Modellgestützte Proteinkristallisation – Molekulardynamische Simulationen

(M.Sc. Daniel Bischoff)

Die Kristallisation von Proteinen wird seit Jahrzehnten zur Strukturaufklärung eingesetzt. Neu hingegen ist die technische Proteinkristallisation zur Reinigung oder Endformulierung im industriellen Maßstab als Alternative zur Chromatographie. Da die moleku­laren Mecha­nis­men der Proteinkristallisation bisher nur unvollständig beschrieben werden können, können Kristal­lisations­bedingungen nur aufwändig empirisch ermittelt werden. Trotz dieses hohen experimentellen Aufwands lassen sich jedoch viele technisch relevante Proteine häufig nicht kristallisieren.

Ein neuartiger Ansatz zur Untersuchung der Kristallisierbarkeit von Proteinen ist die Anwendung von Molekulardynamischen (MD) Simulationen unter Verwendung der Free Energy Perturbation (FEP)-Methode. Mit Hilfe von Röntgendiffraktionsmessungen wird die 3D- Struktur von einer kristallisierbaren Proteinmutante bestimmt, welche dann als Startstruktur für die MD-Simulationen dient. Dabei soll untersucht werden welche in silico Mutationen an den Kristallkontakten zu verbesserter Kristallisation führen und ob die verwendeten Kristallisationsstrategien erfolgreich sind. Da hierbei sehr große Datensätze anfallen, wird auch an einer digitalen Automatisierung der Analyse dieser Datensätze gearbeitet. Da die aufwendigen Simulationen viel Rechenleistung fordern, wird neben einem lokalen GPU-Cluster der Höchstleistungsrechner SuperMUC-NG verwendet.

Die bisher übliche empirische Vorgehensweise zur Identifikation geeigneter Kristallisationsbedingungen von Proteinen soll so durch eine modellgestützte Herangehensweise ergänzt werden. In interdisziplinärer Zusammenarbeit werden dabei Methoden aus der Molekularbiologie und Bioverfahrenstechnik (Promotionsvorhaben von Brigitte Walla) mit Methoden aus der theoretischen Biophysik (dieses Promotionsvorhaben) kombiniert.

Publikationen

  • Walla B, Bischoff D, Corona Viramontes I, Montes Figueredo S, Weuster-Botz D (2023): Recent advances in the monitoring of protein crystallization processes in downstream processing. Crystals 13: 773.
  • Bischoff D, Walla B, Weuster-Botz D (2022): Machine-learning based protein crystal detection for monitoring of crystallization processes enabled with large-scale synthetic data sets of photorealistic images. Analyt Bioanalyt Chem 414: 6379-6391.
  • Walla B, Bischoff D, Janowski R, von den Eichen N, Niessing D, Weuster-Botz D (2021): Transfer of a rational crystal contact engineering strategy between diverse alcohol dehydrogenases. Crystals 11: 975.
  • Hermann J, Bischoff D, Grob P, Janowski R, Hekmat D, Niessing D, Zacharias M, Weuster-Botz D (2021): Controlling protein crystallization by free energy guided design of interactions at crystal contacts. Crystals 11: 588.