Peptidbiblioteker og design: hvordan fungerer screening og prædiktion?

Et peptidbibliotek er en samling af forskellige peptidsekvenser, der er fremstillet eller præsenteret på en sådan måde, at de systematisk kan sammenlignes. I stedet for at analysere en enkelt sekvens uden et bredere referencepunkt, kan forskere bruge biblioteket til at undersøge, hvilke peptider der binder til et specifikt molekylært mål, fungerer som enzysubstrater, udløser et målbart svar i en given analyse, indeholder et specifikt genkendelsesmotiv for andre molekyler eller udviser en anden defineret egenskab.

Ikke alle peptidbiblioteker er ens. De kan forekomme som fysiske samlinger af syntetiserede molekyler, peptider præsenteret på biologiske bærere, peptider bundet til perler eller overflader samt fuldstændig virtuelle samlinger af sekvenser og molekylære strukturer, der analyseres computerbaseret.

Hvert af disse formater besvarer lidt forskellige videnskabelige spørgsmål.

Det peptid, som computeren har forudsagt kan binde til et bestemt protein, er ikke det samme peptid, som faktisk er blevet udvalgt i et screeningseksperiment. På samme måde bliver et peptid, der er opformeret under screeningen, ikke automatisk en bekræftet biologisk kandidat.

Forskning ved hjælp af phage display, syntetiske biblioteker på perler, overlappende peptidesæt og computervaliderede eksperimenter viser et af de grundlæggende principper for peptidopdagelse:

At finde et interessant signal starter forskningsprocessen og afslutter den ikke.

Styrken i de endelige konklusioner afhænger blandt andet af:

• design og bibliotekets kvalitet;
• reelle, og ikke kun teoretiske, mangfoldighed;
• testkonstruktion;
• tilstrækkelige kontroller;
• molekylær identifikation;
• gentagelighed;
• udelukkelser af alternative forklaringer;
• uafhængig eksperimentel validering. [1] [2] [3]

Derfor er det værd at skelne mellem flere efterfølgende faser, når man analyserer peptidbiblioteker:

biblioteksdesign → screening → identifikationen af hits → bekræftelse → karakterisering → forudsigelse eller optimering → uafhængig validering.

Hvert af disse stadier giver et andet niveau af beviser.

Hvad er et peptidbibliotek?

En ordnet samling af forskellige molekylære varianter

Et peptidbibliotek indeholder beslægtede eller forskelligartede peptidsekvenser organiseret omkring et specifikt forskningsspørgsmål.

Nogle biblioteker bruges til at undersøge små ændringer inden for et kendt peptid. Andre dækker over et væsentligt større rum af mulige sekvenser.

De enkelte elementer i biblioteket kan variere med hensyn til:

• peptidlængder;
• aminosyretyper;
• de enkelte resters positioner;
• aminosyresekvens;
• slutgruppe;
• cyklisering;
• stereokemi;
• kemiske modifikationer;
• andre bevidst ændrede strukturtræk.

Biblioteket skal også bevare muligheden for at identificere det interessante element.

For en peptidarray kan peptidets identitet knyttes til dets fysiske placering.

I phage display-biblioteket er den præsenterede peptidsekvens knyttet til den genetiske information, der findes i bakteriofagen.

I et syntetisk bibliotek placeret på perler kan peptidet på en udvalgt perle kræve kemisk identifikation eller brugen af et ekstra kodningssystem.

Forbindelsen mellem signalet og molekylets identitet er af fundamental betydning.

Et stærkt eksperimentelt signal fra en ukendt blanding fortæller endnu ikke, hvilken molekyle der udløste det.

Værdien af peptidbiblioteket afhænger derfor ikke kun af antallet af kandidater, det indeholder, men også af muligheden for at koble:

kandidat → identitet → målt svar.

Tilfældige, målrettede og systematiske biblioteker

Forskellige bibliotekskonstruktioner bruges til at besvare forskellige videnskabelige spørgsmål.

Et randomiseret eller kombinatorisk bibliotek omfatter kombinationer af byggesten i udvalgte positioner.

Udtrykket „tilfældig” beskriver den planlagte konstruktions- eller udvælgelsesmetode. Det betyder ikke, at hver teoretisk mulig sekvens faktisk forekommer med den samme hyppighed.

Et målrettet bibliotek begrænser variabiliteten omkring:

• kendte motiv;
• moderspeptid;
• bestemt strukturelt skelet;
• bindingssekvens;
• aktive region;
• hypoteser om et specifikt molekylært mål.

Biblioteket af systematiske substitutioner ændrer udvalgte rester på en ordnet måde.

For eksempel kan en aminosyre i én position efter hinanden erstattes af flere andre aminosyrer for at undersøge, om denne position påvirker den undersøgte egenskab.

Et overappende peptidbibliotek anvender efterfølgende fragmenter af en længere modersekvens, hvor tilstødende fragmenter deler en række fælles restgrupper.

Denne tilgang er særligt nyttig, når man lokaliserer proteinergioner, der genkendes i en specifik test.

Enhver strategi har sine fordele og begrænsninger.

Et bredt kombinatorisk bibliotek kan afsløre et uventet sekvensmotiv.

Et målrettet bibliotek gør det muligt at undersøge en allerede interessant sekvens nærmere.

Systematiske substitutioner kan pege på, hvilke positioner der virker særligt vigtige.

Et bibliotek af overlappende fragmenter hjælper med at lokalisere den aktive eller genkendte region af et større protein.

Derfor:

Et større sekvensrum betyder ikke automatisk bedre eksperimentel information.

Den rette type bibliotek afhænger primært af forskningsspørgsmålet.

Teoretisk mangfoldighed er ikke ensbetydende med reel repræsentation

Rummet af mulige peptidsekvenser vokser meget hurtigt.

Hvis biblioteket tillader alle 20 standardaminosyrer i hver af de seks positioner, er det teoretiske antal mulige sekvenser:

20⁶ = 64.000.000 mulige kombinationer.

Dette er en teoretisk mangfoldighed.

Det betyder ikke, at der rent faktisk findes 64 millioner forskellige, korrekt repræsenterede peptider i det fysiske bibliotek.

Effektiv mangfoldighed kan blandt andet reduceres eller fordrejes af:

• syntezafejler;
• ujævn koblingsydelse;
• sekvensafhængige syntetiske vanskeligheder;
• biologisk selektion under biblioteksgenerering;
• transformationsbegrænsninger;
• forskelle i formering;
• gentagne sekvenser;
• sekwencjoneringsomkostninger;
• prøveudtagningsbegrænsninger;
• ulige fordeling af de enkelte elementer.

Det har også betydning, hvilken del af hele biblioteket der faktisk blev brugt i det konkrete eksperiment.

Selvom sættet teoretisk set indeholder et enormt antal sekwenser, kan en enkelt screening kun dække en del af denne mangfoldighed.

Dyb sekventering af et kommersielt fagebibliotek påviste tydelige afvigelser fra en ensartet repræsentation, herunder forskelle i peptidforekomst og skævheder i sammensætningen af sekvenserne. Forskerne identificerede også faktorer, der reducerer bibliotekets effektive størrelse. [4]

Disse resultater gjelder for det spesifikke analyserte biblioteket og bør ikke automatisk overføres kvantitativt til ethvert phage display-bibliotek.

De viser imidlertid en vigtig regel:

Teoretisk mangfoldighed bør ikke forveksles med målt eksperimentel mangfoldighed.

Hvad er et bibliotek af overlappende peptider?

Et bibliotek af overlappende peptider repræsenterer en længere modersekvens som en serie af kortere fragmenter.

Naboliggende peptider indeholder en del af en fælles sekvens.

Lad os overveje hypotetiske fragmenter med en længde på 15 restkonstanter:

• rester 1–15;
• resten 6–20;
• resten 11–25.

Hvert efterfølgende peptid starter fem positioner længere henne end det foregående.

Dette betyder, at tilstødende fragmenter har ti fælles rester.

En sådan fordeling hjælper med at lokalisere regioner forbundet med genkendelse eller en anden målt respons.

Hvis to tilstødende peptider giver et signal, kan deres fælles sekvens hjælpe med at indsnævre det område, der kræver yderligere undersøgelse.

Dette beviser dog ikke, at:

• enhver rest i det fælles område er nødvendig;
• selve den fælles sekvens er tilstrækkelig til at opnå effekten;
• den minimale aktive sekvens blev identificeret;
• fragmentet opfører sig nøjagtig på samme måde som den tilsvarende region i hele proteinet.

Flere eksperimenter kan være nødvendige for at afgøre disse spørgsmål.

I undersøgelsen af det meningokok-ydermembranprotein blev der anvendt 45 overlappende syntetiske peptider til at analysere T-celle-genkendelse i celler fra humane donorer. [5]

Undersøgelsen påviste både nyttigheden af empirisk peptidmapping og begrænsningerne ved de forudsigelsesalgoritmer, der var til rådighed på det tidspunkt.

