Abstract COVID-19 is a highly infectious respiratory disease caused by the novel coronavirus SARS-CoV-2. It has become a global pandemic and its frequent mutations may pose new challenges for vaccine design. During viral infection, the Spike RBD of SARS-CoV-2 binds the human host cell receptor ACE2, enabling the virus to enter the host cell. Both the Spike and ACE2 are densely glycosylated, and it is unclear how distinctive glycan types may modulate the interaction of RBD and ACE2. Detailed understanding of these determinants is key for the development of novel therapeutic strategies. To this end, we perform extensive all-atom simulations of the (i) RBD-ACE2 complex without glycans, (ii) RBD-ACE2 with oligomannose MAN9 glycans in ACE2, and (iii) RBD-ACE2 with complex FA2 glycans in ACE2. These simulations identify the key residues at the RBD-ACE2 interface that form contacts with higher probabilities, thus providing a quantitative evaluation that complements recent structural studies. Notably, we find that this RBD-ACE2 contact signature is not altered by the presence of different glycoforms, suggesting that RBD-ACE2 interaction is robust. Applying our simulated results, we illustrate how the recently prevalent N501Y mutation may alter specific interactions with host ACE2 that facilitate the virus-host binding. Furthermore, our simulations reveal how the glycan on Asn90 of ACE2 can play a distinct role in the binding and unbinding of RBD. Finally, an energetics analysis shows that MAN9 glycans on ACE2 decrease RBD-ACE2 affinity, while FA2 glycans lead to enhanced binding of the complex. Together, our results provide a more comprehensive picture of the detailed interplay between virus and human receptor, which is much needed for the discovery of effective treatments that aim at modulating the physical-chemical properties of this virus.

Abstract Cellulolytic microorganisms, like Trichoderma reesei or Clostridium thermocellum , frequently have non-catalytic carbohydrate-binding modules (CBMs) associated with secreted or cell surface bound multidomain carbohydrate-active enzymes (CAZymes) like cellulases. Mostly type-A family CBMs are known to promote cellulose deconstruction by increasing the substrate-bound concentration of cognate cellulase catalytic domains. However, due to the interfacial nature of cellulose hydrolysis and the structural heterogeneity of cellulose, it has been challenging to fully understand the role of CBMs on cellulase activity using classical protein-ligand binding assays. Here, we report a single-molecule CAZyme assay for an industrially relevant processive cellulase Cel7A (from T. reesei ) to reveal how subtle CBM1 binding differences can drastically impact cellulase motility/velocity and commitment to initial processive motion for deconstruction of two well-studied crystalline cellulose allomorphs (namely cellulose I and III). We take a multifaceted approach to characterize the complex binding interactions of all major type-A family representative CBMs including CBM1, using an optical-tweezers based single-molecule CBM-cellulose bond ‘rupture’ assay to complement several classical bulk ensemble protein-ligand binding characterization methods. While our work provides a basis for the ‘cautious’ use of Langmuir-type adsorption models to characterize classical protein-ligand binding assay data, we highlight the critical limitations of using such overly simplistic models to gain a truly molecular-level understanding of interfacial protein binding interactions at heterogeneous solid-liquid interfaces. Finally, molecular dynamics simulations provided a theoretical basis for the complex binding behavior seen for CBM1 towards two distinct cellulose allomorphs reconciling experimental findings from multiscale analytical methods. Significance Statement Multimodal biomolecular binding interactions involving carbohydrate polymers (e.g., cellulose, starch, chitin, glycosaminoglycans) are fundamental molecular processes relevant to the recognition, biosynthesis, and degradation of all major terrestrial and aquatic biomass. Protein-carbohydrate binding interactions are also critical to industrial biotechnology operations such as enzymatically-catalyzed bioconversion of starch and lignocellulose into biochemicals like ethanol. However, despite the ubiquitous importance of such interfacial processes, we have a poor molecular-level understanding of protein-polysaccharide binding interactions. Here, we provide a comprehensive experimental and theoretical analysis of bulk ensemble versus single-molecule binding interactions of enzyme motors and associated non-catalytic binding domains with cellulosic polysaccharides to highlight the critical limitations of applying classical biochemical assay techniques alone to understanding protein adsorption or biological activity at solid-liquid interfaces.

The dense arrangement of N-glycans masking antigenic surfaces on the HIV-1 envelope (Env) protein acts as a shield from the adaptive immune system. The molecular complexity of glycan modifications and their inherent dynamic heterogeneity on a protein surface make experimental studies of glycoprotein structures a challenge. Here we have integrated a high-throughput atomistic modeling with graph-theory based method to capture the native glycan shield topological network and identify concerted behavior of these glycans. This is the first time that a complete computational model of an HIV-1 Env trimeric SOSIP structure has been generated with a native glycosylation pattern including both oligomannose and complex glycans, thus obtaining results which are immunologically more relevant. Important global and local feature differences due to the native-like glycosylation pattern have been identified, that stem from the charged sialic acid tips, fucose rings at the base, and different branching patterns of the complex glycans. Analyses of network attributes have aided in detailed description of the shield in a biological context. We have also derived a measure to quantify the shielding effect based on the number of glycan heavy atoms encountered over the antigenic protein surface that can define regions of relative vulnerability and resilience on the shield, and can be harnessed for potential immunogen design.

