Novel strategies for model-building of G protein-coupled receptors [Elektronische Ressource] / vorgelegt von Anske Stephanie van Neuren

Sujets

• Gesundheit

Informations

• Publié par: philipps-universitat_marburg
• Publié le: 01 janvier 2005
• Nombre de lectures: 23
• Langue: English
• Poids de l'ouvrage: 22 Mo

Extrait

Novel Strategies for
Model-Building
of G Protein-Coupled Receptors
Anske Stephanie van NeurenNovel Strategies for Model-building of
G Protein-Coupled Receptors.
Dissertation
zur
Erlangung des Doktorgrades
der Naturwissenschaften
(Dr. rer. nat)
dem
Fachbereich Pharmazeutische Chemie
der PHILIPPS-UNIVERSITÄT MARBURG
vorgelegt von
Anske Stephanie van Neuren
aus Mijdrecht (Niederlande)
Marburg/Lahn 2003Vom Fachbereich Pharmazeutische Chemie
der Philipps-Universität Marburg
als Dissertation angenommen am
19. August 2003
Erstgutachter: Prof. Dr.Gerhard KLEBE
Zweitgutachter: Prof. Dr. Thomas GUDERMANN
Tag der mündlichen Prüfung am: 19. August 2003Die Untersuchungen zur vorliegende Arbeit wurden von November 1997 bis Januar 2001 in der
Zentralen Forschung der Bayer AG, Ressort Life Sciences, Abteilung Molecular Modelling
in Leverkusen und in der Arbeitsgruppe von Herrn Prof. Dr. Gerhard Klebe, Institut für
Pharmazeutische Chemie des fachbereichs Pharmazie der Philipps-Universität Marburg unter
Leitung von Herrn Dr. Gerhard Müller und Herrn Prof. Dr. Gerhard Klebe durchgeführt.
5“Quis credat tantas operum sine numine moles ex minimis caecoque creatum
foedere mundum? Si fors ista dedi nobis, fors ipsa gubernet. At cur dispositis
vicibus consurgere signa et velut imperio praescriptos reddere cursus cernimus ac
nullis properantibus ulla relinqui? Cur eadem aestivas exornant sidera noctes sem-
per et hibernas eadem, certamque figuram quisque dies reddit mundo certamque
relinquit?”
“ Who could believe that such massive structures have been created from tiny
atoms without the operation of a divine will, and that the universe is the creature of
a blind compact? If chance gave such a world to us, chance itself would govern it.
Then why do we see the stars arise in regular succession and duly perform as at the
word of command their appointed courses, none hurrying ahead, none left behind?
Why are the summer nights and the nights of winter ever made beautiful with the
selfsame stars? Why does each day of the year bring back to the sky a fixed pattern
and a fixed pattern leave at its departure?”
(from the book Astronomica of the Roman poet Manilius, ˜ 20 Antum Domini)
“.. and why has a week 7 days and 7 nights, why are there 7 deadly sins and
7 wonders of the world, 7 oceans and 7 continents, why is Rome build on 7 hills,
and “hast ein Buch 7 Siegel”, why has Little Tumb 7-mileboats, and Snow White 7
dwarfs and why has an GPCR 7 transmembrane helices ?
Just by chance ?”Contents
1 Scope of the Thesis 11
2 General Background 15
2.1 G protein-coupled receptors . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.1 Binding Site Ambiguity . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.2 Structural Investigations on 7TM Proteins . . . . . . . . . . . . . . . . 21
2.1.2.1 Prokaryotic Rhodopsins . . . . . . . . . . . . . . . . . . . . 21
2.1.2.2 2D Crystals of Bacteriorhodopsin . . . . . . . . . . . . . . . 22
2.1.2.3 X-ray Structure of . . . . . . . . . . . . . 24
2.1.2.4 Eukaryotic Rhodopsins . . . . . . . . . . . . . . . . . . . . 25
2.1.3 Structural Data Meet Sequence Data . . . . . . . . . . . . . . . . . . . 26
2.1.4 Enhanced Resolution of Rhodopsin . . . . . . . . . . . . . . . . . . . 27
2.1.5 3D Structure Template for GPCRs . . . . . . . . . . . . . . . . . . . . 29
2.1.6 Structure Scaffolds for GPCR-models:
Bacteriorhodopsin versus Rhodopsin . . . . . . . . . . . . . . . . . . 30
2.1.7 Crystal Structure of Rhodopsin . . . . . . . . . . . . . . . . . . . . . . 32
2.2 CCK-receptors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3 Molecular Dynamics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.4 3Phasic-Box . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3 Bioinformatics 39
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2 Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.1 Amino Acid Sequences . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.2 Acid Property Scales . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.3 Amino Acid Property Profiles . . . . . . . . . . . . . . . . . . . . . . 43
