综述:生物分子过程中的拥挤效应:计算进展与挑战

《Current Opinion in Structural Biology》:Crowding effects on biomolecular processes: Computational advances and challenges

【字体: 大 中 小 】 时间:2026年07月29日 来源:Current Opinion in Structural Biology 7.8

编辑推荐:

  大分子拥挤是细胞环境的一个基本特征,它会对生物分子的结构、动力学以及相行为产生重要影响。尽管这一现象非常重要,但在分子模拟中准确且充分地呈现和捕捉拥挤环境的影响仍是一项挑战。本综述探讨了在拥挤环境中对生物分子过程进行建模与模拟的计算方法发展中所面临的挑战以及最新进展。综述重点介绍

  
大分子拥挤是细胞环境的一个基本特征,它会对生物分子的结构、动力学以及相行为产生重要影响。尽管这一现象非常重要,但在分子模拟中准确且充分地呈现和捕捉拥挤环境的影响仍是一项挑战。本综述探讨了在拥挤环境中对生物分子过程进行建模与模拟的计算方法发展中所面临的挑战以及最新进展。综述重点介绍了关于拥挤现象的新观点,即强调熵效应与焓效应之间的相互作用。文中还讨论了一些基于数据的新兴策略,这些策略旨在改进力场模型,并预测生物分子在拥挤介质中的行为,尤其着重于生成合成数据集、使用模拟得到的描述符,以及运用组合框架来揭示拥挤现象的微观成因。

引言

计算方法的不断进步正在改变人们对生物分子结构、动力学以及多时空尺度上相关过程的微观理解。随着分子模拟、建模方法、改进的采样技术以及机器学习辅助策略的不断发展,现在已能够探究真实细胞环境中的生物分子过程[1, 2, 3]。细胞内部环境是一种拥挤的环境,其中存在着紧密堆积的大分子、高浓度的中小分子代谢物(共溶物、离子等),而且溶剂化作用也受到限制。这些大分子占据了细胞总体积的40%,其浓度在100到400克/升之间[4, 5, 6, 7]。大分子拥挤会显著影响生物分子的各种过程,包括蛋白质折叠、结合、聚集、识别以及酶的动力学特性。它通常与生物分子的紧缩、自组装以及相互结合有关,还可能通过液-液相分离促使物质形成凝聚态[6,8]。因此,这些效应对于细胞的组织与调控至关重要。
已有不少研究致力于阐明导致拥挤现象的分子驱动力[6,9]。目前存在两种不同的观点。传统观点认为,大分子拥挤效应主要源于大分子本身的体积排阻效应,即认为这些大分子对所研究的生物分子没有影响[10, 11, 12]。关于拥挤现象的最早研究之一来自Asakura和Oosawa,他们将非相互作用(惰性)大分子环境中的胶体自组装现象归因于源自熵效应的吸引力[13,14]。这种机制后来被称为“耗竭吸引”,即惰性大分子从靠近的胶体之间的空间中消失,从而导致整体区域与胶体之间的局部区域的渗透压出现差异。这种差异会在胶体之间产生吸引力,促使它们聚集在一起。此外,大分子回到整体溶液中会增加系统的熵值,从而使聚集过程在热力学上更为有利。
近期的一些研究支持另一种观点,即认为在判断拥挤现象的影响时,不能忽视那些具有吸引力的、柔和的分子间化学相互作用,这类相互作用起着至关重要的作用[15, 16, 17, 18, 19]。根据拥挤物质的性质和浓度,有必要通过具有化学特异性的非空间位阻相互作用来纳入这类焓效应。有兴趣的读者可以参考那些对这些研究进行总结的综述文章[9,16,18,19]。因此,随着人们对这种复杂环境的理解不断深入,拥挤介质不再仅仅被视为一个被排除在外的被动空间,而是一个动态的、多尺度的、往往具有主动调控作用的因素,能够影响生物分子的结构与排列。不过,关于究竟是什么分子驱动力导致了拥挤现象,目前仍存在争议,尚未有定论。
拥挤现象之所以一直未得到足够重视和研究,部分原因在于构建复杂、高浓度溶液模型以及处理大规模系统存在诸多困难[18]。不过,随着计算资源的不断增加,以及新的建模算法和计算方法的出现,现在已经可以用低分辨率模型来模拟整个活细胞[20],并在考虑拥挤效应的情况下探究微观层面的生物分子过程。随着数据驱动框架的快速发展,基于实验数据集训练的预测模型越来越多地被用于研究凝聚态形成、蛋白质聚集以及蛋白质与配体结合等生物学现象[8,21]。高分辨率成像技术、冷冻电子断层扫描技术以及基于分子动力学的数据库也为这些研究提供了支持[22,23]。然而,对于在真实拥挤环境中发生的这些生物分子过程,此类综合分析方法仍有待进一步探索。在本综述中,我们总结了近年来在利用计算方法研究拥挤现象对蛋白质折叠、聚集、结合等生物分子过程以及液-液相分离等现象的影响方面所取得的进展与面临的挑战。论述重点介绍了关于拥挤现象的新观点的发展情况,包括溶剂化理论、建模方法、模拟技术,以及基于机器学习和数据驱动方法的新兴策略。综述强调了采用超越传统方法的综合计算手段的重要性,这样才能更有效地深入了解拥挤现象的微观机制。图1概括了本综述中讨论的主要内容。