De observerede svar forblev specifikke for det anvendte peptid-sæt, testbetingelserne og prøverne fra de undersøgte donorer.

Fysiske og virtuelle biblioteker besvarer forskellige spørgsmål

Udtrykket „peptidbibliotek” kan referere til meget forskellige eksperimentelle systemer.

Denne sondring er meget vigtig:

En digital kandidat er ikke automatisk et syntetiseret molekyle, og et syntetiseret molekyle er ikke automatisk en eksperimentelt valideret kandidat.

Fagdisplay og syntetiske biblioteker

Hvordan forbinder fage display et peptid med dets sekvens?

I fagdisplay-teknologien præsenteres et peptid som en del af et protein, der findes på overførslen af en bakteriofag.

Fagen indeholder samtidig den genetiske information, der koder for den præsenterede sekvens.

Dette skaber en nyttig forbindelse mellem:

fænotypen — præsenterede peptid

a

genotyp – den tilhørende genetiske sekvens.

Forskere kan udsætte et fagbibliotek for et bestemt mål eller testsystem, genvinde de udvalgte partikler, opformere dem eller analysere dem og fastslå, hvilke sekvenser der er blevet op concentraciónen / beriget.

Tilknytning til genetisk information gør det betydeligt lettere at identificere kandidater sammenlignet med analysen af en uidentificeret molekylær blanding.

Tidlig forskning ved hjælp af tilfældige peptider præsenteret på trådformede fag påviste muligheden for at berige antistofligander med høj affinitet og sammenlignede opførslen af fagpræsenterede peptider med bindingsresultater opnået for kemisk syntetiserede peptider. [1]

Denne sammenligning var særlig vigtig, fordi peptidet på fagpartiklen og det tilsvarende isolerede syntetiske peptid ikke udgør en identisk eksperimentel præsentation.

Berigelse er resultatet af selektion og ikke en fuldstændig forklaring på mekanismen

Sekvensen, hvis andel øges i de efterfølgende selektionstrin, betegnes ofte som beriget.

Berigelsen er vigtig information.

Det forklarer dog ikke automatisk, hvorfor en given sekvens er blevet mere udbredt.

Mulige årsager omfatter:

• formålsbestemt binding;
• binding til overfladen anvendt i testen;
• interaktion med et andet element af eksperimentet;
• bedre overlevelse under selektionsbetingelser;
• større smitsomhed;
• effektivigere opformering;
• fordel under spredning;
• en anden egenskab, der afhænger af sekvensen eller en specifik klon.

Disse er videnskabeligt forskellige forklaringer.

I en af undersøgelserne blev der identificeret en fagklon, hvis berigelse var forbundet med en fordel i formeringen som følge af en genomisk deletion. [6]

I et andet studie blev det præsenterede peptid analyseret, hvilket bandt sig til polystyren i stedet for det tiltænkte mål. [7]

Disse undersøgelser viser to forskellige mekanismer, hvorved der kan ske en berigelse, der ikke er relateret til selve undersøgelsens formål.

Det betyder ikke, at enhver beriget fagsekvens er en artefakt.

Det viser til gengæld hvorfor:

Berigelsen identificerer en kandidat, der kræver afklaring; den beviser ikke i sig selv specifik genkendelse af det molekylære mål.

Måden at præsentere på kan påvirke den observerede binding

Det peptid, der præsenteres i phage display-systemet, er fysisk forbundet med bæreren.

Hans opførsel kan derfor afvige fra opførselen af den samme molekyle, der befinder sig frit i opløsning.

Et vigtigt begreb her er aviditet.

Affinitet henviser normalt til styrken af en enkelt interaktion inden for en bestemt model.

Aviditet kan derimod skyldes mange interaktioner, der finder sted samtidigt.

Hvis flere kopier af det præsenterede peptid interagerer samtidigt med flere bindingssteder, kan den samlede interaktion virke stærkere end den enkelte interaktion af det frie peptid.

Tilslutning til mediet kan også:

• begrænse peptidkonformationen;
• ændre hans tilgængelighed;
• øge den lokale koncentration;
• påvirke orienteringen;
• forårsage steriske effekter;
• at placere flere kopier af peptidet tæt på hinanden.

Derfor kan et peptid, der er blevet effektivt udvalgt i et præsentationssystem, opføre sig anderledes efter uafhængig syntese.

Netop derfor er undersøgelsen af et isoleret molekyle et vigtigt bekræftende skridt.

Sammenligning af fagpræsenterede ligander med deres kemisk syntetiserede modstykker i tidlige phage display-studier viser tydeligt vigtigheden af at koble selektionsresultatet til molekylets uafhængige opførsel. [1]

Syntetiske biblioteker kan omfatte et andet kemisk rum

Syntetiske peptidbiblioteker skabes ved hjælp af kemiske metoder og ikke udelukkende gennem biologisk ekspresjon.

Afhængigt af den anvendte syntesemetode kan de potentielt omfatte:

• utiligete aminosyrer;
• udvalgte D-aminosyrer;
• slutmodifikationer;
• cyklisering;
• kemiske mærker;
• modificerede sidekæder;
• andre syntetiske byggelementer.

Dette gør det muligt at udvide den kemiske plads, der er til rådighed for forskning.

Blot det at designe en sekvens i et regneark eller et computerprogram beviser imidlertid ikke, at den tilsvarende molekule let og korrekt kan fremstilles.

Praktiske problemer kan omfatte:

• ufuldstændig sammenkobling;
• sletningssekvenser;
• aggregering;
• rensningsbesvær;
• dårlig opløselighed;
• bivirkninger;
• usikkerhed ved ændringerne;
• Syntetiske problemer afhængige af sekvensen.

Derfor:

Designet kemisk mangfoldighed ≠ eksperimentelt bekræftet kemisk mangfoldighed.

Genetisk kodede præsentationssystemer og kemisk syntese omfatter derfor delvist overlappende, men ikke identiske molekylare rum.

Modificerede præsentationsteknologier kan yderligere udvide omfanget af kemien, der er tilgængelig i biologiske systemer, og derfor bør denne sondring ikke forkortes for at fastslå, at biologiske biblioteker udelukkende kan indeholde ikke-modificeret standardpeptider.

Biblioteker med én perle – én kombination

I biblioteket one-bead–one-compound (OBOC) skal hver kugle i princippet indeholde mange kopier af et bestemt stof.

En af de hyppigst anvendte strategier er split-and-pool-typen.

Kuglerne deles op i grupper, og hver gruppe reagerer med et andet byggesten; derefter samles alle kuglerne igen og deles derefter op igen før det næste syntesestadium.

Gentagen af denne proces kan føre til oprettelsen af et stort kombinatorisk bibliotek, samtidig med at den planlagte sammenhæng mellem den enkelte kugle og en bestemt sekvens opretholdes.

De første undersøgelser af systemet one-bead–one-peptide præsenterede en metode til at opbygge og screene store syntetiske peptiddatabaser med henblik på binding af ligander. [2]

Udtrykket one bead–one compound beskriver dog princippet for bibliotekets organisation.

Det beviser ikke, at:

• Hver kugle indeholder et kemisk perfekt peptid;
• Hver kugle har det samme peptidbelastning;
• Alle koblingsreaktioner fandt sted med samme effektivitet;
• Peptidet på hver kugle er lige så tilgængeligt.

I et senere forsøg med enkelte kugler blev Raman-spektroskopi anvendt til at bestemme mængden af peptidet.

Forskere observerede en betydelig variation mellem bibliotekskulene, især ved længere sekvenser, selvom belastningen af det oprindelige materiale var mere jævn. [8]

Det er vigtigt, fordi signalstyrken under scanningen kan afhænge af:

kraften af interaktioner,

også fra:

mængden af det tilgængelige peptid, der er præsenteret på kuglen.

Mødre, individuelt syntetiseret sæt og pulerede undersøgelser

Peptidbiblioteker kan også organiseres som stammer eller individuelt syntetiserede sæt.

I en peptidmatrix er de definerede peptider placeret i kendte fysiske positioner.

Det sikrer en direkte forbindelse:

placering → sekvensens identitet → testsignal.

Det er dog vigtigt at huske, at immobilisering på overfladen kan påvirke konformationen og tilgængeligheden af peptidet.

Et andet alternativ er pulseret screening.

Flere peptider bliver kombineret i én prøve og undersøgt sammen.

Hvis prøven giver et positivt svar, kan man derefter udføre en dekonvolvering af prøven ved at teste mindre grupper eller enkelte bestanddele.

Samleopbevaring kan reducere antallet af målinger, der er nødvendige i det indledende trin.

Pula opfører sig dog ikke altid på samme måde som hver af dens enkelte bestanddele.

Effekten kan være:

• forskelle i koncentrationer;
• konkurrence;
• opløselighed;
• aggregering;
• interferens;
• antagonistiske virkninger;
• Testens mætning.

