In silico анализ димеризации PD-L1, индуцированной ресвератролом

  • Виктор Андреевич Урбан Институт биофизики и клеточной инженерии НАН Беларуси, ул. Академическая, 27, 220072, г. Минск, Беларусь
  • Александр Игоревич Давидовский Институт биофизики и клеточной инженерии НАН Беларуси, ул. Академическая, 27, 220072, г. Минск, Беларусь
  • Валерий Гавриилович Вересов Институт биофизики и клеточной инженерии НАН Беларуси, ул. Академическая, 27, 220072, г. Минск, Беларусь https://orcid.org/0000-0001-5884-4722
DOI: https://doi.org/10.33581/2521-1722-2021-1-39-47

Аннотация

Активация T-клеток через блокаду взаимодействий PD-1 и PD-L1 рассматривается как одна из наиболее перспективных стратегий в лечении рака. Ряд антител, таргетирующих сигнальный путь иммунного чек-пойнта PD-1 и PD-L1, были одобрены для применения после успешных клинических испытаний. Однако использование антител сопряжено с такими недостатками, как низкая проницаемость в ткани и опухоли, плохие биодеградация и оральная биодоступность, высокая стоимость производства. Применение низкомолекулярных соединений может позволить устранить недостатки, имеющие место при использовании антител, ингибирующих иммунные чек-пойнты. В настоящее время более 20 низкомолекулярных ингибиторов взаимодействия PD-1 и PD-L1, базовая структура которых основывается на замещенных группах бифенила, связанного с ароматическим кольцом посредством бензилэфирной связи, были идентифицированы и запатентованы компанией Бристол – Майерс – Сквибб (США). Структурные исследования показали, что все эти соединения действуют посредством индукции димеризации PD-L1, делая белок PD-L1 некомпетентным для взаимодействия с PD-1. Недавно выявлено, что ресвератрол ингибирует взаимодействие PD-1 и PD-L1, также индуцируя димеризацию PD-L1, однако механизмы этого остаются неясными. В настоящей работе использованы инструменты вычислительной структурной биологии (построение моделей белок – белок и белок – лиганд в сочетании с методом молекулярной динамики) в целях установления структурных механизмов димеризации PD-L1, индуцированной ресвератролом.

Биографии авторов

Виктор Андреевич Урбан, Институт биофизики и клеточной инженерии НАН Беларуси, ул. Академическая, 27, 220072, г. Минск, Беларусь

младший научный сотрудник лаборатории иммунологии и клеточной биофизики

Александр Игоревич Давидовский, Институт биофизики и клеточной инженерии НАН Беларуси, ул. Академическая, 27, 220072, г. Минск, Беларусь

младший научный сотрудник лаборатории иммунологии и клеточной биофизики

Валерий Гавриилович Вересов, Институт биофизики и клеточной инженерии НАН Беларуси, ул. Академическая, 27, 220072, г. Минск, Беларусь

доктор биологических наук; главный научный сотрудник лаборатории иммунологии и клеточной биофизики

