Evaluation of 172 T-cell receptor/peptide/MHC molecular dynamics simulations using MATLAB

Abstract

Molekulardynamik(MD)-Simulationen sind eine weit verbreitete Methode um räumliche Dynamiken von Molekülen auf atomarer Ebene zu analysieren, die mit aktuellen Experimenten nicht möglich sind. Diese Methode wird auch für die Erforschung von Interaktionen zwischen dem T-Zell-Rezeptor (TCR) und dem Haupthistokompatibilitätskomplex (MHC) verwendet, welche eines der wichtigsten Prozesse in der adaptiven Immunologie ist. Obwohl viel Forschungsaufwand in diesem Bereich betrieben worden ist, ist der konkrete, strukturelle Auslöser, der die Immunogenizität eines gebundenen Peptid zwischen dem TCR und MHC bestimmt, unklar. Um diesen Sachverhalt zu studieren, wurden 172 MD Simulationen von einer zuvor veröffentlichten Studie untersucht. Diese Simulationen umfassen den LC13 TCR sowie den Komplex HLA-B*08:01 mit einzelnen, mutierten Peptiden des Epstein-Barr-Virus (EBV). Es wurde die Hypothese aufgestellt, dass die unterschiedliche Stärke der Immunogenizität sich durch räumliche Dynamiken der Moleküle unterscheiden. Um diese Hypothese zu studieren, hatte der Autor dieser Diplomarbeit einen XTC Parser implementiert, womit man die Daten der 172 MD Simulationen in MATLAB lesen und laden kann. Dann wurden die 172 MD Simulationen in zwei Gruppen mit der Bezeichnung groupL und groupM getrennt. GroupL repräsentiert alle MD Simulationen die eine niedrigere Immunogenizität aufweisen. GroupM umfasst alle MD Simulationen mit einer höheren Immunogenizität. Von jeder Gruppe wurde für ausgewählte Regionen (CDR3-ß, Aminosäurenreste ALA683, TYR415, TYR684 und siebte Position des Peptids) die euklidische Distanz, "root mean square distance" (RMSD) und "standard root mean square fluctuation" (RMSF) berechnet. Dann wurden die Ergebnisse der Berechnungen jeder Gruppe analysiert und mit der anderen Gruppe verglichen. Die Ergebnisse zeigten, dass groupM und groupL sich nicht signifikant betreffend der Verteilung der Distanzen und RMSF unterscheiden. Alle Datenanalysen und Berechnungen wurden in MATLAB gemacht. Die finale Version des XTC Parsers wurde implementiert und veröffentlicht: H Dien, CM Deane, B Knapp (2014). Gro2mat: a package to efficiently read gromacs output in MATLAB. J. Comput. Chem., 35:1528-1531.

Molecular dynamics (MD) simulations are a widely used method for analysing spatial dynamics of molecules at atomic resolution, which current experiments struggle to do. Here, it has been used to study the interaction between the T-cell receptor (TCR) and the major histocompatibility complex (MHC), which is one of the most important processes in adaptive immunology. Although a lot of research has been done in this area, the detailed structural trigger, which determines the immunogenicity of a peptide bound between TCR and MHC, is still unclear. To study this issue, 172 MD simulations of a previously published study were analysed. These simulations include the LC13 TCR in complex with HLA-B*08:01 and Epstein-Barr-Virus (EBV) single mutant peptides. It has been hypothesized that peptides of different immunogenicity levels differ in their spatial dynamics. To further study this hypothesis, the author of this thesis implemented an XTC parser to read and load the data of these 172 MD simulations into MATLAB. Then the 172 MD simulations were separated into two groups named groupL and groupM. GroupL represents all MD trajectories with a lower immunogenicity level and GroupM represents all MD trajectories with a higher immunogenicity level. For each group and selected regions (CDR3-ß, residues ALA683, TYR415, TYR684 and peptide position seven), the Euclidean distance, root mean square distance (RMSD), and the standard root mean square fluctuation (RMSF) were calculated. Then the results of these calculations of each group were analyzed and compared to the other group. This thesis shows that groupM and groupL do not differ significantly from each other in terms of distance distributions and RMSF. All data analyses and calculations were performed in MATLAB. The final version of the XTC parser was implemented and published: H Dien, CM Deane, B Knapp (2014). Gro2mat: a package to efficiently read gromacs output in MATLAB. J. Comput. Chem., 35:1528-1531.