Molecular dynamics (MD) simulations are widely used to study protein motions at an atomic level of detail, but they have been limited to time scales shorter than those of many biologically critical conformational changes. We examined two fundamental processes in protein dynamics--protein folding and conformational change within the folded state--by means of extremely long all-atom MD simulations conducted on a special-purpose machine. Equilibrium simulations of a WW protein domain captured multiple folding and unfolding events that consistently follow a well-defined folding pathway; separate simulations of the protein's constituent substructures shed light on possible determinants of this pathway. A 1-millisecond simulation of the folded protein BPTI reveals a small number of structurally distinct conformational states whose reversible interconversion is slower than local relaxations within those states by a factor of more than 1000.

How drugs bind to their receptors--from initial association, through drug entry into the binding pocket, to adoption of the final bound conformation, or "pose"--has remained unknown, even for G-protein-coupled receptor modulators, which constitute one-third of all marketed drugs. We captured this pharmaceutically critical process in atomic detail using the first unbiased molecular dynamics simulations in which drug molecules spontaneously associate with G-protein-coupled receptors to achieve final poses matching those determined crystallographically. We found that several beta blockers and a beta agonist all traverse the same well-defined, dominant pathway as they bind to the β(1)- and β(2)-adrenergic receptors, initially making contact with a vestibule on each receptor's extracellular surface. Surprisingly, association with this vestibule, at a distance of 15 Å from the binding pocket, often presents the largest energetic barrier to binding, despite the fact that subsequent entry into the binding pocket requires the receptor to deform and the drug to squeeze through a narrow passage. The early barrier appears to reflect the substantial dehydration that takes place as the drug associates with the vestibule. Our atomic-level description of the binding process suggests opportunities for allosteric modulation and provides a structural foundation for future optimization of drug-receptor binding and unbinding rates.

Molecular dynamics simulations provide a vehicle for capturing the structures, motions, and interactions of biological macromolecules in full atomic detail. The accuracy of such simulations, however, is critically dependent on the force field--the mathematical model used to approximate the atomic-level forces acting on the simulated molecular system. Here we present a systematic and extensive evaluation of eight different protein force fields based on comparisons of experimental data with molecular dynamics simulations that reach a previously inaccessible timescale. First, through extensive comparisons with experimental NMR data, we examined the force fields' abilities to describe the structure and fluctuations of folded proteins. Second, we quantified potential biases towards different secondary structure types by comparing experimental and simulation data for small peptides that preferentially populate either helical or sheet-like structures. Third, we tested the force fields' abilities to fold two small proteins--one α-helical, the other with β-sheet structure. The results suggest that force fields have improved over time, and that the most recent versions, while not perfect, provide an accurate description of many structural and dynamical properties of proteins.

A third of marketed drugs act by binding to a G-protein-coupled receptor (GPCR) and either triggering or preventing receptor activation. Although recent crystal structures have provided snapshots of both active and inactive functional states of GPCRs, these structures do not reveal the mechanism by which GPCRs transition between these states. Here we propose an activation mechanism for the β 2 -adrenergic receptor, a prototypical GPCR, based on atomic-level simulations in which an agonist-bound receptor transitions spontaneously from the active to the inactive crystallographically observed conformation. A loosely coupled allosteric network, comprising three regions that can each switch individually between multiple distinct conformations, links small perturbations at the extracellular drug-binding site to large conformational changes at the intracellular G-protein-binding site. Our simulations also exhibit an intermediate that may represent a receptor conformation to which a G protein binds during activation, and suggest that the first structural changes during receptor activation often take place on the intracellular side of the receptor, far from the drug-binding site. By capturing this fundamental signaling process in atomic detail, our results may provide a foundation for the design of drugs that control receptor signaling more precisely by stabilizing specific receptor conformations.

Anton is a recently completed special-purpose supercomputer designed for molecular dynamics (MD) simulations of biomolecular systems. The machine's specialized hardware dramatically increases the speed of MD calculations, making possible for the first time the simulation of biological molecules at an atomic level of detail for periods on the order of a millisecond---about two orders of magnitude beyond the previous state of the art. Anton is now running simulations on a timescale at which many critically important, but poorly understood phenomena are known to occur, allowing the observation of aspects of protein dynamics that were previously inaccessible to both computational and experimental study. Here, we report Anton's performance when executing actual MD simulations whose accuracy has been validated against both existing MD software and experimental observations. We also discuss the manner in which novel algorithms have been coordinated with Anton's co-designed, application-specific hardware to achieve these results.

The plastic network model (PNM) is used to generate a conformational change pathway for Escherichia coli adenylate kinase based on two crystal structures, namely that of an open and a closed conformer. In this model, the energy basins corresponding to known conformers are connected at their lowest common energies. The results are used to evaluate and analyze the minimal energy pathways between these basins. The open to closed transition analysis provides an identification of hinges that is in agreement with the existing definitions based on the available X-ray structures. The elastic energy distribution and the Cα pseudo-dihedral variation provide similar information on these hinges. The ensemble of the 45 published structures for this protein and closely related proteins is shown to always be within 3.0 Å of the pathway, which corresponds to a conformational change between two end structures that differ by a Cα-atom root-mean-squared deviation of 7.1 Å.

Abstract Fragment-based drug discovery has led to six approved drugs, but the small size of the chemical fragments used in such methods typically results in only weak interactions between the fragment and its target molecule, which makes it challenging to experimentally determine the three-dimensional poses fragments assume in the bound state. One computational approach that could help address this difficulty is long-timescale molecular dynamics (MD) simulation, which has been used in retrospective studies to recover experimentally known binding poses of fragments. Here, we present the results of long-timescale MD simulations that we used to prospectively discover binding poses for two series of fragments in allosteric pockets on a difficult and important pharmaceutical target, protein-tyrosine phosphatase 1b (PTP1b). Our simulations reversibly sampled the fragment association and dissociation process. One of the binding pockets found in the simulations has not to our knowledge been previously observed with a bound fragment, and the other pocket adopted a very rare conformation. We subsequently obtained high-resolution crystal structures of members of each fragment series bound to PTP1b, and the experimentally observed poses confirmed the simulation results. To the best of our knowledge, our findings provide the first demonstration that MD simulations can be used prospectively to determine fragment binding poses to previously unidentified pockets.

Abstract Protein tyrosine phosphatase 1B (PTP1B) is a negative regulator of the insulin and leptin signaling pathways, making it a highly attractive target for the treatment of type II diabetes. For PTP1B to perform its enzymatic function, a loop referred to as the “WPD loop” must transition between open (catalytically incompetent) and closed (catalytically competent) conformations, which have both been resolved by X-ray crystallography. Although prior studies have established this transition as the rate-limiting step for catalysis, the transition mechanism for PTP1B and other PTPs has been unclear. Here we present an atomically detailed model of WPD-loop transitions in PTP1B based on unbiased, long-timescale molecular dynamics simulations and weighted ensemble simulations. We found that a specific WPD-loop region— the PDFG motif—acted as the key conformational switch, with structural changes to the motif being necessary and sufficient for transitions between long-lived open and closed states of the loop. Simulations starting from the closed state repeatedly visited open states of the loop that quickly closed again unless the infrequent conformational switching of the motif stabilized the open state. The functional role of the PDFG motif is supported by the fact that it (or the similar PDHG motif) is conserved across all PTPs. Bioinformatic analysis shows that the PDFG motif is also conserved, and adopts two distinct conformations, in deiminases, and the related DFG motif is known to function as a conformational switch in many kinases, suggesting that PDFG-like motifs may control transitions between structurally distinct, long-lived conformational states in multiple protein families.