The prediction of the quaternary structure of biomolecular macromolecules is of paramount importance for fundamental understanding of cellular processes and drug design. In the era of integrative structural biology, one way of increasing the accuracy of modeling methods used to predict the structure of biomolecular complexes is to include as much experimental or predictive information as possible in the process. This has been at the core of our information-driven docking approach HADDOCK. We present here the updated version 2.2 of the HADDOCK portal, which offers new features such as support for mixed molecule types, additional experimental restraints and improved protocols, all of this in a user-friendly interface. With well over 6000 registered users and 108,000 jobs served, an increasing fraction of which on grid resources, we hope that this timely upgrade will help the community to solve important biological questions and further advance the field. The HADDOCK2.2 Web server is freely accessible to non-profit users at http://haddock.science.uu.nl/services/HADDOCK2.2.

Abstract Accurate macromolecular structure refinement is of paramount importance in structure based drug discovery as it provides a gateway to using ligand binding free energy calculations and ligand docking techniques. When dealing with high-resolution data, a simple restraint model may be preferred when the data is able to guide atom parameters to an unambiguous location. However, at lower resolution, the additional information contained in a complex force field may aid in refinement by avoiding implausible structures permitted by the simpler restraints. With the advent of the resolution revolution in cryo-electron microscopy, low resolution refinement is common, and likewise increases the need for a reliable force field. Here we report on the incorporation of the OPLS3e force field with the VSGB2.1 solvation model in the widely used structure determination package Phenix. The implementation is versatile and can be used in both reciprocal and real space refinement, alleviating the need for manually creating accurate ligand restraint dictionaries in the form of CIF files. Our results show significantly improved structure quality at lower resolution for X-ray refinement with reduced ligand strain, while showing only a slight increase in R free . For real space refinement of cryo-EM based structures, we find comparable quality structures, goodness-of-fit and reduced ligand strain. In addition, we explicitly show how structure quality is related to the map-model cross correlation as a function of data weight, and how it can be an insightful tool for detecting both over- and underfitting, especially when coupled with ligand energies. Further, we have compiled a user-friendly start-to-end script for refining structures with Phenix/OPLS3e, which is available starting with the Schrödinger 2020-3 distribution.

Abstract New X-ray crystallography and cryo-electron microscopy (cryo-EM) approaches yield vast amounts of structural data from dynamic proteins and their complexes. Modeling the full conformational ensemble can provide important biological insights, but identifying and modeling an internally consistent set of alternate conformations remains a formidable challenge. qFit efficiently automates this process by generating a parsimonious multiconformer model. We refactored qFit from a distributed application into software that runs efficiently on a small server, desktop, or laptop. We describe the new qFit 3 software and provide some examples. qFit 3 is open-source under the MIT license, and is available at https://github.com/ExcitedStates/qfit-3.0 .

Producing an accurate atomic model of biomolecule-ligand interactions from maps generated by cryo-electron microscopy often presents challenges inherent to the methodology and the dynamic nature of ligand binding. Here we have developed GemSpot, a pipeline of computational chemistry methods that take into account EM map potentials, quantum mechanics energy calculations, and water molecule site prediction to generate candidate poses and provide a measure of the degree of confidence. The pipeline is validated through several published cryoEM structures of complexes in different resolution ranges and various types of ligands. In all cases, at least one identified pose produced both excellent interactions with the target and agreement with the map. GemSpot will be valuable for the robust identification of ligand poses and drug discovery efforts through cryoEM.

Proteins and ligands sample a conformational ensemble that governs molecular recognition, activity, and dissociation. In structure-based drug design, access to this conformational ensemble is critical to understand the balance between entropy and enthalpy in lead optimization. However, ligand conformational heterogeneity is currently severely underreported in crystal structures in the Protein Data Bank, owing in part to a lack of automated and unbiased procedures to model an ensemble of protein-ligand states into X-ray data. Here, we designed a computational method, qFit-ligand, to automatically resolve conformationally averaged ligand heterogeneity in crystal structures, and applied it to a large set of protein receptor-ligand complexes. We found that up to 29% of a dataset of protein crystal structures bound with drug-like molecules present evidence of unmodeled, averaged, relatively isoenergetic conformations in ligand-receptor interactions. In many retrospective cases, these alternate conformations were adventitiously exploited to guide compound design, resulting in improved potency or selectivity. Combining qFit-ligand with high-throughput screening or multi-temperature crystallography could therefore augment the structure-based drug design toolbox.