Name: Optimalisatie van synthetische eiwitten: Identificatie van interpositioneel afhankelijkheden Indicating structureel en / of functioneel verbonden Residuen (Video) | JoVE Journal
Uploaded: 2015-07-14T15:00:00.000+00:00
Duration: 7 min 8 s
Description: Leer co-evolverende residuen identificeren in eiwitalignments met StickWRLD voor rationeel eiwitontwerp. Deze methode visualiseert interpositionele afhankelijkheden in 3D om functionele relaties te onthullen.

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

playerTrialDesktop

StickWRLD werd mede mogelijk gemaakt door financiering verstrekt aan Dr. Ray door het Research Institute at Nationwide Children's Hospital, en door NSF-subsidie DBI-1262457.

1. Software Download &amp; Installatie <ol><li> Gebruik een computer heeft een Intel i5-processor of beter met minstens 4 GB RAM-geheugen en draait Mac OS X of GNU / Linux (bijvoorbeeld Ubuntu) OS. Daarnaast worden Python 2.7.6 10 en de wxPython 2,8 11, scipy 12 en PyOpenGL 13 python bibliotheken nodig - te downloaden en te installeren elk vanuit hun eigen repositories. </li><li> Download <a href="http://www.stickwrld.org" target="_blank">StickWRLD</a> als een zip-archief met alle relevante Python scripts. Download de &quot;fasta2stick.sh&quot; script voor het omzetten van standaard FASTA DNA / eiwitsequentie uitlijningen te StickWRLD formaat. </li><li> Pak het archief en zet het resulterende StickWRLD map op uw bureaublad. Plaats de &quot;fasta2stick.sh&quot; script op het bureaublad ook. </li></ol> 2. Bereid de Alignment <ol><li> Een alignment van de eiwitsequenties met elke standaard alignment software (bijv ClustalX 14). Sla de uitlijning op het bureaublad in FASTA formaat. </li><li> Open de terminal applicatie op de Mac of GNU / Linux computer en navigeer naar het bureaublad (de locatie van de &quot;fasta2stick.sh&quot; shell script) door te typen cd ~ / Desktop en op terugkeer. Voer het &quot;fasta2stick.sh&quot; script door te typen ./fasta2stick.sh in de terminal. Als het script niet uit te voeren, zorgen ervoor dat het uitvoerbaar is - in de terminal soort chmod + x fasta2stick.sh om het script uitvoerbaar te maken. </li><li> Volg de instructies op het scherm door het script om de naam input-bestand (het bestand gemaakt in 1.2) en de gewenste output opgeven. Sla de output file (die nu in het juiste formaat voor StickWRLD) op het bureaublad. </li></ol> 3. Lancering StickWRLD <ol><li> Navigeren in de StickWRLD executables map met behulp van de terminal applicatie van de Mac of GNU / Linux computer. Bijvoorbeeld, als de map StickWRLD is op het bureaublad, het type cd ~ / Desktop / StickWRLD / exec in de terminal. </li><li> Launch StickWRLD door te typen python-32 stickwrld_demo.py in de terminal. </li><li> Controleer dat het paneel StickWRLD gegevens Loader is zichtbaar op het scherm (figuur 3). </li></ol> 4. Laden van de Data <ol><li> Laad de geconverteerde eiwitsequentie uitlijning door op de &quot;Load Protein ...&quot; knop. </li><li> Selecteer het bestand gemaakt in stap 3 hierboven en druk op &quot;Open&quot;. StickWRLD opent verscheidene nieuwe vensters, zoals &quot;StickWRLD Control&quot; (Figuur 4) en &quot;StickWRLD - OpenGL&quot; (Figuur 5). </li><li> Selecteer de - venster &quot;StickWRLD OpenGL&quot;. Kies &quot;Reset View&quot; in het menu &quot;OpenGL&quot; om de standaard StickWRLD visualisatie weer te geven in een &#39;top-down&quot;View door de cilinder die de data in het schaalbare OpenGL ramen .. </li></ol> 5. Bekijk Opties <ol><li> Selecteer de vakjes &quot;Kolomlabels&quot; en &quot;bal labels&quot; in het &quot;StickWRLD Control&quot; venster (Figuur 4) om waarden voor kolommen en ballen tonen. </li><li> Schakel