Name: Un protocollo per la Computer-Based Protein Structure Prediction e Funzione (Video) | JoVE Journal
Uploaded: 2011-11-03T12:00:00.000+00:00
Duration: 16 min 41 s
Description: Impara a prevedere strutture 3D e funzioni proteiche con il pipeline I-TASSER utilizzando machine learning, threading e assemblaggio di frammenti. Questo metodo computazionale migliora l'accuratezza predittiva per la biologia strutturale.

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

Il progetto è sostenuto in parte dalla Fondazione Alfred P. Sloan, Premio alla Carriera NSF (DBI 1027394), e l&#39;Istituto Nazionale di General Medical Sciences (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>

Nessun conflitto di interessi dichiarati.

Il protocollo di cui sopra è una linea guida generale per la struttura e la modellazione funzione utilizzando l&#39;I-Tasser server. Anche se, questa procedura automatizzata funziona molto bene per la maggior parte delle proteine, interventi umani spesso aiutano a migliorare significativamente la precisione di modellazione, soprattutto per le proteine ​​che mancano di modelli chiudere in biblioteca PPB. Gli utenti possono intervenire durante la I-Tasser di modellazione nei seguenti modi: (a) scissione della multi-dominio proteine, (b) fornire vincoli esterni per migliorare la struttura di assemblaggio, e (c) la rimozione dei modelli durante la modellazione. Dividere multi-dominio proteico: Molte sequenze proteiche lunghe spesso contengono più domini legati da regioni linker flessibile, il che rende loro difficile delucidazione struttura utilizzando tecniche sia sperimentali e computazionali. Tuttavia, come i domini sono pieghevoli entità indipendente e può eseguire diverse funzioni molecolare, èauspicabile per dividere lungo multi-dominio proteine ​​e il modello ogni dominio separatamente. I domini di modellazione individualmente non solo accelerare il processo di previsione, ma aumenta anche la qualità della query modello dell&#39;allineamento, con conseguente maggiore struttura affidabile e previsioni funzione. I limiti del dominio a sequenze proteiche possono essere previsti con programmi esterni liberamente disponibile online, come NCBI CDD 24, 25 o PFAM InterProScan 26. Inoltre, se allineamenti LOMETS threading sono disponibili per la proteina query, i limiti del dominio può essere individuato da individuare visivamente lunghi tratti di residui non allineati nei modelli top filettatura (vedi punto 5.4). Queste regioni non allineati per lo più corrispondono alle regioni linker dominio. Se il multi-dominio modelli sono già disponibili nella libreria di modelli PDB con tutti i domini domanda allineati, allora la proteina query può essere modellato come lunghezza. Fornire vincoli esterni <pclass = &quot;jove_content&quot;&gt; Le simulazioni di assemblaggio struttura in I-Tasser sono prevalentemente guidate da vincoli territoriali raccolti dal LOMETS filettatura modelli. Per le proteine ​​di query che hanno colpito una buona filettatura (norm. Z-score&gt; 1) nella biblioteca modello, derivato vincoli spaziali sono per lo più di alta precisione e I-Tasser genererà modelli ad alta risoluzione strutturale di queste proteine. Al contrario, per le proteine ​​query che sono deboli o no hit threading (norm. Z-score &lt;1), raccolti restrizioni spaziali spesso contengono errori a causa dell&#39;incertezza del modello e l&#39;allineamento. Per questi obiettivi proteine, specificato dall&#39;utente informazioni territoriali possono essere molto utili per migliorare la qualità del modello previsto. Gli utenti possono fornire vincoli esterni alla I-Tasser server in due modi: A. Specificare contatto / distanza restrizioni Sperimentalmente caratterizzata inter-residuo contatti / distanze, ad esempio da NMR ocross-linking esperimenti, può essere specificato il caricamento di un file di moderazione. Un file di esempio è illustrato nella figura 8, dove Colonna 1 specifica il tipo di restrizione, cioè &quot;DIST&quot; o &quot;CONTATTI&quot;. Alla moderazione distanza (DIST), colonne 2 e 4 contengono residui di posizioni (i, j), colonne 3 e 5 contengono l&#39;atomo-tipo nel residuo e colonna 6 specifica la distanza tra i due atomi specificato. Per le restrizioni di contatto (contatto), colonne 2 e 3 contengono le posizioni (i, j) di residui che devono essere a contatto. La distanza tra il centro catene laterali di queste coppie di residui di contatto è deciso sulla base di distanze osservati in strutture note nel PPB. I-Tasser cercherò di tracciare queste coppie