Abstract Cryptic pockets expand the scope of drug discovery by enabling targeting of proteins currently considered undruggable because they lack pockets in their ground state structures. However, identifying cryptic pockets is labor-intensive and slow. The ability to accurately and rapidly predict if and where cryptic pockets are likely to form from a protein structure would greatly accelerate the search for druggable pockets. Here, we present PocketMiner, a graph neural network trained to predict where pockets are likely to open in molecular dynamics simulations. Applying PocketMiner to single structures from a newly-curated dataset of 39 experimentally-confirmed cryptic pockets demonstrates that it accurately identifies cryptic pockets (ROC-AUC: 0.87) >1,000-fold faster than existing methods. We apply PocketMiner across the human proteome and show that predicted pockets open in simulations, suggesting that over half of proteins thought to lack pockets based on available structures are likely to contain cryptic pockets, vastly expanding the druggable proteome.

Abstract Inner-ear sensory hair cells convert mechanical stimuli from sound and head movements into electrical signals during mechanotransduction. Identification of all molecular components of the inner-ear mechanotransduction apparatus is ongoing; however, there is strong evidence that TMC1 and TMC2 are pore-forming subunits of the complex. We present molecular dynamics simulations that probe ion conduction of TMC1 models built based on two different structures of related TMEM16 proteins. Unlike most channels, the TMC1 models do not show a central pore. Instead, simulations of these models in a membrane environment at various voltages reveal a peripheral permeation pathway that is exposed to lipids and that shows cation permeation at rates comparable to those measured in hair cells. Furthermore, our analyses suggest that TMC1 gating mechanisms involve protein conformational changes and tension-induced lipid-mediated pore widening. These results provide insights into ion conduction and activation mechanisms of hair-cell mechanotransduction channels essential for hearing and balance.

ABSTRACT Intrinsically disordered regions (IDRs) are critical for a wide variety of cellular functions, many of which involve interactions with partner proteins. Molecular recognition is typically considered through the lens of sequence-specific binding events. However, a growing body of work has shown that IDRs often interact with partners in a manner that does not depend on the precise order of the amino acid order, instead driven by complementary chemical interactions leading to disordered bound-state complexes. Despite this emerging paradigm, we lack tools to describe, quantify, predict, and interpret these types of structurally heterogeneous interactions from the underlying amino acid sequences. Here, we repurpose the chemical physics developed originally for molecular simulations to develop an approach for predicting intermolecular interactions between IDRs and partner proteins. Our approach enables the direct prediction of phase diagrams, the identification of chemically-specific interaction hotspots on IDRs, and a route to develop and test mechanistic hypotheses regarding IDR function in the context of molecular recognition. We use our approach to examine a range of systems and questions to highlight its versatility and applicability.

In genetic cardiomyopathies, a frequently described phenomenon is how similar mutations in one protein can lead to discrete clinical phenotypes. One example is illustrated by two mutations in beta myosin heavy chain (β-MHC) that are linked to hypertrophic cardiomyopathy (HCM) (Ile467Val, I467V) and left ventricular non-compaction (LVNC) (Ile467Thr, I467T). To investigate how these missense mutations lead to independent diseases, we studied the molecular effects of each mutation using recombinant human β-MHC Subfragment 1 (S1) in in vitro assays. Both HCM-I467V and LVNC-I467T S1 mutations exhibited similar mechanochemical function, including unchanged ATPase and enhanced actin velocity but had opposing effects on the super-relaxed (SRX) state of myosin. HCM-I467V S1 showed a small reduction in the SRX state, shifting myosin to a more actin-available state that may lead to the "gain-of-function" phenotype commonly described in HCM. In contrast, LVNC-I467T significantly increased the population of myosin in the ultra-slow SRX state. Interestingly, molecular dynamics simulations reveal that I467T allosterically disrupts interactions between ADP and the nucleotide-binding pocket, which may result in an increased ADP release rate. This predicted change in ADP release rate may define the enhanced actin velocity measured in LVNC-I467T, but also describe the uncoupled mechanochemical function for this mutation where the enhanced ADP release rate may be sufficient to offset the increased SRX population of myosin. These contrasting molecular effects may lead to contractile dysregulation that initiates LVNC-associated signaling pathways that progress the phenotype. Together, analysis of these mutations provides evidence that phenotypic complexity originates at the molecular level and is critical to understanding disease progression and developing therapies.

Abstract The design of compounds that can discriminate between closely related target proteins remains a central challenge in drug discovery. Specific therapeutics targeting the highly conserved myosin motor family are urgently needed as mutations in at least 6 of its members cause numerous diseases. Allosteric modulators, like the myosin-II inhibitor blebbistatin, are a promising means to achieve specificity. However, it remains unclear why blebbistatin inhibits myosin-II motors with different potencies given that it binds at a highly conserved pocket that is always closed in blebbistatin-free experimental structures. We hypothesized that the probability of pocket opening is an important determinant of the potency of compounds like blebbistatin. To test this hypothesis, we used Markov state models (MSMs) built from over 2 milliseconds of aggregate molecular dynamics simulations with explicit solvent. We find that blebbistatin’s binding pocket readily opens in simulations of blebbistatin-sensitive myosin isoforms. Comparing these conformational ensembles reveals that the probability of pocket opening correctly identifies which isoforms are most sensitive to blebbistatin inhibition and that docking against MSMs quantitatively predicts blebbistatin binding affinities (R 2 =0.82). To test our ability to make blind predictions, we predicted blebbistatin’s binding affinity for an isoform (Myh7b) whose blebbistatin sensitivity was unknown. Encouragingly, we find good agreement between the predicted and measured IC50 (0.67 µM vs. 0.36 µM). Therefore, we expect this framework to be useful for the development of novel specific drugs across numerous protein targets. Significance Drug development requires the discovery of compounds which specifically target one member of a protein family without triggering side effects that arise from interactions with other related proteins. Myosins are a family of motor proteins that are drug targets for heart diseases, cancer, and parasitic infections. Here, we investigate why the compound blebbistatin specifically inhibits some myosins more potently than others, even though its binding site is closed in all known experimental structures. We find that the blebbistatin binding pocket opens in molecular dynamics simulations of certain myosin motors, and that the probability of opening predicts how potently blebbistatin inhibits a particular motor. Our work suggests that differences in cryptic pocket formation can be exploited to develop specific therapeutics.

