14 de julio de 2015
Las secuencias de proteínas sintéticas basadas en motivos de consenso suelen ignorar los residuos co-evolutivos, que implican dependencias interposicionales (IPDs). Los IPD pueden ser esenciales para la actividad, y los diseños que los ignoran pueden dar lugar a resultados subóptimos. Este protocolo utiliza StickWRLD para identificar IPD y ayudar a informar el diseño racional de proteínas, lo que resulta en resultados más eficientes.
El objetivo general de este procedimiento es identificar residuos que coevolucionan en alineamientos de proteínas, lo que implica dependencias entre posiciones o IPD. Esto se logra primero cargando el alineamiento en Stick World, una herramienta de análisis visual que crea una representación interactiva en 3D de un alineamiento de proteínas y muestra claramente los residuos que covarían en Stick World. Cada posición en el alineamiento se representa como una columna compuesta por una pila de esferas, una esfera por cada uno de los 20 aminoácidos posibles en esa posición dentro del alineamiento, cuyo tamaño depende de la frecuencia; las columnas que representan cada posición se disponen alrededor de un cilindro para representar las IPD.
Se trazan líneas entre residuos que coevolucionan más alto o más bajo de lo esperado si los residuos presentes en las posiciones fueran dependientes dentro del programa. El residuo se ajusta hasta que hay un número manejable de aristas, y luego se identifican las aristas de interés. En última instancia, se utiliza stick world para identificar residuos que están coevolucionando entre sí.
Se han identificado residuos de revestimiento funcionalmente necesarios en una quinasa ventilada. Una de las razones por las que las personas tienen dificultades con este proceso es la novedad. Es casi tanto una forma de arte como una ciencia.
Mostrar visualmente Stick World es importante porque es una herramienta de análisis visual y requiere la interacción del usuario. Utilice una computadora que tenga un procesador Intel i5 o superior, con al menos cuatro gigabytes de RAM, que ejecute Mac OS 10 o Linux OS, y que esté equipada con las bibliotecas de Python enumeradas en el protocolo del texto. Descargue Stick World como un archivo comprimido zip que contiene todos los scripts de Python relevantes.
Asimismo, descargue el script FASTA a stick para convertir alineamientos estándar de secuencias de proteínas y ADN en formato stick world. Extraiga el archivo y coloque la carpeta stick world resultante y el script FASTA a stick en el escritorio. Luego, cree un alineamiento de las secuencias de proteínas utilizando cualquier software de alineamiento estándar.
Guarde el alineamiento en el escritorio. Infeste un formato. Abra la aplicación de terminal en la computadora macro Linux y navegue al escritorio escribiendo CD tilde barra escritorio y presionando retorno en la terminal.
Escriba el comando para hacer ejecutable el script FASTA two stick y luego escriba el comando para ejecutar el script. Siga las instrucciones en pantalla proporcionadas por el script para especificar el nombre del archivo de entrada y el nombre deseado de la salida. Guarde el archivo de salida en el escritorio.
Navegue hasta la carpeta de ejecutables de stick world utilizando la aplicación de terminal del equipo Mac o Linux, y lance stick world escribiendo en la terminal Python -32 stick world demo PI. Verifique que el panel del cargador de datos de stick world sea visible en la pantalla. A continuación, cargue la alineación de secuencias de proteínas convertida presionando el botón cargar proteína.
Seleccione el archivo creado y presione abrir; Stick World abrirá varias ventanas nuevas, incluyendo Stick World Control y Stick World Open GL. Seleccione la ventana de Stick World Open GL. Elija restablecer vista desde el menú Open GL para mostrar la visualización predeterminada de Stick World en una vista superior a través del cilindro, representando los datos en las ventanas Open GL redimensionables.
Existen varias opciones de vista en el mundo de palos. Seleccione las casillas para las etiquetas de columna y las etiquetas de bolas en el panel de control del mundo de palos para mostrar los valores de las columnas y las bolas. Deseleccione la casilla para los bordes de columna en el panel de control del mundo de palos para ocultar las líneas de los bordes de columna.