atomo vicino alla distanza specificata durante le simulazioni raffinatezza della struttura. B. Specificare un modello di struttura delle proteine LOMETS programmi threading utilizzare una libreria rappresentante PDB per trovare pieghe plausibile per la richiesta protein. Sebbene l&#39;utilizzo di una libreria struttura rappresentativa aiuta a ridurre il tempo necessario per calcolare la sequenza-struttura allineamenti, è possibile che una proteina modello buono è mancato in biblioteca o il modello non sono stati identificati dai programmi di LOMETS filettatura, anche se è presenti nella biblioteca. In questi casi, l&#39;utente deve specificare la struttura della proteina desiderata come il modello. Per specificare la struttura della proteina come un ulteriore modello, gli utenti possono caricare un file PDB struttura formattata o specificare l&#39;ID PPB di una struttura proteica depositato in biblioteca PPB. L&#39;I-Tasser genererà la query-modello di allineamento con il programma MUSTER 23 e raccoglierà vincoli spaziali sia l&#39;utente specificato modello e modelli LOMETS per guidare la simulazione di assemblaggio della struttura. Perché l&#39;accuratezza dei vincoli LOMETS è differente per target diversi, il peso dei vincoli LOMETS è più forte in facile (omologo) targets da quello rigido (non omologhe) obiettivi, che sono state sistematicamente sintonizzato nella nostra formazione di riferimento. Gli utenti possono anche specificare il proprio modello di query-allineamenti. Il server accetta l&#39;allineamento in due formati: il formato FASTA (Figura 9A) e il formato 3D (Figura 9B). Il formato FASTA è standard e descritto in <a href="http://zhanglab.%20ccmb.med.umich.edu/FASTA/">http://zhanglab. ccmb.med.umich.edu / FASTA /</a> . Il formato 3D è simile al formato standard PDB ( <a href="http://www.wwpdb.org/documentation/format32/sect9.html">http://www.wwpdb.org/documentation/format32/sect9.html</a> ), ma due colonne aggiuntive derivate dai modelli vengono aggiunti ai record ATOM (vedi Figura 9B): Colonne 1-30: Atom (C-alfa solo) e residui di nomi per la sequenza query. Colonne 31-54: Coordinate di C-alfa atomi della query copiato dal atomi corrispondente nel modello. Colonne 55-59: numero di residuo corrispondente nel modello sulla base di allineamento Colonne 60-64: nome di residuo corrispondente nel modello Escludi proteine ​​modelli Le proteine ​​sono molecole flessibili e possono adottare diversi stati conformazionali di cambiare la loro attività biologica. Per esempio, le strutture di molte proteine ​​chinasi e proteine ​​di membrana sono stati risolti in conformazione sia attivi e inattivi. Anche la presenza o l&#39;assenza di ligando legato possono causare grandi movimenti strutturali. Mentre tutti gli stati conformazionali del modello sono simili per i programmi di threading, è auspicabile per modellare la query utilizzando i modelli in un solo stato. Una nuova opzione sul server consente all&#39;utente di escludere le proteine ​​modello durante la modellazione della struttura. Questa caratteristica permetterebbe inoltre agli utenti di scegliere il livello di omologia di modelli da utilizzare per la modellazione. Gli utenti possono escludere le proteine ​​modello from I-Tasser libreria: A. Definizione di un taglio identità di sequenza Gli utenti possono utilizzare questa opzione per escludere proteine ​​omologhe da I-Tasser libreria di modelli. Il livello di omologia è impostato in base al taglio identità di sequenza, cioè il numero di residui identici tra la query e la proteina modello di divisa per la lunghezza della sequenza della sequenza query. Per esempio, se l&#39;utente digita nel &quot;70%&quot; nella forma prevista, tutte le proteine ​​modelli che hanno una identità di sequenza&gt; 70% per la proteina richiesta I-saranno esclusi dalla I-Tasser libreria di modelli. B. Escludi proteine ​​modello specifico Proteine ​​modello specifico può essere escluso dalla I-Tasser libreria di modelli caricando un elenco contenente gli ID PPB delle strutture da escludere. Un file di esempio è illustrato nella figura 10. Come la stessa proteina può esistere come più voci nella libreria PPB, I-Tasser séfiume Eno per default escludere i modelli specificato (in Colonna1), così come tutti gli altri modelli della libreria che hanno una identità&gt; 90% per i modelli specificati. Gli utenti possono anche specificare una soglia diversa identità, ad esempio, il 70%, dove tutti i modelli con l&#39;identità&gt; 70% di proteine ​​modello specificato saranno escluse.

