응결 단백질 표면 분석기를 이용한 예측

배경

생물학적 제제는 유효 성분의 크기와 복잡성뿐만 아니라 제품 제조, 보관 및 투여 요건 면에서도 소분자 의약품과 다릅니다. 예를 들어, 항체 생산은 포유류 세포 발현에 의존하는 복잡한 과정입니다. 포유류 세포에서 일어나는 번역 후 변형은 단백질의 올바른 접힘, 다량체 형성 및 분비를 매개합니다. 일단 생산된 생물학적 제제는 통제된 보관 조건 하에서 높은 농도로 유지되어야 합니다.응결 는 제품의 안전성, 순도 및 효능을 유지하기 위해 생산 및 보관 전 과정에서 관리해야 할 주요 위험 요소 중 하나입니다. 생물분자의 상대적인 응결 경향을 조기에 평가하고, 프로젝트 초기 단계에서 응결 발생 가능성이 높은 후보 물질을 선별해 솎아냄으로써 상당한 시간과 비용을 절감할 수 있습니다. 1차 서열 정보에 의존하는 기존의 많은 응결 응집 예측 방법과 달리, Schrödinger의 AggScore 알고리즘은 전적으로 3차원 분자 구조를 기반으로 합니다. AggScore의 구조 기반 접근 방식은 기존 방법에 비해 더 높은 정확도와 폭넓은 일반적 적용성을 제공하며, 특히 비교 대상 구조 간의 차이가 매우 미묘한 상황에서 그 장점이 두드러집니다. AggScore는 표면에 노출된 소수성 영역 외에도 인접한 잔기의 전하 성향을 고려합니다. 단백질 표면 분석기(Protein Surface Analyzer)와 AggScore 지표는 1) 전하 성향( 응결 )에 따라 단백질을 순위 지정하고 선별하는 데, 2) 단백질 및 기타 생체분자 표면에서 응결발생 가능성이 높은 영역의 분포를 시각화하는 데, 3) 잔기 돌연변이가 응결 거동에 미치는 영향을 신뢰성 있게 예측하는 데 유용합니다.

137종의 임상 단계 항체에 대한 크로마토그래피 유지 시간 예측을 위한 AggScore

Three-dimensional structures of 137 clinical-stage mAbs were constructed using Schrödinger’s antibody modeling protocol. AggScore was then calculated for each of these structures and the scores compared with experimental retention times measured by Jian et al¹ using three chromatographic methods – HIC, SMAC and CIC. The antibodies’ elution characteristics were classified as “early elution” (retention time < 10 min) or “delayed elution” (retention time ≥ 10 min). Prediction performance results summarized in Table 1 indicate that AggScore had the best AUC compared to two other commonly used computational approaches – Zyggregator and Aggrecan. The results demonstrate that AggScore’s domain of applicability includes antibodies.

5가지 치료용 항체 Fv 단편 표면에서 ‘ 응결’가 발생하기 쉬운 영역의 분포를 매핑하고, ‘ 응결 ’ 발생 경향에 따라 순위를 매김

패치 특성은 단백질의 반데르발스(vdW) 표면으로부터 물 프로브 거리(1.4 Å)만큼 떨어진 위치에 투영된 분자 표면을 바탕으로 계산되었다. 단백질 표면 패치 계산은 각각의 소수성 및 친수성 표면 전위 값을 기반으로 소수성(녹색), 양전하(파란색), 음전하(빨간색)의 세 가지 표면 패치 범주를 구분한다. 단백질 표면 패치 계산에 앞서 입력 구조를 정제하였다. 시스템의 pH는 적절한 값으로 설정되었으며, 원자 전하는 OPLS3.0 힘장에 따라 할당되었다. AggScore는 알려진 결합 성향을 가진 5개의 항체 구조 집합을 대상으로 계산되었다. 이 점수는 해당 항체들의 응결 결합 성향을 완벽한 순위 순서대로 예측할 수 있었다(그림 1).

잔기 돌연변이가 응결 의 행동에 미치는 영향 예측

AggScore를 사용하여 β-아밀로이드(Aβ)의 여러 돌연변이체에서 응결 형성 경향을 예측하였다. 예측 결과는 표 2에 제시된 바와 같이 실험 데이터와 비교되었다. 그 결과는 다음과 같다:

• AggScore 예측 결과는 Wurth^등⁵이 보고한 바와 같이, 야생형(WT)에 비해 아밀로이드 응집성( 응결 )이 감소한 Aβ의 9개 단일 돌연변이체(L17Q, L17E, F19S, I31N, I32S, I32V, L34P, V36E) 중 8개에서 실험 결과와 일치했다. 예외인 A2S는 단백질의 N-말단에 위치하며, 이는 AggScore 산정에 기여하지 않는다.
• AggScore는 야생형에 비해 네 가지 돌연변이체의 응결 형성 경향성이 감소하는 순서, 즉 WT > I41L > I41V > I41A > I41G를 정확히 재현했다.
• Aβ의 세 가지 가족성 변이인 네덜란드형(E22Q), 아이오와형(D23N), 이탈리아형(E22K)은 야생형(WT)보다 아밀로이드 전구체 단백질( 응결 ) 형성 경향이 더 높고, 플랑드르형(A21G)은 야생형(WT)보다 아밀로이드 전구체 단백질( 응결 ) 형성 경향이 더 낮다는 예측은 van Nostrand^등⁴과Miravelle^등²이 수행한 실험 연구 결과와 잘 일치한다.

요약

단백질 응결 은 선도 생체분자를 효과적인 생물학적 제제로 개발하는 데 있어 주요 장애물입니다. Schrödinger의 AggScore는 3차원 입력 구조의 표면에 투영된 전하 및 소수성 패치 영역에 대한 잔기 기여도를 고려하여 응결 응집 경향을 예측합니다. 이 방법은 항체, 효소, 백신 항원 등 다양한 생물학적 제제 범주에서 응결 문제를 식별하고 완화하는 데 매우 유용합니다.