Un protocole pour la structure des protéines Computer-Based et prédiction de la fonction

L’objectif de cette procédure est de prédire par calcul les structures tridimensionnelles et la fonction biologique des molécules de protéines à partir de leurs séquences d’acides aminés. Pour ce faire, il faut d’abord prédire la structure secondaire des protéines par apprentissage automatique. Les séquences et la structure secondaire prédite sont ensuite mises en correspondance avec les structures résolues dans la bibliothèque PDB afin d’identifier les meilleurs modèles de structure possibles.

Cette procédure est appelée threading. Après la procédure d’enfilage, le programme IT AER divise les modèles en fragments en fonction des alignements des modèles de séquence, puis réassemble les fragments en modèles pleine longueur dans la troisième étape. Les modèles entièrement atomiques sont construits par des raffinements au niveau atomique pour optimiser les réseaux de liaisons hydrogène et éliminer les chevauchements.

La dernière étape de la procédure consiste à identifier la fonction biologique des protéines en faisant correspondre les structures de prédiction avec des protéines de fonction connue dans la bibliothèque de fonctions. Le principal avantage d’ITER par rapport à la méthode de modélisation de structure existante est l’approche inhérente à l’assemblage de fragments de structure, qui peut constamment rapprocher les alignements de filetage de l’état natif. Ces modèles de structure de haute qualité constituent également la base d’annotations fonctionnelles précises basées sur la structure pour promouvoir l’utilisation d’ITER dans la communauté scientifique.

Notre laboratoire a mis à disposition un site Web où les séquences de protéines peuvent être soumises à iter. Ce site web sert de lien avec lequel les utilisateurs du monde entier peuvent enregistrer une interface avec un cluster informatique, qui gère et exécute des simulations ITER. Une tâche de simulation ITER se compose de plus d’une douzaine de sous-simulations plus petites.

Ces simulations, lorsqu’elles sont exécutées sur un seul ordinateur avec un seul cœur de processeur, peuvent prendre plus de cent heures. Le cluster informatique du laboratoire Zang prend et distribue ces sous-simulations sur des centaines d’ordinateurs et est capable d’exécuter plus de 2000 simulations. En même temps que notre grappe d’ordinateurs, nous sommes capables de réaliser des centaines de simulations de dégustation chaque jour.

Même avec cette capacité, il reste beaucoup de travail à faire pour optimiser le système et minimiser le temps d’attente pour nos utilisateurs informatiques AER en ligne. Pour commencer l’expérience de modélisation de la structure et de la fonction, connectez-vous à la page Web de l’ARE de l’IT. Les adresses URL de toutes les pages Web pertinentes dont il est question ici se trouvent dans le protocole écrit.

Copiez et collez la séquence d’acides aminés dans le formulaire fourni, ou téléchargez directement la séquence en cliquant sur le bouton Parcourir. Fournissez une adresse e-mail et un nom pour le poste. Les utilisateurs peuvent éventuellement spécifier des contraintes de contact externe dans les résidus ou de distance.

Ajoutez un modèle supplémentaire ou excluez certaines protéines modèles pendant le processus de modélisation de la structure. Pour soumettre la séquence, cliquez sur le bouton Run it Taser. Vérifiez l’état de la tâche soumise en visitant la page de la file d’attente du taser informatique.

Cliquez sur l’onglet Rechercher et utilisez le numéro d’ID de la tâche ou la séquence de requête pour rechercher la tâche soumise. Une fois la modélisation de la structure et de la fonction terminée, un e-mail de notification contenant une image des structures prédites et un lien Web sera envoyé à l’adresse e-mail fournie. Cliquez sur ce lien pour voir et télécharger les résultats.

Commencez l’analyse de structure en examinant la prédiction de la structure secondaire, qui s’affiche sous la forme H pour l’hélice alpha, S pour le brin bêta ou C pour la bobine. Tenez également compte du score de confiance de la prédiction pour chaque résidu. Recherchez des régions avec de longues structures de prédictions de structure secondaire régulière pour estimer la région centrale de la protéine.

La classe structurelle de la protéine peut également être analysée en fonction de la distribution des éléments de structure secondaires. Consultez l’accessibilité prévue des solvants pour déterminer les régions enfouies et exposées aux solvants. Dans la requête, les valeurs de l’accessibilité prédite du solvant vont d’un score de zéro pour un résidu enfoui à un score de neuf pour un résidu exposé.

Les régions contenant principalement des résidus enfouis peuvent être utilisées pour délimiter la région centrale de la protéine, tandis que les régions où les résidus hydrophiles et exposés aux solvants sont des sites d’hydratation ou fonctionnels potentiels. Pour afficher les structures tertiaires prédites de la protéine de requête, faites défiler vers le bas jusqu’à l’appt JMO interactif affiché à gauche. Cliquez sur l’applet pour modifier l’apparence de la structure affichée.

Zoomez sur une région spécifique, sélectionnez des types de résidus spécifiques dans le modèle prédit ou calculez les distances des résidus. Analysez les scores de confiance de la modélisation structurelle pour estimer la qualité des structures prédites. Les valeurs Csco sont généralement comprises entre moins cinq et deux, alors qu’un score plus élevé reflète un modèle de meilleure qualité.