<ol><li> FASTA formattato sequenza aminoacidica della proteina da modellare (v., <a href="http://www.ncbi.nlm.nih.gov/BLAST/fasta.shtml">http://www.ncbi.nlm.nih.gov/BLAST/fasta.shtml</a> ). </li><li> Un personal computer con accesso a Internet e un browser web. </li><li> Software di visualizzazione molecolare, ad esempio, RasMol o PyMOL, per analizzare la struttura terziaria previsti e siti funzionali. </li></ol>

un protocollo per la computer-based protein structure prediction e funzione

A Protocol for Computer-Based Protein Structure and Function Prediction

Progetti di sequenziamento del genoma sono cifrati milioni di sequenza della proteina, che richiedono la conoscenza della loro struttura e funzione di migliorare la comprensione del loro ruolo biologico. Anche se i metodi sperimentali in grado di fornire informazioni dettagliate per una piccola parte di queste proteine, la modellazione computazionale è necessario per la maggior parte delle molecole proteiche che sono sperimentalmente caratterizzati. L&#39;I-Tasser server è un banco di lavoro on-line ad alta risoluzione di modellazione della struttura e funzione delle proteine. Data una sequenza proteica, un output tipico del I-Tasser server include la previsione della struttura secondaria, prevede l&#39;accessibilità di ogni residuo solvente, proteine ​​omologhe modello di threading e rilevato da allineamenti struttura, fino a cinque modelli terziario full-length strutturale, e la struttura a base di annotazioni funzionali per la classificazione degli enzimi, Gene Ontology termini e le interazioni proteina-ligando siti di legame. Tutte le previsioni sono contrassegnati con un punteggio di confidenza cheracconta di come le previsioni sono accurate senza conoscere i dati sperimentali. Per facilitare le richieste particolari degli utenti finali, il server fornisce canali di accettare specificato dall&#39;utente tra residui distanza e contattare le mappe di modificare interattivamente la I-Tasser di modellazione, ma permette anche agli utenti di specificare le proteine ​​come modello, o per escludere qualsiasi modello proteine ​​durante le simulazioni di montaggio della struttura. Le informazioni strutturali potrebbero essere raccolti dagli utenti sulla base di evidenze sperimentali o dati biologici con lo scopo di migliorare la qualità di I-Tasser previsioni. Il server è stato valutato come il migliore dei programmi per la struttura delle proteine ​​e le previsioni funzione nel recente a livello di comunità esperimenti CASP. Ci sono attualmente&gt; 20.000 scienziati registrati da oltre 100 paesi che utilizzano l&#39;on line I-Tasser server.

Linee guida per computer basato su caratterizzazione strutturale e funzionale di proteine ​​utilizzando l&#39;I-Tasser pipeline è descritto. Partendo dalla sequenza della proteina query, i modelli 3D sono generate utilizzando più allineamenti threading e iterativo simulazioni di assemblaggio strutturale. Inferenze funzionali sono successivamente redatto in base alle corrispondenze di proteine ​​con struttura nota e funzioni.

Un protocollo per la Computer-Based Protein Structure Prediction e Funzione

I progetti di sequenziamento del genoma hanno decifrato milioni di sequenze proteiche, per le quali è necessaria la conoscenza della loro struttura e funzione al fine di migliorare la ...

