От оргазма до бессмертия. Записки драг-дизайнера

Поставили на карту

К началу шестидесятых годов прошлого столетия ученые, изучающие молекулы, замороженные до кристаллического состояния, добились выдающегося успеха. Английские кристаллографы и биофизики Макс Перутц и Джон Кендрью установили пространственное строение миоглобина и гемоглобина — важнейших белков, обеспечивающих хранение и транспортировку кислорода в крови. Они использовали рентгеноструктурный анализ — процесс, включающий выращивание кристаллов белков, облучение их потоком рентгеновских лучей и тщательное изучение картины отражения этих лучей от атомов белковых молекул. Оба белка представляли собой совокупности так называемых альфа-спиралей, регулярных структур, в которых каждый четвертый аминокислотный остаток сближен друг с другом. Положение атомов в пространстве было определено с точностью до ангстремов — стомиллионных долей сантиметра. Нобелевскую премию за эту работу Кендрью и Перутц получили в 1962 году.

С тех пор рентгеноструктурная кристаллография добилась колоссальных успехов: трехмерные структуры тысяч белковых молекул уже расшифрованы с помощью этого подхода. Однако против него всегда выдвигалось принципиальное возражение о том, что белок, замороженный в кристалле, может иметь иную пространственную структуру по сравнению с тем же белком в растворе — то есть в организме. Метод же, позволяющий построить конформацию белка вне кристалла по изменениям определенных параметров его атомов под воздействием сильного магнитного поля — ядерный магнитный резонанс (ЯМР), — в те времена был применим лишь к небольшим молекулам. Но после кардинального усовершенствования метода, отмеченного Нобелевской премией 2002 года (Курт Вютрих), трехмерные структуры белков в растворе стало возможным восстанавливать с высокой точностью — и они оказались схожими со структурами тех же белков, полученными рентгеноструктурной кристаллографией. А совсем недавно появился новый подход к проблеме, так называемая криоэлектронная микроскопия: растворы белков замораживают и рассматривают под электронным микроскопом. При этом весьма трудоемкий этап выращивания подходящих для рентгеноструктурного анализа кристаллов исключается, но точность определения положений атомов белков снижается; в самых последних работах, однако, она уже достаточно высока для построения надежных моделей белковых молекул.

Пространственная структура миоглобина, определенная рентгеноструктурным анализом (индекс 1MBN). Слева: схематическое изображение, показывающее ориентацию спиралей; справа: изображение, где однотипные атомы представлены как шарики одного и того же диаметра и того же оттенка

Казалось бы, рентгеноструктурный анализ может без особого труда восстанавливать пространственные структуры молекул пептидов, длина цепочек которых в десятки, а то и в сотни раз меньше, чем у белков. Но нет — выяснилось, что гораздо легче определить пространственное строение длиннейшей белковой молекулы, чем коротенького пептида.

Для понимания этого парадокса вновь обратимся к модели молекулы, состоящей из твердых шариков-атомов, насаженных на жесткие стержни — валентные связи. Атомы внутри молекулы способны взаимодействовать друг с другом — притягиваться и отталкиваться; в первом приближении можно считать, что все пары атомов, которые не связаны жесткими валентными связями, соединены слабыми пружинками. Эти взаимодействия заставляют отдельные части молекулы вращаться вокруг одинарных связей в поисках такого положения, когда межатомные внутримолекулярные пружинки в сумме уравновесят одна другую и конформация молекулы станет устойчивой. Подобные вращения зависят еще и от взаимодействия с соседними молекулами, например с молекулами растворителя.

С увеличением длины цепочки растет и число одинарных связей, то есть возможностей внутримолекулярного вращения; в принципе, чем больше молекула, тем большее количество конформаций для нее может быть доступно. Мерой устойчивости конформаций служит суммарная внутримолекулярная энергия (скажем, степень натяжения межатомных пружинок). Чем ниже уровень такой энергии для молекулы в данной конформации, тем больше вероятность того, что молекула будет существовать в этой конформации. Так вот, молекулы очень многих белков, обладая огромным количеством возможных внутримолекулярных вращений, тем не менее устроены так, что какой-то одной из конформаций — нативной — соответствует энергия гораздо более низкая, чем энергии всех других потенциально устойчивых пространственных структур той же молекулы.

