Journal Information
Journal ID (publisher-id): chemical
Title: 대한화학회지
Translated Title (en): Journal of the Korean Chemical Society
ISSN (print): 1017-2548
ISSN (electronic): 2234-8530
Publisher: 대한화학회Korean Chemical Society
인지질은 생물막을 구성하고 있는 기본 물질이다.1−3 인지질은 글리세롤에 두 개의 지방산과 한 개의 인산기가 결합되어 있는 구조이다. 글리세롤의 첫 두 탄소 원자들은 지방산 사슬과 연결되어 있다. 세번째 탄소 원자는 인산기와 연결되어 있다. 인산기 부분은 극성을 띠고 있기 때문에 친수성이며, 지방산 부분은 소수성이다. 인지질은 이러한 양친매성으로 인해 인지질은 수성 환경에서 잘 녹지 않고 뭉치려는 성향이 강하다.4−6 특히 생물막에서는 이중층 형태로 존재한다.7
인지질의 구조에 대한 연구는 많이 진행되어 왔다. X-ray diffraction, NMR, ESR, IR 등을 이용하여 인지질의 구조를 밝히는 연구가 많이 진행되어 왔다.8−10 또한 인지질의 구조와 기능을 밝히기 위한 분자동역학 연구도 많이 진행되어 왔다.11−17 인지질 분자들이 선호하는 구조는 주로 글리세롤 골격에 의해서 결정된다.18 여러 연구자들이 지방산 사슬과 head group의 종류에 따라 선호하는 글리세롤 골격 구조가 어떻게 달라지는지에 대한 연구를 진행해 왔다.18−21 글리세롤 골격구조 중 θ3/θ4 비틀림 각이 지방산 사슬의 적층에 영향을 준다고 알려져 있다.20,21 이러한 지방산 사슬의 적층 구조는 인지질 구조와 기능에 중요한 역할을 한다.22
그러나 용매 특성에 따른 인지질 내 글리세롤 골격 구조 변화에 대한 연구는 부족하다. 화장품이나 약물전달 시스템에서 인지질을 원료로 한 vesicle 제조할 때, 혹은 생물원료로부터 인지질을 추출할 때 유기 용매를 많이 사용한다.23−25 따라서 용매 특성에 따른 인지질 구조 변화에 대해 알아보는 것이 중요해지고 있다. 인지질의 구조는 Glycerol backbone의 θ3, θ4 torsion angle에 따라 A, B, C세가지 형태로 구분된다.21 기준이 되는torsion angle은 θ3(C3-C2-C1-O11)와 θ4(O21-C2-C1-O11) 이다. A 구조는 θ3 = trans, θ4 = gauche이며 B 구조는 θ3 = gauche, θ4 = gauche-, C 구조는 θ3 = gauche-, θ4 = trans이다. 각각의 형태에 대한 3차원 구조와 뉴만 투영식을 Fig. 1에 나타냈다.
본 연구의 목적은 용매의 특성에 따라 인지질의 θ3/θ4 비틀림각의 선호도가 어떻게 바뀌는지 확인하고 에너지 분석을 통해 그 이유를 규명하는 것이다. 이를 위하여 1,2-dioleoyl-sn-glycero-3-phosphocholine (DOPC) 단분자에 대한 MD simulation을 진행하고 분석을 수행하였다. 용매 특성을 나타내는 변수로는 용매의 유전상수와 표면장력을 선정하였다. 유전상수와 표면장력을 변화시켜가며 분자 동역학 시뮬레이션을 수행하고, 구조 분석 및 에너지 분석을 수행하였다. 이를 통해 용매 특성에 따른 구조 변화와 그 이유를 확인하였다.
