مقالة منهجية

تطبيق I TASER و trRosetta و UCSF Chimera و HADDOCK server و HEX loria ل De Novo و In Silico Design of Proteins

DOI:

10.3791/68003

⸱

يوليو 8, 2025

 , 
1Facultad de Ciencias Naturales, Doctorado en Ciencias Biológicas, Campus Aeropuerto. Laboratorio de Biología Cuantitativa y Sistemas Complejos, Universidad Autónoma de Querétaro

في هذه المقالة

ملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يتضمن تصميم البروتين بناء تسلسل الأحماض الأمينية ودمج زخارف محددة لإنشاء متغيرات وظيفية. هذا النهج أمر بالغ الأهمية لتطوير الببتيدات المضادة للميكروبات (AMPs) لمكافحة مسببات الأمراض المقاومة للمضادات الحيوية. تقدم هذه الورقة إجراء لبناء البروتين باستخدام أدوات المعلوماتية الحيوية المختلفة.

الملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تكمن حدود تصميم البروتين في بناء تسلسل الأحماض الأمينية ودمج زخارف محددة ، مثل مواقع الربط ، في المستقبلات أو القنوات الأيونية أو البروتينات الأخرى. يسمح هذا النهج بإنتاج متغيرات البروتين ذات الوظائف وأغراض محددة. يتمثل التطبيق النموذجي لموارد المعلوماتية الحيوية هذه في تحسين الببتيدات المضادة للميكروبات (AMPs) أو تصميم AMPs الاصطناعية. هذا التطور مهم بسبب الزيادة الأخيرة في الأمراض الناشئة ، والتي غالبا ما تسببها مسببات الأمراض التي يصعب القضاء عليها وتظهر مقاومة المضادات الحيوية. تشمل عواقب هذا الاتجاه الانقراض العالمي للأنواع الحيوانية والموت البشري. لذلك فإن التوليف السريع لوحدات AMP الجديدة والفعالة أمر ضروري. يمكن لهذه الخوادم والبرامج تسهيل التطوير السريع للقاحات أو AMPs أو العلاجات الفعالة ضد هذه مسببات الأمراض. كان الهدف من هذا العمل هو تقديم واقتراح إجراء لبناء البروتين من التسلسلات وتوضيح عملية استخدام أدوات مختلفة لبناء هذه الجزيئات خطوة بخطوة.

المقدمة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يتزايد معدل الإصابة بالأمراض الحيوانية ، وتتأثر هذه الظاهرة بتغير المناخ. أدى ارتفاع درجة الحرارة العالمية إلى انتشار الكائنات الحية الدقيقة وظهور مسببات الأمراض الانتهازية ، مما ساهم في تطور الأمراض الخبيثة والمقاومة للأدوية1. يؤثر تغير المناخ على ميكروبيوم التربة والماء والجلد والأمعاء ، مما يؤدي إلى ضغط مستمر على فسيولوجيا والتكيف البيئي. ثبت أن هذه الظاهرة تضر بالاستجابات المناعية ، مما يجعل أكثر عرضة لمسببات الأمراض الناشئة ، والتي يمكن أن يكون لها عواقب مميتة وربما تؤدي إلى انقراض أنواع معينة2،3،4،5. ومن الأمثلة البارزة على ذلك متلازمة الأنف الأبيض (WNS) ، وهو مرض تسببه فطر Pseudogymnoascus destructans ، ويؤثر على الخفافيش في السبات. لم يتم تحديد هذا المرض وغيره حتى حدث وفيات كبير في القارة الأمريكية في عام 20066. للتخفيف من الضرر الناجم عن مسببات الأمراض هذه ، لجأ الباحثون إلى إعطاء مضادات الفطريات ، مثل إيتراكونازول وكيتوكونازول ، والبروبيوتيك ، بما في ذلك التلقيح بالميكروبات المفيدة Pseudomonas fluorescens7. مثال آخر على مرض تسببه الفطريات هو مرض Ophidiomyces ophiodiicola ، وهو فطر يسبب التهاب الجلد والأمراض متعددة الأجهزة في كل من الثعابين الأسيرة والبرية4،8.

