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 aan te pakken. Deze omvatten het ontwerp van monomere eiwitten voor verhoogde stabiliteit en complexen voor een verhoogde bindingsaffiniteit. We hebben verschillende opmerkelijke succesvolle ontwerpen gerealiseerd in diverse therapeutische gebieden, waaronder remmers van H-I-V-G-P 41, targeting van EZH two voor kankertherapie en remmers die gericht zijn op complementcomponenten C3 A. Om de toepassing van de methode voor eiwitontwerp beschikbaar te stellen voor de bredere academische gemeenschap, hebben we een webinterface ontwikkeld genaamd Protein Wisdom.Deze interface biedt de gebruiker volledige controle over het indienen van sjablonen, het definiëren van ontwerpbeperkingen en het specificeren van methodeparameters, om ontwerpmethoden eenvoudig toe te passen op een breed scala aan ontwerpproblemen. Na registratie van de gebruiker op de website van Protein Wisdom, zoals beschreven in het tekstprotocol, dient u de eiwitsequentie en de sjabloonstructuur in door op de knop voor gebruikerslogin te klikken. Om het eiwitontwerpexperiment te starten, krijgt de gebruiker de startpagina te zien, waarop het aantal ingediende taken, het aantal geüploade structuren en een lijst met de tot nu toe geüploade structuren staat. Start een nieuwe ontwerpklus.Door op 'create new job' te klikken, wordt de gebruiker naar de pagina voor het indienen van opdrachten geleid. Geef de opdracht een naam en geef aan of deze is gebaseerd op een eerdere opdracht. Klik op 'continue'.Upload de proteïnestructuur van het ontwerpmodel. Dit model moet in het standaard Protein Data Bank- of PDB-formaat zijn. Het kan een rigide model zijn met één set coördinaten voor elk atoom, of een flexibel model met meerdere modellen, zoals verkregen uit NMR-oplossingsstructuren.In het geval van het ontwerpen van een enkel eiwit kan er slechts één keten zijn. In het sjabloon kan een gebruiker een nieuw sjabloon uploaden of kiezen uit bestaande sjablonen die eerder zijn geüpload. Als er meerdere sjablonen worden geüpload, zorg er dan voor dat elk model begint met model number en eindigt met end model.Zorg ervoor dat elk residu is aangewezen door een natuurlijk aminozuur. Klik op doorgaan. Zodra het sjabloon succesvol is geüpload en bevestigd, wordt de gebruiker naar de hoofdbesturingspagina geleid.Op deze pagina kan de gebruiker de status van de taak bekijken, de mutatiesets en biologische beperkingen wijzigen en de taak indienen voor de sequentieselectie van fase één. Op dit moment zijn er geen opties voor fase twee, aangezien fase één nog niet is voltooid. Deze verschijnen zodra de resultaten van fase één beschikbaar zijn.Klik vervolgens op de link voor mutatiesets op de hoofdbedieningspagina om mutatiesets te definiëren, selecteer welke residuen mogen muteren en selecteer naar welke aminozuren zij mogen muteren. Standaard worden de toegestane aminozuren voor een bepaalde positie geselecteerd op basis van het solvent-toegankelijke oppervlaktegebied, of er zijn SSA-mutatiesets vereist. Klik op wijzigingen opslaan nadat de mutatiesets zijn geselecteerd.Houd rekening met de computationele complexiteit van de te lossen optimalisatie. Er geldt een bovengrens van 20 tot de 25ste macht voor de toegestane computationele complexiteit. Klik vervolgens op de link voor biologische beperkingen op de hoofdbedieningspagina om biologische beperkingen te definiëren, en specificeer beperkingen voor de lading of het aminozuurgehalte over het gehele eiwit of een gedeelte van de eiwitlimiet.Het totale aantal mutaties dat is toegestaan indien vereist; biologische beperkingen zijn optioneel. Keer terug naar de hoofdbedieningspagina wanneer u klaar bent. Klik op de link begin fase één om de gebruiker naar de pagina voor het indienen van fase één te brengen.Selecteer de keten om het aantal sequenties te bepalen voor het genereren van het afstandsafhankelijke krachtveld en de modelberekening. Specifieke details over deze selecties kunnen worden gevonden in het tekstprotocol. Na het indienen van de taak wordt de gebruiker teruggestuurd naar de hoofdbesturingspagina.De status van de opdracht wordt bijgewerkt om de huidige voortgang aan te geven. De opdracht wordt na indiening vergrendeld voor bewerkingen. Na voltooiing van de opdracht ontvangt de gebruiker een e-mail met de resultaten, bestaande uit een lijst met ontworpen sequenties.De resultaten zijn ook zichtbaar op de hoofdcontrolepagina. Er verschijnt een vak voor de specificiteit van de tweede vouwing op de pagina om de gebruiker in staat te stellen deze validatie uit te voeren; klik hiervoor op 'begin stage two fold specificity'. Om de pagina voor de constructie van de tweede fase te openen, definieert u de boven- en ondergrenzen van de afstand tussen de alfa-koolstofatomen door de flexibiliteitsfactor van het template op te geven, uitgedrukt als een percentage van de afstand of als een vaste afstand.Definieer vervolgens de bovenste en onderste hoekgrenzen voor de PHI- en zij-dihedrale hoeken. Geef de flexibiliteitsfactor van het template als percentage op, klik op de verzendknop, specificeer het aantal structuren per sequentie dat gegenereerd moet worden en klik op Doorgaan. Let op, er is een bovengrens van 500 structuren per sequentie die gegenereerd kunnen worden.Klik vervolgens op continue om de intentie tot indiening voor vouwingsvalidatie te bevestigen. Fase één en fase twee zijn vergrendeld voor bewerking tot de voltooiing van fase twee. Na voltooiing van de taak wordt er een e-mail naar de gebruiker gestuurd met de resultaten, die ook op de hoofdpagina