Establezca el grosor de la columna en 0,1 en el panel de control de stick world para dibujar una línea delgada a través de las columnas. Para facilitar la navegación por la vista 3D, presione Intro para aceptar el cambio. Restablezca la vista en la ventana de stick world de GL abierta.
Luego presione el botón de pantalla completa para maximizar la vista y navegar dentro del programa. Gire la visualización tridimensional del modelo de barras manteniendo presionado el botón izquierdo del ratón mientras mueve el ratón en cualquier dirección. Acérquese o aleje la visualización tridimensional del modelo de barras manteniendo presionado el botón derecho del ratón mientras mueve el ratón hacia arriba o hacia abajo.
Recorra la vista desplazándola y haciendo zoom para observar los residuos que coevolucionan y que superan los requisitos umbral de p y del residual; estos residuos están conectados mediante líneas de enlace. Si hay demasiadas o muy pocas líneas que conectan los residuos, ajuste el umbral del residual para mostrar menos o más líneas de enlace. Aumente el umbral del residual en el control de navegación del entorno tridimensional hasta que no se muestren líneas de enlace IPD, y luego disminúyalo lentamente hasta que aparezcan las relaciones. Continúe aumentando el residual hasta que exista un número suficiente de relaciones para su análisis.
Identifique relaciones que impliquen ya sea residuos de interés conocido o residuos que estén distantes entre sí dentro del alineamiento utilizando clic izquierdo con la tecla comando; seleccione cualquier arista de interés. El panel de control del mundo de bastones indicará las columnas y conectará residuos específicos. Las líneas continuas representan asociaciones positivas.
Mientras que las líneas discontinuas representan asociaciones negativas. Presione el botón de aristas de salida en el panel de control del mundo de palos para guardar un archivo con formato de texto plano de todas las aristas visibles en el directorio adecuado, incluyendo los residuos articulados y sus valores residuales reales. Un gran grupo de dependencias interposicionales o IPD, que incluye una asociación de tres nodos entre glicina en la posición 1 32, tirosina en la posición 1 35 y una prolina en la posición 1 41, es visible en primer plano.
Aquí, la vista se ha inclinado para colocar al usuario ligeramente por encima del cilindro, revelando un IPD entre una histidina en la posición 1 36 y una metionina en la posición veintinueve, separadas por ciento siete residuos. Por el contrario, el motivo A-P-A-M-H-M-M derivado del mismo dominio no detecta estas variaciones de motivo que ocurren conjuntamente de forma específica, y también define los agrupamientos generales según un esquema que carece de respaldo biológico. Al realizar este procedimiento, es importante recordar probarlo de dos maneras diferentes.
Comience con un residuo alto y vaya reduciéndolo, o comience con un residuo bajo y vaya aumentándolo, y de esta manera podrá explorar el espacio de dos formas diferentes.
Este protocolo utiliza StickWRLD para identificar residuos que coevolucionan en alineamientos de proteínas, resaltando dependencias interposicionales (IPD) que son cruciales para la actividad proteica. Al incorporar IPD en el diseño de proteínas, los investigadores pueden obtener resultados más eficientes.
La identificación de dependencias interposicionales (IPD) en secuencias de proteínas permite un diseño sintético más preciso de proteínas al revelar relaciones evolutivamente conservadas entre residuos que influyen en el plegamiento, la estabilidad y la función. Ignorar estas covariaciones conlleva el riesgo de generar secuencias consenso no viables que carecen de relevancia biológica. StickWRLD ofrece un enfoque de análisis visual para detectar dichas dependencias, facilitando la ingeniería racional de proteínas terapéuticas con una mayor confianza predictiva.
El método se integra en el flujo de trabajo de descubrimiento al informar la validación de objetivos mediante conocimientos mecanicistas y permitir la optimización de compuestos iniciales mediante un diseño guiado por la estructura, basado en la covariación evolutiva.