تؤكد هذه الدراسات على ضرورة زيادة الوعي والفهم للأمراض الفطرية في البرية لتنفيذ الحلول العملية على وجه السرعة. تم الإبلاغ عن التهابات فطرية في البرمائيات ، وأحد مسببات الأمراض السائدة التي تصيب هذه هو الفطريات المائية Batrachochytrium dendrobatidis (Bd) ، والتي تسبب الفطريات الفطرية. يسبب هذا المرض آفات جلدية شديدة ويعطل وظيفة الجلد الطبيعية في المعرضة للإصابة ، مما قد يؤدي إلى الوفيات9. تم نشر هذا العامل الممرض على نطاق واسع منذ القرن العشرين ، مما ساهم في انقراض 90 نوعا من البرمائيات. يشكل انتشار هذه العدوى تحديا كبيرا في الوقاية منها وتحديد العلاجات الفعالة ، لأنها تتطلب النظر في مختلف العوامل البيئية والفسيولوجية والميكروبيوم وغيرهامن العوامل 10.

إنها ظاهرة موثقة جيدا أن الكائنات الحية الدقيقة المسببة للأمراض تمتلك القدرة على تطوير آليات المقاومة بسرعة من خلال الترميز الجيني ، وهي عملية يمكن أن تجسد من خلال إنتاج مضخات التدفق الخارجية للأدوية والمضاداتالحيوية 11. علاوة على ذلك ، لوحظ أن هذه الكائنات الحية الدقيقة تعدل تركيبة الدهون في الغشاء بهدف مواجهة تأثيرات جزيئات معينة12. حظي مجال تسلسل البروتين باهتمام كبير ، لا سيما في سياق اندماجه في مناهج العلاج وبناء نماذج بنية البروتين. تم تصميم هذه النماذج لتحسين وقت المختبر وموارده قبل بدء تخليق البروتين13. الوقاية من العدوى في هذه الحالات مهمة معقدة تنطوي على العديد من العوامل البيئية والفسيولوجية والميكروبيوم14. يسهل هذا النهج إدارة أكثر فعالية للوقت والموارد في المختبر ويؤكد على تعقيد المهمة.

من أجل تعزيز إمكانات التطبيقات العملية للمركبات الموجودة ، بالإضافة إلى إنشاء مركبات جديدة ذات إمكانات أكثر أهمية لمثل هذه التطبيقات ، من الضروري توظيف خبرات من مختلف التخصصات ، بما في ذلك الكيمياء والبيولوجيا الجزيئية والفيزياء والبرمجة. تحقيقا لهذه الغاية ، تتوفر العديد من الأدوات ، بما في ذلك I-TASSER (تحسين الخيوط التكراري) 15،16 و trRosetta17،18 (التنبؤ ببنية البروتين بواسطة Rosetta المقيدة ب TRansform). التنبؤ بالبروتين الهيكلي و UCSF Chimera (نظام تصور للبحث والتحليل الاستكشافي من جامعة كاليفورنيا ، سان فرانسيسكو) 19 و HEX loria (برنامج لرسو السفن البروتيني التفاعلي والتراكب الجزيئي) 20 لرسو السفن الجزيئي وتحرير ملف PDB.

I-TASSER هو خادم آلي عبر الإنترنت يتنبأ بالهيكل والوظيفة. يمكن الوصول إلى هذا البرنامج عبر متصفح الويب أو كتنزيل. في صفحة التقديم ، يمكن للمستخدمين إدخال التسلسل بتنسيق FASTA أو تنزيل أرشيف بتنسيق .txt. تتضمن عملية الخادم تحديد القوالب الهيكلية بدرجة من التماثل ، كما هو موضح في خادم الخيوط الفوقي المحلي LOMETS20،21،22،23،24،25. بعد معالجة مليون نتيجة محتملة بواسطة الخادم ، تبدأ عملية الترشيح ، ويتم اختيار الأجزاء بناء على الانحراف التربيعي المتوسط الجذري (RMSD) ، و TM (مقياس يستخدم لتقييم التشابه الهيكلي بين نموذجين) ، و C-score (مقياس يستخدم لتقييم ثقة النماذج الهيكلية للبروتين التي تم إنشاؤها بواسطة الأدوات). يمكن للمستخدمين تخصيص النتائج بناء على المعلمات المحددة مسبقا المتوفرة في البرنامج أو إدخال قيمهم الخاصة اعتمادا على تسلسلهم المحدد أو توقعاتهم الهيكلية20،21،22،23،24،25.