章节节选

相关波动的作用

可以通过基于这些溶液中的分子对相关性所设计的结构相关指标,来研究导致拥挤现象的熵效应或焓效应[29]。在我们自己最近的一项研究中,我们分析了在高浓度拥挤环境下,ss-DNA包覆的金纳米粒子与氨基酸之间的分子对相关性所带来的溶剂化熵贡献,进而得以估算出纳米粒子的溶剂化自由能[30]。溶剂化熵是通过以下方法估算的

显式建模

在对拥挤系统进行分子动力学模拟时,一个主要的挑战就是如何准确描述分子间相互作用,避免出现人为的聚集现象或过度高估吸引力。在相关文献中,针对蛋白质已经有一些重新参数化的策略,例如NBFIX策略,该策略会为氨基酸的两性离子末端增加一个较小的范德华相互作用参数值[36]。我们也采用了这种重新参数化策略

自我拥挤与过度拥挤效应

在拥挤环境中,还有一个相对较少被研究的方面,那就是当大分子浓度过高而彼此相互挤压时所产生的“自我拥挤”效应[9]。过去有一些研究已经指出了这种效应的存在[48,49]。最近有一项研究通过圆二色光谱、小角X射线散射以及分子动力学模拟,探讨了蛋白质自我拥挤对溶菌酶和牛血清白蛋白的影响[50]。研究结果表明,当蛋白质浓度升高时,牛血清白蛋白的二聚体会变得不稳定,而溶菌酶的螺旋结构也会发生改变,出现更多的平行β结构

预测生物分子行为

生物分子过程涉及生物分子之间的多价相互作用,而这些相互作用的强度以及生物分子在拥挤环境中的空间分布都会对过程产生影响。然而,决定这些相互作用的分子机制至今仍未明确,而数据驱动方法则为解决这一问题提供了可行的途径。因此,人们越来越倾向于开发机器学习框架,直接根据生物分子的序列来预测它们的行为(见图2)[8]。基于序列的预测神经网络

结论

本综述介绍了近期一些计算研究中用于分析拥挤现象对生物分子过程影响的计算方法。我们试图强调综合计算方法的重要性,因为只有将理论与实验相结合,才能不断完善模型、模拟方法以及数据驱动策略,从而更准确地理解和描述拥挤现象。当然,目前仍然存在一些需要解决的局限性

利益冲突声明

作者声明,他们不存在任何可能影响本文研究成果的已知财务利益或个人关系。

致谢

DN感谢印度科学研究院提供的财政支持,该支持用于开展ASPIRE研究项目(编号:01WS(018)/2023-24/EMR-II/ASPIRE)。Shivnandi则感谢总理研究奖学金项目为其提供的资金与资助。作者们还要感谢德里印度理工学院的高性能计算设施所提供的计算资源。此外,作者们也感谢各位合作者以及曾经的团队成员为这项研究所做的宝贵贡献。
Shivnandi|Divya Nayar
印度德里印度理工学院材料科学与工程系,印度德里市,邮编110016
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号