← 最新论文
🧬 生物学

Dynamic Network Context Predicts Mutation-Induced Reshaping of Protein Conformational Free-Energy Landscapes

本研究引入了 ICed-ENM 框架,该框架利用结构衍生的动态敏感性评分,成功预测了错义突变如何重塑蛋白质构象图谱,并区分了活性选择性与丰度相关性的功能丧失。

原作者: Laura Orellana, Byung Ho Lee, Domenico Scaramozzino, Serena Piticchio

发布于 2026-11-05
📖 1 分钟阅读☕ 轻松阅读

原作者: Laura Orellana, Byung Ho Lee, Domenico Scaramozzino, Serena Piticchio

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明

蛋白质是生命的劳模,它们是微小的分子机器,通过折叠成特定的形状来执行任务,如构建细胞、对抗感染或传递信号。对于蛋白质而言,要发挥作用,不仅需要拥有正确的形状,还需要具备正确的灵活性。请不要将蛋白质想象成一座僵硬的雕像,而应将其视为一个活生生的结构,它不断地抖动、呼吸并在不同的姿态之间切换。这些运动是至关重要的;它们让蛋白质能够像铰链一样开启和关闭,抓取其他分子,或者改变其形态以完成工作。当蛋白质链中的一个被称为氨基酸的构建单元被另一个替换时,可能会破坏这些精细的运动。有时这种替换是无害的,但有时它会使机器“卡住”,导致其功能失常,从而引发从癌症到神经退行性疾病等各种疾病。

长期以来,科学家面临的一个挑战是预测哪些替换会带来麻烦。传统方法通常观察蛋白质的静态形状,就像看一张照片一样,以此来猜测可能出现的问题。然而,单张快照无法捕捉到定义蛋白质实际运作方式的动态舞蹈。虽然强大的计算机模拟可以追踪这些运动,但对于每一个可能的突变,运行模拟的速度都极其缓慢且成本高昂。研究人员需要一种更快速的方法,来观察一个位置的变化是如何波及整个结构,从而改变蛋白质的内部节奏并可能破坏其功能的。

瑞典卡罗林斯卡学院的一组研究人员开发出一种新方法来解决这个问题。他们创建了一个计算框架,将蛋白质视为一个由连接点组成的网络,类似于一个具有弹性的网格,但加入了一项关键的改进:该模型不仅观察点在空间中的距离,还考虑了将蛋白质维系在一起的特定角度和化学键,从而保留了分子的真实几何结构。通过分析这个网络的振动方式,该团队可以计算出一次氨基酸替换会对蛋白质的自然运动造成多大的扰动。他们将这种扰动称为“振动熵”的变化,即衡量蛋白质灵活性改变程度的一个指标。

研究人员通过模拟不同蛋白质中的数千种突变来测试他们的这种方法。他们发现,该模型能够识别出“热点”——即那些发生变化极易导致蛋白质运动发生重大扰动的特定位置。为了验证这一点,他们从三种不同的蛋白质中选取了一些高风险位点和一些低风险位点,并运行了详细的高速计算机模拟以观察实际情况。结果非常明确:当他们在模型识别出的高风险位点进行氨基酸替换时,蛋白质的运动模式发生了显著变化。蛋白质探索了不同的形状,并在其正常的运动平衡中发生了偏移,而低风险的替换则没有表现出这种现象。在某些情况下,这些突变导致蛋白质采样了许多远离其正常工作位置的新形状,实际上重塑了其可能运动的景观。

除了识别哪些突变可能导致问题外,团队还研究了这些扰动背后的模式。他们发现,突变的影响在很大程度上取决于所涉及氨基酸的物理特性。将一个小型的氨基酸替换为非常大的氨基酸,或者将带电的部分改为中性部分,更有可能引起重大扰动。有趣的是,模型显示这些破坏性的变化并不局限于蛋白质紧密堆积的核心区域。许多最敏感的位点实际上位于蛋白质表面较松散、较灵活的环状结构(loops)上,这表明即使是看起来不重要的区域,也可能对蛋白质的整体节奏至关重要。

为了观察这种动态敏感性在现实世界的疾病背景下是否具有意义,研究人员将该方法应用于 PTEN 蛋白,这是一种起着肿瘤抑制剂作用的蛋白质。他们将自己的预测结果与一组已经在实验室中经过测试的大规模人类突变数据集进行了对比。其目标是区分两种失效类型:一种是使蛋白质消失(减少其丰度)的突变,另一种是使蛋白质虽然存在但停止工作(降低其活性)的突变。这种区分至关重要,因为药物可能能够修复其中一种问题,却无法解决另一种。研究人员发现,他们的模型在识别那些导致蛋白质在细胞内保持存在但失去功能(即“坏了但还在”)的突变方面表现得异常出色。它的表现优于其他关注稳定性或一般疾病风险的现有方法,成功地将“功能受损但仍存在”的突变与那些仅仅导致蛋白质消失的突变区分开来。

这项研究表明,蛋白质的运动方式是决定遗传突变是否会导致疾病的关键因素。通过关注蛋白质的动态网络而非仅仅是其静态形状,这一新框架提供了一种更快、更准确的方法来预测遗传变化的影响。虽然该模型尚不完美,且目前还无法预测每一种结果,但它提供了一个强大的工具,用于优先筛选值得进一步研究的突变。它将关注点从仅仅询问蛋白质是否稳定,转向询问它是否仍能以所需的方式运动,从而为观察遗传性疾病的机械性原因提供了一个更清晰的窗口。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →