Структурный анализ и белковая инженерия

Структурный препринт с 27 аффилиациями наглядно увязывает изменения на молекулярном уровне с развитием заболевания. Replogle, Marks, Fernandez и коллеги показывают, что фрагмент белка TMEM106B после расщепления белка лизосомой может образовывать фибриллы прямо внутри этой органеллы, что в конечном счете приводит к нарушению целостности мембраны и нейродегенерации. На иллюстрации - схема механизма образования фибрилл и Cryo-ET изображение лизосомы из лобной доли коры головного мозга пациента (усопшего) с frontotemporal lobar degeneration (FTLD). Ссылка на препринт: https://doi.org/10.64898/2026.03.26.714634

Современные анимации движения белковых молекул, без которых сегодня трудно представить научно-популярные ролики о молекулярной биологии, требуют огромных вычислительных мощностей и глубокого понимания молекулярной динамики. Пятьдесят лет назад всё было иначе: громоздкие ЭВМ; программы, вводимые вручную; часы и дни ожидания — ради “оживления” простой молекулярной цепочки. Молекулярная динамика — область на стыке биологии, физики и математики. Этим материалом мы возрождаем спецпроект об этой важной биофизической отрасли: и если о самом методе и его родоначальниках мы рассказали почти 20 лет назад, то сегодня пришло время отдать дань уважения людям, двигавшим принцип МД в советской науке. В 1970-е годы, когда на Западе только начинали рассчитывать траектории атомов, в СССР уже моделировали полимеры. Одна из заметных вех — как учёные Гривцов, Балабаев и Шноль провели первое в мире численное моделирование полимера. На таймлайне — ключевые майлстоуны этой истории: — Метрополис, Олдер, Рахман; — Гривцов, Балабаев, Шноль; — кафедра биофизики МГУ и НИВЦ АН СССР; — Ферми, Паста, Улам и Цингу. Эти исследователи первыми научили машины видеть движение молекул. Подробнее — в новой статье спецпроекта “Молекулярная динамика”.

Красивая иллюстрация из обзора в Acta Crystallographica F про то, как успешно закристаллизовать свой белок: https://doi.org/10.1107/S2053230X25004650

Структурная биология бывает и такой: внешний вид эукариот-кокколитофоров Braarudosphaera bigelowii, полученный с помощью сканирующего электронного микроскопа. Конечно было бы любопытно узнать молекулярно-клеточные механизмы, ответственные за образование такой поверхности. Ссылка на статью: https://doi.org/10.1371/journal.pone.0081749

Работы по инженерии мембранных белков - довольно редкая история - и потому что их сложно изучать, и потому что применения часто довольно необычные. В Nature вышла очень интересная статья, где авторы исследовали одно из важнейших семейств человеческих рецепторов, GPCR, на примере рецептора дофамина D1. С помощью Альфафолда они нашли положения, в которых отдельные спирали могли бы взаимодействовать с D1, итеративно подобрали последовательности, которые бы обеспечили связывание, и посмотрели влияние на передачу сигнала. Оказалось, что полученные таким образом искусственные белки, почти пептиды, могут аллостерически модулировать активность рецептора, и даже спасать функциональность неактивных мутантов, а структуры, полученные с помощью криоэлектронной микроскопии, подтвердили, что взаимодействие происходит так, как и планировалось.

Разработчики крупнозернистого силового поля Martini представили утилиту Bentopy, которая позволяет собирать модели больших систем, вплоть до органелл или целых клеток - на иллюстрации процесс подготовки и рендер "минимальной" бактерии JCVI-Syn3A. Такие модели полезны тем, что напоминают нам, как сложно устроены реальные живые объекты, и что в каждый момент, в каждую наносекунду помимо взаимодействия молекулы А и молекулы В происходят еще тысячи разных взаимодействий, все из которых должны быть так или иначе оптимизированы, чтобы клетка могла существовать, и когда мы создаем что-то искусственное - будь то малая молекула или белок, так или иначе нам тоже придется это учитывать.

