Name: Un protocole pour la structure des protéines Computer-Based et prédiction de la fonction (Vidéo) | JoVE Journal
Uploaded: 2011-11-03T12:00:00.000+00:00
Duration: 16 min 41 s
Description: Découvrez le pipeline I-TASSER pour prédire les structures 3D et fonctions des protéines à partir de séquences d'acides aminés. Cette méthode bioinformatique combine apprentissage automatique et assemblage de fragments.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Le projet est soutenu en partie par Alfred P. Sloan Foundation, NSF Career Award (DBI 1027394), et l&#39;Institut national des sciences médicales générales (GM083107, GM084222).

<ol><li>Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Template-based+modeling+and+free+modeling+by+I-TASSER+in+CASP7%5BTitle%5D)+AND+%22Proteins%22%5BJournal%5D)">Template-based modeling and free modeling by I-TASSER in CASP7.</a> Proteins. 69, 108-117 (2007).</li>
<li>Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((I-TASSER%3A+Fully+automated+protein+structure+prediction+in+CASP8%5BTitle%5D)+AND+%22Proteins%22%5BJournal%5D)">I-TASSER: Fully automated protein structure prediction in CASP8.</a> Proteins. 77, 100-113 (2009).</li>
<li>Wu, S., Skolnick, J., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ab+initio+modeling+of+small+proteins+by+iterative+TASSER+simulations%5BTitle%5D)+AND+%22BMC+Biol%22%5BJournal%5D)">Ab initio modeling of small proteins by iterative TASSER simulations.</a> BMC Biol. 5, 17-17 (2007).</li>
<li>Roy, A., Kucukural, A., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((I-TASSER%3A+a+unified+platform+for+automated+protein+structure+and+function+prediction%5BTitle%5D)+AND+%22Nat+Protoc%22%5BJournal%5D)">I-TASSER: a unified platform for automated protein structure and function prediction.</a> Nat Protoc. 5, 725-738 (2010).</li>
<li>Wu, S., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((LOMETS%3A+a+local+meta-threading-server+for+protein+structure+prediction%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">LOMETS: a local meta-threading-server for protein structure prediction.</a> Nucleic Acids Res. 35, 3375-3382 (2007).</li>
<li>Zhang, Y., Kihara, D., Skolnick, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Local+energy+landscape+flattening%3A+parallel+hyperbolic+Monte+Carlo+sampling+of+protein+folding%5BTitle%5D)+AND+%22Proteins%22%5BJournal%5D)">Local energy landscape flattening: parallel hyperbolic Monte Carlo sampling of protein folding.</a> Proteins. 48, 192-201 (2002).</li>
<li>Li, Y., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((REMO%3A+A+new+protocol+to+refine+full+atomic+protein+models+from+C-alpha+traces+by+optimizing+hydrogen-bonding+networks%5BTitle%5D)+AND+%22Proteins%22%5BJournal%5D)">REMO: A new protocol to refine full atomic protein models from C-alpha traces by optimizing hydrogen-bonding networks.</a> Proteins. 76, 665-676 (2009).</li>
<li>Zhang, J., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High-resolution+protein+structure+refinement+using+fragment+guided+molecular+dynamics+simulations%5BTitle%5D)+AND+%22%22%5BJournal%5D)">High-resolution protein structure refinement using fragment guided molecular dynamics simulations.</a> , (2011).</li>
<li>Roy, A., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((COFACTOR%3A+protein-ligand+binding+site+predictions+by+global+structure+similarity+match+and+local+geometry+refinement%5BTitle%5D)+AND+%22%22%5BJournal%5D)">COFACTOR: protein-ligand binding site predictions by global structure similarity match and local geometry refinement.</a> , Forthcoming (2011).</li>
<li>Zhang, Y., Hubner, I. A., Arakaki, A. K., Shakhnovich, E., Skolnick, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((On+the+origin+and+highly+likely+completeness+of+single-domain+protein+structures%5BTitle%5D)+AND+%22Proc.+Natl.+Acad.+Sci.+U.+S.+A%22%5BJournal%5D)">On the origin and highly likely completeness of single-domain protein structures.</a> Proc. Natl. Acad. Sci. U. S. A. 103, 2605-2610 (2006).</li>
<li>Zhang, Y., Kolinski, A., Skolnick, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((TOUCHSTONE+II%3A+a+new+approach+to+ab+initio+protein+structure+prediction%5BTitle%5D)+AND+%22Biophys.+J%22%5BJournal%5D)">TOUCHSTONE II: a new approach to ab initio protein structure prediction.</a> Biophys. J. 85, 1145-1164 (2003).</li>
<li>Wu, S., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comprehensive+assessment+of+sequence-based+and+template-based+methods+for+protein+contact+prediction%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">A comprehensive assessment of sequence-based and template-based methods for protein contact prediction.</a> Bioinformatics. 24, 924-931 (2008).</li>