Den positive pulle indikerer således en gruppe, der kræver yderligere undersøgelser.

Det bekræfter ikke, at ethvert peptid der er indeholdt i det har den pågældende egenskab.

Screening og udvælgelse af kandidater

Først skal du definere, hvad testen egentlig måler.

Betydningen af resultatet af screeningen afhænger fuldstændig af det målte endepunkt.

Screening af bindingen besvarer spørgsmålet om, hvorvidt peptidet interagerer med et bestemt mål under de givne betingelser.

Screening af enzymsubstrater undersøger, om enzymet omdanner et bestemt peptid.

Inhibitionstestet kontrollerer, om peptidet reducerer en bestemt aktivitet.

En celleprøve måler det definerede svar i cellerne.

Disse resultater er ikke sammenlignelige.

Peptidet kan binde sig til et mål uden at aktivere det eller hæmme det.

Det kan være substrat for enzymet, men det vil ikke opføre sig korrekt i cellernes system.

En cellerespons kan imidlertid stamme fra en utilsigtet rute.

Derfor er betegnelsen „aktivt peptid” ofte for bred, hvis det ikke er angivet, hvilken type aktivitet der faktisk er målt.

I et iterativt studie, der anvendte maskinlæring, blev peptidsubstrater optimeret for en bestemt klasse af enzymer ved gentagne eksperimentelle test af udvalgte kandidater. [3]

Anmodningerne vedrørte de biokemiske funktioner, der blev målt i dette specifikke system.

De beviser ikke, at de samme sekvenser ville fungere i andre, ikke-relaterede biologiske anvendelser.

Kontrollen hjælper med at adskille genkendelsen af målet fra selve udførelsen af testen.

De korrekt valgte kontroller hjælper med at skelne det tilsigtede molekylære fænomen fra andre mulige forklaringer.

Afhængigt af testen kan det være:

• overflader uden målpartikel;
• kontroller, der indeholder selve mediet;
• ikke-relaterede molekylære mål;
• kontroller er positive;
• Negative kontrolresultater;
• grundniveaumålinger;
• konkurrenceeksperimenter;
• Andre kontroler, der er relevante for det konkrete system.

Overfladen uden den målte partikel kan afsløre usædvanligt binding til testmaterialet.

Kontrollen af mediemediet hjælper med at opdage svar, der er forårsaget af præsentationssystemet selv.

Et ikke-relateret mål kan give information om selektiviteten.

En positiv kontrol viser, om testen er i stand til at opdage det kendte svar.

En negativ kontrol er med til at bestemme niveauet af baggrunden.

Kontrollen skal imidlertid vælges ud fra de faktiske mulige kilder til fejl i det pågældende eksperiment.

Der findes ikke et universelt kontrolpeptid, der ville være biologisk uigendriveligt i ethvert muligt system.

En undersøgelse af fagene vedrørende polystyren viser, hvorfor overfladekontrol er vigtig. Forskere analyserede separat binding og reproduktion og tilskrev forbedringen til effekten af testoverfladen i stedet for at antage, at genfinding af fag bekræfter genkendelsen af det tilsigtede mål. [7]

Kvalitet, selektivitet og funktion er forskellige egenskaber

Tre begreber, der ofte forveksles med hinanden, er:

tilknytning, selektivitet og funktion.

Interaktionsevnen vedrører kraften i interaktioner under bestemte betingelser og inden for rammerne af en passende virkningsmodel.

Selektivitet beskriver i hvilken grad en kandidat favoriserer et mål i forhold til andre alternativer.

Funktionen vedrører de biologiske eller biokemiske konsekvenser af sådanne påvirkninger.

Peptidet kan således udvise:

• høj affinitet, men lav selektivitet;
• høj selektivitet, men svag binding;
• stærk binding uden forventet funktionel effekt;
• Funktional aktivitet gennem en uventet mekanisme.

Disse forskelle afgør, hvilke eksperimenter der skal udføres i næste rækkefølge.

For eksempel:

påvist binding ≠ påvist hæmning.

Et peptid fundet i bindingstestet bør ikke automatisk betegnes som en hæmmer, hvis dets hæmmende virkning ikke er direkte målt.

Det er værd at vurdere kandidaterne på baggrund af flere typer data

Udvælgelsen af kandidater er mere troværdig, hvis den ikke udelukkende bygger på én rangordningsparameter.

Man kan blandt andet overveje:

• signalstørrelsen;
• gennemsigtighed;
• Beholdningens opretholdelse;
• sekvensens identitet;
• forbedring i forhold til den oprindelige værdi;
• selektivitet;
• familien af sekvenser;
• mulighed for uafhængig syntese;
• opløselighed;
• testets gentagelighed;
• Mulighed for yderligere validering.

En række forskellige resultater kan også være nyttige blandt de valgte mål.

Studiet af repræsentanter for flere forskellige families sekvenser reducerer afhængigheden af et potentielt forvirrende motiv eller klon.

I tilfælde af fagbiblioteker er det særligt nyttigt at sammenligne antallet før og efter udvælgelsen.

En sekvens, der allerede forekom meget hyppigt i den udgangsbibliotekariske kontekst, kan repræsenteres i stort antal efter screeningen, uden at der er tale om en særligt kraftig målrelateret forstærkning.

En undersøgelse af dybdesekventiering af en naive fagbibliotek viste en uensartet initial repræsentation. [4]

En undersøgelse af fordelene ved reproduktion viser desuden, hvorfor ensomhed ikke automatisk bør tolkes som et mål for tilknytning. [6]

Samlet taler disse resultater for analysen:

hvordan den pågældende sekvens blev beriget,

og ikke kun:

som sekvens fik førstepladsen efter afslutningen af udvælgelsen.

Et resultat fra screeningen er ikke længere en valid kandidat

Et hit, altså et mål, er et kandidat, der opfylder kriterierne i den oprindelige screening.

Det er et værdifuldt resultat.

Det afslutter dog ikke valideringsprocessen.

Beviset bør blandt andet besvare spørgsmålene om, hvorvidt kandidatens adfærd:

• det er gentagne;
• bliver ved efter anvendelse af passende kontrolforanstaltninger;
• forekommer under den individuelle undersøgelse;
• forblive synligt efter gentagen syntese;
• kan tilskrives det tilsigtede molekyle;
• Det forbliver vigtigt i en passende sekundær test.

Yderligere karakteristika kan derefter omfatte egenskaber, der er relevante for et bestemt forskningsmål.

Genoproduktion er særligt nyttig, hvis det oprindelige screeningprogram anvendte et medium, en kugle, en præsentationsteknologi eller en blanding.

Uafhængig syntese gør det muligt at adskille kandidaten fra den oprindelige måde, hvorpå han eller hun præsenteres på.

Bekræftelsen af prøvens identitet og andre relevante parametre styrker yderligere sammenhængen mellem det observerede resultat og den tilsigtede molekyle. Her bliver en korrekt fortolkning særligt vigtig. renhed af peptider og laboratorieforskning, Fordi HPLC-resultatet, massebestemmelsen og den faktiske indhold af peptidet svarer til forskellige analytiske spørgsmål.

Den rigtige rækkefølge ser således ud:

tastet i screeningen → bekræftet tastet → karakteriseret kandidat,

og ikke:

Targeting i screeningen → et dokumenteret funktionelt peptid.

En gunstig rangering, en overbevisende visuel model for docking eller gentagne resultater, der svarer til det samme fejlpræget test, erstatter ikke automatisk uafhængig validering.

Sequencer- og prædiktivt værktøj design

Designen begynder med at definere det molekylære mål

Designet af peptidet kan starte med:

• kendte motiv;
• moderspeptid;
• overfladearealet for proteinerne;
• Et resultat opnået eksperimentelt;
• strukturelle model;
• evolutionære sekvenser;
• en datamængde om de undersøgte peptider.

Herefter kan man analysere ændringer som f.eks.:

• aminosyre-tilføjelse;
• afkortning af sekvenser;
• forlængelse af sekvenser;
• cyklisering;
• slutmodifikationer;
• ændring af aminosyre-rækken;
• Andre strukturelle ændringer.

Målet skal være klart defineret.

For eksempel:

Forudsigelse af binding

Det er ikke det samme som:

forudsigelse af enzymets genkendelse,

og det er i sin tur ikke det samme som:

forudsigelse af opløselighed.

En modifikation, der forbedrer én egenskab, kan ikke påvirke en anden eller endda have en negativ effekt på den.

Praktisk design af peptider kan derfor kræve at man balancerer imellem flere mål, der konkurrerer med hinanden.

Den eksperimentelt støttede undersøgelse af enzymatiske substrater viste en målrettet tilgang, hvor en algoritme foreslog kandidater, biokemiske forsøg vurderede dem og de opnåede resultater påvirkede de efterfølgende beslutninger om valg af sekvensen. [3]

Beregningerne understøttede et specifikt eksperimentelt mål og erstattede ikke målingerne.

