An important prerequisite for computational structure-based drug design is prediction of the structures of ligand-protein complexes that have not yet been experimentally determined by X-ray crystallography or NMR. For this task, docking of rigid ligands is inadequate because it assumes knowledge of the conformation of the bound ligand. Docking of flexible ligands would be desirable, but requires one to search an enormous conformational space. We set out to develop a strategy for flexible docking by combining a simple model of ligand-protein interactions for molecular recognition with an evolutionary programming search technique.We have developed an intermolecular energy function that incorporates steric and hydrogen-bonding terms. The parameters in this function were obtained by docking in three different protein systems. The effectiveness of this method was demonstrated by conformationally flexible docking of the inhibitor AG-1343, a potential new drug against AIDS, into HIV-1 protease. For this molecule, which has nine rotatable bonds, the crystal structure was reproduced within 1.5 A root-mean-square deviation 34 times in 100 simulations, each requiring eight minutes on a Silicon Graphics R4400 workstation. The energy function correctly evaluates the crystal structure as the global energy minimum.We believe that a solution of the docking problem may be achieved by matching a simple model of molecular recognition with an efficient search procedure. The necessary ingredients of a molecular recognition model include only steric and hydrogen-bond interaction terms. Although these terms are not necessarily sufficient to predict binding affinity, they describe ligand-protein interactions faithfully enough to enable a docking program to predict the structure of the bound ligand. This docking strategy thus provides an important tool for the interdisciplinary field of rational drug design.

Abstract Structural and biochemical studies SARS-CoV-2 spike mutants with the enhanced infectivity have attracted significant attention and offered several mechanisms to explain the experimental data. The development of a unified view and a working model which is consistent with the diverse experimental data is an important focal point of the current work. In this study, we used an integrative computational approach to examine molecular mechanisms underlying functional effects of the D614G mutation by exploring atomistic modeling of the SARS-CoV-2 spike proteins as allosteric regulatory machines. We combined coarse-grained simulations, protein stability and dynamic fluctuation communication analysis along with network-based community analysis to simulate structures of the native and mutant SARS-CoV-2 spike proteins in different functional states. The results demonstrated that the D614 position anchors a key regulatory cluster that dictates functional transitions between open and closed states. Using molecular simulations and mutational sensitivity analysis of the SARS-CoV-2 spike proteins we showed that the D614G mutation can improve stability of the spike protein in both closed and open forms, but shifting thermodynamic preferences towards the open mutant form. The results offer support to the reduced shedding mechanism of S1 domain as a driver of the increased infectivity triggered by the D614G mutation. Through distance fluctuations communication analysis, we probed stability and allosteric communication propensities of protein residues in the native and mutant SARS-CoV-2 spike proteins, providing evidence that the D614G mutation can enhance long-range signaling of the allosteric spike engine. By employing network community analysis of the SARS-CoV-2 spike proteins, our results revealed that the D614G mutation can promote the increased number of stable communities and allosteric hub centers in the open form by reorganizing and enhancing the stability of the S1-S2 inter-domain interactions and restricting mobility of the S1 regions. This study provides atomistic-based view of the allosteric interactions and communications in the SARS-CoV-2 spike proteins, suggesting that the D614G mutation can exert its primary effect through allosterically induced changes on stability and communications in the residue interaction networks.

The new coronavirus (SARS-CoV-2) is a global threat to world health and its economy. Its main protease (Mpro), which functions as a dimer, cleaves viral precursor proteins in the process of viral maturation. It is a good candidate for drug development owing to its conservation and the absence of a human homolog. An improved understanding of the protein behaviour can accelerate the discovery of effective therapies in order to reduce mortality. 100 ns all-atom molecular dynamics simulations of 50 homology modelled mutant Mpro dimers were performed at pH 7 from filtered sequences obtained from the GISAID database. Protease dynamics were analysed using RMSD, RMSF, Rg, the averaged betweenness centrality and geometry calculations. Domains from each Mpro protomer were found to generally have independent motions, while the dimer-stabilising N-finger region was found to be flexible in most mutants. A mirrored interprotomer pocket was found to be correlated to the catalytic site using compaction dynamics, and can be a potential allosteric target. The high number of titratable amino acids of Mpro may indicate an important role of pH on enzyme dynamics, as previously reported for SARS-CoV. Independent coarse-grained Monte Carlo simulations suggest a link between rigidity/mutability and enzymatic function.