<li>Zhang, Y., Skolnick, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SPICKER%3A+a+clustering+approach+to+identify+near-native+protein+folds%5BTitle%5D)+AND+%22J.+Comput.+Chem%22%5BJournal%5D)">SPICKER: a clustering approach to identify near-native protein folds.</a> J. Comput. Chem. 25, 865-871 (2004).</li>
<li>Zhang, J., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High-resolution+protein+structure+refinement+using+fragment+guided+molecular+dynamics+simulations%5BTitle%5D)+AND+%22%22%5BJournal%5D)">High-resolution protein structure refinement using fragment guided molecular dynamics simulations.</a> , Forthcoming (2010).</li>
<li>Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((I-TASSER+server+for+protein+3D+structure+prediction%5BTitle%5D)+AND+%22BMC+Bioinformatics%22%5BJournal%5D)">I-TASSER server for protein 3D structure prediction.</a> BMC Bioinformatics. 9, 40-40 (2008).</li>
<li>Xu, J., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((How+significant+is+a+protein+structure+similarity+with+TM-score+%3D+0.5%3F%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">How significant is a protein structure similarity with TM-score = 0.5?</a> Bioinformatics. 26, 889-895 (2010).</li>
<li>Zhang, Y., Skolnick, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Scoring+function+for+automated+assessment+of+protein+structure+template+quality%5BTitle%5D)+AND+%22Proteins%22%5BJournal%5D)">Scoring function for automated assessment of protein structure template quality.</a> Proteins. 57, 702-710 (2004).</li>
<li>Barrett, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Nomenclature+Committee+of+the+International+Union+of+Biochemistry+and+Molecular+Biology+%28NC-IUBMB%29.+Enzyme+Nomenclature.+Recommendations+1992.+Supplement+4%3A+corrections+and+additions+%281997%29%5BTitle%5D)+AND+%22Eur+J+Biochem%22%5BJournal%5D)">Nomenclature Committee of the International Union of Biochemistry and Molecular Biology (NC-IUBMB). Enzyme Nomenclature. Recommendations 1992. Supplement 4: corrections and additions (1997).</a> Eur J Biochem. 250, 1-6 (1997).</li>
<li>Ashburner, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gene+ontology%3A+tool+for+the+unification+of+biology.+The+Gene+Ontology+Consortium%5BTitle%5D)+AND+%22Nat.+Genet%22%5BJournal%5D)">Gene ontology: tool for the unification of biology. The Gene Ontology Consortium.</a> Nat. Genet. 25, 25-29 (2000).</li>
<li>Zhang, Y., Skolnick, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((TM-align%3A+a+protein+structure+alignment+algorithm+based+on+the+TM-score%5BTitle%5D)+AND+%22Nucleic.+Acids.+Res%22%5BJournal%5D)">TM-align: a protein structure alignment algorithm based on the TM-score.</a> Nucleic. Acids. Res. 33, 2302-2309 (2005).</li>
<li>Xu, D., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((RK+Ab+Intio+Protein+Structure+Prediction%5BTitle%5D)+AND+%22%22%5BJournal%5D)">RK Ab Intio Protein Structure Prediction.</a> , Forthcoming (2011).</li>
<li>Kim, D. E., Chivian, D., Baker, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Protein+structure+prediction+and+analysis+using+the+Robetta+server%5BTitle%5D)+AND+%22Nucleic.+Acids.+Res%22%5BJournal%5D)">Protein structure prediction and analysis using the Robetta server.</a> Nucleic. Acids. Res. 32, W526-W531 (2004).</li>
<li>Roy, A., Mukherjee, S., Hefty, P. S., Zhang, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Inferring+protein+function+by+global+and+local+similarity+of+structural+analogs%5BTitle%5D)+AND+%22%22%5BJournal%5D)">Inferring protein function by global and local similarity of structural analogs.</a> , Forthcoming (2011).</li>
<li>Marchler-Bauer, A., Bryant, S. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CD-Search%3A+protein+domain+annotations+on+the+fly%5BTitle%5D)+AND+%22Nucleic.+Acids.+Res%22%5BJournal%5D)">CD-Search: protein domain annotations on the fly.</a> Nucleic. Acids. Res. 32, W327-W331 (2004).</li>
<li>Finn, R. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Pfam+protein+families+database%5BTitle%5D)+AND+%22Nucleic.+Acids.+Res%22%5BJournal%5D)">The Pfam protein families database.</a> Nucleic. Acids. Res. 38, D211-D222 (2010).</li>
<li>Zdobnov, E. M., Apweiler, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((InterProScan--an+integration+platform+for+the+signature-recognition+methods+in+InterPro%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">InterProScan--an integration platform for the signature-recognition methods in InterPro.</a> Bioinformatics. 17, 847-848 (2001).</li>
</ol>

