[论文解读] Eigenvector Centrality Distribution for Characterization of Protein Allosteric Pathways

Christian F. A. Negre, Uriel N. Morzan+7 more|arXiv (Cornell University)|Jun 7, 2017

Protein Structure and Dynamics参考文献 1被引用 3

一句话总结

本文提出了一种基于互信息的特征向量中心性（EC）度量方法，用于识别别构蛋白中的关键残基及长程相关性通路，以肌醇磷酸合成酶（IGPS）为测试案例。该方法成功描绘了别构通信路径，识别出HisH-HisF界面处的功能关键残基，并通过NMR弛豫色散数据得到验证，为在原子分辨率下探测别构机制提供了一种稳健且成本效益高的策略。

ABSTRACT

Determining the principal energy pathways for allosteric communication in biomolecules, that occur as a result of thermal motion, remains challenging due to the intrinsic complexity of the systems involved. Graph theory provides an approach for making sense of such complexity, where allosteric proteins can be represented as networks of amino acids. In this work, we establish the eigenvector centrality metric in terms of the mutual information, as a mean of elucidating the allosteric mechanism that regulates the enzymatic activity of proteins. Moreover, we propose a strategy to characterize the range of the physical interactions that underlie the allosteric process. In particular, the well known enzyme, imidazol glycerol phosphate synthase (IGPS), is utilized to test the proposed methodology. The eigenvector centrality measurement successfully describes the allosteric pathways of IGPS, and allows to pinpoint key amino acids in terms of their relevance in the momentum transfer process. The resulting insight can be utilized for refining the control of IGPS activity, widening the scope for its engineering. Furthermore, we propose a new centrality metric quantifying the relevance of the surroundings of each residue. In addition, the proposed technique is validated against experimental solution NMR measurements yielding fully consistent results. Overall, the methodologies proposed in the present work constitute a powerful and cost effective strategy to gain insight on the allosteric mechanism of proteins.

研究动机与目标

• 开发一种基于网络的方法，以识别蛋白质中别构通信的主要能量通路，克服传统基于相关性的方法的局限性。
• 通过区分局部与非局部（长程）相关性，表征别构信号传递所依赖的物理相互作用范围。
• 通过实验NMR弛豫色散数据验证所提出的中心性度量，确认其预测能力。
• 通过量化每个残基中心性的环境相关性，为定点突变实验结果提供机制性解释。
• 为识别蛋白质动力学中的主导集体模式，提供一种计算效率高于主成分分析的替代方法。

提出的方法

• 该方法将蛋白质建模为网络，其中氨基酸残基为节点，物理相互作用（如动力学相关性）为加权边，由邻接矩阵A表示。
• 通过邻接矩阵的主特征向量计算特征向量中心性（EC），量化每个残基在网络中动量传递中的相对重要性。
• 利用广义互信息重新定义EC度量，以捕捉非线性、非共线相关性，克服皮尔逊相关系数的局限性。
• 引入一种新度量——“环境相关性中心性”，用于评估残基周围邻域的功能重要性。
• 在多个相关长度尺度（λ = 5, 10, 20 Å）上进行分析，以区分短程与长程对别构通路的贡献。
• 将该方法应用于apo态和PRFAR结合态的IGPS蛋白，比较中心性分布并识别效应物结合引起的网络动力学变化。

实验结果

研究问题

• RQ1 基于互信息的特征向量中心性相比传统基于相关性的方法，在识别别构通路中关键残基方面有何改进？
• RQ2 长程（非局部）相关性在IGPS别构通信中的贡献如何？其与短程动力学有何不同？
• RQ3 效应物结合（PRFAR）如何改变中心性分布，并识别别构网络中的功能关键残基？
• RQ4 预测的中心性模式在多大程度上与毫秒时间尺度运动的实验NMR弛豫色散数据一致？
• RQ5 所提出的环境相关性度量能否通过识别功能关键的残基邻近区域，帮助解释定点突变实验结果？

主要发现

• 特征向量中心性分析成功识别出HisH-HisF界面处的残基为别构通信的核心，与先前的社区网络分析及实验数据一致。
• 长程中心性分布（λ = 20 Å）接近均匀分布，表明呼吸运动的特征相关距离在5–20 Å范围内。
• PRFAR结合后，长程中心性在HisF亚基的sideL侧显著增加，与此前报道的跨结构域呼吸运动频率几乎提高四倍的现象一致。
• NMR弛豫色散实验证实，PRFAR结合诱导的毫秒时间尺度运动主要局限于sideL区域，支持EC对长程动力性增强的预测。
• 在短程与长程尺度下，sideL/sideR的中心性分布不对称性发生反转，表明局部与非局部相互作用具有截然不同的动力学行为。
• 环境相关性度量为定点突变实验结果提供了合理的解释，将功能重要性与残基周围网络的中心性联系起来。