Սպիտակուցի կառուցվածքի կանխատեսման մեթոդների և ծրագրային ապահովման ուղեցույց

Իրենց կենսաբանական գործառույթներն իրականացնելու համար սպիտակուցները ծալվում են մեկ կամ մի քանի հատուկ կոնֆորմացիաների մեջ, որոնք թելադրված են բարդ և հետադարձելի ոչ կովալենտային փոխազդեցություններով: Սպիտակուցի կառուցվածքի որոշումը կարող է հասնել ժամանակատար և համեմատաբար թանկ տեխնիկայի միջոցով, ինչպիսիք են բյուրեղագիտությունը, միջուկային-մագնիսական ռեզոնանսի սպեկտրոսկոպիան և երկակի բևեռացման ինտերֆերաչափությունը: Bioinformatics ծրագիրը մշակվել է սպիտակուցային կառուցվածքները հաշվարկելու և կանխատեսելու համար ՝ հիմնվելով դրանց ամինաթթուների հաջորդականության վրա:

Հատկացում սպիտակուցային կառուցվածքի վրա

Որպես փորձարարական տեխնիկայի այլընտրանք, կառուցվածքի վերլուծության և կանխատեսման գործիքները օգնում են կանխատեսել սպիտակուցների կառուցվածքը ՝ ըստ նրանց ամինաթթուների հաջորդականությունների: Տվյալ սպիտակուցի կառուցվածքի լուծումը խիստ կարևոր է բժշկության մեջ (օրինակ ՝ դեղերի նախագծման մեջ) և կենսատեխնոլոգիայում (օրինակ ՝ նոր ֆերմենտների ձևավորման մեջ): Հաշվողական սպիտակուցների կանխատեսման ոլորտը, այդպիսով, զարգանում է անընդհատ ՝ հետևելով մեքենաների հաշվարկային հզորության բարձրացմանը և խելացի ալգորիթմների զարգացմանը:

Կան սպիտակուցների կառուցվածքի չորս մակարդակ (նկ. 1): Սպիտակուցի կառուցվածքի կանխատեսման մեջ առաջնային կառուցվածքն օգտագործվում է երկրորդային և երրորդային կառուցվածքները կանխատեսելու համար:

Սպիտակուցների երկրորդային կառուցվածքները տեղայնացված ծալում են պոլիպեպտիդ շղթայի ներսում, որը կայունացվում է ջրածնի կապերով: Երկրորդային սպիտակուցների ամենատարածված կառուցվածքները ալֆա խխունջներն ու բետա թերթերն են:

Երրորդային կառուցվածքը սպիտակուցի վերջնական ձևն է այն բանից հետո, երբ տարբեր երկրորդական կառույցները բոլորը ծալվել են 3D կառուցվածքի: Վերջնական այս ձևը ձևավորվում է և անցկացվում է միասին իոնային փոխազդեցության, դիսուլֆիդային կամուրջների և վան դե Վալսի ուժերի միջոցով:

Սպիտակուցի կառուցվածքի չորս մակարդակ: Պատկերը Khanacademy.org- ից:

Սպիտակուցների կառուցվածքի կանխատեսման մեթոդներ և ծրագրաշար

Կառուցվածքների կանխատեսման մեծ քանակությամբ ծրագրեր մշակված են հատուկ սպիտակուցային հատկությունների և առանձնահատկությունների համար, ինչպիսիք են անկարգությունների կանխատեսումը, դինամիկայի կանխատեսումը, կառուցվածքի պահպանման կանխատեսումը և այլն: Մոտեցումները ներառում են հոմոլոգիայի մոդելավորում, սպիտակուցային թելեր, ab նախաձեռնի մեթոդներ, երկրորդային կառուցվածքի կանխատեսում և տրանսմետրային խխունջ և այլն: ազդանշանային պեպտիդների կանխատեսում:

Methodիշտ մեթոդ ընտրելը միշտ սկսվում է ՝ օգտագործելով անհայտ սպիտակուցի առաջնային հաջորդականությունը և հոմոլոգների համար սպիտակուցային տվյալների շտեմարան փնտրելը (նկ. 2):

Սպիտակուցների կառուցվածքի կանխատեսման մեթոդի վերաբերյալ որոշումների կայացման գծապատկեր:

Ահա սպիտակուցային կառուցվածքի կանխատեսման մի քանի մանրամասն մեթոդներ.