En prognose baseret på sekvensen afhænger af træningsdataene

En computermodel baseret på sekvensen lærer sig sammenhænge mellem peptidsammensætningerne og etiketter eller måledataer i en træningssamling.

Afhængigt af modellen kan resultatet være:

• klassificering;
• en resultat, der ligner sandsynligheden;
• rangeringseffekt;
• forventet kvantitativ karakter;
• En anden form for computerberegning.

Indholdet af fortolkningen afhænger af, hvad etiketterne, der blev brugt under træningen, faktisk betød.

For eksempel kan betegnelsen „aktiv” betyde:

• binding over den fastsatte grænse;
• omdannelse ved hjælp af enzymer;
• mikroorganisme-modulerende aktivitet;
• celledes respons;
• et andet kriterium, der er specifik for den konkrete test.

Det er ikke ensartede egenskaber.

Dataindsamlingen kan også indeholde resultater opnået under forskellige eksperimentelle betingelser.

En uundersøgt peptyd bør ikke automatisk betragtes som et bekræftet negativt resultat kun fordi der ikke findes et positivt resultat for den.

Det er lige så vigtigt at vurdere modellen.

Hvis næsten identiske sekvenser findes både i træningsdatasættet og i testdatasættet, kan det prædiktive problem være betydeligt lettere at løse end at forudsige egenskapene ved virkelig nye peptider.

Derfor:

En høj generel nøjagtighed for modellen i sig selv ikke beviser evnen til at generalisere til nye sekvenser.

Generalisering kræver bevidst vurdering

Generalisering beskriver modellen evne til at opretholde sin anvendelighed uden for de eksempler, der blev brugt under træningen.

Dette er særligt vigtigt, når den foreslåede peptid markant adskiller sig fra de givne træningsdata med hensyn til:

• sekvenser;
• længder;
• strukturelle klasser;
• kemiske modifikationer;
• Molekylær målsætning;
• et eksperimentelt kontekst.

I et studie om prædiktion af T-lymfocytreceptorbinding blev effekten af forskellene mellem trænings- og testpeptider på vurderingen af modellerne analyseret. [9]

Opdelingen af datamængder baseret på lighed mellem sekvenser og strukturer gav ikke identiske resultater.

Det viser, hvorfor en enkelt opdeling af trænings- og testdata eller én værdi, der beskriver modellenes effektivitet, ikke helt kan gengive dens adfærd over for nye peptider.

Det betyder ikke, at peptidsprediktionsmodellerne er naturligvis usikre.

Det betyder imidlertid, at måden at vurdere dem på bør minde om den faktiske anvendelse, som de skal bruges til.

Hvad forudsætter docking af peptider?

Peptidbinding er en computerbaseret metode til at foreslå, hvordan et peptid kan interagere med en receptor eller et andet molekylært mål.

Beregninger kan analyseres på flere måder:

• peptidkonformationer;
• orientering;
• positioner;
• kontakter med modtageren;
• geometri af påvirkningen.

Herefter vurderes de foreslåede systemer ved hjælp af en passende punktmæssig eller energimæssig funktion.

Resultatet af sammentrækningen kan således give:

• den potentielle bindingspositivitet;
• de foreslåede rester af de deltagende personer i interaktionen;
• strukturelle hypoteser;
• rangering af kandidaterne;
• strukturen i de oprindelige data til videre computeranalyse.

Det er dog vigtigt at huske:

Udover docking er det en hypotese, og ikke et eksperimentelt observeret komplekst system.

Ligeledes:

Resultatet af dockingen er ikke automatisk en eksperimentelt målt konstant disassociation, celleaktivitet eller sandsynligheden for biologisk succes.

Interpretationen afhænger af:

• punktfunktion;
• metoden til prøveudtagning af konformitet;
• receptorstrukturer;
• receptorens fleksibilitet;
• peptids fleksibilitet;
• de oprindelige antagelser;
• protonation og molekylær repræsentation;
• Kalibrering til et bestemt formål.

Peptidbinding kan være særligt krævende, da peptider ofte er meget fleksible.

Under binding kan både deres konformation og placeringen i forhold til målet ændre sig betydeligt.

Rosetta FlexPepDock: raffinement og global docking er forskellige procedurer

Den oprindelige publikation om FlexPepDock beskriver en højopløsningsudvikling af modellen, der begynder med et peptid, der er placeret omtrent i receptormetabolismeområdet. [10]

Det er derfor ikke muligt at beskrive dette værktøj som en universel metode til at opdage ethvert ukendt bindingssted uden strukturelle oplysninger.

PIPPER-FlexPepDock udvider denne koncepte til at omfatte global docking ved at kombinere placeringen af peptidsubstanser med senere fleksibel modifikation af modellen. [11]

I publikationen blev metoden vurderet på et begrænset, men repræsentativt sæt af eksperimentelt bestemte peptid-protein-komplekser.

Succes i benchmarket viser effektivitet under de testede betingelser.

Det garanterer ikke en korrekt prædiktion for hver ny par receptor-peptid-binding.

Den officielle dokumentation for Rosetta adskiller:

• renhed;
• Ab initio-modellering nær det omtrentlige bindingssted;
• den globale workflow-løsning PIPER-FlexPepDock. [12]

Derfor bliver computerrapporten langt mere informativ, hvis den angiver:

Hvilken FlexPepDock-protokol blev anvendt + hvilke indledende data blev brugt + hvordan blev de opnåede strukturer vurderet.

Selve udsagnet:

„Rosetta-ankomst er blevet gennemført”

Det efterlader mange vigtige metodologiske oplysninger ubestemte.

Modificerede peptider kræver en passende repræsentation

En computermodel skal korrekt repræsentere den undersøgte molekylære struktur.

En sekvens, der kun er indtastet ved hjælp af standardenlige enlitermålige kodningssystemer for aminosyrer, kan overse vigtige kemiske oplysninger.

Det kan f.eks. være:

• amidation af C-enden;
• acetylering af N-enden;
• unormale aminosyrer;
• D-aminosyrer;
• cyklisering;
• kovalent sidekæder;
• fosforylering;
• Andre ændringer.

I et studie, der anvendte FlexPepDock, blev en peptid-MHC-modellering analyseret, der omfattede ikke-standardrestkonstrukturer og udvalgte peptidmodifikationer. [13]

Forfatterne opnåede nyttige benchmarkresultater og observerede en sammenhæng mellem de beregnede resultater og det relative bindingsevne, der blev målt eksperimentelt i det undersøgte datasæt.

Dette understøtter den konkrete anvendelse af modellering, som er blevet testet.

Det betyder dog ikke, at enhver mulig ændring automatisk vil blive repræsenteret korrekt, eller at docking erstatter den eksperimentelle måling af bindingen.

CHARMM-GUI, peptidhukomodeller og amidation af C-endene

CHARMM-GUI tilbyder værktøjer til at oprette molekylære modeller til simuleringer.

Den officielle dokumentation understreger, at de modificerede restkoncentrationer kræver relevante strukturelle definitioner og parametre for kraftfeltet. [14]

Et vellykket generering af inputdata til simuleringen betyder således, at en computerrepræsentation af systemet er blevet oprettet.

Det bekræftes ikke eksperimentelt:

• peptids identitet;
• bindinger;
• biologiske funktioner;
• stabilitet;
• aktivitet.

For amidet-peptidet er den endelige kemiske gruppe på C-enden et amid, ikke en fri karboksylgruppe.

Denne forskel kan påvirke:

• formel last;
• hydrogenbindinger;
• elektrostatiske påvirkninger;
• konformitet;
• interaktioner med det omgivende molekylære miljø.

Strukturen, topologien og parametrene for den kraftfelt, der anvendes i simuleringen, bør derfor repræsentere den samme endelige form, som er undersøgt eksperimentelt.

I undersøgelsen om maximin H5 blev eksperimentelle og simulerede metoder kombineret for at vurdere konsekvenserne af ændringen i C-endeformen. [15]

Der blev observeret forskelle i strukturen og interaktionerne med membraner for dette specifikke peptid.

Det betyder ikke, at amidation forbedrer egenskaberne af ethvert peptid.

Det viser imidlertid, hvorfor kemien ved de endelige grupper ikke bør udelades i den molekylære beskrivelse.

Derfor bør søgen efter amidationsmuligheder i et program til fremstilling af peptider starte med et kemisk spørgsmål:

Hvilken form for molekyle skal der modeleres?

Det er først efter at dette spørgsmål er defineret, at valg af softwareindstillinger får betydning.

Experimentel validering og repeterbarhed

Undersøg uafhængigt den rigtige molekyle

Den valgte kandidat bør i sidste ende undersøges som defineret molekylært materiale.

Vigtige egenskaber kan omfatte:

• den nøjagtige sekvens;
• formen af enderne;
• bestemte ændringer;
• Molekylær identitet;
• Andre egenskaber, der er vigtige for eksperimentet.