Lo scopo di questa procedura è prevedere computazionalmente le strutture tridimensionali e la funzione biologica di molecole proteiche a partire dalle loro sequenze di aminoacidi. Questo viene realizzato innanzitutto prevedendo la struttura secondaria delle proteine mediante apprendimento automatico. Le sequenze e la struttura secondaria prevista vengono quindi confrontate con le strutture risolte presenti nella libreria PDB per identificare i migliori modelli strutturali possibili.Questa procedura è chiamata threading. Dopo la procedura di threading, il programma IT AER dividerà i modelli in frammenti in base agli allineamenti delle sequenze modello, quindi riassemblerà i frammenti in modelli completi nel terzo passaggio. I modelli atomici completi vengono costruiti mediante affinamenti a livello atomico per ottimizzare le reti di legami a idrogeno ed eliminare gli impacci sterici.L'ultimo passaggio della procedura consiste nell'identificare la funzione biologica delle proteine confrontando le strutture predette con quelle di proteine di funzione nota presenti nella libreria funzionale. Il principale vantaggio di ITER rispetto ai metodi esistenti di modellazione strutturale è l'approccio intrinseco di assemblaggio di frammenti strutturali, che può guidare in modo costante gli allineamenti per threading verso lo stato nativo. Questi modelli strutturali di alta qualità costituiscono inoltre la base per annotazioni funzionali accurate basate sulla struttura, favorendo l'utilizzo di ITER nella comunità scientifica.Il nostro laboratorio ha reso disponibile un sito web su cui è possibile inviare le sequenze proteiche per ITER. Questo sito web funge da nodo centrale attraverso il quale gli utenti di tutto il mondo possono registrare un'interfaccia verso un cluster informatico, che gestisce ed esegue le simulazioni ITER. Un processo di simulazione ITER comprende più di una dozzina di sottosimulazioni più piccole.Queste simulazioni, quando eseguite su un singolo computer con un singolo core del processore, possono richiedere oltre cento ore. Il cluster di computer del laboratorio Zang suddivide e distribuisce queste sottosimulazioni su centinaia di computer ed è in grado di eseguire oltre 2000 simulazioni. In parallelo con il nostro cluster informatico, siamo in grado di completare centinaia di simulazioni I taster ogni giorno.Anche con questa capacità, è necessario svolgere molto lavoro per ottimizzare il sistema e ridurre al minimo i tempi di attesa per gli utenti IT AER online. Per iniziare l'esperimento di modellizzazione della struttura e della funzione, accedere alla pagina web IT AER. Gli indirizzi URL di tutte le pagine web qui discusse sono riportati nel protocollo scritto.Copia e incolla la sequenza di aminoacidi nel modulo fornito oppure carica direttamente la sequenza facendo clic sul pulsante di navigazione. Fornisci un indirizzo email e un nome per il processo. Gli utenti possono eventualmente specificare vincoli esterni di contatto tra residui o vincoli di distanza.Aggiungere un ulteriore modello o escludere alcune proteine modello durante il processo di modellazione della struttura. Per inviare la sequenza, fare clic sul pulsante run it taser. Verificare lo stato del lavoro inviato visitando la pagina della coda di IT taser.Fare clic sulla scheda di ricerca e utilizzare il numero ID del lavoro o la sequenza di query per cercare il lavoro inviato. Al termine della modellizzazione della struttura e della funzione, un'e-mail di notifica contenente un'immagine delle strutture predette e un collegamento web verrà inviata all'indirizzo e-mail fornito. Fare clic su questo collegamento per visualizzare e scaricare i risultati.Iniziare l'analisi della struttura esaminando la previsione della struttura secondaria, mostrata come H per elica alfa, S per foglietto beta o C per coil. Considerare inoltre il punteggio di confidenza della previsione per ciascun residuo. Cercare regioni con lunghe strutture di previsioni regolari di struttura secondaria per stimare la regione centrale della proteina.La classe strutturale della proteina può essere analizzata anche in base alla distribuzione degli elementi di struttura secondaria. Visualizzare la disponibilità prevista al solvente per determinare le regioni sepolte ed esposte al solvente. Nei valori della query, la disponibilità prevista al solvente varia da un punteggio di zero per un residuo sepolto a un punteggio di nove per un residuo esposto.Le regioni contenenti principalmente residui sepolti possono essere utilizzate per delimitare la regione centrale della proteina, mentre le regioni con residui esposti al solvente e idrofili rappresentano potenziali siti di idratazione o funzionali. Per visualizzare le strutture terziarie predette della proteina in esame, scorrere verso il basso fino all'applet interattivo JMO visualizzato a sinistra. Fare clic sull'applet per modificare l'aspetto della struttura mostrata.Effettuare lo zoom su una regione specifica, selezionare tipi di residui specifici nel modello predetto o calcolare le distanze tra i residui. Analizzare i punteggi di confidenza della modellizzazione strutturale per stimare la qualità delle strutture predette. I valori Csco sono tipicamente compresi tra meno cinque e due, dove un punteggio più elevato indica un modello di qualità migliore.Il TM score stimato e l'RMSD del primo modello sono mostrati come accuratezza stimata del modello