Concepts to Interfere with Protein-Protein Complex Formations: Data Analysis, Structural Evidence and Strategies for Finding Small Molecule Modulators

(1) Analyzing protein-protein interactions at the atomic level is critical for our understanding of the principles governing the interactions involved in protein-protein recognition. For this purpose descriptors explaining the nature of different protein-protein complexes are desirable. In this work...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
1. Verfasser: Block, Peter
Beteiligte: Klebe, Gerhard (Prof. Dr.) (BetreuerIn (Doktorarbeit))
Format: Dissertation
Sprache:Englisch
Veröffentlicht: Philipps-Universität Marburg 2005
Pharmazeutische Chemie
Schlagworte:
Online Zugang:PDF-Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Inhaltsangabe: Diese Arbeit beschreibt eine Klassifizierung von Protein-Protein Komplexen mit Algorithmen aus dem Bereich des Maschinellen Lernens (ML). Es wird die Vorhersagequalität von vier verschiedenen ML Algorithmen verglichen: Support Vector Maschinen, C4.5 Entscheidungsbäume, K-Nächste-Nachbarn und Naïve Bayes. In Kombination mit so genannten Feature-Selektionsverfahren konnte ein Datensatz von 345 Protein-Protein Komplexen (147 permanente und 198 transiente Komplexe) in einer „Leave-One-Out Cross-Validierung“ zu 93,6% richtig vorhergesagt werden. Des Weiteren wurde eine Klassifizierung von Protein-Protein Kristallkontakten gegenüber funktionellen Protein-Protein Komplexen durchgeführt. Ein Datensatz von 172 Protein-Protein Komplexen (76 funktionelle Komplexe gegenüber 96 Kristallkontakten) konnte zu 94,8% richtig klassifiziert werden. Mit Hilfe der Auswertung und Optimierung anhand Genetischer Algorithmen ließ sich ein Verfahren entwickeln, das es ermöglicht, eine quantitative Aussage über die Relevanz einzelner Deskriptoren zu treffen. Dazu werden alle so genannten Individuen des Genetischen Algorithmus evaluiert und die relative Häufigkeit der einzelnen Deskriptoren ins Verhältnis zur der Vorhersagerate gesetzt. Durch diese Analyse konnte gezeigt werden, dass beispielsweise das Verhältnis von hydrophober zu hydrophiler Oberfläche zwischen den Protein-Protein Komplexen eine für die Diskriminierung entscheidende Rolle spielt. Der zweite Teil dieser Arbeit konzentriert sich auf die Suche und das Design von Stabilisatoren für Protein-Protein Interaktionen. Obwohl ein Großteil der heute eingesetzten Arzneistoffe allosterisch fungierende Effektoren bzw. Agonisten oder Antagonisten unterschiedlichster Rezeptoren sind, ist die funktionelle Regulierung biologischer Systeme prinzipiell auch durch die Modulierung von Protein-Protein Interaktionen möglich. Das ehrgeizige Ziel kleine, arzneistoffähnliche Moleküle zu entwerfen, die in der Lage sind Protein-Protein Interaktionen zu inhibieren, führte allerdings bis heute nur in Einzelfällen zu Erfolg. Eine Modulierung von Protein-Protein Interaktionen muss allerdings nicht zwangsläufig durch eine kompetitive Inhibierung erfolgen. Mittels einer gezielten Stabilisierung, bei der kleine Moleküle im Randbereich der Proteinkontaktfläche eines Protein-Protein Komplexes binden, kann man ebenfalls die gewünschte Modulierung erzielen. Dieses Phänomen wird eindrucksvoll durch die Bindung von Fusicoccin, das die Interaktion zwischen einer pflanzlichen H+-ATPase und einem 14-3-3 Protein um nahezu den Faktor 100 verstärkt, beschrieben. Auf der Suche nach niedermolekularen Verbindungen, die ebenso wie Fusicoccin den Protein-Protein Komplex stabilisieren, wurden Datenbanken mit ca. 2 Millionen käuflich erwerbbaren Molekülen durchmustert, deren Anzahl ich durch verschiedene Filterschritte reduzieren ließ. Mit verschiedenen Dockingprogrammen wurden über 160.000 Kandidatenmoleküle in die Bindetasche des H+-ATPase/14-3-3-Komplexes eingepasst. Die zahlreichen generierten Dockingposen wurden anhand geeigneter Pharmakophorfilter selektiert. Dazu ließen sich Methoden entwickeln, die effizient mit großen Datenmengen umgehen können. Diejenigen Moleküle mit pharmakophorerfüllenden Eigenschaften und Geometrien wurden anschließend mit verschiedenen Bewertungsfunktionen evaluiert. Für einen intuitiven Einblick in die Beiträge einzelner Atome des Liganden zu dessen Gesamtbewertung, wurde eine etablierte Bewertungsfunktion in ihrer Funktionalität erweitert. Des Weiteren konnte an einem Datensatz mit 198 Protein-Protein Komplexen gezeigt, dass nahezu alle der untersuchten Komplexe taschenförmige Vertiefungen im Randbereich ihrer Kontaktfläche aufweisen. Eine nähere Betrachtung der Taschen zeigt, dass einige eine ähnliche Gestalt zu Bindetaschen in globulären Proteinen aufweisen, die bekanntermaßen kleine Moleküle binden. Diese Erkenntnis lässt vermuten, dass auch Bindetaschen im Randbereich von Protein-Protein Komplexen ein vielversprechendes Target für die Bindung kleiner Moleküle darstellen. Eine Modulierung von Protein-Protein Interaktionen im Sinne einer Stabilisierung durch niedermolekulare Verbindungen erscheint somit als interessante Alternative zur Inhibierung solcher Interaktionen. Ein weiterer Teil dieser Arbeit entstand im Verlaufe eines Projektes zur Entwicklung einer verbesserten Bewertungsfunktion in silico generierter Dockingposen, wie sie bei der Auswahl möglicher Liganden zum Binden in die Fusicoccin Bindetasche des H+-ATPase/14-3-3-Komplexes eingesetzt wurden. Für die Entwicklung empirischer Bewertungsfunktionen, bei denen vorhergesagte gegenüber gemessenen Affinitäten regressionsbasiert korreliert werden, sind große und diverse Datensätze von Protein-Ligand Kristallkomplexen und deren ermittelter Affinität essentiell. In diesem Zusammenhang konnte die webbasierte Datenbank AffinDB entwickelt werden. AffinDB ist im Internet unter http://www.agklebe.de/affinity frei verfügbar.