Peptidbibliotek och design: hur fungerar screening och prediktion?

Ett peptidbibliotek är en samling av olika peptidsekvenser som har framställts eller presenterats på ett sådant sätt att de kan jämföras systematiskt. I stället för att analysera en enskild sekvens utan en bredare referenspunkt kan forskare använda biblioteket för att kontrollera vilka peptider som binder till ett visst molekylärt mål, fungerar som enzymsubstrat, framkallar ett mätbart svar i en viss analys, innehåller ett specifikt motiv som känns igen av andra molekyler eller uppvisar en annan definierad egenskap.

Inte alla peptidbibliotek är desamma. De kan förekomma som fysiska samlingar av syntetiserade molekyler, peptider presenterade på biologiska bärare, peptider bundna till pärlor eller ytor, samt helt virtuella samlingar av sekvenser och molekylära strukturer som analyseras med hjälp av datorer.

Var och en av dessa format svarar på lite olika vetenskapliga frågor.

Den peptid som en dator har förutspått kan binda till ett visst protein är inte densamma som den peptid som faktiskt har valts ut i ett screeningexperiment. På samma sätt blir en peptid som anrikats under screening inte automatiskt en bekräftad biologisk kandidat.

Studier med phage display, syntetiska bibliotek på pärlor, överlappande peptidset och beräkningsstödda experiment visar på en av de grundläggande principerna för peptidupptäckt:

Att hitta en intressant signal inleder forskningsprocessen, den avslutar den inte.

Styrkan i de slutliga slutsatserna beror bland annat på:

• design och bibliotekets kvalitet;
• verklig, och inte bara teoretisk, mångfald;
• testkonstruktion;
• lämpliga kontroller;
• molekylär identifiering;
• repetitivitet;
• uteslutande av alternativa förklaringar;
• oberoende experimentell validering. [1] [2] [3]

Därför är det värt att skilja på flera efterföljande steg när man analyserar peptidbibliotek:

uppbyggnad av databasen → screening → identifiering av träffar → bekräftelse → karakterisering → prediktion eller optimering → oberoende validering.

Var och en av dessa etapper ger olika nivåer av bevis.

Vad är ett peptidbibliotek?

Ordnad mängd av olika molekylära varianter

Ett peptidbibliotek innehåller relaterade eller diversifierade peptidsekvenser organiserade kring en specifik forskningsfråga.

Vissa bibliotek används för att studera små förändringar inom en känd peptid. Andra omfattar en betydligt större rymd av möjliga sekvenser.

De enskilda delarna av biblioteket kan skilja sig åt när det gäller:

• peptidlängder;
• aminosyratyp;
• positionerna för de enskilda resterna;
• aminosyras sekvens;
• slutgrupp;
• cyklisering;
• stereokemi;
• kemiska modifieringar;
• andra avsiktligt ändrade strukturella egenskaper.

Biblioteket måste också behålla möjligheten att identifiera det intressanta elementet.

När det gäller en peptidmatris kan peptidens identitet vara kopplad till dess fysiska läge.

I ett phage display-bibliotek är den presenterade peptidsekvensen kopplad till den genetiska informationen som finns inuti bakteriofaget.

I ett syntetiskt bibliotek placerat på pärlor kan den peptid som finns på en utvald pärla kräva kemisk identifiering eller användning av ett extra kodningssystem.

Sambandet mellan signalen och molekylens identitet är av grundläggande betydelse.

En stark experimentell signal från en okänd blandning avslöjar ännu inte vilken molekyl som orsakat den.

Värdet av ett peptidbibliotek beror därför inte bara på antalet kandidater det innehåller, utan också på möjligheten att koppla samman:

kandidat → identitet → uppmätt svar.

Slumpmässiga, riktade och systematiska bibliotek

Olika bibliotekskonstruktioner används för att besvara olika vetenskapliga frågor.

Ett slumpmässigt eller kombinatoriskt bibliotek omfattar kombinationer av byggstenar i utvalda positioner.

Termen „slumpmässig” beskriver det planerade konstruktions- eller urvalsförfarandet. Det betyder inte att varje teoretiskt möjlig sekvens faktiskt förekommer med samma frekvens.

Ett riktat bibliotek begränsar variansen kring:

• kända motivet;
• modernt peptid;
• av ett visst strukturellt skelett;
• bindningssekvens;
• det aktiva området;
• hypotesen rörande ett specifikt molekylärt mål.

Biblioteket för systematiska substitutioner ändrar valda rester på ett ordnat sätt.

Till exempel kan en aminosyra i en position i följd ersättas med flera andra aminosyror för att kontrollera om denna position påverkar den egenskap som studeras.

Ett bibliotek av överlappande peptider använder på varandra följande fragment av en längre modersekvens, där intilliggande fragment delar ett antal gemensamma resterna.

Detta tillvägagångssätt är särskilt användbart vid lokalisering av proteinerregioner som känns igen i ett visst test.

Varje strategi har sina fördelar och begränsningar.

Ett omfattande kombinatoriskt bibliotek kan avslöja ett oväntat sekvensmönster.

Ett riktat bibliotek gör det möjligt att undersöka en redan intressant sekvens mer noggrant.

Systematiska substitutioner kan visa vilka positioner som verkar särskilt viktiga.

Ett bibliotek med överlappande fragment hjälper till att lokalisera den aktiva eller igenkända regionen av ett större protein.

Därför:

Ett större sekvensutrymme innebär inte automatiskt bättre experimentella data.

Lämplig typ av bibliotek beror främst på forskningsfrågan.

Teoretisk mångfald innebär inte en faktisk representation

Utrymmet för möjliga peptidsekvenser växer mycket snabbt.

Om biblioteket tillåter alla 20 standardaminosyror i var och en av de sex positionerna, är det teoretiska antalet möjliga sekvenser:

20⁶ = 64 000 000 möjliga kombinationer.

Detta är en teoretisk mångfald.

Det betyder inte att det fysiskt finns 64 miljoner olika, korrekt representerade peptider i biblioteket.

Effektiv mångfald kan bland annat minskas eller snedvridas av:

• misslyckad syntes;
• ojämn kopplingskapacitet;
• sekvensberoende syntetiska svårigheter;
• biologiskt urval vid biblioteksskapande;
• omvandlingsbegränsningar;
• skillnader i förökning;
• upprepade sekvenser;
• sekwenseringskostnader;
• begränsningar i provtagningen;
• olika antal av de enskilda elementen.

Det spelar också roll hur stor del av hela biblioteket som faktiskt användes i det specifika experimentet.

Även om en datamängd teoretiskt sett innehåller ett enormt antal sekvenser kan en enskild screening endast täcka en del av denna mångfald.

Djupsekvensering av ett kommersiellt fagbibliotek visade på tydliga avvikelser från en jämn representation, inklusive skillnader i peptidmängd och snedfördelning gällande sekvenssammansättningen. Forskarna identifierade även faktorer som minskar bibliotekets effektiva storlek. [4]

Dessa resultat gäller just det bibliotek som analyserats och bör inte automatiskt överföras kvantitativt till varje phage display-bibliotek.

De visar dock en viktig princip:

teoretisk mångfald bör inte betraktas som uppmätt experimentell mångfald.

Vad är ett bibliotek med överlappande peptider?

Ett bibliotek av överlappande the peptider representerar en längre moderskedja som en serie kortare fragment.

Intilliggande peptider har en del av sekvensen gemensam.

Låt oss betrakta hypotetiska segment med längden 15 rester:

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

Varje efterföljande peptid börjar fem positioner längre fram än den föregående.

Det innebär att de intilliggande segmenten har tio gemensamma rester.

En sådan placering hjälper till att lokalisera regioner som är förknippade med igenkänning eller annan uppmätt respons.

Om två intilliggande peptider ger en signal kan deras gemensamma sekvens hjälpa till att begränsa det område som kräver ytterligare undersökning.

Detta bevisar dock inte att:

• varje rest i det gemensamma regionen är nödvändig;
• enbart samma gemensamma sekvens räcker för att uppnå effekten;
• den minsta aktiva sekvensen identifierades;
• fragmentet beter sig exakt på samma sätt som motsvarande region i hela proteinet.