trRosetta هو برنامج فعال للغاية للتنبؤ ببنية البروتين. على هذا الخادم، يمكن للمستخدمين إرسال التسلسلات بتنسيق أرشيف أو TXT أو FASTA أو تسلسل الإدخال أو تسلسلات المحاذاة المتعددة (MSA). يتيح هذا البرنامج للمستخدمين الاختيار بين القوالب أو تنفيذ trRosetta-single لطي التسلسل. تستخدم هذه الخوادم شبكة التعلم العميق لإنشاء تنبؤات هيكلية. تتضمن عملية التنبؤ بالتسلسل خطوة أولية للتنبؤ بخريطة الاتصال والمسافة ، متبوعة باختيار القوالب الخمسة الأولى للنموذج النهائي وخطوة لتقليل الطاقة للطي والتحسين17.

خادم إرساء البروتين والبروتين عالي الغموض (HADDOCK) هو أداة حسابية تسهل الإرساء المرن لملفين أو أكثر من ملفات PDB ، بما في ذلك هياكل البروتين والببتيد والترابط والمستقبلات. يستخدم هذا الخادم نهجا يشتمل على AIRs (قيود التفاعل الغامضة) ، والتي تشفر المعلومات من البروتينات المتوقعة أو المحددة أثناء عملية الإرساء. تشمل AIRs قيود الأحماض الأمينية ، وتصنفها على أنها أحماض أمينية سلبية أو نشطة. يعد دمج الأحماض الأمينية النشطة ذا أهمية خاصة ، لأنها تدل على مواقع الارتباط أو التفاعل المحتملة بين مستقبلات البروتين. يدمج تصميم البرنامج التعرض للمذيبات في النموذج26.

HEX Loria هو خادم تفاعلي عبر الإنترنت يسهل تحليل مجمعات البروتين والالتحام الجزيئي. يمكن لهذا الخادم قراءة أرشيفات الإحداثيات بتنسيق بنك بيانات البروتين (PDB) وإنشاء حسابات الإرساء بسرعة باستخدام أهداف رسومات NVIDIA أو CUDA. يمكن للبرنامج إنتاج ما يصل إلى 1,000 تنبؤ لرسو السفن ويستخدم ارتباط فورييه للتوجهات العامة لجزيئين27. تم تصميم واجهة HEX Loria لتكون سهلة الاستخدام ، مما يمكن الباحثين من تحميل هياكل البروتين الخاصة بهم بسلاسة وتكوين المعلمات لمحاكاة الإرساء. لقد ثبت أن قدرة الخادم على استخدام وحدات معالجة الرسومات NVIDIA أو CUDA تؤدي إلى تسريع كبير في وقت الحساب ، مما يسمح للباحثين بالحصول على نتائج بفائدة أكبر. علاوة على ذلك ، تقدم HEX Loria مجموعة من خيارات التصور لنتائج الإرساء ، مما يمكن المستخدمين من إجراء تحليل مفصل للتفاعلات المتوقعة بين البروتين والبروتين.

يعد استخدام UCSF Chimera أمرا ضروريا لضمان دقة نتائج البحث. يتطلب هذا البرنامج التثبيت لتنفيذ البروتوكول الحالي ، وسيتم استخدام الوظائف اللاحقة: قياس المسافات بين الذرات والعديد من المهام التحليلية الأخرى. يتميز البرنامج بميزات مثل وضع العلامات والتلوين وعرض السطح وتصدير الأشكال بتنسيقات JPG أو PNG. يسهل دمج الملصقات والألوان تحديد الأحماض الأمينية ذات الاحتمال الكبير للتلامس بين المستقبل والبروتين المضاد للميكروبات المصمم. بالإضافة إلى ذلك ، فإنه يتيح القياس الدقيق للمسافة بين هذه الأحماض الأمينية.