Мы часто относимся к белкам как к аккуратным структурированным глобулам, но у многих из эукариотических белков есть длинные неупорядоченные хвостики и линкеры, которые обычно не видны в кристаллографических или ЭМ-структурах. Красивая иллюстрация от PDB показывает, как это выглядит в контексте, и становится удивительно, как это все вообще может работать и не запутываться - с учетом того, что в клетке тысячи белков Изображено: 1) Epidermal growth factor binds to its receptor, causing it to dimerize. 2) The catalytic domains of EGFR phosphorylate tyrosines on the long unstructured EGFR tails. 3) GRB2 recognizes the phosphorylated tyrosines and recruits SOS. 4) SOS replaces GDP with GTP in Ras proteins. 5) The activated Ras forms nanoclusters that activate Raf, with the help of 14-3-3 protein. 6) Raf phosphorylates MEK, which is normally held in an inactive complex with KSR. Active MEK then phosphorylates ERK, a kinase that will activate many processes throughout the cell.

Было очень приятно выступить на Зимней школе «Биоинформатика и молекулярное моделирование», организованной НИУ ВШЭ и Биокадом в Санкт-Петербурге в конце января Для тех, кто следит за каналом, в моей лекции будет не так много нового, но среди записей школы есть очень интересные доклады и докладчики, которых я раньше не слышал на других мероприятиях, например Александр Надолинский «Проект: «выпустить лекарство» или Максим Гуреев «Поиск низкомолекулярных модуляторов биологических мишеней: нюансы практики и подводные камни»

Появился обзор ферментов, сделанных с помощью генеративного ИИ, и список уже очень внушительный. Что важно, растет и количество примеров со сгенерированным остовом (нижний ряд). Ссылка на препринт: https://doi.org/10.48550/arXiv.2602.03779

Завершилось очередное соревнование по дизайну байндеров - на этот раз против вируса Нипах. Анализ и осмысление результатов займет какое-то время, но любопытно, что среди успешных дизайнов есть связывающиеся с суб-наномолярной аффинностью: https://proteinbase.com/collections/nipah-binder-competition-results

По сравнению с рентгеноструктурным анализом и электронной микроскопией, дифракция электронов менее на слуху, однако в последние годы позволяет получать замечательные результаты - в частности, напрямую определять частицы, содержащие тот или иной энантиомер в рацемических смесях: статья, препринт. Также, News&Views и статья в Nature Chemistry 2025-го года. Для белков электронная кристаллография тоже давно применяется: 1974, 1990, 2019, а одно из очень интересных развитий метода - это конечно визуализация структур внутри клеток в физиологическом окружении.

История про волты продолжается :) В новой статье в Science описана инженерия системы, за счет белка PABP помещающей внутрь волтов присутствующие в клетке мРНК, которые дальше ничем не расщепляются и остаются сохранными в течение 7 дней. После этого (или сразу) их можно выделить и отсеквенировать, и тем самым узнать, что происходило в клетке в определенный момент - например, в ответ на внешний стресс.

Dictyostelium discoideum продолжает быть источником интересных объектов. В этот раз в нем (и еще в тысячах микробов - прокариот и эукариот) нашли одно-мегадальтонный полый комплекс CAGE - он меньше, чем Vault, но отличается тем, что его раньше никто не видел. В целом, такие комплексы (вместе с ферритинами, энкапсулинами и другими, которых нет на рисунке) могут служить в качестве наночастиц - средств доставки и/или экспонирования чего-либо. Ссылка на препринт: https://doi.org/10.1101/2025.09.22.677704

Альфафолд несомненно облегчил жизнь структурных биологов, и мы привыкли, что если он дает "уверенное" предсказание, то модели можно верить. Однако, есть классы задач, для которых это по-видимому не так. Исследователи из Австралии проверили предсказания для транскрипционных факторов с лейциновыми зипперами (застежками) и обнаружили, что димеры уверенно предсказываются даже тогда, когда из эксперимента известно, что белки не взаимодействуют, как например для гомодимеров FosB-FosB. По-видимому, на Альфафолд влияет наличие большого количества зипперов в обучающей выборке, а также неспособность честно оценить физическую энергию (отрицательно заряженные FosB должны бы были оттолкнуться). Статья есть в открытом доступе: https://doi.org/10.1002/pro.70438

