Optimisation des protéines synthétiques: Identification des dépendances interposition indicatrice constructivement et / ou les résidus fonctionnellement liées
14 juillet 2015
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.
L'objectif général de cette procédure est d'identifier les résidus co-évoluant dans des alignements de protéines, ce qui implique des dépendances inter-positionnelles ou IPD. Cela est réalisé en chargeant d'abord l'alignement dans Stick World, un outil d'analyse visuelle qui crée une représentation 3D interactive d'un alignement de protéines et affiche clairement les résidus co-variant dans Stick World. Chaque position de l'alignement est représentée sous forme d'une colonne composée d'une pile de sphères, une sphère pour chacun des 20 acides aminés possibles à cette position dans l'alignement, dont la taille dépend de la fréquence. Les colonnes représentant chaque position sont enroulées autour d'un cylindre afin de représenter les IPD.
Des lignes sont tracées entre les résidus qui évoluent conjointement à un niveau supérieur ou inférieur à celui attendu si les résidus présents aux positions considérées étaient indépendants au sein du programme. Le résidu est ajusté jusqu'à ce qu'il y ait un nombre maîtrisable de connexions, puis les connexions d'intérêt sont identifiées. En fin de compte, le « stick world » est utilisé pour identifier les résidus qui évoluent conjointement les uns avec les autres.
De tels résidus de couverture fonctionnellement requis ont été identifiés dans une kinase ventilée. L'une des raisons pour lesquelles les personnes éprouvent des difficultés avec ce processus est la nouveauté. C'est presque autant une forme artistique qu'une science.
Il est important de démontrer visuellement Stick World car il s'agit d'un outil d'analyse visuelle nécessitant une interaction utilisateur. Action. Utilisez un ordinateur disposant d'un processeur Intel i5 ou supérieur, d'au moins quatre gigaoctets de RAM, fonctionnant sous Mac OS 10 ou Linux OS, et équipé des bibliothèques Python indiquées dans le protocole textuel. Téléchargez Stick World sous forme d'une archive zip contenant tous les scripts Python pertinents.
Téléchargez également le script FASTA two stick pour convertir les alignements standard de séquences d'ADN ou de protéines au format stick world. Extrayez l'archive et placez le dossier stick world résultant ainsi que le script FASTA two stick sur le bureau. Ensuite, créez un alignement des séquences de protéines à l'aide de n'importe quel logiciel d'alignement standard.
Enregistrez l'alignement sur le bureau. Infectez un format. Ouvrez l'application terminal sur l'ordinateur macro Linux et accédez au bureau en tapant CD tilde barre oblique bureau et en appuyant sur Entrée dans le terminal.
Saisissez la commande permettant de rendre le script FASTA two stick exécutable, puis saisissez la commande pour exécuter le script. Suivez les instructions à l'écran fournies par le script afin de spécifier le nom du fichier d'entrée et le nom de sortie souhaité. Enregistrez le fichier de sortie sur le bureau.
Naviguez jusqu'au dossier des exécutables de Stick World à l'aide de l'application terminal de l'ordinateur Mac ou Linux, puis lancez Stick World en tapant python3 stickworld_demo_pi dans le terminal. Vérifiez que le panneau du chargeur de données de Stick World est visible à l'écran. Chargez ensuite l'alignement des séquences protéiques converti en appuyant sur le bouton charger la protéine.
Sélectionnez le fichier créé et appuyez sur ouvrir ; Stick World ouvrira plusieurs nouvelles fenêtres, notamment Stick World Control et Stick World Open GL. Sélectionnez la fenêtre Stick World Open GL. Choisissez Réinitialiser la vue dans le menu Open GL pour afficher la visualisation par défaut de Stick World selon une vue de dessus à travers le cylindre, représentant les données dans les fenêtres Open GL redimensionnables.
Plusieurs options d'affichage sont disponibles dans le monde des bâtonnets. Cochez les cases pour les libellés de colonnes et les libellés de boules dans le panneau de contrôle du monde des bâtonnets afin d'afficher les valeurs des colonnes et des boules. Décochez la case pour les bords de colonnes dans le panneau de contrôle du monde des bâtonnets pour masquer les lignes de bord des colonnes.
Définissez l'épaisseur de la colonne sur 0,1 dans le panneau de contrôle du monde en bâtonnets pour tracer une ligne fine à travers les colonnes. Appuyez sur Entrée pour valider le changement, ce qui facilite la navigation dans la vue 3D. Réinitialisez la vue dans la fenêtre OpenGL du monde en bâtonnets.