Le score TM et RMSD estimés du premier modèle sont représentés par la précision estimée du premier modèle. Cliquez sur le lien plus d’informations sur csco. Pour analyser la taille et la densité du cluster csco de tous les modèles, analysez les 10 principaux modèles de threading de la protéine de requête, tels qu’identifiés par les programmes de threading à faible métas.

En faisant défiler la page de résultats, affichez le score Z normalisé pour analyser la qualité des alignements de filetage. Les alignements avec un csco normalisé supérieur à un reflètent un alignement fiable et sont plus susceptibles d’avoir le même pli que la protéine de requête. Examinez l’identité de la séquence dans la région alignée sur le threading et pour l’ensemble de la chaîne afin d’évaluer l’homologie entre la requête et les protéines de modèle.

L’identité de séquence élevée est un indicateur de parenté évolutive entre la requête et les protéines modèles. Affichez le résidu aligné sur le filetage affiché en couleur pour identifier visuellement les résidus ou motifs conservés dans la requête et les protéines de modèle Une identité de séquence plus élevée dans la région alignée sur le filetage par rapport à l’alignement de la chaîne entière indique également la présence de motifs ou de domaines structurels conservés dans la requête. Évaluez la couverture de l’alignement du filetage en inspectant l’alignement.

Si la couverture de l’alignement supérieur est faible et limitée à une petite région de la protéine de requête ou absente pendant un long segment de séquence de requête, cela indique que la protéine de requête contient plus d’un domaine. Dans ce cas, il est recommandé de diviser la séquence et de modéliser les domaines individuellement. Consultez le tableau suivant de la page de résultats pour déterminer les 10 principaux analogues structurels du premier modèle prédit tel qu’identifié par le programme d’alignement structurel, TM align.

Un score TM supérieur à 0,5 indique que l’analogue et le modèle détectés ont une topologie similaire et peuvent être utilisés pour déterminer la classe structurelle ou la famille de protéines de la protéine de requête. Ceux avec un score de MT inférieur à 0,3 signifient une similitude de structure aléatoire. Analyser l’identité de la séquence et la RMSD dans la région structurellement alignée pour évaluer la conservation des motifs spatiaux dans le modèle et l’analogue structurel.

Inspectez visuellement les paires de résidus colorés et alignés dans l’alignement pour identifier ces résidus et motifs structurellement conservés. Regardez le tableau des nombres EC prédits pour voir les cinq principaux OG enzymatiques potentiels de la protéine de requête. Le niveau de confiance de la prédiction du nombre EC à l’aide de ces modèles est indiqué comme le score EC basé sur l’analyse comparative.

La similarité fonctionnelle entre la requête et la protéine modèle peut être interprétée de manière fiable à l’aide d’un score EC supérieur à 1,1. Ensuite, recherchez un consensus de fonction parmi les modèles, qui ont un pli similaire à celui de la protéine de requête. Si plusieurs modèles ont le même numéro EC et que le score EC est supérieur à 1,1, le niveau de confiance de la prédiction est très élevé.

Cependant, si le score EC est élevé, mais qu’il n’y a pas de consensus parmi les résultats identifiés, la prédiction devient moins fiable et il est recommandé aux utilisateurs de consulter l’ontologie génétique. Affichez le tableau des termes de l’ontologie génétique prédite pour identifier les 10 principaux homologues de la protéine de requête dans la bibliothèque PDB annotée avec des termes d’ontologie génétique, chaque protéine est généralement associée à plusieurs termes d’ontologie génétique décrivant ses fonctions moléculaires, ses processus biologiques et son emplacement cellulaire. Cliquez sur chaque terme pour visiter le site amigo et analyser sa définition et sa lignée.

Analysez la colonne de score d’homologie fonctionnelle pour accéder à la similarité fonctionnelle entre la requête et les protéines de modèle. Le niveau de confiance du transfert d’annotation fonctionnelle à partir de ces protéines peut également être estimé. Consultez le tableau de prédiction consensuelle des termes de l’ontologie génétique pour analyser la concurrence de fonction entre les modèles.

Ces fonctions communes sont utilisées pour prédire les termes de l’ontologie génétique de la protéine de requête et pour évaluer le niveau de confiance des prédictions de termes géographiques. Enfin, faites défiler vers le bas de la page pour afficher les 10 principales prédictions de sites de liaison de ligands pour la protéine de requête Les sites de liaison prédits sont classés en fonction du nombre de confirmations de ligand prédites qui partagent une poche de liaison commune. Le site de liaison le mieux identifié est déjà affiché dans l’application JM OL.

Cliquez sur les boutons radio pour analyser d’autres prédictions et visualiser les résidus en interaction avec le ligand. Le score BS révèle une similitude locale entre le modèle et le site de liaison des modèles. Un score BS supérieur à 1,1 indique une séquence élevée et une similitude structurelle près du site de liaison prédit.

