Моделирование цикла

Моделирование петель является проблемой в прогнозировании структуры белка, требующей прогнозирования конформаций областей петель в белках с использованием структурного шаблона или без него. Компьютерные программы, которые решают эти проблемы, использовались для исследования широкого спектра научных тем от АДФ до рака молочной железы . [1] [2] Поскольку функция белка определяется его формой и физико-химическими свойствами его открытой поверхности, важно создать точную модель для исследований взаимодействия белка и лиганда. [3] Проблема часто возникает при моделировании гомологии , где третичная структура аминокислотной последовательности предсказывается на основе выравнивания последовательности с шаблоном или второй последовательностью, структура которой известна. Поскольку петли имеют высокоизменчивые последовательности даже в пределах заданного структурного мотива или белковой складки , они часто соответствуют невыровненным областям в выравниваниях последовательностей; они также имеют тенденцию располагаться на поверхности глобулярных белков, открытой для растворителя , и, таким образом, являются более конформационно гибкими. Следовательно, их часто нельзя моделировать с использованием стандартных методов моделирования гомологии. Более ограниченные версии моделирования петель также используются на этапах подгонки данных при определении структуры белка с помощью рентгеновской кристаллографии , поскольку петли могут соответствовать областям с низкой электронной плотностью и, следовательно, их трудно разрешить.

Регионы структурной модели, которые предсказываются с помощью моделирования петель без шаблонов, как правило, гораздо менее точны, чем регионы, которые предсказываются с помощью методов на основе шаблонов. Степень неточности увеличивается с числом аминокислот в петле. Двугранные углы боковых цепей аминокислот петли часто аппроксимируются из библиотеки ротамеров , но могут ухудшить неточность упаковки боковых цепей в общей модели. Пакет моделирования гомологии MODELLER Андрея Сали включает в себя средство, специально разработанное для моделирования петель методом удовлетворения пространственных ограничений. Все методы требуют загрузки файла PDB , а некоторые требуют указания местоположения петли.

Короткие петли

В целом, наиболее точные прогнозы получаются для петель из менее чем 8 аминокислот. Очень короткие петли из трех остатков можно определить только из геометрии, при условии, что указаны длины связей и углы связей. Немного более длинные петли часто определяются с помощью подхода «запасных частей», в котором петли схожей длины берутся из известных кристаллических структур и адаптируются к геометрии фланкирующих сегментов. В некоторых методах длины связей и углы области петли могут варьироваться, чтобы получить лучшее соответствие; в других случаях ограничения фланкирующих сегментов могут варьироваться, чтобы найти более «белкоподобные» конформации петель. Точность таких коротких петель может быть почти такой же точной, как и у модели гомологии, на которой она основана. Следует также учитывать, что петли в белках могут быть плохо структурированы и, следовательно, не иметь одной конформации, которую можно было бы предсказать; Эксперименты ЯМР показывают, что петли, подвергающиеся воздействию растворителя, являются «гибкими» и принимают множество конформаций, в то время как конформации петель, наблюдаемые с помощью рентгеновской кристаллографии, могут просто отражать взаимодействия кристаллической упаковки или стабилизирующее влияние сорастворителей кристаллизации.

Методы, основанные на шаблонах

Как упоминалось выше, методы, основанные на гомологии, используют базу данных для выравнивания разрыва целевого белка с известным шаблонным белком. База данных известных структур ищет петлю, которая соответствует интересующему разрыву по сходству последовательности и стеблей (края разрыва, созданные неизвестной структурой петли). Успех этого метода во многом зависит от качества этого выравнивания. Поскольку петля является наименее консервативной частью структуры белка, метод, основанный на гомологии, не всегда может найти известный шаблон, который выравнивается с целевой последовательностью. К счастью, базы данных шаблонов постоянно добавляют новые шаблоны, поэтому проблема невозможности найти выравнивание становится менее важной. Некоторые программы, которые используют этот метод, — SuperLooper и FREAD.

Методы, не основанные на шаблонах

Также известные как метод ab initio , подходы без шаблонов используют статистическую модель для заполнения пробелов, созданных неизвестной структурой петли. Некоторые из этих программ включают MODELLER, Loopy и RAPPER; но каждая из этих программ подходит к проблеме по-своему. Например, Loopy использует образцы пар углов кручения для генерации исходной структуры петли, затем он пересматривает эту структуру, чтобы сохранить реалистичную форму и замыкание, в то время как RAPPER строит от одного конца зазора до другого, расширяя стебель с различными выборочными углами, пока зазор не будет закрыт. [4] Еще один метод — это подход «разделяй и властвуй». Он включает в себя разделение петли на 2 сегмента, а затем многократное деление и преобразование каждого сегмента, пока петля не станет достаточно маленькой для решения. [5] Даже со всеми этими методами подходы без шаблонов являются наиболее точными до 12 остатков (аминокислот в петле).

