贝叶斯重新加权α-突触核蛋白集合揭示了化学位移与链尺寸之间的局部-全局差异

《International Journal of Biological Macromolecules》：Bayesian reweighting of α-synuclein ensembles reveals local–global discrepancies between chemical shifts and chain dimensions

　　

摘要

α-突触核蛋白是一种天然无序蛋白，其整体结构受到局部结构偏好和全局链维度的共同影响。在本研究中，我们将BioMatics/AlphaFold2/AFflecto得到的结构与分子动力学模拟相结合，生成了α-突触核蛋白的多种构象。预测的化学位移通过贝叶斯最大熵重加权方法与实验NMR化学位移进行了比较。全局分析显示，分子动力学模拟得到的构象保持紧凑且内部接触丰富，而BioMatics/AlphaFold2/AFflecto得到的构象则具有更扩展的R_g和R_ee值。这些结果揭示了α-突触核蛋白整体结构细化过程中存在的局部与全局差异：基于化学位移的重加权方法更倾向于支持分子动力学模拟出的局部构象，而全局描述符则更青睐BioMatics/AlphaFold2/AFflecto得到的扩展构象。我们的发现强调了结合局部NMR约束和全局观测数据（如SAXS、smFRET和PRE）对于准确建模天然无序蛋白集合的必要性。未来的一个重要改进方向是开发多约束的贝叶斯最大熵重加权方法，将化学位移与SAXS得到的R_g、smFRET距离、PRE得到的长程接触信息、流体动力学半径以及NMR松弛数据进行结合。

引言

α-突触核蛋白是一种由140个残基组成的天然无序蛋白（IDP），在神经元功能中起着重要作用，并与帕金森病和其他突触核蛋白病的分子病理学密切相关[1]、[2]、[3]。与球状蛋白不同，α-突触核蛋白在生理溶液条件下不会采取单一的明确三维结构，而是以多种快速互变构象的形式存在[4]、[5]。这种构象异质性对其生物学行为至关重要，包括与膜的结合、蛋白质-蛋白质相互作用、聚集倾向以及可能影响疾病相关寡聚化和纤维形成的瞬态结构基序[6]、[7]、[8]、[9]。由于α-突触核蛋白是天然无序蛋白，对其结构的研究需要采用基于集合的方法[10]、[11]；单一的静态结构无法充分描述其复杂的构象特征[10]、[11]。核磁共振（NMR）光谱技术在这里非常有用，因为化学位移能够提供关于局部构象倾向的残基特异性信息[12]、[13]。特别是来自¹Hα和¹³Cα核的化学位移，可以反映蛋白质序列中瞬间的螺旋结构、伸展结构或螺旋状结构[14]、[15]、[16]。然而，化学位移仅是局部可观测量，可能无法完全确定全局构象属性，如回转半径（R_g）、端到端距离（R_ee）或长程紧凑性[17]、[18]、[19]。因此，必须结合局部实验约束和全局结构描述符来评估计算得到的构象集合。

分子动力学（MD）模拟广泛用于生成天然无序蛋白的构象集合。根据力场、溶剂模型、采样时间和初始条件的不同，这些模拟可以生成紧凑、伸展或部分有序的原子轨迹[20]、[21]、[22]。然而，MD模拟可能受到力场偏见、采样不足或无序链过度/欠压缩的影响[20]、[21]、[22]、[23]。与此同时，基于人工智能或混合的集合生成方法（如AFflecto）提供了产生天然无序蛋白构象模型的替代策略[10]、[11]、[24]，这些方法能够扩展可探索的构象空间，并可能生成与传统MD模拟结果截然不同的结构[25]、[26]。因此，比较这些方法对于理解不同计算策略如何表征α-突触核蛋白的构象特征非常重要[25]、[27]。一个关键挑战是如何在不过度牺牲构象多样性的前提下，将计算得到的构象与实验观测数据相结合[28]、[29]。贝叶斯最大熵（BME）重加权方法为此提供了一种有效的框架[28]、[30]：它不是选择最优单一结构，而是调整现有构象集合的统计权重，使集合平均观测值与实验数据一致，同时最小化对原始先验分布的扰动[28]、[30]。这种方法特别适用于天然无序蛋白，因为其目标不是确定一个主导结构，而是细化多种构象状态的相对比例[28]、[29]、[30]。在本研究中，我们将BME重加权应用于结合了两种来源的α-突触核蛋白构象集合：AFflecto得到的结构和广泛的MD模拟结果。每种构象的化学位移均使用ShiftX2软件计算[31]，然后与BMRB数据库中条目25,227的实验NMR化学位移数据进行了比较，后者被用作重加权的参考[32]、[33]。本研究的目的是探讨实验化学位移约束如何在统一的α-突触核蛋白集合中重新分配AFflecto和MD模拟得到的构象的统计贡献。除了分析BME得到的权重及其与实验化学位移的一致性外，我们还研究了二级化学位移谱、基于DSSP的二级结构含量、回转半径和端到端距离。这种综合分析使我们能够判断局部化学位移的一致性是否对应于相似的全局构象特征，或者不同的计算方法是否能够在占据不同构象空间的情况下满足局部NMR约束。

我们的结果显示，在BMRB 25227化学位移约束下，BME重加权显著偏重于分子动力学模拟得到的构象，而AFflecto得到的结构虽然数量较少，但在结构上有所不同。这些发现表明，局部NMR化学位移和全局构象描述符为评估天然无序蛋白集合提供了互补的信息。更广泛地说，这项研究展示了整合实验NMR数据、分子模拟、人工智能生成的构象模型以及贝叶斯最大熵重加权方法在细化α-突触核蛋白构象特征方面的价值。

章节摘录

方法

实验数据来自D.E. Shaw研究小组，模拟在室温下进行，压力为1巴[23]、[34]。蛋白质使用Charmm36m参数，水则使用TIP3P参数[23]、[34]、[35]、[36]。我们最近证明，这些参数集在水溶液中能够得到与实验结果一致的结果，适用于α-突触核蛋白和β-淀粉样蛋白[10]、[11]、[37]、[38]。初始

结果与讨论

图2展示了从BioMatics/AlphaFold2/AFflecto和MD模拟得到的α-突触核蛋白构象集合。图3将实验得到的二级化学位移条形图与模拟得到的平均构象进行了对比，其中模拟平均构象以虚线表示，BME重加权后的结果以实线表示。分析基于二级化学位移Δδ，而非原始化学位移。因此，重要的特征是化学位移的符号、幅度以及与实验数据的残基对应关系。总体而言，

结论

基于化学位移的BME重加权方法对α-突触核蛋白集合产生了可测量的改进，同时保留了60.9%的有效构象多样性。较大的N_eff/N比例表明权重没有集中在少数几种结构上，但这种方法并未证明物理上的精确性。尽管存在残余误差和大致不变的相关性，以及高估的残基水平螺旋倾向，最终得到的集合与拟合的化学位移更为吻合

CRediT作者贡献声明

Fatma Irem Akkum： 数据可视化、形式分析、数据整理。Cahit Emre Ozbas： ?初稿撰写、可视化、形式分析、数据整理。Vladimir N. Uversky： ?初稿撰写、审稿与编辑。Orkid Coskuner-Weber： 初稿撰写、可视化、验证、项目管理、软件开发、资源管理、方法论设计、实验设计、形式分析、数据整理、概念构思。

利益冲突声明

作者声明没有利益冲突。

Fatma Irem Akkum|Cahit Emre Ozbas|Vladimir N. Uversky|Orkid Coskuner-Weber