van de besturingsmodule kunnen worden bekeken.Hier kunnen de tekstbestanden met de ontworpen sequenties, de bijbehorende energiewaarden uit fase één en de vouwspecificiteitswaarden uit fase twee worden bekeken en gedownload. Daarnaast kan de gebruiker op de link 'bekijk resultaten' klikken, waarmee een tabel in de browser wordt weergegeven met de rangschikkingen en energiewaarden van fase één, evenals de rangschikkingen en vouwspecificiteitswaarden van fase twee. Benaderende berekeningen van de bindingsaffiniteit worden gebruikt om de affiniteit van het ontworpen ligand-eiwit of peptide voor de rest van het complex te bepalen.Deze berekeningen kunnen direct na fase één of na voltooiing van de berekeningen voor de vouwingsspecificiteit worden uitgevoerd. Klik eerst op het sequentienummer om de sequentie te selecteren. Om de berekening van de benaderde bindingsaffiniteit te starten, wordt de gebruiker doorgeleid naar de pagina voor sequentieselectie, waarop een lijst met de ontwerpsequenties wordt weergegeven, samen met hun rangschikking voor sequentieselectie en vouwingsspecificiteit.Zodra de sequentie is geselecteerd en opgeslagen, wordt de gebruiker doorgeleid naar de hoofdbedieningspagina. Klik vervolgens op Begin stage two, approximate binding affinity om de taak te starten; na voltooiing worden de resultaten per e-mail naar de gebruiker verzonden, inclusief een bijlage met het sequentienummer, de benaderde bindingsaffiniteit en de waarden van de partitiefuncties. Voor elke volgende taak voor benaderde bindingsaffiniteit bevat dit bestand de resultaten voor alle voltooide sequenties.De volledige resultaten kunnen ook worden bekeken door de hoofdbedieningspagina voor de getoonde taak te openen. Hier is het ontwerpmodel voor entry-remmers van HIV-1, wat de kristalstructuur is van C 14 link mid a 14 residue cross-linked peptide in complex met de GP 41 core. Dit modelpeptide is een bekende potente remmer en wordt ingediend zonder de crosslinker.Nadat de ontwerpinputs zijn gedefinieerd en het systeem is ingediend voor de selectie van de sequentie in fase één, kunnen de gesorteerde resultaten van de sequentieselectie worden bekeken via de links 'view results' op de hoofdpagina van de taak. Deze link biedt een overzichtelijk samenvatting van alle resultaten die voor een bepaald systeem zijn berekend, waarbij gesorteerd kan worden op basis van de resultaten van elke fase.Voor een snelle analyse kunnen de resultaten ook worden gevisualiseerd via de link voor sequentieresultaten, die een samenvatting geeft van de geselecteerde sequenties in de aminozuurcode van drie letters. De derde optie voor het raadplegen van de resultaten is via de link voor energieresultaten, die een samenvatting geeft van de uitvoering van het optimalisatiemodel met de geselecteerde sequenties, hun energieën en de tijd die nodig was om het model op te lossen voor de oplossing. Na voltooiing van fase één, de sequentieselectie, en het indienen van de methoden voor vouwingsspecificiteit en benaderde bindingsaffiniteit van fase twee, kunnen de resultaten worden geraadpleegd en gesorteerd in het gedeelte voor resultaten in het samenvattingsbeeld.Als alternatief kunnen ze individueel worden bekeken in de sectie Fold Specificity Results; in de sectie fold specificity Results worden het sequentienummer en de fold specificity-waarden als een array weergegeven. De resultaten van de berekeningen voor de benaderde bindingsaffiniteit van het monster worden gepresenteerd als een sorteerbare lijst. In de sectie view results hebben alle sequenties die zijn gebruikt voor de berekening van de benaderde bindingsaffiniteit een gemarkeerde link in de kolom view. De view-link brengt de gebruiker naar een pagina met ontwerpgegevens.Deze pagina biedt downloadbare zip-bestanden voor alle gebruikte complex- en peptidestructuren. In de laatste stap van het structuurontwerp voor zowel de complex- als de peptidestructuren worden de 10 structuren met de laagste energie aangeboden in een gerangschikte lijst. Elke structuur heeft een weblink, waarmee de gebruiker de structuur kan bekijken in een interactieve JM O-omgeving.Er is ook een downloadlink beschikbaar zodat de gebruiker elke structuur afzonderlijk kan downloaden. Verdere details van de resultaten worden gepresenteerd in de sectie met resultaten van de benaderde bindingsaffiniteit. Deze sectie bevat de waarden voor de partitiefuncties van het peptide, het eiwit en het complex, samen met de uiteindelijke waarde van de benaderde bindingsaffiniteit.Bij het werken met protein wisdom is het belangrijk om te onthouden dat de keuze van de ontwerprestricties een grote impact kan hebben op de uiteindelijke ontwerpresultaten. Ontwerprestricties versnellen niet alleen de algehele zoektocht door de hoeveelheid sequentieruimte die de optimalisatiealgoritmen moeten verkennen te beperken, maar het gebruik van optimalisatiebeperkingen afgeleid van experimentele informatie kan leiden tot het verkrijgen van biologisch relevante proteïne-ontwerpen. We hopen dat de beschikbaarheid van de ontwerpmethoden via de webinterface protein wisdom zal zorgen voor een breder gebruik van deze methoden.We blijven de mogelijkheden van de ontwerpmethoden uitbreiden en ontwikkelen en hopen het raamwerk in de nabije toekomst te generaliseren om multimere systemen, eiwit-DNA-interacties en ontwerp met posttranslationele modificaties en niet-canonieke aminozuren te omvatten. Met elke uitbreiding zal de beschikbaarheid van de methoden via Protein Wisdom zorgen voor een eenvoudige en efficiënte toepassing door de academische gemeenschap.

