Моделирование и анализ взаимодействия олигопептидов с фактором некроза опухолей-альфа

Целью исследования являлось конструирование, физико-химическая характеристика и анализ эффективности взаимодействия ФНОα с олигопептидами-аналогами участка взаимодействия ФНОα с ФНОα-R2.
Приведены результаты анализа зоны контакта ФНОα с ФНОα-R2, определены потенциально наиболее эффективные олигопептиды, изучены свободная энергия связывания олигопептидов с ФНОα, изменение эффективности взаимодействия в зависимости от количества аминокислотных остатков в пептидной цепи, а также формы ФНОα (мономер или тример). На основании полученных данных описаны наиболее типичные локусы взаимодействия цитокина с олигопептидами. Для подтверждения правильности проведенных расчетов проведена оценка эффективности отобранных олигопептидов в экспериментах in vitro.
Для визуализации молекулярного комплекса и работы с pdb-файлом использовали программное обеспечение Chimera 1.14 с утилитой AutoDocVina, для исследований in vitro ‒ наборы реактивов для определения концентрации ФНОα методом непрямого иммуноферментного анализа. Исходная концентрация олигопептидов – 10 µмоль, исходные концентрации ФНОα (×10–8): 0; 0,0287; 0,0862; 0,2300; 0,5750; 1,4370 µмоль.
При взаимодействии олигопептидов с мФНОα отмечалось повышение эффективности связывания при увеличении количества аминокислотных остатков в цепи. При взаимодействии с трФНОα такой зависимости не наблюдалось. Анализ значений энергии связывания ди-, три- и тетрапептидов показал их статистически значимые различия при связывании с мФНОα и статистическую недостоверность различий при связывании с трФНОα.
Таким образом, полученные данные позволили сделать следующие выводы: 1) энергия взаимодействия олигопептидов с трФНОα не зависит от количества аминокислотных остатков в олигопептиде; 2) тримеризованная форма ФНОα более эффективно взаимодействует с олигопетидами по сравнению с мФНОα; 3) олигопептиды, содержащие аминокислотный остаток -Trp- и являющиеся пространственным аналогом фрагмента ФНОα-R2 (-Trp65-Asn66-Trp67- Val68-Pro69-), эффективнее взаимодействуют с молекулой ФНОα; 4) отобранные олигопептиды (Trp-Asn-Trp, Trp-ValPro, Trp-Asn-Trp-Val) наиболее перспективны для связывания ФНОα. Результаты экспериментов in vitro подтвердили эффективность только одного (Trp-Asn-Trp) из трех олигопептидов.

1. Aggarwal, B. Historical perspectivaes on tumor necrosis factor and its superfamily: 25 years later, a golden journey / B. Aggarwal, S. Gupta, J. Kim // Blood. – 2012. – Vol. 119, N 3. – P. 651–665. https://doi.org/10.1182/blood-2011-04-325225

2. Steeland, S. A new venue of TNF targeting / S. Steeland, C. Libert, R. E. Vandenbroucke // Int. J. Mol. Sci. – 2018. – Vol. 19, N 5. – Р. 1–55. https://doi.org/10.3390/ijms19051442

3. Idriss, H. T. TNFα and the TNF receptor superfamily: structure-function relationship(s) / H. T. Idriss, J. H. Naismith // Microscopy Res. Technique. – 2000. – Vol. 50, N 3. – P. 184–195. https://doi.org/10.1002/1097-0029(20000801)50:3<184::aidjemt2>3.0.co;2-h

4. Solution of the structure of the TNF-TNFR2 complex / Y. Mukai [et al.] // Sci. Sign. – 2010. – Vol. 3, iss.148. – P. 1–10. https://doi.org/10.1126/scisignal.2000954

5. Smith, R. The active form of tumor necrosis factor is a trimer / R. Smith, C. Baglioni // J. Biol. Chem. – 1987. – Vol. 262, N 15. – P. 6951–6954. https://doi.org/10.1016/s0021-9258(18)48183-5

