本发明专利技术提供至少部分基于计算机模拟的方法和计算工具，其识别蛋白质的大分子结合区域和易聚集区域。然后可在这些易聚集区域进行替代以设计具有增强的稳定性和／或降低的聚集倾向的蛋白质。相似地，然后可在这些大分子结合区域进行替代以设计具有改变的对大分子的结合亲合力的蛋白质。
【技术实现步骤摘要】
【国外来华专利技术】识别蛋白质中大分子结合区域和易聚集区域的方法及其用途
技术介绍
了解和控制蛋白质稳定性已成为生物学家、化学家和工程师渴望的努力。氨基酸 取代和疾病之间的第一个联系(Ingram. Nature. 1957,180(4581) :326-8.)提供了健康和 疾病中对蛋白质稳定性的新的和重要的看法。基于蛋白质的药物的近来巨大增长已产生了 新的挑战。将治疗用蛋白质在非常高的浓度下以液体贮藏几个月。非单体种类的百分比随 着时间增加。随着聚集体形成，不但产品的效能降低，而且副作用诸如对给药的免疫应答可 发生。保证蛋白质药物的稳定性对于产品的贮存期限是必要的。由于抗体在各种疾病治疗中的潜能，抗体目前构成人类治疗学中增长最快速 的种类(Carter. Nature Reviews Immunology. 2006，6 (5)，；343)。自从 2001 年，抗体市 场一直在以35%的平均年增长率——所有种类生物技术药物之中最高的速率——增长 (S. Aggarwal, Nature.BioTech. 2007，25(10) 1097)。如疾病治疗所需要的，治疗用抗体以高浓度在水溶液中制备和贮藏。然而，这些抗 体在这些条件下在热力学上是不稳定的，并由于聚集而降解。这种聚集进而导致抗体活性 的降低，使药物无效，甚至能产生免疫应答。像这样，存在迫切的需要来开发这些抗体，实际 上一般而言是蛋白质，如何聚集的机制了解，以发现蛋白质的什么区域参与聚集和发展阻 止聚集的策略。这些作用对抗体治疗学特别重要。抗体稳定的一个方法是将授予抗原结合特异性 的 CDR 环移植至Ij更稳、定的框架上(Ewert, Honegger, and Pluckthun, Biochemistry. 2003， 42(6) :1517-28.)。只有在CDR环中的氨基酸序列不是驱动聚集力的情况下，以及在将CDR 环移植到更稳定的框架不改变抗原结合特异性的情况下，该方法才起作用。可将与预测蛋白质易聚集区域相关的技术分成两类，1)唯象模型 (Phenomenological models)和2)分子模拟技术。唯象模型主要是基于使用性质诸如疏水 性、β-折叠倾向等预测来自蛋白质一级序列的聚集‘热点’，而分子模拟技术使用蛋白质的 三维结构和动力学来定位易聚集区域。这些技术中的大部分已指向了解淀粉样蛋白原纤维 形成和其它小蛋白的聚集，其中折叠形成是主要的。已基于理化性质诸如疏水性、折叠倾向等发展了唯象模型以预测来自蛋白质 一级序列的易聚集区域(Caflisch，Current Opinion in Chemical Biology. 2006,10, 437-444 ；Chiti and Dobson. Annu. Rev. Biochem. 2006,75 :333-366)。一个最初的唯象模型 是基于小的球状蛋白质‘人肌肉酰基磷酸酶(AcP) ’连同其它的非结构化肽(unstructured peptides)和天然未折叠的蛋白质的聚集的动力学突变研究(Chiti，etal. Nature. 2003， 424p. 805-808 ；U. S. Pat. No. 7379824] 该研究显示聚集与理化性质诸如β-折叠倾向、 疏水性和电荷之间的简单关联。这些研究是在蛋白质主要是非结构化的条件下进行的。 因此发展了将序列与聚集倾向联系的三参数经验模型(Chiti，et al. Nature. 2003，424， 805-808)。该模型还用于提示32个残基的肽类激素降钙素的变体以降低其聚集倾向 (Fowler, et al. Proc Natl Acad Sci USA. 2005，102，10105-10110.)。DuBay 和同事已将三参数方程(Chiti，et al. Nature. 