サインイン

このコンテンツを視聴するには、JoVE 購読が必要です。 サインイン又は無料トライアルを申し込む。

この記事について

  • 要約
  • 要約
  • 概要
  • プロトコル
  • 結果
  • ディスカッション
  • 開示事項
  • 謝辞
  • 資料
  • 参考文献
  • 転載および許可

要約

このプロトコールでは、高分子のクライオ電子顕微鏡マップで低分子リガンドをモデル化するために利用可能なツールを紹介します。

要約

高分子複合体におけるタンパク質-リガンド相互作用の解明は、分子メカニズム、その根底にある生物学的プロセス、および医薬品開発を理解するために重要です。近年、極低温試料電子顕微鏡(クライオEM)は、高分子の構造を決定し、原子に近い分解能でリガンド結合のモードを調査するための強力な技術として浮上しています。クライオ電子顕微鏡マップにおける非タンパク質分子の同定とモデリングは、対象分子全体の異方性分解能とデータ内在のノイズにより、しばしば困難を伴います。この記事では、リガンドの同定、モデル構築、および選択した高分子を使用した原子座標の精緻化に現在使用されているさまざまなソフトウェアと方法を紹介します。エノラーゼ酵素で示されているように、リガンドの存在を特定する最も簡単な方法の1つは、リガンドがある場合とない場合で得られた2つのマップを減算することです。リガンドの余分な密度は、より高いしきい値でも差分マップで目立つ可能性があります。代謝型グルタミン酸受容体mGlu5の場合に示されているように、このような単純な差分マップを生成できない場合があります。最近導入されたFo-Fcオミットマップを導出する方法は、リガンドの存在を検証および実証するためのツールとして役立ちます。最後に、よく研究されているβ-ガラクトシダーゼを例に、クライオ電子顕微鏡マップのリガンドと溶媒分子のモデリングに対する分解能の影響を解析し、クライオ電子顕微鏡を創薬にどのように使用できるかについての展望を示します。

概要

細胞は、無数の化学反応を同時に独立して行うことでその機能を達成し、それぞれが環境の合図に応答して生存と適応性を確保するために細心の注意を払って制御されています。これは分子認識によって達成され、生体分子、特にタンパク質が他の高分子や小分子、またはリガンドと一過性または安定な複合体を形成することを可能にします1。したがって、タンパク質-リガンド相互作用は、タンパク質の発現と活性の調節、酵素による基質と補因子の認識、細胞がシグナルを知覚して中継する方法など、生物学のすべてのプロセスの基本です1,2。タンパク質-リガンド複合体の速度論的、熱力学的、および構造的特性をよりよく理解することで、リガンド相互作用の分子基盤が明らかになり、薬物相互作用と特異性を最適化することで合理的な薬物設計が容易になります。タンパク質-リガンド相互作用を研究するための経済的で迅速なアプローチは、多様な低分子を仮想的にスクリーニングし、これらのリガンドの標的タンパク質への結合モードと親和性を予測する計算方法である分子ドッキングを使用することです3。しかし、X線回折(XRD)、核磁気共鳴(NMR)、またはクライオ電子顕微鏡(クライオEM)によって決定された高分解能構造からの実験的証拠は、そのような予測に不可欠な証拠を提供し、特定のターゲットに対するより新しくより効果的な活性化因子または阻害剤の開発に役立ちます。この記事では、この手法が一般的に呼ばれているように、「cryoEM」という略語を使用しています。しかし、正しい命名法の選択については議論が続いており、最近では、サンプルが極低温にあり、電子で画像化されていることを示すために、cryogenic-sample Electron Microscopy(cryoEM)という用語が提案されています4。同様に、クライオ電子顕微鏡から導出されたマップは、電子ポテンシャル、静電ポテンシャル、またはクーロンポテンシャルと呼ばれてきましたが、ここでは簡単にするために、クライオ電子顕微鏡マップ5,6,7,8,9,10を使用します。

XRDは、タンパク質-リガンド複合体の高分解能構造決定におけるゴールドスタンダード技術でしたが、過去数年間で電子顕微鏡データベース(EMDB)12,13に蓄積されたクーロン電位マップまたはクライオEMマップが急増したことが示すように、分解能革命後の11クライオEMは勢いを増しています14。サンプル調製、イメージング、およびデータ処理方法の進歩により、クライオ電子顕微鏡を使用したタンパク質データバンク(PDB)14の堆積数は、2010年から2020年の間に0.7%から17%に増加し、2020年に報告された構造の約50%が3.5 Å以上の分解能で決定されました15,16。CryoEMは、柔軟な非結晶性の生体高分子、特に膜タンパク質や多タンパク質複合体を原子に近い分解能で研究し、結晶化のプロセスを克服し、XRDによる高分解能構造決定に必要な十分に回折する結晶を得ることができるため、製薬業界を含む構造生物学コミュニティで急速に採用されています。

クライオ電子顕微鏡マップにおけるリガンドの正確なモデリングは、分子レベルでのタンパク質-リガンド複合体の設計図として機能するため、最も重要です。X線結晶構造解析で使用されるいくつかの自動化された配位子構築ツールは、配位子を電子密度17,18,19,20に適合または構築するために、配位子密度の形状とトポロジーに依存します。それにもかかわらず、解像度が 3 Å より低い場合、これらのアプローチは、認識と構築のために依存するトポロジカルな特徴が定義されなくなるため、望ましくない結果を生み出す傾向があります。多くの場合、これらの方法は、リガンドをクライオ電子顕微鏡マップに正確にモデル化するのに効果的ではないことが証明されています。これは、これらのマップが低から中程度の分解能の範囲(通常は3.5 Å-5 Å17)で決定されているためです。

クライオ電子顕微鏡によるタンパク質-リガンド複合体の3D構造決定の最初のステップは、リガンドをタンパク質と共精製するか(リガンドがタンパク質に対して高い結合親和性を持つ場合)、またはグリッド調製前にタンパク質溶液をリガンドと特定の期間インキュベートすることです。その後、少量のサンプルをプラズマ洗浄した穴質TEMグリッド上に配置し、続いて液体エタン中で瞬間凍結し、最終的にクライオTEMでイメージングします。数十万から数百万の個々の粒子からの2D投影画像を平均化して、高分子の3次元(3D)クーロン電位マップを再構築します。これらのマップでリガンドと溶媒分子を同定し、モデル化することは、マップ全体の異方性分解能(すなわち、高分子間で分解能が均一ではない)、リガンドが結合している領域の柔軟性、およびデータ内のノイズのために、多くの場合、大きな課題を提起します。XRD用に開発されたモデリング、改良、および視覚化ツールの多くは、現在、同じ目的でクライオEMでの使用に適応されています18,19,20,21。この記事では、リガンドの同定、モデルの構築、クライオEMから得られる座標の改良に現在使用されているさまざまな方法とソフトウェアの概要を示します。特定のタンパク質-リガンド複合体を用いたリガンドのモデリングに関与するプロセスを、さまざまな分解能と複雑さで説明するための段階的なプロトコルが提供されています。