Литература

  1. Zhang H, Chen J. Current status and future directions of cancer immunotherapy. Journal of Cancer. 2018;9(10):1773–1781. DOI: 10.7150/jca.24577.
  2. Mellman I, Coukos G, Dranoff G. Cancer immunotherapy comes of age. Nature. 2014;480(7378):480–489. DOI: 10.1038/nature10673.
  3. Smyth MJ. Multiple approaches to immunotherapy – the new pillar of cancer treatment. Immunology & Cell Biology. 2017;95(4):323–324. DOI: 10.1038/icb.2017.9.
  4. Pardoll DM. The blockade of immune checkpoints in cancer immunotherapy. Nature Reviews Cancer. 2012;12(4):252–264. DOI: 10.1038/nrc3239.
  5. Tumeh PC, Harview CL, Yearley JH, Shintaku IP, Tayloret EJM, Robert L. PD-1 blockade induces responses by inhibiting adaptive immune resistance. Nature. 2014;515(7528):568–571. DOI: 10.1038/nature13954.
  6. Francisco LM, Sage PT, Sharpe AH. The PD-1 pathway in tolerance and autoimmunity. Immunological Reviews. 2010;236(1):219–242. DOI: 10.1111/j.1600-065X.2010.00923.x.
  7. Herbst RS, Soria J-C, Kowanetz M, Fine GD, Hamid O, Gordon MS, et al. Predictive correlates of response to the anti-PD-L1 antibody MPDL3280A in cancer patients. Nature. 2014;515(7528):563–567. DOI: 10.1038/nature14011.
  8. Mei-Miao Zhan, Xue-Qin Hu, Xiu-Xiu Liu, Ban-Feng Ruan, Jun Xu, Chenzhong Liao. From monoclonal antibodies to small molecules: the development of inhibitors targeting the PD-1/PD-L1 pathway. Drug Discovery Today. 2016;21(6):1027–1036. DOI: 10.1016/j.drudis.2016.04.011.
  9. Zarganes-Tzitzikas T, Konstantinidou M, Gao Y, Krzemien D, Zak K, Dubin G, et al. Inhibitors of programmed cell death 1 (PD-1): a patent review (2010–2015). Expert Opinion on Therapeutic Patents. 2016;26(9):973–977. DOI: 10.1080/13543776.2016.1206527.
  10. Zak KM, Kitel R, Przetocka S, Golik P, Guzik K, Musielak B, et al. Structure of the complex of human programmed death 1, PD-1, and its ligand, PD-L1. Structure. 2015;23(12):2341–2348. DOI: 10.1016/j.str.2015.09.010.
  11. Verdura S, Cuyàs E, Cortada E, Brunet J, Lopez-Bonet E, Martin-Castillo B, et al. Resveratrol targets PD-L1 glycosylation and dimerization to enhance antitumor T-cell immunity. Aging (Albany NY). 2020;12(1):8–34. DOI: 10.18632/aging.102646.
  12. Friesner RA, Banks JL, Murphy RB, Halgren TA, Klicic JJ, Mainz DT, et al. Glide: a new approach for rapid, accurate docking and scoring. 1. Method and assessment of docking accuracy. Journal of Medicinal Chemistry. 2004;47(7):1739–1749. DOI: 10.1021/jm0306430.
  13. Guzik K, Tomala M, Muszak D, Konieczny M, Hec A, Błaszkiewicz U, et al. Development of the inhibitors that target the PD-1/PD-L1 interaction – a brief look at progress on small molecules, peptides and macrocycles. Molecules. 2019;24(11):2071. DOI: 10.3390/molecules24112071.
  14. Pronk S, Páll S, Schulz R, Larsson P, Bjelkmar P, Apostolov R, et al. GROMACS 4.5: a high-throughput and highly parallel open source molecular simulation toolkit. Bioinformatics. 2013;29(7):845–854. DOI: 10.1093/bioinformatics/btt055.
  15. Huang J, MacKerell AD Jr. CHARMM36 all-atom additive protein force field: validation based on comparison to NMR data. Journal of Computational Chemistry. 2013;34(25):2135–2145. DOI: 10.1002/jcc.23354.
  16. Jorgensen WL, Chandrasekhar J, Madura JD, Impey RW, Klein ML. Comparison of simple potential functions for simulating liquid water. Journal of Chemical Physics. 1983;79(2):926–935. DOI: 10.1063/1.445869.
  17. Bussi G, Donadio D, Parrinello M. Canonical sampling through velocity rescaling. Journal of Chemical Physics. 2007;126(1):014101. DOI: 10.1063/1.2408420.
  18. Parrinello M, Rahman A. Polymorphic transitions in single crystals: a new molecular dynamics method. Journal of Applied Physics. 1981;52(12):7182–7190. DOI: 10.1063/1.328693.
  19. Darden T, York D, Pedersen L. Particle mesh Ewald: an N ⋅ log(N) method for Ewald sums in large systems. Journal of Chemical Physics. 1993;98(12):10089–10092. DOI: 10.1063/1.464397.
  20. Essmann U, Perera L, Berkowitz ML, Darden T, Lee H, Pedersen LG. Asmooth particle mesh Ewald method. Journal of Chemical Physics. 1995;103(19):8577–8593. DOI: 10.1063/1.470117.
  21. Vangone A, Schaarschmidt J, Koukos P, Geng C, Citro N, Trellet ME, et al. Large-scale prediction of binding affinity in protein-small ligand complexes: the Prodigy-Lig web server. Bioinformatics. 2019;35(9):1585–1587. DOI: 10.1093/bioinformatics/bty816.
  22. Jiménez J, Škalič M, Martínez-Rosell G, De Fabritiis G. KDEEP: protein – ligand absolute binding affinity prediction via 3D-convolutional neural networks. Journal of Chemical Information and Modeling. 2018;58(2):287–296. DOI: 10.1021/acs.jcim.7b00650.