Эта конформация, кроме того, удовлетворяет принципу плотной упаковки, согласно которому в реальных глобулах (еще одно название пространственных структур белков) как можно больше атомов стремятся расположиться поближе друг к другу, а точнее — на взаимных расстояниях, соответствующих максимальным степеням сжатия наших гипотетических межатомных пружинок. В понижение общей внутримолекулярной энергии вносит свой вклад, пусть и очень небольшой, каждая пара взаимодействующих атомов. А поскольку число пар взаимодействий в белке велико, суммарный эффект будет значительным: конформация, более других соответствующая принципу плотной упаковки, окажется в самом выгодном положении. Если же подобных пар мало — как в относительно небольшом пептиде, — то общее понижение энергии не сможет выделить «плотноупакованную» конформацию из прочих, и, следовательно, молекула пептида имеет больше шансов существовать в виде нескольких практически равноправных конформаций. Именно это ограничивает возможности рентгеноструктурного анализа пептидов: понятно, что гибкую молекулу пептида гораздо труднее «заморозить» в кристаллическом виде. И действительно, данных о конформациях пептидов в кристалле сравнительно немного.

С другой стороны, молекула пептида в растворе может постоянно — и быстро — переходить из одной равноправной конформации в другую, а множество пептидных молекул в растворе могут одновременно принимать разные конформации. Поэтому любой экспериментальный метод, измеряющий, например, расстояние между какими-то атомами молекулы в растворе, на выходе даст лишь усредненную величину, которая, вообще говоря, может не относиться ни к одной из этих конформаций в отдельности. (Сходный эффект использует оптический обман, именуемый кинематографом: кадры сменяются так быстро, что мы видим на экране плавный полет птицы, хотя на пленке запечатлены лишь прерывистые отдельные моменты этого полета.)

Этого недостатка экспериментальных методов лишены методы теоретические, расчетные — надо лишь научиться вычислять значения внутримолекулярной энергии, соответствующие каждой из возможных конформаций молекулы. Конформации, обладающие наиболее низкими энергиями, могут считаться наиболее устойчивыми, а конформации с высокими значениями энергии имеют малую вероятность осуществиться, и их можно исключить из рассмотрения. В результате получится не одна «усредненная» пространственная структура, а целый набор стабильных низкоэнергетических конформаций пептидной молекулы. Каждая из них может, в принципе, реализоваться в растворе и внести свой вклад в измеряемую «усредненную» структуру.

Процедура такого расчета и есть теоретический конформационный анализ — наконец-то этот термин получает объяснение, — или, как его иначе называют, конформационные расчеты. Для его проведения не нужны громоздкие и весьма дорогостоящие экспериментальные установки, которые даже в наши дни производятся не массовыми сериями, а по штучным заказам. Нужен лишь компьютер, устройство, достаточно широко распространенное уже полвека назад. Правда, по мощности и быстродействию тогдашние компьютеры были сравнимы разве что с чипами, встроенными в сегодняшние наручные часы.

С таким-то оборудованием некоторые отчаянные головы в разных странах взялись почти одновременно и независимо друг от друга за расчеты внутримолекулярных энергий конформаций аминокислот, пептидов и белков. Предстояло не только разработать удовлетворительные методы вычисления энергии в отдельной конформации, но и справиться с огромным — в перспективе — объемом таких вычислений. Для десятичленного пептида, например, число в принципе возможных конформаций оценивается как 10¹⁰ (прописью: десять миллиардов). Теоретический конформационный анализ обязан либо уметь рассчитать энергию каждой из них, либо объяснить, почему данная конформация исключена из рассмотрения.

Минимальный участок змейки Рубика, позволяющий сделать линейную цепочку трехмерной, — это две жесткие призмы, соединенные шарниром. Точно так же минимальный фрагмент пептидного остова, способный к конформационным изменениям, — аминокислотный остаток, две пептидные группы, соединенные центральным атомом углерода (его еще называют С^α; символ С^β обозначает первый из атомов боковой цепи).