Dans le modèle, par rapport au site de liaison connu dans le modèle, l’IT est une page Web principale contenant des liens vers d’autres fonctionnalités utiles. La fonction forum permet à l’utilisateur de créer un compte en ligne et de demander de l’aide à d’autres utilisateurs d’ITER concernant la modélisation de la structure ou pour obtenir de l’aide pour interpréter les résultats. La fonction de téléchargement permet aux utilisateurs de télécharger iter et les packages associés et de les installer sur leur ordinateur.

Cela permet de réduire le temps nécessaire à la réalisation des expériences de modélisation. La fonction de file d’attente permet de voir l’état de toutes les tâches soumises sur la page IT a Q. Les utilisateurs peuvent également inspecter visuellement l’image des structures modélisées pour les travaux finis.

Sur cette page, également illustrée par le score TM attendu du CSCO et le RMSD attendu du premier modèle et la date de soumission, on trouve un extrait de la page des résultats de l’AER IT montrant la séquence de requête formatée la plus rapide, la structure secondaire prédite, les scores de confiance associés et l’accessibilité prédite du solvant des résidus. La région centrale analysée et le site d’hydratation potentiel dans la requête sont mis en évidence respectivement en rectangles cyan et rouge. Ici, les prédictions de la structure tertiaire pour les protéines de requête sont présentées.

Les modèles prédits sont affichés dans une application JML interactive, ce qui permet à l’utilisateur de modifier l’affichage de la molécule. Les modèles peuvent également être téléchargés en cliquant sur les liens de téléchargement, le score de confiance pour estimer la qualité du modèle est signalé comme le csco. Un exemple de la page de résultats itta A montrant les 10 principaux modèles de filetage et alignements identifiés par les programmes de filetage Loomis est présenté.

La qualité des alignements de filetage est évaluée sur la base du score Z normalisé, où une valeur supérieure à un reflète un alignement fiable. Les résidus alignés dans le modèle qui sont identiques aux résidus de requête correspondants sont mis en évidence en couleur pour indiquer la présence d’un résidu ou d’un motif conservé. À l’inverse, un manque d’alignement dans la plupart des modèles supérieurs indique la présence de plusieurs domaines dans la protéine de requête et les résidus non alignés correspondent à des régions de l’éditeur de liens de domaine.

Ce tableau présente les 10 principaux analogues structuraux et alignements structurels identifiés par le programme d’alignement structurel aligné sur le MT. Le classement des analogues est basé sur le score TM de l’alignement structurel. Un score TM supérieur à 0,5 indique que les deux structures comparées ont une topologie similaire.

Alors qu’un score TM inférieur à 0,3 signifie une similitude entre deux structures aléatoires. Les paires de résidus alignées structurellement sont mises en évidence en couleur en fonction de leur propriété d’acide aminé, tandis que les régions non alignées sont indiquées par un tiret. Voici un exemple de la page de résultats ITR montrant les homologues enzymatiques identifiés de la protéine de requête dans la bibliothèque PDB.

Le niveau de confiance de la prédiction du nombre EC est analysé en fonction du score EC, où un score EC supérieur à 1,1 indique une similitude fonctionnelle entre la requête et la protéine modèle. La table de prédiction de termes d’ontologie génétique pour la protéine de requête inclut des homologues fonctionnels pour la protéine de requête dans la bibliothèque de modèles d’ontologie génique classés en fonction de leur score d’homologie fonctionnelle. Les caractéristiques fonctionnelles communes de ces résultats les mieux notés sont dérivées pour générer les prédictions finales de termes de l’ontologie génétique pour la protéine de requête.

La qualité des termes d’ontologie génétique prédits est estimée sur la base du score géo, où un score géographique supérieur à 0,5 indique une prédiction fiable illustrée ici comme exemple de la page de résultats IT AZA montrant les 10 principales prédictions de sites de liaison de ligands protéiques à l’aide de l’algorithme de cofactorie. Le classement des sites de liaison prédits est basé sur le nombre de confirmations de ligands prédites qui partagent une poche de liaison commune. Dans la requête, le score BS est une mesure de la séquence locale et de la similitude de structure entre le site de liaison prédit et le site de liaison des modèles, et est utile pour analyser la conservation des poches de site de liaison.

Bien que l’ISER soit l’un des algorithmes les plus efficaces pour la prédiction de la structure et de la fonction des protéines, il est important de se rappeler qu’il ne s’agit que d’une prédiction d’algorithmes informatiques. Toutes les données expérimentales ou informations de fonction, par exemple, les informations de liaison des contacts de résidus, seront extrêmement utiles pour augmenter la précision des prédictions. Le serveur informatique AER dispose d’un portail permettant d’inclure ces informations lors de la procédure de modélisation afin de répondre à l’intérêt croissant qu’elle suscite.

Aer, le laboratoire Zang a publié le logiciel informatique AER gratuitement pour la recherche non commerciale. Nous développons activement un ARE informatique amélioré et un dégustateur oculaire amélioré, et dans l’espoir que sa disponibilité conduira à une application à grande échelle en dehors du laboratoire de Zang et bénéficiera et stimulera davantage de recherches dans la communauté scientifique.