Abstract In this study, we combined AlphaFold-based approaches for atomistic modeling of multiple protein states and microsecond molecular simulations to accurately characterize conformational ensembles and binding mechanisms of convergent evolution for the SARS-CoV-2 Spike Omicron variants BA.1, BA.2, BA.2.75, BA.3, BA.4/BA.5 and BQ.1.1. We employed and validated several different adaptations of the AlphaFold methodology for modeling of conformational ensembles including the introduced randomized full sequence scanning for manipulation of sequence variations to systematically explore conformational dynamics of Omicron Spike protein complexes with the ACE2 receptor. Microsecond atomistic molecular dynamic simulations provide a detailed characterization of the conformational landscapes and thermodynamic stability of the Omicron variant complexes. By integrating the predictions of conformational ensembles from different AlphaFold adaptations and applying statistical confidence metrics we can expand characterization of the conformational ensembles and identify functional protein conformations that determine the equilibrium dynamics for the Omicron Spike complexes with the ACE2. Conformational ensembles of the Omicron RBD-ACE2 complexes obtained using AlphaFold-based approaches for modeling protein states and molecular dynamics simulations are employed for accurate comparative prediction of the binding energetics revealing an excellent agreement with the experimental data. In particular, the results demonstrated that AlphaFold-generated extended conformational ensembles can produce accurate binding energies for the Omicron RBD-ACE2 complexes. The results of this study suggested complementarities and potential synergies between AlphaFold predictions of protein conformational ensembles and molecular dynamics simulations showing that integrating information from both methods can potentially yield a more adequate characterization of the conformational landscapes for the Omicron RBD-ACE2 complexes. This study provides insights in the interplay between conformational dynamics and binding, showing that evolution of Omicron variants through acquisition of convergent mutational sites may leverage conformational adaptability and dynamic couplings between key binding energy hotspots to optimize ACE2 binding affinity and enable immune evasion.

The groundbreaking achievements of AlphaFold2 (AF2) approaches in protein structure modeling marked a transformative era in structural biology. Despite the success of AF2 tools in predicting single protein structures, these methods showed intrinsic limitations in predicting multiple functional conformations of allosteric proteins and fold-switching systems. The recent NMR-based structural determination of the unbound ABL kinase in the active state and two inactive low-populated functional conformations that are unique for ABL kinase presents an ideal challenge for AF2 approaches. In the current study we employ several implementations of AF2 methods to predict protein conformational ensembles and allosteric states of the ABL kinase including (a) multiple sequence alignments (MSA) subsampling approach; (b) SPEACH_AF approach in which alanine scanning is performed on generated MSAs; and (c) introduced in this study randomized full sequence mutational scanning for manipulation of sequence variations combined with the MSA subsampling. We show that the proposed AF2 adaptation combined with local frustration mapping of conformational states enable accurate prediction of the ABL active and intermediate structures and conformational ensembles, also offering a robust approach for interpretable characterization of the AF2 predictions and limitations in detecting hidden allosteric states. We found that the large high frustration residue clusters are uniquely characteristic of the low-populated, fully inactive ABL form and can define energetically frustrated cracking sites of conformational transitions, presenting difficult targets for AF2 methods. This study uncovered previously unappreciated, fundamental connections between distinct patterns of local frustration in functional kinase states and AF2 successes/limitations in detecting low-populated frustrated conformations, providing a better understanding of benefits and limitations of current AF2-based adaptations in modeling of conformational ensembles.