Pas de conflits d&#39;intérêt déclarés.

Le protocole présenté ci-dessus est un guide général pour la structure et la fonction de modélisation utilisant le serveur I-Tasser. Bien que cette procédure automatisée fonctionne très bien pour la plupart des protéines, les interventions humaines contribuent souvent à améliorer significativement la précision de la modélisation, en particulier pour les protéines qui manquent de modèles proches de la bibliothèque APB. Les utilisateurs peuvent intervenir au cours de la modélisation I-Tasser de la manière suivante: (a) le fractionnement des protéines multi-domaines, (b) en fournissant contraintes externes pour améliorer l&#39;assemblage de la structure, et (c) supprimer des modèles lors de la modélisation. Fractionnement des protéines multi-domaines: Beaucoup de séquences de protéines à long contiennent fréquemment de multiples domaines attachés par des flexibles régions linker, ce qui rend leur élucidation de la structure en utilisant des techniques difficiles à la fois expérimentale et computationnelle. Néanmoins, en tant que domaines sont indépendamment pliage des entités distinctes et peut effectuer la fonction moléculaire, il estsouhaitable de diviser longues protéines multi-domaines et le modèle de chaque domaine séparément. Domaines de modélisation individuelle ne sera pas seulement d&#39;accélérer le processus de prédiction, mais augmente également la qualité de la requête-modèle de l&#39;alignement, résultant dans la structure plus fiables et les prédictions de fonction. Les limites du domaine dans les séquences de protéines peuvent être prédits à l&#39;aide disponible gratuitement en ligne des programmes externes tels que NCBI CDD 24, 25 ou PFAM InterProScan 26. Aussi, si les alignements LOMETS filetage sont disponibles pour la protéine de requête, les limites du domaine peut être localisé par identifier visuellement de longues étendues de résidus non-alignés dans les modèles haut de filetage (voir l&#39;étape 5.4). Ces régions non alignés pour la plupart correspondent à des régions de liaison de domaine. Si les modèles multi-domaines sont déjà disponibles dans la bibliothèque de modèles PDB avec tous les domaines requête alignées, alors la protéine requête peut être modélisée comme pleine longueur. Fournir contraintes extérieures <pclass = &quot;jove_content&quot;&gt; Les simulations d&#39;assemblage des structures de l&#39;I-Tasser sont principalement guidées par des contraintes spatiales collectées auprès des LOMETS threading modèles. Pour les protéines qui ont une bonne requête a frappé le filetage (Norm. Z-score&gt; 1) dans la bibliothèque de modèles, dérivés contraintes spatiales sont pour la plupart d&#39;une grande précision et I-Tasser va générer des modèles à haute résolution structurelle pour ces protéines. Au contraire, pour les protéines de requête qui ont peu ou pas touché le filetage (Norm. Z-score &lt;1), recueillies contraintes spatiales contiennent souvent des erreurs en raison de l&#39;incertitude du modèle et l&#39;alignement. Pour ces cibles protéiques, spécifié par l&#39;utilisateur des informations spatiales peuvent être très utiles pour améliorer la qualité du modèle prédit. Les utilisateurs peuvent fournir contraintes extérieures au serveur I-Tasser de deux façons: A. Spécifier contact / distance de contraintes Caractérisé expérimentalement inter-résidus contacts / distances, par exemple de la RMN ouréticulation des expériences, peut être spécifié en téléchargeant un fichier de retenue. Un fichier exemple est montré dans la figure 8, où la colonne 1 précise le type de contrainte, à savoir &quot;DIST&quot; ou &quot;CONTACT&quot;. Pour de retenue à distance (DIST), les colonnes 2 et 4 contiennent des positions de résidus (i, j), les colonnes 3 et 5 contiennent l&#39;atome-types dans les résidus et la colonne 6 indique la distance entre les deux atomes spécifiées. Pour les appuie-contact (contact), les colonnes 2 et 3 contiennent les positions (i, j) des résidus qui doivent être en contact. La distance entre les chaînes latérales au centre de ces paires de résidus en contact est décidé en fonction des distances observées dans les structures connues dans l&#39;APB. I-Tasser va essayer de tirer de ces paires d&#39;atomes proches de la distance spécifiée lors de l&#39;affinement de la structure des simulations. B. Spécifier un modèle de structure des protéines LOMETS programmes filetage utiliser une bibliothèque représentant APB pour trouver les replis plausible pour la prot requêteein. Bien que l&#39;utilisation d&#39;une bibliothèque structure représentative contribue à réduire le temps nécessaire pour calculer les alignements de séquences-structure, il est possible qu&#39;une protéine bon modèle est manquée dans la bibliothèque ou le modèle peut ne pas avoir été identifiés par les programmes LOMETS filetage, même si elle est présents dans la bibliothèque. Dans ces cas, l&#39;utilisateur doit spécifier la structure de la protéine voulue comme le modèle. Pour spécifier la structure des protéines comme un modèle supplémentaire, les utilisateurs peuvent soit télécharger un fichier de structure PDB formaté ou spécifier l&#39;ID APB d&#39;une structure de protéine déposée dans la bibliothèque de l&#39;APB. Le I-Tasser va générer l&#39;alignement des requêtes modèle à l&#39;aide du programme 23 de rassemblement et permettra de recueillir contraintes spatiales à la fois du modèle de l&#39;utilisateur spécifié et des modèles pour guider LOMETS la simulation de montage de structure. Parce que la précision des contraintes LOMETS est différente pour les différentes cibles, le poids des contraintes LOMETS est plus forte en facile (homologue) TArgets que celui dur (non homologues) des objectifs, qui ont été systématiquement à l&#39;écoute de notre formation de référence. L&#39;utilisateur peut également spécifier leur propre requête template alignements. Le serveur accepte l&#39;alignement en deux formats: le format FASTA (figure 9A) et le format 3D (Figure 9B). Le format FASTA est standard et décrite au <a href="http://zhanglab.%20ccmb.med.umich.edu/FASTA/">http://zhanglab. ccmb.med.umich.edu / FASTA /</a> . Le format 3D est similaire au format standard APB ( <a href="http://www.wwpdb.org/documentation/format32/sect9.html">http://www.wwpdb.org/documentation/format32/sect9.html</a> ), mais deux colonnes supplémentaires dérivées à partir des modèles sont ajoutés aux dossiers atome (voir figure 9B): Colonnes 1-30: Atome (C-alpha uniquement) et les résidus de noms pour la séquence requête. Colonnes 31-54: Les coordonnées de C-alpha des atomes de la requête copiés à partir des atomes correspondants dans le modèle. Colonnes 55-59: numéro résidu correspondant dans le modèle basé sur l&#39;alignement Colonnes 60-64: nom résidu correspondant dans le modèle Exclure les protéines modèles Les protéines sont des molécules flexibles et peuvent adopter plusieurs états conformationnels de changer leur activité biologique. Par exemple, les structures des protéines kinases de nombreuses protéines membranaires ont été résolues dans la conformation à la fois actives et inactives. Aussi la présence ou l&#39;absence de ligand lié peut provoquer de grands mouvements structurels. Alors que tous les états conformationnels du modèle sont semblables pour les programmes de filetage, il est souhaitable de modèle de la requête en utilisant des modèles dans un seul état particulier. Une nouvelle option sur le serveur permet à l&#39;utilisateur d&#39;exclure les protéines de modèle lors de la modélisation de structure. Cette fonction permettrait également à l&#39;utilisateur de choisir le niveau d&#39;homologie de modèles à utiliser pour la modélisation. Les utilisateurs peuvent exclure les protéines template from de la bibliothèque I-Tasser par: A. Définition d&#39;une coupure d&#39;identité de séquence Les utilisateurs peuvent utiliser cette option pour exclure des protéines homologues de la bibliothèque de modèles I-Tasser. Le niveau d&#39;homologie est fixé en fonction du seuil d&#39;identité de séquence, c&#39;est à dire le nombre de résidus identiques entre la requête et la protéine modèle, divisé par la longueur de séquence de la séquence requête. Par exemple, si l&#39;utilisateur tape dans &quot;70%&quot; dans la forme prévue, toutes les protéines modèles qui ont une identité de séquence&gt; 70% à la protéine requête I-seront exclus de la bibliothèque de modèles I-Tasser. B. Exclure protéines modèle spécifique Protéines modèle spécifique peut être exclu de la bibliothèque de modèles I-Tasser en téléchargeant une liste contenant les ID APB des structures d&#39;être exclus. Un fichier exemple est montré dans la figure 10. Comme la même protéine peut exister en tant que de multiples entrées dans la bibliothèque APB, I-Tasser soiRVer sera par défaut d&#39;exclure les modèles spécifiés (dans Colonne1) ainsi que tous les autres modèles de la bibliothèque qui ont une identité&gt; 90% aux modèles spécifiés. L&#39;utilisateur peut également spécifier un seuil d&#39;identité différents, par exemple, 70%, où tous les modèles avec l&#39;identité&gt; 70% aux protéines modèle spécifié seront exclus.

