Molecular dynamics (MD) simulation is a valuable tool for characterizing the structural dynamics of folded proteins and should be similarly applicable to disordered proteins and proteins with both folded and disordered regions. It has been unclear, however, whether any physical model (force field) used in MD simulations accurately describes both folded and disordered proteins. Here, we select a benchmark set of 21 systems, including folded and disordered proteins, simulate these systems with six state-of-the-art force fields, and compare the results to over 9,000 available experimental data points. We find that none of the tested force fields simultaneously provided accurate descriptions of folded proteins, of the dimensions of disordered proteins, and of the secondary structure propensities of disordered proteins. Guided by simulation results on a subset of our benchmark, however, we modified parameters of one force field, achieving excellent agreement with experiment for disordered proteins, while maintaining state-of-the-art accuracy for folded proteins. The resulting force field, a99SB-disp, should thus greatly expand the range of biological systems amenable to MD simulation. A similar approach could be taken to improve other force fields.

Many proteins can be partially or completely disordered under physiological conditions. Structural characterization of these disordered states using experimental methods can be challenging, since they are composed of a structurally heterogeneous ensemble of conformations rather than a single dominant conformation. Molecular dynamics (MD) simulations should in principle provide an ideal tool for elucidating the composition and behavior of disordered states at an atomic level of detail. Unfortunately, MD simulations using current physics-based models tend to produce disordered-state ensembles that are structurally too compact relative to experiments. We find that the water models typically used in MD simulations significantly underestimate London dispersion interactions, and speculate that this may be a possible reason for these erroneous results. To test this hypothesis, we create a new water model, TIP4P-D, that approximately corrects for these deficiencies in modeling water dispersion interactions while maintaining compatibility with existing physics-based models. We show that simulations of solvated proteins using this new water model typically result in disordered states that are substantially more expanded and in better agreement with experiment. These results represent a significant step toward extending the range of applicability of MD simulations to include the study of (partially or fully) disordered protein states.

Protein Tipping Point Amyloid fibrils are insoluble protein aggregates that play a role in various degenerative diseases. Recent experiments have provided insight into fibrillar structures; however, the mechanisms of aggregation remain unclear. Neudecker et al. (p. 362 ; see the Perspective by Eliezer ) report the structure of a transient folding intermediate in a protein SH3 domain known to undergo aggregation. The intermediate is stabilized by non-native interactions and exposes an aggregation-prone β strand. Thus, for this protein, folding from the intermediate state will compete with aggregation.

Abstract Intrinsically disordered proteins (IDPs) are implicated in many human diseases. They have generally not been amenable to conventional structure-based drug design, however, because their intrinsic conformational variability has precluded an atomic-level understanding of their binding to small molecules. Here we present long-timescale, atomic-level molecular dynamics (MD) simulations of monomeric α-synuclein (an IDP whose aggregation is associated with Parkinson’s disease) binding the small-molecule drug fasudil in which the observed protein-ligand interactions were found to be in good agreement with previously reported NMR chemical shift data. In our simulations, fasudil, when bound, favored certain charge-charge and π-stacking interactions near the C terminus of α-synuclein, but tended not to form these interactions simultaneously, rather breaking one of these interactions and forming another nearby (a mechanism we term dynamic shuttling ). Further simulations with small molecules chosen to modify these interactions yielded binding affinities and key structural features of binding consistent with subsequent NMR experiments, suggesting the potential for MD-based strategies to facilitate the rational design of small molecules that bind with disordered proteins.

Abstract Intrinsically disordered proteins (IDPs) populate a range of conformations that are best described by a heterogeneous ensemble. Grouping an IDP ensemble into “structurally similar” clusters for visualization, interpretation, and analysis purposes is a much-desired but formidable task as the conformational space of IDPs is inherently high-dimensional and reduction techniques often result in ambiguous classifications. Here, we employ the t-distributed stochastic neighbor embedding (t-SNE) technique to generate homogeneous clusters of IDP conformations from the full heterogeneous ensemble. We illustrate the utility of t-SNE by clustering conformations of two disordered proteins, A β 42, and a C-terminal fragment of α -synuclein, in their APO states and when bound to small molecule ligands. Our results shed light on ordered sub-states within disordered ensembles and provide structural and mechanistic insights into binding modes that confer specificity and affinity in IDP ligand binding. t-SNE projections preserve the local neighborhood information and provide interpretable visualizations of the conformational heterogeneity within each ensemble and enable the quantification of cluster populations and their relative shifts upon ligand binding. Our approach provides a new framework for detailed investigations of the thermodynamics and kinetics of IDP ligand binding and will aid rational drug design for IDPs. Significance Grouping heterogeneous conformations of IDPs into “structurally similar” clusters facilitates a clearer understanding of the properties of IDP conformational ensembles and provides insights into ”structural ensemble: function” relationships. In this work, we provide a unique approach for clustering IDP ensembles efficiently using a non-linear dimensionality reduction method, t-distributed stochastic neighbor embedding (t-SNE), to create clusters with structurally similar IDP conformations. We show how this can be used for meaningful biophysical analyses such as understanding the binding mechanisms of IDPs such as α -synuclein and Amyloid β 42 with small drug molecules. Graphical Abstract