het vakje voor &quot;Column Edges&quot; in de &quot;StickWRLD Control&quot; venster naar de kolom rand lijnen verbergen. </li><li> Stel de &quot;Column Thickness&quot; naar 0,1 in de &quot;StickWRLD Control&quot; venster om een ​​dunne lijn door de kolom te trekken, waardoor het makkelijker om de 3D navigeren. Druk op terug te gaan naar de wijziging te accepteren. </li><li> Reset het uitzicht in de &quot;StickWRLD - OpenGL&quot; venster zoals in stap 5.3 hierboven, druk op de knop &quot;full screen&quot; om de weergave te maximaliseren. </li></ol> 6. Navigatie <ol><li> Draai de 3D StickWRLD weergave door het ingedrukt houden van de linker muisknop while bewegen van de muis in elke richting. </li><li> Zoomen de 3D StickWRLD weergave door de rechter muisknop ingedrukt te houden terwijl omhoog of omlaag bewegen van de muis. </li></ol> 7. Finding interpositioneel afhankelijkheden (IPDS) <ol><li> Blader door de mening van pannen en zoomen zoals beschreven in stap 6. Coevolving residuen boven de drempel eisen van zowel p en achtergebleven zijn via edge lijnen zoals te zien in figuur 6. Als er te veel of te weinig randen aansluiten resten, verander de Overblijvende drempel (de &quot;StickWRLD Control&quot; paneel) om minder of meer, randen tonen. </li><li> Verhoog de resterende drempel op de StickWRLD controle Pane totdat geen IPD rand lijnen worden getoond en langzaam uitloop tot relaties verschijnen. Ga door het verhogen van de resterende tot je een voldoende aantal relaties te onderzoeken. </li><li> Identificeer relaties die beide residuen van bekende belang (bijvoorbeeld te betrekken, binnen een motief of bindend / functional site) of residuen die distaal van elkaar in de uitlijning (hetgeen suggereert dat zij proximaal in het gevouwen eiwit) </li></ol> 8. Selecteren en Bevindingen opslaan <ol><li> Met behulp van command + klik links op elke randen van belang. Het deelvenster StickWRLD Control de kolommen geven en sluit specifieke residuen, bijvoorbeeld &quot;(124 | G) (136 | H)&quot; (Figuur 7). Solid lijnen geven positieve associaties; stippellijnen vertegenwoordigen negatieve associaties. </li><li> Druk op de &quot;Output Edges&quot; knop op het paneel &quot;StickWRLD Control&quot; naar een platte tekst opgemaakt bestand op te slaan (edge_residual.csv) van al het zichtbare randen, inclusief de aangesloten residuen en hun daadwerkelijke restwaarde, in de / StickWRLD / exec / directory. </li></ol>

<ol><li>Ray, W. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Addressing+the+unmet+need+for+visualizing+conditional+random+fields+in+biological+data%5BTitle%5D)+AND+%22BMC%22%5BJournal%5D)">Addressing the unmet need for visualizing conditional random fields in biological data.</a> BMC. 15, 202(2014).</li>
<li>Sullivan, B. J., Durani, V., Magliery, T. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Triosephosphate+isomerase+by+consensus+design%3A+dramatic+differences+in+physical+properties+and+activity+of+related+variants%5BTitle%5D)+AND+%22Journal+of+molecular+biology%22%5BJournal%5D)">Triosephosphate isomerase by consensus design: dramatic differences in physical properties and activity of related variants.</a> Journal of molecular biology. 413, 195-208 (2011).</li>
<li>Smith, M. A., Bedbrook, C. N., Wu, T., Arnold, F. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hypocrea+jecorina+cellobiohydrolase+I+stabilizing+mutations+identified+using+noncontiguous+recombination%5BTitle%5D)+AND+%22ACS+synthetic+biology%22%5BJournal%5D)">Hypocrea jecorina cellobiohydrolase I stabilizing mutations identified using noncontiguous recombination.</a> ACS synthetic biology. 2, 690-696 (2013).</li>