분자동역학 시뮬레이션은 Amber molecular dynamics package 프로그램을 사용하여 수행하였다.26 역장은 Lipid14 force field를 사용하였다.27 Implicit solvation model로서 Hawkins, Cramer, Truhlar 등이 제안한 generalized Born model을 사용하였다.28 표면 에너지 계산은 LCPO model을 사용하였다.29 유전상수(ε)는 1, 2, 33, 78.5 로 바꿔가며 계산하였으며 표면장력(σ)은0, 0.005, 0.0072 kcal/mol/Å2로 설정하여 계산하였다. 몇몇 실제 용매들의 유전상수는 다음과 같다: n-hexane(2), methanol(33), water(78.5). 시뮬레이션은 Langevin thermostat 조건에서 수행하였다. 충돌빈도 값은 1.0으로 설정하였다. 온도는 303 K로 설정하였다. Cutoff distance 는 무한대로 설정하여 cutoff 없이 계산을 수행하였다. SHAKE option을 설정하여 수소 원자를 포함하는 결합에 대한 신축 진동을 제거하였다. Time step은 2 fs로 설정하였다. 좌표들은 5000 step마다 기록하게 하였다. 총 시뮬레이션 시간은 125 ns 였으며, 앞의 25 ns은 평형 상태에 도달하는 시간으로 가정하여 뒤의 100 ns의 결과를 분석하였다.
열역학적 특성을 계산하기 위해서 다음과 같은 방법을 사용하였다. A, B, C 구조의 빈도를 통해 구조 간의 자유 에너지 차이를 계산하였다. 그 식은 다음과 같다.
여기서 ΔAi는 A구조에서 i 구조로 변할 때의 자유에너지이다. PA와 Pi는 각각 A구조와 i 구조의 빈도이다.
구조 간의 엔트로피 차이는 다음과 같은 식을 통해 계산하였다.
여기서 ΔS는 엔트로피 변화, ΔU는 포텐셜 에너지, 그리고 T는 절대온도이다.
에너지 분석을 위해서 에너지 성분들을 다음과 같이 정의하였다.
Potential Energy, EP = EM + Esolv
Solvation energy, Esolv = EGB + Esurf
여기서 포텐셜 에너지 EP는 분자의 포텐셜 에너지 EM과 Solvation energy Esolv의 합으로 정의한다. Solvation energy는 정전기적 에너지인 EGB와 비정전기적 부분인 Esurf로 나눌 수 있다. EGB와는 유전상수 ε, Esurf 는 표면장력 σ와 밀접한 관련이 있다. Implict solvation model 에서 EGB와 Esurf는 다음과 같은 식을 통해 계산된다.28
여기서 q는 원자의 부분전하이며, γ는 Coulomb integral, A는 용질의 surface area 이다.
DOPC 분자의 유전상수와 표면장력에 따른 θ4 비틀림 각 히스토그램을 Fig. 2에 나타냈다. θ4 비틀림 각의 양 말단에는 산소 원자가 존재하기 때문에 Gauche effect에 의해서 60°와 300° 부근에서 높은 빈도가 나타나야 한다. 유전상수가 1, 표면장력이 0 kcal/mol/Å2인 조건에서는 60° 부근의 상대빈도가 91%로 가장 높게 나타났다. 유전상수가 증가함에 따라 60° 부근의 상대빈도는 감소하고 300° 부근의 상대빈도가 증가하는 경향을 보였다. 표면장력이 증가할 때에도 같은 경향이 나타났다. 수용액 상태와 같은 유전상수가 78.5, 표면장력이 0.0072 kcal/mol/Å2 조건에서는 300° 부근의 상대빈도가 60%로 60° 부근보다 높게 나타났다.
A, B, C 세 구조의 빈도에 대해 분석한 결과, 모든 조건에서 A, B 구조가 우세하게 나타났다. C 구조는 10% 이하로 빈도가 매우 낮았다. 따라서 A 구조와 B 구조는 서로 정반대의 경향성을 보인다. 용매의 유전상수와 표면장력에 따른 A 구조의 빈도에 대한 등고선 지도를 Fig. 3에 나타냈다. A 구조는 유전상수가 78.5, 표면장력이 0.0072 kcal/mol/Å2 인 지점에서 가장 낮은 빈도를 보였다. 반대로 B 구조는 위와 같은 지점에서 가장 높은 빈도를 나타냈다. 유전상수가 증가할수록, 표면장력이 증가할수록 B 구조가 많아지는 경향을 보였다. 인지질의 구조를 실험적으로 분석한 문헌들에서 A 구조가 우세하며(50-60%) C 구조는 상대적으로 낮은 빈도를 보였다(1-10%)22,23 이는 본 계산 결과의 경향과 일치한다.