<ol><li> FASTA formaté séquence d&#39;acides aminés de la protéine à modéliser (voir, <a href="http://www.ncbi.nlm.nih.gov/BLAST/fasta.shtml">http://www.ncbi.nlm.nih.gov/BLAST/fasta.shtml</a> ). </li><li> Un ordinateur personnel avec accès à Internet et un navigateur Web. </li><li> Moléculaire du logiciel de visualisation, par exemple, ou RasMol PyMOL, pour analyser la structure tertiaire et prédit des sites fonctionnels. </li></ol>

un protocole pour la structure des protéines computer-based et prédiction de la fonction

A Protocol for Computer-Based Protein Structure and Function Prediction

Génome projets de séquençage ont crypté des millions de séquences protéiques, qui exigent la connaissance de leur structure et leur fonction pour améliorer la compréhension de leur rôle biologique. Bien que les méthodes expérimentales peuvent fournir des informations détaillées pour une petite fraction de ces protéines, la modélisation computationnelle est nécessaire pour la majorité des molécules de protéines qui sont expérimentalement non caractérisés. Le serveur I-Tasser est une table de travail en ligne pour la modélisation à haute résolution de la structure des protéines et la fonction. Etant donné une séquence de protéine, une sortie typique du serveur I-Tasser comprend prédiction de structure secondaire, prédit accessibilité au solvant de chaque résidu, des protéines homologues modèle de threading et détectés par des alignements structure, jusqu&#39;à cinq pleine longueur tertiaires modèles structurels, et basée sur la structure annotations fonctionnelles pour la classification des enzymes, des termes Gene Ontology et protéine-ligand des sites de liaison. Toutes les prévisions sont étiquetés avec un score de confiance quiraconte comment les prédictions sont précises sans connaître les données expérimentales. Afin de faciliter les demandes spéciales des utilisateurs finaux, le serveur fournit les canaux d&#39;accepter spécifié par l&#39;utilisateur inter-résidus de distance et de contact des cartes pour changer de façon interactive la modélisation I-Tasser, elle permet également aux utilisateurs de spécifier toutes les protéines de matrice, ou à exclure n&#39;importe quel modèle protéines lors des simulations de montage de structure. Les informations structurelles pourraient être recueillies par les utilisateurs sur la base des preuves expérimentales ou connaissances biologiques dans le but d&#39;améliorer la qualité de I-Tasser prédictions. Le serveur a été évalué comme le meilleur des programmes de la structure des protéines et des prévisions de fonction dans les expériences récentes CASP échelle de la communauté. Il n&#39;y a actuellement&gt; 20 000 chercheurs inscrits dans plus de 100 pays qui utilisent la ligne I-Tasser serveur.