クライオ電子顕微鏡マップでリガンドをモデル化する最初のステップは、マップ内のリガンド密度(非タンパク質)の同定です。リガンド結合がタンパク質の立体配座変化を誘発しない場合、タンパク質-リガンド複合体とアポタンパク質との間の単純な差分マップを計算すると、本質的に余分な密度の領域が強調表示され、リガンドの存在が示唆されます。このような違いは、2つのマップが必要なだけなのですぐに観察でき、3Dリファインメントのプロセス中の中間マップでも、リガンドが存在するかどうかを確認するために使用できます。さらに、分解能が十分に高い(<3.0 Å)場合、差分マップは、水分子の位置や、リガンドおよびタンパク質残基と相互作用するイオンに関する洞察も提供できます。

アポタンパク質マップがない場合、Servalcat22を使用することが可能になり、これはスタンドアロンツールとして利用可能であり、Refmacリファインメントの一部としてCCP-EMソフトウェアスイート23,24に統合され、CCP4 8.0リリース25,26でも統合されています。Servalcatは、シャープ化されていないハーフマップとアポタンパク質モデルを入力として使用して、FSC加重差(Fo-Fc)マップの計算を可能にします。Fo-Fc 省略マップは、実験マップ(Fo)とモデルから導出されたマップ(Fc)との間の不均衡を表します。モデルにリガンドがない場合、Fo-Fcマップの正の密度が実験EMマップと重なると、通常、リガンドの存在を示唆します。ここでの仮定は、タンパク質鎖がマップによく適合しており、残りの正の密度がリガンドの位置を示すことです。ただし、正の密度がモデリングの不正確さ(タンパク質側鎖の回転子が間違っているなど)に起因するかどうかを細心の注意を払って調べることが重要です。

2番目のステップでは、利用可能な化学情報から明確に定義された形状を持つリガンドのデカルト座標ファイルを取得または作成します。CCP4モノマーライブラリにすでに含まれている標準配位子(ATPやNADP+など)は、モノマーアクセッションコードを介して座標ファイルとジオメトリファイルを取得することで、リファインに使用できます。ただし、不明または非標準の配位子については、ジオメトリファイルを作成するためのさまざまなツールを使用できます。例としては、Phenix28のeLBOW27(電子リガンドビルダーおよび最適化ワークベンチ)、Coot29の組み込みツールであるLidia、JLigand/ACEDRG30,31、CCP-EM23,24、Schrodingerスイート内のGlideのLigprep32-aモジュールなどがあります。次に、リガンド座標ファイルは、実験的なクライオ電子顕微鏡マップとCootの差分マップの両方によって導かれて、密度に適合します。これに続いて、Phenix28 での実空間の改良、または Refmac33 での相互改良が行われます。Linuxワークステーション、または優れたグラフィックカードと上記のソフトウェアを搭載したラップトップが必要です。これらのプログラムのほとんどは、さまざまなスイートに含まれています。CCP-EM24 と Phenix28 は、アカデミック ユーザーが無料で利用でき、Coot、Refmac5 33,34,35,36、Servalcat、phenix.real_space_refine など、この記事で使用されているさまざまなツールが含まれています。同様に、Chimera37 と ChimeraX38 は、アカデミック ユーザーに無料ライセンスを提供します。