Det kan krävas ytterligare experiment för att avgöra dessa frågor.

I studien om meningokockernas yttre membranprotein användes 45 överlappande syntetiska peptider för att analysera T-cellsigenkänning i celler från humana donatorer. [5]

Studien visade både nyttan med empirisk peptidkartläggning och begränsningarna hos de prediktiva algoritmer som fanns tillgängliga vid den tiden.

De observerade svaren förblev specifika för den använda peptidmixen, testförhållandena och proverna från de studerade donatorerna.

Fysiska och virtuella bibliotek svarar på olika frågor

Terminet „peptidbibliotek” kan syfta på mycket olika experimentella system.

Denna distinktion är mycket viktig:

En digital kandidat är inte automatiskt en syntetiserad molekyl, och en syntetiserad molekyl är inte automatiskt en experimentellt validerad kandidat.

Fagdisplay och syntetiska bibliotek

Hur kopplar fagdysplayen samman peptiden med dess sekvens?

I fagdisplay-tekniken presenteras peptiden som en del av ett protein som finns på bakteriofagets yta.

Fagen innehåller samtidigt den genetiska information som kodar för den presenterade sekvensen.

På så sätt skapas en användbar koppling mellan:

fenotyp – den presenterade peptiden

a

genotyp – den motsvarande genetiska sekvensen.

Forskarna kan utsätta ett specialiserat bibliotek för en specifik målsättning eller ett testsystem, återvinna utvalda partiklar, föröka dem eller analysera dem och fastställa vilka sekvenser som har anrikats.

Kopplingen till den genetiska informationen underlättar avsevärt identifieringen av kandidater jämfört med en analys av en oidentifierad molekylär blandning.

Tidiga studier med slumpmässigt valda peptider som presenterades på trådformiga fager visade att det var möjligt att utöka utbudet av antikroppsligander med hög affinitet, och man jämförde beteendet hos de peptider som presenterades på fager med bindningsresultaten för kemiskt syntetiserade peptider. [1]

Denna jämförelse var särskilt viktig, eftersom peptiden på fagpartikeln och den motsvarande isolerade syntetiska peptiden inte utgör en identisk experimentell presentation.

Berikningen är ett resultat av selektionen, men inte en fullständig förklaring av mekanismen

En sekvens vars andel ökar i de efterföljande urvalsfaserna kallas ofta för en anrikad sekvens.

Berikningen är viktig information.

Det förklarar dock inte automatiskt varför en viss sekvens blev flerfaldig.

Eventuella orsaker inkluderar:

• anslutning till det avsedda målet;
• bindning till ytan som används i testet;
• påverkan från andra delar av experimentet;
• bättre överlevnad under selektionsförhållanden;
• större smittsamhet;
• mer effektiv uppfödning;
• fördel under propagandan;
• en annan egenskap som beror på sekvensen eller en specifik klon.

Detta är vetenskapligt sett olika förklaringar.

I en av studierna identifierades en fagklon vars uppbyggnad var kopplad till en fördel i reproduktion som berodde på genomdelning. [6]

I en annan studie analyserades peptidet som presenterades, som binder sig till polystyren i stället för det avsedda målet. [7]

Denna forskning visar på två olika mekanismer genom vilka det kan uppstå en överlappning mellan det som inte är kopplat till det specifika syftet med studien.

Det betyder inte att varje förstorad fagsekvens är ett artefakt.

Det visar dock varför:

Förbättring identifierar en kandidat som kräver förtydligande; i sig själv bevisar det inte en egen upptäckt av molekylär syfte.

Presentationsstil kan påverka den observerade bindningen

Peptidet som presenteras i phage display-systemet är fysiskt bundet till bärare.

Hans beteende kan alltså skilja sig från beteendet hos samma molekyl som befinner sig fritt i en lösning.

En viktig term här är avsaknaden av oönskade effekter.

Determinism hänför sig vanligtvis till kraften i en enskild interaktion inom ramen för en viss modell.

Avighet kan däremot bero på många interaktioner som sker samtidigt.

Om flera kopior av det presenterade peptidet interagerar samtidigt med flera bindningsplatser, kan den totala interaktionen tyckas vara starkare än den separata interaktionen för det fria peptidet.

Anslutning till enheten kan också:

• begränsa konformationen hos peptidet;
• ändra dess tillgänglighet;
• ökade lokala koncentrationer;
• påverka orienteringen;
• uppvisa steroideffekter;
• Att placera många kopior av peptidet nära varandra.

Av den anledningen kan ett peptid som är effektivt selekterat i en presentation system vara annorlunda när det syntetiseras självständigt.

Det är just därför som studien av en isolerad molekyl utgör en viktig bekräftande fas.

En jämförelse av ligander som presenteras på fag med deras kemiskt syntetiserade motsvarigheter i tidiga studier av phage display visar tydligt vikten av att koppla samman resultatet av selektionen med den oberoende upprätthållandet av molekylen.[1]

Syntetiska bibliotek kan omfatta annan kemisk struktur

Syntetiska biblioteker av peptider skapas med kemiska metoder, och inte bara genom biologisk expression.

Enligt den använda syntesmetoden kan de potentiellt omfatta:

• egendefinierade aminosyror;
• utvalda D-aminosyror;
• ändring av ändpunkterna;
• cyklisering;
• kemiska märkningar;
• modifierade sidoräcken;
• andra syntetiska byggkomponenter.

Detta gör det möjligt att utvidga den kemiska rymden som är tillgänglig för forskning.

Att bara designa en sekvens i en ark eller ett datorprogram i sig bevisar dock inte att den tillhörande molekylen kan erhållas enkelt och korrekt.

Praktiska problem kan inkludera:

• ofullständig sammansmältning;
• deletionssekvenser;
• aggregering;
• Svårigheter att rensa upp;
• svag löslighet;
• biverkningar;
• instabilitet vid modifiering;
• Syntetiska problem som beror på sekvenser.

Därför:

Designad kemisk mångfald ≠ experimentellt bekräftad kemisk mångfald.

Genetiskt kodade presentationssystem och kemisk syntes omfattar därför delvis överlappande, men inte identiska molekylära områden.

Modifierade presentationstekniker kan dessutom utöka omfattningen av kemin som finns i biologiska system, därför bör denna skillnad inte förkortas för att fastslå att biologiska bibliotek endast kan innehålla icke-modifierade standardpeptider.

Bibliotek där en-bit–en-komponent

I en-bead-one-compound (OBOC)-bibliotek ska varje kula i grund och botten innehålla många kopior av en specifik förening.

En av de vanligaste strategierna är split-and-pool-syntesen.

Kulorna delas in i grupper, varje grupp utsätts för en reaktion med ett annat byggämne, sedan sammanfogas alla kulorna igen och delas sedan igen innan nästa syntesfas inleds.

Att upprepa denna process kan leda till att en stor kombinatorisk bibliotek uppstår, samtidigt som den planerade kopplingen mellan en enskild kula och en specifik sekvens bibehålls.

De första studierna av systemet one-bead–one-peptide presenterade en metod för att skapa och screena stora syntetiska peptiddatabaser med avseende på bindning av ligander. [2]

Definitionen one bead–one compound beskriver dock principen för bibliotekets organisation.

Det bevisar inte att:

• Varje kula innehåller ett kemiskt perfekt peptid;
• varje kula har samma beläggning med peptid;
• Alla bindningsreaktioner skedde med samma effektivitet;
• Peptidet på varje kula är lika tillgängligt.

I en senare studie av enskilda kulor användes Raman-spektroskopi för att mäta mängden av peptidet.

Forskarna observerade en betydande variation mellan bibliotekens kulor, särskilt när det gäller längre sekvenser, trots att börjanmaterialet var mer jämnt belastat. [8]

Detta är viktigt eftersom signalintensiteten vid screeningen kan bero på både:

kraften av interaktioner,

och från:

antalet tillgängligt peptid som presenteras på kulan.

Modersubstanser, individuellt syntetiserade blandningar och pulerade studier

Biblioteker av peptider kan också organiseras i form av stammar eller individuellt syntetiserade uppsättningar.

I en peptidmatrix finns de peptider som definieras i välkända fysiska positioner.

