Alternate-conformer incompatibility as the dominant bottleneck in no-repair receptor preparation: a frozen compatibility audit of 30 public PDB structures
本研究は、完全自動化された無修復の受容体調製プロトコルが、主に未解決の代替コンフォーマーに起因して高解像度PDB構造の70%において失敗することを示しており、そのような構造的な曖昧さが、リファレンスポーズ・ドッキング研究のための適合する受容体を生成する上での主要なボトルネックであることを明らかにしている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
創薬の世界において、科学者たちはしばしば、体内のタンパク質標的にどのように小さな薬分子が結合するかを推測するために、デジタルシミュレーションに頼ります。分子ドッキングとして知られるこのプロセスは、まるで鍵穴を一度も実物で見ることなく、正しい鍵を見つけようとする試みに似ています。コンピュータプログラムが正しく機能しているかどうかをテストするために、研究者たちは通常、「リドッキング」実験を行います。彼らは、実際の実験室での実験から適合することが既に分かっているタンパク質と薬を取り出し、コンピュータ上でそれらを分離させ、その後、ソフトウェアにそれらを再び結合させるよう命じます。もしプログラムが元の適合状態を再現することに成功すれば、科学者たちはそのプログラムを使って新しい薬を見つけることに自信を持つことができます。しかし、ソフトウェアがパーツを組み立てようとする前に、極めて重要でありながら、しばしば目に見えないステップが完了していなければなりません。それは、タンパク質の構造を「準備（プレパレーション）」することです。結晶実験から得られる生のデータは、決して完璧ではありません。そこには欠損した原子や、曖昧な形状、あるいはコンピュータが対処方法を知らない余分なパーツが含まれていることがよくあります。伝統的に、研究者たちは手作業でこれらの問題を修正したり、ソフトウェアに推測させたりすることで、密かにこれらの問題を解決してきました。そして、修正するにはあまりにも壊れすぎている構造は破棄してきました。これは、研究の成功が、出発材料がいかにうまく洗浄されたかに依存していることを意味しますが、このステップが報告されたり疑問視されたりすることは滅多にありません。
ソノラ州立大学およびソノラ大学の研究者による最近の研究は、この混沌とした中間ステップを無視することをやめることにしました。彼らは、壊れたパーツを修理したり最善の推測を選んだりする代わりに、公開データベースにある30種類の異なるタンパク質構造に対して、厳格なルールを適用しました。それは、「何も修理しない」というルールです。彼らは、これらの構造をドッキングのために準備するための特定のコンピュータツールを使用しましたが、曖昧な部分について判断を下すことは拒否しました。もしツールが、データの中に2つの異なる形状が記録されているタンパク質の側鎖に遭遇した場合、ツールはその一つを選ぶことを許されませんでした。ツールは停止し、問題を報告しなければなりませんでした。研究者たちは、これらの高品質な構造のうち、どれが人間の介入なしに実際に使用可能な状態にあるのか、そして、この厳格なテストを生き残ったわずかな構造に対して薬をドッキングしようとしたときに何が起こるのかを知りたいと考えました。
結果は、目の前に隠れていた驚くべきボトルネックを明らかにしました。選択された30の構造のうち、自動化システムによって処理することさえできたのは23構造だけでした。これら23回の試行のうち、成功したのはわずか7回でした。これは、実際のドッキングが始まる前に、試行の約70%が失敗したことを意味します。研究者たちは、これらの失敗のほとんど、約94%が同じ特定の問題、すなわち「別個のコンフォーマー（alternate conformers）」として知られる、原子が2つの異なる位置を持っていることによって引き起こされていることを発見しました。これらのタンパク質の高解像度画像において、結晶学者たちは、タンパク質の特定の部位が揺れ動いている、あるいは同時に2つの形状で存在しているという事実を捉えていました。研究者たちの厳格な方針により、ソフトウェアがどちらの形状を使用するかを選択することが禁じられていたため、ソフトウェアは単にその構造を拒絶したのです。この発見は、分野における一般的な仮定に異議を唱えるものです。つまり、「高解像度は通常、より明確で優れた画像であることを意味するため、使いやすい構造を保証する」という仮定です。実際、この研究では、最も詳細が明瞭な構造、すなわち解像度が最も高い構造こそが、ソフトウェアが自力で解決できないこれらの二重の形状をより多く明らかにしてしまうため、失敗する可能性が最も高いことが分かりました。
この厳格な準備フィルターを通過した7つの構造について、研究者たちは実際のドッキング実験へと進みました。彼らは、既知のプログラムを使用して、薬分子を元の場所に適合させようと試みました。ここでの結果は入り混じっており、準備ステップを通過したことが必ずしも完璧な結果を保証するわけではないことを示しています。適合性が測定できた6例のうち5例では、コンピュータは正しい位置を見つけ出し、薬を元々あった場所から2オングストローム以内の距離に配置することに成功しました。しかし、1つのケースでは完全に失敗し、タンパク質構造が完璧に準備されていたにもかかわらず、薬は真の位置から遠い場所に着地しました。また別のケースでは、出力が技術的に欠陥があったため、適合性を測定することすらできませんでした。研究者たちはまた、ドッキングの成功は、特定の金属イオンやコファクター（補因子）が準備中に保持されているかどうかといった、タンパク質の具体的な化学的詳細に大きく依存することも指摘しました。
この研究は、科学的な結果の質が、しばしばメインイベントの前に行われるステップによって決定されるということを、静かではあるが強力に思い出させるものです。通常の修理や推測を行うことを拒否することで、研究者たちは、彼らのワークフローにおける隠れた不適合性を露呈させました。彼らは、研究者が依存している構造の大部分が、実際には人間の判断なしには自動解析の準備ができていないことを示しました。この研究は、ソフトウェアが壊れていると主張しているのではなく、むしろ、これらの構造を扱う現在の方法が一貫性を欠いていると主張しています。もし研究者が、人間の助けなしに何千ものタンパク質を処理できる真に自動化されたシステムを構築したいのであれば、データを単に破棄するのではなく、これらの二重の形状を持つ原子をどのように扱うかという問題をまず解決しなければなりません。これが解決されるまで、ドッキング研究の成功は、薬発見アルゴリズムの精巧さよりも、出発点のタンパク質が準備ステップを生き残るのに十分なほど単純であったかという「運」に左右されることになるでしょう。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。