uno. Fare clic sul collegamento ulteriori informazioni su csco. Per analizzare la dimensione del cluster csco e la densità del cluster di tutti i modelli, analizzare i primi 10 modelli di threading della proteina in esame identificati dai programmi di threading con bassi valori di mets.Scorrendo verso il basso la pagina dei risultati, osservare il punteggio Z normalizzato per analizzare la qualità degli allineamenti tramite threading. Gli allineamenti con un punteggio normalizzato superiore a uno indicano un allineamento affidabile e probabilmente presentano lo stesso ripiegamento della proteina in esame. Esaminare l'identità di sequenza nella regione allineata tramite threading e per l'intera catena per valutare l'omologia tra la proteina in esame e le proteine modello.Un'elevata identità di sequenza è un indicatore di parentela evolutiva tra le proteine bersaglio e quelle modello. Esaminare i residui allineati per il threading, mostrati in colore, per identificare visivamente residui o motivi conservati nella proteina bersaglio e nella proteina modello; un'identità di sequenza più elevata nella regione allineata per il threading, rispetto all'allineamento dell'intera catena, indica inoltre la presenza di motivi o domini strutturali conservati nella proteina bersaglio. Valutare la copertura dell'allineamento per il threading esaminando l'allineamento.Se il livello di copertura dell'allineamento migliore è basso e limitato a una piccola regione della proteina in esame o assente per un lungo tratto della sequenza in esame, ciò indica che la proteina in esame contiene più di un dominio. In questo caso, si consiglia di suddividere la sequenza e modellare i domini singolarmente. Consultare la tabella successiva della pagina dei risultati per determinare i 10 analoghi strutturali principali del primo modello predetto, identificati dal programma di allineamento strutturale TM align.Un punteggio TM superiore a 0,5 indica che l'analoghi rilevato e il modello possiedono una topologia simile e possono essere utilizzati per determinare la classe strutturale o la famiglia proteica della proteina in esame. Valori con un punteggio TM inferiore a 0,3 indicano una similarità strutturale casuale. Analizzare l'identità di sequenza e il RMSD nella regione allineata strutturalmente per valutare la conservazione dei motivi spaziali nel modello e nell'analoghi strutturale.Ispezionare visivamente le coppie di residui colorati e allineati nell'allineamento per identificare questi residui e motivi strutturalmente conservati. Esaminare la tabella dei numeri EC predetti per visualizzare i cinque principali gruppi ortologhi enzimatici (OG) potenziali della proteina in analisi. Il livello di confidenza della predizione del numero EC, ottenuto mediante l'uso di questi modelli, è indicato come punteggio EC basato su un'analisi di benchmarking.La similarità funzionale tra la proteina in esame e il modello può essere interpretata in modo affidabile utilizzando un punteggio EC superiore a 1,1. Successivamente, verificare la concordanza funzionale tra i modelli, che presentano un ripiegamento simile a quello della proteina in esame. Se più modelli condividono lo stesso numero EC e il punteggio EC è maggiore di 1,1, il livello di confidenza della previsione è molto elevato.Tuttavia, se il punteggio EC è elevato ma non vi è un accordo tra gli allineamenti identificati, la previsione diventa meno affidabile e si consiglia agli utenti di consultare l'ontologia genica. La vista delle previsioni dei termini mostra la tabella dei termini di ontologia genica predetti per identificare i 10 omologhi principali della proteina in esame presenti nella libreria PDB, annotati con termini di ontologia genica; ogni proteina è solitamente associata a più termini di ontologia genica che ne descrivono le funzioni molecolari, i processi biologici e la localizzazione cellulare. Fare clic su ciascun termine per visitare il sito web AmiGO e analizzarne la definizione e la linea discendente.Analizzare la colonna del punteggio di omologia funzionale per valutare la similarità funzionale tra le proteine query e quelle modello. Può essere inoltre stimato il livello di confidenza nel trasferire l'annotazione funzionale da queste proteine. Esaminare la tabella della previsione consensuale dei termini di gene ontology per analizzare la concordanza funzionale tra i modelli.Queste funzioni comuni vengono utilizzate per prevedere i termini dell'ontologia genica della proteina in analisi e per valutare il livello di confidenza delle previsioni dei termini geo. Infine, scorrere verso il basso fino al fondo della pagina per visualizzare le prime 10 previsioni di siti di legame per ligandi; i siti di legame previsti per la proteina in analisi sono ordinati in base al numero di conferme del ligando previste che condividono una stessa tasca di legame. Il sito di legame migliore identificato è già visualizzato nell'applicazione JM OL.Fare clic sui pulsanti radio per analizzare altre previsioni e visualizzare i residui interagenti del ligando. Il punteggio BS rivela la similarità locale tra il sito di legame del modello e quello dei modelli di riferimento. Un punteggio BS superiore a 1,1 indica una elevata similarità di sequenza e strutturale nelle vicinanze del sito di legame previsto.Nel modello, rispetto al sito di legame noto nel template, l'IT è una pagina web principale che contiene collegamenti ad