Realistische Membranmodellierung anhand komplexer Lipidmischungen in Simulationsstudien

Die Lipidvielfalt der Membran in Struktur und Zusammensetzung ist ein wichtiger Faktor für zelluläre Prozesse und kann ein Marker für Krankheiten sein. Molekulardynamik-Simulationen ermöglichen es uns, Membranen und ihre Wechselwirkungen mit Biomolekülen mit atomistischer Auflösung zu untersuchen. Hier stellen wir ein Protokoll zur Verfügung, um komplexe Membransysteme zu bauen, zu betreiben und zu analysieren.

Lipide sind strukturelle Bausteine von Zellmembranen; Die Lipidspezies variieren zwischen den Zellorganellen und zwischen den Organismen. Diese Vielfalt führt zu unterschiedlichen mechanischen und strukturellen Eigenschaften in der Membran, die sich direkt auf die Moleküle und Prozesse auswirken, die an dieser Grenzfläche ablaufen. Die Zusammensetzung der Lipide ist dynamisch und kann dazu dienen, Signalprozesse in der Zelle zu modulieren. Computergestützte Ansätze werden zunehmend eingesetzt, um Wechselwirkungen zwischen Biomolekülen vorherzusagen und molekulare Einblicke in experimentelle Observablen zu liefern. Molekulardynamik (MD) ist eine auf statistischer Mechanik basierende Technik, die die Bewegung von Atomen basierend auf den Kräften, die auf sie einwirken, vorhersagt. MD-Simulationen können verwendet werden, um die Wechselwirkung von Biomolekülen zu charakterisieren. Hier stellen wir die Technik kurz vor, skizzieren praktische Schritte für Anfänger, die an der Simulation von Lipiddoppelschichten interessiert sind, demonstrieren das Protokoll mit einsteigerfreundlicher Software und diskutieren Alternativen, Herausforderungen und wichtige Überlegungen zum Prozess. Insbesondere betonen wir die Relevanz der Verwendung komplexer Lipidmischungen zur Modellierung einer Zellmembran von Interesse, um die geeigneten hydrophoben und mechanischen Umgebungen in der Simulation zu erfassen. Wir diskutieren auch einige Beispiele, bei denen die Zusammensetzung und die Eigenschaften der Membran die Wechselwirkungen von Doppelschichten mit anderen Biomolekülen modulieren.

Lipide sind Hauptbestandteile von Membranen, die den Zellen Grenzen bilden und eine intrazelluläre Kompartimentierung ermöglichen ^1,2,3. Lipide sind amphiphil, mit einer polaren Kopfgruppe und zwei hydrophoben Fettsäureschwänzen; Diese fügen sich selbst zu einer Doppelschicht zusammen, um den Kontakt der hydrophoben Ketten mit Wasser zu minimieren ^3,4. Verschiedene Kombinationen von hydrophilen Kopfgruppen und hydrophoben Schwänzen führen zu unterschiedlichen Klassen von Lipiden in biologischen Membranen, wie z. B. Gl....

1. Erstellen der Systemkoordinaten

1. Navigieren Sie mit einem Webbrowser zu CHARMM-GUI.org (C-GUI). Navigieren Sie im oberen Menü zu Input Generator und wählen Sie dann Membrane Builder aus den vertikalen Optionen auf der linken Seite des Bildschirms aus.
2. Um einen Bilayer zu erstellen, wählen Sie Bilayer Builder aus.
   HINWEIS: Erstbenutzer müssen ihr kostenloses Konto aktivieren, bevor sie ihren ersten Koordinatensatz erstellen........

Um die Anwendung des Protokolls und die damit verbundenen Ergebnisse zu veranschaulichen, wird eine Vergleichsstudie für Membranmodelle für das endoplasmatische Retikulum (ER) diskutiert. Die beiden Modelle in dieser Studie waren (i) das PI-Modell, das die vier wichtigsten Lipidspezies im ER enthält, und (ii) das PI-PS-Modell, das die anionische Phosphatidylserin-Lipidspezies (PS) hinzufügte. Diese Modelle wurden später in einer Studie eines viralen Proteins und seiner Interaktion mit der Membran verwendet, wobei da.......

Experimentelle Techniken können Biomoleküle mit hoher Auflösung unter Verwendung von Kryo-Elektronenmikroskopie (Kryo-EM)⁵⁸, Fluoreszenztechniken und Rasterkraftmikroskopie (AFM)⁵⁹ visualisieren. Es ist jedoch eine Herausforderung, das Zusammenspiel und die Dynamik molekularer Wechselwirkungen zu erfassen, die biologischen Signalwegen, der Krankheitspathogenese und der therapeutischen Verabreichung auf atomarer oder Aminosäureebene zugrunde liegen. Hier wurden die Mögl.......

Die Autoren danken Jinhui Li und Ricardo X. Ramirez für ihre Simulationsverläufe und Diskussionen während des Schreibens dieses Manuskripts. O.C. wurde durch das Presidential Fellowship der University at Buffalo und den National Institute of Health's Initiative for Maximizing Student Development Training Grant 1T32GM144920-01 unterstützt, der an Margarita L. Dubocovich (PI) vergeben wurde.