3.2.4 Acid Distribution Profiles . . . . . . . . . . . . . . . . . . . . 45
3.2.5 Helical Property Moments . . . . . . . . . . . . . . . . . . . . . . . . 45
3.2.6 Perscan and Other Tools . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3.1 Transmembrane Sequence Stretches . . . . . . . . . . . . . . . . . . . 46
3.3.2 Amino Acid Property Profiles . . . . . . . . . . . . . . . . . . . . . . 49
3.3.3 Acid Occurrence Profiles . . . . . . . . . . . . . . . . . . . . . 51
3.3.4 Determination of the Transmembrane Domain Boundaries . . . . . . . 55
3.3.4.1 TMD 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.3.4.2 TMD 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
7CONTENTS
3.3.4.3 TMD 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.3.4.4 TMD 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.3.4.5 TMD 5 and 6 . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.3.4.6 TMD 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.3.5 Helical Wheel Analyses . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.3.5.1 TMD 1 and TMD 2 . . . . . . . . . . . . . . . . . . . . . . 61
3.3.5.2 TMD 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.3.5.3 TMD 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.3.5.4 TMD 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.3.5.5 TMD 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.3.5.6 TMD 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.3.6 2D Projection Map of Helical Wheels . . . . . . . . . . . . . . . . . . 66
3.3.7 Property Moments for Proteins with Known 3D Structure . . . . . . . 68
3.3.8 for a 3D Model of a GPCR . . . . . . . . . . . . . 71
3.3.9 TMD Determination with Perscan . . . . . . . . . . . . . . . . . . . . 73
3.3.10 TMD with PredictProtein . . . . . . . . . . . . . . . . 74
3.4 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4 Receptor-Modelling 77
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.2 Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.2.1 Bioinformatics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.2.2 Molecular Modelling/Molecular Dynamics Simulations . . . . . . . . . 82
4.3 Results and Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.3.1 Transmembrane Domain Determination . . . . . . . . . . . . . . . . . 85
4.3.2 Molecular Modelling . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.3.3 Production Period of the Molecular Dynamics Simulation . . . . . . . 93
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5 CCK Ligands 103
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.2 CCK-A Agonists . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.3 CCK-B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.4 CCK-A Antagonists . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.5 CCK-B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.5.1 Glutamic Acid Structure . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.5.2 Tryptophane Dipeptoid Derivatives . . . . . . . . . . . . . . . . . . . 114
5.5.3 Quinazolinone Series . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
5.5.4 Diphenylpyrazolidinone Series . . . . . . . . . . . . . . . . . . . . . . 120
5.5.5 Ureido-Acetamide Derivatives . . . . . . . . . . . . . . . . . . . . . . 120
5.5.6 Benzodiazepine Family . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.6 Receptor Binding for CCK-A and CCK-B . . . . . . . . . . . . . . . . . . . . 124
8CONTENTS
6 Antagonist Binding Site 127
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.1.1 Direct and Indirect Drug Design . . . . . . . . . . . . . . . . . . . . . 129
6.1.2 The DRAGHOME Docking Method . . . . . . . . . . . . . . . . . . . 130
6.1.2.1 Protein Binding Site Representation . . . . . . . . . . . . . 130
6.1.2.2 Ligand Representation . . . . . . . . . . . . . . . . . . . . . 133
6.1.2.3 Docking Ligands onto the Binding Site Representations . . . 133
6.1.3 Evaluation Results . . . . . . . . . . . . . . . . . . . . . . . 134
6.1.3.1 Binding Affinity . . . . . . . . . . . . . . . . . . . . . . . . 134
6.1.3.2 Scoring Function . . . . . . . . . . . . . . . . . . . . . . . 135
6.1.3.3 Pharmacophore Determination . . . . . . . . . . . . . . . . 136
6.2 Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
6.2.1 The Protein Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
6.2.2 The Ligands . . . . . . . . . . . . . . . .