Ensuite, appuyez sur le bouton plein écran pour agrandir la vue et naviguer dans le programme. Faites pivoter l'affichage 3D du modèle en bâtonnets en maintenant le bouton gauche de la souris enfoncé tout en déplaçant la souris dans n'importe quelle direction. Zoomez dans l'affichage 3D du modèle en bâtonnets en maintenant le bouton droit de la souris enfoncé tout en déplaçant la souris vers le haut ou vers le bas.
Parcourez la vue en faisant glisser et en zoomant : les résidus co-évoluant dont les valeurs dépassent les seuils requis pour p et pour le résidu sont reliés par des lignes d'arête. S’il y a trop ou trop peu de lignes reliant les résidus, modifiez le seuil résiduel afin d’afficher moins ou plus de lignes. Augmentez le seuil résiduel sur le panneau de contrôle du modèle spatial jusqu’à ce qu’aucune ligne d’arête IPD ne soit visible, puis diminuez-le progressivement jusqu’à l’apparition de relations. Poursuivez l’augmentation du seuil résiduel jusqu’à obtenir un nombre suffisant de relations à examiner.
Identifiez les relations impliquant soit des résidus d'intérêt connu, soit des résidus éloignés les uns des autres dans l'alignement à l'aide de la touche commande et d'un clic gauche ; sélectionnez ensuite les arêtes d'intérêt. Le panneau de contrôle du mode « stick world » indiquera les colonnes et reliera des résidus spécifiques. Les lignes pleines représentent des associations positives.
Alors que les lignes pointillées représentent des associations négatives. Appuyez sur le bouton « output edges » dans le panneau de contrôle du stick world pour enregistrer un fichier au format texte brut contenant toutes les arêtes visibles dans le répertoire approprié, y compris les résidus articulés et leurs valeurs résiduelles réelles. Un vaste groupe de dépendances interpositionnelles, ou IPD, incluant une association à trois nœuds entre la glycine à la position 1 32, la tyrosine à la position 1 35 et une proline à la position 1 41, est visible au premier plan.
Ici, la vue a été inclinée de manière à placer l’utilisateur légèrement au-dessus du cylindre, révélant une distance d’IPD entre une histidine en position 1 36 et une méthionine en position vingt-neuf à cent sept résidus de distance. Inversement, le motif A-P-A-M-H-M-M du même domaine ne détecte pas spécifiquement ces variations de motif co-occurrentes et définit également les regroupements globaux selon un schéma non soutenu sur le plan biologique. Lors de l’exécution de cette procédure, il est important de se rappeler de l’essayer de deux manières différentes.
Commencez avec un résidu élevé et diminuez progressivement, ou commencez avec un résidu faible et augmentez progressivement, afin d'explorer l'espace de deux manières différentes.
Aperçu
Ce protocole utilise StickWRLD pour identifier les résidus co-évolués dans les alignements de protéines, en mettant en évidence les dépendances interpositionnelles (IPD) essentielles à l'activité protéique. En intégrant les IPD dans la conception de protéines, les chercheurs peuvent obtenir des résultats plus efficaces.
Composantes clés de l'étude
Domaine scientifique
- Conception de protéines
- Bio-informatique
- Biologie structurale
Contexte
- Les résidus co-évolués indiquent des dépendances interpositionnelles (IPD).
- Ignorer les IPD peut conduire à des conceptions de protéines sous-optimales.
- StickWRLD est un outil d'analyse visuelle pour l'analyse des alignements de protéines.
- La compréhension des IPD est essentielle pour une conception rationnelle des protéines.
Objectif de l'étude
- Identifier les résidus co-évolués qui impliquent des décalages d'interaction (IPD).
- Améliorer l'efficacité des processus de conception de protéines.
- Démontrer l'utilité de StickWRLD pour visualiser les alignements de protéines.
Méthodes utilisées
- Charger les alignements de protéines dans StickWRLD.
- Visualiser les résidus co-évoluant à l'aide de représentations 3D.
- Ajuster les seuils résiduels pour identifier les relations significatives.
- Exporter les données sur les IPD identifiés pour des analyses supplémentaires.
Résultats principaux
- Identification des IPD significatives dans les séquences protéiques.
- Visualisation des résidus co-évoluant à l'aide de modèles 3D interactifs.
- Mise en évidence de l'importance des IPD dans la fonctionnalité des protéines.
- Application réussie de StickWRLD à l'analyse des alignements de protéines.
