Protein - protein interactions (PPIs) are important since most of biological activities are constructed of a network of a series of PPIs. Therefore specifically targeting proteins which are involved in key biological activities can lead to controlling of entire system, which is the reason why proteins have been considered as the major drug target. Studies on PPIs have been done for a long time by widely used experimental methods such as yeast two hybrid method, SPOT array synthesis, or X-ray crystallography, but those methods are expensive and time-consuming procedures. Consequently, prediction of PPIs and selecting a probable set of protein - protein pairs beforehand is highly desirable. Previous methods basically focus their study in predicting result which has answers. But algorithms which are made and trained based on known data are often failed when novel data set is introduced, i.e. overfitting. Therefore in this research our focus lies on developing method which is flexible to various unknown data. In this study SH3 domain is used for prediction, since the consensus binding motif of SH3 is classified and only small part, 10 amino acids - decapeptides, of binding protein is most important in interaction, therefore problem can be simplified. First, homology modeling of SH3 domains of unknown sequence is done by searching the most similar sequence from PDB and 3 dimensional complex structures which are formed by combining various peptide sequences are generated with MODELLER. A series of molecular dynamics (MD) simulations were performed to minimize intra and inter-chain clashes and to stabilize peptide backbone structures. Then interaction energies between SH3 domain and peptides were calculated based on the complex structures generated by MD simulations. Finally, list of 200 top ranking peptide sequences are used to generate position weighted matrix (PWM). We could conclude with certain aspect that our method can predict PPIs of unknown sequence.
대부분의 생명현상들은 연속적인 단백질간의 상호작용 network으로 구성되어 있으므로 단백질 - 단백질간의 상호작용은 중요하다. 단백질간의 상호작용 network에 있어 하나 또는 그 이상의 단백질들이 전체를 조절하는데 있어 중요한데 이러한 단백질을 억제하거나 또는 반응성을 높임으로써 전체 network의 조절이 가능하다. 이러한 이유 때문에 단백질은 신약 개발에 있어 중요하다. 그렇기 때문에 단백질 - 단백질간의 상호작용을 이해하고자 하는 많은 연구들이 되어왔다. 연구를 하는 방법으로는 크게 2가지의 방법을 들 수 있는데, 실험적 분석방법과 컴퓨터를 이용한 분석 방법을 들 수 있다. 실험적인 방법의 대표적인 예로는 X선 결정학이 있다. 하지만 이러한 실험적인 방법들은 많은 시간이 소요되므로 상대적으로 실험적인 방법에 앞서 컴퓨터를 이용한 분석 방법이 선호되고 있다. 하지만 기존의 방법들에서는 기존에 존재하는 단백질 - 단백질간의 상호작용 데이터들이 이용됨으로써 기존의 데이터 군에 한해서만 상호작용 예측이 잘되는 overfitting 문제가 있다. 그러므로 현재까지 밝혀지지 않은 새로운 단백질 상호작용을 잘 예측하는 컴퓨터 분석 방법이 필요하다. 이 연구에서는 다수의 SH3 domain 3차원 구조를 구성하고 그에 붙는 다량의 peptide 서열들을 point mutation을 이용하여 기존의 데이터 군을 새로운 상호작용 예측을 잘 하도록 확장하였다. PDB로부터 기존에 밝혀진 SH3 도메인과 peptide간의 결합구조를 찾고 밝혀지지 않은 SH3 domain 서열을 가장 유사한 밝혀진 SH3 domain 서열 3차원 구조를 이용하여 3차원 구조를 재현하였다. 만들어진 3차원 구조에 기존의 복합체 구조로부터 얻어진 peptide 서열을 붙여줌으로써 3차원 복합체 구조를 만들었다. 만들어진 결합구조의 안정화를 위하여 molecular dynamics (MD) 시뮬레이션을 하였고, 이 과정에서 여러 time frame의 3차원 복합체 구조를 뽑아냄으로써 다양한 SH3 domain과 peptide간의 상호작용 방법을 찾고자 하였다.