Схематическое изображение типичного аминокислотного остатка

В этом фрагменте может быть лишь два угла вращения: вокруг связей N — С (φ) и С^α — С (ψ); связь С — N не одинарная, а так называемая полуторная, и угол вращения вокруг нее почти всегда равен 180°, что обеспечивает максимальное удаление двух атомов С^α, входящих в состав пептидной группы. Повороты соседних элементов змейки Рубика друг относительно друга ограничены возможностями шарниров между ними; взаимные вращения соседних пептидных групп тоже ограничены. Рассчитав сумму энергий взаимодействий между всеми атомами аминокислотного остатка, можно построить его конформационную карту — таблицу значений внутримолекулярной энергии для каждой пары значений углов поворота φ и ψ.

Первая такая карта была рассчитана в 1963 году в Индии группой под руководством Г. Н. Рамачандрана для как можно более простой модели молекулы. Предполагалось, что атомы-шарики абсолютно твердые, а длины валентных связей и величины валентных углов фиксированны; вычисления проводились на обыкновенном настольном калькуляторе. На «карте Рамачандрана» фигурировали лишь два типа конформаций аминокислотного остатка (они же пары величин φ и ψ): «запрещенные» (сферы хоть одной пары шариков пересекаются) и «разрешенные» (ни одного пересечения нет).

Несмотря на все упрощения, карта хорошо объясняла известные к тому времени данные рентгеноструктурного анализа. Именно точки, соответствующие парам углов φ и ψ, полученным по атомным координатам белков и пептидов, найденным в эксперименте, ложились в «разрешенные», а не «запрещенные» области карты Рамачандрана. Правда, по мере появления новых экспериментальных пространственных структур белков стало ясно, что некоторые точки попадают и в «запрещенные» области. Но прецедент был создан: было показано, что даже грубые и заведомо неточные расчеты в какой-то степени отражают реальные конформационные возможности белков.

Уточнения модели начались с того, что взаимодействие между парами атомов («пружинка») было представлено в виде функции, зависящей от межатомного расстояния («потенциальная функция»). Эта функция должна была иметь максимум при минимальном расстоянии — когда твердые шарики перекрылись бы, — переходить к нулевому значению на больших расстояниях и иметь слабый минимум где-то в промежутке. Параметры функции зависят от типа пары взаимодействующих атомов и могут быть определены либо эмпирически, по физическим свойствам газов и кристаллов, либо получены из подробных квантовомеханических расчетов.

Эмпирическая потенциальная функция энергии взаимодействия пары атомов, где r — расстояние между атомами, δ — расстояние, меньше которого начинается отталкивание атомов (шарики перекрываются), и ε — минимальное значение энергии

Последний способ, вообще говоря, более оправдан с точки зрения физики, поскольку использует более глубокие уровни строения атомов и молекул. Но неожиданным образом конформационные карты, построенные с использованием квантовых расчетов (по необходимости упрощенных), содержали низкоэнергетические («разрешенные») области, в которые значения углов φ и ψ, найденные в эксперименте, попадали крайне редко. Карты же, вычисленные с помощью эмпирических потенциальных функций, согласовались с экспериментом гораздо лучше.

Конформационные карты аминокислотных остатков были получены несколькими группами в разных странах на основе различных типов эмпирических потенциальных функций. Наша группа использовала слегка модифицированные потенциалы, предложенные Валерием Григорьевичем Дашевским, соратником известного кристаллографа Александра Исааковича Китайгородского. И хоть нам приходилось придумывать всякие программистские трюки для ускорения процесса счета на электронно-вычислительной машине «Минск-22» и дежурить при ней по ночам — техника безопасности: а вдруг загорится? — процесс пошел. Первым результатом была карта, на которой все значения внутримолекулярной энергии оказались равны нулю. Но нас обрадовало и это, потому что количество нулей было правильное — сто сорок четыре, двенадцать на двенадцать, перебор всех пар значений углов с интервалом в тридцать градусов. «День первых нулей» мы отмечали впоследствии как свой профессиональный праздник по образцу Дня танкиста или Дня работника пищевой промышленности. А когда ошибку исправили, рассчитанные нами карты в основном совпали с картами других исследователей из США, Италии, Бельгии, Индии и Советского Союза. Мы стали членами клуба.