Det ger en direkt anslutning:

position → sekvensens identitet → testsignalen.

Det bör dock noteras att immobilisering på ytan kan påverka konformationen och tillgängligheten av peptidet.

En annan lösning är pulerad screening.

Flera peptider kombineras i en provtagningsprover och analyseras tillsammans.

Om provet ger ett positivt svar kan man sedan genomföra en dekonvolvering genom att testa mindre grupper eller enskilda delar.

Pooling kan minska antalet mätningar som krävs i början av processen.

Pula beter sig dock inte alltid på samma sätt som någon av dess enskilda komponenter.

Effekterna kan vara:

• skillnader i koncentrationerna;
• konkurrens;
• löslighet;
• aggregering;
• interferens;
• antagonistiska effekter;
• Testens mättnad.

En positiv satsning indikerar alltså en grupp som kräver ytterligare undersökningar.

Det bevisar inte att varje peptid som ingår i det har den undersökta egenskapen.

Screening och urval av kandidater

Först definiera vad testet faktiskt mäter

Resultatet av screeningen är helt beroende av det slutliga mätvärdet.

Screening av bindning svarar på frågan om peptidet interagerar med ett visst mål under de givna förhållandena.

Screening av enzymatiska substrat undersöker om enzymet omvandlar en viss peptid.

Inhibitionsanalysen kontrollerar om peptidet minskar en viss aktivitet.

En celltest mäter det definierade svaret i cellerna.

Dessa resultat är inte jämförbara.

Peptidet kan binda till ett mål utan att aktivera eller blockera det.

Det kan vara substrat för enzymet, men inte uppvisa lämplig aktivitet i cellen.

En cellrespons kan däremot bero på en oavsiktlig väg.

Av den anledningen är termen „aktiv peptid” ofta alltför bred om inte det anges vilken typ av aktivitet som faktiskt mätts.

I en iterativ studie som använde maskininlärning optimerades peptidsubstrat för en viss enzymklass genom flera experimentella tester av utvalda kandidater. [3]

Ansökningarna gällde de biokemiska funktionerna som mättes i det specifika systemet.

De visar inte att samma sekvenser skulle fungera i andra, icke biologiska tillämpningar.

Kontroller hjälper till att skilja identifieringen av målet från själva testetets utförande.

Väl utvalda kontroller hjälper till att skilja det avsedda molekylära fenomenet från andra möjliga förklaringar.

Enligt testet kan det vara något av följande:

• ytor utan målmolekyl;
• kontroller som omfattar själva bärare;
• icke-relaterade molekylära mål;
• kontroller positiva;
• Negativa kontroller;
• grundmätningar;
• konkurrerande experiment;
• Andra kontroller som är relevanta för det specifika systemet.

En yta utan den målmolekyl som ska bindas kan avslöja okontrollerat bindande med testmaterialet.

Kontrollen av bärare hjälper till att upptäcka svar som orsakas av presentationens egen struktur.

En oberoende variabel kan ge information om selektiviteten.

En positiv kontroll visar om testet kan upptäcka det kända svaret.

En negativ kontroll hjälper till att bestämma bakgrundsnivån.

Kontrollerna bör dock väljas utifrån de faktiska möjliga felkällorna för det aktuella experimentet.

Det finns ingen enhetlig kontrollpeptid som skulle vara biologiskt obalanserad i alla möjliga system.

Studien av polystyrenfetter visar varför ytkontroll är viktig. Forskarna analyserade separerat bindning och reproduktion samt kopplade tillförseln till ytan från testobjektet, i stället för att anta att återvinningen av fettet bekräftar att det avsedda målet uppnåddes. [7]

Skydd, selektivitet och funktion är olika egenskaper

Tre begrepp som ofta misstas för varandra är:

associering, selektivitet och funktion.

Determinism hänför sig till kraften i interaktioner under vissa förhållanden och inom ramen för en lämplig modell för påverkan.

Selektivitet beskriver i vilken utsträckning en kandidat föredrar ett mål framför andra alternativ.

Funktionen avser de biologiska eller biokemiska konsekvenserna av sådana effekter.

Peptidet kan därför visa:

• hög affinitet, men svag selektivitet;
• hög selektivitet, men dålig bindning;
• stark bindning utan förväntad funktionell effekt;
• Funktional aktivitet genom en oväntad mekanism.

Det är dessa skillnader som avgör vilka experiment som ska utföras i nästa steg.

Till exempel:

påvisad bindning ≠ påvisad hämmning.

En peptid som hittas vid bindningsanalys bör inte automatiskt kallas en hämmare om dess hämmande effekt inte har mätts direkt.

Det är värt att utvärdera kandidaterna utifrån flera typer av data

Urvalet av kandidater är mer tillförlitligt om det inte bara grundar sig på en enda rangordningsparameter.

Man kan ta hänsyn till bland annat:

• signalens storlek;
• repetitionsförmåga;
• behålla bakgrunden;
• sekvensens identitet;
• förbättring jämfört med ursprungsvärdet;
• selektivitet;
• familjen av sekvenser;
• möjlighet till självständig syntes;
• löslighet;
• testets återkommande karaktär;
• möjlighet till ytterligare validering.

En varierad sekvens av valda träffar kan också vara till nytta.

Studien av representanter för flera olika sekvensfamiljer minskar beroendet av ett potentiellt missledande motiv eller klon.

I fallet med fagbibliotek är det särskilt användbart att jämföra antalet före och efter urvalet.

En sekvens som redan förekom mycket ofta i den utgångsbibliotek som används kan representeras i stort antal efter screeningen utan särskilt starkt syftovis beroende uppbyggande.

En studie av djupsekvensering av en naiv fagbibliotek visade en ojämn initial representation [4].

En studie om fördelar vid reproduktion visar dessutom varför själva antalet inte automatiskt bör tolkas som ett mått på inflytande. [6]

Sammanlagt talar resultaten för analysen:

hur den givna sekvensen har utvidgats,

och inte bara:

vilken sekvens tog förstaplatsen efter slutet av urvalsprocessen.

En träff från screeningen är ännu inte en giltig kandidat

En träff, eller en träffsökning, är ett kriterium som uppfyller kriterierna i den inledande screeningen.

Det är ett värdefullt resultat.

Det avslutar dock inte valideringsprocessen.

Bevisen bör bland annat besvara frågor om huruvida kandidatens beteende:

• det är repetitivt;
• upprätthålls efter genomförandet av lämpliga kontroller;
• uppträder under en individuell undersökning;
• förblir synligt efter återuppbyggnad av syntesen;
• det kan hänföras till den avsedda substansen;
• Det förblir relevant i en lämplig sekundärtestning.

En ytterligare beskrivning kan sedan omfatta egenskaper som är relevanta för ett specifikt forskningssyfte.

Omvänd syntes är särskilt användbar om den ursprungliga analysen använde ett bärare, kulan, en presentationsmetod eller en blandning.

Oberoende syntes gör det möjligt att skilja kandidaten från den ursprungliga presentationen av honom eller henne.

Bekräftelsen av identiteten och andra relevanta parametrar för provet stärker dessutom kopplingen mellan det observerade resultatet och den avsedda substansen. Vid detta tillfälle blir en korrekt tolkning särskilt viktig. Peptidens renhet och laboratorieundersökningar, eftersom HPLC-resultatet, massbestämningen och den faktiska innehållsmängden av peptidet svarar mot olika analytiska frågor.

Den korrekta ordningsföljden ser ut så här:

framgång vid screeningen → bekräftad framgång → karakteriserad kandidat,

och inte:

Genomförd i screeningen → bevisat funktionellt peptid.

En gynnsam ranking, en visuellt tilltalande dockningsmodell eller flera gånger att uppnå liknande resultat i samma test som är känsligt för fel, ersätter inte automatiskt oberoende validering.

Sequencer- och prediktionsverktyg för design

Designen börjar med att man fastställer ett molekylärt mål.

Peptiddesign kan inledas med:

• kända motivet;
• modernt peptid;
• ytan där proteinerna verkar;
• inträffande som erhållits experimentellt;
• strukturell modell;
• en evolutionär sekvens;
• en databas över de undersökta peptiderna.