Hvis det oprindelige screeningprogram anvendte phage display eller peptider bundet til celler, kan yderligere forsøg undersøge, om det isolerede peptid opretholder den målt egenskab uden for det oprindelige præsentationssystem.

I en tidlig phage-display-undersøgelse blev peptider, der blev præsenteret på fagene, sammenlignet med deres kemisk syntetiserede modstykker. [1]

Det viser, hvordan en uafhængig undersøgelse kan kombinere resultatet af bibliotekets selektion med bevarelsen af selve peptidsammensætningen.

Kvaliteten og karakteristikaerne ved prøven er også vigtige.

Forskelle vedrørende:

• mærkede koncentration;
• opløseligheders;
• renlighed;
• aggregering;
• den endelige form;
• Kemiske modifikationer

de kan påvirke eksperimentelle sammenligninger.

Toer er to prøver med samme peptidnavn ikke behøver at være kemisk ensartede, hvis deres relevante molekylformer ikke er defineret. Derfor er det nyttigt at adskille begreberne identitet, renhed og faktisk mængde af materiale, som er nærmere beskrevet i artiklen om Purity of peptides and laboratory studies.

En ekstra test har størst værdi, når den svarer på en specifik tvivl.

En ortogonal test undersøger en bestemt egenskab ved hjælp af en anden målemetode eller en anden måde at præsentere den eksperimentelle data på.

Dens største værdi er muligheden for at undersøge en konkret alternativ forklaring.

En anden test kan f.eks. hjælpe med at fastslå, om det oprindelige resultat skyldtes:

• binding til overfladen;
• interferens fra et signal;
• bæredygtighed afhængig af medie;
• effekterne af immobilisering;
• et andet artefakt, der er karakteristisk for det første testforsøg.

Selv brugen af to forskellige enhedstyper betyder ikke automatisk, at målingerne er ortogonale.

Hvis begge testene bruger den samme metode til at stabilisere prøven eller den samme detektionsprincipper, kan de være sårbare over for det samme kilde til fejl.

Det vigtigste spørgsmål er:

Hvad er den anden eksperimenters alternative forklaring?

Overensstemmelsen mellem faktisk komplementære metoder giver normalt et stærkere signal end gentagne gentagelser af den samme fejlfølsomme læsning.

Replikation og biologisk kontekst

Forskellige typer replikationer gør det muligt at vurdere forskellige kilder til usikkerhed.

Tekniske gentagelser hjælper med at vurdere gentagelsen inden for rammerne af det samme eksperimentelle system.

Uafhængige gentagelser af eksperimentet kan omfatte yderligere variationer mellem forsøg eller serier af forsøg.

Forsøg, der anvender biologiske prøver, kan også kræve overvejelse af forskellene mellem:

• givere;
• med celloplader;
• organismer;
• kød;
• andre kilder til biologisk materiale.

I et studie, der anvendte overlappende peptider, blev det undersøgt, hvordan T-lymfocytter identificerede prøver fra donorer, og en bibliotek blev brugt til at identificere de identificerede regioner. [5]

De observerede svar afhang af det biologiske kontekst.

Resultatet for en given donor eller et givent eksperimentelt system bør ikke automatisk generaliseres til enhver person eller ethvert biologisk system.

Repetitivitet betyder således mulighed for at gengive en bestemt påstand under passende beskrevne betingelser.

Det betyder ikke kun at få et nyt diagram med en lignende udseende.

Dokumentationen bør gøre det muligt at gengive analysen

En god undersøgelse af peptidsbiblioteket kræver tilstrækkelig dokumentation, så en anden forsker kan forstå, hvordan resultatet blev opnået.

Nyttige eksperimentelle data omfatter:

• den nøjagtige sekvens af peptidet;
• peptids længde;
• slutgrupper;
• kemiske ændringer;
• bibliotekens arkitektur;
• Prøveidentifikatorer;
• screeningkriterier;
• målte slutpunkt;
• kontroller;
• strukturen af gentagelser;
• metoden til at bestemme baggrunden;
• kvalifikationsgrænsen for at ramme;
• kriterier for udvælgelse af kandidater;
• de anvendte analytiske metoder.

I computerbaserede undersøgelser kan det være vigtigt:

• navnet på softwaren;
• version;
• protokol;
• indgangsstruktur;
• metoden til at repræsentere en molekyle;
• samling af parametre;
• databehandling;
• metoden til opdeling af trænings- og testmængder;
• punktsystemmet;
• proceduren for rangordning af kandidater;
• udvælgelseskriterier.

At kun at bevare den bedst vurderede model, det bedste dockingbillede eller den endelige sekvens kan forhindre senere gengivelse af måden, hvorpå resultatet opnås.

Selv bibliotekens karakteristika udgør også et element af repeterbarhed.

Studier af sammensætningen af fagbiblioteker og kuglebelastningen viser, at variabiliteten kan forekomme allerede før screeningen påbegyndes. [4] [8]

At kun dokumentere det endelige mål kan derfor lade være med at tage højde for vigtige oplysninger om det oprindelige materiale.

Positive prognoser og negative resultater er lige så vigtige

En computergenereret kandidat, som ikke blev bekræftet eksperimentelt, kan stadig give nyttige oplysninger.

Det kan afsløre:

• begrænsninger i modellen;
• fejlende mekanistisk antagelse;
• Uforholdsmæssig gengivelse af den kemiske egenskab;
• problemet med hypotesen vedrørende testen;
• regionen af den sekventielle rummet, hvor modellen kun i ringe grad generaliserer.

Sådanne resultater bør ikke udelades af vurderingen kun fordi de ikke bekræftede den oprindelige forudsigelse.

Iterativt design bliver mere værdifuldt, når eksperimentelle observationer – også uventede og negative resultater – påvirker yderligere beslutninger.

Forskningen om design af enzymsubstrater anvendte en generel cyklus:

prædiktion → eksperimentel måling → forbedring af modellen på baggrund af data. [3]

Dens videnskabelige værdi skyldtes kombinationen af beregninger og observationer, og ikke behandlingen af den første rangliste som det endelige svar.

Det stærkeste argument bør derfor præcist beskrive, hvad der er blevet påvist:

• udvikling;
• binding;
• bevægelse som substrat for enzymet;
• inhibering;
• celledrevet svar;
• computer-baseret prognose;
• Effektivitet i en strukturel benchmark.

Hver af disse resultater kan være videnskabeligt værdifulde.

Men man bør ikke erstatte det ene med det andet.

De hyppigste fejl ved fortolkningen af peptidbiblioteker

Resultaterne af studier af peptidbiblioteker kan være forvirrende, hvis konklusionerne går ud over det, der faktisk er målt.

En almindelig fejl er at behandle den teoretiske størrelse af biblioteket som en eksperimentelt bekræftet mangfoldighed. Fysiske biblioteker kan have en uensartet repræsentation, manglende elementer, duplikater eller belastninger som følge af synteseprocessen.[4]

En anden fejl er at behandle forbedring som bevis på tilknytning. Forbedring kan også skyldes fordel i reproduktionsevnen, binding til overflade eller andre egenskaber forbundet med selektionsprocessen. [6] [7]

Det tredje problem er at identificere bindingen med en funktion. En peptid kan interagere med et mål uden at fremkalde den foreslåede biologiske effekt.

På samme måde bør resultatet af docking ikke betragtes som en eksperimentel måling af affiniteten. Punktsvarene stammer fra computermodeller og kræver validering, før de kan betragtes som kvantitativt bevis for bindingen. [10] [11] [13]

Det virtuelle peptid er heller ikke automatisk et peptid, der er let at opnå i sin korrekte kemiske form. Syntese, opløselighed, molekylær identitet og prøvens karakteristika forbliver eksperimentelle spørgsmål.

Endelig kan resultatet for et peptid, der er præsenteret på en fag, der er immobiliseret på overfladen eller forbundet med en kugle, ikke gengives af det tilsvarende frit molekyle, fordi selve præsentationsmetoden kan påvirke konformiteten, tilgængeligheden, den lokale koncentration og affiniteten.

Disse begrænsninger reducerer ikke værdien af peptidsamlingerne.

De fastlægger imidlertid den måde, hvorpå de leverede beviser skal fortolkes.

Ofte stillede spørgsmål

1. Hvad er en bibliotek af overlappende peptider?

Biblioteket af overlappende peptider er en samling af fragmenter, der omfatter en længere stamme, hvorved de tilstødende peptider har en fælles aminosyresekvens. Denne løsning hjælper forskere med at identificere regioner relateret til genkendelse eller andre målbare responser. En undersøgelse, der anvendte overlappende fragmenter fra meningokok-protein viste anvendelsen af denne metode til at kortlægge T-celleresponser i prøver fra donorer. [5] Et positivt resultat for et fragment identificerer dog ikke automatisk det minimale epitop, beviser ikke, at enhver fælles rest er nødvendig og betyder ikke, at fragmentet nøjagtigt gengiver strukturen og bearbejdningen af hele proteinet.