Lignes directrices pour l&#39;informatique basée caractérisation structurale et fonctionnelle de protéines en utilisant le pipeline I-Tasser est décrite. A partir de la séquence protéique de requête, les modèles 3D sont générés à l&#39;aide de plusieurs alignements de filetage et itératif des simulations assemblage structural. Inférences fonctionnelles sont ensuite tirées à partir des matches à protéines avec une structure connue et fonctions.

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

Les projets de séquençage du génome ont déchiffré des millions de séquences protéiques, dont la connaissance de la structure et de la fonction est nécessaire pour améliorer le...

L'objectif de cette procédure est de prédire par calcul informatique les structures tridimensionnelles et la fonction biologique de molécules protéiques à partir de leurs séquences d'acides aminés. Cela est réalisé en prédisant d'abord la structure secondaire des protéines par apprentissage automatique. Les séquences et la structure secondaire prédite sont ensuite comparées aux structures résolues de la bibliothèque PDB afin d'identifier les meilleurs modèles structuraux possibles.Cette procédure est appelée « threading ». Après la procédure de threading, le programme IT AER divisera les modèles en fragments selon les alignements de séquences des modèles, puis réassemblera les fragments en modèles complets à l'étape trois. Des modèles atomiques complets sont construits par des affinements au niveau atomique afin d'optimiser les réseaux de liaisons hydrogène et d'éliminer les chevauchements stériques.La dernière étape de la procédure consiste à identifier la fonction biologique des protéines en appariant les structures prédites avec celles de protéines de fonction connue dans la bibliothèque fonctionnelle. Le principal avantage d'ITER par rapport aux méthodes existantes de modélisation de structure réside dans son approche intrinsèque d'assemblage de fragments structuraux, qui peut systématiquement rapprocher les alignements par report de l'état natif. Ces modèles structuraux de haute qualité constituent également la base d'annotations fonctionnelles précises fondées sur la structure, favorisant ainsi l'utilisation d'ITER au sein de la communauté scientifique.Notre laboratoire a mis à disposition un site web sur lequel les séquences protéiques peuvent être soumises à iter. Ce site web sert de nœud central permettant aux utilisateurs du monde entier d’enregistrer une interface vers un cluster informatique, qui gère et exécute les simulations ITER. Une tâche de simulation ITER comprend une douzaine de sous-simulations plus petites.Ces simulations, lorsqu'elles sont exécutées sur un seul ordinateur doté d'un seul cœur de processeur, peuvent prendre plus de cent heures. Le cluster informatique du laboratoire Zang prend en charge ces sous-simulations et les répartit sur des centaines d'ordinateurs, ce qui lui permet d'exécuter plus de 2000 simulations. Grâce à notre cluster informatique, nous sommes capables d'effectuer des centaines de simulations I taster chaque jour. Même avec cette capacité, beaucoup de travail reste à faire pour optimiser le système et minimiser le temps d'attente pour les utilisateurs en ligne de l'IT AER. Pour commencer l'expérience de modélisation de la structure et de la fonction, connectez-vous à la page web de l'IT AER. Les adresses URL de toutes les pages web pertinentes abordées ici sont disponibles dans le protocole écrit.Copiez et collez la séquence en acides aminés dans le formulaire fourni, ou téléversez directement la séquence en cliquant sur le bouton parcourir. Indiquez une adresse électronique et un nom pour la tâche. Les utilisateurs peuvent éventuellement spécifier des contacts inter-résidus ou des contraintes de distance externes.Ajoutez un modèle supplémentaire ou excluez certaines protéines modèles au cours du processus de modélisation de la structure. Pour soumettre la séquence, cliquez sur le bouton exécuter taser. Vérifiez l'état de la tâche soumise en consultant la page de la file d'attente IT taser.Cliquez sur l'onglet de recherche et utilisez le numéro d'identification du travail ou la séquence interrogée pour rechercher le travail soumis. Une fois la modélisation de la structure et de la fonction terminée, un courriel de notification contenant une image des structures prédites et un lien web sera envoyé à l'adresse électronique fournie. Cliquez sur ce lien pour visualiser et télécharger les résultats.Commencez l'analyse de la structure en examinant la prédiction de la structure secondaire, affichée sous la forme H pour l'hélice alpha, S pour le brin bêta ou C pour le coil. Prenez également en compte le score de confiance de la prédiction pour chaque résidu. Recherchez les régions présentant de longues séquences de structures secondaires régulières afin d'estimer la région centrale de la protéine.La classe structurale de la protéine peut également être analysée en fonction de la répartition des éléments de structure secondaire. Examinez l'accessibilité prévue au solvant afin d'identifier les régions enterrées et celles exposées au solvant. Dans les valeurs de requête, l'accessibilité prévue au solvant varie d'un score de zéro pour un résidu enterré 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 présentant des résidus exposés au solvant et hydrophiles correspondent à des sites potentiels d'hydratation ou fonctionnels. Pour