Därefter kan man analysera förändringar som t.ex.:

• aminosubstitutioner;
• kortning av sekvensen;
• förlängning av sekvenserna;
• cyklisering;
• ändring av ändpunkterna;
• ändring av aminosyres ordning;
• andra strukturella modifieringar.

Målet måste vara tydligt definierat.

Till exempel:

Förutsägelse av bindning

Det är inte samma uppgift som:

förutsägelse av enzymidentifiering,

och det är i sin tur inte detsamma som:

Förutsägelse av löslighet.

En modifiering som förbättrar en egenskap kan inte påverka en annan eller till och med påverka den negativt.

Praktiskt peptidsdesign kan alltså kräva att man balanserar flera konkurrerande mål.

Den experimentellt stödda studien av enzymatiska substrat visade på ett riktat tillvägagångssätt där en algoritm föreslog kandidater, biokemiska experiment utvärderade dem och de erhållna resultaten påverkade ytterligare beslut om val av sekvenser. [3]

Beräkningarna stödde ett specifikt experimentellt mål och ersatte inte mätningarna.

En prognos baserad på sekvensen beror på träningsdata

En datormodell som bygger på sekvensen lär sig relationerna mellan peptidsgenskaper och etiketter eller mätresultat som finns i en träningsdatamängd.

Enligt modellen kan resultatet vara:

• klassificering;
• resultatet liknar sannolikheten;
• rankningsvärde;
• förväntad kvantitativ egenskap;
• En annan typ av datorberäknad beräkning.

Tolkningsfallet beror på vad etiketterna som användes under träningen faktiskt betydde.

Exempelvis kan termen „aktiv” betyda:

• bindning över en viss gräns;
• omvandling genom enzym;
• mikroorganismbekämpning;
• mobil svar;
• ett annat kriterium som är specifikt för den specifika testet.

Detta är inte samma egenskaper.

Datainsamlingen kan också innehålla resultat som erhållits under olika experimentella förhållanden.

En obehandlad peptid bör inte automatiskt betraktas som ett bekräftat negativt resultat bara för att det inte finns något positivt resultat för den.

Det är lika viktigt att bedöma modellen.

Om nästan identiska sekvenser finns både i tränings- och testsamlingen kan det prediktiva problemet vara betydligt enklare än att förutsäga egenskaperna hos riktigt nya peptider.

Därför:

En hög generell modellprecision i sig själv inte visar på förmågan att generalisera till nya sekvenser.

Generalisering kräver en medveten bedömning

Generalisering beskriver modellen förmåga att behålla användbarheten även utanför de exempel som används under träningen.

Detta är särskilt viktigt när den föreslagna peptiden skiljer sig avsevärt från de träningsdata som finns tillgängliga i följande avseenden:

• sekvenser;
• längd;
• strukturell klass;
• kemiska modifieringar;
• Molekylär syfte;
• en experimentell kontext.

I en studie om prediktion av T-cellreceptorbindning analyserades effekten av skillnaderna mellan tränings- och testpeptider på bedömningen av modellerna. [9]

Uppdelningen av samlingarna baserad på likheter i sekvenser och strukturer gav inte identiska resultat.

Det visar varför enskilda uppdelningar av tränings- och testdata eller en enda värde som beskriver modellens effektivitet inte alltid ger en fullständig återgivning av dess beteende mot nya peptider.

Detta betyder inte att peptidsprediktionsmodeller per definition är osannolika.

Det betyder däremot att sättet att bedöma dem bör likna det verkliga tillämpningsområdet där de ska användas.

Vad förutsätter sammansättningen av peptiderna?

Peptidanknytning är en datorbaserad metod som används för att föreslå hur ett peptid kan interagera med en receptor eller en annan molekylär målsättning.

Beräkningar kan analyseras på olika sätt:

• peptidkonformationer;
• riktningar;
• positioner;
• kontakter med mottagaren;
• Geometri för påverkan.

Därefter bedöms de föreslagna systemen med hjälp av en lämplig punktvärdes- eller energifunktion.

Resultatet av sammanfogningen kan alltså ge:

• den potentiella bindningspositionen;
• de föreslagna återstående deltagarna i interaktionen;
• strukturella hypoteser;
• rankning av kandidaterna;
• Ursprungliga strukturer till vidare datoranalyser.

Det bör dock noteras:

Utöver doketning är det en hypotes, inte en experimentellt observerad komplexitet.

På samma sätt:

Resultatet av dockingen är inte automatiskt en experimentellt mätt konstant dissosiering, cellaktivitet eller sannolikheten för biologisk framgång.

Tolkningsfrågan beror på:

• punktsfunktion;
• metoden för provtagning av konformitet;
• receptorstrukturer;
• receptorens flexibilitet;
• peptids flexibilitet;
• grundläggande antaganden;
• protonation och molekylär representation;
• Kalibrering för ett specifikt uppdrag.

Peptidanknytning kan vara särskilt krävande eftersom peptider ofta är mycket elastiska.

Under bindningen kan deras form och position i förhållande till målet förändras betydligt.

Rosetta FlexPepDock: förbättringar och global docking till olika procedurer

Den ursprungliga publikationen om FlexPepDock-servern beskriver en högupplöst modifiering av modellen som börjar med en peptid som är placerad ungefär i receptornas bindningsområde. [10]

Det är därför inte lämpligt att beskriva detta verktyg som en universell metod som gör det möjligt att upptäcka alla okända bindningsplatser utan strukturell information.

PIPER-FlexPepDock utvidgar denna konception till att omfatta global docking genom att kombinera placeringen av peptidhjälpande fragment med senare flexibel modifiering av modellen. [11]

I publikationen utvärderades denna metod på en begränsad, men representativ uppsättning experimentellt bestämda peptid–protein-komplexer.

Framgång i benchmarket visar effektivitet under de testade förhållandena.

Det garanterar inte en korrekt förutsägelse för varje ny receptor–peptidpar.

Den officiella dokumentationen för Rosetta skiljer mellan:

• renlighet;
• Ab initio-modellering nära den approximerade bindningspunkten;
• den globala arbetsflödet PIPER-FlexPepDock. [12]

Av den anledningen blir den datorbaserade rapporten betydligt mer informativ om den specificerar:

vilket FlexPepDock-protokoll användes + vilka initiala data användes + hur de erhållna strukturerna bedömdes.

Enbart konstaterandet:

„Rosetta-anknytningen har utförts”

Det lämnar många viktiga metodologiska uppgifter obesvarade.

Modifierade peptider kräver lämplig representation

En datormodell måste korrekt representera den undersökta molekylstrukturen.

En sekvens som endast skrivs med standardiserade enliters aminosyrekoder kan missa viktiga kemiska informationer.

Det kan vara bland annat:

• amidation av C-änden;
• acetylering av N-änden;
• unormale aminosyror;
• D-aminosyror;
• cyklisering;
• kovalent sidokomplexationer;
• fosforylering;
• andra modifieringar.

I en studie som använde FlexPepDock analyserades modellering av peptid–MHC som omfattar icke-standarder av resterna och utvalda modifieringar av peptiderna. [13]

Författarna erhöll användbara benchmarkresultat och observerade en samband mellan de beräknade resultaten och den relativa bindningen som mättes experimentellt i den undersökta samlingen.

Det stöder en konkret användning av modellering, som har testats.

Det betyder dock inte att varje möjlig modifiering automatiskt representeras korrekt eller att docking ersätter experimentell mätning av bindningen.

CHARMM-GUI, peptidhjälpmodeller och C-end-amidering

CHARMM-GUI erbjuder verktyg för att skapa molekylära modeller för simuleringar.

Den officiella dokumentationen betonar att modifierade restriktioner kräver lämpliga strukturella definitioner och parametrar för kraftfältet.[14]

Att data för simuleringen genereras på ett framgångsrikt sätt innebär alltså att en datornärbild av systemet har utarbetats.

Det bekräftas inte experimentellt:

• peptids identitet;
• bindningar;
• biologisk funktion;
• stabilitet;
• aktivitet.

Vid amiderad peptid är den slutliga kemiska gruppen i C-änden amid, inte en fri karboxylgrupp.

Denna skillnad kan påverka:

• formell last;
• vätebindningar;
• elektrostatiska effekter;
• konformitet;
• interaktioner med det omgivande molekylära miljön.