altre funzionalità utili. La funzionalità del forum consente all'utente di creare un account online e di richiedere aiuto ad altri utenti di ITER riguardo alla modellizzazione della struttura o all'interpretazione dei risultati. La funzionalità di download permette agli utenti di scaricare iter e pacchetti correlati e di installarli sul proprio computer.Questo contribuisce a ridurre il tempo necessario per eseguire gli esperimenti di modellizzazione. La funzione di coda consente di visualizzare lo stato di tutti i lavori inviati nella pagina IT a Q. Gli utenti possono inoltre esaminare visivamente l'immagine delle strutture modellizzate per i lavori completati.In questa pagina, mostrata anche la punteggio TM atteso e la RMSD attesa del primo modello da CSCO e la data di invio qui riportata è un estratto della pagina dei risultati IT AER che mostra la sequenza della query formattata più rapidamente, la struttura secondaria predetta e i punteggi di confidenza associati e l'accessibilità predetta al solvente dei residui. La regione centrale analizzata e il sito di idratazione potenziale nella query sono evidenziati rispettivamente con rettangoli ciano e rossi. Qui vengono mostrate le predizioni della struttura terziaria per le proteine in analisi.I modelli predetti vengono visualizzati in un'interfaccia interattiva JML, che consente all'utente di modificare la rappresentazione della molecola. I modelli possono anche essere scaricati cliccando sui link di download; il punteggio di confidenza per stimare la qualità del modello è riportato come csco. Viene presentato un esempio della pagina dei risultati di itta A, che mostra i primi 10 modelli di threading identificati e i relativi allineamenti ottenuti con i programmi di threading di Loomis.La qualità degli allineamenti di threading viene valutata in base al punteggio Z normalizzato, in cui un valore superiore a uno indica un allineamento affidabile. I residui allineati nel modello che sono identici ai corrispondenti residui della sequenza in esame vengono evidenziati in colore per indicare la presenza di un residuo o di un motivo conservato. Al contrario, l'assenza di allineamento nella maggior parte dei modelli migliori indica la presenza di più domini nella proteina in esame e i residui non allineati corrispondono alle regioni di collegamento tra domini.Questa tabella mostra i primi 10 analoghi strutturali e allineamenti strutturali identificati dal programma TM-Align per l'allineamento strutturale. La classificazione degli analoghi si basa sul punteggio TM dell'allineamento strutturale. Un punteggio TM superiore a 0,5 indica che le due strutture confrontate hanno una topologia simile.Un punteggio TM inferiore a 0,3 indica una similarità tra due strutture casuali. Le coppie di residui allineati strutturalmente sono evidenziate in colore in base alla loro proprietà aminoacidica, mentre le regioni non allineate sono indicate da un trattino. Di seguito è riportato un esempio della pagina dei risultati ITR che mostra gli omologhi enzimatici identificati della proteina interrogata nel database PDB.Il livello di confidenza della previsione del numero EC è analizzato in base al punteggio EC, dove un punteggio EC superiore a 1,1 indica una similarità funzionale tra la proteina in esame e la proteina modello. La tabella di previsione dei termini della gene ontology per la proteina in esame include gli omologhi funzionali della proteina in esame presenti nella libreria di modelli di gene ontology, ordinati in base al loro punteggio di omologia funzionale. Le caratteristiche funzionali comuni di questi riscontri con i punteggi più elevati vengono analizzate per generare le previsioni finali dei termini della gene ontology per la proteina in esame.La qualità dei termini previsti per l'ontologia genica è stimata in base al punteggio geo, dove un punteggio geo superiore a 0,5 indica una previsione affidabile, mostrata qui come esempio della pagina dei risultati IT AZA che riporta le prime 10 previsioni di siti di legame per ligandi proteici ottenute mediante l'algoritmo del cofattore. Il posizionamento in classifica dei siti di legame previsti si basa sul numero di conferme del ligando previste che condividono una stessa tasca di legame. Nel query, il punteggio BS è una misura della similarità locale nella sequenza e nella struttura tra il sito di legame previsto e quelli dei modelli (template) ed è utile per analizzare la conservazione delle tasche dei siti di legame.Sebbene ISER sia uno degli algoritmi più efficienti per la previsione della struttura e della funzione delle proteine, è importante ricordare che si tratta comunque di una previsione ottenuta mediante algoritmi informatici. Eventuali dati sperimentali o informazioni sulla funzione, ad esempio contatti tra residui o informazioni sul legame, saranno estremamente utili per aumentare l'accuratezza delle previsioni. Il server IT AER dispone di un portale per includere tali informazioni durante la procedura di modellizzazione, per rispondere al crescente interesse in merito.Aer, il laboratorio Zang ha rilasciato il software IT AER gratuitamente per la ricerca non commerciale. Stiamo attivamente sviluppando e migliorando IT AER e il sistema eye taster, nella speranza che la sua disponibilità porti a un'utilizzazione su larga scala al di fuori del laboratorio Zang e che possa giovare e stimolare ulteriori ricerche nella comunità scientifica.