Салат «Брадикинин»

Конформационные карты аминокислотных остатков были хорошим началом — они не противоречили уже имеющимся экспериментальным данным. Но ценность любой теории не столько в умении объяснить уже известное, сколько в возможности успешно предсказать результат эксперимента. В этом, собственно говоря, и заключается основная цель драг-дизайна — предсказать биологические функции молекулы еще до проверки их на практике.

Функции молекул в клетке, особенно пептидных и белковых, зависят от их пространственных структур. Если теоретический конформационный анализ научится надежно предсказывать такие структуры, значительный (и необходимый!) шаг на пути к направленному драг-дизайну пептидных биорегуляторов будет сделан. Членам интернационального клуба конформационных карт это было очевидно с самого начала — но их останавливала тогдашняя неполнота физических моделей молекул, начиная с неточности потенциальных функций межатомных взаимодействий и еще более приблизительного учета взаимодействий с растворителем. Отважиться на проведение конформационного расчета полной молекулы реального пептида с тем, чтобы найти все его стабильные конформации, могли лишь авантюристы. И такие появились — в нашем лице.

Объектом исследования был выбран брадикинин, линейный пептид с последовательностью из девяти аминокислот. Брадикинин расслабляет сосуды и тем самым снижает давление крови; он же участвует в биохимических реакциях при воспалениях и проявлениях боли. Нас, однако, привлекли не его биологические свойства, а сравнительно ограниченные конформационные возможности его пептидного остова.

Рассчитанные заранее конформационные карты показали, что полный конформационный расчет брадикинина должен проанализировать как минимум пятьсот семьдесят шесть пространственных структур пептидного остова; для девятичленного пептида иной последовательности их могло бы быть порядка двадцати тысяч. Пять-шесть сотен — это тоже очень много: ведь каждую из таких конформаций следовало выбрать как начальную точку расчета межатомной энергии. Между тем при наших вычислительных ресурсах этот процесс занимал несколько часов лишь для одной конформации брадикинина. Позволить себе десятки, а то и сотни суток непрерывного счета мы не могли.

Вместо этого пришлось придумать новое упрощение — предположение, что взаимодействия аминокислот, отдаленных в пептидной последовательности друг от друга, менее влияют на конформационную стабильность молекулы в целом, чем взаимодействия отдельных фрагментов, входящих в эту последовательность. Иными словами, в первом приближении можно попытаться составить возможные конформации молекулы брадикинина, комбинируя наборы стабильных конформаций его фрагментов, — а рассчитать энергии этих наборов гораздо легче. Таким способом можно также удлинять цепочку: начать, например, с тетрапептида 1-4, затем скомбинировать его низкоэнергетические конформации со стабильными структурами тетрапептида 2-5 и провести расчет конформационных энергий пентапептида 1-5, потом добавить конформации фрагмента 3-6 и так далее. Для молекул белков, где пространственная структура зачастую определяется взаимодействиями остатков, далеко отстоящих друг от друга в аминокислотной последовательности, этот подход не годится; но для сравнительно небольших пептидов он может быть правомерен.

Полный конформационный расчет брадикинина показал возможность существования всего нескольких низкоэнергетических конформаций молекулы. Все они характеризовались резким изломом в центре пептидного остова; у некоторых к тому же боковая цепь первого в цепи аминокислотного остатка (заряженная положительно) и группа, замыкающая остов молекулы (заряженная отрицательно), близко подходили друг к другу. Оказалось, таким образом, что линейный пептид брадикинин может образовывать квазициклические конформации. Расчетная стабильность этих структур сохранялась и при нейтрализации заряженных групп, а также при введении в рассмотрение растворителя. Это была маленькая сенсация: мало того что никто в мире до тех пор не осуществил конформационный анализ пептида такой величины, было предсказано еще и новое свойство линейных пептидов — способность к самопроизвольной квазициклизации.

Главная же сенсация, однако, заключалась не в наших предсказаниях — мало ли что болтают теоретики, — а в том, что они были подтверждены независимым экспериментом. Одновременно с нашей работой московские ученые (Вадим Тихонович Иванов с сотрудниками) провели целый ряд экспериментальных измерений конформационных характеристик молекулы брадикинина. Их общий вывод был следующим: в конформационном равновесии брадикинина в растворе действительно присутствуют структуры изогнутой или псевдоциклической формы со сближенными концами пептидной цепи.

