作为分析蛋白质变构效应的工具的定向信息流

通过调节性配体的结合来调控蛋白质功能的能力，使得开发能够引导生物系统偏离疾病相关功能失调状态的治疗方法成为可能。理解变构配体改变蛋白质功能的动态机制，仍然是一个重要的开放性问题。动力学网络模型使我们能够量化蛋白质功能位点之间的信息流。然而，现有网络模型在利用分子动力学（MD）模拟中提取的相关残基运动来计算信息时，采用的是时间对称度量，因此未能充分捕捉位点之间信息流的方向性。 在此，我们开发了一个 Python 库 TEntroPy 及相应的分析流程，利用转移熵从平衡态 MD 轨迹中构建有向蛋白质网络。将该流程应用于具有已知变构配体的蛋白质后，我们鉴定出在变构结合位点和正构（主）结合位点中充当信息广播者和接收者的残基。随后，我们计算了结合位点之间方向性信息流的最优路径。通过对未结合（apo）状态的模拟所识别出的残基耦合中存在的时间不对称性，表明方向性信息流被编码在蛋白质的内在动力学之中。为检验这一点，我们对关键结合位点残基施加扰动，并证明了我们的 TE 加权网络能够捕捉结合位点之间通信路径上由扰动诱导的动力学变化。识别具有高度时间不对称性的残基对，为理解变构通信的动态机制提供了另一种工具。

通过调节性配体的结合来调控蛋白质功能的能力，使得开发能够引导生物系统远离疾病所依赖的功能失调状态的治疗手段成为可能。理解变构配体改变蛋白质功能的动态机制，仍然是一个重要的未决问题。动力学网络模型使我们能够量化蛋白质功能位点之间的信息流。然而，现有网络模型在利用从分子动力学（MD）模拟中提取的相关残基运动来计算信息时，采用的是时间对称度量，因此未能充分捕捉位点之间具有方向性的信息流。在此，我们开发了一个 Python 库 TEntroPy 及相应的分析流程，利用转移熵从平衡态 MD 轨迹中构建具有方向性的蛋白质网络。将该流程应用于具有已知变构配体的蛋白质后，我们鉴定出在变构结合位点和正构（主要）结合位点中充当信息广播者和接收者的残基。随后，我们计算了结合位点之间定向信息流的最优路径。从未结合（apo）状态模拟中识别出的残基耦合所呈现的时间不对称性表明，定向信息流编码于蛋白质的内在动态之中。为检验这一点，我们扰动了关键结合位点残基，并证明我们的 TE 加权网络能够捕捉结合位点之间通信路径上由扰动引发的动态变化。识别具有高时间不对称性的残基对，为理解变构通信的动态机制提供了额外工具。

作者声明不存在竞争性利益。

感谢您有意帮助传播 bioRxiv 的相关信息。

注意：要求提供您的电子邮箱地址，仅用于将您识别为本文的发送者。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.22.733418v1?rss=1

🏷️ 蛋白质变构 转移熵 分子动力学模拟 有向信息流 动力学网络