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

Research

Ricerca

JoVE Journal

Biology

Biologia

Abbiamo sviluppato metodi computazionali di progettazione di proteine de novo in grado di affrontare diverse importanti aree della progettazione di proteine. Per diffondere questi metodi presentiamo Protein WISDOM, uno strumento online per la progettazione di proteine (http://www.proteinwisdom.org). Partendo da un modello strutturale, è possibile eseguire la progettazione di proteine monomeriche per una maggiore stabilità e di complessi per una maggiore affinità di legame.

Proteine ​​saggezza: un banco di lavoro per<em&gt; In silico</em&gt;<em&gt; De novo</em&gt; Progettazione di biomolecole

Le sequenze proteiche sintetiche basate su motivi di consenso tipicamente ignorano i residui co-evolutivi, che implicano dipendenze interposizionali (IPD).  Gli IPD possono essere essenziali per l'attività e i progetti che li ignorano possono portare a risultati non ottimali.  Questo protocollo utilizza StickWRLD per identificare gli IPD e aiutare a informare la progettazione razionale delle proteine, ottenendo risultati più efficienti.

Ottimizzazione di proteine ​​sintetiche: identificazione di interposizione Dipendenze Indicazione Strutturalmente e / o residui funzionalmente collegate

Viene presentato un protocollo per l'analisi in linea delle relazioni tra proteine ​​sequenza-struttura-dinamiche utilizzando Bio3D-web.