Тем самым квазициклическая модель пространственной структуры брадикинина получила право на существование, и о ней было доложено на весьма авторитетном форуме — четвертом Американском пептидном симпозиуме в Нью-Йорке. В выступлении Иванова, кроме экспериментальных, были использованы и наши расчетные данные. Текст доклада в «Трудах симпозиума» был завершен фразой: «Более того, открыт новый принцип пространственной организации линейных пептидов, согласно которому молекулы образуют циклы благодаря ионному взаимодействию ионогенных групп, расположенных на противоположных концах молекулы».

Вообще-то дело было не только в том, что положительный и отрицательный электрические заряды притягиваются друг к другу: такое притяжение лишь закрепляет и без того сближенные части молекулы. Но как раз гипотетическое наличие «ионной связи» между концами молекулы и подверглось наиболее ожесточенным нападкам противников новой идеи квазициклизации, многие из которых попросту не могли себе представить, как это линейная пептидная цепочка вдруг примет циклическую форму.

Сразу нашлось и резонное возражение: в водном растворе, этой естественной «среде обитания» пептидных биорегуляторов, заряженные группы окружены плотной оболочкой из молекул воды, и поэтому их взаимодействие резко ослаблено; следовательно, молекулярные квазициклы в воде должны разваливаться. Появились и новые экспериментальные работы по конформациям брадикинина, вроде бы противоречащие данным доклада в Нью-Йорке, — как всегда, новая идея вызвала весьма разноречивые отклики.

Нужен был решающий эксперимент, призванный либо окончательно подтвердить, либо окончательно опровергнуть модель квазициклического строения брадикинина. И здесь центр тяжести событий переместился в Ригу, в лабораторию пептидного химика Гунара Чипенса. Предложение рижан было простым и, пожалуй, даже очевидным: заменить «ионную связь» на обыкновенную валентную и проверить, будет ли получившаяся молекула — циклический аналог — обладать биологической активностью брадикинина. Соответствующий циклоаналог был синтезирован, и его биологические испытания показали, что при введении в кровь крыс он действовал, как и природный брадикинин, — снижал давление крови, но не на протяжении нескольких секунд, а в течение более чем трех часов. Зато он не продемонстрировал никакого влияния на изолированный орган (кишка крысы), обычно реагирующий на брадикинин. (О современных испытаниях на культурах клеток или на изолированных рецепторах в те времена можно было только мечтать.)

Расчетная конформация брадикинина (сверху) и схематическое изображение циклобрадикинина (снизу). В рисунке использованы условные трехбуквенные обозначения аминокислот

Таким образом, удалось не просто подтвердить квазициклическую модель строения брадикинина, но и синтезировать аналог, обладающий длительным и к тому же высокоизбирательным биологическим эффектом. Этот аналог стал первым в ряду совершенно нового класса соединений, которые в дальнейшем оказались весьма перспективными с практической точки зрения, — циклических аналогов линейных пептидов. Следовательно, со всеми возможными оговорками, можно было констатировать, что теоретический конформационный анализ пептидов действительно пригоден как инструмент драг-дизайна — пусть даже это утверждение пока базировалось лишь на расчетах одного-единственного брадикинина.

Сильней трясти надо

Вариант молекулярного моделирования, разработанный нашей группой, относился к так называемой молекулярной механике. Пептидная молекула, состоящая из шариков-атомов, соединенных стерженьками — валентными связями, и в самом деле не слишком отличалась от чисто механической системы — той же змейки Рубика. Это сходство подчеркивалось еще и тем, что набор в принципе возможных трехмерных структур молекулы задавался извне комбинациями заранее вычисленных низкоэнергетических конформаций аминокислотных остатков. Точно гак же любые допустимые пространственные структуры змейки могли быть образованы лишь фиксированными поворотами шарниров, соединяющих ее фрагменты.

Перебрать таким способом конформации небольшой пептидной молекулы — и не пропустить самые низкоэнергетические из них — можно, но для длинных белковых цепочек этот подход не подойдет из-за астрономического количества возможностей, которые надо будет учитывать. С другой стороны, в случае белка заранее известно, что нас интересует только одна конформация — нативная, та, в которой белок с данной аминокислотной последовательностью существует в растворе. Только она обеспечивает биологическую функцию белка, и задача теоретического конформационного анализа белков состоит в том, чтобы отыскать именно эту конформацию.

