Ezgi Karaca Dr. Öğretim Üyesi
ezgi.karaca@ibg.edu.tr

Laboratuvarda tasarlanan ACE2 mutasyonlarının etkisini hesaplamalı olarak tahmin etmek mümkün mü?

Bu rapor; Büşra Savaş, Burcu Özden Yücel, ve Ezgi Karaca* tarafından hazırlanmıştır. Hesaplamalar, tüm Karaca Lab* üyeleri tarafından gerçekleştirilmiştir.
*İzmir Biyotıp ve Genom Merkezi, https://www.ibg.edu.tr/research-programs/groups/karaca-lab/

Anjiyotensin dönüştürücü enzim (ACE2), akciğerler, arterler, kalp ve böbrek gibi önemli organların çoğunda bulunabilen tip I membran proteinidir. ACE2, bir vazodilatör olan anjiyotensini (1-7) oluşturarak kan basıncının düşürülmesinden sorumludur. Günümüzde SARS-CoV-2 virüsünün spesifik reseptörü olarak tanınmıştır. SARS-CoV-2 virüsünün S proteini ile ACE2 enziminin katalitik bölgesinin güçlü etkileşimi hastalığın oluşmasındaki ilk adımıdır (Şekil 1). 

Şekil 1. SARS-2 proteinin reseptör bağlanma bölgesi (RBD) (kırmızı) ACE2 reseptörünün katalitik bölgesini (yeşil) tanır. Bu çalışmada mutasyona uğratılan amino asitler mavi renk ile gösterilmiştir.
Şekil 1. SARS-2 proteinin reseptör bağlanma bölgesi (RBD) (kırmızı) ACE2 reseptörünün katalitik bölgesini (yeşil) tanır. Bu çalışmada mutasyona uğratılan amino asitler mavi renk ile gösterilmiştir.



SARS-CoV-2 virüsü, hem membrana bağlı, hem de serbest haldeki ACE2'ye bağlanabildiğinden, virüsünün S proteini üzerindeki bağlanma bölgesini nötralize edebilecek serbest ACE2 varyasyonlarının kullanımının önemli bir terapötik potansiyel taşımaktadır. Bununla ilgili olarak, yakın tarihli bir BioRxiv raporunda Procko, ACE2 enziminin katalitik bölgesinde yapılan mutasyonların, ACE2-S protein etkileşimlerini nasıl etkilediği araştırmıştır. Biz de bu çalışmadan yola çıkarak S proteini üzerine en çok etki eden mutasyonların üzerinde durduğumuz bir çalışma gerçekleştirdik. Üzerinde çalışılan mutasyonlar Şekil 1 ve 2’de ayrıntılı olarak gösterilmiştir.

Şekil 2. ACE2 üzerinde oluşturulan nokta mutasyonlarının ve kombine mutasyonların ACE2-S proteini bağlanma kuvvetine etkisi (Procko. bioRxiv, 2020).

Şekil 2. ACE2 üzerinde oluşturulan nokta mutasyonlarının ve kombine mutasyonların ACE2-S proteini bağlanma kuvvetine etkisi (Procko. bioRxiv, 2020).

Bu kısa raporda, basit modelleme teknikleri kullanılarak bahsedilen amino asit değişikliklerinin sebep olduğu bağlanma afinite değişiklikleri tahmin edilmeye çalışılmıştır. Bu kapsamda moleküler modelleme platformu olan HADDOCK (Bonvin, J. Mol. Biol, 2016) kullanılmıştır. Seçilen amino asit mutasyonları, ACE2-S proteinine ait kristal yapı (PDB ID: 6M0J) üzerinde, daha önce tanımlanmış bir protokol takip ederek HADDOCK aracılığı ile gerçekleştirilmiştir. En nihayetinde HADDOCK Refinement Interface programı kullanılarak gerçekleştirilen mutasyonlar optimize edilmiştir. Yapılan optimizasyon işlemine ACE2 ve S proteini glikanları dahil edilmemiştir.

Bu çalışmamızda, mutant ACE2-S proteini komplekslerini elde ettikten sonra, elde dilen komplekslerin bağlanma skorlarını hesaplamak için üç genel tanımlayıcı skor kullandık:

(i) HADDOCK skor fonksiyonu (1.0 van der Waals Enerjisi + 0.2 Elektrostatik Enerjisi + 1.0 Çözünme Enerjisi),

(ii) Gömülü Yüzey Alanı (Buried Surface Area (BSA)),

(iii) PRODIGY skoru (PROtein binDIng enerGY prediction (Protein Bağlanma Enerjisi Tahmini). Elde edilen skor sonuçları Tablo 1 ve Şekil 3’te verilmiştir.
 