visualiser les structures tertiaires prédites de la protéine cible, faites défiler la page vers le bas jusqu'à l'applet interactif JMO affiché à gauche. Cliquez sur l'applet pour modifier l'apparence de la structure affichée.Zoomer sur une région spécifique, sélectionner des types de résidus particuliers dans le modèle prédit ou calculer les distances entre résidus. Analyser les scores de confiance du modèle structural afin d'estimer la qualité des structures prédites. Les valeurs Csco se situent généralement entre moins cinq et deux ; une valeur plus élevée indique un modèle de meilleure qualité.Le score TM estimé et le RMSD du premier modèle sont indiqués comme exactitude estimée du modèle un. Cliquez sur le lien en savoir plus sur csco. Pour analyser la taille du cluster csco et la densité du cluster de l'ensemble des modèles, analysez les 10 meilleurs modèles de transfert de séquence du protéine cible identifiés par les programmes de transfert de séquence à faible valeur de mets.En faisant défiler vers le bas la page des résultats, examinez le Z-score normalisé pour analyser la qualité des alignements par threadings. Les alignements dont le score normalisé est supérieur à un reflètent un alignement fiable et sont très probablement dotés du même repliement que la protéine cible. Examinez l'identité de séquence dans la région alignée par threading ainsi que pour toute la chaîne afin d'évaluer l'homologie entre les protéines cible et matrice.Une forte identité de séquence est un indicateur de parenté évolutive entre les protéines cibles et les protéines modèles. Examinez les résidus alignés par chevauchement colorés afin d'identifier visuellement les résidus ou motifs conservés dans la protéine cible et la protéine modèle. Une identité de séquence plus élevée dans la région alignée par chevauchement, comparée à un alignement de toute la chaîne, indique également la présence de motifs ou de domaines structuraux conservés dans la protéine cible. Évaluez la couverture de l'alignement par chevauchement en examinant attentivement l'alignement.Si la couverture de l'alignement supérieur est faible et limitée à une petite région de la protéine cible ou absente sur un long segment de la séquence cible, cela indique que la protéine cible 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 analogues structuraux les plus proches du premier modèle prédit, tels qu'identifiés par le programme d'alignement structural TM align.Un score TM supérieur à 0,5 indique que l'analogue détecté et le modèle possèdent une topologie similaire et peuvent être utilisés pour déterminer la classe structurale ou la famille de protéines de la protéine interrogée. Ceux ayant un score TM inférieur à 0,3 indiquent une similarité aléatoire de structure. Analysez l'identité de séquence et le RMSD dans la région alignée sur le plan structural afin d'évaluer la conservation des motifs spatiaux dans le modèle et l'analogue structural.Examinez visuellement les paires de résidus colorées et alignées dans l'alignement afin d'identifier les résidus et motifs structurellement conservés. Consultez le tableau des numéros EC prédits pour visualiser les cinq groupes d'organismes enzymatiques (OG) les plus probables pour la protéine cible. Le niveau de confiance de la prédiction du numéro EC à l'aide de ces modèles est indiqué par le score EC, basé sur une analyse comparative.La similarité fonctionnelle entre la protéine cible et la protéine modèle peut être interprétée de façon fiable à l'aide d'un score CE supérieur à 1,1. Ensuite, recherchez un consensus fonctionnel parmi les modèles présentant un repliement similaire à celui de la protéine cible. Si plusieurs modèles possèdent le même numéro CE et que le score CE 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'existe pas de consensus parmi les résultats identifiés, la prédiction devient moins fiable et les utilisateurs sont invités à consulter l'ontologie génique. La vue des prédictions de termes affiche le tableau des termes d'ontologie génique prédits afin d'identifier les 10 homologues principaux de la protéine cible dans la banque PDB, annotés avec des termes d'ontologie génique ; chaque protéine est généralement associée à plusieurs termes d'ontologie génique décrivant ses fonctions moléculaires, ses processus biologiques et sa localisation cellulaire. Cliquez sur chaque terme pour accéder au site web AmiGO et analyser sa définition et sa lignée.Analysez la colonne du score d'homologie fonctionnelle pour évaluer la similarité fonctionnelle entre les protéines cibles et les modèles. Le niveau de confiance dans le transfert de l'annotation fonctionnelle à partir de ces protéines peut également être estimé. Consultez le tableau de prédiction consensuelle des termes de l'ontologie génique pour analyser la concordance fonctionnelle entre les modèles.Ces fonctions courantes sont utilisées pour prédire les termes de l'ontologie génique de la protéine cible et pour évaluer le niveau de confiance des prédictions de termes d'ontologie génique. Enfin, faites défiler la page jusqu'en bas pour afficher les 10 meilleures prédictions de sites de liaison de ligands pour la protéine cible. Les sites de liaison prédits sont classés selon le nombre de confirmations de ligands prédits qui partagent un même site de liaison. Le meilleur site de liaison identifié est déjà affiché dans l'application JM OL.Cliquez sur les boutons radio