2003，424，805-808)扩展到包括多肽链的内在性质 和与环境相关的外在因素诸如肽浓度、溶液的PH值和离子强度的七参数公式(DiAay，et al. J Mol Biol. 2004，341，1317-1326)。使用该模型，他们能再现宽范围的非结构化肽和 蛋白质的体外聚集率。然而，该七参数模型的主要限制是给予序列中的所有残基相同的相 对重要性。这与实验和模拟观察结果不一致，实验和模拟观察结果显示根据它们的二级结 构倾向，某些区域较其它区域更重要。最近，将该分析进一步扩展，包括保护因子以描述结 构化多月太链的聚集(Tartaglia, G. G.，Pawar, A. P.，Campioni, S, Dobson, C. M.，Chiti, F.， and Vendruscolo, Μ. J Mol Biol (2008) in press)。预测的位点中的一些与蛋白质诸如 溶菌酶、肌红蛋白等的已知易聚集位点一致。发展了无自由参数的唯象模型(Tartaglia， et al. Protein Sci.2004,13,1939-1941 ；Tartaglia et al.ProteinSci. 2005, 14, 2723-2734)以预测突变后聚集原纤维的延伸率的变化和识别易聚集区段。使用的理化性质 是突变后β倾向的变化、芳香族残基数目的变化和总电荷的变化。此外，如果野生型和突 变侧链都是极性的或都是非极性的，考虑可及表面区域的比率，而在非极性到极性(或极 性到非极性)突变的情况下使用极性侧链的偶极矩。该模型再现了一组沈个七肽序列的 相对聚集倾向，预测其偏爱全符合状态(in-register)平行β-折叠排列。已改进了 DuBay 和同事的模型(Dubay et al. J Mol Biol. 2004,341,1317-1326), 其中包含α -螺旋倾向和疏水图案，和比较给定的氨基酸序列的聚集倾向得分与为一组相 似长度的序列计算的平均倾向(Pawar, et al.，J Mol Biol. 2005，350，379-392)。已在三 个天然未折叠的多肽链Aβ 42、α突触核蛋白和tau蛋白的易聚集区段上验证了该模型。发展了另一个称作 TANGO 的算法(Fernandez-Escami 11a，et al.，Nat Biotechnol. 2004，22，1302-1306)，其平衡相同的理化参数，附带有氨基酸以聚集的状态被 完全埋入的假设。这是基于二级结构倾向和去溶剂化处罚的估计以预测蛋白序列的β聚 集区域以及突变作用。与较早讨论的模型相反，通过使用FOLD-X力场，TANGO考虑了天然 状态稳定性。尽管，不可能用TANGO计算绝对聚集率，但是它提供了序列显著不同的肽或蛋 白质之间的定性比较。Serrano 和同事(Linding, et al.，J MolBiol. 2004，342，345-353) 已使用TANGO分析一组具有40%序列同一性上限的非冗余球状蛋白质的β聚集倾向。最近，通过为在β-折叠内互相面对的残基编辑配对能量函数而引入了另外的 算法，淀粉样蛋白结构聚集的预测(Erediction of Amyloid StrucTure Aggregation) (PASTA)(Trovato, et al. , Protein Engin本文档来自技高网...
【技术保护点】
计算针对蛋白质中特定原子的空间聚集倾向（ＳＡＰ）的方法，包括： （ａ）识别代表所述蛋白质的结构模型中的一个或多个原子，其中所述一个或多个原子位于集中于所述特定原子上或其附近的限定空间区域内； （ｂ）针对所述限定空间区域中的所述一个或多个原子，计算所述原子的溶剂可及面积（ＳＡＡ）与完全暴露的同一残基中的原子的ＳＡＡ的比； （ｃ）用所述一个或多个原子的原子疏水性乘以每个比；和 （ｄ）合计步骤（ｃ）的乘积； 借此该和是针对所述特定原子的ＳＡＰ。
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：N·陈纳姆塞蒂，
申请(专利权)人：诺华公司，
类型：发明
国别省市：CH
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。