Conclusions
- L'intégration des IPD dans la conception de protéines peut améliorer l'activité.
- StickWRLD constitue un outil efficace pour visualiser les interactions protéiques.
- La compréhension de la coévolution est essentielle pour l'ingénierie rationnelle des protéines.
Questions fréquemment posées
Pertinence professionnelle pour l'industrie
L'identification des dépendances interpositionnelles (IPD) dans les séquences protéiques permet une conception plus précise de protéines synthétiques en révélant les relations entre résidus conservées au cours de l'évolution et influant sur le repliement, la stabilité et la fonction. Ignorer ces covariations comporte le risque de produire des séquences consensuelles non viables, dépourvues de pertinence biologique. StickWRLD propose une approche d'analyse visuelle permettant de détecter ces dépendances, facilitant ainsi l'ingénierie rationnelle de protéines thérapeutiques avec une confiance prédictive accrue.
Applications stratégiques en recherche et développement en biopharmaceutique
Début de la découverte et validation de la cible
- Valeur scientifique : Révèle des résidus fonctionnellement liés qui peuvent indiquer des sites structuraux ou catalytiques essentiels dans les protéines cibles.
- Valeur opérationnelle : Permet une interrogation fondée sur des hypothèses de la covariation des résidus afin de réduire les risques liés aux mécanismes cibles dès les premières étapes de la découverte.
Développement de criblages et de tests
- Valeur scientifique : Identifie les paires de résidus co-évolués qui peuvent guider la conception de variants protéiques stabilisés afin d'améliorer la robustesse des tests.
- Valeur opérationnelle : Facilite le développement d'entrées protéiques standardisées conservant des interfaces fonctionnelles pour des criblages reproductibles.
Recherche translationnelle et préclinique
- Valeur scientifique : Établit un lien entre la variation des séquences et les motifs structuraux qui pourraient être corrélés à des domaines fonctionnels impliqués dans les mécanismes des maladies.
- Valeur opérationnelle : Facilite la traduction des conceptions basées sur les données du IPD en modèles précliniques en préservant les interactions entre résidus de type natif.
Intégration des pipelines et des flux de travail
La méthode s'intègre au flux de travail de découverte en orientant la validation des cibles par des connaissances mécanistiques et en permettant l'optimisation des candidats médicaments grâce à une conception guidée par la structure et informée par la covariation évolutive.
- Biologie de la découverte : Soutient l'atténuation des risques mécanistiques en mettant en évidence les réseaux de résidus pouvant sous-tendre la fonction protéique ou la régulation allostérique.
- Criblage : Permet la préparation de variants protéiques dotés de surfaces d'interaction conservées, améliorant ainsi la constance de l'interaction avec la cible dans les tests.
- Analytique : Génère des données quantitatives de liaison (valeurs résiduelles) entre les résidus co-évoluant, afin de classer et prioriser les hypothèses structurales.
- Recherche translationnelle : Relie les motifs évolutifs à la continuité structurale, facilitant la conception de protéines dont la fonction est préservée entre différents modèles.
- Réutilisation en entreprise : Fournit une plateforme d'analytique visuelle réutilisable pour la conception itérative de protéines ciblant plusieurs projets et objectifs.
Impact opérationnel et organisationnel
- Valeur scientifique : Accroît la confiance prédictive en conception protéique en tenant compte des interactions entre résidus contraintes par l'évolution.
- Valeur opérationnelle : Améliore la reproductibilité grâce à une visualisation standardisée et à une détection ajustable selon le seuil des paires co-évoluées.
- Valeur stratégique : Réduit le risque d'échec en phase avancée en améliorant la plausibilité biologique des protéines synthétiques dès les premières étapes du développement.
- Impact sur le portefeuille : Permet une priorisation éclairée par le risque des candidats en ingénierie protéique selon les dépendances structurales et fonctionnelles entre résidus.
Considérations relatives à la mise en œuvre
- Nécessite une expertise en alignement de séquences protéiques et en analyse évolutionnaire.
- Requiert une station de travail disposant de Python 3.2 ou supérieur, d'un support OpenGL et des bibliothèques spécifiées pour exécuter StickWRLD.
- Exige des alignements d'entrée normalisés et des paramètres de seuil cohérents pour une détection reproductible des IPD entre différentes équipes.
- Implique une inspection manuelle des visualisations 3D afin d'identifier les interactions entre résidus biologiquement pertinentes.
- Est limité par la qualité et la profondeur de l'alignement multiple d'entrée, ce qui influence la force du signal de covariation.
