였다. 이들 프로그램을 테스트하기 위한 데이터 세트는 PDBTM 데이터 베이스를 기반으로, 서열 정열을 통한 중복 자료를 제거하여 구성하였다. 이는 총 391개의 단백질, 487개의 chain, 2048개의 TM segment로 구성되었다. TM segment의 개수, 위치, 그리고 TM segment의 시작-끝 잔기의 예측 정확도를 여러 가지 척도로 분석하였다. 예측 프로그램의 성능은 또한 같은 개수의 TM segment를 가지는 chain으로 구성된 각 부분 세트에 대해서 고려해 보았다. TM segment의 개수 예측 정확도는 Memsat이 가장 높고, DASTMfilter는 가장 낮았다. TM 위치의 정확도를 고려하였을 때 상위 3개의 프로그램은 TOPCON-Single, Philius, Phobius이다. 모든 프로그램에 대해 4개와 5개의 TM segment로 구성된 부분 세트 경우 다른 세트보다 나은 예측을 보였다. 16개의 GPCR의 경우 Memsat이 가장 정확한 예측을 보였다. 전체적으로 consensus와 HMM 알고리즘 방법에 기반한 프로그램들이 더 정확한 예측을 보여줌을 확인할 수 있었다.
(2) 막관통 나선구조 내 수소 결합 유형 분석
앞서 구성한 막단백질 중 PDB_redo database에서 정제된 구조를 제공하는 240개의 단백질을 대상으로 막관통 나선구조 내 수소 결합에 대한 연구를 진행하였다. 막관통 영역 내 아미노산의 분포 분석 결과에 따르면 소수성의 아미노산이 60%이상을 이루고 있으며, 막관통 중심에서 더 많은 소수성을 보이는 것을 확인하였다. Ser, Thr 등이 막관통 영역에서 많이 분포하는 중성 극성 아미노산으로 밝혀졌다. 막관통 영역 내 극성 아미노산 중 약 30% 정도가 수소 결합에 참여하고 있지 않은 확인하였는데, 이는 분석 시 결정구조에 존재하는 물분자만을 고려한 결과라고 할 수 있다. 나선묶음의 내부에 존재하는 TM segment의 경우 소수성 아미노산의 비율이 감소하고, 반면 중성 극성 아미노산의 비율이 증가하는 것을 확인하였다. 또한 막관통 경계에 비해 중심에서 나선 간 수소결합의 비율이 증가하는 것을 볼 수 있었는데, 이로부터 나선 묶음 형성에 있어서 수소 결합의 중요성을 확인할 수 있었다. 또한 수소결합을 곁가지-곁가지와 곁가지-주가지 유형으로 나눠 분석하고, 나선 간 수소 결합의 평균적인 각도와 길이를 분석하였다.
(3) DOCK6를 이용한 분자 도킹의 유효성 평가: adrenergic과 adenosine GPCR 수용체에 적용
분자 도킹 모사 프로그램 중 하나인 USCF DOCK6.0을 통해 실험 구조가 최근에 밝혀진 대표적인 3개의 GPCR 단백질들, β₁, β₂ adrenergic receptor와 A_2A adenosine receptor에 대해서 리간드를 도킹하고, RMSD와 리간드-수용체간 상호작용을 분석하여 DOCK6.0 프로그램의 정확도를 평가하였다. 변수를 기본값으로 하여 도킹을 진행하는 경우 특히 rotational bond가 많은 리간드의 경우는 실험구조와는 굉장히 많은 차이를 보였다. 5개의 다른 리간드를 가지고 있는 β₁ adrenergic receptor complex를 대상으로 하여 grid 생성과 관련된 변수 값들을 최적화했으며, 또한 grid scoring을 통해 추려낸 50개의 configuration에 대해 amber scoring을 적용하는 hierarchical 방법을 제시하였다. 이 경우 5개의 모든 리간드에 대해 RMSD가 1.3Å 보다 작은 값을 가졌으며 scoring 에너지는 실험값인 pKi와 상관관계를 보였다. 구조가 알려지지 않은 8개의 다른 리간드를 대상으로 scoring 에너지와 pKi와의 상관관계를 재확인하였다.