整合生物物理方法阐明三维GPCR组动态构象

《Nature Structural & Molecular Biology》：Integrative biophysical illumination of the 3D GPCRome dynamics

对G蛋白偶联受体（GPCRs）动力学的认识仍然有限。研究人员提出了一种整合策略，该策略桥接了用于探测蛋白质动力学的计算与实验生物物理方法。为展示其潜力，研究人员开发了GPCRmd-NMR平台，该平台在三维GPCR组（3D GPCRome）层面协同整合了分子动力学（MD）模拟与高分辨率核磁共振（NMR）波谱。通过将该策略应用于多种GPCRs，所得数据集实现了结构分辨分析。研究人员提供了对未被充分探索的功能性GPCR动力学、受体状态及位点的访问，包括微开关、隐秘配体进入通道和固有无序区域。该整合框架为实验与计算研究人员所面临的挑战提供了一种解决方案，其中涵盖MD–NMR时间尺度差距问题。

**论文解读：GPCRmd-NMR——整合MD模拟与NMR波谱照亮三维GPCR组动力学**

**一、研究背景与科学问题**

G蛋白偶联受体（G-protein-coupled receptors, GPCRs）是一类重要的细胞表面受体，能够感知光、苦味、气味、激素、神经递质及机械应力等多种细胞外刺激。GPCRs在众多生理和病理过程中发挥关键作用，使其成为热门药物靶点。过去二十年中，X射线晶体学和冷冻电镜技术为解析GPCRs不同功能状态提供了高分辨率结构见解。然而，这些技术提供的蛋白质结构数据仅呈现某些特定稳定构象，使这些固有动态受体中许多其他潜在的功能性和可成药构象仍未得到充分探索。为了进入这些“暗”构象空间，光谱学和计算方法在绘制调控GPCR信号传导的结构动力学方面发挥了主导作用。光谱学方法，包括核磁共振（nuclear magnetic resonance, NMR）、电子顺磁共振、单分子荧光共振能量转移等，通过策略性放置的报告子绘制原子至纳米尺度的受体结构变化。计算方法则以分子动力学（molecular dynamics, MD）模拟为代表，在全虚拟环境中以原子分辨率描绘蛋白质的结构演化。尽管这些方法在解析GPCR动力学方面取得了巨大成功，但两个方法领域仍存在重大空白：光谱学方法局限于有限的可检测位点和读出类型；MD模拟则高度依赖专业知识和计算资源以到达有意义的模拟时间尺度。本研究旨在开发一种整合策略，弥合计算与实验生物物理方法之间的鸿沟，在三维GPCR组（3D GPCRome）层面系统性地揭示GPCRs的功能相关动力学。

**二、研究内容与主要技术方法**

研究人员在GPCRmd社区平台的基础上开发了GPCRmd-NMR平台。GPCRmd是研究团队此前开发的基于社区的MD方法平台，通过低门槛、自定制和资源共享的开放获取途径，推动了GPCR领域MD模拟的普及。GPCRmd-NMR将MD模拟与NMR化学位移（chemical shift, CS）预测相结合，将计算机模拟流式传输至光谱特征，揭示了GPCRs跨功能状态的结构动力学。该平台计算了超过1,000个GPCR MD系统的CS演化，覆盖400多个实验解析的不同功能状态GPCR结构，总累积MD模拟时间超过2.3毫秒，产生720万个构象快照和380亿个CS值。

主要关键技术方法包括：（1）采用SHIFTX2（v1.10）、SPARTA+（v2.90）和UCBShift（v2.0）三种CS预测器，从MD轨迹计算各原子CS值，预测参数设定为pH=7、300 K；（2）MD系统准备采用CHARMM-GUI，使用ACEMD v3.3软件与CHARMM36m全原子力场，通过氢质量再分配技术实现4 fs时间步长；（3）样本来源：B1R研究直接使用PDB 7EIB结构，进行三个500 ns重复模拟；NTS1R研究分别采用PDB 6Z66（针对Bumbak等研究）和PDB 4BWB（针对Mohamadi等研究），进行三个或十个1 μs重复模拟；β2AR IDR研究使用Heng等公开的MD模拟数据；μOR研究使用Kapoor等提交至GPCRmd的自适应采样MD数据（GPCRmd 199，PDB 5C1M，1.2 μs）；腺苷A2A受体研究使用D'Amore等公开的模拟数据；视紫红质研究分析GPCRmd 872（PDB 5DYS）中的MD轨迹。实验验证数据来源于BMRB数据库，涵盖目前所有公开可用的GPCR骨架CS数据集，共679个实验CS测量值。

**三、研究结果**

**化学位移流式传输用于动态三维GPCR组**

研究人员聚焦于CS——一种对蛋白质结构、分子相互作用和局部环境高度敏感的位点特异性NMR参数。基于GPCRmd数据库，研究人员计算了属于超过400个GPCRs实验结构的1,000个MD系统的CS演化，以0.2 ns分辨率呈现了伴随结构动力学的CS波动。总累积MD模拟时间超过2.3毫秒，产生720万个构象快照和380亿个CS值。这些数据通过GPCRmd-NMR平台免费开放获取，该平台配备了基于网络的流式传输、可视化和数据分析工具。