プロトコル

1. 結核菌由来エノラーゼにおけるホスホエノールピルビン酸(PEP)のモデリング

  1. PEP-エノラーゼ複合体のクライオEMマップにおけるリガンド密度の同定
    1. EMDBの追加データから、apo-enolaseのシャープ化されていないハーフマップ(emd_30988_additional_1.mapおよびemd_30988_additional_2.map)をダウンロードします( 資料表を参照)。
    2. ChimeraX を開きます ( 材料の表を参照)。apo-enolase のハーフマップを開くには、ツールバーから Open をクリックし、ファイル名を選択します。コマンドラインで vop add #1 #2 と入力して、両方のハーフマップを結合し、apo-enolaseのシャープ化されていないマップを取得します。
      注:#1と#2は、ステップ1.1.1で述べたように、アポエノラーゼ酵素の2つのハーフマップを示しています。
    3. rename #3 Apo-enolase-unsharpened-mapと入力して、結合されたマップの名前(ChimeraXマップID:#3)を変更します。モデルパネルからマップをグレーに色付けします。このマップは、エノラーゼが溶液中で D4 対称性を持つ八量体であることを示しています。
    4. 次のハーフマップemd_30989_additional_1.map(マップID:4)とemd_30989_additional_2.map(マップID:5)を使用して手順1.1.1-1.1.3を繰り返し、PEP-enolase-unsharpened-map(マップID:#6)を取得します。
    5. 差分マップを計算するには、まず、ChimeraXのマップパネル(ツールバー)のFit(マップインマップ)をクリックして、ステップ1.1.3とステップ1.1.4のPEP-エノラーゼとアポエノラーゼの非シャープンマップ)を互いにフィットさせます。
      注: 2 つのマップ間では正規化は行われません。場合によっては、マップを同じ縮尺にするために正規化が必要になることがあります。
    6. コマンドラインで vop subtract #6 #3 と入力して、apo-enolaseマップからPEP-enolaseマップを減算します。
      注:#6 = PEP-エノラーゼの未鮮明なマップ、#3 = Apo-エノラーゼの未鮮明なマップ。
    7. 減算されたマップ(マップID:7)を緑色で着色し、正の密度を示します(X線結晶構造解析の規則による)39
    8. Protein Data Bank (PDB) から M. tuberculosis 八量体エノラーゼ (PDB: 7e4x) の座標をダウンロードし、ツールバーの open をクリックして 、ファイル名を選択します。
    9. コマンド ラインに 「rename #8 Apo_enolase.pdb 」と入力して、モデルの名前を 7e4x.pdb に変更します。#8 は ChimeraX の Apo_enolase.pdb を示します。
    10. モデルパネルからモデルを選択します。ツールバーの「Right Mouse」をクリックします。Move moleculeをクリックして、PEP-エノラーゼマップ(#6)の近くにモデルを配置し、マップに対してモデルを位置合わせします。このモデルを PEP-enolase-unsharpened-map に当てはめるには、コマンドラインで #6 に fit #8 と入力します。ここでは、マップには 6 の番号が付けられ、モデルには 8 の番号が付けられています。
      注: 場合によっては、ChimeraX のローカル フィットがモデルを整列させるのに十分でない場合があります。このような場合、Phenixでグローバルフィッティングの追加ステップ(DockinMap、 マテリアルの表を参照)を実行できます。
    11. コマンドラインに save Apo-enolase.pdb #8 と入力して、フィットモデルを保存します。
  2. PEP-エノラーゼ複合体のB因子シャープ化クライオEMマップにおけるPEPのモデリングと改良
    1. ターミナルから「coot」( 資料の表を参照)を開くには、「 ./Coot &」と入力します。
    2. 「ファイル」>「開いている座標」の「Apo-enolase.pdb」をクリックして、「Apo-enolase.pdb」を表示します。座標ファイルは結合(原子による色)で表示されます。
    3. EMDBからPEP結合エノラーゼシャープマップ、つまりemd_30989.mapをダウンロードします。[ ファイル] > [マップを開く] > emd_30989.map をクリックして同じものを表示します。しきい値を 7.00 σ に設定するには、マウスの中央ボタンをスクロールします。
    4. モデル化されていないブロブを見つけるには 、[Validate > Unmodeled blobs] > [Find Blobs] をクリックします。
    5. エノラーゼモデルの活性部位残基Ser 42、Lys-386、およびArg-364の近くに、モデル化されていないリガンド密度を見つけます。
    6. CootモノマーライブラリからPEPモノマーモデルファイルを取得するには 、File > Get Monomer をクリックし、3文字コードとして PEP を入力します。
    7. サイドバーメニューのRotate/Translate- Zone/Chain/Moleculeオプションを使用して、PEP分子を密度に移動します。Cootの実空間リファインメントを使用して、PEP分子を密度に合わせるには、サイドバーメニューのReal Space Refine Zoneをクリックします。エディットタブのmerge moleculeオプションを使用して、フィットしたリガンドをApo-enolase.pdbとマージします。モデルを PEP-Enolase.pdb として保存します。
      注: リガンドを使用することもできます>ジグルフィットリガンド オプションを使用して、リガンドを適合させることもできます。
    8. 座標ファイル内の残りのモノマーに配位子を追加するには、[ NCS Tools > NCS ligands]>[Calculate]をクリックします。Find NCS-Related Ligandsという名前の別のウィンドウが表示されます。Protein with NCSオプションでは、座標ファイル Apo-enolase.pdb を選択し、NCS Master Chainとして Chain ID A を選択します。
      1. リガンドを含む分子は、座標ファイルとして Apo-enolase.pdb を選択し、 Chain ID、J、Residue Number 1 to 1を選択します。 「Find Candidate Positions」をクリックします。フィットリガンドという名前のウィンドウが表示され、候補ポジションのリストが表示されます。個々の候補リガンドをクリックしてフィッティングを評価し、フィットを視覚的に分析します。
        注:Servalcat/Refmacでは、モノマーモデルのみを提供でき、再構成で使用される対称性を指定して拡張モデルを取得できます。
    9. 溶媒分子の追加の密度も、配位子の近くで観察されました。種々の同族体由来のエノラーゼの高分解能結晶構造は、2つのMg2+イオンの存在を示唆している40,41、これはおそらく反応中間体の負電荷を安定化させる。活性部位密度の2つのMg2+イオンをモデル化するには、ポインタの位置にある「place atom」をクリックし、「Pointer Atom type」リストから「MG」を選択します。
      注:ボンドの形状と距離は、金属イオンを選択するためのガイドとして使用できます。タンパク質残基の酸素原子に結合したMg2+ の場合、結合距離は2.1 Å -2.4 Åの間で変化し、八面体の形状をしています。ただし、低解像度のマップの場合、座標球体は不完全であることが多く、解像度の制限により距離も異なる場合があります。
    10. ステップ1.2.8を繰り返して、対称性に関連するモノマーにMg2+ イオンを添加します。
    11. 「File」>「Save coordinates」をクリックし、「Select Filename >」をクリックし>Enolase+PEP+Mg.pdbと入力して、モデルを保存します。
    12. Phenix GUIを開きます(資料の表を参照)。既定のパラメーターを使用して、Enolase+PEP+Mg.pdb と emd_30989.map をそれぞれ入力モデルとマップとして、実空間のリファインメント ジョブを実行します。この手順は、マップモデルとの良好な適合とジオメトリを実現するために、Coot を使用して繰り返し実行されます。
      注:シャープ化されていない差分マップは、図のようにリガンドの存在を示すために使用されます。モデリングの目的で、Bファクターシャープマップが使用されており、推奨されます。Bファクターシャープマップは、シャープ化されていないマップとは対照的に、デモンストレーション目的で差分マップを計算するためにも使用できます。ただし、リガンドが結合している領域で解像度が低い場合、マップ全体をシャープにするために使用される単一のBファクターでは、リガンド密度が明確に示されない可能性があります。
  3. モデル化されたリガンドの可視化とフィギュア生成
    1. PyMOL42 (材料の表を参照) で最終的な Phenix リファインメント ジョブからリファインされた Enolase+PEP+Mg モデルを開くには、File > Open をクリックしてファイル名を選択します。
    2. emd-30989.map (PEP バインドのシャープ マップ) を読み込むには、[ファイル] > [開く] をクリックし、ファイル名を選択します。
    3. マップの名前を PEP-sharpened に変更するには、emd_30989 オブジェクトに対して [名前の変更 ] アクションをクリックし>「 PEP-sharpened」と入力します。
      注:ほとんどの場合、エノラーゼなど、pymolでマップを開いたとき、正規化マップオプションがデフォルトでチェックされているため、マップは正規化されます。クライオ電子顕微鏡マップは大きなボックスの中央に配置されるため、正規化にはボックス内のすべてのものが含まれます。したがって、pymolで開く前に正規化をオフにすることができます。
    4. 配列の表示をクリックしてリガンドを選択します>。
    5. コマンドラインに isomesh mesh_ligands, PEP-sharpened, 6.0, sele, carve=3.0と入力し、 Enterキーを押します。
    6. mesh_ligandオブジェクトの横にある最後のボックスCをクリックして、mesh_ligandを青色にします。
    7. 活性部位残基、Ser-42、Asp-241、Glu-283、Asp-310、Arg-364、Lys-386 は、それぞれスティックと球の表現で PEP と Mg2+ と相互作用し、エノラーゼ酵素を漫画の表現で表示します。
    8. レイトレースは 、ray 3600、3600 と入力してパブリケーション品質の画像を生成し、 ファイル>保存 をクリックし、ファイル名として PEP.png を選択してpngファイルとして保存します。

