БИОХИМИЯ, 2020, том 85, вып. 4, с. 578–586
УДК 578.282;57.012.7; 577.359; 616.921.5
Структурная организация и динамические характеристики участка связывания ингибиторов конформационной перестройки гемагглютинина вируса гриппа H3N2 и H7N9*
1 Московский государственный университет им. М.В. Ломоносова, факультет биоинженерии и биоинформатики, 119991 Москва, Россия; электронная почта: david.podshivalov@belozersky.msu.ru, vytas@belozersky.msu.ru
2 НИИ физико-химической биологии им. А.Н. Белозерского, Московский государственный университет им. М.В. Ломоносова, 119991 Москва, Россия
Поступила в редакцию 04.02.2020
После доработки 02.03.2020
Принята к публикации 02.03.2020
DOI: 10.31857/S0320972520040107
КЛЮЧЕВЫЕ СЛОВА: гемагглютинин, вирус гриппа, молекулярная динамика, метадинамика.
Аннотация
Для исследования структурной организации и динамических характеристик участка связывания ингибиторов конформационной перестройки белка разработаны компьютерные модели гемагглютинина вирусов гриппа H3N2 и H7N9. Использование метадинамики позволило составить карту свободной энергии данных участков и установить объемы их наиболее энергетически выгодных состояний. При молекулярном моделировании взаимодействия умифеновира (арбидола) с гемагглютинином показано, что для связывания лиганда необходимо увеличение объема и деформация энергетически наиболее выгодного состояния участка связывания ингибиторов конформационной перестройки. Идентифицированы аминокислотные остатки, непосредственно участвующие в связывании ингибитора и определяющие эффективность взаимодействия, а также динамическое поведение участка связывания ингибиторов конформационной перестройки гемагглютинина. Выявленные свойства и особенности структурной организации участка связывания ингибиторов конформационной перестройки гемагглютинина вируса гриппа необходимо учитывать при поиске новых противовирусных препаратов, способных модулировать его функциональные свойства.
Текст статьи
Сноски
* Первоначально английский вариант рукописи опубликован на сайте «Biochemistry» (Moscow) http://protein.bio.msu.ru/biokhimiya, в рубрике «Papers in Press», BM20-031, 01.04.2020.
** Адресат для корреспонденции.
Финансирование
Исследование выполнено при финансовой поддержке РФФИ (проект 18-315-00390).
Благодарности
Исследование выполнено с использованием оборудования Центра коллективного пользования сверхвысокопроизводительными вычислительными ресурсами МГУ им. М.В. Ломоносова [21].
Конфликт интересов
Авторы заявляют об отсутствии конфликта интересов.
Соблюдение этических норм
Настоящая статья не содержит исследований с участием людей или использованием животных в качестве объектов.
Список литературы
1. Skehel, J. J., and Wiley, D. C. (2000) Receptor binding and membrane fusion in virus entry: the influenza hemagglutinin, Ann. Rev. Biochem., 69, 531-569, doi: 10.1146/annurev.biochem.69.1.531.
2. Hensley, S. E. (2014) Challenges of selecting seasonal influenza vaccine strains for humans with diverse pre-exposure histories, Curr. Opin. Virology, 8, 85-89, doi: 10.1016/j.coviro.2014.07.007.
3. Hensley, S. E., Das, S. R., Bailey, A. L., Schmidt, L. M., Hickman, H. D., Jayaraman, A., Viswanathan, K., Raman, R., Sasisekharan, R., Bennink, J. R., and Yewdell, J. W. (2009) Hemagglutinin receptor binding avidity drives influenza A virus antigenic drift, Science, 326, 734-736, doi: 10.1126/science.1178258.
4. Heider, A., Mochalova, L., Harder, T., Tuzikov, A., Bovin, N., Wolff, T., Matrosovich, M., and Schweiger, B. (2015) Alterations in hemagglutinin receptor-binding specificity Accompany the emergence of highly pathogenic avian influenza viruses, J. Virology, 89, 5395-5405, doi: 10.1128/JVI.03304-14.
5. Tharakaraman, K., Raman, R., Viswanathan, K., Stebbins, N. W., Jayaraman, A., Krishnan, A., Sasisekharan, V., and Sasisekharan, R. (2013) Structural determinants for naturally evolving H5N1 hemagglutinin to switch its receptor specificity, Cell, 153, 1475-1485, doi: 10.1016/j.cell.2013.05.035.