2. Kan computerbaserede prognoser erstatte eksperimenter?

Nej. Computermodeller kan hjælpe med at fastlægge kandidaters prioriteringer, identificere mønstre, opbygge strukturelle hypoteser og begrænse antallet af sekvenser, der kræver øjeblikkelig eksperimentel undersøgelse. Derfor afhænger deres pålidelighed af modellen, træningsdataene, måden hvorpå molekyler repræsenteres, de antagelser, der er blevet fremsat, og det specifikke formål. I et projekt til udvikling af enzymatiske substrater er peptider, der er valgt af algoritmen, gentagne gange blevet testet, og resultaterne fra eksperimenterne er blevet brugt som grundlag for efterfølgende selektionsrunder. [3] Dette viser samarbejdet mellem beregningsmetoder og eksperimenter, men ikke at erstattelse af eksperimentet med en model. Kandidaten forbliver en computerprediksjon, indtil dens relevante egenskab ikke er blevet evalueret eksperimentelt.

3. Er peptidsamlingen en fysisk samling eller en database?

Det kan være både det ene og det andet. Fysiske biblioteker indeholder partikler, som kan undersøges direkte eksperimentelt, mens virtuelle biblioteker indeholder digitale sekvenser, molekylære strukturer eller andre computerbaserede repræsentationer. Første undersøgelser af one-bead-one-peptide-metoder vedrørte syntetiske fysiske biblioteker, mens computerbaserede designmetoder analyserer molekylære repræsentationer før syntese af udvalgte kandidater. [2] [3] Selve tilstedeværelsen af sekvenserne i en virtuel bibliotek bekræfter ikke, at den tilsvarende peptid er korrekt syntetiseret, har den ønskede kemiske form eller viser den forventede egenskab. Derfor skal bibliotekets format altid angives, når man taler om bibliotekets størrelse eller screeningsresultaterne.

4. Skaber en større bibliotek altid bedre kandidater?

Nej. Vægten af biblioteket har kun betydning, når det indeholder en væsentlig, tilgængelig, identificerbar og passende repræsenteret mangfoldighed. Dyb sekvenering af faglig bibliotek er blevet forbundet med uensartet sekvensantal og faktorer, der reducerer den effektive mangfoldighed, på trods af et bredt planlagt projekt. [4] Meget store biblioteker kan også forværre problemerne med prøveudtagning og fortolkning, da ikke alle teoretisk mulige elementer nødvendigvis er til stede eller undersøgt i tilstrækkelig grad. Kvaliteten af kandidaterne afhænger derfor af bibliotekets sammensætning, screeningsprojektet, kvaliteten af testen, kontrol og validering, og ikke kun af den reklameret antal mulige sekvenser.

5. Er det virkelig muligt at gøre randomiserede biblioteker af peptider helt fri for belastninger?

Ikke altid. Den randomiserede konstruktion kan stadig føre til uensartet repræsentation af nukleotider, aminosyrer og hele sekvenser. Biologisk produktion, reproduktion, syntesekemi og prøveudtagning kan indføre yderligere belastningskilder. Dybt sekventering af en kommerciel fagbibliotek viste en uensartet repræsentation allerede før selektionen begyndte i forhold til målet. [4] Det betyder ikke, at enhver tilfældig bibliotek er usandsynlig. Det viser blot, at „tilfældig design” og „eksperimentelt bekræftet ensartethed” er to forskellige påstande. Det oprindelige bibliotekets karakteristika hjælper med at adskille en stor udgangstæthed fra den faktiske selektionstilknyttede forøgelse.

6. Hvordan gør phage display det muligt at identificere en peptidsekvens?

Phage display kombinerer peptidet, der er præsenteret på bakteriofagens overflade, med den genetiske information, der findes inde i selve partiklen. De udvalgte fag kan således genkendes og de tilsvarende peptidsætningsmængder bestemmes på grundlag af det tilknyttede genetiske materiale. Tidlige undersøgelser med randomiserede peptider præsenteret på filamentære fag anvendte denne sammenhæng mellem genotype og fenotype til genkendelse og karakterisering af bindende ligander. [1] Selve genkendelsen af fagketten beviser dog ikke objektivitet i forhold til målet, da antallet kan påvirkes af interaktioner med overfladen, differentiering i reproduktion og andre selektive presser. Det genetiske bånd gør det muligt at fastslå kandidatens identitet, og yderligere eksperimenter hjælper med at forklare årsagen til dens selektion.

7. Hvorfor kan en fag blive forbedret uden at være forbundet med det tilsigtede mål?

Flere mekanismer kan føre til forbedring af det ikke-relaterede mål. Fag kan interagere med testoverfladen, tolerere selektionsforholdene særligt godt eller forplante sig mere effektivt end konkurrerende kloner. I separate undersøgelser er der påvist genvinding relateret til polystyren samt forbedring i forhold til fordel i reproduktion. [6] [7] Dette er forskellige mekanismer, og de kræver andre kontroller. Forbedringen bør derfor fortolkes som bevis for, at klonen overlevede og øgede sin repræsentation under selektionsprocessen. Det at kunne identificere målet specifikt kræver yderligere beviser, der adskiller denne mulighed fra alternative forklaringer.

8. Hvad betyder one-bead–one-compound?

One-bead–one-compound betyder, at hver kugle i princippet skal repræsentere mange kopier af en bestemt forbindelse, så den valgte kugle kan endelig knyttes til et enkelt element i biblioteket. Denne koncepte gør det muligt at opbygge store syntetiske kombinationsbiblioteker og blev præsenteret i de tidlige undersøgelser af one-bead–one-peptide. [2] Begrebet beskriver dog den tilsigtede biblioteksorganisering og garanterer ikke en identisk belastning, perfekt syntese eller kemisk homogenitet i hver kugle. Senere målinger af de enkelte kugler viste betydelige forskelle i mængden af det præsenterede peptid. [8] Kvaliteten af materialet og belastningen forbliver derfor egenskaber, der kræver eksperimentel vurdering.

9. Kan mængden af peptidet på kuglen påvirke resultatet af screeningen?

Ja. En kugle, der indeholder en større mængde tilgængeligt peptid, kan generere et stærkere testsignal, selv når den molekylære interaktion ikke er stærkere. I et forsøg, der anvendte Raman-spektroskopi til at analysere biblioteker af en-bead-en-forbindelser, blev der konstateret en betydelig variation i peptidmængden, især ved længere sekvenser. [8] Forsøget fastslår ikke effekten af belastningen i ethvert muligt selektionssystem, men identificerer kilden til variationen, som kan påvirke signalstyrken. Resultaterne fra screeningen på kuglerne bør derfor fortolkes både i forhold til selve molekylærinteraktionen og koncentrationen af det præsenterede materiale.

10. Er binding det samme som biologisk aktivitet?

Nej. Bindning betyder, at molekyler interagerer under bestemte betingelser. Biologisk eller kemisk aktivitet kræver et separat defineret slutpunkt. En peptid kan binde til et protein, men ikke aktivere eller hæmme det, og den celleaktive reaktion kan opstå på en anden måde end den forventede interaktion med et mål. Fage-display-studier har primært fokuseret på binding, mens undersøgelser, der anvender maskinlæring, vedrører opbevaring af peptider som enzymatiske substrater. [1] [3] Det er forskellige videnskabelige spørgsmål. En screeningstrategi bør derfor beskrives i overensstemmelse med den egenskab, der faktisk er målt, uden at den tilskrives en bredere virkning.

11. Hvorfor er det værd at syntetisere og undersøge genstartningen individuelt igen?

Uafhængig syntese hjælper med at fastslå, om en bestemt defineret peptid faktisk reproducerer den observerede adfærd uden for det oprindelige bibliotekssystem. Tilslutning til fag, mængden af materiale på kuglen, effekterne af blandingen, interaktioner med bæreren eller andre screeningselementer kan påvirke det initiale resultat. I tidligere studier af phage display blev de viste ligander sammenlignet med peptider fremstillet ved kemisk syntese, hvilket illustrerer dette bekræftende trin. [1] Genanvendt syntese er mest informativ, når det modtagne materiale er passende karakteriseret og undersøgt i en test, der relaterer sig til det oprindelige påståede resultat. Selve syntesen bekræfter dog ikke funktionen eller mekanismen endnu.

12. Hvad forventer Rosetta FlexPepDock?

Rosetta FlexPepDock modellerer strukturer af peptid-protein-komplekser, men de enkelte procedurer i forbindelse med FlexPepDock kræver forskellige opstartsdata. Den oprindelige publikation om serveren beskriver primært en højopløsningsforbedring af modellen af peptidet, der allerede ligger omtrent i nærheden af receptormekanismen. [10] PIPER-FlexPepDock anvender en bredere strategi for global docking, efterfulgt af en fleksibel forbedring af modellen. [11] Benchmarkresultaterne garanterer ikke nøjagtigheden for hver ny peptid-protein-par. Derfor bør rapporten give den anvendte protokol, de oprindelige oplysninger og metoden til vurdering af de forventede strukturer.