Strukturen, topologin och parametrarna för den kraftfält som används i simuleringen bör därför representera samma slutliga form som studeras experimentellt.

I studien om maximin H5 kombinerades experimentella och simulativa metoder för att bedöma konsekvenserna av en förändring av C-endformen. [15]

Skillnader i strukturen och interaktionerna med membraner har observerats för detta specifika peptidet.

Detta betyder inte att amidering förbättrar egenskaperna hos varje peptid.

Det visar dock varför kemin bakom slutgrupperna inte bör bortses ifrån i den molekylära beskrivningen.

Av den anledningen bör sökandet efter amidationsalternativ i programmet för peptidbyggande börjar med den kemiska frågan:

Vilken exakt molekylform ska modelleras?

Det är först efter att denna fråga har definierats som valet av programvaruinställningar blir betydelsefullt.

Experimentell validering och repeterbarhet

Undersök självständig den rätta molekylen

Den valda kandidaten bör slutligen undersökas som definierad molekylär material.

Viktiga egenskaper kan inkludera:

• den exakta sekvensen;
• formen på ändarna;
• Bestämda modifieringar;
• Molekylär identitet;
• Andra egenskaper som är viktiga för experimentet.

Om det ursprungliga screeninget använde phage display eller peptider som fästs på celler kan ytterligare experiment undersöka om den isolerade peptiden upprätthåller den mätbara egenskapen även utan det ursprungliga presentationssystemet.

I en tidig studie av phage display jämfördes peptider som presenteras på fag med deras kemiskt syntetiserade motsvarigheter. [1]

Det visar hur en oberoende undersökning kan koppla samman resultatet från bibliotekets selektion med upprätthållandet av själva peptidhartsstrukturen.

Kvaliteten och kännetecknen hos provet är också viktiga.

Skillnader gällande:

• märkta koncentrationer;
• löslighet;
• renlighet;
• aggregering;
• den slutliga formen;
• kemiska modifieringar

De kan påverka experimentella jämförelser.

Två prover som kallas med samma namn på peptidet behöver inte vara kemiskt identiska om deras relevanta molekylformar inte har definierats. Därför är det användbart att förstå begreppen identitet, renhet och faktisk mängd material innan man tolkar experimentet, vilket beskrivs närmare i artikeln om Peptidens renhet och laboratorieundersökningar.

En ytterligare test är mest värdefull när den svarar på en specifik fråga.

En ortogonal test undersöker en specifik egenskap med hjälp av en annan mätregel eller ett annat sätt att presentera den experimentella resultaten.

Dess största värde är möjligheten att kontrollera en specifik alternativ förklaring.

En andra test kan till exempel hjälpa till att fastslå om det initiala resultatet beror på:

• bindning till ytan;
• interferens av märkning;
• bärande-beroende beteende;
• effekterna av immobilisering;
• En annan artefakt som är karakteristisk för det första testet.

Att bara använda två olika modeller av apparater betyder inte automatiskt att mätningarna är ortogonala.

Om båda testen använder samma metod för att immobilisera eller samma detektionsprincip kan de vara mottagliga för samma källa till fel.

Det viktigaste frågan är:

Vilket alternativt förklaring fungerar i det andra experimentet?

Samstämmigheten mellan faktiskt komplementära metoder ger vanligtvis starkare stöd än att upprepa samma felbenägna läsning flera gånger.

Replikation och biologisk kontext

Olika typer av replikeringar gör det möjligt att bedöma olika källor till osäkerhet.

Tekniska upprepningar hjälper till att bedöma repetibiliteten inom ramen för samma experimentella system.

Oberoende upprepningar av experimentet kan inkludera ytterligare variationer mellan försök eller serie av försök.

Experimenter som använder biologiska prover kan också behöva ta hänsyn till skillnaderna mellan:

• donatorer;
• med cellberedningar;
• organismer;
• vävnader;
• andra källor av biologiskt material.

I en studie där överlappande peptider användes, analyserades känsligheten hos T-lymfocyter för att identifiera regioner som identifierades i prov från donatorer och en bibliotek användes för att identifiera regionerna som identifierades [5].

De observerade svaren berodde på den biologiska kontexten.

Resultatet för en given donator eller ett givet experimentellt system får inte automatiskt generaliseras till alla personer eller alla biologiska system.

Repetitivitet innebär alltså möjligheten att återge en specifik påstående under lämpligt beskrivna förhållanden.

Det betyder inte bara att man får en ny diagram som ser likadant ut.

Dokumentationen bör göra det möjligt att återge analysen.

En bra studie av en peptidbibliotek kräver tillräcklig dokumentation så att en annan forskare kan förstå hur resultatet uppnåddes.

Nyttiga experimentella data omfattar:

• den exakta sekvensen av peptidet;
• peptids längd;
• slutgrupper;
• kemiska modifieringar;
• bibliotekets arkitektur;
• providentifierare;
• villkor för screening;
• måttlig slutpunkt;
• kontroller;
• strukturen av repetitionerna;
• metoden för att bestämma bakgrunden;
• kvalificeringsgränsen för träff;
• kriterier för urval av kandidater;
• Använda analytiska metoder.

I datorstudier kan följande vara viktiga:

• programvarunamn;
• version;
• protokoll;
• Inngångsstruktur;
• metoden för att representera en molekyl;
• uppsättning av parametrar;
• databehandling;
• metoden för uppdelning av tränings- och testuppgifter;
• poängsystemmet;
• förfarandet för rangordnande av kandidaterna;
• kriterier för urval.

Att endast använda den högsta rankade modellen, den bästa bildbehandlingen eller den slutliga sekvensen kan göra det omöjligt att senare återställa hur resultatet uppnåddes.

Beskrivningen av själva biblioteket utgör också en del av repetitiviteten.

Studier av sammansättningen av fagbibliotek och kugghastigheten visar att variation kan förekomma redan innan screeningen påbörjas. [4] [8]

Att endast dokumentera den slutliga träffen kan därför missa viktiga uppgifter om den ursprungliga materialen.

Positiva förutsägelser och negativa resultat är lika viktiga

En datorgenererad kandidat som inte bekräftades experimentellt kan fortfarande ge användbar information.

Det kan avslöja:

• begränsningar av modellen;
• felaktig mekanistisk antagande;
• Bristfällig återgivning av den kemiska egenskapen;
• problem med hypotesen om testet;
• regionen av den sekventiella rymden där modellen är svag generaliserad.

Sådana resultat bör inte bortses från vid bedömningen bara för att de inte bekräftade den ursprungliga förutsägelsen.

Iterativt design blir mer värdefullt när experimentella observationer – även oväntade och negativa resultat – påverkar ytterligare beslut.

Studien om konstruktion av enzymsubstrat använde en generell cykel:

Förutsägelse → experimentell mätning → förbättring av modellen baserat på data. [3]

Dess vetenskapliga värde grundade sig på en kombination av beräkningar och observationer, och inte på att den första rankingen betraktades som det slutgiltiga svaret.

Det starkaste argumentet bör därför tydligt ange vad som har bevisats:

• förbättring;
• bindning;
• halten som substrat för enzymet;
• inhibering;
• cellrespons;
• datorbaserad prognos;
• effektivitet i strukturell jämförelse.

Var och en av dessa resultat kan vara vetenskapligt värdefulla.

Det är dock inte nödvändigt att ersätta det ena med det andra.

De vanligaste misstagen vid tolkningsprocessen av peptidbibliotek

Resultaten av studierna av peptidbiblioteket kan vara vilseledande om slutsatserna går utöver det som faktiskt mätts.

En vanlig misstag är att behandla den teoretiska storleken på biblioteket som en experimentellt bekräftad mångfald. Fysiska bibliotek kan ha en ojämn representation, saknade element, dubbletter eller belastningar som uppstår genom syntesprocessen. [4]

En annan misstag är att betrakta förfödelse som bevis på anpassning. Förfödelse kan också bero på fördelar i reproduktion, bindning till ytan eller andra egenskaper som är förknippade med selektionsprocessen. [6] [7]

Det tredje problemet är att koppla samman bindningen med funktionen. En peptid kan interagera med ett mål utan att ge den föreslagna biologiska effekten.