Abstract The evolutionary and functional studies suggested that the emergence of the Omicron variants can be determined by multiple fitness trade-offs including the immune escape, binding affinity, conformational plasticity, protein stability and allosteric modulation. In this study, we embarked on a systematic comparative analysis of the conformational dynamics, electrostatics, protein stability and allostery in the different functional states of spike trimers for BA.1, BA.2, and BA.2.75 variants. Using efficient and accurate coarse-grained simulations and atomistic reconstruction of the ensembles, we examined conformational dynamics of the spike trimers that agrees with the recent functional studies, suggesting that BA.2.75 trimers are the most stable among these variants. A systematic mutational scanning of the inter-protomer interfaces in the spike trimers revealed a group of conserved structural stability hotspots that play a key role in modulation of functional dynamics and are also involved in the inter-protomer couplings through local contacts and interaction networks with the Omicron mutational sites. The results of mutational scanning provided evidence that BA.2.75 trimers are more stable than BA.2 and comparable in stability to BA.1 variant. Using dynamic network modeling of the S Omicron BA.1, BA.2 and BA.2.75 trimers we showed that the key network positions driving long-range signaling are associated with the major stability hotspots that are inter-connected along potential communication pathways, while sites of Omicron mutations may often correspond to weak spots of stability and allostery but are coupled to the major stability hotspots through interaction networks. The presented analysis of the BA.1, BA.2 and BA.2.75 trimers suggested that thermodynamic stability of BA.1 and BA.2.75 variants may be intimately linked with the residue interaction network organization that allows for a broad ensemble of allosteric communications in which signaling between structural stability hotspots may be modulated by the Omicron mutational sites. The findings provided plausible rationale for mechanisms in which Omicron mutations can evolve to balance thermodynamic stability and conformational adaptability in order to ensure proper tradeoff between stability, binding and immune escape.

Despite the success of AlphaFold methods in predicting single protein structures, these methods showed intrinsic limitations in the characterization of multiple functional conformations of allosteric proteins. The recent NMR-based structural determination of the unbound ABL kinase in the active state and discovery of the inactive low-populated functional conformations that are unique for ABL kinase present an ideal challenge for the AlphaFold2 approaches. In the current study, we employ several adaptations of the AlphaFold2 methodology to predict protein conformational ensembles and allosteric states of the ABL kinase including randomized alanine sequence scanning combined with the multiple sequence alignment subsampling proposed in this study. We show that the proposed new AlphaFold2 adaptation combined with local frustration profiling of conformational states enables accurate prediction of the protein kinase structures and conformational ensembles, also offering a robust approach for interpretable characterization of the AlphaFold2 predictions and detection of hidden allosteric states. We found that the large high frustration residue clusters are uniquely characteristic of the low-populated, fully inactive ABL form and can define energetically frustrated cracking sites of conformational transitions, presenting difficult targets for AlphaFold2. The results of this study uncovered previously unappreciated fundamental connections between local frustration profiles of the functional allosteric states and the ability of AlphaFold2 methods to predict protein structural ensembles of the active and inactive states. This study showed that integration of the randomized sequence scanning adaptation of AlphaFold2 with a robust landscape-based analysis allows for interpretable atomistic predictions and characterization of protein conformational ensembles, providing a physical basis for the successes and limitations of current AlphaFold2 methods in detecting functional allosteric states that play a significant role in protein kinase regulation.

Abstract In this study, we combined all-atom MD simulations, the ensemble-based mutational scanning of protein stability and binding, and perturbation-based network profiling of allosteric interactions in the SARS-Cov-2 Spike complexes with a panel of cross-reactive and ultra-potent single antibodies (B1-182.1 and A23-58.1) as well as antibody combinations (A19-61.1/B1-182.1 and A19-46.1/B1-182.1). Using this approach, we quantify local and global effects of mutations in the complexes, identify structural stability centers, characterize binding energy hotspots and predict the allosteric control points of long-range interactions and communications. Conformational dynamics and distance fluctuation analysis revealed the antibody-specific structural stability signatures of the spike complexes that can dictate the pattern of mutational escape. By employing an integrated analysis of conformational dynamics and binding energetics, we found that the potent antibodies that efficiently neutralize Omicron spike variant can form the dominant binding energy hotpots with the conserved stability centers in which mutations may be restricted by the requirements of the folding stability and binding to the host receptor. The results show that protein stability and binding energetics of the SARS-CoV-2 spike complexes with the panel of cross-reactive ultrapotent antibodies are tolerant to the constellation of Omicron mutations. A network-based perturbation approach for mutational profiling of allosteric residues potentials revealed how antibody binding can modulate allosteric interactions and identified allosteric control points that can form vulnerable sites for mutational escape. This study suggested a mechanism in which the pattern of specific escape mutants for ultrapotent antibodies may not be solely determined by the binding interaction changes but are driven by a complex balance and tradeoffs between different local and global factors including the impact of mutations on structural stability, binding strength, long-range interactions and fidelity of allosteric signaling.