2. 代謝型グルタミン酸受容体mGlu 5におけるリガンドのモデリング

  1. アゴニストおよびアンタゴニスト結合mGluのクライオEMマップにおけるリガンド密度の同定とモデリング5
    1. 2 つのハーフマップを、アゴニスト バウンド (EMD-31536, 7fd8.pdb) とアンタゴニスト バウンド (EMD-31537,7fd9.pdb) mGlu5 コンプレックスのそれぞれに対応する座標ファイルとともにダウンロードします。
    2. ChimeraXを開く
      1. 座標ファイル 7fd8.pdb を開くには、[ 開く ] をクリックして [7fd8.pdb] を選択します。
      2. コマンドラインに delete ligand と入力し、 Enterキーを押します。
      3. 同様に、 コマンド delete/B を使用してチェーン B を削除します。
        注:配位子と鎖は、上部のドロップダウンメニューを使用して、原子/結合>>選択とアクションを使用して削除できます。
      4. リガンドされていない pdb を保存するには、コマンド ラインに save 7fd8_noligand_chainA.pdb #1 と入力します。#1 はモデル ID を示します。
      5. 7fd9.pdb に対して手順 2.1.2.1-2.1.2.4 を繰り返します。
    3. CCP-EM を開きます。mGlu5 という名前の新しいプロジェクトを作成し、プロジェクト ディレクトリとユーザー名を指定します。
      1. 左側のパネルのオプションから Relion を開きます。
        1. [マスクの作成]タブに移動します。
        2. EMD-31536 のハーフマップの 1 つを入力として指定します。
          注:Relionは、接尾辞として.mrcを持つマップを受け入れ、EMDマップには.map接尾辞が付きます。マップファイルは、ChimeraXで開いて調べたり、.mrc形式で保存したりできます。
        3. [マスク] タブで、ピクセル サイズを 0.89 Å に、初期二値化しきい値を 0.007 に指定します。
        4. エイリアス 31536 (またはわかりやすい他の名前) を使用してジョブを実行します。
        5. 同様に、EMD - 31537 ハーフ マップのマスクを作成します。
      2. CCPEMの左パネルのオプションから Refmac Servalcat プログラムを開きます。
        1. 名前を mGlu5_agonist として指定します。
        2. モデルのセクション 2.1.2.4 の説明に従って、7fd8_noligand_chainA .pdb ファイルをインポートします。2 つのハーフマップの場所と、Relon で作成された対応するマスクを指定します。
        3. 解像度を 3.8 Å に指定します。
        4. [細分化設定] > [厳密対称] に移動し、Relion ポイント グループの対称性として C2 を指定します。
        5. 上部のスタートボタンを押してプログラムを開始します。
    4. ジョブが終了したら、 Coot で結果を開きます(結果セクションの上部にあるオプション)。これにより、デフォルトで Coot に diffmap.mtz が表示され、赤と緑の色はそれぞれ負と正の密度を示します。
      1. DELFWT PHDELWT というラベルの差分マップの [表示マネージャ] > プロパティ に移動し、コンター レベルを 4.0 (絶対値) に変更します。
        注: しきい値の選択は、マップと解像度によって異なります。
      2. FWT PHWT というラベルの付いたマップと refined.pdb というラベルの分子を非表示にします。
      3. マウスを使用してマップを動かし、正の密度 (緑色) を視覚化し、大きい方のブロブを中央に寄せます。
      4. [File] > [Get monomer] に移動し、「QUS」と入力して Enter キーを押します。
      5. Calculate > Modeling > Rigid Body Fit分子に進み、QUSモノマーをダブルクリックして、Fo-Fc密度に収まるように分子を調整します。
      6. 編集タブの merge molecule オプションを使用して、QUS 分子を座標ファイル refined.pdb に追加します。
      7. ステップ2.1.4.3-2.1.4.6を繰り返して、モノマーコードNAGおよびCHSのリガンドを、細胞外および膜貫通ドメインの上部の小さい方のブロブにそれぞれ適合させます。
      8. 座標に refined_ligands.pdb と名前を付けて保存します。
        注:膜貫通(TM)ドメインの分解能は低いため、ここでは説明しません。
  2. mGlu5 配位子構造の改良
    1. CCPEM を開き、前の絞り込みジョブ (ステップ 2.1.3.2) をクローンし、refined_ligands.pdb とシャープ化されたマップ (emd.31536.mrc) を入力として使用し、デフォルトのパラメータと C2 対称性を使用します。
      注:プログラムがリガンドを認識しない場合は、CIFファイルを提供する必要があります。これらの CIF ファイルは、PDB からダウンロードするか、さまざまなプログラムを使用して生成できます (詳細については、手順 3.1.1 を参照してください)。
  3. PyMOLでの視覚化と図の生成
    1. 最新の Refmac リファインメント ジョブの refined_expanded.pdb モデルを PyMOL で開きます。
    2. 「ファイル」>「開く」に移動し、Refmacジョブディレクトリを参照して、diffmap_normalised_fofc.mrc(ステップ2.1.3.2のServalcatジョブとの差分マップ)ファイルをロードします。
      注: 参照中に .mrc 拡張子ファイルが表示されない場合は、ファイルの種類を [すべてのファイル ] に変更して参照します。
    3. ディスプレイ>シーケンスを使用してリガンドを選択します。
    4. アクションボタンに移動し、選択の名前をリガンドに変更します。
    5. コマンドラインに「 isomesh mesh_ligands, diffmap_normalised_fofc, 6.0, ligands, carve=2.5」と入力してEnterキーを押します。
      注:メッシュ幅は調整できます。ここでは、0.2 メッシュ幅が使用され、これは次のコマンドを使用して設定します: set mesh_width=0.2
    6. モノマーの 1 つを右クリックし、[チェーン > カラー] に移動して、各モノマーの色を指定します。リガンドとメッシュに色を付けるには、リガンドとmesh_ligandsオブジェクトの c とラベル付けされた最後のボックスを使用します。mGlu5受容体ダイマーは漫画で表現されており、モノマーはティールと小麦で着色されています。配位子は棒状に示され、配位子の輪郭を描くメッシュは緑色に着色されています。
    7. オブジェクトに対して 向き>/中心/ズームオプションのアクション を使用し、手動で調整してメッシュをはっきりと視覚化します。リガンドと相互作用する可能性のある近傍残基(例えば、QUSの場合はTyr64、Trp100)を選択し、必要に応じて、それらの側鎖または主鎖、あるいはその両方をスティック表現として表示します。
    8. レイトレーシングにより、高解像度の画像を生成し、pngファイルとして保存します。
      注:上記の手順は、アンタゴニストバウンドマップEMD-31537および対応する座標ファイルPDB-7fd9に対して繰り返されます。