6. Faustman, D. TNF receptor 2 pathway: drug target for autoimmune diseases / D. Faustman, M. Davis // Nat. Rev. Drug Discov. ‒ 2010. ‒ Vol. 9, N 6. ‒ P. 482–493. https://doi.org/10.1038/nrd3030

7. The key role of TNF-TNFR2 Interactions in the modulation of allergic inflammation: a review / S. Ahmad [et al.] // Front. Immunol. – 2018. – Vol. 9. – Art. 2572. https://doi.org/10.3389/fimmu.2018.02572

8. Cytokine induction of tumor necrosis factor receptor 2 is mediated by STAT3 in colon cancer cells / K. E. Hamilton [et al.] // Mol. Cancer Res. – 2011. – Vol. 9, N 12. – P. 1718–1731. https://doi.org/10.1158/1541-7786.mcr-10-0210

9. Sheng, Y. Makes tumor necrosis factor a friend of tumors / Y. Sheng, F. Li, Z. Qin // Front. Immunol. – 2018. – Vol. 9. – Art. 1170. https://doi.org/10.3389/fimmu.2018.01170

10. Anti-TNF-α therapies: the next generation / M. A. Palladion [et al.] // Nat. Rev. – 2003. ‒ Vol. 2, N 9. ‒ P. 736‒744. https://doi.org/10.1038/nrd1175

11. Desai, S. Problems encountered during anti-tumour necrosis factor therapy / S. Desai, D. E. Furst // Best Practice Res. Clin. Rheumatol. – 2006. – Vol. 20, N 4. – P. 757‒790. https://doi.org/10.1016/j.berh.2006.06.002

12. Sharma, R. TNF-alpha inhibitors: current indications / R. Sharma, C. L. Sharma // Indian J. Crit. Care Med. – 2007. – Vol. 11, N 3. – P. 139‒148. https://doi.org/10.4103/0972-5229.35087

13. Aptamers against pro- and anti-inflammatory cytokines: a review / M. Boshtam [et al.] // Inflammation. – 2016. – Vol. 40, N 1. ‒ P. 340‒349. https://doi.org/10.1007/s10753-016-0477-1

14. Fosgerau, K. Peptide therapeutics: current status and future directions / K. Fosgerau, T. Hoffmann // Drug Discovery Today. ‒ 2015. ‒ Vol. 20, N 1. ‒ P. 122‒128. https://doi.org/10.1016/j.drudis.2014.10.003

15. A potential peptide derived from cytokine receptors can bind proinfammatory cytokines as a therapeutic strategy for antiinflammation / S.-J. Jiang [et al.] // Sci. Reports. ‒ 2019. ‒ Vol. 9. ‒ Art. 2317. http://dx.doi.org/10.1038/s41598-018-36492-z

16. Zoete, V. Docking, virtual high through put screening and in silico fragment-based drug design / V. Zoete, A. Grosdidier, O. J. Michielin // J. Cell. Mol. Med. ‒ 2009. ‒ Vol. 13, N 2. ‒ P. 238–248. https://doi.org/10.1111/j.1582-4934.2008.00665.x

17. Discovery of novel ligands for TNF-α and TNF receptor-1 through structure-based virtual screening and biological assay / S. Chen [et al.] // J. Chem. Inf. Model. – 2017. – Vol. 57, N 5. – P. 1101–1111. https://doi.org/10.1021/acs.jcim.6b00672

18. Identification of potential TNF‑α inhibitors: from in silico to in vitro studies / K. Zia [et al.] // Sci. Reports. – 2020. – Vol. 10. – Art. 20974. https://doi.org/10.1038/s41598-020-77750-3

19. AutoDock4 and AutoDockTools4: automated docking with selective receptor flexibility / G. M. Morris [et al.] // J. Comp. Chem. ‒ 2009. ‒ Vol. 30, N 16. ‒ P. 2785‒2791. https://doi.org/10.1002/jcc.21256

20. Гуреев, М. А. Молекулярный докинг и его верификация в контексте виртуального скрининга / М. А. Гуреев, В. В. Кадочников, Ю. Б. Порозов. – СПб. : Ун-т ИТМО, 2018 – 50 с.