Name: Proteïne WIJSHEID: Een Workbench voor In silico De novo Ontwerp van biomoleculen (Video) | JoVE Journal
Uploaded: 2013-07-25T13:00:00.000+00:00
Duration: 10 min 58 s
Description: Verken de online tool Protein WISDOM voor computationeel de novo-eiwitontwerp. Deze methode genereert sequenties met verbeterde stabiliteit en bindingsaffiniteit via optimalisatie en validatie.

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

CAF erkent met dank de steun van NSF, NIH (R01 GM52032; R24 GM069 736), en de US Environmental Protection Agency, EPA (R 832721-010). Een deel van dit onderzoek werd mogelijk gemaakt met overheidssteun van DoD, Air Force Office of Scientific Research. JS erkent met dank de steun van NIH (P50GM071508-06). MLBP erkent met dank de steun van een National Defense Science and Engineering Graduate (NDSEG) Fellowship, 32 CFR 168a. GAK erkent met dank de steun van een National Science Foundation Graduate Research Fellowship onder subsidienummer DGE-1148900.

De auteurs verklaren dat ze geen concurrerende financiële belangen hebben.

Het de novo eiwitdesign-raamwerk bestaat uit twee fasen, een sequentieselectiefase en een validatiefase. Het raamwerk is robuust genoeg om stijve en flexibele ontwerpsjablonen te verwerken en kan worden toegepast op het ontwerp van één eiwit of op complexe eiwitstructuren. Het raamwerk is met succes toegepast op tal van eiwitsystemen met toepassingen voor tientallen ziekten. Een aantal van de ontwerpen zijn experimenteel gevalideerd en leveren de krachtigste remmers of agonisten van enkele eiwitten op die tot nu...