På samma sätt bör resultatet av docking inte betraktas som en experimentell mätning av bindningskoefficienten. Resultaten baseras på datormodeller och kräver validering innan de kan betraktas som kvantitativt bevis på bindning. [10] [11] [13]

Det virtuella peptidet är inte heller automatiskt ett peptid som kan erhållas enkelt i sin rätta kemiska form. Syntesen, lösligheten och molekylär identitet samt provets karakteristika förblir experimentella frågor.

Slutligen kan resultatet för ett peptid som presenteras på en tagg, som är fast på ytan eller bundet till en kulle, inte reproduceras av den motsvarande fria molekylen, eftersom själva presentationen kan påverka konformationen, tillgängligheten, den lokala koncentrationen och avståndet.

Dessa begränsningar minskar inte värdet på peptidbiblioteken.

De fastställer dock hur de tillhandahållna bevisen ska tolkas.

Vanliga frågor och svar

1. Vad är en bibliotek av överlappande peptider?

En overlapping peptidbibliotek är en samling av fragment som omfattar en längre stamsekvens, där närliggande peptider har en gemensam aminosyresekvens. Detta system hjälper forskare att identifiera regioner relaterade till känslighet eller andra mätbara svar. En studie som använder overlapping fragment från meningokockprotein visade att denna metod kan användas för att kartlägga T-celler i prov från donatorer [5]. En positiv resultat för fragmentet identifierar dock inte automatiskt det minsta epitopet, bevisar inte att varje gemensam rest är nödvändig och innebär inte att fragmentet exakt återger strukturen och bearbetningen av hela proteinet.

2. Kan datorbaserade prognoser ersätta experiment?

Nej. Computerpredikationer kan hjälpa till att prioritera kandidater, identifiera mönster, skapa strukturella hypoteser och minska antalet sekvenser som kräver omedelbar experimentell undersökning. Deras tillförlitlighet beror dock på modellen, träningsdata, sättet att representera molekyler, antaganden och det specifika uppdraget. I studien om konstruktion av enzymatiska substrattestades peptider som valts av algoritmen upprepade gånger och resultaten från experimenten användes för nästa omgång av selektion. [3] Detta visar på samarbete mellan beräkningsmetoder och experiment, och inte att experimentet ersätts av en modell. Kandidaten förblir en datorpredikation tills dess att dess lämpliga egenskaper har bedömts experimentellt.

3. Är peptidsbiblioteket en fysisk samling eller en databas?

Det kan vara både fysiska bibliotek som innehåller partiklar som kan undersökas direkt experimentellt, och virtuella bibliotek som innehåller digitala sekvenser, molekylstrukturer eller andra datorrepresentationer. De första studierna av one-bead-one-peptide handlade om fysiska syntetiska bibliotek, medan datoriserade designmetoder analyserar molekylrepresentationer innan valda kandidater syntetiseras. [2] [3] Bara förekomsten av sekvenserna i en virtuell bibliotek bekräftar inte att den motsvarande peptiden syntetiserades korrekt, har den önskade kemiska formen eller visar den förväntade egenskapen. Därför bör bibliotekets format alltid anges när man diskuterar bibliotekets storlek eller resultat från screenning.

4. Har en större bibliotek alltid lett till att bättre kandidater har hittats?

Nej. Storleken på biblioteket är endast relevant när den innehåller en betydande, tillgänglig, identifierbar och relevant representerad mångfald. Djup sekvensering av fagbiblioteket visade ojämna sekvensantal och faktorer som minskar den effektiva mångfalden trots ett omfattande planerat projekt. [4] Mycket stora biblioteker kan också öka problem med provtagning och tolkning eftersom inte alla teoretiskt möjliga element måste faktiskt vara närvarande eller studerade korrekt. Kvaliteten på kandidaterna beror därför på biblioteksammansättningen, screeningsprojektet, testens kvalitet, kontrollen och valideringen, och inte bara på den reklamerade mängden möjliga sekvenser.

5. Är slumpmässiga biblioteker av peptider verkligen fria från belastning?

Inte alltid. En randomiserad konstruktion kan fortfarande leda till ojämlik representation av nukleotider, aminosyror och hela sekvenser. Biologisk produktion, reproduktion, syntesekemi och provtagning kan skapa ytterligare belastningskällor. Djupsekvensering av en kommersiell fagbibliotek har visat en ojämlik representation redan innan selektionen inleddes jämfört med målet. [4] Det betyder inte att varje slumpmässig bibliotek är osannolikt. Det visar dock att „slumpmässig design” och „experimentellt bekräftad jämnhet” är två olika påståenden. Det är det ursprungliga bibliotekets egenskaper som hjälper till att skilja en stor utgångsantal från den verkliga selektiva förökningen.

6. Hur gör phage display det möjligt att identifiera en peptidssekvens?

Phage display kombinerar peptidet som presenteras på bakteriofagens yta med den genetiska informationen som finns inuti samma partikel. Väljda fagi kan således återvinnas, och de motsvarande peptidssekvenserna kan fastställas utifrån det relaterade genetiska materialet. Tidiga studier med slumpmässigt presenterade peptider på nitisk bakteriofager använde denna koppling mellan genotyp och fenotyp för att återvinna och karakterisera bindande ligander. [1] Enbart återvinningen av fagen visar dock inte på selektivitet gentemot målet, eftersom antal kan påverkas av interaktioner med ytan, variationer i reproduktion och andra selektiva påfrestningar. Den genetiska kopplingen gör det möjligt att fastslå kandidatens identitet, och ytterligare experiment hjälper till att förklara orsaken till dess selektion.

7. Varför kan en fag berikas utan att vara knuten till det avsedda målet?

Flera mekanismer kan leda till en förökning som inte är kopplad till det egentliga syftet. Fag kan interagera med testytan, tolerera selektionsförhållanden exceptionellt väl eller förökas effektivare än konkurrerande kloner. I separata studier har återhämtning kopplad till polystyren och en förökning som är förknippad med en fördel i reproduktion har visats. [6] [7] Dessa är olika mekanismer och kräver ytterligare kontroller. Förökning bör därför tolkas som bevis på att klonen överlevde och ökade sin representativitet under selektionsprocessen. Vid bekräftelse av en egen känslighet för målet krävs ytterligare bevis för att kunna skilja denna möjlighet från alternativa förklaringar.

8. Vad betyder one-bead–one-compound?

En-pärla-en-komplex innebär att varje pärla är avsedd att representera flera kopior av en specifik förening, vilket gör att den valda pärlan i slutändan kan kopplas till en enda komponent i biblioteket. Detta koncept möjliggör skapandet av stora kombinatoriska syntetiska bibliotek och presenterades redan i tidiga studier med en-pärla-en-peptid.[2] Begreppet beskriver dock den avsedda organisationen av biblioteket och garanterar inte identisk laddning, perfekt syntes eller kemisk homogenitet hos varje pärla. Efterföljande mätningar av de enskilda pärlorna visade på signifikanta skillnader i mängden av presenterat peptid.[8] Kvaliteten på materialet och laddningen förblir därför egenskaper som kräver experimentell utvärdering.

9. Kan mängden peptid på en kulan påverka resultatet av en screening?

Ja. En kula som presenterar en större mängd tillgängligt peptid kan generera en starkare testsignal även när den molekylära interaktionen inte är starkare. I en studie där Raman-spektroskopi användes för att analysera bibliotek av en-kula-en-substans-parter, konstaterades en betydande variation i mängden peptid, särskilt för längre sekvenser. [8] Studien fastslår inte effekten av belastningen i varje möjligt selektionssystem, men identifierar källan till variationen som kan påverka signalintensiteten. Resultaten från screeningen på kulorna bör därför tolkas både i relation till den molekylära interaktionen i sig och den presentationen av materialet.

10. Är bindning detsamma som biologisk aktivitet?