Summary The COVID-19 pandemic underwent a rapid transition with the emergence of a SARS-CoV-2 variant that carried the amino acid substitution D614G in the Spike protein that became globally prevalent. The G-form is both more infectious in vitro and associated with increased viral loads in infected people. To gain insight into the mechanism underlying these distinctive characteristics, we employed multiple replicas of microsecond all-atom simulations to probe the molecular-level impact of this substitution on Spike’s closed and open states. The open state enables Spike interactions with its human cellular receptor, ACE2. Here we show that changes in the inter-protomer energetics due to the D614G substitution favor a higher population of infection-capable (open) states. The inter-protomer interactions between S1 and S2 subunits in the open state of the D-form are asymmetric. This asymmetry is resolved in the G-form due to the release of tensile hydrogen bonds resulting in an increased population of open conformations. Thus, the increased infectivity of the G-form is likely due to a higher rate of profitable binding encounters with the host receptor. It is also predicted to be more neutralization sensitive due to enhanced exposure of the receptor binding domain, a key target region for neutralizing antibodies.

Syk/Zap70 family kinases are essential for signaling via multichain immune-recognition receptors such as the tetrameric (αβγ2) FcϵRI. The simplest model assumes that Syk activation occurs through cis binding of its tandem SH2 domains to dual phosphotyrosines within immunoreceptor tyrosine-based activation motifs of individual γ chains. In this model, Syk activity is modulated by phosphorylation occurring between adjacent Syk molecules docked on γ homodimers and by Lyn molecules bound to FcϵRIβ However, the mechanistic details of Syk docking on γ homodimers are not fully resolved, particularly the possibility of trans binding orientations and the impact of Y130 autophosphorylation within Syk interdomain A. Analytical modeling shows that multivalent interactions lead to increased WT Syk cis-oriented binding by three orders of magnitude. Molecular dynamics (MD) simulations show increased inter-SH2 flexibility in a Y130E phosphomimetic form of Syk, associated with reduced overall helicity of interdomain A. Hybrid MD/worm-like chain polymer models show that the Y130E substitution reduces cis binding of Syk. We report computational models and estimates of relative binding for all possible cis and trans 2:2 Syk:FcϵRIγ complexes. Calcium imaging experiments confirm model predictions that cis binding of WT Syk is strongly preferred for efficient signaling, while trans conformations trigger weak but measurable responses.

Phase separation in mixed lipid systems has been extensively studied both experimentally and theoretically because of its biological importance. A detailed description of such complex systems undoubtedly requires novel mathematical frameworks that are capable to decompose and categorize the evolution of thousands if not millions of lipids involved in the phenomenon. The interpretation and analysis of Molecular Dynamics (MD) simulations representing temporal and spatial changes in such systems is still a challenging task. Here, we present a new unsupervised machine learning approach based on Nonnegative Matrix Factorization, called NMFk, that successfully extracts physically meaningful features from neighborhood profiles derived from coarse-grained MD simulations of ternary lipid mixture. Our results demonstrate that leveraging NMFk can (a) determine the role of different lipid molecules in phase separation, (b) characterize the formation of nano-domains of lipids, (c) determine the timescales of interest and (d) extract physically meaningful features that uniquely describe the phase separation with broad implications.

Many toxins are short, cysteine-rich peptides that are of great interest as novel therapeutic leads and of great concern as lethal biological agents due to their high affinity and specificity for various receptors involved in neuromuscular transmission. To perform initial candidate identification for design of a drug impacting a particular receptor or for threat assessment as a harmful toxin, one requires a set of candidate structures of reasonable accuracy with potential for interaction with the target receptor. In this article, we introduce a graph-based algorithm for identifying good extant template structures from a library of evolutionarily-related cysteine-containing sequences for structural determination of target sequences by homology modeling. We employ this approach to study the conotoxins, a set of toxin peptides produced by the family of aquatic cone snails. Currently, of the approximately six thousand known conotoxin sequences, only about three percent have experimentally characterized three-dimensional structures, leading to a serious bottleneck in identifying potential drug candidates. We demonstrate that the conotoxin template library generated by our approach may be employed to perform homology modeling and greatly increase the number of characterized conotoxin structures. We also show how our approach can guide experimental design by identifying and ranking sequences for structural characterization in a similar manner. Overall, we present and validate an approach for venom structure modeling and employ it to expand the library of extant conotoxin structures by almost 300% through homology modeling employing the template library determined in our approach.