**GPCRmd-NMR与实验NMR观测一致**

为验证方法在实际应用中的性能，研究人员选取了固态和溶液NMR两个GPCR系统。在B1R中，研究人员对结合肽激动剂的B1R进行了MD模拟，使用GPCRmd-NMR重建了配体P8残基所有碳原子的二维13C–13C双量子-单量子（DQ–SQ）谱图。预测信号与DNP增强固态NMR实验获得的P8信号表现出显著重叠，表明该方法将结构可塑性与NMR观测对齐。在NTS1R中，研究人员使用BMRB 51907数据集的实验骨架CS分配信息，系统评估了SHIFTX2、SPARTA+和UCBShift v2.0三种预测器的性能。SHIFTX2预测与实验CS在目标残基上表现出优异一致性，重原子相关系数r=0.80至0.99，HN原子相关性较低（r=0.42–0.46）。扩展至BMRB中全部五个GPCR CS数据集（共679个实验CS测量），重原子相关系数r=0.82至0.99，证实了该方法在不同受体间的稳健性能。

**通过GPCRmd CS流式传输照亮未被充分探索的GPCR动力学**

该框架能够连续追踪全原子结构演化过程中的光谱参数。监测5-羟色胺2B受体（原文标注为5-HT1BR）中配体结合袋内功能相关残基F3316×52的Cβ CS演化，发现其在脱辅基状态下随时间采样四个不同构象状态，这些微态间的构象交换发生在纳秒尺度。在NTS1R中，M2505×51位于跨膜螺旋TM5中P5.50扭结附近的功能高度相关区域。GPCRmd-NMR揭示实验观测到的M2505×51甲基平均CS（约1.66 ppm）实际上来自三个不同的CS群体，分别对应M2505×51侧链朝向膜或朝向受体内部的不同构象。值得注意的是，CS与常规构象描述符并非直接相关，因为CS不仅反映侧链构象变化，还反映局部环境的变化。

**探索固有无序蛋白区域和界面接触**

研究人员使用Heng等对β2AR羧基末端（CT）区域的MD模拟数据，评估GPCRmd-NMR区分无序区域与有序区域的能力。计算CT各残基NH CS时间演化与其卷曲/非卷曲状态之间的Pearson相关性，发现参与螺旋形成（368–378）的残基表现出强CS相关性。此外，CT与受体核心在胞内侧的相互作用也影响CS值，通过NH CS时间演化与残基-受体接近程度之间的强相关得到证实。

**通过GPCRmd-NMR整合增强光谱学流程**

GPCRmd-NMR在三个层面增强光谱学实验：（1）简化信号分配：通过模拟一维和二维NMR谱图，可区分处于不同化学环境的残基，如β2AR中变构钠离子结合位点的D792×50与胞外环2中参与配体结合的D19245×51；（2）策略性报告子选择：以μOR为例，通过自适应采样获得收敛的激活/失活过程，将MD帧分为活性和非活性状态并计算各状态骨架NH CS值，发现大的CS变化主要发生在已知功能相关区域，如NPxxY基序周围和TM6，同时还能揭示静态结构中不明显的额外区域；（3）整合假设生成与光谱学解决方案：在视紫红质中观察到膜脂质脂肪族尾部自发插入受体TM5和TM6上端区域，V204的1Hγ CS与V204–A272的Cα距离表现出强相关性（r=0.83），为通过NMR实验检测和定位蛋白质结构中入口通道的形成提供起点。

**弥合不同时间尺度上的MD–NMR差距**

蛋白质构象互变的速率决定NMR可观测信号：慢交换时每个状态呈现独立信号，快交换时产生单一群体加权平均信号。研究人员提出了分步方案：采样状态间转变（步骤1）、将计算CS值转换为NMR可观测量（步骤2）、重构不同构象集合的NMR可观测量（步骤3）。对于收敛MD模拟，平衡采样可直接近似实验NMR信号：慢交换时直接分配各状态CS至不同谱峰，快交换时计算全构象分布的系综平均。对于非收敛MD，快速但稀有的转变可通过多次短MD模拟采样，平均CS信号通过状态特异性CS值与构象群体按公式CS_average=p_{state A}×CS_{state A}+p_{state B}×CS_{state B}重构。

**四、总结讨论与研究结论**

讨论部分从六个维度总结GPCRmd-NMR的意义。第一，该平台提高了生物物理数据的可解释性和功能态指认能力，使静态和平均化的NMR数据能够基于蛋白质结构的时间演化进行解读。第二，通过MD对NMR数据的“挖掘”照亮了未被探索的GPCR动力学，如NTS1中位于受体激活位点旁的侧链构象开关。第三，该平台加速了假设驱动的生物物理策略生成，降低了生物物理研究的成本和风险，并建立了跨3D GPCRome的计算机模拟生物物理图谱，为受体特异性报告子选择提供基线模式。第四，GPCRmd-NMR开辟了弥合MD–NMR时间尺度差距的窗口：一方面利用近年发现的大型构象转变（如受体激活和失活）实际上可在纳秒至微秒时间尺度内发生的观察；另一方面通过结合MD衍生的构象见解与实验NMR可观测量，实现NMR引导的完整构象空间重构。第五，数据集广泛覆盖不同GPCR类型，为研究人员提供探究特定GPCR机制方面的独特机会，并支持系统研究序列变异如何塑造受体动力学和信号机制。第六，该平台作为MD模拟与多样化实验生物物理数据开放获取整合的模板，其开放数据库架构允许纳入新兴深度学习CS预测器和量子化学水平CS计算，并可扩展至其他光谱学方法（如双电子-电子共振、smFRET、紫外-可见光谱和荧光）及其他生物物理参数或生化读出。

研究结论指出，GPCRmd-NMR是专为满足不同学科科学家的需求而定制，其广泛的可及性使其成为推动GPCR研究多个方向发展的宝贵资源。此外，该框架可作为激酶、伴侣蛋白、核受体、离子通道和转运蛋白等其他重要蛋白家族类似研究的模板。通过大规模整合生物物理方法，GPCRmd-NMR代表了数据科学驱动的生物物理和结构生物学方法整合的一个创新框架，为功能相关蛋白质动力学的研究提供了新的范式。