[논문 리뷰] Network Structure of Protein Folding Pathways

Erzsébet Ravasz Regan, S. Gnanakaran외 1명|arXiv (Cornell University)|2007. 05. 07.

Protein Structure and Dynamics참고 문헌 2인용 수 4

한 줄 요약

이 논문은 단백질 구조를 노드로, 기본적인 결합 회전을 링크로 표현함으로써 단백질 접힘 경로를 네트워크 기반 프레임워크로 모델링한다. 접힘 경로가 첨도 분포를 가진 규모 무관 네트워크를 이룬다는 것을 입증하며, 이는 자가피하기성에 기인한 에너지 경로 상 상관관계로 인해 발생한다. 이는 분자 동역학 시뮬레이션에서 관측된 동역학을 설명하며, 온도에 따라 네트워크의 구조가 변화함을 예측한다.

ABSTRACT

The classical approach to protein folding inspired by statistical mechanics avoids the high dimensional structure of the conformation space by using effective coordinates. Here we introduce a network approach to capture the statistical properties of the structure of conformation spaces. Conformations are represented as nodes of the network, while links are transitions via elementary rotations around a chemical bond. Self-avoidance of a polypeptide chain introduces degree correlations in the conformation network, which in turn lead to energy landscape correlations. Folding can be interpreted as a biased random walk on the conformation network. We show that the folding pathways along energy gradients organize themselves into scale free networks, thus explaining previous observations made via molecular dynamics simulations. We also show that these energy landscape correlations are essential for recovering the observed connectivity exponent, which belongs to a different universality class than that of random energy models. In addition, we predict that the exponent and therefore the structure of the folding network fundamentally changes at high temperatures, as verified by our simulations on the AK peptide.

연구 동기 및 목표

• 단백질 구조 공간의 고차원적 구조를 포괄하지 못하는 전통적 반응 좌표 방법의 한계를 해결하기 위해.
• 구조 공간의 구조적 및 차원적 성질을 유지하면서 단백질 접힘을 구조 공간 네트워크 상의 편향된 랜덤 워크로 모델링하기 위해.
• 관측된 규모 무관 성질을 유도하는 통계적 특성—특히 도수 상관관계와 에너지 경로 상 상관관계—를 규명하기 위해.
• 규모 무관 성질이 특정 모델이나 시뮬레이션의 산물이 아니라 기울기 네트워크의 일반적 특성임을 입증하기 위해.
• 고온에서 접힘 네트워크의 연결성 지수(접근 지수)가 변화할 것임을 예측하고, AK 펩타이드에 대한 시뮬레이션을 통해 이를 검증하기 위해.

제안 방법

• 단백질 구조를 노드로 표현하고, 한 개의 화학 결합을 중심으로 하는 기본적인 결합 회전을 링크로 정의한다.
• 이산적 이황색 각 상태(Φ,Ψ)를 기반으로 구조 네트워크를 구성하며, 라마차단 맵의 7도메인 이산화를 사용해 접근 가능한 상태를 정의한다.
• 국소 에너지 기울기로 유도되는 편향된 랜덤 워크를 통해 접힘 과정을 모델링한다.
• 사슬 구조 시스템에서 일반적인 네트워크 성질(균일한 도수 분포, 소월드 구조)을 설명하기 위해 볼-체인 모델을 사용한다.
• 링크 기반 샘플링 방법을 적용하여 도수 상관관계를 추정하며, 공식 $ K(k_{\text{out}},k_{\text{in}}) = \frac{n(k_{\text{out}},k_{\text{in}})L}{k_{\text{out}}n(k_{\text{out}})n(k_{\text{in}})} - 1 $ 을 사용해 도수 상관관계를 정량화한다.
• 은폐 용매 모델을 사용하고 SHAKE 제약 조건이 적용된 PARM94 힘 장을 사용하여, 다양한 온도(200K–1200K)에서 AK 펩타이드에 대한 분자 동역학 시뮬레이션을 수행한다.

실험 결과

연구 질문

• RQ1 분자 동역학 시뮬레이션에서 관측된 단백질 접힘 경로의 규모 무관 성질을 뒷받침하는 통계적 네트워크 성질은 무엇인가?
• RQ2 자기피하기성에 의해 유도되는 에너지 경로 상 상관관계는 접힘 경로에서 규모 무관 네트워크 구조가 나타나는 데 어떻게 기여하는가?
• RQ3 네트워크의 연결성 지수와 위상은 온도에 따라 어느 정도 의존하는가? 이는 분석적으로 예측할 수 있는가?
• RQ4 규모 무관 성질은 기울기 네트워크의 일반적 특성인가, 아니면 단백질 접힘에 특화된 것인가?
• RQ5 네트워크 프레임워크는 원천 상태의 사전 지식 없이도 관측된 연결성 지수(γ ≈ −2)를 회복할 수 있는가?

주요 결과

• 단백질의 구조 네트워크는 균일한 도수 분포와 소월드 성질을 보이며, 고차원 공간 내 격자 유사한 구조와 일치한다.
• 접힘 경로는 약 −2의 거듭제곱 법칙 도수 분포 지수를 가진 규모 무관 네트워크를 형성하며, 이는 관련 기초 표면 위의 기울기 네트워크에서 일반적인 특성이다.
• 규모 무관 성질은 자가피하기성에 의해 유도된 에너지 경로 상 상관관계에서 기인하며, 이는 관측된 연결성 지수를 재현하기 위해 필수적이다.
• 고온에서 네트워크의 연결성 지수 γ가 변화함으로써 접힘 경로 위상에 근본적인 변화가 일어남을 확인하였으며, 이는 AK 펩타이드에 대한 MD 시뮬레이션으로 검증되었다.
• 네트워크 프레임워크는 구조 공간의 고차원적 구조를 유지하며, 원천 상태나 반응 좌표의 사전 지식 없이도 통계적 분석이 가능하다.