يهدف هذا البروتوكول إلى تحديد خيارات العلاج البديلة للقلق الصحي الناشئ الذي يصيب البرمائيات. لوحظ داء الفطريات الفطرية ، وهو عدوى فطرية تصيب الجلد ، في مراحل مختلفة من تطور البرمائيات. المصدر الرئيسي للعدوى بين هذه هو المسطحات المائية التي تقيم فيها عادة وتشارك في أنشطة مختلفة. يتطلب تطوير عامل فعال مضاد للفطريات تحديد ثلاثة أهداف جزيئية على الأقل: التفاعل مع جدار الخلية باستخدام الشحنات ، والارتباط بغشاء البلازما ، وأخيرا ، الارتباط والتفاعل مع بروتين المستقبل على مستوى الغشاء ، والذي يلعب دورا حيويا في الفطريات Bd.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. تحديد التسلسلات الجزيئية المستهدفة في Bd

ملاحظة: يعتمد اختيار الأحماض الأمينية في التسلسل على توصيات من الأدبيات. تشمل الأحماض الأمينية الرئيسية K و W و G و A و V و I و L. لمعرفة البرامج التي يجب استخدامها، راجع جدول المواد.

  1. استرداد التسلسلات المستهدفة من قاعدة بيانات NCBI.
    1. الوصول إلى قاعدة بيانات المركز الوطني لمعلومات التكنولوجيا الحيوية (NCBI) في https://www.ncbi.nlm.nih.gov/.
    2. حدد جميع قواعد البيانات واختر النيوكليوتيدات كفئة البحث.
    3. أدخل Batrachochytrium dendrobatidis في شريط البحث وقم بتصفية النتائج حسب السلالة والأنواع.
    4. قم بتنزيل التسلسل وحفظه بتنسيق محرر نصوص أو تنسيق FASTA لمزيد من التحليل.

2. تحليل التسلسل عن طريق BLAST أو SMART BLAST

  1. قم بإجراء بحث BLAST
    1. افتح متصفح ويب وانتقل إلى BLAST (أداة البحث عن المحاذاة المحلية الأساسية).
    2. حدد Protein BLAST لمقارنة تسلسل الاستعلام بقواعد بيانات البروتين https://blast.ncbi.nlm.nih.gov/Blast.cgi.
  2. تحقق من خصوصية الهدف.
    1. تأكد من عدم وجود الهدف الجزيئي المحدد في الأنواع الأخرى. إذا ظهر الهدف في أنواع متعددة ، كرر اختيار التسلسل حتى يتم تأكيد الخصوصية (انظر الشكل 1).
      ملاحظة: تضمن هذه الخطوة عدم وجود أهداف جزيئية ثانوية غير مرغوب فيها تتداخل مع وظيفة AMP أو البروتين المضاد للفطريات
  3. تحقق من التماثل في تسلسل البروتين.
    1. تحقق من أن تسلسل الأحماض الأمينية المصمم لا يتطابق مع البروتينات المتجانسة في الأنواع الأخرى.
      ملاحظة: تؤكد هذه الخطوة أن الوظيفة المضادة للفطريات خاصة بالأهداف المقصودة

3. تصميم تسلسل البروتين المضاد للميكروبات

ملاحظة: يجب تصميم محتوى الأحماض الأمينية وتسلسلها وفقا لوظيفة البروتين المطلوبة ، وتحديدا النشاط المضاد للفطريات. يجب أن يقوم التسلسل المصمم بتشفير بروتينا له تأثيرات مضادة للفطريات ضد Bd. تحقق من ذلك على خادم التنبؤ Antifp28.