<li>Ray, W. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Understanding+the+sequence+requirements+of+protein+families%3A+insights+from+the+BioVis+2013+contests%5BTitle%5D)+AND+%22BMC+proceedings%22%5BJournal%5D)">Understanding the sequence requirements of protein families: insights from the BioVis 2013 contests.</a> BMC proceedings. 8, S1(2014).</li>
<li>Eddy, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What+is+a+hidden+Markov+model%3F%5BTitle%5D)+AND+%22Nature+biotechnology%22%5BJournal%5D)">What is a hidden Markov model?</a> Nature biotechnology. 22, 1315-1316 (2004).</li>
<li>Ray, W. C., Ozer, H. G., Armbruster, D. W., Daniels, C. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Beyond+identity+-+when+classical+homology+searching+fails%2C+why%2C+and+what+you+can+do+about+it%5BTitle%5D)+AND+%22Proceedings+of+the+4th+Ohio+Collaborative+Conference+on+Bioinformatics%22%5BJournal%5D)">Beyond identity - when classical homology searching fails, why, and what you can do about it.</a> Proceedings of the 4th Ohio Collaborative Conference on Bioinformatics. , IEEE Press. New York, NY. 51-56 (2009).</li>
<li>Ovchinnikov, S., Kamisetty, H., Baker, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Robust+and+accurate+prediction+of+residue-residue+interactions+across+protein+interfaces+using+evolutionary+information%5BTitle%5D)+AND+%22eLife%22%5BJournal%5D)">Robust and accurate prediction of residue-residue interactions across protein interfaces using evolutionary information.</a> eLife. 3, e02030(2014).</li>
<li>Trudeau, D. L., Lee, T. M., Arnold, F. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Engineered+thermostable+fungal+cellulases+exhibit+efficient+synergistic+cellulose+hydrolysis+at+elevated+temperatures%5BTitle%5D)+AND+%22Biotechnology+and+bioengineering%22%5BJournal%5D)">Engineered thermostable fungal cellulases exhibit efficient synergistic cellulose hydrolysis at elevated temperatures.</a> Biotechnology and bioengineering. 111, 2390-2397 (2014).</li>
<li>Ray, W. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MAVL+and+StickWRLD%3A+visually+exploring+relationships+in+nucleic+acid+sequence+alignments%5BTitle%5D)+AND+%22Nucleic+acids+research%22%5BJournal%5D)">MAVL and StickWRLD: visually exploring relationships in nucleic acid sequence alignments.</a> Nucleic acids research. 32, W59-W63 (2004).</li>
<li>Python Language Reference v.2.7.6. , Available from: 
 <a target="_blank" href="https://www.python.org/download/releases/2.7.6/">https://www.python.org/download/releases/2.7.6/</a> (2014).</li>
<li>Talbot, H. wxPython, a GUI Toolkit. Linux Journal. , Available from: 
 <a target="_blank" href="http://www.linuxjournal.com/article/3776">http://www.linuxjournal.com/article/3776</a> (2000).</li>
<li>Jones, E., Oliphant, T., Peterson, P., et al. SciPy: Open Source Scientific Tools for Python. , Available from: 
 <a target="_blank" href="http://www.scipy.org/">http://www.scipy.org/</a> (2001).</li>
<li>PyOpenGL The Python OpenGL Binding. , Available from: 
 <a target="_blank" href="http://pyopengl.sourceforge.net/">http://pyopengl.sourceforge.net/</a> (2014).</li>
<li>Larkin, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clustal+W+and+Clustal+X+version+2.0%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">Clustal W and Clustal X version 2.0.</a> Bioinformatics. 23, 2947-2948 (2007).</li>
<li>Ozer, H. G., Ray, W. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MAVL%2FStickWRLD%3A+analyzing+structural+constraints+using+interpositional+dependencies+in+biomolecular+sequence+alignments%5BTitle%5D)+AND+%22Nucleic+acids+research%22%5BJournal%5D)">MAVL/StickWRLD: analyzing structural constraints using interpositional dependencies in biomolecular sequence alignments.</a> Nucleic acids research. 34, W133-W136 (2006).</li>