3. 阻害剤、デオキシガラクトノジリマイシン(DGN)、および溶媒分子のβ-ガラクトシダーゼの高分解能シャープマップでのモデリング

  1. クライオ電子顕微鏡のハーフマップを用いたリガンドDGNの同定
    1. モデリングのための未知リガンドディクショナリーの作製 [Deoxygalacto-nojirimycin(DGN)]
      注:デオキシガラクト-ノジリマイシン辞書ファイルは、DGJ(3文字のリガンドID)としてCCP4モノマーライブラリに含まれています。それにもかかわらず、ここでは、未知のリガンドの辞書ファイルを生成するプロセスを説明するために、新しい未知のリガンドと見なされ、DGNは3文字のコードとして使用されます。
      1. PubChem の Web ページで deoxygalacto-nojirimycin (DGN) の化合物概要を開き、化合物 deoxygalacto-nojirimycin の smiles 文字列をコピーします。
      2. Phenix > Ligands > eLBOWを開きます。
      3. 入力として smiles 文字列を指定します。
      4. 適切な配位子形成最適化法を指定します。ここでは、単純な最適化が使用されます。
      5. chemical smiles文字列をligand definitionセクションに貼り付けます。
      6. ジョブタイトル、出力ファイルのプレフィックス、およびリガンドIDを適切に指定し、runを押します。
        メモ: ジョブの出力には、座標ファイル DGN.pdb と辞書ファイル DGN.cif ファイルが含まれます。Jligand29 は、cif ファイルの作成にも使用できます。
    2. PDBからβ-ガラクトシダーゼ座標ファイル(6tsh.pdb)をダウンロードし、テキストエディタを使用してタンパク質鎖(B、C、D)、リガンド、DGN、およびその他の溶媒分子の座標を削除するか、Cootの鎖/ゾーンオプションを削除します。座標ファイルに apo-betaGal_chainA.pdb という名前を付けて保存します。
      注:ChimeraXまたはPymolを使用して、リガンド/溶媒分子を除去することもできます。
    3. EMDBのEMD-10563エントリの追加データからハーフマップ(emd_10563_half_map_1.mapおよびemd_10563_half_map_2.map)をダウンロードします。
    4. CCPEM を開き、 Relion を使用して、しきい値 0.01 でマップのマスクを作成します (手順 2.1.3.1.1-2.1.3.1.4 で説明)。
    5. Servalcat を (ステップ 2 で説明した CCPEM スイート内で) 実行し、ステップ 3.1.3 で取得したハーフマップとステップ 3.1.2 の apo-model と D2 対称性を使用します。
      注: モデルは、リガンド密度を特定するために、ハーフマップまたはフルマップのいずれかに位置合わせする必要があります。これを行うには、ChimeraXを使用してモデルをマップにフィットさせ、ハーフマップを基準にして座標を保存します。この例では、ハーフマップとEMDBのプライマリマップのボックスサイズ/グリッドが異なるため、モデルをハーフマップに配置する必要があります。
    6. オオバンを開きます。
      1. 手順 3.1.1 で生成したリガンド ディクショナリの DGN.cif を Phenix eLBOW で開きます。これを行うには、[ File] > [Import CIF dictionary ] に移動し、eLBOW ジョブ ディレクトリを参照します。
      2. タンパク質とリガンドの座標ファイル、ステップ3.1.2のapo-betaGal_chainA.pdbとステップ3.1.6のDGN.pdbをそれぞれ開きます。
      3. Servalcatジョブ(ステップ3.1.5)から diffmap.mtz ファイルを自動的に開き、COOTでDELFWT PHDELWTというラベルの付いたマップを視覚化します。絶対値 ~ 4 のしきい値でマップを等高線化します。
        注: ヘッダー map.mrc を入力するか、Chimera のツールを使用して、マップ統計を確認することが重要です。ピクセルサイズ、ボックスサイズ、最小密度、平均密度、最大密度、および平均密度からのrms偏差に関するすべての必要な情報を取得できます。クライオEMマップのピクセルサイズとボックスサイズを確認することが重要です。3Dマップは、タンパク質-リガンドマップのボリュームを3Dボクセルのグリッドで表します。各ボクセルには、電子ポテンシャル値またはその位置で電子を見つける確率が格納されます。特定のしきい値を選択すると、指定した値よりも低い密度を持つボクセルが 0 に設定されます。これにより、マップ内の実験的なノイズを最小限に抑え、マップの特徴をより適切に視覚化することができます43。したがって、マップは、マップの特徴が見やすく、マップ内のノイズが最小になるしきい値で等高線化する必要があります。
      4. リガンドに移動して>リガンドを見つけます。表示される新しいウィンドウで、リガンド、差分マップ、apo-betaGal_chainA.pdb モデルを選択します。他のオプションはデフォルト設定のままにして、[リガンドの検索]をクリックして検索を開始します。
      5. 潜在的なリガンド密度を示す上位ヒットのリストが、各密度にコピーが配置されて表示されます。リガンドが配置されたすべてのヒットを手動で確認します。最も可能性の高いヒットを保持し、あいまいなヒットを削除します。
        注:高い閾値でのマップ密度の違いは、活性部位にリガンドが存在することを明らかに示唆しています。
  2. リガンドDGNおよび溶媒分子のモデリング
    1. Coot で 実空間のリファインを実行して 、リガンド (DGN.pdb) を差分密度マップに合わせ、リガンド座標を apo-betaGal_chainA.pdb と マージ して betaGal_chainA+ligand.pdb として保存します。
      注: 他のチェーンの領域に配置された配位子は、マージされた座標ファイルの保存中に削除でき、マージされません。他のチェーンの配位子は、例1のステップ1.2.8に示すようにNCS配位子によって生成するか、対称展開を使用してRefmac/Servalcatで生成できます。
    2. 上記のように、入力モデルとして betaGal_chainA+ligand.pdb を使用し、D2 対称性を持つハーフマップ (ステップ 3.1.3) を使用して、別の Servalcat ジョブ (ステップ 3.1.5) を実行します。
    3. モデル化された配位子を取り巻く密度の違い(ステップ3.2.2のServalcatジョブから)は、配位子分子と配位する溶媒分子の存在を示唆しています。配位子に近い中心密度は、水分子にとって大きすぎるように見えます。
    4. その位置にMg2+が存在することを示す以前の生化学的および構造的データに基づいて、ここではMg2+ イオンをモデル化するために、 原子配置 オプションをクリックし、原子を MGとして指定します。
    5. 活性部位の密度差で水分子をモデル化し、ポインタの位置にある原子の位置をクリックしてを選択することにより、溶媒分子の存在を示します。
      注:オオバンには、水分子を自動的に選択するオプションもあります。ここでは、活性部位のみに焦点が当てられているため、水分子は手動で追加されます。
    6. Mg2+ と水の座標を betaGal+ligand.pdb ファイルと統合し、betaGal+ligand+solvent_chainA.pdb として保存します。
    7. betaGal+ligand+solvent_chainA.pdb を使用して、Servalcat で D2 対称性を持つ Refmac リファインメントを実行します。
      注: このジョブからの出力差分マップは、リガンドが正確にモデル化されているかどうかを検証する手段として役立ちます。差分マップは、最小の残留正または負の密度を示す必要があります。
  3. PyMOLによる可視化と図表生成
    注:以下に概説する手順は、リガンドと溶媒の存在を示すために使用できるモデルとマップを使用してフィギュアを作成するいくつかの例を示しています。
    1. 最後のServalcatジョブ(ステップ3.2.6)のrefined_expanded.pdbを開き、リガンドと溶媒をモデル化します。
    2. 例 2 で説明したように、異なるチェーンを別々に選択して、マゼンタ、イエロー、グリーン、ティールに色を付けます。
    3. [Display > Sequence]に移動し、水分子、マグネシウム、DGNを個別に選択し、オブジェクトの名前をそれぞれ水、MG、DGNに変更します。
    4. オブジェクトを選択して右クリックし、MGと水分子を球として表示し、球>表示します。同様に、リガンドをスティック表現で表示し、リガンドと溶媒を適切に色付けします。この場合、配位子はヘテロ原子によって黄色に着色され、マグネシウムイオンは紫色に、水分子は赤色に着色されています。
    5. DGN、MG、および水分子を選択します。右クリックしてオブジェクトにコピーするアクションを選択し>ligandsという名前を付けます。
    6. 手順 3.2.6 で Servalcat ジョブから diffmap_normalised_fo.mrc を開き、名前を ligand_fo.mrc に変更します。 isomesh のmesh_ligands_fo、ligand_fo、3、ligands、carve=2 のコマンドを入力します。
      注:2 Åの彫刻オプションが原子の周囲に適用され、マップの解像度と品質に応じて、3〜5の値を使用できます。また、PyMOLでクライオ電子顕微鏡マップを開くときは、normalize_ccp4_mapsをオフに設定することをお勧めします。
    7. アクション>向き/ズームオプションを使用し、手動で調整して、ステップ2.3.7に示すように、リガンドと近くの相互作用残基(該当する場合)を視覚化します。
    8. これらのシーンをレイトレーシングして、 コマンド ray 3600、3600 を使用して高解像度の画像を保存します。
    9. シーンを.pngファイルとして保存します。
      注:次の手順はオプションであり、(1)モデル化されていない配位子DGNの差密度(Fo-Fc)、(2)モデル化された配位子DGNの密度(Fo)、モデル化されていない溶媒の差密度(Fo-Fc)、最後に(3)モデル化された配位子、DGN、および活性部位の溶媒分子の密度(Fo)を視覚化するプロセスの概要を示します。
    10. 差分マップを使用してリガンド、DGN、および周囲の溶媒分子の存在を示すには、ステップ3.1.5のServalcatジョブから diffmap_normalised_fofc.mrc を開きます。マップ・オブジェクトの横にある 「アクション」>「名前の変更 」をクリックして、マップ・ファイルの名前を「unliganded_fofc.mrc」に変更します。コマンドラインに isomesh mesh_ligands_fofc、unliganded_fofc、ligands、level=6、carve=2と入力します。
    11. モデル化された配位子DGN、および周囲のモデル化されていない溶媒密度の密度を示すには、手順3.2.2でservalcatジョブの diffmap_normalised_fo.mrcdiffmap_normalised_fofc.mrc を開きます。diffmap_normalised_fo.mrcの名前を DGN_fo に、diffmap_normalised_fofc.mrcの名前を DGN_unmodelled_solvents_fofcに変更します。
    12. Display > SequenceからMGを選択し、右クリックしてオブジェクトにコピーするアクション>選択し、それらを溶媒として名前を付けます。
    13. コマンド ラインに isomesh mesh_DGN_fo, DGN_fo, DGN, level=3, carve=2; isomesh mesh_solvent_fofc, DGN_unmodelled_solvents_fofc, solvents, level=6, carve=2 と入力します。
      注:mesh_DGN_foはリガンドの密度を示し、mesh_solvent_fofcはMGと水の省略密度を示します。
    14. 最後に、モデル化された配位子と活性部位の周囲の溶媒分子を視覚化するために、ステップ 3.2.6 の Servalcat ジョブから diffmap_normalised_fo.mrc を開き、名前を ligand_fo.mrc に変更します。
    15. コマンドラインに isomesh mesh_ligand_fo、ligand_fo、selection=ligands、level=3、carve=2と入力します。
      注:ここではdiffmap_normalised_fo.mrcを使用しましたが、最終的なシャープマップを使用して、リガンドの密度と周囲の残基を示すことができます。図の凡例で、使用するマップのタイプ、B ファクターシャープニング値について言及することをお勧めします。
    16. メッシュの幅と球のサイズを設定するには、set mesh_width=0.2 set sphere_scale=0.25 というコマンドを入力して、球のサイズを小さくします。
    17. fo メッシュを青、fofc メッシュを緑に色付けします。
    18. ステップ2.3.7に示すように 、アクション>方向/ズーム オプションを使用し、手動で調整して、リガンドと近くの相互作用する残基(該当する場合)を視覚化します。
    19. これらのシーンをレイトレーシングして、 コマンド ray 3600、3600 を使用して高解像度の画像を保存します。
    20. 個々のシーンを.pngファイルとして保存します。

