《Journal of Chemical Theory and Computation》:Multiphoton Absorption Spectra of Channelrhodopsin-2 via Multiscale Simulation Methods
编辑推荐:
通道视紫红质-2(ChR2)是一种光门控离子通道,广泛应用于光遗传学(optogenetics),该技术通过将光敏蛋白基因工程化到细胞膜中,实现对神经元活动的精确控制。该蛋白以二聚体形式存在,每个单体含有一个共价结合的视黄醛席夫碱(RSB)基团,在光吸收后发生
通道视紫红质-2(ChR2)是一种光门控离子通道,广泛应用于光遗传学(optogenetics),该技术通过将光敏蛋白基因工程化到细胞膜中,实现对神经元活动的精确控制。该蛋白以二聚体形式存在,每个单体含有一个共价结合的视黄醛席夫碱(RSB)基团,在光吸收后发生反式-顺式异构化。然而,可见光在生物组织中的穿透深度有限,这促使研究人员使用多光子吸收(multiphoton absorption)技术,该技术增强了组织穿透性,改善了聚焦性,并降低了光毒性,从而为光遗传学应用提供了一种有前景的替代方案。在本文中,研究人员提出了一种全原子多尺度方法,用于计算ChR2的单光子、双光子和三光子吸收光谱,其中蛋白质、脂质双层和溶剂在整个工作流程中被显式考虑。该方法整合了经典分子力学(MM)分子动力学(MD)、量子力学/分子力学(QM/MM)-MD和基于碎片的极化嵌入(PE)方法,以从显式的蛋白质-脂质-溶剂环境中导出环境特定的PE势。该方法的最后一步是利用这些势通过PE-时间依赖密度泛函理论(PE-TD-DFT)计算精确的光谱。与实验单光子吸收光谱的验证显示出极好的一致性。研究人员首次报告了ChR2的理论双光子和三光子吸收,尽管没有直接的实验比较。研究人员比较了分别使用经典MD和QM/MM-MD采样两个RSB基团的多光子吸收(MPA)光谱。所得的光谱差异归因于关键结构参数的变化,研究人员对这些参数进行了分析和记录。
光遗传学(optogenetics)技术通过将光敏蛋白(如通道视紫红质-2,ChR2)基因工程化到细胞膜中,实现了对神经元活动的精确控制,但在体应用中,可见光在生物组织中的散射限制了穿透深度。多光子吸收(MPA)技术利用多个低能光子激发,可增强组织穿透性、改善聚焦性并降低光毒性,然而MPA截面的实验测定受蛋白质浓度不确定性和非线性光学干扰等因素制约,因此需要可靠的计算方法。此前,ChR2的多光子吸收(MPA)过程尚无原子尺度的计算研究。为此,研究人员提出了一种全原子多尺度方法,整合经典分子力学(MM)分子动力学(MD)、量子力学/分子力学(QM/MM)-MD和基于碎片的极化嵌入(PE)方法,通过PE-时间依赖密度泛函理论(PE-TD-DFT)计算单光子(OPA)、双光子(TPA)和三光子(3PA)吸收光谱。该方法在整个工作流程中显式考虑了蛋白质、脂质双层和溶剂环境。验证结果显示,QM采样基团的OPA吸收最大值与实验吻合良好(偏差0.17 eV),而MM采样基团则显著蓝移。研究人员首次报告了ChR2的理论TPA和3PA光谱,并将光谱差异归因于键长交替(BLA)和平面性等结构参数的变化。该研究为光遗传学工具的优化提供了理论基础,论文发表在《Journal of Chemical Theory and Computation》。
关键技术方法方面,研究人员使用了以下主要步骤:①系统准备(基于PDB ID:6EID的野生型ChR2二聚体晶体结构,嵌入POPC脂质双层,溶剂化并加入0.15 M NaCl);②MM-MD平衡与生产(CHARMM36力场,GROMACS 2019.4);③QM/MM-MD构象采样(MiMiC框架,CPMD 4.3处理QM子系统(RSB),GROMACS处理MM子系统,BLYP-D3泛函);④基于碎片的极化嵌入(PE)势生成(包括两种方案:mfcc——使用分子碎片化与共轭帽(MFCC)方法对蛋白质进行碎片化,并基于CAM-B3LYP/loprop-6-31+G*计算多极和极化率;cp3——使用成本有效的可极化蛋白质势(CP3)平均参数描述蛋白质,并用ALEP和SEP分别描述脂质和溶剂);⑤PE-TD-DFT计算MPA光谱(Dalton程序,CAM-B3LYP泛函,aug-pcseg-1基组,考虑电子溢出效应并使用赝势(PPs)抑制)。所有MM-MD和QM/MM-MD采样均来自同一系统,无额外样本队列。
研究结果部分:
4.1 QM/MM-MD
通过基准测试,研究人员确定了QM/MM-MD中静电QM-MM相互作用的最佳参数:短程截断(SR)为65 a.u.,多极阶(MO)为8,平面波截断能(E
cut)为100 Ry。在此设置下,总能量和最大笛卡尔力分量的误差均在可接受范围内。随后进行了5 ps平衡和45 ps生产模拟(采用四个Nosé-Hoover热浴),平均每天可模拟5.32 ps(75节点,8 MPI进程/节点,5 OpenMP线程/进程)。该模拟生成了用于后续光谱计算的构象系综。
