《Proteins: Structure, Function, and Bioinformatics》：Method for the Determination of Dynamic Domains in Proteins From Structural Pairs and Conformational Ensembles
编辑推荐：
研究人员提出了一种从蛋白质构象对或通用构象系综测定动态结构域的简便方法。该方法将度量多维标度（metric multi-dimensional scaling, MDS）应用于距离差或原子间距离均方根涨落（root-mean square-fluctuatio
研究人员提出了一种从蛋白质构象对或通用构象系综测定动态结构域的简便方法。该方法将度量多维标度（metric multi-dimensional scaling, MDS）应用于距离差或原子间距离均方根涨落（root-mean square-fluctuations of inter-atomic distances, RMSFIDs）。该方法在低维空间中确定一系列点，每个点代表一个氨基酸残基；在构象对的情况下，点间距离近似于距离差，在系综的情况下则近似于RMSFIDs。这种基于点的表示方式使得自上而下的聚类方法可用于测定动态结构域。两个实现版本Pair-DD和Ensemble-DD在理想化示例（结构域作为完美刚体运动）、源自X射线结构的单体及多聚体构象对和构象系综，以及源自模拟方法的轨迹上均得到了验证。研究人员提出了一个参数，可作为接受动态结构域的阈值，以实现自动分配。结果表明，所提方法与公认方法具有极好的一致性，但该方法的额外优势在于其通用性，既适用于单一结构对，也适用于构象系综。此外，对于构象对，一维MDS坐标似乎已经足够，这意味着残基与动态结构域的关联程度可以在简单的图中可视化。
蛋白质结构域被视为独立折叠区域和进化的基本单元，在结构数据库中承担分类单位。对结构域的识别存在三类方法：基于序列、基于结构和基于动力学。基于动力学的方法利用结构域在功能中表现出的准刚性移动，通过运动特征划分动态结构域。现有方法如DynDom仅直接接受一对结构，当面对构象系综时，通常需要先对系综做主成分分析（principal component analysis, PCA），再选取代表第一或第二主成分的一对结构进行分析，这可能会剔除其他对动态域划分有贡献的运动。与此相比，一些基于原子涨落相关性的系综方法又不能直接用于结构对。此外，MotionTree采用自下而上的凝聚聚类，需要用户检查树并自行选择层次，不利于直接聚焦于结构域级别的运动。为克服这些问题，研究人员提出了一种基于距离差矩阵的简便方法，利用度量多维标度（metric multi-dimensional scaling, MDS）将残基表示为低维空间中的点，再用K-means聚类识别动态结构域。该方法直接适用于结构对和构象系综，且运行快速，可用于多聚体蛋白。
研究人员开展了系统测试：在完美刚体运动模型、实验测定的蛋白质构象对、实验构象系综、逆运动学蒙特卡罗模拟轨迹以及分子动力学（molecular dynamics, MD）轨迹上，分别验证了Pair-DD和Ensemble-DD两个变体的性能，并以DynDom结果作为对照基准。结果表明，两种变体均能准确识别动态结构域，与DynDom高度吻合，且支持自动分配阈值。该方法的重要价值在于，它以统一框架处理结构对和构象系综，省去了PCA预处理，保留了系综中所有显著运动；同时一维MDS坐标可将残基关联度直接可视化。
关键技术方法可概括为：①用5残基滑动窗口生成重叠片段，取窗口内主链原子N、C
α、C′的几何中心，计算构象对的距离差矩阵或系综的RMSFID矩阵；②对矩阵施加经典MDS初始化后的度量MDS，得到低维坐标点；③在从一维逐步增加维度的过程中，通过归一化应力（normalized stress）和“碎石图”判断适宜维度；④对MDS坐标施加K-means聚类，划分动态结构域；⑤定义参数R为域间与域内距离变化（或运动）比值，并以R>2.0作为接受动态结构域对的推荐阈值。Pair-DD与Ensemble-DD的Python Jupyter Notebooks已公开。
结果部分：
3.1 完美刚体域运动测试：以谷氨酰胺结合蛋白（glutamine binding protein, GBP）为模型，人为生成闭合和扭转两类完美刚体旋转/平移组合。Pair-DD在所有测试中正确分配了96%至100%的残基，证明了该框架在刚性运动下的有效性。即使域内距离差为零，归一化应力仍较高，原因是靠近旋转轴或处于特定相对位置的跨域原子对的距离变化很小，干扰了MDS对刚体性的复原。