4. β-ガラクトシダーゼのリガンドモデリングにおける分解能の影響

  1. ターミナルを開き、2つのハーフマップを含むディレクトリに移動します。
  2. ChimeraXで2つのハーフマップ(ステップ3.1.3)を.map形式で開き、視覚化してemd10563_half1_1_unfil.mrcおよびemd10563_half2_1_unfil.mrcとして保存します。
  3. ステップ 3.1.4 で作成したマスクは、入力として使用できます。
  4. Relionで、手順4.2〜4.3のハーフマップとマスクを使用して、デフォルトのパラメータを使用して PostProcessing ジョブを実行します。
  5. 手順4.4を繰り返して、 スキップFSC計量 を有効にし、アドホックローパスフィルタを 3 Åに指定します。
  6. 手順 4.4 を 3.5 Å のアドホックローパスフィルターで繰り返します。
  7. 手順4.4-4.6のマップ(postprocess.mrc)を開き、異なる解像度でフィルタリングし、手順3.1.2のモデル座標6tsh.pdb(ChimeraXのハーフマップに位置合わせ)ファイルをPyMOLで開きます。各マップの名前を、解像度の定義に従って 3.0、3.5、2.3 に変更します。
    注:マップのローパスフィルタリングは、ChimeraXまたはCootでマップを視覚化することで確認できます。
  8. リガンド分子と溶媒分子の密度に対する分解能の影響を視覚化するには、ステップ 3.3.6 で説明したように、リガンド分子と溶媒分子の周囲に 2 Å のメッシュを作成し、マップを異なる解像度にフィルタリングします。

結果

実施例1
結核菌由来の酵素エノラーゼは、解糖の最後から2番目のステップを触媒し、2-ホスホグリセリン酸をいくつかの代謝経路の必須中間体であるホスホエノールピルビン酸(PEP)に変換する44,45。アポエノラーゼサンプルとPEP結合エノラーゼサンプルのクライオ電子顕微鏡データを同じピクセルサイズ1.07 Åで収集し、Relion 3.1<...

ディスカッション

近年、顕微鏡のハードウェアとソフトウェアの改良により、クライオ電子顕微鏡の構造の数が増加しています。単粒子クライオ電子顕微鏡で現時点で達成されている最高分解能は 1.2 Å 57,58,59 ですが、構造の大部分は 3-4 Å の分解能で決定されています。中解像度から低解像度のマップでのリガンドのモデリングは、厄介?...

開示事項

著者は何も開示していません。

謝辞

SJはDAE-TIFRから博士課程の学生資格を取得しており、資金提供が認められています。KRVは、DBT B-Lifeの助成金DBT/PR12422/MED/31/287/2014およびインド政府原子力省の支援をプロジェクト識別番号で認めています。RTI4006。

