SARS-CoV-2-viruksen pääproteaasin toimintamekanismia selvittämässä

Mikään mPro-entsyymin dokumentoiduista mutaatioista ei sijaitse dimeerisessä rajapinnassa. Kuvassa on van der Waals -esityksenä täyspitkä mPro-monomeeri (PDB ID: 6LU7) sitoutuneena sen peptidisubstraattiin (oranssi). Dimeerinen rajapinta on kuvassa merkitty lilanvärisenä, ja loput osat, dokumentoidut mutaatiot mukaan lukien on merkitty punaisella. Mutaatiodatan lähteenä on käytetty Nextstrain-tietokantaa (päivitetty 2020-05-08). Kuva: Ilpo Vattulainen

SARS-CoV-2-viruksen pääproteaasin toimintamekanismia selvittämässä

COVID-19-pandemiasta on tullut maailmanlaajuisesti poikkeuksellisen vakava uhka ihmisten terveydelle, eikä tautiin ole vielä lääkitystä eikä rokotusta. Tarve tutkitulle tiedolle on suuri ja tätä tautia ja sen aiheuttavaa virusta, SARS-CoV-2:sta, tutkitaan intensiivisesti yliopistoissa, tutkimuslaitoksissa ja myös supertietokonekeskuksissa kautta maailman. Tutkimuksen tavoitteena on löytää keinot estää tautia aiheuttavan viruksen toiminta ja kehittää rokote taudin estämiseksi.

CSC halusi antaa oman panoksensa ja nopeuttaa COVID-19-pandemiaan liittyvää tutkimusta. CSC avasi maaliskuussa ”ohituskaistan” eli oman priorisoidun laskentajonon COVID19-pandemian tutkimukselle. COVID-19-hankkeet ovat käyttäneet noin kolmanneksen CSC:n supertietokone Puhdin kapasiteetista.

Yksi tälle kaistalle valituista on professori Ilpo Vattulaisen tutkimusryhmä Helsingin yliopiston fysiikan laitokselta. Vattulaisen ryhmä käyttää atomistisia molekyylidynamiikkasimulaatioita ja koneoppimista selvittääkseen SARS-CoV-2-viruksen pääproteaasi mPro:n toimintamekanismin. Proteaasi on proteiineja prosessoiva entsyymi.

– Tämä entsyymi vastaa virusten kypsymisestä, joten sen toiminnan estäminen estää viruksen kopioitumisen. Monien lääkeaineiden on ehdotettu estävän pääproteaasin toiminnan, mutta tutkimuksen eteneminen on vaikeaa, jos proteaasin toimintamekanismia ei ymmärretä yksityiskohtaisesti, kertoo Ilpo Vattulainen.

Kaksi tutkimuslinjaa

Ilpo Vattulaisen tutkimusryhmä keskittyy kahteen tutkimuslinjaan.

Ensinnäkin, pääproteaasin aktiivinen muoto on kahdesta toisiinsa sitoutuneesta proteiinista koostuva dimeeri (eli yhdiste, joka koostuu kahdesta identtisestä tai samankaltaisesta molekyylistä), ja ryhmän tavoitteena on selvittää, kuinka nämä kaksi proteiinia sitoutuvat toisiinsa ja miten niiden sitoutuminen voitaisiin estää.

Toiseksi, useiden lääkeaine-ehdokkaiden tiedetään sitoutuvan proteaasin aktiivisen kohdan läheisyyteen ja ryhmä haluaa selvittää, kuinka näiden lääkeaineiden sitoutuminen häiritsee tai estää entsyymin aktivoitumista. Molemmissa tapauksissa tutkimuksissa käytetään molekyylitietokantoja lääkeaine-ehdokkaista, joista tiedetään, etteivät ne ole haitallisia ihmisten terveydelle.

– Kuukauden aikana projekti on laskenut atomistista simulaatiodataa puolen millisekunnin ajalta ja tätä dataa on analysoitu useilla ohjatuilla ja ohjaamattomilla koneoppimistekniikoilla, Vattulainen kertoo.

Tutkijat etsivät dimerisaation rajapinnasta molekyylejä, jotka voisivat estää aktiivisen entsyymidimeerin muodostumista tai heikentää sen stabiilisuutta. Tämän lähestymistavan merkitystä korostaa bioinformatiikan analyyseillä hankittu tieto saatavilla olevien viruskantojen mutaatioista, sillä proteaasi mPro:n dimeerisessä rajapinnassa ei ole mutaatioita, jolloin sama lääkeaine tehoaa kaikkiin viruskantoihin.

Näitä tutkimuksia täydentää proteaasin aktiivisen kohdan dynamiikan tarkastelu. Proteiinin kahden monomeerin yhteinen liike ohjaa entsyymin aktiivisen kohdan dynamiikkaa, mikä korostaa dimerisaation rajapinnan merkitystä mPro:n aktivoinnissa ja toiminnassa. Nämä tulokset viittaavat vahvasti siihen, että lääkeaineet, jotka estävät entsyymin dimeerin muodostumista tai häiritsevät viestinvälitystä dimeerin rajapinnan ja entsyymin aktiivisen kohdan välillä, ovat tehokkaita lääkkeitä COVID-19-taudin torjumiseksi.

Tällä hetkellä ryhmä rakentaa Markov State -malleja (MSMs), jotka voivat paljastaa dimeerisen rajapinnan ja lääkeaineen sitoutumiskohtien välisen viestinvälityksen kinetiikan. Markov State –malleja käytetään molekyylisten systeemien pitkän aikaskaalan dynamiikan mallinnukseen.

Tutkimusryhmä käyttää myös tehokkaita vapaan energian laskentamenetelmiä arvioidakseen useiden mahdollisten mPro-entsyymin toimintaa estävien lääkeaineiden sitoutumisenergioita.  Käyttämällä koneoppimisesta ja vapaan energian laskentamenetelmistä saatuja tietoja tutkijat voivat ehdottaa tehokkaita lääkeaineita, joilla mPro-entsyymin toiminta voidaan estää ja sitä kautta estää myös viruksen lisääntyminen.

Mechanism of action of the main protease of SARS-COV-2. S. Kaptan, M. Girych, G. Enkavi, W. Kulig, T. Rog, V. Sharma, I. Vattulainen. Work in progress (2020).

Lisää tästä aiheesta » Siirry sisältöihin ja uutisiin »

Tommi Kutilainen