De novo eiwitdesign is de identificatie van eiwitsequenties die een gewenste tertiaire structuur met verbeterde eigenschappen of functie zullen opleveren. Omdat de native vouwing van een eiwit de conformatie is die zich op het vrije energieminimum bevindt, zoekt de novo eiwitdesign naar sequenties die een vrij energieminimum in de doelvouwing zullen hebben. Dit probleem werd voor het eerst beschreven door Drexler1 en Pabo2 en werd aangeduid als het "inverse folding problem." In tegenstelling tot het eiwitvouwingsprobleem, waar een sequentie slechts één opgevouwen structuuroplossing kan opleveren, vertoont het de novo eiwitdesignprobleem degeneratie. Veel verschillende aminozuursequenties kunnen dezelfde tertiaire structuur en functie opleveren.
Traditioneel werd eiwitdesign experimenteel uitgevoerd door middel van rationeel ontwerp en gerichte evolutie, maar recenter zijn computationele methoden gebruikt om de beperkte zoekruimte die inherent is aan experimentele methoden te overwinnen. Er zijn verschillende computationele methoden gebruikt, waaronder deterministische methoden, stochastische methoden en probabilistische methoden.3,4 Vroege computationele methoden gebruikten vaste ruggengraat-sjablonen om het probleem gemakkelijker op te lossen.5-7 Met de komst van snellere processors, high-performance computing en efficiëntere algoritmen is ruggengraatflexibiliteit geïntegreerd door het gebruik van een ensemble van vaste ruggengraat-sjablonen8-14 of door de echte ruggengraatflexibiliteit te incorporeren door het sjabloon uit te drukken in termen van bereiken van atoom-tot-atoomafstanden en diëderhoeken.15,16
Dit artikel beschrijft in detail Protein WISDOM, een online tool die beschikbaar is gesteld aan de academische gemeenschap om ons computationele de novo eiwitdesign-framework te gebruiken. Dit framework is toegepast op het ontwerp van talrijke eiwitten voor therapeutisch gebruik bij ziekten zoals HIV, kanker, complementziekten en andere auto-immuunstoornissen. Veel van de voorspelde peptiden zijn experimenteel gevalideerd, wat de kracht van de methode aantoont. Tabel 1 geeft een samenvatting van de verschillende eiwitten die zijn ontworpen, inclusief de grootte van het eiwit of peptide, het aantal voorspellingen en experimentele validatie.
<table border="1">
	<tbody>
		<tr>
			<td>Eiwitontwerp</td>
			<td>Eiwitlengte</td>
			<td># van computationele voorspellingen</td>
			<td># van experimentele validaties</td>
			<td>Referentie</td>
		</tr>
		<tr>
			<td>Volledige sequentie-ontwerp van humaan beta-defensin-2</td>
			<td>41</td>
			<td>340</td>
			<td> </td>
			<td>(17)</td>
		</tr>
		<tr>
			<td>Compstatine-remmers van humaan C3</td>
			<td>13</td>
			<td>28</td>
			<td>3/3</td>
			<td>(18, 19)</td>
		</tr>
		<tr>
			<td>Compstatine-analogen die binden aan ratten-C3c</td>
			<td>13</td>
			<td>5</td>
			<td> </td>
			<td>(20)</td>
		</tr>
		<tr>
			<td>Compstatine-analogen met di-serine-extensie</td>
			<td>15</td>
			<td>8</td>
			<td> </td>
			<td> </td>
		</tr>
		<tr>
			<td>Stabiliserende structuur van compstatine-analoog W4A9</td>
			<td>13</td>
			<td>18</td>
			<td> </td>
			<td> </td>
		</tr>
		<tr>
			<td>C3a-receptoragonisten en -antagonisten</td>
			<td>77</td>
			<td>20</td>
			<td>4/7</td>
			<td>(21)</td>
		</tr>
		<tr>
			<td>C5a-receptoragonisten en -antagonisten</td>
			<td>74</td>
			<td>61</td>
			<td>2/61</td>
			<td> </td>
		</tr>
		<tr>
			<td>HIV-1 gp14-remmers</td>
			<td>12</td>
			<td>6</td>
			<td>4/5</td>
			<td>(22)</td>
		</tr>
		<tr>
			<td>HIV-1 gp120-remmers</td>
			<td>9</td>
			<td>14</td>
			<td> </td>
			<td> </td>
		</tr>
		<tr>
			<td>Bak-remmers van Bcl-x L en Bcl-2</td>
			<td>16-18</td>
			<td>10</td>
			<td>5/5</td>
			<td>(23)</td>
		</tr>
		<tr>
			<td>Remmers van ERK2</td>
			<td>11</td>
			<td>25</td>
			<td> </td>
			<td> </td>
		</tr>
		<tr>
			<td>Remmers van EZH2</td>
			<td>21</td>
			<td>17</td>
			<td>10/10</td>
			<td>(24)</td>
		</tr>
		<tr>
			<td>Remmers van LSD1 en LSD2</td>
			<td>16</td>
			<td>41</td>
			<td>17/20</td>
			<td> </td>
		</tr>
		<tr>
			<td>Remmers van HLA-DR1</td>
			<td>13</td>
			<td>6</td>
			<td> </td>
			<td>(25)</td>
		</tr>
		<tr>
			<td>Remmers van PNP</td>
			<td>5</td>
			<td>13</td>
			<td> </td>
			<td> </td>
		</tr>
	</tbody>
</table>
Tabel 1. Samenvatting van ontworpen eiwitten en peptiden met behulp van het de novo eiwitdesign-framework. Het aantal computationele voorspellingen wordt gepresenteerd als het aantal gunstige voorspellingen (dwz vouwingsspecificiteiten boven een bepaalde grenswaarde of benadering van bindingsaffiniteiten groter dan de native sequentie). Het aantal experimentele validaties geeft twee getallen: het eerste is het aantal voorspellingen dat experimenteel is gevalideerd, terwijl het tweede het totale aantal voorspellingen is dat experimenteel is getest.
Ontwerp van humaan-beta-defensin-2 (hβD-2) werd uitgevoerd om de antimicrobiële eigenschap van het peptide te verbeteren.17 Voor dit ontwerp werden twee gevallen overwogen: 1) tot 10 mutaties langs hβD-2 en 2) volledig sequentie-ontwerp van alle hβD-2-residu-posities, behalve de Cysteïnen (8, 15, 20, 30, 37 en 38). Drie verschillende ontwerpsjablonen en drie verschillende sequentieselectiemodellen werden gebruikt bij het ontwerp. Hoge niveaus van overeenkomst in mutaties werden waargenomen tussen de gewogen ge

proteïne wijsheid: een workbench voor<em&gt; in silico</em&gt;<em&gt; de novo</em&gt; ontwerp van biomoleculen