<li>Ray, W. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MAVL%2FStickWRLD+for+protein%3A+visualizing+protein+sequence+families+to+detect+non-consensus+features%5BTitle%5D)+AND+%22Nucleic+acids+research%22%5BJournal%5D)">MAVL/StickWRLD for protein: visualizing protein sequence families to detect non-consensus features.</a> Nucleic acids research. 33, W315-W319 (2005).</li>
<li>Ray, W. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Visual+Analytics+approach+to+identifying+protein+structural+constraints%5BTitle%5D)+AND+%22IEEE%22%5BJournal%5D)">A Visual Analytics approach to identifying protein structural constraints.</a> IEEE. , Ohio State Univ. Biophys. Program. Columbus, OH. 249-250 (2010).</li>
<li>Wheeler, T. J., Clements, J., Finn, R. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Skylign%3A+a+tool+for+creating+informative%2C+interactive+logos+representing+sequence+alignments+and+profile+hidden+Markov+models%5BTitle%5D)+AND+%22BMC+bioinformatics%22%5BJournal%5D)">Skylign: a tool for creating informative, interactive logos representing sequence alignments and profile hidden Markov models.</a> BMC bioinformatics. 15, 7(2014).</li>
<li>Perrier, V., Burlacu-Miron, S., Bourgeois, S., Surewicz, W. K., Gilles, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Genetically+engineered+zinc-chelating+adenylate+kinase+from+Escherichia+coli+with+enhanced+thermal+stability%5BTitle%5D)+AND+%22The+Journal+of+biological+chemistry%22%5BJournal%5D)">Genetically engineered zinc-chelating adenylate kinase from Escherichia coli with enhanced thermal stability.</a> The Journal of biological chemistry. 273, 19097-19101 (1998).</li>
</ol>

De auteurs verklaren dat ze geen concurrerende financiële belangen hebben.

StickWRLD is met succes gebruikt om dergelijke IPDS in de adenylaatkinase domein deksel 16, alsmede geassocieerde DNA basen rho-afhankelijke terminators 9 identificeren en een nieuwe splice-plaats-specificiteit bij archaea tRNA intron endonuclease 6 doelwitplaatsen. Deze IPDS waren niet detecteerbaar via een rechtstreeks onderzoek van de uitlijning. StickWRLD geeft elke positie van een uitlijning als kolom 20 &quot;bolletjes&quot;, waarbij elke bol is een van de 20 aminozuurresten en de grootte van de bol geeft de frequentie van dat residu in die kolom (figuur 4). Kolommen zijn aangebracht in een cilinder met randlijnen verbinden residuen in verschillende kolommen (hetgeen wijst op een IPD). De snijkanten worden alleen getekend als de overeenkomstige resten worden covarying met een frequentie overtreft zowel de p-waarde (significantie) en overblijvende (verwachte - waargenomen) drempelwaarden. Detectie van co-voorkomende residuen van elkaar afhankelijk, of IPDS, in de distale gebieden van een DNA of eiwitsequentie uitlijning is moeilijk met behulp van standaard sequentiealignering gereedschappen 6. Hoewel dergelijke instrumenten genereren een consensus of motief, sequentie, deze consensus in veel gevallen een eenvoudige meerderheid-regel middelen en niet covariantie relaties die één of meer sub-motieven kunnen vormen overbrengen - groepen residuen die de neiging hebben samen te evolueren. Zelfs HMM modellen, die voor het opsporen van de aangrenzende afhankelijkheden zijn, kan niet nauwkeurig model sequentiemotieven met distale IPDS 5. Het resultaat is dat de berekende consensus kan in feite een &quot;synthetisch&quot; sequentie die niet in de natuur - en gemanipuleerde eiwitten op basis van dergelijke rekenkundige consensus mag in feite optimaal. In feite zou de Pfam HMM ADK suggereren dat een chimeer eiwit dat de helft van de tetracysteine ​​motief en de helft van de H, S, D, T motif, functioneel