Un protocolo para la estructura de la proteína por computadora y la función de predicción

El objetivo de este procedimiento es predecir computacionalmente las estructuras tridimensionales y la función biológica de las moléculas de proteínas a partir de sus secuencias de aminoácidos. Esto se logra prediciendo primero la estructura secundaria de las proteínas mediante el aprendizaje automático. A continuación, las secuencias y la estructura secundaria predicha se comparan con las estructuras resueltas en la biblioteca PDB para identificar las mejores plantillas de estructura posibles.

Este procedimiento se denomina enhebrado. Siguiendo el procedimiento de enhebrado, el programa IT AER dividirá las plantillas en fragmentos en función de las alineaciones de plantillas de secuencia y, a continuación, volverá a ensamblar los fragmentos en modelos de longitud completa en el tercer paso. Los modelos atómicos completos se construyen mediante refinamientos a nivel atómico para optimizar las redes de enlaces de hidrógeno y eliminar las superposiciones.

El último paso del procedimiento es identificar la función biológica de las proteínas haciendo coincidir las estructuras de predicción con proteínas de función conocida en la biblioteca de funciones. La principal ventaja de ITER sobre el método de modelado de estructuras existente es el enfoque de ensamblaje de fragmentos de estructura inherente, que puede acercar constantemente las alineaciones de roscas al estado nativo. Estos modelos de estructura de alta calidad también forman la base de anotaciones funcionales precisas basadas en estructuras para promover el uso de ITER en la comunidad científica.

Nuestro laboratorio ha puesto a disposición un sitio web donde las secuencias de proteínas se pueden enviar a iter. Este sitio web actúa como un nexo con el que los usuarios de todo el mundo pueden registrar una interfaz para el clúster de computadoras, que administra y ejecuta simulaciones ITER. Un trabajo de simulación ITER consta de más de una docena de subsimulaciones más pequeñas.

Estas simulaciones, cuando se ejecutan en una sola computadora con un solo núcleo de procesador, pueden tardar más de cien horas. El clúster de computadoras del laboratorio Zang toma y distribuye estas subsimulaciones a través de cientos de computadoras y es capaz de ejecutar más de 2000 simulaciones. Al mismo tiempo que nuestro clúster de computadoras, somos capaces de completar cientos de simulaciones de prueba I todos los días.

Incluso con esta capacidad, hay que trabajar mucho para optimizar el sistema y minimizar el tiempo de espera para nuestros usuarios de AER de TI en línea. Para comenzar con el experimento de modelado de estructura y función, inicie sesión en la página web de IT AER. Las direcciones URL de todas las páginas web relevantes discutidas aquí se pueden encontrar en el protocolo escrito.

Copie y pegue la secuencia de aminoácidos en el formulario proporcionado, o cargue directamente la secuencia haciendo clic en el botón Examinar. Proporcione una dirección de correo electrónico y un nombre para el trabajo. Opcionalmente, los usuarios pueden especificar restricciones externas en contacto con residuos o distancias.

Agregue una plantilla adicional o excluya algunas proteínas plantilla durante el proceso de modelado de la estructura. Para enviar la secuencia, haga clic en el botón ejecutar la pistola taser. Compruebe el estado del trabajo enviado visitando la página de la cola de IT Taser.

Haga clic en la pestaña de búsqueda y utilice el número de ID del trabajo o la secuencia de consulta para buscar el trabajo enviado. Una vez finalizado el modelado de estructuras y funciones, se enviará un correo electrónico de notificación con una imagen de las estructuras predichas y un enlace web a la dirección de correo electrónico proporcionada. Haga clic en este enlace para ver y descargar los resultados.

Comience el análisis de la estructura examinando la predicción de la estructura secundaria, que se muestra como H para la hélice alfa, S para la hebra beta o C para la bobina. Además, tenga en cuenta la puntuación de confianza de la predicción para cada residuo. Busque regiones con estructuras largas de predicciones de estructuras secundarias regulares para estimar la región central de la proteína.

La clase estructural de la proteína también se puede analizar en función de la distribución de los elementos secundarios de la estructura. Vea la accesibilidad prevista al disolvente para determinar las regiones enterradas y expuestas al disolvente. En la consulta, los valores de la accesibilidad al disolvente predicha oscilan entre una puntuación de cero para un residuo enterrado y una puntuación de nueve para un residuo expuesto.

Las regiones que contienen principalmente residuos enterrados se pueden utilizar para delinear la región central de la proteína, mientras que las regiones con residuos hidrofílicos y expuestos a solventes son sitios potenciales de hidratación o funcionales. Para ver las estructuras terciarias predichas de la proteína de consulta, desplácese hacia abajo hasta la aplicación JMO interactiva que se muestra a la izquierda. Haga clic en el applet para cambiar la apariencia de la estructura mostrada.