  • Միջնակարգ կառուցվածքի կանխատեսման գործիքներ

Այս գործիքները կանխատեսում են տեղական երկրորդական կառույցներ, որոնք հիմնված են միայն սպիտակուցի ամինաթթուների հաջորդականության վրա: Կանխատեսված կառուցվածքները այնուհետև համեմատվում են DSSP- ի գնահատականի հետ, որը հաշվարկվում է սպիտակուցի բյուրեղագրական կառուցվածքի հիման վրա (ավելին ՝ այստեղ DSSP գնահատման վրա):

Երկրորդային կառուցվածքի կանխատեսման մեթոդները հիմնականում ապավինում են հայտնի սպիտակուցային կառուցվածքների տվյալների բազաների և ժամանակակից մեքենայական ուսուցման մեթոդների, ինչպիսիք են նյարդային ցանցերը և օժանդակ վեկտորի մեքենաներ:

Ահա երկրորդ հիանալի կառուցվածքը երկրորդային կառուցվածքի կանխատեսման համար:

  • Երրորդային կառուցվածքը

Եռանկյունի (կամ 3-D) կառուցվածքի կանխատեսման գործիքները ընկնում են երկու հիմնական մեթոդի ՝ «Ab նախաձեռնio» և սպիտակուցների համեմատական ​​մոդելավորում:

Ab fillio (կամ de novo) սպիտակուցային կառուցվածքի կանխատեսման մեթոդները փորձում են կանխատեսել երրորդական կառույցները հաջորդականություններից `հիմնված ընդհանուր սկզբունքների վրա, որոնք կառավարում են սպիտակուցների ծալովի էներգիան և / կամ այն ​​բնութագրիչների վիճակագրական հակումները, որոնք ձեռք են բերում բնիկ կառույցները, առանց հստակ ձևանմուշների:

Սպիտակուցի երրորդական կառուցվածքի մասին ամբողջ տեղեկատվությունը կոդավորված է իր հիմնական կառուցվածքում (այսինքն ՝ դրա ամինաթթուների հաջորդականությունը): Այնուամենայնիվ, դրանց հսկայական թիվը կարելի է կանխատեսել, որոնց թվում միայն մեկը ունի նվազագույն ազատ էներգիա և կայունություն, որը անհրաժեշտ է պատշաճ կերպով ծալելու համար: Սպիտակուցների սպիտակուցի կառուցվածքի կանխատեսմամբ, այսպիսով, պահանջվում է հսկայական քանակությամբ հաշվիչ ուժ և ժամանակ սպիտակուցի հայրենի կառուցվածքը լուծելու համար, և շարունակում է մնալ ժամանակակից գիտության գլխավոր մարտահրավերներից մեկը:

Հանրաճանաչ սերվերները ներառում են Robetta (օգտագործելով Rosetta ծրագրային փաթեթը), SWISS-MODEL, PEPstr, QUARK: Դիտեք սպառիչ ցուցակը այստեղ:

Եթե ​​հայտնի երրորդական կառուցվածքի սպիտակուցը կիսում է իր հաջորդականության առնվազն 30% -ը չորոշված ​​կառուցվածքի հավանական հոմոլոգի հետ, ապա անհայտի հավանական կառուցվածքը կանխատեսելու համար կարող են օգտագործվել համեմատական ​​մեթոդներ, որոնք ծածկում են հայտնիի հետ ենթադրյալ անհայտ կառուցվածքը: Հոմոլոգիայի մոդելավորումը և սպիտակուցային թելերը երկու հիմնական ռազմավարություն են, որոնք օգտագործում են նախնական տեղեկատվություն այլ նմանատիպ սպիտակուցների վերաբերյալ ՝ առաջարկելու համար անհայտ սպիտակուցի կանխատեսում ՝ հիմնվելով դրա հաջորդականության վրա:

Հոմոլոգիայի մոդելավորման և սպիտակուցների թելերի ծրագրակազմը ներառում է RaptorX, FoldX, HHpred, I-TASSER և այլն:

Հղումներ

De novo սպիտակուցային կառուցվածքի կանխատեսում: Վիքիպեդիա:

Սպիտակուցների կառուցվածքի կանխատեսում: Վիքիպեդիա