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.

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.

Despite the success of AlphaFold2 approaches in predicting single protein structures, these methods showed intrinsic limitations in predicting multiple functional conformations of allosteric proteins and have been challenged to accurately capture of the effects of single point mutations that induced significant structural changes. We systematically examined several implementations of AlphaFold2 methods to predict conformational ensembles for state-switching mutants of the ABL kinase. The results revealed that a combination of randomized alanine sequence masking with shallow multiple sequence alignment subsampling can significantly expand the conformational diversity of the predicted structural ensembles and capture shifts in populations of the active and inactive ABL states. Consistent with the NMR experiments, the predicted conformational ensembles for M309L/L320I and M309L/H415P ABL mutants that perturb the regulatory spine networks featured the increased population of the fully closed inactive state. On the other hand, the predicted conformational ensembles for the G269E/M309L/T334I and M309L/L320I/T334I triple ABL mutants that share activating T334I gate-keeper substitution are dominated by the active ABL form. The proposed adaptation of AlphaFold can reproduce the experimentally observed mutation-induced redistributions in the relative populations of the active and inactive ABL states and capture the effects of regulatory mutations on allosteric structural rearrangements of the kinase domain. The ensemble-based network analysis complemented AlphaFold predictions by revealing allosteric mediating centers that often directly correspond to state-switching mutational sites or reside in their immediate local structural proximity, which may explain the global effect of regulatory mutations on structural changes between the ABL states. This study suggested that attention-based learning of long-range dependencies between sequence positions in homologous folds and deciphering patterns of allosteric interactions may further augment the predictive abilities of AlphaFold methods for modeling of alternative protein sates, conformational ensembles and mutation-induced structural transformations.

The new generation of SARS-CoV-2 Omicron variants displayed a significant growth advantage and the increased viral fitness by acquiring convergent mutations, suggesting that the immune pressure can promote convergent evolution leading to the sudden acceleration of SARS-CoV-2 evolution. In the current study, we combined structural modeling, extensive microsecond MD simulations and Markov state models to characterize conformational landscapes and identify specific dynamic signatures of the SARS-CoV-2 spike complexes with the host receptor ACE2 for the recently emerged highly transmissible XBB.1, XBB.1.5, BQ.1, and BQ.1.1 Omicron variants. Microsecond simulations and Markovian modeling provided a detailed characterization of the conformational landscapes and revealed the increased thermodynamic stabilization of the XBB.1.5 subvariant which is contrasted to more dynamic BQ.1 and BQ.1.1 subvariants. Despite considerable structural similarities, Omicron mutations can induce unique dynamic signatures and specific distributions of conformational states. The results suggested that variant-specific changes of conformational mobility in the functional interfacial loops of the spike receptor binding domain can be fine-tuned through cross-talk between convergent mutations thereby providing an evolutionary path for modulation of immune escape. By combining atomistic simulations and Markovian modeling analysis with perturbation-based approaches, we determined important complementary roles of convergent mutation sites as effectors and receivers of allosteric signaling involved in modulating conformational plasticity at the binding interface and regulating allosteric responses. This study also characterized the dynamics-induced evolution of allosteric pockets in the Omicron complexes that revealed hidden allosteric pockets and suggested that convergent mutation sites could control evolution and distribution of allosteric pockets through modulation of conformational plasticity in the flexible adaptable regions. Through integrative computational approaches, this investigation provides a systematic analysis and comparison of the effects of Omicron subvariants on conformational dynamics and allosteric signaling in the complexes with the ACE2 receptor.

Abstract Structural and biochemical studies of the SARS-CoV-2 spike complexes with highly potent antibodies have revealed multiple conformation-dependent epitopes and a broad range of recognition modes linked to different neutralization responses In this study, we combined atomistic simulations with mutational and perturbation-based scanning approaches to perform in silico profiling of binding and allosteric propensities of the SARS-CoV-2 spike protein residues in complexes with B38, P2B-2F6, EY6A and S304 antibodies representing three different classes. Conformational dynamics analysis revealed that binding-induced modulation of soft modes can elicit the unique protein response to different classes of antibodies. Mutational scanning heatmaps and sensitivity analysis revealed the binding energy hotspots for different classes of antibodies that are consistent with the experimental deep mutagenesis, showing that differences in the binding affinity caused by global circulating variants in spike positions K417, E484 and N501 are relatively moderate and may not fully account for the observed antibody resistance effects. Through functional dynamics analysis and perturbation-response scanning of the SARS-CoV-2 spike protein residues in the unbound form and antibody-bound forms, we examine how antibody binding can modulate allosteric propensities of spike protein residues and determine allosteric hotspots that control signal transmission and global conformational changes. These results show that residues K417, E484, and N501 targeted by circulating mutations correspond to a group of versatile allosteric centers in which small perturbations can modulate collective motions, alter the global allosteric response and elicit binding resistance. We suggest that SARS-CoV-2 S protein may exploit plasticity of specific allosteric hotspots to generate escape mutants that alter response to antibody binding without compromising activity of the spike protein.

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. 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 atomistic simulations, deep mutational scanning and sensitivity mapping together with the network-based community analysis to examine structures of the native and mutant SARS-CoV-2 spike proteins in different functional states. Conformational dynamics and analysis of collective motions in the SARS-CoV-2 spike proteins demonstrated that the D614 position anchors a key regulatory cluster that dictates functional transitions between open and closed states. Using mutational scanning and sensitivity analysis of the spike residues, we identified the evolution of stability hotspots in the SARS-CoV-2 spike structures of the mutant trimers. The results offer support to the reduced shedding mechanism of as a driver of the increased infectivity triggered by the D614G mutation. By employing the landscape-based 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 in the open form by enhancing the stability of the inter-domain interactions. This study provides atomistic view of the interactions and stability hotspots in the SARS-CoV-2 spike proteins, offering a useful insight into the molecular mechanisms of the D614G mutation that can exert its functional effects through allosterically induced changes on stability of the residue interaction networks.

Abstract A significant body of experimental structures of the SARS-CoV-2 spike trimers for the BA.1 and BA.2 variants revealed a considerable plasticity of the spike protein and emergence of druggable cryptic pockets. Understanding of the interplay of conformational dynamics changes induced by Omicron variants and identification of cryptic dynamic binding pockets in the S protein are of paramount importance as exploring broad-spectrum antiviral agents to combat the emerging variants is imperative. In the current study we explore conformational landscapes and characterize the universe of cryptic binding pockets in multiple open and closed functional spike states of the Omicron BA.1 and BA.2 variants. By using a combination of atomistic simulations, dynamics network analysis, and allostery-guided network screening of cryptic pockets in the conformational ensembles of BA.1 and BA.2 spike conformations, we identified all experimentally known allosteric sites and discovered significant variant-specific differences in the distribution of cryptic binding sites in the BA.1 and BA.2 trimers. This study provided in-depth structural analysis of the predicted allosteric site in the context of all available experimental information, revealing a critical role and effect of conformational plasticity on the distribution and function of allosteric binding sites. The results detailed how mutational and conformational changes in the BA.1 and BA.2 pike trimers can modulate the functional role of druggable allosteric pockets across different functional regions of the spike protein. The results of this study are particularly significant for understanding the universe of cryptic bindings sites and variant-specific preferences for druggable pockets. Exploring predicted druggable sites can present a new and previously underappreciated opportunity for therapeutic intervention of Omicron variants through conformation-selective and variant-specific targeting of functional sites involved in allosteric changes.