Abstract The experimental and computational studies of the SARS-CoV-2 spike protein variants revealed an important role of the D614G mutation that is shared across variants of concern(VOCs), linking the effect of this mutation with the enhanced virus infectivity and transmissibility. The recent structural and biophysical studies characterized the closed and open states of the B.1.1.7 (B.1.1.7) and B.1.351 (Beta) spike variants allowing for a more detailed atomistic characterization of the conformational landscapes and functional changes. In this study, we employed coarse-grained simulations of the SARS-CoV-2 spike variant trimers together with the ensemble-based mutational frustration analysis to characterize the dynamics signatures of the conformational landscapes. By combining the local frustration analysis of the conformational ensembles with collective dynamics and residue-based mutational scanning of protein stability, we determine protein stability hotspots and identify potential energetic drivers favoring the receptor-accessible open spike states for the B.1.1.7 and B.1.351 spike variants. Through mutational scanning of protein stability changes we quantify mutational adaptability of the S-G614, S-B.1.1.7 and S-B.1.351 variants in different functional forms. Using this analysis, we found a significant conformational and mutational plasticity of the open states for all studied variants. The results of this study suggest that modulation of the energetic frustration at the inter-protomer interfaces can serve as a mechanism for allosteric couplings between mutational sites, the inter-protomer hinges of functional motions and motions of the receptor-binding domain required for binding of the host cell receptor. The proposed mechanism of mutation-induced energetic frustration may result in the greater adaptability and the emergence of multiple conformational substates in the open form. This study also suggested functional relationships between mutation-induced modulation of protein dynamics, local frustration and allosteric regulation of the SARS-CoV-2 spike protein.

Abstract In this study, we performed all-atom MD simulations of the RBD-ACE2 complexes for BA.1, BA.1.1, BA.2, an BA.3 Omicron subvariants, conducted a systematic mutational scanning of the RBD-ACE2 binding interfaces and analysis of electrostatic effects. The binding free energy computations of the Omicron RBD-ACE2 complexes and comprehensive examination of the electrostatic interactions quantify the driving forces of binding and provide new insights into energetic mechanisms underlying evolutionary differences between Omicron variants. A systematic mutational scanning of the RBD residues determines the protein stability centers and binding energy hotpots in the Omicron RBD-ACE2 complexes. By employing the ensemble-based global network analysis, we proposed a community-based topological model of the Omicron RBD interactions that characterized functional roles of the Omicron mutational sites in mediating non-additive epistatic effects of mutations. Our findings suggested that non-additive contributions to the binding affinity may be mediated by R493, Y498, and Y501 sites and are greater for the Omicron BA.1.1 and BA.2 complexes that display the strongest ACE2 binding affinity among the Omicron subvariants. A network-centric adaptation model of the reversed allosteric communication is unveiled in this study that established a robust connection between allosteric network hotspots and potential allosteric binding pockets. Using this approach, we demonstrated that mediating centers of long-range interactions could anchor the experimentally validated allosteric binding pockets. Through an array of complementary approaches and proposed models, this comprehensive and multi-faceted computational study revealed and quantified multiple functional roles of the key Omicron mutational site R493, R498 and Y501 acting as binding energy hotspots, drivers of electrostatic interactions as well as mediators of epistatic effects and long-range communications with the allosteric pockets.