Nej. Bindning innebär att molekyler påverkas under vissa förhållanden. Biologisk eller biokemisk aktivitet kräver en separat definierad slutpunkt. En peptid kan binda till ett protein, men inte aktivera eller hämma det, och en cellrespons kan uppstå genom en mekanism som skiljer sig från den förväntade bindningen med syftet. Fage-displaystudier har främst fokuserat på bindning, medan maskininlärning för studier av peptiders beteende handlar om att se till att peptider fungerar som enzymatiska substrat. [1] [3] Dessa är olika vetenskapliga frågor. Därför bör resultat från screeningen beskrivas enligt den egenskap som faktiskt mätts, utan att hänföra dem till en bredare effekt.

11. Varför är det värt att syntetisera och undersöka träffen individuellt igen?

Oberoende syntes hjälper till att fastslå om en specifik definierad peptid faktiskt återskapar den observerade effekten utanför det ursprungliga biblioteket. Anslutning till fag, mängden material på kugghjulet, effekterna av blandningen, interaktionerna med bärare eller andra screeningparametrar kan påverka det initiala resultatet. I tidigare studier av phage display jämfördes de presenterade ligander med peptider som erhållits genom kemisk syntes, vilket illustrerar den här bekräftande fasen. [1] Omvänd syntes är mest informativ när den erhållna materialen har korrekt karakteriserats och testats i ett test som hänför sig till det ursprungliga påståendet. Syntesen i sig själv bekräftar ännu inte funktionen eller mekanismen.

12. Vad förväntar sig Rosetta FlexPepDock?

Rosetta FlexPepDock modellerar strukturer av peptidsammansättningar – proteiner – men de olika procedurerna som är kopplade till FlexPepDock kräver olika initialinformation. Den ursprungliga publikationen om servrarna beskriver främst en högupplösning av förfinandet av peptidsammansättningen som redan är nära receptorbindningsstället. [10] PIPER-FlexPepDock använder en bredare strategi för global docking där modellen sedan anpassas flexibelt. [11] Benchmarkresultaten garanterar inte korrekthet för varje ny peptid-proteinpar. Därför bör den användbara rapporten ange den använda metoden, initialinformationen och hur förväntade strukturer bedöms.

13. Bekräftar det positiva resultat av dockingen en stark bindning?

Nej. Konformationstillväxten är ett värde som genereras av en datoriserad punktvärdefunktion och är inte automatiskt jämförbart med experimentellt mätbara egenskaper såsom den disocieringskonstanta. Dess betydelse beror på dokningsprotokollet, den molekylära representationen, provtagningsmetoden för konformationen, det undersökta syftet och kalibreringen. I FlexPepDock-studien av peptid–MHC-komplexer jämfördes beräkningsresultaten med relativa mätningar av bindningen i en specifik datamängd, vilket visar att sådana samband måste undersökas och inte antas. [13] En positiv konformationstillväxt kan hjälpa till att prioritera kandidater eller stödja en strukturell hypotes, men stark bindning kräver relevanta experimentella bevis.

14. Varför är C-endamidering viktig för peptidmodellering?

C-endamidering ändrar den kemiska gruppen som finns i peptidets ände och kan påverka den formella laddningen, vätebindningarna, elektrostatiska effekter och molekylens konformation. Den datoriserade modellen bör därför presentera samma kemi i peptidets ände som den experimentellt undersökta peptiden har. I studierna med maximin H5 observerades skillnader i strukturen och interaktionerna med membranen i samband med ändring av den slutliga formen. [15] Detta bevisar inte att amidering alltid förbättrar peptids egenskaper. Det visar dock varför kemin i slutgrupperna bör fastställas och representeras korrekt i modellen.

15. Bekräftar genereringen av modellen i CHARMM-GUI peptids egenskaper?

Nej. CHARMM-GUI hjälper till att förbereda molekylära system för simulering. En framgångsrik konstruktion av strukturer eller ingångsfiler innebär att en datoriserad representation av det undersökta systemet har skapats; den bekräftar inte experimentellt bindning, biologisk aktivitet, stabilitet eller klinisk betydelse. Officiell dokumentation anger också att modifierade restriktioner kräver lämpliga strukturella definitioner och parametrar. [14] Att förbereda en datormodell är alltså utgångspunkten för vidare modellering. Huruvida den verkliga molekylen uppför sig i enlighet med förväntningarna återstår som en separat experimentell fråga.

16. Varför kan en prediktiv modell misslyckas med att förutsäga en ny peptid?

En ny peptid kan skilja sig från exempel som används under träning på ett sätt som modellen inte har lärt sig att representera korrekt. Dessa skillnader kan gälla sekvenser, struktur, längd, modifieringar, molekylär syfte eller andra egenskaper. En studie av modeller som förutsäger bindning av T-lymfocyttrakteringsreceptorer visade att bedömningen av effektivitet varierade beroende på hur likhet i sekvens- och strukturellt hänseende mellan tränings- och testpeptiderna beaktades. [9] Detta betyder inte att varje förutsägelse av en ny sekvens kommer att vara felaktig. Det visar dock att den generella effektivitetsstatistik för modellen bör tolkas i relation till hur mycket testförhållandena liknar dess planerade användning.

17. Vad gör att resultaten av studier av peptidbiblioteker är reproducerbara?

Repetitivitet kräver tillräckligt med information för att definiera biblioteket, kandidatmolekylen, experimentella villkor, kontroller, analysmetod och kriterier för att bedöma resultatet som korrekt. Studien av sammansättningen av fagbibioteker och mängden av peptid på kulorna visar att variation kan förekomma redan innan screeningen påbörjas. [4] [8] Att endast ange den slutliga sekvensen och resultatet av punktestet bortser alltså från potentiellt viktiga källor till skillnader. Repetitivt test kräver tydlig rapportering av sekvenser, modifieringar, bibliotekets struktur, identifierare för prov, testresultatens slutpunkter, kontroller, analytiska kriterier, datorparametrar och oberoende bekräftelse av det huvudsakliga resultatet.

18. Ska den mest berikade peptiden vara den bästa liganden?

Nej. En stor uppsättning kan bero på bindning till målet, men den kan också påverkas av initiala sekvensantal, reproduktionseffektivitet, icke-intentionella interaktioner med ytan och andra egenskaper relaterade till selektion. Djupsekvensering visade en ojämn initial representativitet för fag-biblioteken, och andra studier har dokumenterat en uppsättning som är förknippad med en fördel i reproduktionseffektiviteten. [4] [6] Därför bör den mest utbredda slutliga sekvensen inte automatiskt identifieras som en ligand med hög affinitet. Starkare bevis ges genom jämförelse av initial och slutlig sekvens, relevanta kontroller samt oberoende mätning av bindningen.

19. Stämmer det att den planerade peptidskedjan visar att den kan syntetiseras effektivt?

Nej. Projektet skapar en sekvens eller molekylär hypotes, men bekräftar inte framgången med syntesen. Vissa sekvenser kan orsaka problem relaterade till prestanda vid sammanfogning, aggregering, rening, löslighet eller kemiska modifieringar. Den virtuella biblioteket kan därför innehålla kandidater med mycket olika praktiska syntetiska möjligheter. Det är först genom experimentell materialproduktion och analytisk karakterisering som man kan fastslå om den avsedda substansen verkligen har erhållits. Computerprioritering och kemisk genomförbarhet är relaterade, men separata faser av forskningen.

20. Kan peptidet som selekterats genom phage display uppträda annorlunda som en fristående substans?

Ja. I phage display finns peptidet i en miljö som är associerad med bärare, vilket kan påverka dess konformitet, orientering, tillgänglighet, lokal täthet och avståndsreaktion. Det fria peptidet har inte dessa egenskaper och kan därför uppvisa andra till synes olika beteenden vid bindning. I tidiga studier av phage display jämfördes ligander som presenteras på fag med deras kemiskt syntetiserade motsvarigheter, vilket visar vikten av denna experimentell distinktion. [1] Framgångsrik fagselektion utgör alltså ett värdefullt bevis för den presenterade sekvensen, medan en oberoende undersökning krävs för att fastslå beteendet hos det fria peptidet som motsvarar den.

Begränsningar av bevisen från peptidbibliotek och prediktioner

När man tolkar studierna av peptidbibliotek måste man vara medveten om några begränsningar.