資料

NameCompanyCatalog NumberComments
CCP4-8.0Consortium of several instituteshttps://www.ccp4.ac.ukFree for academic users and includes Coot and list of tools developed for X-ray crystallography
CCP-EMConsortium of several instituteshttps://www.ccpem.ac.uk/download.phpFree for academic users and includes Coot, Relion and many others
Coot Paul Emsley, LMB, Cambridgehttps://www2.mrc-lmb.cam.ac.uk/personal/pemsley/coot/General software for model building but also available with other suites described above
DockinMap (Phenix)Consortium of several instituteshttps://phenix-online.org/documentation/reference/dock_in_map.htmlSoftware inside the Phenix suite for docking model into cryoEM maps
Electron Microscopy Data Bank Consortium of several instituteshttps://www.ebi.ac.uk/emdb/Public Repository for Electron Microscopy maps
FalconThermo Fisher Scientific https://assets.thermofisher.com/TFS-Assets/MSD/Technical-Notes/Falcon-3EC-Datasheet.pdfCommercial, camera from Thermo Fisher 
Phenix Consortium of several instituteshttps://phenix-online.org/downloadFree for academic users and includes Coot
Protein Data BankConsortium of several instituteshttps://rcsb.orgPublic database of macromolecular structures
PymolSchrodingerhttps://pymol.org/2/Molecular viusalization tool. Educational version is free but comes with limitation. The full version can be obtained with a small fee.
RelionMRC-LMB, Cambridgehttps://relion.readthedocs.io/en/release-4.0/Installation.htmlSoftware for cryoEM image processing, also available with CCP-EM
Titan KriosThermo Fisher Scientific https://www.thermofisher.com/in/en/home/electron-microscopy/products/transmission-electron-microscopes/krios-g4-cryo-tem.html?cid=msd_ls_xbu_xmkt_tem-krios_285811_gl_pso_gaw_tpne1c&
gad_source=1&gclid=CjwKCAiA-P-rBhBEEiwAQEXhHyw5c8MKThmdA
AkZesWC4FYQSwIQRk
ZApkj08MfYG040DtiiuL8
RihoCebEQAvD_BwE
Commercial, cryoTEM from Thermo Fisher
UCSF ChimeraUCSF, USAhttps://www.cgl.ucsf.edu/chimera/download.htmlGeneral purpose software for display, analysis and more
UCSF Chimera XUCSF, USAhttps://www.cgl.ucsf.edu/chimerax/General purpose software for display, analysis and more