Tablo 1. HADDOCK skoru, HADDOCK skoru bileşenleri, Gömülü Yüzey Alanı (BSA) ve PRODIGY skoru ile önerilen ACE2 mutasyonlarının incelenmesi. Doğru tahmin edilen skorlar yeşil, yanlış tahmin edilen skorlar kırmızı ve referans skorlar ise siyah ile gösterilmiştir.
Tablo 1. HADDOCK skoru, HADDOCK skoru bileşenleri, Gömülü Yüzey Alanı (BSA) ve PRODIGY skoru ile önerilen ACE2 mutasyonlarının incelenmesi. Doğru tahmin edilen skorlar yeşil, yanlış tahmin edilen skorlar kırmızı ve referans skorlar ise siyah ile gösterilmiştir.


Tablo 1 ve Şekil 3’te gösterildiği üzere, HADDOCK skoru ve onun van der Waals Enerji (vdW) bileşeni, gerçekleştirilen bütün mutasyonları, v1 hariç, bağlanma afinitesini artırdığını tahmin edebilmiştir (Bu sonuca, mutasyonlu yapıların vdW skorlarının, yabanıl yapıya (WT) ait skor sonuçlarından daha düşük bir skora sahip olması ile varıyoruz). Bu sonuç bize, HADDOCK ve vdW skorlarının, önerilen ACE2 mutasyonlarının etkisini %86 başarı oranı ile tahmin edebildiğini göstermektedir. İkinci en iyi belirteç ise %71 başarılı oranı ile Gömülü Alan Yüzey Alanı (BSA) olmuştur. Maalesef, PRODIGY önerilen mutasyonları tahmin etmede iyi bir tanımlayıcı olamamıştır.
Sonuçlar incelendiğinde, van der Waals Enerjisinin mutlak değerini artıran mutasyonların daha iyi bağlanma sağlayan mutasyonlar olarak nitelendirildiği görülmektedir. Bu durum v1 mutasyonunun neden hiçbir tanımlayıcı ile tahmin edilemediğini açıklamaktadır: H34A mutasyonu, etkileşim yüzey alanının küçülmesine sebep olmaktadır ve bu durum basit modelleme teknikleriyle doğru olarak modellenememektedir. Aynı etki v4 kombinasyonunda da görülmektedir; bütün mutasyon kombinasyonları içinde v1 kombinasyonundan sonra en kötü HADDOCK sonucuna sahip olan mutasyon birlikteliği v4’tür. 


Sonuç olarak, bu çalışmamızda, önerilen ACE2 mutasyonlarının ve sebep oldukları etkilerin HADDOCK ile hızlı ve doğru bir şekilde tahmin edilebildiğini göstermiş olduk. Bu çalışma sonuçlarını, SARS-CoV-2 ile savaşmada terapötik gelişmelere katkı sunmasını umuduyla paylaşımı açıyoruz. 

Şekil 3. Kombine mutasyonların HADDOCK ve PRODIGY skor dağılım grafikleri. Referans yapı mavi, doğru tahmin edilen skorlar yeşil ve yanlış tahmin edilen skorlar kırmızı ile gösterilmiştir. T92Q nokta mutasyonu gri ile gösterilmiştir.
Şekil 3. Kombine mutasyonların HADDOCK ve PRODIGY skor dağılım grafikleri. Referans yapı mavi, doğru tahmin edilen skorlar yeşil ve yanlış tahmin edilen skorlar kırmızı ile gösterilmiştir. T92Q nokta mutasyonu gri ile gösterilmiştir.

Mutant kompleks modellerimize ulaşmak için link.
Sorularınız için bizimle ezgi.karaca@ibg.edu.tr adresi üzerinden iletişime geçebilirsiniz.

Referanslar:
•    E. Procko, The sequence of human ACE2 is suboptimal for binding the S spike protein of SARS coronavirus2, bioRxiv 2020.03.16.994236; https://doi.org/10.1101/2020.03.16.99423 
•    G.C.P. van Zundert, J.P.G.L.M. Rodrigues, M. Trellet, C. Schmitz, P.L. Kastritis, E. Karaca, A.S.J. Melquiond, M. van Dijk, S.J. de Vries, A.M.J.J. Bonvin, The HADDOCK2.2 Web Server: User-Friendly Integrative Modeling of Biomolecular Complexes,Journal of Molecular Biology, Volume 428, Issue 4, 2016, Pages 720-725, ISSN 0022-2836, https://doi.org/10.1016/j.jmb.2015.09.014. 
•    Xue LC, Rodrigues JP, Kastritis PL, Bonvin AM, Vangone A. PRODIGY: a web server for predicting the binding affinity of protein-protein complexes. Bioinformatics. 2016;32(23):3676‐3678. doi:10.1093/bioinformatics/btw514 

Bu sayfada paylaşılan bilgiler kişilere aittir. Kurumumuzun görüşünü yansıtmaz.