Cellular desiccation - the loss of nearly all water from the cell - is a recurring stress in an increasing number of ecosystems that can drive proteome-wide protein unfolding and aggregation. For cells to survive this stress, at least some of the proteome must disaggregate and resume function upon rehydration. The molecular determinants that underlie the ability of proteins to do this remain largely unknown. Here, we apply quantitative and structural proteomic mass spectrometry to desiccated and rehydrated yeast extracts to show that some proteins possess an innate capacity to survive extreme water loss. Structural analysis correlates the ability of proteins to resist desiccation with their surface chemistry. Remarkably, highly resistant proteins are responsible for the production of the cell's building blocks - amino acids, metabolites, and sugars. Conversely, those proteins that are most desiccation-sensitive are involved in ribosome biogenesis and other energy consuming processes. As a result, the rehydrated proteome is preferentially enriched with metabolite and small molecule producers and depleted of some of the cell's heaviest consumers. We propose this functional bias enables cells to kickstart their metabolism and promote cell survival following desiccation and rehydration.

Calcium and integrin-binding protein 2 (CIB2) and CIB3 bind to transmembrane channel-like 1 (TMC1) and TMC2, the pore-forming subunits of the inner-ear mechanoelectrical transduction (MET) apparatus. Whether these interactions are functionally relevant across mechanosensory organs and vertebrate species is unclear. Here we show that both CIB2 and CIB3 can form heteromeric complexes with TMC1 and TMC2 and are integral for MET function in mouse cochlea and vestibular end organs as well as in zebrafish inner ear and lateral line. Our AlphaFold 2 models suggest that vertebrate CIB proteins can simultaneously interact with at least two cytoplasmic domains of TMC1 and TMC2 as validated using nuclear magnetic resonance spectroscopy of TMC1 fragments interacting with CIB2 and CIB3. Molecular dynamics simulations of TMC1/2 complexes with CIB2/3 predict that TMCs are structurally stabilized by CIB proteins to form cation channels. Overall, our work demonstrates that intact CIB2/3 and TMC1/2 complexes are integral to hair-cell MET function in vertebrate mechanosensory epithelia.

ABSTRACT Intrinsically disordered regions (IDRs) are ubiquitous across all domains of life and play a range of functional roles. While folded domains are generally well-described by a single 3D structure, IDRs exist in a collection of interconverting states known as an ensemble. This structural heterogeneity means IDRs are largely absent from the PDB, contributing to a lack of computational approaches to predict ensemble conformational properties from sequence. Here we combine rational sequence design, large-scale molecular simulations, and deep learning to develop ALBATROSS, a deep learning model for predicting IDR ensemble dimensions from sequence. ALBATROSS enables the instantaneous prediction of ensemble average properties at proteome-wide scale. ALBATROSS is lightweight, easy-to-use, and accessible as both a locally installable software package and a point-and-click style interface in the cloud. We first demonstrate the applicability of our predictors by examining the generalizability of sequence-ensemble relationships in IDRs. Then, we leverage the high-throughput nature of ALBATROSS to characterize emergent biophysical behavior of IDRs within and between proteomes. Update from previous version This preprint reports an updated version of the ALBATROSS network weights trained on simulations of over 42,000 sequences. In addition, we provide new colab notebooks that enable proteome-wide IDR prediction and annotation in minutes. All conclusions and observations made in versions 1 and 2 of this manuscript remain true and robust.

Abstract Circadian rhythms are ubiquitous across the kingdoms of life and serve important roles in regulating physiology and behavior at many levels. These rhythms occur in ∼24-hour cycles and are driven by a core molecular oscillator. Circadian timekeeping enables organisms to anticipate daily changes by timing their growth and internal processes. Neurospora crassa is a model organism with a long history in circadian biology, having conserved eukaryotic clock properties and observable circadian phenotypes. A core approach for measuring circadian function in Neurospora is to follow daily oscillations in the direction of growth and spore formation along a thin glass tube (race tube). While leveraging robust phenotypic readouts is useful, interpreting the outputs of large-scale race tube experiments by hand can be time-consuming and prone to human error. To provide the field with an efficient tool for analyzing race tubes, we present Rhythmidia, a graphical user interface (GUI) tool written in Python for calculating circadian periods and growth rates of Neurospora. Rhythmidia is open source, has been benchmarked against the current state-of-the-art, and is easily accessible on GitHub.

Sequence-specific activation by transcription factors is essential for gene regulation