参考文献

  1. Steinbrecher, T., Labahn, A. Towards accurate free energy calculations in ligand protein-binding studies. Curr Med Chem. 17, 767-785 (2010).
  2. Fu, Y., Zhao, J., Chen, Z. Insights into the molecular mechanisms of protein-ligand interactions by molecular docking and molecular dynamics simulation: a case of oligopeptide binding protein. Comput Math Methods Med. 4, 3502514 (2018).
  3. Grinter, S. Z., Zou, X. Challenges, applications, and recent advances of protein-ligand docking in structure-based drug design. Molecules. 19 (7), 10150-10176 (2014).
  4. Henderson, R., Hasnain, S. Cryo-EM': electron cryomicroscopy, cryo electron microscopy or something else. IUCrJ. 10 (5), 519-520 (2023).
  5. Rosenthal, P. B. A potential difference for single-particle cryo-EM. IUCrJ. 6, 988-989 (2019).
  6. Wang, J., Moore, P. B. On the interpretation of electron microscopic maps of biological macromolecules. Prot Sci. 26 (1), 122-129 (2017).
  7. Murshudov, G. N. Refinement of atomic structures against cryo-EM Maps. Meth Enzymol. 579, 277-305 (2016).
  8. Kulik, M., Chodkiewicz, M. L., Dominiak, P. M. Theoretical 3D electron diffraction electrostatic potential maps of proteins modeled with a multipolar pseudoatom data bank. Acta Crystallogr D Struct Biol. 78 (8), 1010-1020 (2022).
  9. Yonekura, K., Kato, K., Ogasawara, M., Tomita, M., Toyoshima, C. Electron crystallography of ultrathin 3D protein crystals: Atomic model with charges. Proc Natl Acad Sci U S A. 112 (11), 3368-3373 (2015).
  10. Mu, X., Gillman, C., Nguyen, C., Gonen, T. An overview of microcrystal electron diffraction (MicroED). Annu Rev Biochem. 90, 431-450 (2021).
  11. Kühlbrandt, W. The resolution revolution. Science. 343 (6178), 1443-1444 (2014).
  12. Lawson, C. L., et al. EMDataBank unified data resource for 3DEM. Nucleic Acids Res. 44, 396-403 (2016).
  13. Lees, J. A., Dias, J. M., Han, S. Applications of Cryo-EM in small molecule and biologics drug design. Biochem Soc Trans. 49 (6), 2627-2638 (2021).
  14. Robertson, M. J., Meyerowitz, J. G., Skiniotis, G. Drug discovery in the era of cryo-electron microscopy. Trends Biochem Sci. 47 (2), 124-135 (2022).
  15. Muenks, A., Zepeda, S., Zhou, G., Veesler, D., DiMaio, F. Automatic and accurate ligand structure determination guided by cryo-electron microscopy maps. Nat Commun. 14, 1164 (2023).
  16. Oldfield, T. J. X-ligand: An application for the automated addition of flexible ligands into electron density. Acta Crystallogr D Biol Crystallogr. 57 (5), 696-705 (2001).
  17. Zwart, P. H., Langer, G. G., Lamzin, V. S. Modelling bound ligands in protein crystal structures. Acta Crystallogr D Biol Crystallogr. 60, 2230-2239 (2004).
  18. Terwilliger, T. C., Klei, H., Adams, P. D., Moriarty, N. W., Cohn, J. D. Automated ligand fitting by core-fragment fitting and extension into density. Acta Crystallogr D Biol Crystallogr. 62 (8), 915-922 (2006).
  19. Casañal, A., Lohkamp, B., Emsley, P. Current developments in Coot for macromolecular model building of Electron Cryo-microscopy and Crystallographic Data. Prot Sci. 29 (4), 1069-1078 (2020).
  20. Yamashita, K., Palmer, C. M., Burnley, T., Murshudov, G. N. Cryo-EM single-particle structure refinement and map calculation using Servalcat. Acta Crystallogr D Struct Biol. 77 (10), 1282-1291 (2021).
  21. Wood, C. Collaborative computational project for electron cryo-microscopy. Acta Crystallogr D Biol Crystallogr. 71 (1), 123-126 (2015).
  22. Burnley, T., Palmer, C. M., Winn, M. Recent developments in the CCP-EM software suite. Acta Crystallogr D Struct Biol. 73 (6), 469-477 (2017).
  23. Potterton, E., McNicholas, S., Krissinel, E., Cowtan, K., Noble, M. The CCP4 molecular-graphics project. Acta Crystallogr D Biol Crystallogr. 58 (11), 1955-1957 (2002).
  24. Agirre, J. The CCP4 suite: Integrative software for macromolecular crystallography. Acta Crystallogr D Struct Biol. 79 (6), 449-461 (2023).
  25. Moriarty, N. W., Grosse-Kunstleve, R. W., Adams, P. D. Electronic ligand builder and optimization workbench (eLBOW): A tool for ligand coordinate and restraint generation. Acta Crystallogr D Biol Crystallogr. 65 (10), 1074-1080 (2009).
  26. Adams, P. D. A comprehensive Python-based system for macromolecular structure solution. Acta Crystallogr D Biol Crystallogr. 66 (2), 213-221 (2010).
  27. Emsley, P., Cowtan, K. Coot: Model-building tools for molecular graphics. Acta Crystallogr D Biol Crystallogr. 60 (12), 2126-2132 (2004).
  28. Debreczeni, J. &. #. 2. 0. 1. ;., Emsley, P. Handling ligands with Coot. Acta Crystallogr D Biol Crystallogr. 68 (4), 425-430 (2012).
  29. Long, F., et al. AceDRG: A stereochemical description generator for ligands. Acta Crystallogr D Struct Biol. 73 (2), 112-122 (2017).
  30. Schrödinger. LigPrep. Schrödinger Release 2022-1: Schrödinger, LLC. , (2022).
  31. Brown, A. Tools for macromolecular model building and refinement into electron cryo-microscopy reconstructions. Acta Crystallogr D Biol Crystallogr. 71 (1), 136-153 (2015).
  32. Murshudov, G. N., Vagin, A. A., Dodson, E. J. Refinement of macromolecular structures by the maximum-likelihood method. Acta Crystallogr D Biol Crystallogr. 53, 240-255 (1997).
  33. Kovalevskiy, O., Nicholls, R. A., Long, F., Carlon, A., Murshudov, G. N. Overview of refinement procedures within REFMAC 5: Utilizing data from different sources. Acta Crystallogr D Struct Biol. 74 (3), 215-227 (2018).
  34. Winn, M. D., et al. Overview of the CCP4 suite and current developments. Acta Crystallogr D Biol Crystallogr. 67 (4), 235-242 (2011).
  35. Pettersen, E. F., et al. UCSF Chimera - A visualization system for exploratory research and analysis. J Comput Chem. 25 (13), 1605-1612 (2004).
  36. Pettersen, E. F., et al. UCSF ChimeraX: Structure visualization for researchers, educators, and developers. Prot Sci. 30 (1), 70-82 (2021).
  37. Lamb, A. L., Kappock, T. J., Silvaggi, N. R. You are lost without a map: Navigating the sea of protein structures. Biochim Biophys Acta Proteins Proteom. 1854 (4), 256-268 (2015).
  38. Ehinger, S., Schubert, W. D., Bergmann, S., Hammerschmidt, S., Heinz, D. W. Plasmin(ogen)-binding α-Enolase from streptococcus pneumoniae: Crystal structure and evaluation of plasmin(ogen)-binding sites. J Mol Biol. 343 (4), 997-1005 (2004).
  39. Tjia-Fleck, S., Readnour, B. M., Ayinuola, Y. A., Castellino, F. J. High-Resolution single-particle cryo-EM hydrated structure of streptococcus pyogenes enolase offers insights into its function as a plasminogen receptor. Biochemistry. 62 (3), 735-746 (2023).
  40. Pfab, J., Si, D. Automated threshold selection for cryo-EM density maps. ACM-BCB 2019. Proceedings of the 10th ACM International Conference on Bioinformatics, Computational Biology and Health Informatics. , 161-166 (2019).
  41. Rahi, A., et al. Enolase of Mycobacterium tuberculosis is a surface exposed plasminogen binding protein. Biochim Biophys Acta Gen Subj. 1861 (1), 3355-3364 (2017).
  42. Henderson, B., Martin, A. Bacterial virulence in the moonlight: Multitasking bacterial moonlighting proteins are virulence determinants in infectious disease. Infect Immun. 79 (9), 3476-3491 (2011).
  43. Scheres, S. H. W. A bayesian view on cryo-EM structure determination. J Mol Biol. 415 (2), 406-418 (2012).
  44. Zivanov, J., et al. New tools for automated high-resolution cryo-EM structure determination in RELION-3. Elife. 7, 42166 (2018).
  45. Mohammed, A., et al. Structural snapshots of Mycobacterium tuberculosis enolase reveal dual mode of 2PG binding and its implication in enzyme catalysis. IUCrJ. 10 (6), 738-753 (2023).
  46. Berman, H. M., et al. The Protein Data Bank. Nucleic Acids Res. 28 (1), 3-21 (2000).
  47. Nasrallah, C. Agonists and allosteric modulators promote signaling from different metabotropic glutamate receptor 5 conformations. Cell Rep. 36 (9), 109648 (2021).
  48. Doak, B. C., Norton, R. S., Scanlon, M. J. The ways and means of fragment-based drug design. Pharmacol Ther. 167, 28-37 (2016).
  49. Baker, M. Fragment-based lead discovery grows up. Nat Rev Drug Discov. 12 (1), 5-7 (2013).
  50. Kirsch, P., Hartman, A. M., Hirsch, A. K. H., Empting, M. Concepts and core principles of fragment-based drug design. Molecules. 24 (3), 4309 (2019).
  51. Bartesaghi, A., et al. 2.2 Å resolution cryo-EM structure of β-galactosidase in complex with a cell-permeant inhibitor. Science. 348 (6239), 1147-1151 (2015).
  52. Saur, M. Fragment-based drug discovery using cryo-EM. Drug Discov Today. 25 (3), 485-490 (2020).
  53. Maki-Yonekura, S., Kawakami, K., Takaba, K., Hamaguchi, T., Yonekura, K. Measurement of charges and chemical bonding in a cryo-EM structure. Commun Chem. 6 (1), 98 (2023).
  54. Yip, K. M., Fischer, N., Paknia, E., Chari, A., Stark, H. Atomic-resolution protein structure determination by cryo-EM. Nature. 587 (7832), 157-161 (2020).
  55. Nakane, T. Single-particle cryo-EM at atomic resolution. Nature. 587 (7832), 152-156 (2020).
  56. Pintilie, G. Measurement of atom resolvability in cryo-EM maps with Q-scores. Nat Methods. 17 (3), 328-334 (2020).
  57. Punjani, A., Rubinstein, J. L., Fleet, D. J., Brubaker, M. A. CryoSPARC: Algorithms for rapid unsupervised cryo-EM structure determination. Nat Methods. 14 (3), 290-296 (2017).
  58. Koehl, A. Structural insights into the activation of metabotropic glutamate receptors. Nature. 566 (7742), 79-84 (2019).
  59. Scheres, S. H. W. Classification of structural heterogeneity by maximum-likelihood methods. Meth Enzymol. 482, 295-320 (2010).
  60. Carugo, O. Atomic displacement parameters in structural biology. Amino Acids. 50 (7), 775-786 (2018).
  61. Wlodawer, A., Li, M., Dauter, Z. High-resolution Cryo-EM maps and models: A crystallographer's perspective. Structure. 25 (10), 1589-1597 (2017).
  62. Masmaliyeva, R. C., Babai, K. H., Murshudov, G. N. Local and global analysis of macromolecular atomic displacement parameters. Acta Crystallogr D Struct Biol. 76 (10), 926-937 (2020).
  63. Merritt, E. A. To B or not to B: A question of resolution. Acta Crystallogr D Biol Crystallogr. 68 (4), 468-477 (2012).
  64. Afonine, P. V., et al. Real-space refinement in PHENIX for cryo-EM and crystallography. Acta Crystallogr D Struct Biol. 74 (60), 531-544 (2018).
  65. Roberts on, M. J., van Zundert, G. C. P., Borrelli, K., Skiniotis, G. GemSpot: A pipeline for robust modeling of ligands into Cryo-EM maps. Structure. 28 (6), 707-716 (2020).
  66. Weis, F., Hagen, W. J. H. Combining high throughput and high quality for cryo-electron microscopy data collection. Acta Crystallogr D Struct Biol. 76 (8), 724-728 (2020).

転載および許可

このJoVE論文のテキスト又は図を再利用するための許可を申請します

許可を申請

さらに記事を探す

JoVE 209

This article has been published

Video Coming Soon

JoVE Logo

個人情報保護方針

利用規約

一般データ保護規則

研究

教育

JoVEについて

Copyright © 2023 MyJoVE Corporation. All rights reserved