Acérquese a una región específica, seleccione tipos de residuos específicos en el modelo predicho o calcule las distancias de los residuos. Analice las puntuaciones de confianza del modelado estructural para estimar la calidad de las estructuras predichas. Los valores de Csco suelen estar en el rango de menos cinco a dos, en el que una puntuación más alta refleja un modelo de mejor calidad.

La puntuación TM estimada y RMSD del primer modelo se muestra como precisión estimada del modelo uno. Haga clic en el enlace más sobre csco. Para analizar el tamaño del clúster de CSCO y la densidad del clúster de todos los modelos, analice las 10 plantillas de subprocesos principales de la proteína de consulta identificadas por los programas de subprocesos de baja mets.

Al desplazarse hacia abajo en la página de resultados, vea la puntuación Z normalizada para analizar la calidad de las alineaciones de roscado. Las alineaciones con un csco normalizado mayor que uno, reflejan una alineación segura y es más probable que tengan el mismo pliegue que la proteína de consulta. Examine la identidad de la secuencia en la región alineada con el enhebrado y en toda la cadena para evaluar la homología entre la consulta y las proteínas plantilla.

La identidad de secuencia alta es un indicador de la relación evolutiva entre la consulta y las proteínas plantilla. Vea el residuo alineado con el enhebrado que se muestra en color para identificar visualmente los residuos o motivos conservados en la consulta y las proteínas plantilla, una identidad de secuencia más alta en la región alineada con el enhebrado en comparación con la alineación de toda la cadena también indica la presencia de motivos estructurales o dominios conservados en la consulta. Evalúe la cobertura de la alineación de rosca inspeccionando la alineación.

Si la cobertura de la alineación superior es baja y se limita solo a una pequeña región de la proteína de consulta o está ausente durante un segmento largo de la secuencia de consulta, indica que la proteína de consulta contiene más de un dominio. En este caso, se recomienda dividir la secuencia y modelar los dominios individualmente. Vea la siguiente tabla de la página de resultados para determinar los 10 principales análogos estructurales del primer modelo predicho según lo identificado por el programa de alineación estructural, TM align.

Una puntuación TM superior a 0,5 indica que el análogo y el modelo detectados tienen una topología similar y se pueden utilizar para determinar la clase estructural o la familia de proteínas de la proteína de consulta. Aquellos con una puntuación de TM inferior a 0,3 significan una similitud de estructura aleatoria. Analice la identidad de la secuencia y el RMSD en la región estructuralmente alineada para evaluar la conservación de los motivos espaciales en el modelo y el análogo estructural.

Inspeccione visualmente los pares de residuos coloreados y alineados en la alineación para identificar estos residuos y motivos estructuralmente conservados. Observe la tabla de números de EC pronosticados para ver las cinco enzimas OG potenciales principales de la proteína de consulta. El nivel de confianza de la predicción del número de CE utilizando estas plantillas se muestra como la puntuación de CE basada en el análisis de referencia.

La similitud funcional entre la consulta y la proteína plantilla puede interpretarse de forma fiable utilizando una puntuación de EC superior a 1,1. A continuación, busque el consenso de función entre las plantillas, que tienen un pliegue similar al de la proteína de consulta. Si varias plantillas tienen el mismo número de EC y la puntuación de EC es superior a 1,1, el nivel de confianza de la predicción es muy alto.

Sin embargo, si la puntuación de EC es alta, pero hay una falta de consenso entre los aciertos identificados, la predicción se vuelve menos fiable y se recomienda a los usuarios consultar la ontología genética. Predicciones de términos vea la tabla de términos de ontología génica predicha para identificar los 10 homólogos principales de la proteína de consulta en la biblioteca PDB anotados con términos de ontología génica, cada proteína generalmente se asocia con múltiples términos de ontología génica que describen sus funciones moleculares, procesos biológicos y ubicación celular. Haga clic en cada término para visitar el sitio web de amigo y analizar su definición y linaje.

Analice la columna de puntuación de homología funcional para acceder a la similitud funcional entre las proteínas de consulta y las proteínas plantilla. También se puede estimar el nivel de confianza de la transferencia de anotaciones funcionales de estas proteínas. Vea la tabla de predicción de consenso de términos de ontología génica para analizar la concurrencia de funciones entre las plantillas.

Estas funciones comunes se utilizan para predecir los términos de ontología génica de la proteína de consulta y para evaluar el nivel de confianza de las predicciones de términos geográficos. Por último, desplácese hacia abajo hasta la parte inferior de la página para ver las 10 principales predicciones de sitios de unión de ligandos para la consulta Los sitios de unión predichos de proteínas se clasifican en función del número de confirmaciones de ligandos predichas que comparten un bolsillo de unión común. El sitio de enlace mejor identificado ya se muestra en la aplicación JM OL.

Haga clic en los botones de opción para analizar otras predicciones y visualizar los residuos que interactúan con el ligando. La puntuación BS revela la similitud local entre el modelo y el sitio de enlace de plantillas. Una puntuación de BS superior a 1,1 indica una alta similitud estructural y de secuencia cerca del sitio de unión predicho.