  1. مراجعة الأدبيات وتصميم التسلسل
    1. إجراء مراجعة شاملة للأدبيات الحديثة لتحديد الخصائص الرئيسية لبولاية بدينار وآليات مضادات الميكروبات المحتملة.
      ملاحظة: تصف الدراسات السابقة الببتيدات المضادة للميكروبات (AMPs) ضد Bd ، التي يتم تصنيعها بواسطة وكائنات دقيقة مختلفة. توفر صيغة شاي29إطارا لتصميم الببتيدات الاصطناعية المضادة للفطريات. يجب استخدام هذه الطريقة لتحسين تسلسل البروتين لتحقيق أقصى قدر من النشاط المضاد للفطريات.

4. توقع هيكل 3D باستخدام I-TASSER

ملاحظة: ينطبق هذا البروتوكول على الهدف الجزيئي والتسلسل المضاد للميكروبات المصمم

  1. للوصول إلى التسلسلات وإرسالها ، قم بزيارة خادم I-TASSER للحصول على بنية البروتين والتنبؤ بالوظيفة https://zhanggroup.org/I-TASSER/.
  2. قم بالتسجيل باستخدام بريد إلكتروني مؤسسي لتلقي اسم مستخدم وكلمة مرور للوصول إلى الأداة.
  3. أرسل الهدف الجزيئي أو التسلسل المصمم بتنسيق FASTA أو ملف .txt أو نسخ ولصقه مباشرة في حقل الإدخال.
  4. قم بتعيين اسم فريد للتسلسل.
  5. انقر فوق إرسال، ودع البرنامج يحلل التسلسل، مما يوفر وقت معالجة تقديري.
    ملاحظة: أوقف البروتوكول مؤقتا حتى يتم استلام النتائج. يتراوح وقت المعالجة عادة من 24 إلى 72 ساعة للبروتينات الصغيرة (≤50 من الأحماض الأمينية) وقد يستغرق وقتا أطول للبروتينات الأكبر حجما (حتى 3000 من الأحماض الأمينية).
    إرشادات حول اختيار الأداة: استخدم I-TASSER للبروتينات الصغيرة ، مثل الببتيدات المضادة للميكروبات المصممة بالنسبة للبروتينات الكبيرة ، استخدم trRoseetta ، الذي تم تحسينه للنمذجة الهيكلية المعقدة.

5. توقع هيكل 3D باستخدام trRosetta

  1. قم بزيارة خادم الويب trRosetta: https://yanglab.qd.sdu.edu.cn/trRosetta/.
  2. أدخل تسلسل المستقبلات المستهدفة بتنسيق FASTA أو .txt أو MSA ، أو الصقه مباشرة في الخادم.
  3. قم بتعيين اسم للبروتين المتوقع هيكليا.
  4. انقر فوق إرسال، مع التأكد من تحديد خيار استبعاد القوالب. اختر trRosettaX-single-homologs لبدء عملية التنبؤ.
    ملاحظة: أوقف البروتوكول مؤقتا حتى يتم استلام النتائج.
  5. انتظر رسالة تأكيد بالبريد الإلكتروني عند الإرسال بنجاح.
  6. تحليل نتائج التنبؤ.
    1. تحقق من أن درجة TM هي مقياس لجودة النموذج.
    2. افحص خرائط الاتصال وخرائط المسافة لكل حمض أميني وخرائط الدوران لكربون ألفا وبيتا بزوايا ω (أوميغا) و θ (ثيتا) و φ (phi).
  7. قم بتنزيل النتائج بتنسيق ZIP لمزيد من التحليل.