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

Research

JoVE Journal

Biology

Biologie

Synthetische eiwitsequenties gebaseerd op consensusmotieven negeren doorgaans co-evolerende residuen, die interpositionele afhankelijkheden (IPD's) impliceren. IPD's kunnen essentieel zijn voor activiteit, en ontwerpen die ze negeren, kunnen resulteren in suboptimale resultaten. Dit protocol gebruikt StickWRLD om IPD's te identificeren en helpt bij het informeren van rationeel eiwitdesign, wat resulteert in efficiëntere resultaten.

Optimalisatie van synthetische eiwitten: Identificatie van interpositioneel afhankelijkheden Indicating structureel en / of functioneel verbonden Residuen

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

Analyse van één deeltje in cryo-elektronenmicroscopie is een van de belangrijkste technieken die worden gebruikt om de structuur van biologische ensembles met hoge resolutie te bepalen. Scipion biedt de tools om de hele pijplijn te creëren om de informatie die door de microscoop wordt verkregen te verwerken en een 3D-reconstructie van het biologische specimen te bereiken.

Cryo-EM en single-particle analyse met Scipion

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)

Dit protocol introduceert de tools die beschikbaar zijn voor het modelleren van liganden van kleine moleculen in cryoEM-kaarten van macromoleculen.

Liganden modelleren in kaarten afgeleid van elektronencryomicroscopie

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

De bijhorende video beschrijft het gebruik van de GELFREE 8100 Fractionation System, welke partities complex eiwit monsters op basis van moleculair gewicht en herstelt de fracties in de vloeibare fase. De video beschrijft hoe de technologie werkt, hoe het wordt gebruikt, en biedt resulterende data, met polyacrylamidegelelektroforese analyse van gefractioneerde runderen leverhomogenaat.

Met behulp van de GELFREE 8100 Fractionering System for Molecular Weight-Based Fractionering met Liquid Phase Recovery

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