pour analyser d'autres prédictions et visualiser les résidus d'interaction du ligand. Le score BS indique la similarité locale entre le site de fixation du modèle et celui des modèles. Un score BS supérieur à 1,1 indique une forte similarité de séquence et de structure au voisinage du site de fixation prédit.Dans le modèle, par rapport au site de liaison connu dans le gabarit, 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 structures ou l'interprétation des résultats. La fonction de téléchargement permet aux utilisateurs de télécharger iter et les packages associés, puis de les installer sur leur ordinateur.Ceci permet de réduire le temps nécessaire pour effectuer les expériences de modélisation. La fonction de file d'attente permet de visualiser l'état de toutes les tâches soumises sur la page IT a Q. Les utilisateurs peuvent également examiner visuellement l'image des structures modélisées pour les tâches terminées.Sur cette page, également affichés à côté du score TM attendu et du RMSD attendu du premier modèle et de la date de soumission, figure un extrait de la page de résultats IT AER montrant la séquence de requête formatée plus rapidement, la structure secondaire prédite, ainsi que les scores de confiance associés et l'accessibilité prévue au solvant des résidus. La région centrale analysée et le site d'hydratation potentiel dans la requête sont respectivement mis en évidence par des rectangles cyan et rouges. Ici, les prédictions de structure tertiaire pour les protéines cibles sont affichées.Les modèles prévus sont affichés dans une fenêtre interactive JML, permettant 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 permettant d'estimer la qualité du modèle est indiqué sous le nom de csco. Un exemple de la page de résultats de itta A, montrant les 10 meilleurs modèles de repliement identifiés et leurs alignements obtenus par les programmes de repliement de Loomis, est présenté. La qualité des alignements d'alignement est évaluée selon le Z-score normalisé, où une valeur supérieure à un reflète un alignement fiable. Les résidus alignés dans le modèle qui sont identiques aux résidus correspondants de la requête sont mis en évidence en couleur afin d'indiquer la présence d'un résidu ou d'un motif conservé. Inversement, l'absence d'alignement dans la majorité des meilleurs modèles indique la présence de plusieurs domaines dans la protéine requête, et les résidus non alignés correspondent aux régions de liaison entre les domaines.Ce tableau présente les 10 analogues structuraux et alignements structuraux identifiés par le programme d'alignement structural TM alignés. Le classement des analogues repose sur le score TM de l'alignement structural. Un score TM supérieur à 0,5 indique que les deux structures comparées possèdent une topologie similaire.Un score TM inférieur à 0,3 indique une similarité entre deux structures aléatoires. Les paires de résidus alignés sur le plan structural sont surlignées en couleur selon leurs propriétés en acides aminés, tandis que les régions non alignées sont indiquées par un tiret. Voici un exemple de page de résultats ITR montrant les homologues d'enzymes identifiés pour la protéine cible dans la bibliothèque PDB.Le niveau de confiance de la prédiction du numéro EC est analysé à partir du score EC, où un score EC supérieur à 1,1 indique une similarité fonctionnelle entre la protéine cible et la protéine modèle. Le tableau de prédiction des termes de l'ontologie génique pour la protéine cible inclut les homologues fonctionnels de cette protéine présents dans la bibliothèque de modèles d'ontologie génique, classés selon leur score d'homologie fonctionnelle. Les caractéristiques fonctionnelles communes issues de ces correspondances ayant les scores les plus élevés sont utilisées pour établir les prédictions finales des termes d'ontologie génique pour la protéine cible.La qualité des termes prédits d'ontologie génique est estimée à partir du score geo, où un score geo supérieur à 0,5 indique une prédiction fiable, comme illustré ici par un exemple de page de résultats IT AZA affichant les 10 meilleures prédictions de sites de liaison pour des ligands protéiques obtenues à l'aide de l'algorithme de cofacteur. Le classement des sites de liaison prédits repose sur le nombre de confirmations de ligands prédits partageant un même site de liaison. Le score BS de la requête constitue une mesure de la similarité locale de séquence et de structure entre le site de liaison prédit et les sites témoins, et s'avère utile pour analyser la conservation des poches de liaison.Bien qu'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 issue d'algorithmes informatiques. Toute donnée expérimentale ou information fonctionnelle, par exemple les contacts entre résidus ou les données de liaison, sera extrêmement utile pour améliorer la précision des prédictions. Le serveur IT AER dispose d'un portail permettant d'inclure ces informations au cours de la procédure de modélisation, afin de répondre à l'intérêt croissant qu'il suscite.Aer, le laboratoire de Zang a publié le logiciel IT AER gratuitement pour la recherche à but non lucratif. Nous développons activement IT AER et améliorons l'eye taster, dans l'espoir que sa disponibilité permettra des applications à grande échelle en dehors du laboratoire de Zang et profitera, ainsi que stimulera, des recherches ultérieures au sein de la communauté scientifique.