6. الإرساء الجزيئي وتحليل التفاعل (باستخدام HADDOCK)

  1. قم بالوصول إلى خادم الإرساء HADDOCK: https://wenmr.science.uu.nl/haddock2.4/.
  2. قم بتسجيل حساب باستخدام بريد إلكتروني مؤسسي ، وقم بتأكيد الحساب ، وقم بتسجيل الدخول.
  3. ارجع إلى الصفحة الرئيسية، وحدد وظيفة جديدة، وابدأ الواجبات المرسلة.
  4. في صفحة إرسال HADDOCK ، املأ المعلومات المطلوبة: اسم الوظيفة ، رقم الجزيء (في هذه الحالة ، 2). حدد الكل.
  5. رفع جزيئات لرسو السفن. تحميل هياكل PDB للمستقبل والرابط. حدد إرساء البروتين لكليهما.
  6. كرر خطوات إرسال الترابط ، وحدد جميع السلاسل ، واترك الإعدادات المتبقية كإعداد افتراضي.
  7. انقر فوق التالي لخطوة الإرسال اللاحقة.
    ملاحظة: في القسمين 1 و 2 ، أضف قائمة الأحماض الأمينية المشاركة في تفاعلات المستقبل والرابط وقم بتمييزها كمخلفات نشطة. تظل المخلفات السلبية محددة مسبقا. المواقع النشطة هي مواقع التفاعل ويجب اختيارها وفقا لخصائص البروتين المصمم والأحماض الأمينية المكشوفة لبروتين المستقبل.
  8. قم بإنهاء عملية الإرساء وتشغيلها.
    1. انقر فوق التالي للاحتفاظ بمعلمات الإرساء الافتراضية دون تغيير.
    2. انقر فوق إرسال لبدء المعالجة.
      ملاحظة: يتراوح وقت المعالجة المتوقع من 24 إلى 72 ساعة.
  9. راجع نتائج الإرساء.
    1. يقوم الخادم تلقائيا بتحديد أفضل نتائج الإرساء وترتيبها. تحليل تفاعلات الأحماض الأمينية باستخدام برنامج التصور الهيكلي (على سبيل المثال ، PyMOL أو UCSF Chimera).
  10. قم بتنزيل الهياكل الراسية النهائية بتنسيق PDB لمزيد من الدراسة.
    ملاحظة: ارجع إلى الملف التكميلي 1: الشكل التكميلي S1 ، والشكل التكميلي S2 ، والشكل التكميلي S3 ، والشكل التكميلي S4 ، والشكل التكميلي S5.

7. قياس المسافات (اختياري) [انظر الملف التكميلي 1: الشكل التكميلي S6 ، الشكل التكميلي S7 ، والشكل التكميلي S8.]

  1. تحليل نتائج الإرساء باستخدام برنامج تصور البنية (PDB). افتح ملف PDB لرسو السفن الجزيئي في UCSF Chimera وقم بتقييم القرب الهيكلي ومواقع الربط المحتملة (المسافات المقاسة).
  2. انقر نقرا مزدوجا فوق أيقونة Chimera لفتح PDB. حدد ملف، وفتح، واختر ملفا من نافذة دليل المستند.
  3. تحديد الذرات. انتقل إلى الإجراءات والذرات / الروابط وحدد إظهار.
  4. حدد الذرات الأقرب إلى الترابط والمستقبل. حدد ذرة 1 باستخدام Ctrl + انقر و atom 2 باستخدام Ctrl + Shift + Click.
  5. انتقل إلى الأدوات وتحليل الهيكل وحدد المسافات.
  6. انقر فوق Create (التحقق من تحديد الذرة). تعرض النافذة الأحماض الأمينية ومواقع الذرات 1 و 2.
    ملاحظة: يعرض عمود المسافة الزوايا بين الذرات.
  7. قم بتنزيل الجدول وحفظه على الكمبيوتر المحلي.
    ملاحظة: راجع الملف التكميلي 1 للحصول على معلومات إضافية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يستخدم التسلسل قيد التطوير الصيغة التالية: K (X) 3KW (X) 2K (X) 2K ، حيث يمكن أن يكون (X) G أو A أو V أو I أو L28. تضمنت نتائج البحث التي تم الحصول عليها تسلسلات بروتينية لأكثر من 300 من الأحماض الأمينية ، والتي تم اختيارها بسبب وضعها كتسلسلات بروتينية كاملة ، بدلا من التسلسلات الجزئية. وتجدر الإشارة إلى أن التسلسلات الكاملة ضرورية للدراسة. كما تم البحث عن وظائف كل قناة مستقبل/غشاء ضمن معلومات التسلسل أو في عمليات بحث منفصلة في قاعدة البيانات. تضمنت النتائج التي تم...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

