Computational modeling of steroid hormones and their interaction with proteins

Abstract

Hormônios esteroides desempenham papéis fundamentais no desenvolvimento, metabolismo, e reprodução de animais. Eles exercem seus efeitos principalmente ao se ligarem a receptores nas células-alvo, integrando vias de ação genômicas e não genômicas. Hormônios esteroides podem provocar respostas em organismos não-alvo quando não removidos adequadamente de fontes de água por meio de seus processos de tratamento. Essa contaminação ambiental representa riscos para espécies em diferentes ambientes, levando a problemas como alterações transcricionais e distúrbios endócrinos. Para melhor compreender a extensão destes riscos, abordagens computacionais que permitem modelar a interação entre hormônios esteróides e proteínas-alvo constituem ferramentas poderosas para estudos. Nesse contexto, o principal objetivo desta tese foi modelar computacionalmente a interação entre hormônios esteróides e proteínas associadas em resoluções atomísticas (AA) e coarse-grained (CG), a fim de compreender as propriedades que governam sua interação. No Capítulo 1, usamos diferentes ferramentas computacionais para obter estruturas proteicas teóricas da superfamília de receptores nucleares (RNs) da ostra do Pacífico e testar suas propensões de ligação com o hormônio estradiol. Alcançamos uma taxa de sucesso de mais de 70% na predição de estruturas proteicas, além de identificar por meio de molecular docking posições de ligação para o estradiol em 22 modelos de RNs da ostra. Avaliamos através de simulações de dinâmica molecular AA a estabilidade dos complexos receptor-estradiol obtidos no molecular docking e calculamos a entalpia de ligação dos complexos simulados. Através desta abordagem, identificamos os RNs da ostra do Pacífico mais favoráveis à interação com o estradiol como pertencentes aos grupos NR1D, NR1H, NR1P, NR2E, NHR42 e NR0B de RNs. No Capítulo 2, nosso objetivo foi parametrizar 20 hormônios esteroides para o campo de força CG Martini 3. Mapeamos estruturas AA experimentais do Protein Data Bank para Martini 3 beads, garantindo, por meio de diferentes validações, que as propriedades físico-químicas essenciais das moléculas fossem modeladas adequadamente. Os modelos finais em Martini 3 apresentaram valores de área de superfície acessível ao solvente dentro de 5% de diferença em relação aos seus equivalentes atomísticos e reproduziram a tendência geral de hidrofobicidade dos dados de referência, embora as hidrofobicidades mais elevadas foram superestimadas. Em simulações livres de sistemas proteína-hormônio, as configurações de ligação conhecidas experimentalmente puderam ser reproduzidas em 89% dos casos. A disponibilidade destes modelos de hormônios esteróides para Martini 3 totalmente validados contribuirá para novos estudos em diferentes áreas científicas. Por fim, no Capítulo 3, desenvolvemos um estudo comparativo da interação entre as enzimas CYP17 de humanos, peixes e ostras com a progesterona. Utilizamos simulações CG em Martini 3 e múltiplas análises para avaliar as interações proteína-ligante e a dinâmica das proteínas. Registramos o acesso e a ligação da progesterona ao sítio ativo da enzima CYP17 de todas as espécies, embora os mecanismos envolvidos na dinâmica proteína-ligante entre enzimas de vertebrados e invertebrados apresentassem diferenças fundamentais. Enquanto o CYP17 dos vertebrados apresentou propriedades dinâmicas das proteínas compatíveis com uma especificidade marcante pela progesterona, a enzima CYP17-like da ostra interagiu com a progesterona sem alterações estruturais significativas induzidas pelo ligante, sugerindo uma possível redução da seletividade para a progesterona. Por fim, abordamos neste Capítulo adaptações para modelar enzimas CYP que representaram um desafio no Capítulo 2, contribuindo para nossa compreensão das propriedades enzima-substrato em um estudo computacional multiespécies. Em conclusão, os resultados coletivos da pesquisa desenvolvida nesta tese contribuíram para ampliar o conhecimento científico em diferentes áreas de interesse relacionadas à interação de hormônios esteróides e forneceram novos modelos para seu estudo em simulações computacionais.

Abstract: Steroid hormones are key molecules to the development, metabolism, and reproduction of animals. They exert their effects mainly by binding to receptors in target cells, integrating both genomic and non-genomic pathways of action. These steroid molecules can elicit responses in non-target organisms when not properly removed from water sources through water treatment processes. Such environmental contamination poses risks to species in different habitats, leading to issues like abnormal gene transcription and endocrine disruption. To better understand the extent of these risks, computational approaches enabling the modeling of the interaction between steroid hormones and protein targets are a powerful tool. In this context, the main objective of this thesis was to computationally model the interaction between steroid hormones with associated proteins at atomistic (AA) and coarse-grained (CG) resolutions, to gain insight into the properties that govern their interaction. In Chapter 1, we used multiple computational tools to obtain theoretical protein structures of the Pacific oyster superfamily of nuclear receptors (NR) and test their binding propensities with the estradiol hormone. We achieved a 70% success rate in protein structure prediction while identifying through molecular docking binding positions for estradiol in 22 oyster protein models. Through atomistic MD simulations, we assessed the stability of receptor-estradiol complexes from molecular docking, and assessed binding enthalpy of the simulated complexes. According to this approach, we identified that the most favorable Pacific oyster NRs to interact with estradiol belong to the NR1D, NR1H, NR1P, NR2E, NHR42, and NR0B groups of NRs. In Chapter 2, we aimed to parameterize 20 steroid hormones to the Martini 3 CG force field. We mapped experimental atomistic structures from the Protein Data Bank into Martini 3 beads, ensuring through validation strategies that essential physicochemical properties of the molecules were properly modeled. The final Martini 3 models exhibited solvent accessible surface area values within 5% of their atomistic equivalents, and recovered the overall hydrophobicity trend of the hormones, although higher hydrophobicities tended to be overestimated. In free simulations of protein-hormone systems the experimentally known binding poses could be recovered for 89% of the cases. The availability of these fully validated Martini 3 CG models for steroid hormones will contribute to new studies across different scientific fields. Finally, in Chapter 3 we developed a comparative study of the interaction between human, fish, and oyster CYP17 enzymes with progesterone. We employed Martini 3 CG simulations and multiple analysis to assess protein-ligand interactions and protein dynamics. We registered progesterone active site access and binding in the CYP17 enzyme of all species, although the mechanisms involved in protein-ligand dynamics between vertebrate and invertebrate enzymes presented key differences. While vertebrate CYP17 displayed protein dynamics properties compatible with marked specificity for progesterone, the oyster CYP17-like enzyme interacted with progesterone without significant ligand-induced structural changes, which suggests a potentially reduced selectivity for progesterone. Ultimately, we addressed in this work adaptations to model CYP enzymes that were challenging in Chapter 2, contributing to our understanding of enzyme-substrate properties in a multi-species computational study. In conclusion, the collective results of the research developed in this thesis contributed to expanding scientific knowledge in different fields interested in steroid hormone interaction and provided new models for their study in computational simulations.