Application and Optimization of Contact-Guided Replica Exchange Molecular Dynamics

Proteine sind komplexe Makromoleküle, die in lebenden Organismen eine große Vielfalt an wichtigen Aufgaben erfüllen. Proteine können beispielsweise Gene regulieren, Struktur stabilisieren, Zellsignale übertragen, Substanzen transportieren und vieles mehr. Typischerweise sind umfassende Kenntnisse von Struktur und Dynamik eines Proteins erforderlich um dessen physiologische Funktion und Interaktionsmechanismen vollständig zu verstehen. Gewonnene Erkenntnisse sind für Biowissenschaften unerlässlich und können auf viele Bereiche angewendet werden, wie z.B. für Arzneimitteldesign oder zur Krankheitsbehandlung. ... mehrTrotz des unfassbaren Fortschritts experimenteller Techniken bleibt die Bestimmung einer Proteinstruktur immer noch eine herausfordernde Aufgabe. Außerdem können Experimente nur Teilinformationen liefern und Messdaten können mehrdeutig und schwer zu interpretieren sein. Aus diesem Grund werden häufig Computersimulationen durchgeführt um weitere Erkenntnisse zu liefern und die Lücke zwischen Theorie und Experiment zu schließen. Heute sind viele in-silico Methoden in der Lage genaue Protein Strukturmodelle zu erzeugen, sei es mit einem de novo Ansatz oder durch Verbesserung eines anfänglichen Modells unter Berücksichtigung experimenteller Daten.
In dieser Dissertation erforsche ich die Möglichkeiten von Replica Exchange Molekulardynamik (REX MD) als ein physikbasierter Ansatz zur Erzeugung von physikalisch sinnvollen Proteinstrukturen. Dabei lege ich den Fokus darauf möglichst nativähnliche Strukturen zu erhalten und untersuche die Stärken und Schwächen der angewendeten Methode. Ich erweitere die Standardanwendung, indem ich ein kontaktbasiertes Bias-Potential integriere um die Leistung und das Endergebnis von REX zu verbessern. Die Einbeziehung nativer Kontaktpaare, die sowohl aus theoretischen als auch aus experimentellen Quellen abgeleitet werden können, treibt die Simulation in Richtung gewünschter Konformationen und reduziert dementsprechend den notwendigen Rechenaufwand.
Während meiner Arbeit führte ich mehrere Studien durch mit dem Ziel, die Anreicherung von nativ-ähnlichen Strukturen zu maximieren, wodurch der End-to-End Prozess von geleitetem REX MD optimiert wird. Jede Studie zielt darauf ab wichtige Aspekte der verwendeten Methode zu untersuchen und zu verbessern:
1) Ich studiere die Auswirkungen verschiedener Auswahlen von Bias-Kontakten, insbesondere die Reichweitenabhängigkeit und den negativen Einfluss von fehlerhaften Kontakten. Dadurch kann ich ermitteln, welche Art von Bias zu einer signifikanten Anreicherung von nativ-ähnlichen Konformationen führen im Vergleich zu regulärem REX.
2) Ich führe eine Parameteroptimierung am verwendeten Bias-Potential durch. Der Vergleich von Ergebnissen aus REX-Simulationen unter Verwendung unterschiedlicher sigmoidförmiger Potentiale weist mir sinnvolle Parameter Bereiche auf, wodurch ich ein ideales Bias-Potenzial für den allgemeinen Anwendungsfall ableiten kann.
3) Ich stelle eine de novo Faltungsmethode vor, die möglichst schnell viele einzigartige Startstrukturen für REX generieren kann. Dabei untersuche ich ausführlich die Leistung dieser Methode und vergleiche zwei verschiedene Ansätze zur Auswahl der Startstruktur. Das Ergebnis von REX wird stark verbessert, falls Strukturen bereits zu Beginn eine große Bandbreite des Konformationsraumes abdecken und gleichzeitig eine geringe Distanz zum angestrebten Zustand aufweisen.
4) Ich untersuche vier komplexe Algorithmusketten, die in der Lage sind repräsentative Strukturen aus großen biomolekularen Ensembles zu extrahieren, welche durch REX erzeugt wurden. Dabei studiere ich ihre Robustheit und Zuverlässigkeit, vergleiche sie miteinander und bewerte ihre erbrachte Leistung numerisch.
5) Basierend auf meiner Erfahrung mit geleitetem REX MD habe ich ein Python-Paket entwickelt um REX-Projekte zu automatisieren und zu vereinfachen. Es ermöglicht einem Benutzer das Entwerfen, Ausführen, Analysieren und Visualisieren eines REX-Projektes in einer interaktiven und benutzerfreundlichen Umgebung.

Proteins are complex macromolecules which fulfill a wide range of critical tasks in all kinds of living organisms. For example, proteins can regulate genes, provide stability, perform cell signaling, carry substances, and perform many other tasks. Comprehensive knowledge of a protein’s structure and dynamics is typically required to fully understand the physiological function or interaction mechanisms. Gained insights are essential for life sciences and can be applied to many fields, such as advanced drug design or disease treatment. Despite the incredible progress of experimental techniques, protein structure determination remains a very challenging task. ... mehrBesides, experiments can only unveil partial information and measured data can be ambiguous and hard to interpret. For this reason, computer simulations are often performed to provide additional insight and complement experimental results. Nowadays, many in-silico methods are capable to obtain accurate models of a protein’s structure, be it either with a de novo approach or via refinement of an initial model under consideration of experimental restraints.
In this thesis, I explore the capabilities of replica exchange molecular dynamics (REX MD) as a physics-based approach to generate physical meaningful protein structures. More specifically, I focus on obtaining native-like structures and investigate the method’s strengths and weaknesses. I extend its base application by integrating a contact-based bias potential in order to improve the performance and outcome of REX. The inclusion of native contact pairs, which can be derived from both theoretical or experimental sources, drives the simulation towards desired conformations and accordingly reduces necessary computational costs.
During my work, I performed multiple studies with the goal to maximize the enrichment of native-like structures thus optimizing the end-to-end process of contact-guided REX MD. Each study aims to investigate and improve critical aspects of the applied method:
1) I study the effects of different selections of bias contacts, in particular range dependency and the negative influence of erroneous contacts. Thus I can identify what kind of bias leads to a significant enrichment of native-like conformations when compared to regular REX.
2) I perform a parameter optimization on the applied bias potential. By comparing the outcome of REX simulations using different sigmoid-shaped potentials, I can identify good parameter ranges and infer an ideal bias potential for the general use-case.
3) I introduce a de novo folding method to quickly generate many unique starting structures for REX. I extensively study the performance of this method and compare two different approaches of starting structure selection. The outcome of REX is greatly enhanced when initial structures exhibit already a large variety but minimal distance to the desired native state.
4) I investigate four complex algorithm chains that are capable to extract representative structures from large biomolecular ensembles generated by REX. I study their robustness and reliability, compare them with each other, and numerically rate their performance.
5) Based on my experience with contact-guided REX MD, I developed a Python package to automate and facilitate REX projects. It allows a user to design, execute, analyze, and visualize any REX project in an interactive and user-friendly environment.