نهج المعلوماتية الحيوية المستخدم في التنبؤ الهيكلي للبروتين له قيود متأصلة بسبب اعتماده على البرامج الحسابية. تحاول هذه البرامج تقريب هياكل البروتين الحقيقية ولكنها مقيدة بعوامل مثل درجة الحرارة والذوبان ووجود المذيبات ، والتي قد لا تتكاثر بشكل كامل في ظروف الجسم الحي. بالإضافة إلى ذلك ، تعتمد الطريقة على التحديد الدقيق للبروتينات المحفوظة الرئيسية من خلال محاذاة متعددة وقواعد بيانات منسقة ، مما يجعل موثوقية قواعد البيانات هذه حاسمة للحصول على نتائج ذات مغزى.

...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ليس لدى المؤلفين أي تضارب في المصالح للإفصاح عنه.

شكر وتقدير

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

جيمينا ر. فياريال طالبة دكتوراه من برنامج الدكتوراه في العلوم البيولوجية ، جامعة الاستقلال في كويريتارو (UAQ) ، وحصلت على زمالة Consejo Nacional de Humanidades ، Ciencias y and Tecnologías (CONAHCyT) (1003112).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
انفجارN / AN / Aخادم عبر الإنترنت
الكمبيوترAMDN / ASO: XP ، W7 ، W8 ، W10 ، Ubuntu ، لينكس
خادم HADDOCKBONVINLABN /A خادم عبر الإنترنت
HEX 5.2BBSRC-INRIAN /A تنزيل الخادم عبر الإنترنت
I-TASSERZHANG LABN / Aتنزيل الخادم عبر الإنترنت
MUSCLEN / Aغير متاحخادم عبر الإنترنت
NCBIN / AN / Aخادم عبر الإنترنت
PYMOLSCHR & Ouml ؛ DINGERN / Aتنزيل XP ، W7 ، W8 ، W10 ، W11 ، لينكس
الطراز السويسريBIOZENTRUMN / Aخادم عبر الإنترنت
خادم RROSEETTALAB YANG LABN / Aخادم عبر الإنترنت
USCF CHIMERARBVIN / ADownload-XP ، W7 ، W8 ، W10 ، W11 ، LINUX

