Valgu struktuuri ennustusmeetodite ja tarkvara juhend

Oma bioloogiliste funktsioonide täitmiseks voldivad valgud ühte või mitmeks spetsiifiliseks konformatsiooniks, mille dikteerivad keerukad ja pöörduvad mittekovalentsed interaktsioonid. Valgu struktuuri saab kindlaks määrata aeganõudvate ja suhteliselt kallite tehnikate abil, nagu näiteks kristallograafia, tuumamagnetresonantsspektroskoopia ja kahepoolse polarisatsiooni interferomeetria. Valgu struktuuride arvutamiseks ja prognoosimiseks nende aminohappeliste järjestuste põhjal on välja töötatud bioinformaatika tarkvara.

Valgu struktuuri kokkuvõte

Alternatiivina eksperimentaalsele tehnikale aitavad struktuuri analüüsi- ja ennustusriistad ennustada valkude struktuuri vastavalt nende aminohappelistele järjestustele. Antud valgu struktuuri lahendamine on meditsiinis (näiteks ravimite väljatöötamisel) ja biotehnoloogias (näiteks uute ensüümide kavandamisel) väga oluline. Valkude arvutamise prognoosimise väli areneb seega pidevalt, järgides masinate arvutusvõime suurenemist ja intelligentsete algoritmide väljatöötamist.

Valgu struktuuris on neli taset (joonis 1). Valgu struktuuri ennustamisel kasutatakse primaarstruktuuri sekundaarse ja tertsiaarse struktuuri ennustamiseks.

Valkude sekundaarstruktuurid on lokaliseeritud voltimisel polüpeptiidahelas, mida stabiliseerivad vesiniksidemed. Kõige tavalisemad sekundaarsed valgu struktuurid on alfa-heelikad ja beeta-lehed.

Tertsiaarne struktuur on valgu lõppvorm, kui kõik sekundaarstruktuurid on kõik kokku 3D-struktuuriks kokku pandud. See lõplik kuju moodustub ja seda hoitakse koos ioonse interaktsiooni, disulfiidsildade ja van de Waalsi jõudude kaudu.

Neli valgu struktuuri taset. Pilt saidilt Khanacademy.org.

Valgu struktuuri ennustamise meetodid ja tarkvara

Valkude spetsiaalsete omaduste ja spetsiifilisuse jaoks, näiteks häirete ennustamine, dünaamika ennustamine, struktuuri säilimise ennustamine jne, on välja töötatud suur hulk struktuuri ennustamise tarkvara. Lähenemisviisid hõlmavad homoloogia modelleerimist, valkude keermestamist, ab initio meetodeid, sekundaarse struktuuri ennustamist ning transmembraanset spiraali ja signaalpeptiidi ennustamine.

Õige meetodi valimine algab alati tundmatu valgu primaarse järjestuse kasutamisest ja valkude andmebaasist homoloogide otsimisel (joonis 2).

Valgu struktuuri ennustamise meetodi otsuste tegemise skeem.

Siin on mõned üksikasjalikud meetodid valgu struktuuri ennustamiseks:

  • Teisese struktuuri ennustamise tööriistad

Need tööriistad ennustavad kohalikke sekundaarseid struktuure, mis põhinevad ainult valgu aminohappejärjestusel. Seejärel võrreldakse ennustatud struktuure DSSP skooriga, mis arvutatakse valgu kristallograafilise struktuuri põhjal (siin on rohkem DSSP skoori).

Teisese struktuuri ennustusmeetodid tuginevad peamiselt teadaolevate valgustruktuuride andmebaasidele ja kaasaegsetele masinõppemeetoditele, näiteks närvivõrgud ja tugivektorimasinad.

Siin on suurepärane tööriist sekundaarse struktuuri ennustamiseks.

  • Kolmanda taseme struktuur

Tertsiaarse (või 3-D) struktuuri ennustamise tööriistad jagunevad kaheks peamiseks meetodiks: Ab initio ja valkude võrdlevaks modelleerimiseks.

Ab initio (või de novo) valgu struktuuri ennustusmeetodid püüavad ennustada kolmanda astme struktuure järjestustest, lähtudes üldprintsiipidest, mis reguleerivad valgu voltimise energeetikat ja / või loomulike struktuuride omandatud konformatsiooniliste omaduste statistilisi kalduvusi ilma selgesõnalisi malle kasutamata.

Kogu teave valgu tertsiaarse struktuuri kohta on kodeeritud selle primaarstruktuuris (see tähendab aminohappejärjestuses). Neid võib siiski ennustada tohutule hulgale, nende hulgas ainult ühel on minimaalne vaba energia ja stabiilsus, mida on vaja korralikult kokku voltida. Ab initio valgu struktuuri ennustamine nõuab seega valgu loodusliku konformatsiooni lahendamiseks tohutult arvutusjõudu ja aega ning see on tänapäevase teaduse üks peamisi väljakutseid.

Kõige populaarsemate serverite hulka kuuluvad Robetta (kasutades tarkvarapaketti Rosetta), SWISS-MODEL, PEPstr, QUARK. Sirvige ammendavat nimekirja siit.

Kui teadaoleva tertsiaarse struktuuriga valk jaguneb määratlemata struktuuriga potentsiaalse homoloogiga vähemalt 30% oma järjestusest, võib tundmatu tõenäolise struktuuri ennustamiseks kasutada võrdlusmeetodeid, mis katvad oletatava teadmata struktuuri teadaolevatega. Homoloogia modelleerimine ja valgu keermestamine on kaks peamist strateegiat, mis kasutavad eelnevat teavet teiste sarnaste valkude kohta, et teha ettepanek ennustada tundmatut valku selle järjestuse põhjal.

Homoloogia modelleerimise ja valkude keermestamise tarkvara sisaldab RaptorX, FoldX, HHpred, I-TASSER ja palju muud.

Viited

De novo valgu struktuuri ennustamine. Vikipeedia.

Valgu struktuuri ennustamine. Vikipeedia