Взаимосвязь структуры и функции синтетических клеточных рецепторов

Исследователи из Северо-Западного университета определили структурные особенности в инженерных клеточных рецепторах, которые коррелируют с вариациями в их функции.

Для анализа библиотеки синтетических рецепторов использовались инструменты вычислительного предсказания структуры белков. Было выявлено, что конкретные структурные атрибуты, такие как расстояние между внеклеточными доменами (ECD) и взаимодействия трансмембранных доменов (TMD), связаны с эффективностью работы рецептора.

Инженерные клеточные терапии полагаются на синтетические рецепторы для преобразования внешних сигналов во внутриклеточные ответы. Точная взаимосвязь между структурой и функцией рецептора остаётся плохо изученной. Достижения в инструментах предсказания структуры белков, таких как AlphaFold и ColabFold, позволили моделировать сложные белки, включая односпиральные трансмембранные рецепторы.

В исследовании «Исследование взаимосвязей структура-функция в эффективности инженерных рецепторов с использованием вычислительного предсказания структуры», опубликованном в GEN Biotechnology, исследователи интегрировали предсказанные конформации белков с экспериментальными показателями эффективности для четырёх семейств инженерных рецепторов, изучая, коррелируют ли определённые молекулярные особенности с функциональным выходом.

Была проанализирована библиотека инженерных рецепторов, полученных из природных цитокиновых рецепторов, с фокусом на рецепторах с модульной архитектурой внеклеточного сенсора (MESA). Рецепторы MESA используют лиганд-индуцированную димеризацию для активации расщеплённой протеазы вируса табачной мозаики (TEVp), которая высвобождает фактор транскрипции для запуска экспрессии гена.

ColabFold использовался для генерации структурных моделей ECD рецепторов в комплексе с их лигандами, в то время как PREDDIMER применялся для моделирования взаимодействий TMD.

Количественно оценивались структурные особенности, включая расстояние между ECD, контакты ECD, расстояние между TMD, контакты TMD, угол пересечения TMD и угол выхода TMD. Эффективность рецептора оценивалась на основе экспрессии репортёра в активном состоянии (OS) и индукции (FI) в экспериментальных данных.

Значительная вариация в эффективности рецепторов объяснялась структурными особенностями. Более короткие расстояния ECD и TMD коррелировали с более высоким OS, в то время как большее количество контактов ECD и TMD также было связано с улучшенной производительностью. Угол выхода TMD имел значимую связь с функцией рецептора в определённых семействах рецепторов, особенно в MESA на основе фактора некроза опухоли (TNF).

Структурные модели объясняют меньшую вариацию в эффективности для гетеротетрамерных рецепторов, таких как MESA на основе интерлейкина-10 (IL-10) и трансформирующего фактора роста бета (TGFb). Это предполагает, что дополнительные факторы, такие как образование рецепторных комплексов высшего порядка, могут вносить больший вклад в эффективность этих рецепторов.

В дополнение к структурному анализу исследователи оценили категориальные переменные, представляющие выбор доменов внутри цепей рецептора. One-hot кодирование компонентов рецептора показало, что рецепторы VEGF MESA, содержащие TMD CD28 в C-концевой цепи и ECD VEGFR1, демонстрировали более высокий OS. Упрощённая категориальная модель объяснила 57% вариации OS, что близко к результатам структурной модели.

Комбинированная модель, интегрирующая как структурные, так и категориальные признаки, продемонстрировала превосходную предсказательную силу, объяснив 79% вариации OS. Это улучшение указывает, что хотя структурные и категориальные модели разделяют некоторую информацию, они захватывают различные детерминанты эффективности рецептора.

Результаты представляют проверяемые гипотезы для инженерии синтетических рецепторов. Например, модификация линкеров рецептора для усиления контактов ECD или выбор пар TMD, способствующих более близкому сближению C-концов, может улучшить функцию рецептора.

Заметной проблемой в этой работе было моделирование всего односпирального трансмембранного рецептора, включая природный ECD, TMD и внутриклеточные домены расщеплённой TEVp (NTEVp или CTEVp) с помощью ColabFold.

В частности, инструмент испытывал трудности с выравниванием более коротких регионов TEVp в длинных последовательностях рецепторов. На этапе поиска множественного выравнивания последовательностей (MSA) крупные ECD и природный TMD часто доминировали в результатах выравнивания, заставляя ColabFold пропускать или плохо покрывать сегменты TEVp.

В результате предсказанные структуры иногда не показывали правильно свёрнутые NTEVp или CTEVp, давая низкие оценки достоверности (pLDDT) в этих внутриклеточных частях.

Более короткие внеклеточные домены (например, рецепторы IL-10) с большей вероятностью сохраняли покрытие для доменов TEVp, позволяя нескольким полноразмерным моделям сходиться к структурам, где NTEVp и CTEVp были восстановлены.

Из-за этих проблем с выравниванием исследование выбрало модульный подход, моделируя комплексы ECD–лиганд отдельно с помощью ColabFold, а затем используя PREDDIMER для захвата взаимодействий TMD–TMD.

Хотя эта стратегия не позволила напрямую визуализировать, как NTEVp и CTEVp могут ориентироваться в условиях мембраны, она обеспечила более высокую достоверность предсказанных внеклеточных и трансмембранных регионов. Компромиссом стало то, что межмолекулярные эффекты не были полностью захвачены.