4.2 基于碎片的极化嵌入
研究人员评估了两种近似以降低PE计算成本:快速多极法(FMM,取θ=0.5, p=5)和QM/MM相互作用近似(选用ESPF方案,p=0, Rexact=10 a.u.),这些近似使TPA计算时间从4.6 h降至3.3 h,而激发能和截面的变化极小。通过比较mfcc和cp3两种嵌入势方案,研究人员发现cp3结合aug-pcseg-1基组在精度与成本间取得了最佳平衡(与aug-pcseg-2基组的偏差<0.03 eV)。进一步分析表明,在QM区域周围6 ?内的MM原子上放置赝势(PPs)对cp3方案影响较小(激发能变化<0.07 eV),但对mfcc方案影响显著(激发能变化高达1.6 eV),因此所有生产计算均使用了PPs。
4.3 光谱
基于QM/MM-MD轨迹的TPA截面自相关函数分析,研究人员确定每200 fs采样可获得统计不相关构象,并选用N=200个快照进行光谱计算。采用cp3嵌入势和aug-pcseg-1基组,研究人员计算了QM采样基团(LYR-472)和MM采样基团(LYR-225)的OPA、TPA和3PA光谱。OPA结果显示,QM采样基团的第一激发态能量为2.81 eV,与实验值(2.64 eV)偏差仅0.17 eV;而MM采样基团的第一激发态能量为3.66 eV,偏差达1.02 eV。TPA光谱中,QM采样基团第一激发态峰位于1.45 eV(强度132.91 GM),第二激发态位于2.22 eV(强度1825.42 GM);MM采样基团相应峰位于1.83 eV和2.56 eV(强度123.69 GM和2106.47 GM)。3PA光谱主要对应第二激发态,峰值为1.51 eV。与环境无关的计算相比,环境效应显著改变光谱线型和强度,但峰值位置变化较小(OPA差异<0.62 eV)。
4.4 结构参数
为了解释光谱差异,研究人员分析了QM和MM采样基团的键长交替(BLA)和平面性(P)。BLA定义为单双键长度差值的平均值,平面性P通过对二面角偏离90°的程度求和得到(范围0-10,值越大越平面)。QM采样基团的BLA较低(约0.08 ?),平面性较高(约8.7);MM采样基团的BLA较高(约0.12 ?),平面性较低(约7.5)。具体而言,平面性差异主要由σ
1和σ
2键周围的二面角引起。相关性分析表明,较低的BLA和较高的平面性(即更高的共轭程度)与更低的第一激发能呈正相关,这解释了QM采样基团在OPA和TPA中的红移现象。
总结讨论部分,研究人员指出所提出的全原子多尺度方法可扩展至其他光敏膜蛋白系统。QM/MM-MD采样相较于经典MM-MD显著改善了光谱精度,QM采样基团的OPA与实验高度吻合。环境效应(PE描述)对光谱至关重要,忽略环境会导致显著偏差。该工作首次提供了ChR2的理论TPA和3PA光谱,并将光谱差异归因于BLA和平面性等关键结构参数。研究结论翻译如下:本文提出了一种全原子多尺度方法,用于生成ChR2的MPA光谱,该方法可轻松扩展到其他光敏膜蛋白系统(如其他视蛋白、视黄醛蛋白、荧光蛋白等)。该方法结合了经典MD与QM/MM-MD采样,随后基于碎片化PE-TD-DFT计算,使用描述蛋白质-脂质-溶剂环境的嵌入势获得精确光谱。整个跨膜蛋白系统(包括脂质双层、水和离子)在工作流程中均被显式考虑。该研究的关键在于使用QM/MM-MD扩展了超越经典MM-MD的构象采样。研究人员确定了快照的最佳间距,以确保光谱性质的不相关性。在QM/MM-MD中,两个RSB基团分别由QM和MM描述,从而可以分析MM与QM/MM-MD采样对光谱的影响。QM采样基团的OPA吸收最大值与实验非常接近,第一峰误差仅0.17 eV,而MM采样基团则显著蓝移。尽管两个系综采用了相同的PE-TD-DFT工作流程,但光谱差异归因于MM采样基团所用的底层力场。研究人员将QM和MM采样基团之间的光谱差异与结构参数(即BLA和平面性)联系起来。研究表明,QM采样基团中观察到的较低BLA和较高平面性(即更高程度的共轭)与较低的第一电子激发态能量相关,从而解释了QM采样基团相对于MM采样基团的OPA光谱红移。研究人员首次生成了ChR2的理论TPA和3PA光谱,并量化了环境效应相对于不考虑环境的光谱影响。结果显示了环境效应在准确模拟复杂生物分子系统光谱行为中的关键作用。研究人员记录了工作流程每个阶段的方法,并详细介绍了基于碎片的描述环境的近似方法。总之,该论文提出的方法为MPA光谱预测提供了坚实基础,有助于实验上阐明ChR2及工程改造视蛋白变体中的竞争性光循环模型,推动自下而上、结构指导的改进光遗传学工具的开发。从计算角度看,该工作流程的某些步骤(如快照选择、环境碎片化、嵌入参数生成和PE-TD-DFT执行)可进一步通过基于Python的量子-经典互操作平台实现自动化,从而实现针对复杂光敏膜蛋白系统的更高重现性和完全端到端的协议。