3.2 实验结构对揭示功能运动：对GBP、钙调蛋白、腺苷酸激酶、柠檬酸合酶、麦芽糖结合蛋白（maltose binding protein, MBP）、Leu-Ile-Val结合蛋白（LIV-BP）、乙醇脱氢酶（alcohol dehydrogenase, ADH）及乳铁蛋白N端结构域共8个配体结合引起的运动结构对进行分析。以DynDom划分为基准，Pair-DD的域分配重叠率达91%至99%。柠檬酸合酶中，结构域划分将β-发夹归入大结构域，而动力学上它属于小结构域并充当铰链，Pair-DD准确再现了这一动态特征。将R与DynDom的比值进行线性回归，斜率为2.0，支持将R>2.0作为接受阈值。
3.2.1 与相关方法比较：将Pair-DD与Dang等人的图方法、RigidFinder和MotionTree比较。由于这些方法均与DynDom有良好一致性，推断Pair-DD同样可与之媲美。直接比较MotionTree与Pair-DD在腺苷酸激酶上的结果，两者域段划分非常接近，表明自下而上与自上而下策略在树的顶端附近可收敛。
3.3 逆运动学蒙特卡罗轨迹（完美刚体域）：研究人员用逆运动学蒙特卡罗模拟GBP，令两个域保持完美刚体，仅允许连接区的5残基片段柔性弯曲。对1000个模拟结构应用Ensemble-DD，得到的域划分与设定完全一致，R约为11.4，验证了该方法在系综数据上的理想表现。
3.4 HIV-1衣壳蛋白实验结构系综：从3365个HIV-1衣壳蛋白p24结构系综中移除离群值后保留3293个结构。PCA第一主成分对应N端域与C端域之间的53°闭合运动。Ensemble-DD在维度增加时R值改变，但K=2划分不变，域边界Pro148与DynDom在PC1极端结构上给出的Tyr146非常接近。
3.5 GBP的MD轨迹：对GBP 120 ns MD轨迹的1200帧应用Ensemble-DD，发现K=2时R为2.0，且域划分与DynDom在无配体（1GGG）和结合谷氨酰胺（1WDN）晶体结构上的分析结果完全一致，说明该方法能从MD轨迹直接提取可靠的功能动态域。
3.6 代谢型谷氨酸受体5（mGlu5）实验结构系综：针对mGlu5同源二聚体，从RCSB获得15个高同源性结构，经多序列比对去除不一致残基后，对所有单体组成的二聚体结构应用Ensemble-DD。碎石图显示维度d=2为肘部；当K=4时所有域对的R均大于2.0。结果显示每个亚基中捕蝇草结构域的上部形成一个动态域，而下部与富半胱氨酸域及7次跨膜域共同构成另一个动态域。该划分与DynDom分析单个亚基中apo与L-谷氨酸结合结构的域界（Ser194、Ser331、Gly464）基本对应，本文给出Gln198、Leu329、Arg465，并识别出捕蝇草上域中螺旋101–115的C端在动态上紧密关联，可能参与别构调节。
3.7 计时：Pair-DD在含1536残基的mGlu5二聚体上，使用普通Intel i7-8700处理器可在2秒内完成。其中MDS占CPU时间的40%至90%，并随蛋白尺寸增加而上升。尽管MotionTree的凝聚聚类可能更快，但Pair-DD的绝对速度已满足大规模研究需求；其尺度扩展受限于经典MDS的复杂度，但总体仍具实用性。
讨论与结论：讨论部分指出，该方法对构象系综尤其有价值，因为它避免了PCA投影造成的运动信息损失。理想刚体示例中的表观域内柔性可通过加权MDS消除，但对含真实域内柔性的案例并无明显改善，因此推荐非加权MDS。Pair-DD输出的域划分可直接用于DynDom服务器的Domain Select工具以计算铰链轴。替代K-means的高斯混合模型（Gaussian Mixture Model, GMM）可为残基赋予柔性的“责任值”，从而识别铰链弯曲区。R值阈值建议为2.0，也可辅以最小域大小作为停止准则。动态域识别有助于粗粒化模拟、增强采样以及评估机器学习生成的构象系综质量；将动态域与结构域比较，有助于理解蛋白质进化、结构与功能之间的关系。研究结论可翻译为：研究人员描述了一种包含Pair-DD和Ensemble-DD两个变体的简便方法，两者与已有方法对照均表现良好，且方法快速、适用于多聚体蛋白质。文章引入基于域间与域内形变比值定义的参数R，作为接受动态结构域的阈值。对于仅分析一对结构的情况，一维MDS坐标即已足够，增加MDS维数不改善结果，且一维坐标可直接对残基序号作图，直观显示每个残基与动态结构域的关联程度。而对于系综，情况通常并非如此，如mGlu5案例所示，MDS坐标的维数会影响结果。