용매의 유전상수와 표면장력에 따른 DOPC의 표면적 등고선 지도를 Fig. 4에 나타내었다. 유전상수가 증가할수록 표면적이 증가한다. 또한 표면장력이 클수록 표면적이 감소한다. 유전상수가 낮은 구간에서는 유전상수에 의한 표면적 변화가 작다. 유전상수가 높은 구간에서는 표면장력에 의한 표면적 변화가 크다. 이는 유전상수에 의해서 분자내 인력이 감소한 상태에서는 표면장력의 영향이 상대적으로 커지기 때문이다. A, B 구조의 표면적의 평균값을 Table 1에 나타내었다. 표면장력에 관계없이 A의 표면적이 더 큰 것을 확인할 수 있다. 따라서 용매의 cavity formation energy (Esurf)는 A 구조가 더 크다고 볼 수 있다.
유전상수와 표면장력에 따른 포텐셜 에너지를 Table 2에 나타내었다. 포텐셜 에너지는 유전상수가 증가할수록 낮은 값을 보였다. 이는 유전상수가 증가함에 따라Solvation energy가 커지기 때문이다. Molecular energy는 유전상수가 증가함에 따라 그 값이 커진다. 유전상수가 작을 때는 분자 자체의 에너지가 가장 안정한 형태로 분자 구조가 결정되지만, 유전상수가 커지게 되면 solvation energy가 커지는 형태로 구조가 바뀌기 때문에 molecular energy 값이 커지게 된다. A, B, C 구조의 유전상수와 표면장력에 따른 포텐셜 에너지 변화를 Fig. 5에 나타내었다. 표면장력에 관계없이 B 구조가 유전상수에 따른 포텐셜 에너지의 변화율이 가장 컸다. 이로 인해서 유전상수가 1일때는 B 구조의 포텐셜 에너지가 가장 크게 나타났으나 유전상수가 증가하면서 B 구조의 포텐셜 에너지가 가장 낮게 나타났다. 이런 경향이 나타난 이유는 B 구조에서 부분 전하를 가진 원자들이 용매에 더 많이 노출되어 있기 때문이다.
A, B, C 구조의 빈도를 이용하여 계산한 자유에너지를 Table 3에 나타내었다. A 구조의 빈도가 우세하게 나타났기 때문에 대부분의 조건에서 B, C 구조의 Free energy difference는 양의 값을 가진다. 자유에너지와 포텐셜에너지, 구조 엔트로피는 다음과 같은 관계를 가진다.
흥미로운 사실은 구조별 포텐셜 에너지를 보면 B 구조가 더 낮은 값을 가지는 경우가 많다는 것이다.
그러나 그러한 조건에서도 A 구조의 빈도가 더 크다. 이러한 현상이 나타나는 이유는 구조 엔트로피 값이 A 구조가 더 크기 때문이다. 용매의 효과에 의해서 B 구조의 포텐셜 에너지가 A 구조보다 더 낮아졌지만, 엔트로피는 반대로 용매의 효과에 의해서 A 구조가 더 커졌다. 결과적으로 두 효과가 상쇄되어 B 구조의 포텐셜 에너지가 낮아졌음에도 불구하고 A 구조의 빈도가 더 높게 나타나게 되었다.
본 연구에서는 용매의 특성에 따른 DOPC의 글리세롤 골격 구조 변화 및 그 이유를 규명하기 위해서 1,2-dioleoyl-sn-glycero-3-phosphocholine (DOPC) 단분자를 대상으로 Implicit solvation model 사용하여 MD simulation을 진행하고 분석을 수행하였다. 용매의 유전상수와 표면장력을 변수로 하여 DOPC의 골격 구조 변화를 살펴본 결과, 유전상수가 증가할수록, 표면장력이 클수록 B 구조의 빈도가 증가하였으며 그 이유는 B 구조의 solvation 에너지가 A에 비해서 더 크고, 표면적이 A에 비해서 작기 때문으로 생각된다. 포텐셜 에너지만 고려했을 때 B 구조가 더 안정하기 때문에 빈도도 높아야 하지만, 구조 엔트로피에 의해서 A구조의 빈도가 더 높게 나타났다. 이러한 연구 결과는 추후 인지질 구조 연구에 활용될 것으로 기대된다.