При использовании нешаблонной методики возникают три проблемы. Во-первых, существуют ограничения, которые ограничивают возможности моделирования локальной области. Одним из таких ограничений является то, что концы петли должны заканчиваться в правильном положении якоря. Кроме того, пространство Рамачандрана не может содержать остов двугранных углов . Во-вторых, программа моделирования должна использовать установленную процедуру. Некоторые программы используют подход «запасных частей», как упоминалось выше. Другие программы используют подход de novo , который выбирает стерически возможные конформации петли и выбирает лучшую. В-третьих, определение лучшей модели означает, что должен быть создан метод оценки для сравнения различных конформаций. [6]

Смотрите также

  • Chung SY, Subbiah S. (1996.) Структурное объяснение сумеречной зоны гомологии белковых последовательностей. Структура 4: 1123–27.
  • Фисер А., Джан До РК, Сали А. (2000) Моделирование петель в белковых структурах. Protein Science 9: 1753-73
  • Ко Дж. и др. Веб-сервер FALC-Loop для моделирования белковых петель. Nucleic Acids Research 39, W210-W214 (2011).
  • Ли Дж., Ли Д., Парк Х., Кутиас Е.А., Сок К. «Моделирование белковой петли с использованием сборки фрагментов и аналитического замыкания петли. Белки: структура, функция и биоинформатика 78, 1-9 (2010).
  • Mount DM. (2004). Биоинформатика: Анализ последовательностей и генома, 2-е изд. Cold Spring Harbor Laboratory Press: Cold Spring Harbor, NY.
  • Сото К. и др. «Моделирование циклов: отбор проб, фильтрация и оценка. Белки: структура, функция и биоинформатика 70, 1-10 (2008).
  • Тан К., Чжан Дж., Лян Дж. (2014) Быстрая выборка белковых петель и прогнозирование структуры с использованием метода Монте-Карло с последовательным ростом цепи, управляемым расстоянием. PLOS Computational Biology 10 (4), e1003539.

Ссылки

  1. ^ Perraud, AL; Takanishi, CL; Shen, B; Kang, S; Smith, MK; Schmitz, C; Knowles, HM; Ferraris, D; Li, W; Zhang, J; Stoddard, BL; Scharenberg, AM (18 февраля 2005 г.). «Накопление свободной АДФ-рибозы из митохондрий опосредует окислительный стресс-индуцированный гейтинг катионных каналов TRPM2». Журнал биологической химии . 280 (7): 6138– 48. doi : 10.1074/jbc.M411446200 . PMID  15561722.
  2. ^ Baloria, U; Akhoon, BA; Gupta, SK; Sharma, S; Verma, V (апрель 2012 г.). «Протеомная характеристика рецептора человеческого эпидермального фактора роста 2 (HER-2) in silico для картирования высокоаффинных антигенных детерминант против рака молочной железы». Аминокислоты . 42 (4): 1349– 60. doi :10.1007/s00726-010-0830-x. PMID  21229277. S2CID  13324635.
  3. ^ Fiser, A; Sali, A (12 декабря 2003 г.). «ModLoop: автоматизированное моделирование петель в белковых структурах». Биоинформатика . 19 (18): 2500– 1. doi : 10.1093/bioinformatics/btg362 . PMID  14668246.
  4. ^ Холтби, Дэниел; Шуай Ченг Ли; Мин Ли (2012). «LoopWeaver – моделирование петель с помощью взвешенного масштабирования проверенных белков». Исследования в области вычислительной молекулярной биологии . Конспект лекций по информатике. Том 7262. С.  113– 126. doi :10.1007/978-3-642-29627-7_11. ISBN 978-3-642-29626-0. PMC  3590895 . PMID  23461572.
  5. ^ Tosatto, SC; Bindewald, E; Hesser, J; Männer, R (апрель 2002 г.). «Подход «разделяй и властвуй» к быстрому моделированию циклов». Protein Engineering . 15 (4): 279– 86. doi : 10.1093/protein/15.4.279 . PMID  11983928.
  6. ^ Адхикари, AN; Пэн, J; Уайлд, M; Сюй, J; Фрид, KF; Сосник, TR (январь 2012 г.). «Моделирование больших областей в белках: применение к петлям, концам и фолдингу». Protein Science . 21 (1): 107– 21. doi :10.1002/pro.767. PMC 3323786 . PMID  22095743. 
  • MODLOOP, публичный сервер для доступа к моделированию циклов MODELLER
  • RAPPER, публичный сервер для доступа к модулю моделирования белков RAPPER
  • SuperLooper2, домашняя страница SuperLooper2
  • FALC-Loop, домашняя страница FALC-Loop
  • DiSGro, домашняя страница DiSGro
Взято с "https://en.wikipedia.org/w/index.php?title=Моделирование_контуров&oldid=1273690591"