Protein WISDOM: A Workbench for In silico De novo Design of BioMolecules

Het doel van de novo eiwit ontwerp van de aminozuursequenties die vouwen in een gewenste 3-dimensionale structuur met een verbetering in bepaalde eigenschappen, zoals bindingsaffiniteit, agonist of antagonist gedrag of de stabiliteit ten opzichte van de natieve sequentie zijn. Eiwit ontwerp ligt in het centrum van de huidige vooruitgang drug design en ontdekking. Niet alleen proteïne ontwerp zorgen voorspellingen voor potentieel nuttige drug targets, maar het verbetert ook ons ​​begrip van het vouwen van eiwitten proces en eiwit-eiwit interacties. Experimentele methoden, zoals gerichte evolutie succesvol zijn gebleken in eiwit ontwerp. Echter dergelijke werkwijzen beperkt door de beperkte ruimte die tractably sequentie kan worden gezocht. Daarentegen computational ontwerpstrategieën kunnen voor het screenen van een veel grotere reeks van sequenties die een breed scala van eigenschappen en functionaliteit. We hebben een scala van computationele de novo eiwit ontwerp methodiek ontwikkeldds kan inspelen op een aantal belangrijke gebieden van het eiwit ontwerp. Deze omvatten het ontwerp van monomere eiwitten voor verhoogde stabiliteit en complexen voor verhoogde bindingsaffiniteit. Om deze methoden te verspreiden voor bredere gebruiken we presenteren Protein WIJSHEID ( <a href="http://www.proteinwisdom.org" target="_blank">http://www.proteinwisdom.org</a> ), een instrument dat geautomatiseerde methodes voorziet in een verscheidenheid van eiwitten ontwerpproblemen. Structurele templates worden voorgelegd aan het ontwerpproces te initialiseren. De eerste fase van het ontwerp is een optimalisatie opeenvolging selectiefase dat zich richt op het verbeteren van de stabiliteit door minimalisering van potentiële energie in de volgorde ruimte. Geselecteerde sequenties worden vervolgens door een vouw specificiteit podium en een bindingsaffiniteit podium. Een rank-geordende lijst van de reeksen voor elke stap van het proces, samen met relevante ontworpen structuren, biedt de gebruiker een uitgebreide kwantitatieve beoordeling van het ontwerp. Hier geven we de details of elk ontwerpmethode, evenals verscheidene opmerkelijke experimentele successen bereikt door het gebruik van de werkwijzen.

De Novo ontwerp van entry-remmers voor HIV-1
Het de novo ontwerpkader dat is geïmplementeerd in Protein WISDOM is gebruikt voor het ontwerp van remmende peptiden voor verschillende belangrijke therapeutische systemen (Tabel 1 en 2). Een opmerkelijk systeem is het ontwerp van peptiden om de entry van HIV-1 in de gastcelreceptor CD4 te remmen, wat hier wordt gebruikt als representatief systeem om het praktische gebruik van de Protein WISDOM-interface te demonstrer...

We ontwikkelden computationele de novo eiwit-ontwerpmethoden die in staat zijn om verschillende belangrijke gebieden van eiwit-ontwerp aan te pakken. Om deze methoden te verspreiden, presenteren we Protein WISDOM, een online tool voor eiwit-ontwerp (<a href="http://www.proteinwisdom.org" target="_blank">http://www.proteinwisdom.org</a>). Uitgaande van een structurele sjabloon, kan het ontwerp van monomere eiwitten voor verhoogde stabiliteit en complexen voor verhoogde bindingsaffiniteit worden uitgevoerd.

Proteïne WIJSHEID: Een Workbench voor<em&gt; In silico</em&gt;<em&gt; De novo</em&gt; Ontwerp van biomoleculen

The aim of de novo protein design is to find the amino acid sequences that will fold into a desired 3-dimensional structure with improvements in specific ...

Het algemene doel van het volgende experiment is het ontwerpen van eiwitten of peptiden voor verbeterde vouwing, binding of functionele eigenschappen. Dit wordt bereikt door de structuur van het eiwit of complex te uploaden en de mutatie- en biologische beperkingen te definiëren. Om in een tweede stap het ontwerpdoel te definiëren, wordt een optimalisatie van de sequentie selectie uitgevoerd, wat resulteert in een groot aantal mogelijke eiwit- of peptidesequenties met verbeterde stabiliteits- en interactie-eigenschappen. Vervolgens volgt de vouwing.Berekeningen van de specificiteit en/of de benaderde bindingsaffiniteit worden uitgevoerd op de ontworpen sequentie om de ontworpen eiwitten of peptiden te valideren voor de gewenste verbeterde eigenschappen. Er worden resultaten verkregen die verbeterde eigenschappen van de ontworpen sequenties aantonen, gebaseerd op computationele analyse van de structuren die via de procedure zijn geproduceerd. Dit protocol is ontwikkeld in het laboratorium van professor Chris Doles, een fluitist aan de Princeton University.Dit algemene computationele protocol voor de novo eiwitontwerp is in staat om verschillende belangrijke gebieden van eiwitontwerp

protein-wisdom-workbench-for-silico-de-novo-design

Research

JoVE Journal

Biology

Biologie

BioMEMS: het aangaan van nieuwe samenwerkingen tussen biologen en ingenieurs

DNA-origami is een krachtige methode voor het vervaardigen van nauwkeurige nanoschaal objecten door de zelf-assemblage van DNA-moleculen programmeren. Hier beschrijven we hoe origami DNA kan worden gebruikt om een ​​robot robot kan voelen biologische signalen en reageren door vormverandering vervolgens doorgegeven aan een gewenst effect te ontwerpen.