13. Bekræfter det positive lodningsresultat et stærkt bånd?

Nej. Konformationsbindingsresultatet er en værdi genereret af en computerbaseret punktmåling og er ikke automatisk sammenligneligt med eksperimentelt målt affinitet, såsom en konstanter disassociation. Dens betydning afhænger af dockingprotokollen, molekylær repræsentation, metoden til at prøve konformationen, det undersøgte mål og kalibreringen. I FlexPepDock-studiet vedrørende peptid–MHC-komplekser blev beregningsresultaterne sammenlignet med relative bindingstællinger i et bestemt datasæt, hvilket viste, at sådanne sammenhænge skal undersøges og ikke antages. [13] Et positivt konformationsbindingsresultat kan hjælpe med at prioritere kandidater eller understøtte en strukturel hypotese, men stærkt binding kræver relevante eksperimentelle beviser.

14. Hvorfor er C-endamidation vigtig i peptidsmodellering?

C-endamidation ændrer den kemiske gruppe, der findes i peptidets ende, og kan påvirke den formelle ladning, hydrogenbindinger, elektrostatiske interaktioner og molekylets konformation. En computermodel bør derfor repræsentere den samme kemi i peptidets ende, som den eksperimentelt undersøgte peptid har. I studier med maximin H5 blev der observeret forskelle i strukturen og interaktionerne med membranen i forbindelse med ændring af den endelige form. [15] Det bekræfter ikke, at amidation altid forbedrer peptids egenskaber. Det viser imidlertid, hvorfor kemien i de endelige grupper skal defineres korrekt og gengives i modellen.

15. Bekræfter genereringen af modellen i CHARMM-GUI peptids egenskaber?

Nej. CHARMM-GUI hjælper med at forberede molekylære systemer til simulering. En vellykket oprettelse af strukturer eller inputfiler betyder, at der er opstået en computerrepræsentation af det undersøgte system; det bekræfter ikke eksperimentelt bindinger, biologisk aktivitet, stabilitet eller klinisk relevans. Officiell dokumentation angiver også, at de modificerede restkonstanten kræver relevante strukturelle definitioner og parametre. [14] Forberedelsen af en computermodel er således udgangspunktet for yderligere modellering. Spørgsmålet om, hvorvidt det faktiske molekyle opfører sig i overensstemmelse med forudsigelserne, forbliver et separat eksperimentelt spørgsmål.

16. Hvorfor kan en prædiktiv model fejle for et nyt peptid?

En ny peptid kan adskille sig fra eksemplerne, der blev brugt under træningen på en måde, som modellen ikke lærte at repræsentere korrekt. Forskellene kan vedrøre sekvenser, struktur, længde, modifikationer, molekylært formål eller andre egenskaber. En undersøgelse af modeller, der forudsiger bindingen af T-lymfocytreceptorer, viste, at vurderingen af effektiviteten ændredes afhængigt af, hvordan man tog hensyn til den sekvensielle og strukturelle lighed mellem trænings- og testpeptiderne. [9] Det betyder ikke, at enhver forudsigelse af en ny sekvens vil være fejlagtig. Det viser blot, at den generelle effektivitetsstatistik for modellen bør fortolkes i forhold til, hvor meget testbetingelserne minder om dens planlagte anvendelse.

17. Hvad gør, at resultaterne af bibliotekstestene for peptider er reproducerbare?

Repetitivitet kræver et tilstrækkeligt antal oplysninger til at definere biblioteket, kandidatmolekylen, eksperimentelle betingelser, kontroller, analysemetoden samt kriterier for at anerkende resultatet som korrekt. Undersøgelser af sammensætningen af faglige biblioteker og mængden af peptidet på kuglerne viser, at variation kan forekomme allerede før screeningen er påbegyndt. [4] [8] Ved kun at angive den endelige sekvens og punktresultatet udelader man således potentielt vigtige kilder til forskelle. Repetitive undersøgelser kræver en klar rapportering af sekvenserne, modifikationerne, bibliotekens struktur, identifikatorerne for prøverne, testens slutpunkter, kontroller, analytiske kriterier, computerparametre og uafhængig bekræftelse af det primære resultat.

18. Skal den mest koncentrerede peptid være den bedste ligand?

Nej. En høj affinitet kan skyldes binding til målsetet, men den kan også påvirkes af den oprindelige antalhed af sekvenserne, reproduktionseffektiviteten, usædvanlige interaktioner med overfladen og andre egenskaber relateret til selektion. Dyb sekventering har vist en uensartet oprindelig repræsentation af fagbiblioteker, og andre undersøgelser har dokumenteret en affinitetstærskel, der er forbundet med fordel i reproduktionsevnen. [4] [6] Derfor bør den mest talrige endelige sekvens ikke automatisk identificeres som en ligand med den højeste affinitet. Stærkere beviser fremgår af en sammenligning af oprindelig og slutlig antalhed, relevante kontroller samt uafhængig måling af bindingen.

19. Beviser den planlagte peptidsekvens, at den kan syntetiseres effektivt?

Nej. Projektet skaber en computergenereret sekvens eller molekylær hypotese, men bekræfter ikke syntesens succes. Nogle sekvenser kan medføre problemer relateret til effektiviteten af binding, aggregering, rensning, opløselighed eller kemiske modifikationer. Den virtuelle bibliotek kan derfor indeholde kandidater med meget forskellig praktisk anvendelighed i syntese. Det er først efter det eksperimentelle opnåelse af materialet og dets analytiske karakteristika, at man kan fastslå, om den tilsigtede molekyle faktisk er opnået. Computerprioritering og kemisk gennemførlighed er forbundne, men separate faser af undersøgelser.

20. Kan peptidet, der er udvalgt ved phage display, opføre sig anderledes som en fri molekyle?

Ja. I phage display er peptidet placeret i et miljø forbundet med bæreren, hvilket kan påvirke dets konformitet, orientering, tilgængelighed, lokal koncentration og affinitet. Det frie peptid har ikke disse egenskaber, og derfor kan det vise andre tilsyneladende adfærd under bindingen. I tidligere studier af phage display blev ligander præsenteret på fag sammenlignet med deres kemisk syntetiserede modstykker, hvilket viser betydningen af denne eksperimentelle sondring. [1] En vellykket fagselektion er således et værdifuldt bevis for den præsenterede sekvens, mens en uafhængig undersøgelse er nødvendig for at fastslå adfærd hos det frie peptidet, der svarer til den præsenterede sekvens.

Begrænsninger for beviser fra peptidbiblioteker og prediktioner

Når man tolker studierne om peptidbiblioteker, er der nogle få begrænsninger at huske på.

For det første er den teoretiske mangfoldighed ikke det samme som den faktiske eksperimentelle mangfoldighed. Ulighed i repræsentation, syntetiske problemer, forskelle i forøgelse og måden at prøve på kan ændre den faktiske sammensætning af biblioteket.[4]

For det andet bekræfter forbedring under screening ikke automatisk en form for binding til målet. Interaktioner med overfladen og fordel ved reproduktion kan føre til forbedring gennem forskellige mekanismer. [6] [7]

For det tredje er præsentationens måde at vise på vigtig. Peptider, der er knyttet til fag, kuler eller overflader, kan opføre sig anderledes end de samme molekyler i en opløsning på grund af tilgængelighed, orientering, lokal tæthed eller afhængighed. [1] [8]

For det fjerde er binding, selektivitet og funktion forskellige egenskaber. En af disse egenskaber kan ikke automatisk bekræfte de andre.

Femte, den computerbaserede prognose afhænger af modellen. Træningsdata, vurderingsmetoder, molekylær repræsentation og antagelser definerer, hvilken betydning resultatet kan have. [3] [9]

Seksede, er sammenføjningsresultater ikke eksperimentelle målinger af affiniteten. Strukturelle modeller og punktfunktioner kan hjælpe med at vælge hypoteser, men den faktiske adfærd under binding kræver eksperimentelle målinger. [10] [11] [13]

Siddende form er vigtig. Endelige grupper, ikke-standard aminosyrer, stereokemi og andre modifikationer bør præsenteres korrekt både i eksperimentelle beskrivelser og i computermodeller. [13] [14] [15]

Endelig er en screening en begyndelse på valideringen, ikke dens ende. Uafhængig materialepræparation, molekylær karakterisering, kontrol, komplementære test og replikation styrker gradvist de tilgængelige beviser.

Sammenfatning

Peptidbiblioteker muliggør systematisk undersøgelse af det enorme område af mulige molekylære sekvenser.

De gør det muligt at sammenligne flere kandidater og analysere emner relateret til:

• molekyldetektering;
• substrater for enzymer;
• sekventielle motiver;
• binding;
• afhængighed af struktur-aktivitet;
• med cellbaserede svar;
• med computermodeller.