Först och främst är den teoretiska mångfalden inte detsamma som den verkliga experimentella mångfalden. Ojämlik representation, syntetiska problem, skillnader i upprepadhet och sättet att provta kan förändra den faktiska sammansättningen av biblioteket. [4]

För det andra bekräftar inte fördjupning under screeningen automatiskt en egen koppling till målet. Interaktioner med ytan och fördelar i reproduktionen kan leda till fördjupning genom olika mekanismer. [6] [7]

För det tredje är presentationen av betydelse. Peptider som är bundna till fagor, kuler eller ytor kan uppträda annorlunda än samma molekyler i en lösning på grund av tillgänglighet, orientering, lokal densitet eller avståndsavstånd. [1] [8]

Fjärde, bindning, selektivitet och funktion är olika egenskaper. Att visa en av dem bekräftar inte automatiskt de andra.

Femte, den datorbaserade prognosen beror på modellen. Träningdata, sättet att bedöma resultaten, molekylär representation och antagna antaganden bestämmer vilken betydelse resultatet kan tillskrivas. [3] [9]

Sjätte, resultat från docking är inte experimentella mätningar av bindningskoefficienten. Strukturella modeller och punktfunktioner kan hjälpa till att välja hypoteser, men den verkliga uppföljningen under bindningen kräver experimentella mätningar. [10] [11] [13]

Sju: Den kemiska formen är viktig. Slutgrupperna, icke-standardiserade aminosyror, stereokemi och andra modifieringar bör presenteras korrekt både i experimentella beskrivningar och i datormodeller. [13] [14] [15]

Slutligen är träffar från screeningen början av valideringen, inte slutet på den. Oberoende materialberedning, molekylär karakterisering, kontroller, komplementära tester och replikering förstärker gradvis de tillgängliga bevisen.

Sammanfattning

Peptidbiblioteker möjliggör en systematisk undersökning av den enorma mängden möjliga molekylärsekvenser.

De gör det möjligt att jämföra flera kandidater och analysera frågor som rör:

• med molekylär identifiering;
• substrat för enzymen;
• sekventiella motiv;
• bindning;
• strukturer–aktivitet-relationer;
• med mobiltelefoner;
• med datorbaserade prognoser.

Begreppet „peptidbibliotek” omfattar dock flera i grunden olika forskningsformat.

Biblioteket av överlappande peptider hjälper till att kartlägga regioner av en större sekvens.

En riktad bibliotek av grundläggande begrepp gör det möjligt att analysera betydelsen av de enskilda positionerna.

Phage display bibliotek kombinerar den presenterade peptiden med genetisk information och möjliggör selektion.

Biblioteket one-bead–one-compound organiserar syntetiska kandidater på enstaka kulor.

Den virtuella biblioteket finns i digital form och kan användas för att fastställa prioriteringarna för sekvenserna innan experimentella studier påbörjas.

Disse formaten bör inte ses som substitut för varandra.

En försiktig tolkning kräver också bibliotekets storlek.

En teoretisk samling som omfattar miljoner möjliga sekvenser bevisar inte att varje del av den är fysiskt närvarande, jämnt representerad, kemiskt korrekt och verkligen omfattad av screening. Forskningar som använder djupsekvensering visar varför den faktiska sammansättningen av biblioteket kan skilja sig från den planerade mångfalden. [4]

På samma sätt är berikning inte synonymt med en egen förkärlek för ett mål.

Fagerotter kan bli förstorade som en följd av mekanismer som inte är kopplade till det egentliga syftet, såsom påverkan från ytan eller fördelar vid fortplantning. [6] [7]

Det är därför lämpliga kontroller och oberoende undersökningar är så viktiga.

Samma försiktighet gäller för datoriserad peptiddesign.

Sekventiella modeller och dockingverktyg kan hjälpa till att identifiera lovande kandidater och skapa mekanistiska hypoteser, men deras förutsägelser är beroende av träningsdata, strukturella representationer, punktfunktioner och inledande antaganden.[3][9][10][11]

Det positiva resultat av dockingen bekräftar inte i sig självt den starka bindningen i den experimentella studien.

Den datorgenererade sekvensen visar inte att den kan syntetiseras korrekt.

Den förväntade interaktionen bekräftar inte någon biologisk funktion.

Den mest informativa processen för att upptäcka peptider behandlar således de olika typerna av bevis som separata, men kompletterande steg:

Design → bibliotekets konstruktion → screening → identifiering av träffar → oberoende verifiering → karakterisering → matematiska förbättringar → experimentell validering.

Den slutliga slutsatsens styrka beror på hur noggrant dessa steg har sammanlänkats.

Den viktigaste principen kan sammanfattas på ett enkelt sätt:

Biblioteket identifierar möjligheter, screening identifierar signaler, modellen genererar prediktioner och valideringen fastställer vilka slutsatser som faktiskt stöds av experimentella bevis.

Varning

Artikelns syfte är endast utbildningsrelaterat och vetenskapligt informativt. Den beskriver allmänna principer för bibliotek av peptider, teknologi för phage display, screening av syntetiska peptider, sekvensdesign, datorprädiktion, sammanfogning av peptider, molekylär modellering, experimentell validering och reproducerbarhet av studier. Den utgör inte medicinsk rådgivning, rekommendationer om behandling, instruktioner för användning av peptider, information om dosering eller anvisningar om hur man ger dem till människor. Förutspåelser från datorer, träffar som uppnås genom screening, resultat från sammanfogning och prekliniska resultat från experiment bör inte tolkas som bevis på att en viss peptid är säker, effektiv, kliniskt validerad eller lämplig för användning av människor.

Referenser

1. Barrett, R. W., Cwirla, S. E., Ackerman, M. S., Olson, A. M., Peters, E. A., & Dower, W. J. (1992). Selektiv berikning och karakterisering av höga affinitetsligander från samlingar av slumpmässiga peptider på filamentösa fager. 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 typ av syntetisk peptidbibliotek för att identifiera ligandbindande aktivitet. 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). Discovering de novo peptide substrates for enzymes using machine learning. 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). Analys av kompositionell bias i ett kommersiellt phage display-peptidbibliotek genom next-generation sequencing. Viruser, 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). Identifiering av T-cellepitoper som förekommer i ett meningokock-klass 1-yttermembranprotein med hjälp av överlappande peptider som sammanställts genom simultan multipla peptidsyntes. 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 vit plaque, associerad med genomisk deletion, härrör från en peptidbibliotek baserad på M13KE och är rikare på målrelaterade proteiner under biopanning med fagdisplay på grund av fördelarna med reproduktion. International Journal of Molecular Sciences, 23(6), Artikel 3308. https://doi.org/10.3390/ijms23063308
7. Bakhshinejad, B., & Sadeghizadeh, M. (2016). En polystyrenbindande målrelaterad peptid som isolerats vid screening av 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-pärlkvantifiering av peptidladdningsfördelningen vid syntes av bibliotek med en pärla och en substans med hjälp av konfokala 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). Utvärdering av generaliseringsförmågan hos TCR-bindande prediktorer via peptidavståndsanalys. 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 webbserver – modellering av peptid-proteininteraktioner i hög upplösning. 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). Högupplöst global peptid-proteindockning med hjälp av fragmentbaserad PIPER-FlexPepDock. PLOS Computational Biology, 13(12), Artikel e1005905. https://doi.org/10.1371/journal.pcbi.1005905
12. RosettaCommons. (n.d.). FlexPepDock. Hämtat den 20 september 2026 från Officiell dokumentation
13. Bloodworth, N., Barbaro, N. R., Moretti, R., Harrison, D. G., & Meiler, J. (2022). Rosetta FlexPepDock för att förutsäga peptid-MHC-bindning: En metod för icke-kanoniska aminosyror. PLOS ONE, 17(12), Artikel e0275759. https://doi.org/10.1371/journal.pone.0275759
14. CHARMM-GUI. (n.d.). Vanliga frågor. Hämtat den 20 september 2026 från Officiell dokumentation
15. Dennison, S. R., Mura, M., Harris, F., Morton, L. H. G., Zvelindovsky, A., & Phoenix, D. A. (2015). Rollen av C-terminal amidering i membranhändelserna för det anioniska antimikrobiella peptidet maximin H5. Biokemi och biophysikaliska avhandlingar, 1848(5), 1111–1118. https://doi.org/10.1016/j.bbamem.2015.01.014