6. Львов Д. К., Богданова В. С., Кириллов И. М., Щелканов М. Ю., Бурцева Е. И., Бовин Н. В., Федякина И. Т., Прилипов А.Г., Альховский С. В., Самохвалов Е. И., Прошина Е. С., Кириллова Е. С., Сыроешкин А. В. (2019) Эволюция пандемического вируса гриппа A(H1N1)pdm09 в 2009-2016 гг.: динамика рецепторной специфичности первой субъединицы гемагглютинина (HA1), Вопросы вирусологии, 64, 63-72, doi: 10.18821/0507-4088-2019-64-2-63-72.
7. Russell, R. J., Kerry, P. S., Stevens, D. J., Steinhauer, D. A., Martin, S. R., Gamblin, S. J., and Skehel, J. J. (2008) Structure of influenza hemagglutinin in complex with an inhibitor of membrane fusion, Proc. Natl. Acad. Sci. USA, 105, 17736-17741, doi: 10.1073/pnas.0807142105.
8. Kadam, R. U., and Wilson, I. A. (2018) A small-molecule fragment that emulates binding of receptor and broadly neutralizing antibodies to influenza A hemagglutinin, Proc. Natl. Acad. Sci. USA, 115, 4240-4245, doi: 10.1073/pnas.1801999115.
9. Kadam, R. U., and Wilson, I. A. (2017) Structural basis of influenza virus fusion inhibition by the antiviral drug Arbidol, Proc. Natl. Acad. Sci. USA, 114, 206-214, doi: 10.1073/pnas.1617020114.
10. Han, N., Mu, Y., Miao, H., Yang, Y., Wu, Q., Li, J., Ding, J., Xu, B., and Huang, Z. (2016) The 340-cavity in neuraminidase provides new opportunities for influenza drug development: A molecular dynamics simulation study, Biochem. Biophys. Res. Commun., 470, 130-136, doi: 10.1016/j.bbrc.2016.01.007.
11. Maier, J. A., Martinez, C., Kasavajhala, K., Wickstrom, L., Hauser, K. E., and Simmerling, C. (2015) ff14SB: improving the accuracy of protein side chain and backbone parameters from ff99SB, J. Chem. Theory Comput., 11, 3696-3713, doi: 10.1021/acs.jctc.5b00255.
12. Case, D. A., Babin, V., Berryman, J., Betz, R. M., Cai, Q., Cerutti, D. S., Cheatham III, T. E., Darden, T. A., et al. (2014) Amber 14, University of California, San Francisco.
13. Barducci, A., Bonomi, M., and Parrinello, M. (2011) Metadynamics, WIREs Comput. Mol. Sci., 1, 826-843, doi: 10.1002/wcms.31.
14. Tribello, G. A., Bonomi, M., Branduardi, D., Camilloni, C., and Bussi, G. (2014) PLUMED 2: new feathers for an old bird, Com. Phys. Commun., 185, 604-613, doi: 10.1016/j.cpc.2013.09.018.
15. Sanner, M. (1999) Python: a programming language for software integration and development, J. Mol. Graph. Model, 17, 57-61.
16. Morris, G. M., Huey, R., Lindstrom, W., Sanner, M. F., Belew, R. K., Goodsell, D. S. and Olson, A. J. (2009) AutoDock4 and autoDocktools4: automated docking with selective receptor flexiblity. J. Comput. Chem., 16, 2785-2791, doi: 10.1002/jcc.21256.
17. Trott, O., and Olson, A. J. (2010) AutoDock Vina: improving the speed and accuracy of docking with a new scoring function, efficient optimization, and multithreading, J. Comput. Chem., 31, 455-461, doi: 10.1002/jcc.21334.
18. Ester, M., Kriegel, H.-P., Sander, J., and Xu, X. (1996) in Proc. Sec. Intern. Conf. Knowl. Discov. Data Min. AAAI Press, Portland, Oregon, pp. 226-231.
19. Durrant, J. D., Votapka, L., Sørensen, J., and Amaro, R. E. (2014) POVME 2.0: an enhanced tool for determining pocket shape and volume characteristics, J. Chem. Theory Comput., 10, 5047-5056, doi: 10.1021/ct500381c.
20. Humphrey, W., Dalke, A., and Schulten, K. (1996) VMD: visual molecular dynamics, J. Mol. Graph. Model., 14, 33-38, doi: 10.1016/0263-7855(96)00018-5.
21. Sadovnichy, V., Tikhonravov, A., Voevodin, V., and Opanasenko, V. (2013) “Lomonosov”: supercomputing at Moscow State University, in Contem. High Perform. Comp., Boca Raton, USA, pp. 283-307, doi: 10.1201/9781351104005-11.