Begrebet „peptidbibliotek” omfatter dog flere grundlæggende forskellige forskningsformater.

Biblioteket af overlappende peptider hjælper med at kortlægge regionerne i den større sekvens.

En målrettet bibliotek af grundtekster gør det muligt at analysere betydningen af de enkelte tekster.

Phage display biblioteket kombinerer det præsenterede peptid med genetisk information og muliggør selektion.

Biblioteket one-bead–one-compound organiserer syntetiske kandidater på individuelle kugler.

Den virtuelle bibliotek findes i digital form og kan bruges til at fastlægge prioriteter for sekvenserne, før eksperimenter påbegyndes.

Disse formater bør ikke betragtes som substitutter.

En forsigtig fortolkning kræver også bibliotekets størrelse.

En teoretisk samling, der omfatter millioner af mulige sekvenser, beviser ikke, at ethvert element i den er fysisk til stede, ligeligt repræsenteret, kemisk korrekt og faktisk screenet. Undersøgelser, der anvender dybdesekvensering, viser, hvorfor den faktiske sammensætning af biblioteket kan afvige fra den planlagte mangfoldighed. [4]

På samme måde er berigelse ikke synonymt med en særlig tilknytning til målet.

Fagkloner kan blive forstærket som følge af mekanismer, der ikke er forbundet med det egentlige formål, såsom interaktion med overfladen eller fordel ved reproduktion. [6] [7]

Derfor er passende kontrol og uafhængige undersøgelser så vigtige.

Den samme forsigtighed gælder for computerbaseret peptiddesign.

Sequencer-modeller og dockingværktøjer kan hjælpe med at identificere lovende kandidater og med at opstille mekanistiske hypoteser, men deres forudsigelser afhænger af træningsdata, strukturelle repræsentationer, punktfunktioner og indledende antagelser.[3][9][10][11]

Resultatet af dockingen er ikke i sig selv bekræftende for den stærke binding i den eksperimentelle model.

Den computergenererede sekvens beviser ikke, at den kan syntetiseres korrekt.

Den forventede interaktion bekræfter ikke den biologiske funktion.

Den mest informativt indholdsmæssige proces for at opdage peptider behandler således de enkelte typer af beviser som separate, men indbyrdes supplerende stadier:

projektudvikling → bibliotekkonstruktion → screening → identifikation af relevante resultater → uafhængig bekræftelse → karakterisering → forbedrede beregninger → eksperimentel validering.

Styrken af det endelige resultat afhænger af, hvor nøje disse faser er sammenkoblet.

Den vigtigste regel kan opsummeres således:

Biblioteket identificerer muligheder, screeningen identificerer signaler, modellen genererer prædiktioner, og valideringen bestemmer, hvilke konklusioner der faktisk understøttes af eksperimentelle beviser.

Ansvarsfraskrivelse

Artikelnetværket har udelukkende en uddannelsesmæssig og videnskabelig-informativ karakter. Det beskriver generelle principper vedrørende biblioteker af peptider, teknologi til phage display, screening af syntetiske peptider, sekvensdesign, computerprædiktion, sammenstilling af peptider, molekylær modellering, eksperimentel validering og reproducerbarhed af undersøgelser. Det udgør ikke medicinsk rådgivning, terapeutiske anbefalinger, instruktioner til brug af peptider, information om dosering eller retningslinjer for indgivelse til mennesker. Computerprædiktioner, hits opnået ved screening, sammenstilling af resultater og prekliniske eksperimentelle resultater bør ikke tolkes som bevis for, at en given peptid er sikker, effektiv, klinisk valideret eller egnet til brug hos mennesker.

Referencer

1. Barrett, R. W., Cwirla, S. E., Ackerman, M. S., Olson, A. M., Peters, E. A., & Dower, W. J. (1992). Selektiv berigelse og karakterisering af højaffinitetsligander fra samlinger af tilfældige peptider på filamentøse fag. Analytisk biokemi, 204(2), 357–364. https://doi.org/10.1016/0003-2697(92)90252-3
2. Lam, K. S., Salmon, S. E., Hersh, E. M., Hruby, V. J., Kazmierski, W. M., & Knapp, R. J. (1991). En ny type syntetisk peptidbibliotek til identifikation af ligandbindingsaktivitet. Naturen, 354(6348), 82–84. https://doi.org/10.1038/354082a0
3. Tallorin, L., Wang, J., Kim, W. E., Sahu, S., Kosa, N. M., Yang, P., Thompson, M., Gilson, M. K., Frazier, P. I., Burkart, M. D., & Gianneschi, N. C. (2018). Opdagelse af nye peptidsubstrater for enzymer ved hjælp af maskinindlæring. Nature Communications, 9(1), Artikel 5253. https://doi.org/10.1038/s41467-018-07717-6
4. Sloth, A. B., Bakhshinejad, B., Jensen, M., Stavnsbjerg, C., Liisberg, M. B., Rossing, M., & Kjaer, A. (2022). Analyse af sammensætningens bias i et kommercielt phage display-peptidbibliotek ved hjælp af næste generations sekventering. Vira, 14(11), Artikel 2402. https://doi.org/10.3390/v14112402
5. Wiertz, E. J., van Gaans-van den Brink, J. A., Gausepohl, H., Prochnicka-Chalufour, A., Hoogerhout, P., & Poolman, J. T. (1992). Identifikation af T-celleepitoper, der forekommer i et meningokok-klasse 1-yttermembranprotein ved brug af overlappende peptider, sammensat ved simultan multiple peptidsyntese. Journal of Experimental Medicine, 176(1), 79–88. https://doi.org/10.1084/jem.176.1.79
6. Kamstrup Sell, D., Sloth, A. B., Bakhshinejad, B., & Kjaer, A. (2022). En hvid plaque, forbundet med genomisk delektion, der stammer fra en M13KE-baseret peptidbibliotek, bliver rigere på målrelaterede proteiner under biopanning med fagdisplay på grund af fordelene ved reproduktion. International Journal of Molecular Sciences, 23(6), Artikel 3308. https://doi.org/10.3390/ijms23063308
7. Bakhshinejad, B., & Sadeghizadeh, M. (2016). Et polystyren-bindingstarget-uafhængigt peptid isoleret under screening af en phage-display-bibliotek. Analytisk biokemi, 512, 120–128. https://doi.org/10.1016/j.ab.2016.08.013
8. Tang, Y., Thillier, Y., Liu, R., Li, X., Lam, K. S., & Gao, T. (2017). Enkelt-perler-kvantificering af peptidlasteringsfordelingen ved syntese af biblioteker med én perle og én forbindelse ved brug af konfokalt Raman-spektroskopi. Analytisk kemi, 89(13), 7000–7008. https://doi.org/10.1021/acs.analchem.7b00516
9. Castorina, L. V., Grazioli, F., Machart, P., Mösch, A., & Errica, F. (2025). Evaluering af generaliseringskapaciteten hos TCR-bindingsprædiktorer via peptidafstandsanalyse. PLOS ONE, 20(5), Artikel e0324011. https://doi.org/10.1371/journal.pone.0324011
10. London, N., Raveh, B., Cohen, E., Fathi, G., & Schueler-Furman, O. (2011). Rosetta FlexPepDock webserver – høje opløsningsmodellering af peptid-proteininteraktioner. Nucleic Acids Research, 39(Webserver), W249–W253. https://doi.org/10.1093/nar/gkr431
11. Alam, N., Goldstein, O., Xia, B., Porter, K. A., Kozakov, D., & Schueler-Furman, O. (2017). Global docking af peptider og proteiner i høj opløsning ved brug af fragmentbaseret PIPER-FlexPepDock. PLOS Computational Biology, 13(12), Artikel e1005905. https://doi.org/10.1371/journal.pcbi.1005905
12. RosettaCommons. (n.d.). FlexPepDock. Retteret: . Tilgængeligt den 20. september 2026 fra Officiell dokumentation
13. Bloodworth, N., Barbaro, N. R., Moretti, R., Harrison, D. G., & Meiler, J. (2022). Rosetta FlexPepDock til at forudsige peptid-MHC-binding: En metode til at beregne binding af ikke-kanoniske aminosyrer. PLOS ONE, 17(12), Artikel e0275759. https://doi.org/10.1371/journal.pone.0275759
14. CHARMM-GUI. (n.d.). Ofte stillede spørgsmål. Retteret: . Tilgængeligt den 20. september 2026 fra Officiell dokumentation
15. Dennison, S. R., Mura, M., Harris, F., Morton, L. H. G., Zvelindovsky, A., & Phoenix, D. A. (2015). Rollen af C-terminal amidering i membranen interaktioner med det anioniske antimikrobielle peptid, maximin H5. Biochemica et Biophysica Acta, 1848(5), 1111–1118. https://doi.org/10.1016/j.bbamem.2015.01.014