溶剂动力学与蛋白质动力学的耦合有助于推动表皮生长因子受体(EGFR/ErbB1/HER1)激酶结构域中外显子19缺失突变体的功能差异。
原标题:Coupled Solvent Dynamics and Protein Dynamics Help Drive Functional Differences in Exon-19 Deletion Mutants in the Epidermal Growth Factor Receptor (EGFR/ErbB1/HER1) Kinase Domain
5 分
关键词
摘要
表皮生长因子受体(EGFR)第19号外显子缺失在非小细胞肺癌(NSCLC)的发病机制中起着关键作用,影响患者对酪氨酸激酶抑制剂(TKIs)的反应。尽管已知这些突变会影响治疗效果,但具体的分子机制尚不清楚。基于最近的研究[DOI: 10.1038/s41467-022-34398-z],该研究识别了与不同药物敏感性和临床结果相关的两种不同突变特征,我们的研究深入探讨了驱动这些差异的分子动力学。我们采用分子动力学模拟、增强采样方法和机器学习,根据构象动态将第19号外显子缺失突变分为两种特征。特征1突变在其平衡状态的波动中仅表现出关键亚结构域的局部运动,对ATP具有高亲和力,因此对TKIs具有抗性,而特征2突变由于去局部化运动表现出降低的ATP结合亲和力,其特征是EGFR激酶结构域的N-和C-叶之间的灵活性增加。这种结构灵活性扰乱了ATP结合位点,导致亲和力降低,并对TKIs敏感性增加。我们使用INDUS技术揭示了集体溶剂动态,进一步阐明了长时间尺度溶剂波动与蛋白质构象动态之间的耦合,这可能有助于HDX-MS研究中的观察。我们的自由能分析涵盖了与HDX-MS和配体相互作用相关的时间尺度,提供了对蛋白质和溶剂动态之间关系及其对具有EGFR第19号外显子缺失的NSCLC药物疗效的集体影响的更深入理解。
AI理解论文







这篇论文探讨了EGFR(表皮生长因子受体)Exon-19缺失突变对激酶构象动态的影响,结合了分子动力学(MD)模拟、机器学习、增强采样和氢氘交换质谱(HDX-MS)技术。研究的主要目的是通过这些方法来分析和解释不同EGFR突变体在HDX实验中观察到的差异。
研究背景与动机
EGFR是一个重要的癌症治疗靶点,其突变常与药物敏感性和患者生存率相关。论文中研究的EGFR Exon-19缺失突变体在临床上表现出不同的药物敏感性。通过理解这些突变如何影响蛋白质的构象动态,研究者希望揭示其对药物结合和功能的影响。
方法与技术
-
分子动力学(MD)模拟:研究者使用MD模拟来研究EGFR突变体的动态行为。MD模拟是一种计算机模拟技术,用于研究分子系统的物理运动,通过模拟原子和分子随时间的运动来预测其行为。
-
氢氘交换质谱(HDX-MS):HDX-MS是一种用于研究蛋白质动态和构象变化的实验技术。通过测量蛋白质中氢原子被氘取代的速率,可以推断出蛋白质的动态信息。
-
机器学习与SHAP值:研究者使用机器学习模型来分析MD模拟数据,并使用SHAP(Shapley Additive exPlanations)值来量化氢键占有率和溶剂可及性对HDX实验结果的贡献。SHAP值是一种解释机器学习模型输出的方法,能够量化每个特征对预测结果的贡献。
-
增强采样与INDUS方法:为了更好地理解溶剂密度波动对蛋白质动态的影响,研究者使用了INDUS(间接伞采样)方法。这是一种增强采样技术,用于量化溶剂分子侵入蛋白质探测体积的热力学景观。
研究结果与发现
-
氢键与溶剂可及性:研究发现,虽然氢键占有率是预测HDX的主要指标,但结合溶剂可及性可以提高HDX值的预测准确性。这表明溶剂可及性与蛋白质构象动态中的长时间尺度运动耦合,可能在交换动力学中发挥作用。
-
溶剂密度波动:通过INDUS方法,研究者发现D747-753InsS系统的溶剂分子侵入探测体积的自由能障碍最低,这与蛋白质构象灵活性耦合。这一发现解释了某些突变体在HDX实验中表现出的异常交换率。
-
构象动态与药物结合:研究表明,构象动态的差异可能导致ATP结合亲和力的变化。Profile 1(耐药)变体的运动主要局限于核苷酸结合P-loop、αC螺旋和激活环,而Profile 2(敏感)变体的运动则扩展到N-和C-叶区域。这种动态差异可能影响ATP的结合,从而影响药物敏感性。
结论与贡献
论文通过整合MD模拟、机器学习、增强采样和HDX-MS技术,深入分析了EGFR Exon-19缺失突变对激酶构象动态的影响。研究揭示了溶剂可及性与长时间尺度构象波动的耦合在蛋白质交换动力学中的重要性,并提出了一种结合物理和数据科学工具的方法来提高HDX结果的可解释性。这种方法不仅有助于理解分子水平的氢交换机制,还可能在解释癌症患者中不同突变体的药物敏感性和生存率方面发挥关键作用。
Chat Paper
当前问答基于全文