  23. Salentin S, Schreiber S, Haupt VJ, Adasme MF, Schroeder M. PLIP: fully automated protein – ligand interaction profiler. Nucleic Acids Research. 2015;43(W1):W443–W447. DOI: 10.1093/nar/gkv315.
  24. Kozakov D, Hall DR, Xia B, Porter KA, Padhomy D, Yueh C, et al. The ClusPro web server for protein – protein docking. Nature Protocols. 2017;12(2):255–278. DOI: 10.1038/nprot.2016.169.
  25. Tovchigrechko A, Vakser IA. GRAMM-X public web server for protein – protein docking. Nucleic Acids Research. 2006;34(supplement 2):W310–W314. DOI: 10.1093/nar/gkl206.
  26. Yumeng Yan, Di Zhang, Pei Zhou, Botong Li, Sheng-You Huang. HDock: a web server for protein – protein and protein – DNA / RNA docking based on a hybrid strategy. Nucleic Acids Research. 2017;45(W1):W365–W373. DOI: 10.1093/nar/gkx407.
  27. Lim Heo, Hasup Lee, Chaok Seok. GalaxyRefineComplex: refinement of protein – protein complex model structures driven by interface repacking. Scientific Reports. 2016;6(1):32153. DOI: 10.1038/srep32153.
  28. Gray JJ, Moughon S, Wang C, Schueler-Furman O, Kuhlman B, Rohl CA, et al. Protein – protein docking with simultaneous optimization of rigid-body displacement and side-chain conformations. Journal of Molecular Biology. 2003;331(1):281–299. DOI: 10.1016/S0022-2836(03)00670-3.
  29. Lyskov S, Gray JJ. The RosettaDock server for local protein – protein docking. Nucleic Acids Research. 2008;36(supplement 2):W233–W238. DOI: 10.1093/nar/gkn216.
  30. Xue LC, Rodrigues JP, Kastritis PL, Bonvin AM, Vangone A. Prodigy: a web server for predicting the binding affinity of protein – protein complexes. Bioinformatics. 2016;32(23):3676–3678. DOI: 10.1093/bioinformatics/btw514.
  31. Erijman A, Rosenthal E, Shifman JM. How structure defines affinity in protein – protein interactions. PloS One. 2014;9(10):e110085. DOI: 10.1371/journal.pone.0110085.
  32. Nilofer C, Sukhwal A, Mohanapriya A, Kandueane P. Protein – protein interfaces are vdW dominant with selective H-bonds and (or) electrostatics towards broad functional specificity. Bioinformation. 2017;13(6):164–173. DOI: 10.6026/97320630013164.
  33. Bender BJ, Cisneros A III, Duran AM, Finn JA, Fu D, Lokits AD, et al. Protocols for molecular modeling with Rosetta3 and RosettaScripts. Biochemistry. 2016;55(34):4748–4763. DOI: 10.1021/acs.biochem.6b00444.
  34. Sukhwal A, Sowdhamini R. PPCheck: a webserver for the quantitative analysis of protein – protein interfaces and prediction of residue hotspots. Bioinformatics and Biology Insights. 2015;9:141–151. DOI: 10.4137/BBI.S25928.
  35. Morris GM, Huey R, Olson AJ. Using AutoDock for ligand-receptor docking. Current Protocols in Bioinformatics. 2008;24(1): 8.14.1–8.14.40. DOI: 10.1002/0471250953.bi0814s24.
  36. Andrei SA, Sijbesma E, Hann M, Davis J, O’Mahony G, Perry MWD, et al. Stabilization of protein – protein interactions in drug discovery. Expert Opinion on Drug Discovery. 2017;12(9):925–940. DOI: 10.1080/17460441.2017.1346608.
  37. Trung LQ, An DTT. Is resveratrol a cancer immunomodulatory molecule? Frontiers in Pharmacology. 2018;9:1255. DOI: 10.3389/fphar.2018.01255.
Опубликован
2021-03-12
Ключевые слова: PD-1, PD-L1, ресвератрол, вычислительная структурная биология
Поддерживающие организации Настоящая работа выполнена в рамках государственной программы научных исследований «Биотехнологии» (грант № 1.45).
Как цитировать
Урбан, В. А., Давидовский, А. И., & Вересов, В. Г. (2021). In silico анализ димеризации PD-L1, индуцированной ресвератролом. Экспериментальная биология и биотехнология, 1, 39-47. https://doi.org/10.33581/2521-1722-2021-1-39-47
Выпуск
№ 1 (2021): Журнал Белорусского государственного университета. Биология
Раздел
Биохимия

Copyright (c) 2021 Журнал Белорусского государственного университета. Биология

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.

Авторы, публикующиеся в данном журнале, соглашаются со следующим:

  1. Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution-NonCommercial. 4.0 International (CC BY-NC 4.0).
  2. Авторы сохраняют право заключать отдельные контрактные договоренности, касающиеся неэксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге) со ссылкой на ее оригинальную публикацию в этом журнале.
  3. Авторы имеют право размещать их работу в интернете (например, в институтском хранилище или на персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу. (См. The Effect of Open Access).