a-protocol-for-computer-based-protein-structure-function

Research

Recherche

JoVE Journal

Biology

Biologie

Nous avons développé des méthodes de conception de protéines computationnelles de novo capables de s’attaquer à plusieurs domaines importants de la conception de protéines. Pour diffuser ces méthodes, nous présentons Protein WISDOM, un outil en ligne pour la conception de protéines (http://www.proteinwisdom.org). À partir d’un modèle structurel, il est possible de concevoir des protéines monomères pour une stabilité accrue et des complexes pour une affinité de liaison accrue.

Protéines SAGESSE: un plan de travail pour<em&gt; In silico</em&gt;<em&gt; De novo</em&gt; Conception de biomolécules

Les séquences de protéines synthétiques basées sur des motifs consensus ignorent généralement les résidus co-évolutifs, qui impliquent des dépendances interpositionnelles (IPD).  Les IPD peuvent être essentiels à l’activité, et les conceptions qui ne les tiennent pas compte peuvent entraîner des résultats sous-optimaux.  Ce protocole utilise StickWRLD pour identifier les IPD et aider à éclairer la conception rationnelle des protéines, ce qui se traduit par des résultats plus efficaces.

Optimisation des protéines synthétiques: Identification des dépendances interposition indicatrice constructivement et / ou les résidus fonctionnellement liées

Un protocole pour l'étude en ligne des relations protéines-structure-structure dynamique utilisant Bio3D-web est présenté.

Étude de la séquence des protéines - structure-dynamique Relations avec Bio3D-web

Le protocole décrit ici fournit des instructions détaillées sur la façon d’analyser les régions génomiques d’intérêt pour le potentiel de codage des microprotéines à l’aide de PhyloCSF sur le navigateur de génome convivial UCSC. En outre, plusieurs outils et ressources sont recommandés pour étudier plus avant les caractéristiques de séquence des microprotéines identifiées afin de mieux comprendre leurs fonctions putatives.

Une approche intégrée pour l’identification des microprotéines et l’analyse des séquences

Nous décrivons une méthodologie basée sur la diversification des séquences pour estimer les préférences en acides aminés des sites de liaison multispécifiques dans les interactions protéine-protéine (IPP). Dans cette stratégie, des milliers de ligands peptidiques potentiels sont générés et criblés in silico, surmontant ainsi certaines limites des méthodes expérimentales disponibles.

Prédiction computationnelle des préférences en acides aminés de domaines de liaison à des peptides potentiellement multispécifiques impliqués dans des interactions protéine-protéine

Ce protocole bilingue fournit un flux de travail computationnel de découverte de médicaments évaluant les interactions protéine-ligand des kinases de type Polo 1 à 3 (PLK1–3) et des propriétés d’absorption, distribution, métabolisme, excrétion, toxicité et stabilité (ADMET-S) des molécules naturelles issues de bases de données.

Un flux de travail computationnel bilingue pour identifier les inhibiteurs potentiels de PLK1 en langue des signes américaine et en anglais

La conception de protéines implique la construction de séquences d’acides aminés et l’incorporation de motifs spécifiques pour créer des variantes fonctionnelles. Cette approche est essentielle pour le développement de peptides antimicrobiens (AMP) pour lutter contre les agents pathogènes résistants aux antibiotiques. Cet article présente une procédure de construction de protéines à l’aide de divers outils bioinformatiques.

Application de I TASSER, trRosetta, UCSF Chimera, HADDOCK server et HEX loria pour la conception de novo et in silico de protéines

On applique l'étiquette sans analyse de l'interaction des protéines avec X100 Biacore structure-fonction de l'analyse de la liaison de plusieurs mutants cystatine B à travers la papaïne caractérisation cinétique. Étalonnage sans analyse de concentration (ACCP) mesure la concentration de protéine avec une activité de liaison maintenu sans la nécessité d'une courbe d'étalonnage. Nous montrons que la confirmation de concentrations en utilisant CFCA augmente la fiabilité de l'analyse cinétique et...

L&#39;importance de la concentration de protéines correct pour Cinétique et Détermination d&#39;affinité en analyse structure-fonction

La vidéo d'accompagnement décrit l'utilisation du système de fractionnement GELFREE 8100, les partitions des échantillons protéiques complexes sur la base du poids moléculaire et récupère les fractions en phase liquide. La vidéo décrit comment la technologie fonctionne, comment il est utilisé, et fournit des données résultantes, avec analyse par électrophorèse en gel de polyacrylamide d'homogénat de foie fractionnée bovine.

Utiliser le système de fractionnement GELFREE 8100 pour les Poids Moléculaire à base de fractionnement avec récupération de la phase liquide

Délétion du gène et surexpression de la protéine sont des méthodes courantes pour l'étude des fonctions des protéines. Dans cet article, nous décrivons un protocole pour l'analyse du développement phénotype en fonction de la concentration de protéines au niveau de la population et une seule cellule...

Analyse du développement d&#39;un phénotype morphologique en fonction de la concentration de protéines dans la levure bourgeonnante

Découvrez le pipeline I-TASSER pour prédire les structures 3D et fonctions des protéines à partir de séquences d'acides aminés. Cette méthode bioinformatique combine apprentissage automatique et assemblage de fragments.

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

Explorer plus de vidéos