En el modelo, en comparación con el sitio de enlace conocido de la plantilla, la TI es una página web principal que contiene vínculos para otras características útiles. La función de foro permite al usuario crear una cuenta en línea y buscar ayuda de otros usuarios de ITER con respecto al modelado de estructuras o para obtener ayuda para interpretar los resultados. La función de descarga permite a los usuarios descargar iter y paquetes relacionados e instalarlos en su computadora.

Esto ayuda a reducir el tiempo necesario para realizar los experimentos de modelado. La función de cola permite ver el estado de todos los trabajos enviados en la página IT a Q. Los usuarios también pueden inspeccionar visualmente la imagen de las estructuras modeladas para los trabajos terminados.

En esta página, también se muestra en la puntuación de TM esperada de CSCO y RMSD esperada del primer modelo y la fecha de presentación que se muestra aquí, hay un extracto de la página de resultados de IT AER que muestra la secuencia de consulta formateada más rápida, la estructura secundaria predicha y las puntuaciones de confianza asociadas y la accesibilidad al solvente predicha de los residuos. La región central analizada y el sitio de hidratación potencial en la consulta se resaltan en rectángulos cian y rojo respectivamente. Aquí se muestran las predicciones de la estructura terciaria para las proteínas de consulta.

Los modelos predichos se muestran en una salida interactiva de la aplicación JML, lo que permite al usuario cambiar la visualización de la molécula. Los modelos también se pueden descargar haciendo clic en los enlaces de descarga, la puntuación de confianza para estimar la calidad del modelo se informa como el csco. Se presenta un ejemplo de la página de resultados itta A que muestra las 10 principales plantillas de roscado identificadas y alineaciones por los programas de roscado de Loomis.

La calidad de las alineaciones de roscas se evalúa en función de la puntuación Z normalizada, donde un valor mayor que uno refleja una alineación segura. Los residuos alineados en la plantilla que son idénticos a los residuos de consulta correspondientes se resaltan en color para indicar la presencia de un residuo o motivo conservado. Por el contrario, la falta de alineación en la mayoría de las plantillas principales indica la presencia de varios dominios en la proteína de consulta y los residuos no alineados corresponden a regiones del enlazador de dominios.

Esta tabla muestra los 10 principales análogos estructurales identificados y alineaciones estructurales identificadas por el Programa de alineación estructural alineada con TM. La clasificación de los análogos se basa en la puntuación TM de la alineación estructural. Una puntuación TM superior a 0,5 indica que las dos estructuras comparadas tienen una topología similar.

Mientras que una puntuación de TM inferior a 0,3 significa una similitud entre dos estructuras aleatorias. Los pares de residuos alineados estructuralmente se resaltan en color en función de su propiedad de aminoácidos, mientras que las regiones no alineadas se indican con un guión. A continuación, se muestra un ejemplo de la página de resultados de ITR que muestra los homólogos enzimáticos identificados de la proteína de consulta en la biblioteca PDB.

El nivel de confianza de la predicción del número de CE se analiza en función de la puntuación de CE, donde una puntuación de CE superior a 1,1 indica similitud funcional entre la consulta y la proteína plantilla. La tabla de predicción de términos de ontología génica para la proteína de consulta incluye homólogos funcionales para la proteína de consulta en la biblioteca de plantillas de ontología génica clasificados en función de su puntuación de homología funcional. Las características funcionales comunes de estos aciertos de mayor puntuación se derivan para generar las predicciones finales de los términos de ontología génica para la proteína de consulta.

La calidad de los términos de ontología génica predichos se estima en función de la puntuación geográfica, donde una puntuación geográfica superior a 0,5 indica una predicción fiable que se muestra aquí como ejemplo de la página de resultados de IT AZA que muestra las 10 principales predicciones del sitio de unión de ligandos de proteínas utilizando el algoritmo de cofactor. La clasificación de los sitios de unión predichos se basa en el número de confirmaciones de ligandos predichas que comparten un bolsillo de unión común. En la consulta, la puntuación BS es una medida de la secuencia local y la similitud de la estructura entre el sitio de unión predicho y las plantillas, y es útil para analizar la conservación de las bolsas del sitio de unión.

Aunque ISER es uno de los algoritmos más eficientes para la predicción de la estructura y función de las proteínas, es importante recordar que es solo una predicción de algoritmos informáticos. Cualquier dato experimental o información de función, por ejemplo, la información de enlace de contactos de residuos será extremadamente útil para aumentar la precisión de las predicciones. El servidor IT AER dispone de un portal para incluir estas informaciones durante el procedimiento de modelado para dar cabida al creciente interés por la misma.

Aer, el laboratorio Zang ha lanzado el software IT AER gratuito para la investigación no comercial. Estamos desarrollando activamente un AER de TI que mejore y mejore el catador ocular, con la esperanza de que su disponibilidad conduzca a una aplicación a gran escala fuera del laboratorio de Zang y beneficie y estimule más investigaciones en la comunidad científica.