net aanvaardbaarals elke werkelijk bestaande ADK. Dit is niet het geval als zodanig chimeren (en vele andere blendings van deze motieven) katalytisch dood 4,19. Bij het zoeken naar correlaties, is het essentieel dat de residuele drempel worden gecorrigeerd voor het ontdekken van relevante correlaties door de drempel boven het niveau waarop geen randen worden gezien en vervolgens geleidelijk opvoeren drempel terug. Dit verzekert dat alleen de meest significante randen aanvankelijk beschouwd. Een alternatieve benadering is om te beginnen met de resterende drempel extreem laag. Dit resulteert in de weergave van alle belangrijke randen. Vanaf hier de resterende drempel langzaam kan worden verhoogd, waardoor de randen uit te vallen tot patronen ontstaan. Hoewel deze aanpak is minder nuttig bij het ​​zoeken naar de opname van specifieke knooppunten (bijvoorbeeld de toepassing van domeinkennis), het zorgt voor de ontdekking van onverwachte relaties met StickWRLD als een visUAL analytische tool om opkomende patronen in de data visualisatie te ontdekken. StickWRLD wordt voornamelijk beperkt door het beschikbare geheugen van het systeem waarop het ook is uitgevoerd als de resolutie van de weergeefinrichting. Hoewel er geen theoretische grens aan het aantal gegevenspunten StickWRLD kan onderzoeken en sequenties tot 20.000 posities getest in de praktijk StickWRLD uitstekend voldoet sequenties tot ongeveer 1000 posities. Het belangrijkste voordeel van StickWRLD ligt in de mogelijkheid om groepen van residuen die covariatie elkaar identificeren. Dit is een belangrijk voordeel boven de traditionele benadering van de statistische consensussequentie, die een eenvoudige statistische middeling en coevolution houdt geen rekening. Terwijl in sommige gevallen covarying residuen eenvoudigweg een artefact van fylogenie zijn, zelfs deze residuen de &quot;test van selectie&quot; doorstaan, en als zodanig zijn waarschijnlijk afbreuk doen aan de functionabaarheid van een eiwit ontworpen om hen. Tijdens het gebruik StickWRLD IPDS in een canonieke DNA of eiwitsequentie consensus / motief vóór techniek synthetische varianten identificeren vermindert het risico op fouten en ondersteunen snelle optimalisering van de functie, moet worden opgemerkt dat StickWRLD kan worden gebruikt als een algemene correlatie identificatie programma en niet uitsluitend beperkt tot eiwitten data. StickWRLD kan worden gebruikt om visueel te ontdekken de co-voorkomen van alle variabelen in elk goed gecodeerde data set.

Eiwit uitlijningen zijn lange tijd gebruikt om de gelijkenis van residuen evalueren een eiwitfamilie. Vaak wordt de meest interessante eigenschappen van een eiwit (bijvoorbeeld katalytisch of andere bindingsplaatsen) zijn het gevolg van eiwitvouwing brengen distale gebieden van de lineaire sequentie in contact, met als gevolg dat deze ogenschijnlijk niet verwante gebieden in de lijn de neiging te evolueren en veranderen gecoördineerd. In andere gevallen kan de functie van een eiwit afhankelijk van de elektrostatische handtekening, en mutaties die de elektronische dipool invloed worden gecompenseerd door veranderingen op afstand geladen residuen. Allostere effecten kunnen ook veroorzaken lange afstand sequentiële en ruimtelijke afhankelijkheden tussen residu identiteiten. Ongeacht hun herkomst, deze functioneel-vereiste covariations van residuen - inter-positionele afhankelijkheden (IPDS) - misschien niet voor de hand liggende met visueel onderzoek van de uitlijning (Figuur 1). Identificatie van IPDS - alsmedewaarin specifieke residuen binnen deze posities meestal covariatie als eenheid - u belangrijke aanwijzingen over de processen van eiwitvouwing en de vorming van functionele