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. McArthur, D. B. Emerging infectious diseases. Nurs Clin North Am. 54 (2), 297-311 (2019).
  2. Schilliger, L., Paillusseau, C., Francois, C., Bonwitt, J. Major emerging fungal diseases of reptiles and amphibians. Pathogens. 12 (3), 429(2023).
  3. Campbell, L. J., Garner, T. W. J., Hopkins, K., Griffiths, A. G. F., Harrison, X. A. Outbreaks of an emerging viral disease covary with differences in the composition of the skin microbiome of a wild United Kingdom amphibian. Front Microbiol. 10, 1245(2019).
  4. Lorch, J. M., et al. Snake fungal disease: An emerging threat to wild snakes. Philos Trans Royal Soc Lond BBiol Sci. 371 (1709), 20150457(2016).
  5. Costa, S., Lopes, I. Saprolegniosis in amphibians: An integrated overview of a fluffy killer disease. Jo F BaselSwitz. 8 (5), 537(2022).
  6. Lemieux-Labonté, V., Dorville, N. A. S. -Y., Willis, C. K. R., Lapointe, F. -J. Antifungal potential of the skin microbiota of hibernating big brown bats (Eptesicusfuscus) infected with the causal agent of White-Nose Syndrome. Front Microbiol. 11, 1776(2020).
  7. Hoyt, J. R., et al. Field trial of a probiotic bacteria to protect bats from White-Nose Syndrome. Sci Rep. 9 (1), 9158(2019).
  8. Origgi, F. C., et al. Ophiodimyces ophiodiicola, etiologic agent of snake fungal disease, in Europe since late 1950s. Emerg Infect Dis. 28 (10), 2064-2068 (2022).
  9. Van Rooijk, P., Martel, A., Haesebrouck, F., Pasmans, F. Amphibian chytridiomycosis: a review with a focus on fungus host interactions. Vet Res. 46, 137(2015).
  10. Fisher, M. C., Garner, T. W. J., Walker, S. F. Global emergence of Batrachochytrium dendrobatidis and amphibian Chytridiomycosis in space, time, and host. Ann Rev Microbiol. 63 (1), 291-310 (2009).
  11. Hancock, R., Brinkman, F. S. L. Function of Pseudomonas porins in uptake and efflux. Ann Rev Microbiol. 56 (1), 17-38 (2002).
  12. Carfrae, L., et al. Inhibiting fatty acid synthesis overcomes colistin resistance. Nat Microbiol. 8 (6), 1026-1038 (2023).
  13. Robson, B. Denovo protein folding on computers. Benefits and challenges. Comp Biol Med. 143, 105292(2022).
  14. Munita, J. M., Arias, C. A. Mechanisms of antibiotic resistance. Microbiol Spect. 4 (2), (2016).
  15. Zheng, W., et al. Folding non-homologous proteins by coupling deep-learning contact maps with I-TASSER assembly simulations. Cell Rep Met. 1 (3), 100014(2021).
  16. Yang, J., Zhang, Y. I-TASSER server: New development for protein structure and function predictions. Nuc Acid Res. 43 (W1), W174-W181 (2015).
  17. Du, Z., et al. The trRosetta server for fast and accurate protein structure prediction. Nat Prot. 16 (12), 5634-5651 (2021).
  18. Wang, W., Peng, Z., Yang, J. Single-sequence protein structure prediction using supervised transformer protein language models. Nat Comp Sci. 2 (12), 804-814 (2022).
  19. Pettersen, E., et al. UCSF Chimera-A visualization system for exploratory research and analysis. J Comp Chem. 25 (13), 1605-1612 (2004).
  20. Ghoorah, A. W., Devignes, M. -D., Smail-Tabbone, M., Ritchie, D. W. Protein docking using case-based reasoning. Proteins: Struct Funct Bioinf. 81 (12), 2150-2158 (2013).
  21. Battey, J., et al. Automated server predictions in CASP7. Proteins: Struct Funct Bioinf. 69 (S8), 68-82 (2007).
  22. Kryshtafovych, A., et al. Evaluation of the template-based modeling in CASP12. Proteins: Struct Funct Bioinf. 86 (S1), 321-334 (2018).
  23. Anishchenko, I., et al. Protein tertiary structure prediction and refinement using deep learning and Rosetta in CASP14. Proteins: Struct Funct Bioinf. 89 (12), 1722-1733 (2021).
  24. Kinch, L. N., Schaeffer, R. D., Kryshtafovych, A., Grishin, N. V. Target classification in the 14th round of the critical assessment of protein structure prediction (CASP14). Proteins: Struct Funct Bioinf. 89 (12), 1618-1632 (2021).
  25. Honorato, R. V., et al. Structural biology in the clouds: The WeNMR-EOSC ecosystem. FrontMolBiosci. 8, 729513(2021).
  26. Van Zundert,, et al. The HADDOCK2.2 Web Server: User-friendly integrative modeling of biomolecular complexes. JMolBiol. 428 (4), 720-725 (2016).
  27. Macindoe, G., Mavridis, L., Venkatraman, V., Devignes, M. -D., Ritchie, D. W. HexServer: An FFT-based protein docking server powered by graphics processors. Nucl Acid Res. 28 (Web Server), W445-W449 (2010).
  28. Agrawal, P., et al. In silico approach for prediction of antifungal peptides. Front Microbiol. 9, 323(2018).
  29. Shai, Y. Mode of action of membrane active antimicrobial peptides. Biopolymers. 66 (4), 236-248 (2002).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

I TASSER trRosetta HADDOCK

مقالات ذات صلة