Известно, кроме того, что многие белки обладают способностью к так называемой ренатурации, самопроизвольному восстановлению пространственной структуры. Белковая молекула может свернуться в нативную конформацию сама по себе, под влиянием главным образом своих собственных внутримолекулярных взаимодействий. А раз так, к чему сложные алгоритмы перебора конформационных возможностей белков: достаточно задать хоть какие-то начальные координаты атомов молекулы — и их взаимодействия должны привести к нативной пространственной структуре. Подход, основанный на таких соображениях, получил название молекулярной динамики.

Математическое воплощение процесса молекулярной динамики сводится к решению системы уравнений Ньютона (того самого, из средней школы), описывающей движения каждого атома во времени под воздействием сил притяжения и отталкивания его соседей. Движения всей молекулы можно представить себе как некую траекторию, проходящую по энергетическому ландшафту — по «долинам» и «оврагам» с относительно низкой энергией и «перевалами» между ними. В таком представлении нативная конформация белковой молекулы будет находиться на дне самой глубокой впадины этого ландшафта. Чтобы достичь ее, надо научиться преодолевать «перевалы», встречающиеся по пути, и не застревать в промежуточных «долинах» и «оврагах». Для этого в уравнениях движения учитывается не только потенциальная энергия взаимодействия атомов, но и кинетическая составляющая, зависящая от условной температуры молекулярной системы. При увеличении температуры вероятность изменить состояние системы атомов — перескочить через «перевал» — значительно возрастает.

Многие алгоритмы, «подталкивающие» систему к состоянию с наименьшей энергией, были предложены вовсе не для биологических молекул. При создании атомной бомбы, например, для расчетов рассеяния нейтронов использовался метод Монте-Карло. Его идея заключалась в том, что случайное изменение состояния системы нейтронов принимается или отвергается в качестве последующего шага на траектории энергии в зависимости от вероятности понижения энергии системы. И не только нейтронов — системы любых объектов, энергия которой может быть вычислена. И даже не только энергия, но и другие величины — метод Монте-Карло применяется сейчас в самых различных областях, от чистой математики до исследований глобального потепления.

Но молекулярная динамика, тоже позволяющая, в принципе, изучать изменения систем любых объектов, все же началась с конформационных расчетов биологических молекул. Молодые исследователи Майкл Левитт и Арье Уоршел предельно упростили модель панкреатического ингибитора трипсина и, стартовав из полностью вытянутой конформации, получили в результате свернутую структуру, более или менее близкую к пространственной структуре этого пятидесятивосьмичленного белка, обнаруженной ранее рентгеноструктурным анализом. Они же предложили совершенно новый подход к расчетам конформаций ферментов, разрывающих валентные связи других молекул в биохимических реакциях. Энергия ближайшего атомного окружения этих связей, включая атомы фермента, рассчитывалась квантово-механическими методами, а более далекие взаимодействия учитывались с помощью эмпирических потенциальных функций.

Все это происходило в те же годы, когда разворачивалась наша брадикининовая эпопея. И так же, как и у нас, главной проблемой был недостаток вычислительных ресурсов. Правда, в Институте Вейцмана в Израиле, где работали тогда Левитт и Уоршел, уже построили очень мощный по тем временам компьютер, названный «Големом» — по имени робота, созданного, по преданию, в еврейском квартале Праги в шестнадцатом веке. Но, конечно, с современными гигантами «Голем» сравниться не мог. Через сорок лет Левитт вспоминал:

«Тот компьютер располагал памятью в 300 килобайт, примерно одной десятитысячной памяти теперешнего смартфона. Расчеты, на которые тогда затрачивалось 18 минут, сейчас могут быть выполнены за 0,18 секунды на стандартном лаптопе».

