G蛋白偶聯受體（G protein-coupled receptor, GPCR）是人類最大的一類膜受體超家族，人體內目前已發(fā)現超過800種GPCR，分布于各種細胞組織，參與幾乎所有生命過程。GPCR能夠響應細胞外界的各種刺激，其信號分子與GPCR胞外部分的配體結合口袋結合，引起受體胞內側構象變化，暴露受體與胞內效應蛋白的相互作用位點，放大信號形成級聯反應，從而實現細胞信號轉導。GPCR激活G蛋白是其發(fā)揮功能的主要方式，根據Gα亞基的不同，G蛋白主要分為Gi/o、Gs、Gq和G12/13等四類。值得一提的是近86%的GPCR主要通過調控腺苷環(huán)化酶的Gs/Gi/o發(fā)揮作用。然而受體選擇性識別下游G蛋白的機制極其復雜，一直是GPCR領域內懸而未決的難題。

2024年4月23日，浙江大學/浙江中醫(yī)藥大學陳忠課題組，浙江大學基礎醫(yī)學院張巖/沈慶亞課題組、浙江大學基礎醫(yī)學院胡薇薇課題組、浙江大學計算機學院章敏課題組和山東大學/北京大學孫金鵬課題組合作在《Advanced Science》雜志上發(fā)表了題為“Molecular Determinant Underlying Selective Coupling of Primary G-protein by Class A GPCRs”的研究論文，該研究以高分辨率組胺受體H2R-Gs和H3R-Gi信號轉導復合物結構為啟發(fā)，基于機器學習研究分析GPCR-G蛋白復合物結構組學，揭示了包含組胺受體在內的A類GPCR的TM5/TM6胞內結構特征決定其下游主要G蛋白信號的選擇性，進一步加深了對GPCR下游信號選擇性的理解。

組胺（histamine）是一種重要的神經遞質和神經調質，主要由組胺能神經元合成并釋放。組胺能神經元起源于下丘腦結節(jié)乳頭核（tuberomammillary nucleus，TMN），廣泛地投射至全腦，對多種腦功能發(fā)揮調節(jié)作用，如睡眠覺醒、學習記憶、攝食行為等。組胺存在四種受體，有意思的是其不同受體分別主要偶聯不同的下游G蛋白信號，具有顯著的選擇性。為了研究不同組胺受體選擇性結合不同G蛋白的分子機制，張巖課題組與長期研究組胺受體的陳忠/胡薇薇課題組以及孫金鵬課題組分別解析了高分辨的H2R-Gs和H3R-Gi信號轉導復合物結構。H2R-Gs/H3R-Gi復合物不僅揭示了H1R/H2R配體選擇性的分子機制和H3R與單胺類受體均不一致的、特殊的配體結合口袋，其偶聯下游Gs或Gi蛋白時TM5/TM6展現了截然不同的結構特征，為后續(xù)破譯受體G蛋白選擇性提供了重要線索。

圖1研究示意圖

許多GPCR能同時激活數條下游信號通路，其中主要偶聯的G蛋白信號通路因其卓越的結合效率和快速響應的動力學過程脫穎而出，成為其主要的信號轉導途徑。但由于GPCR與不同的G蛋白偶聯通常采用幾乎相同的構象，且其與G蛋白互作界面上缺乏保守的基序，因此探究GPCR主要偶聯G蛋白選擇性的機制一直存在爭議。受組胺受體結構的啟發(fā)，研究者將已報道高分辨率結構的13種主要偶聯Gs蛋白的GPCR和30種主要偶聯Gi/o蛋白的GPCR的TM5/TM6的結構幾何學特征提煉出來，包括TM5的長度、TM5胞內端向TM6卷曲的角度、TM6的長度和TM6激活后外擴的角度等，發(fā)現TM5的長度、TM5卷曲的角度和激活后TM6外擴的角度與主要偶聯Gs和Gi/o的選擇性相關，而TM6的長度與該選擇性缺乏顯著相關性。

為了對上述結論進行更為系統(tǒng)深入的驗證，張巖課題組引入了課題組內部尚未發(fā)表的結構，并結合GPCRdb中有關GPCR-G蛋白復合物預測結構以豐富GPCR結構組學，進而評估G蛋白選擇性與受體TM5/TM6結構特征的關系。然而，面對多維度及數量龐大的GPCR結構組學，傳統(tǒng)的結構分析及數據統(tǒng)計手段難以滿足研究需求，遭遇了巨大挑戰(zhàn)。為此張巖課題組與浙江大學計算機學院章敏課題組攜手合作，利用集成學習、主成分分析、降維投影等機器學習方法，對受體TM5/TM6的結構幾何學特征進行了提取和統(tǒng)計分析。通過對這些特征的深入剖析，他們成功地對主要偶聯Gs和Gi/o的受體進行了精確分類，并實現了高達91%的預測準確率，充分證明上述三種特征在G蛋白選擇性中的核心作用，為相關領域的研究提供了新的思路和方法。根據機器學習產生的決策森林模型和降維后的決策邊界，研究者發(fā)現主要偶聯Gs蛋白的受體在TM5長度、TM5卷曲角度以及TM6外擴角度相對于主要偶聯Gi/o蛋白的受體具有顯著優(yōu)勢。

浙江大學/浙江中醫(yī)藥大學陳忠教授，浙江大學基礎醫(yī)學院張巖教授，山東大學/北京大學孫金鵬教授，浙江大學基礎醫(yī)學院胡薇薇教授和浙江大學計算機學院章敏研究員為該論文共同通訊作者。浙江大學基礎醫(yī)學院/良渚實驗室副研究員沈慶亞、浙江大學博士生唐新顏、山東大學博士生文鑫、浙江大學博士生程詩卓為本文共同第一作者。程詩卓為浙江大學“醫(yī)學+計算機”學科交叉培養(yǎng)項目博士生，完成了本研究涉及的機器學習相關工作。本研究得到科技部重點研發(fā)計劃、國家自然科學基金、國家杰出青年科學基金以及浙江省“尖兵”“領雁”研發(fā)攻關計劃項等資助。