Abstract Castration-resistant prostate cancer (CRPC) is a lethal condition suffered by ∼35% of prostate cancer patients who become resistant to existing FDA-approved drugs. Small molecules that target the intrinsically disordered N-terminal domain of the androgen receptor (AR-NTD) have shown promise in circumventing CPRC drug-resistance. A prodrug of one such compound, EPI-002, entered human trials in 2015 but was discontinued after phase I due to poor potency. The compound EPI-7170 was subsequently found to have improved potency, and a related compound entered human trials in 2020. NMR measurements have localized the strongest effects of these compounds to a transiently helical region of the disordered AR-NTD but no detailed structural or mechanistic rationale exists to explain their affinity to this region or the comparative potency of EPI-7170. Here, we utilize all-atom molecular dynamics simulations to elucidate the binding mechanisms of the small molecules EPI-002 and EPI-7170 to the disordered AR-NTD. We observe that both compounds induce the formation of collapsed helical states in the Tau-5 transactivation domain and that these bound states consist of heterogenous ensembles of interconverting binding modes. We find that EPI-7170 has a higher affinity to Tau-5 than EPI-002 and that the EPI-7170 bound ensemble contains a substantially higher population of collapsed helical states than the bound ensemble of EPI-002. We identify a network of interactions in the EPI-7170 bound ensemble that stabilize collapsed helical conformations. Our results provide atomically detailed binding mechanisms for EPI compounds consistent with NMR experiments that will prove useful for drug discovery for CRPC. Summary Intrinsically disordered proteins (IDPs), which do not fold into a well-defined three-dimensional structure under physiological conditions, are implicated in many human diseases. Such proteins are difficult to characterize at an atomic level and are extremely challenging drug targets. Small molecules that target a disordered domain of the androgen receptor have entered human trials for the treatment of castration-resistant prostate cancer, but no structural or mechanistic rationale exists to explain their inhibition mechanisms or relative potencies. Here, we utilize molecular dynamics computer simulations to elucidate atomically detailed binding mechanisms of these compounds and understand their inhibition mechanisms. Our results suggest strategies for developing more potent androgen receptor inhibitors and general strategies for IDP drug design.

Summary Transcription factors are among the most attractive therapeutic targets but are considered largely undruggable due to the intrinsically disordered nature of their activation domains. Here we show that the aromatic character of the activation domain of the androgen receptor, a therapeutic target for castration resistant prostate cancer, is key for its activity as a transcription factor by allowing it to partition into transcriptional condensates. Based on this knowledge we optimized the structure of a small molecule inhibitor, previously identified by phenotypic screening, that targets a specific transactivation unit within the domain that is partially folded and rich in aromatic residues. The optimized compounds had more affinity for their target, inhibited androgen receptor-dependent transcriptional programs, and had antitumorigenic effect in models of castration-resistant prostate cancer in cells and in vivo . These results establish a generalizable framework to target small molecules to the activation domains of oncogenic transcription factors and other disease-associated proteins with therapeutic intent.

A central challenge in the study of intrinsically disordered proteins is the characterization of the mechanisms by which they bind their physiological interaction partners. Here, we utilize a deep learning based Markov state modeling approach to characterize the folding-upon-binding pathways observed in a long-time scale molecular dynamics simulation of a disordered region of the measles virus nucleoprotein NTAIL reversibly binding the X domain of the measles virus phosphoprotein complex. We find that folding-upon-binding predominantly occurs via two distinct encounter complexes that are differentiated by the binding orientation, helical content, and conformational heterogeneity of NTAIL. We do not, however, find evidence for the existence of canonical conformational selection or induced fit binding pathways. We observe four kinetically separated native-like bound states that interconvert on time scales of eighty to five hundred nanoseconds. These bound states share a core set of native intermolecular contacts and stable NTAIL helices and are differentiated by a sequential formation of native and non-native contacts and additional helical turns. Our analyses provide an atomic resolution structural description of intermediate states in a folding-upon-binding pathway and elucidate the nature of the kinetic barriers between metastable states in a dynamic and heterogenous, or "fuzzy", protein complex.

Intrinsically disordered proteins (IDPs), which in isolation do not adopt a well-defined tertiary structure but instead populate a structurally heterogeneous ensemble of interconverting states, play important roles in many biological pathways. IDPs often fold into ordered states upon binding to their physiological interaction partners (a so-called "folding-upon-binding" process), but it has proven difficult to obtain an atomic-level description of the structural mechanisms by which they do so. Here, we describe in atomic detail the folding-upon-binding mechanism of an IDP segment to its binding partner, as observed in unbiased molecular dynamics simulations. In our simulations, we observed over 70 binding and unbinding events between the α-helical molecular recognition element (α-MoRE) of the intrinsically disordered C-terminal domain of the measles virus nucleoprotein (NTAIL) and the X domain (XD) of the measles virus phosphoprotein complex. We found that folding-upon-binding primarily occurred through induced-folding pathways (in which intermolecular contacts form before or concurrently with the secondary structure of the disordered protein)\---|an observation supported by previous experiment\---|and that the transition state ensemble was characterized by the formation of just a few key intermolecular contacts, and was otherwise highly structurally heterogeneous. We found that when a large amount of helical content was present early in a transition path, NTAIL typically unfolded, then refolded after additional intermolecular contacts formed. We also found that, among conformations with similar numbers of intermolecular contacts, those with less helical content had a higher probability of ultimately forming the native complex than conformations with more helical content, which were more likely to unbind. These observations suggest that even after intermolecular contacts have formed, disordered regions can have a kinetic advantage over folded regions in the folding-upon-binding process.