Первые компьютерные программы молекулярной динамики продемонстрировали принципиальную возможность свернуть белковую молекулу не в случайный клубок, а в структуру, похожую на нативную. Но они не были предназначены для использования другими группами при решении более широкого круга проблем информационного анализа. Требовалось разработать вычислительный инструмент — пакет программ, оснащенный универсальным набором потенциальных функций атом-атомных взаимодействий, надежными алгоритмами решения систем уравнений движений атомов и удобными способами вычисления конформационной энергии. Несколько лабораторий в разных странах взялись за эту задачу; одной из наиболее успешных оказалась группа Мартина Карплуса в Гарвардском университете в США.

К тому времени профессор Карплус уже был известным специалистом в теоретической органической химии, автором «уравнения Карплуса», описывающего зависимость некоторых величин, измеряемых методом ядерного магнитного резонанса, от значений углов поворотов вокруг валентных связей. Заинтересовавшись молекулярным моделированием, он собрал вокруг себя единомышленников, и за несколько лет они написали пакет программ для конформационных расчетов, который назвали CHARMM — сокращение от Chemistry HARward Molecular Mechanics. Слово chemistry — «химия» — было добавлено чуть позже — вначале пакет назывался HARMM, что могло ассоциироваться с harm, «ущерб»; новое же название напоминало слово charm — «обаяние».

Первым белковым объектом, конформационную энергию которого рассчитал CHARMM средствами молекулярной динамики, стал все тот же панкреатический ингибитор трипсина. Однако даже этот первый расчет пришлось выполнять в Европе — в США компьютеры требуемой мощности имелись тогда, в 1977 году, только у военных. Поэтому Дальнейшее применение нового пакета было ограничено — до тех пор, пока не наступила компьютерная революция.

Она не стала неожиданностью: многие предвидели, что компьютеры сделают рывок вперед как в отношении элементной базы (микрочипы вместо транзисторов), так и в общей архитектуре (параллельное использование ресурсов). Собственно, разработчики программ молекулярного моделирования и рассчитывали на такое развитие событий, поскольку детальный конформационный анализ белковых молекул по-прежнему оставался недоступным из-за огромных объемов необходимых вычислений. Чтобы обойти эти затруднения, придумывались изощренные схемы расчетов, различные приближения энергии внутримолекулярного взаимодействия и другие искусственные приемы — но революция в развитии компьютеров стала главной движущей силой прогресса в молекулярном моделировании. Тот же Майкл Левитт охарактеризовал ее так:

«Если бы автомобили совершенствовались так же быстро, как компьютеры, новая машина “Вольво” стоила бы сегодня три доллара, развивала скорость до миллиона километров в час, вмещала пятьдесят тысяч человек и при этом могла бы запарковаться на пятачке».

Сильней трясти надо?

Мощность и доступность — каждый желающий мог теперь проводить такие расчеты на своем персональном компьютере вместо «Голема», построенного по особому заказу. Желающих были сначала десятки — профессора университетов и их ассистенты, — затем сотни — добавились сотрудники фармацевтических компаний, — и, наконец, тысячи — считая и студентов, обучающихся драг-дизайну. На программы молекулярного моделирования появился спрос — а стало быть, и предложение.

Сразу несколько лабораторий начали приводить свои пакеты программ в вид, пригодный для широкого распространения. Кто-то оставлял их в открытом доступе, а кто-то готовил для продажи. Возникли специализированные компании для этой цели — одними из первых были «Трайпос» в моем родном теперь Сент-Луисе (ее основал уже упоминавшийся на этих страницах Гарланд Маршалл) и «Байосим» в Сан-Диего, основанный Арни Хаглером. «Байосим» впоследствии был несколько раз переименован и теперь, среди прочих продуктов, продает пакет CHARMM. Сегодня на рынке компьютерных программ для молекулярного моделирования доминируют «Шрёдингер» (компания названа в честь великого квантового физика Эрвина Шрёдингера) и «Байовиа», наследница «Байосима». Кроме того, различные варианты программ предлагают еще не менее двух десятков компаний помельче и некоторые университеты, причем многие — бесплатно.

Теоретический конформационный анализ биологических молекул тем временем продолжал развиваться, переходя от отдельных молекул к описанию взаимодействий между системами биологических молекул. Здесь тоже были достигнуты впечатляющие успехи — и, наконец, в 2013 году Мартин Карплус, Майкл Левитт и Арье Уоршел были коронованы Нобелевской премией по химии «за развитие многоуровневых моделей для сложных химических систем».