Indagine sulla proteina Sequenza-struttura-dinamica Relazioni con Bio3D-web

Il protocollo qui descritto fornisce istruzioni dettagliate su come analizzare le regioni genomiche di interesse per il potenziale di codifica delle microproteine utilizzando PhyloCSF sul browser del genoma UCSC di facile utilizzo. Inoltre, si raccomandano diversi strumenti e risorse per studiare ulteriormente le caratteristiche di sequenza delle microproteine identificate per ottenere informazioni sulle loro presunte funzioni.

Un approccio integrato per l'identificazione delle microproteine e l'analisi delle sequenze

Descriviamo una metodologia basata sulla diversificazione delle sequenze per stimare le preferenze amminoacidiche dei siti di legame multispecifici nelle interazioni proteina-proteina (PPI). In questa strategia, migliaia di potenziali ligandi peptidici vengono generati e sottoposti a screening in silico, superando così alcune limitazioni dei metodi sperimentali disponibili.

Predizione computazionale delle preferenze amminoacidiche di domini di legame peptidico potenzialmente multispecifici coinvolti nelle interazioni proteina-proteina

Questo protocollo bilingue fornisce un flusso di lavoro computazionale di scoperta di farmaci che valuta le interazioni proteina-ligando delle Kinasi Polo-Simili 1 a 3 (PLK1–3) e delle proprietà ADMET-S, Absorption, Distribution, Metabolism, Excretion, Toxicity, and Stability (ADMET-S).

Un flusso di lavoro computazionale bilingue per identificare potenziali inibitori PLK1 nella lingua dei segni americana e in inglese

La progettazione delle proteine comporta la costruzione di sequenze di amminoacidi e l'incorporazione di motivi specifici per creare varianti funzionali. Questo approccio è fondamentale per lo sviluppo di peptidi antimicrobici (AMP) per combattere i patogeni resistenti agli antibiotici. Questo articolo presenta una procedura per la costruzione di proteine utilizzando vari strumenti bioinformatici.

Applicazione di I TASSER, trRosetta, UCSF Chimera, HADDOCK server e HEX loria per la progettazione De Novo e In Silico di proteine

Noi applichiamo un'etichetta priva di analisi di interazioni proteina utilizzando X100 Biacore per la struttura-funzione di analisi del legame di mutanti diversi cistatina B di papaina attraverso la caratterizzazione cinetica. Calibrazione senza analisi concentrazione (ACCP) misura la concentrazione di proteine ​​con attività di legame mantenuto senza la necessità di una curva standard. Abbiamo dimostrato che la conferma delle concentrazioni utilizzando ACCP aumenta l'affidabilità delle analisi...

L&#39;importanza della concentrazione della proteina corretta per Cinetica e determinazione affinità nella struttura-funzione di analisi

Il video che accompagna descrive l'uso del Sistema di 8100 Frazionamento GELFREE, che partizioni campioni di proteine ​​complesse, sulla base del peso molecolare e recupera le frazioni in fase liquida. Il video descrive come funziona la tecnologia, come vengono utilizzati, e fornisce dati che ne risulta, con l'analisi di elettroforesi su gel di poliacrilamide frazionato omogenato di fegato bovino.

Utilizzando il sistema GELFREE 8100 Frazionamento per peso molecolare basata su Frazionamento con recupero della fase liquida

Delezione del gene e l'iperespressione delle proteine ​​sono metodi comuni per lo studio delle funzioni delle proteine. In questo articolo, descriviamo un protocollo per l'analisi del fenotipo di sviluppo in funzione della concentrazione di proteine ​​a popolazione e monocellulari...

Analisi dello sviluppo di un fenotipo morfologico come funzione della concentrazione di proteine ​​in lievito

Impara a prevedere strutture 3D e funzioni proteiche con il pipeline I-TASSER utilizzando machine learning, threading e assemblaggio di frammenti. Questo metodo computazionale migliora l'accuratezza predittiva per la biologia strutturale.

Un protocollo per la Computer-Based Protein Structure Prediction e Funzione

Esplora altri video