Het ontwerpen van een Bio-responsieve Robot van DNA Origami

DNA-tegeling is een effectieve benadering om programmeerbare nanostructuren te maken. We beschrijven de protocollen om complexe tweedimensionale vormen te construeren door de zelfassemblage van enkelstrengse DNA-tegels.

Zelf-assemblage van Complex Tweedimensionaal Vormen van enkelstrengs DNA Tiles

Hier, wordt een geautomatiseerde workflow voor het uitvoeren van modulaire DNA "apparaat" vergadering met behulp van een modulaire klonen DNA vergadering methode op vloeistof aangestuurde robots gepresenteerd. Het protocol maakt gebruik van een intuïtieve softwaretool voor het genereren van vloeibare handler selectielijsten voor combinatorische DNA apparaat bibliotheek generatie, waaruit we met behulp van twee vloeibare behandeling platforms.

Geautomatiseerde robot Liquid Handling samenstel van modulaire DNA voorzieningen

We beschrijven protocollen voor de structuurbepaling van het IKK-bindende domein van NEMO door Röntgen kristallografie. De methoden omvatten eiwit expressie, zuivering en karakterisering, evenals strategieën voor succesvolle kristal optimalisatie en structuurbepaling van het eiwit in zijn ongebonden vorm.

Productie, kristallisatie en structuurbepaling van het IKK-bindende domein van NEMO

Een belangrijke vaardigheid in biomoleculaire modellering is het weergeven en annoteren van actieve plaatsen in eiwitten. Deze techniek wordt gedemonstreerd met behulp van vier populaire gratis programma's voor macromoleculaire visualisatie: iCn3D, Jmol, PyMOL en UCSF ChimeraX.

Modellering van een Enzyme Active Site met behulp van Moleculaire Visualisatie Freeware

Dit protocol biedt een benadering voor formuleringsoptimalisatie over mengsel-, continue en categorische studiefactoren die subjectieve keuzes in de experimentele ontwerpconstructie minimaliseren. Voor de analysefase wordt een effectieve en eenvoudig te gebruiken modelleringsprocedure gebruikt.

Een workflow voor lipide nanodeeltjes (LNP) formuleringsoptimalisatie met behulp van ontworpen mengselprocesexperimenten en zelfgevalideerde ensemblemodellen (SVEM)

Eiwitontwerp omvat de constructie van aminozuursequenties en de opname van specifieke motieven om functionele varianten te creëren. Deze aanpak is van cruciaal belang voor de ontwikkeling van antimicrobiële peptiden (AMP's) om antibioticaresistente ziekteverwekkers te bestrijden. Dit artikel presenteert een procedure voor eiwitconstructie met behulp van verschillende bio-informaticahulpmiddelen.

Toepassing van I TASSER, trRosetta, UCSF Chimera, HADDOCK-server en HEX-loria voor De Novo en In Silico Design of Proteins

Dit protocol biedt een methode voor de systematische wereldwijde optimalisatie van genetisch gecodeerde biosensoren door middel van geautomatiseerde generatie en beoordeling van genetische bibliotheken. Dit gaat gepaard met ontwerp-van-experimentmethodologieën om experimenten te stroomlijnen en de selectie van genetische componenten mogelijk te maken om biosensoren af te stemmen op specifieke ontwerpresultaten.

Efficiënte bemonstering van genetisch gecodeerde biosensorontwerpruimte mogelijk gemaakt met een ontwerp- en automatiseringsworkflow

We presenteren een procedure voor het vormen van een poly (ethyleenglycol) zelf-geassembleerde monolaag (PEG-SAM) op een silicium substraat met gouden micro-elektroden. De PEG-SAM is gevormd in een enkele stap en voorkomt biofouling op silicium en goud oppervlakken. Elektroforese wordt dan gebruikt voor patronen biomoleculen naar de nanoschaal.

Antifouling zelf-geassembleerde monolagen op micro-elektroden voor Patterning Biomoleculen

Verken de online tool Protein WISDOM voor computationeel de novo-eiwitontwerp. Deze methode genereert sequenties met verbeterde stabiliteit en bindingsaffiniteit via optimalisatie en validatie.

Proteïne WIJSHEID: Een Workbench voor

Meer video's verkennen