Я часто говорю, что гистидин - неприятная аминокислота для моделирования и инженерии, так как у неё много различных возможных состояний боковой группы, которые еще и рН-чувствительны вблизи типичных значений. Но, в этом можно найти и плюсы - в новом препринте из лаборатории Бейкера гистидины используют для инженерии рН-чувствительных байндеров. Предлагаются два подхода: 1) ставить гистидины рядом с положительно заряженными остатками, из-за чего при низком рН будет наблюдаться отталкивание; 2) ставить гистидин рядом с двумя акцепторами водородных связей, из-за чего при низком рН взаимодействие будет стабилизироваться. В статье несколько примеров байндеров с K_D при разных рН, отличающихся до 100 раз. Ссылка на препринт: https://doi.org/10.1101/2025.09.29.678932

Красивая работа в Science (ссылка на открытый препринт) показывает, как различие в пять нуклеотидов в линкере между двумя нуклеосомами может привести к совершенно разному макроскопическому поведению упакованной ДНК на макро-уровне: или как жидкости, или почти как твердого тела. Всегда приятно увидеть такую связку биофизики (влияние соли, динамика, фазовое поведение), структурной биологии (криоэлектронная томография) и очень значимых для биологии выводов

Оказывается, так тоже бывает: тРНК ингибирует ионный канал в модельном растении Arabidopsis thaliana https://doi.org/10.1038/s41467-025-67283-6 (в честь новогодних праздников и разгребания вкладок постов будет больше :)

Антитела - одновременно очень важный и очень сложный для моделирования и инженерии класс белков. В новом препринте от Chungyoun и Gray проведен аккуратный анализ способности 30 ИИ и биофизических моделей предсказывать 7 ключевых свойств - на наборе из 4 миллионов антител из 32 разных наборов данных. Результаты пока неутешительные: ... Protein AI models on average do not produce statistically significant correlations for most (80%) of developability datasets. No models correlate with all properties or across multiple datasets of similar properties. Zero-shot predictions from pretrained models are incapable of accurately predicting all developability properties, although several models (IgLM, ProGen2, Chai-1, ESM2, ISM, IgFold) produce statistically significant correlations for multiple datasets for thermostability, expression, binding, or immunogenicity. ... https://doi.org/10.64898/2025.12.27.696706

Может ли в 2025 году существовать органелла с неизвестной функцией? Оказывается, что может - роль открытых в 1986 году комплексов Vault, которые есть и у человека, до сих пор непонятна. В новом препринте структурные биологи исследовали с помощью крио-электронной томографии клетки Dictyostelium discoideum и показали, что некоторые из волтов ассоциируются с мембранами и даже могут захватывать рибосому. Этим волты похожи на неплохо изученные в последние годы флотиллины, а значит их функция может быть в пространственной сегрегации каких-то молекул. Но, чтобы узнать каких, придется подождать новых исследований 🫣 https://doi.org/10.64898/2025.12.12.693869

Список баз данных со структурными моделями белков и комплексов 1️⃣ Predictomes predictomes.org 2️⃣ Flypredictome www.flyrnai.org/tools/fly_pr... 3️⃣ Human interactome prodata.swmed.edu/humanPPI 4️⃣ BFVD (viral proteins) bfvd.steineggerlab.workers.dev 5️⃣ HerpesFolds (all 9 human herpesviruses) www.herpesfolds.org/herpesfolds 6️⃣ Modelarchive www.modelarchive.org 7️⃣ Core eukaryotic protein complexes https://modelarchive.org/doi/10.5452/ma-bak-cepc Bacterial protein–protein interactions https://modelarchive.org/doi/10.5452/ma-bak-evip 8️⃣ AlphaSync (AFDB synchronized with Uniprot) alphasync.stjude.org 9️⃣ Viro3D (viral proteins) viro3d.cvr.gla.ac.uk 1️⃣0️⃣ EndoMap (human endosomal protein complexes) endomap.hms.harvard.edu 1️⃣1️⃣ TmAlphaFold (Transmembrane Protein Structure Database) tmalphafold.ttk.hu 1️⃣2️⃣ 3D Viral-human Interactome 3d-viralhuman.yulab.org Позаимствовано тут: https://bsky.app/profile/alexis-verger.cpesr.fr