J. Li X. Wang T. Zhang C. Wang Z. Huang X. Luo Y. Deng Asian Journal of Pharmaceutical Sciences20151081 [CrossRef]
D. Lichtenberg R. J. Robson E. A. Dennis Biochimica et Biophysica Acta (BBA)-Reviews on Biomembranes1983737285 [CrossRef]
C. Lea D. Rhodes R. Stoli Biochemical Journal195560353 [CrossRef]
A. Bangham Annual Review of Biochemistry197241753 [CrossRef]
A. P. Lyubartsev A. L. Rabinovich Soft Matter2011725 [CrossRef]
D. P. Tieleman S.-J. Marrink H. J. Berendsen Biochimica et Biophysica Acta (BBA)-Reviews on Biomembranes19971331235 [CrossRef]
G. Shahane W. Ding M. Palaiokostas M. Orsi Journal of Molecular Modeling20192576 [CrossRef]
T. J. Piggot A. N. Piñeiro S. Khalid Journal of Chemical Theory and Computation201284593 [CrossRef]
P. Siani R. de Souza L. Dias R. Itri H. Khandelia Biochimica et Biophysica Acta (BBA)-Biomembranes201618582498 [CrossRef]
G. Grasso S. Muscat M. Rebella U. Morbiducci A. Audenino A. Danani M. A. Deriu Journal of Biomechanics201873137 [CrossRef]
Z.-W. Yu P. J. Quinn Biophysical Chemistry19987035 [CrossRef]
H. Bürsing D. Ouw S. Kundu P. Vöhringer Physical Chemistry Chemical Physics200132378 [CrossRef]
J. Landin I. Pascher D. Cremer The Journal of Physical Chemistry A19971012996 [CrossRef]
P. Jurkiewicz J. Sýkora J. Humpolíčková M. Hof Journal of Fluorescence200515883 [CrossRef]
A. Arora C. M. Gupta Biochimica et Biophysica Acta (BBA)-Biomembranes1997132447 [CrossRef]
H. Hauser I. Pascher S. Sundell Journal of Molecular Biology1980137249 [CrossRef]
L. Strenk P. Westerman J. Doane Biophysical Journal198548765 [CrossRef]
L. Kolarovic N. C. Fournier Analytical Biochemistry1986156244 [CrossRef]
R. D. Saunders L. A. Horrocks Analytical Biochemistry198414371 [CrossRef]
H. C. Shum D. Lee I. Yoon T. Kodger D. A. Weitz Langmuir2008247651 [CrossRef]
D. A. Case I. Y. Ben-Shalom S. R. Brozell D. S. Cerutti III Cheatham, T. V. W. D. Cruzeiro T. A. Darden R. E. Duke D. Ghoreishi M. K. Gilson H. Gohlke A. W. Goetz D. Greene R. Harris N. Homeyer Y. Huang S. Izadi A. Kovalenko T. Kurtzman T. S. Lee S. LeGrand P. Li C. Lin J. Liu T. Luchko R. Luo D. J. Mermelstein K. M. Merz Y. Miao G. Monard C. Nguyen H. Nguyen I. Omelyan A. Onufriev F. Pan R. Qi D. R. Roe A. Roitberg C. Sagui S. Schott-Verdugo J. Shen C. L. Simmerling J. Smith R. Salomon-Ferrer J. Swails R. C. Walker J. Wang H. Wei R. M. Wolf X. Wu L. Xiao D. M. York P. A. Kollman AMBER 20182018
C. J. Dickson B. D. Madej Å. A. Skjevik R. M. Betz K. Teigen I. R. Gould R. C. Walker Journal of Chemical Theory and Computation201410865 [CrossRef]
G. D. Hawkins C. J. Cramer D. G. Truhlar The Journal of Physical Chemistry199610019824 [CrossRef]
J. Weiser P. S. Shenkin W. C. Still Journal of Computational Chemistry199920217 [CrossRef]