plaatsen openbaren. Deze informatie kan vervolgens worden gebruikt om synthetische (gemodificeerde) proteïnen optimaliseren in termen van thermostabiliteit en activiteit. Het is al lang bekend dat niet alle puntmutaties richting consensus een verbeterde stabiliteit of activiteit. Recenter eiwitten ontworpen om te profiteren van bekende IPDS in hun sequentie is aangetoond dat tot een grotere activiteit dan hetzelfde eiwit gemaakt strengste consensus 1,2 (manuscript in voorbereiding), vergelijkbaar met het idee van stabiliserende puntmutaties 3. Helaas, traditioneel consensusvorming modellen (bijv meerderheidsregel) alleen vast te leggen IPDS per ongeluk. Consensus en Position Specifieke Scoring Matrix methoden zijn onwetend van IPDS en alleen &#39;correct&#39; opnemen in modellen, wanneer de afhankelijke residuenOok de meest populaire residuen die posities in de familie. Markov Chain modellen kan vangen IPDS wanneer ze opeenvolgend proximale, maar hun typische uitvoering negeert alles behalve directe buren sequentieel, en zelfs op zijn best, Hidden Markov Model berekeningen (zie figuur 2) wordt bij hardnekkige afhankelijkheden in de reeks worden gescheiden door meer dan een tiental posities 4. Aangezien deze IPDS wezen vormen &quot;sub-motieven&quot; die niet kunnen worden voorspeld door eenvoudige &quot;meerderheidsregel&quot; of HMM-gebaseerde consensus modellen 5,6 gevolg een biologisch ongeldige &quot;consensus&quot; die niet alleen nooit in de natuur maar is minder rendabel dan een bestaand eiwit. Systemen gebaseerd op Markov Random Fields, zoals Gremlin 7, trachten deze problemen te overwinnen. Bovendien terwijl geavanceerde biologische / biochemische technieken zoals noncontiguous 3,8 recómbinatie kan worden gebruikt identify essentieel eiwit elementen per regio, ze vereisen veel tijd en bank werken voor single-base-pair precisie te bereiken. StickWRLD 9 is een Python gebaseerd programma dat een interactieve 3D-weergave van een eiwit alignment dat IPDS duidelijk en gemakkelijk te begrijpen maakt creëert. Elke positie in de uitlijning wordt weergegeven als een kolom in het scherm, waarbij elke kolom bestaat uit een stapel van bollen, één voor elk van de 20 aminozuren die aanwezig zijn in die positie in de uitlijning zijn. De dimensie hoogte afhankelijk is van de frequentie van het aminozuur, zodat de gebruiker onmiddellijk het consensus residu of de relatieve verdeling van de aminozuren in die positie door simpelweg te kijken naar de grootte van de bolletjes kan verzamelen. De kolommen die elke positie worden gewikkeld rond een cilinder. Dit geeft elk gebied vertegenwoordigt een mogelijke aminozuur op elke positie in de uitlijning, een duidelijke &#39;zichtlijn&#39;met elk ander aminozuur mogelijkheid bij elke andere stand. Vóór visualisatie berekent de correlatie StickWRLD de kracht tussen alle mogelijke combinaties van residuen aan de IPDS 9 identificeren. IPDS vertegenwoordigen, worden lijnen getrokken tussen residuen die worden coevolving op een hoger of lager dan zou worden verwacht wanneer deze in de positie residuen onafhankelijk waren (IPDS). Niet alleen heeft deze visualisatie toon die reeksposities interageren evolutionair, maar de IPD randlijnen worden gemaakt tussen het aminozuur bollen in elke kolom, kan de gebruiker snel bepalen welke specifieke aminozuren worden vaak coevolving op elke positie. De gebruiker heeft de mogelijkheid om te draaien en onderzoeken de gevisualiseerde IPD structuur en dynamisch wijzigen de statistische drempels besturen van de weergave van de correlatie, waardoor StickWRLD een krachtig discovery tool IPDS. Toepassingen zoals gremlin 7 similarly tonen complex relationele gegevens tussen resten - maar deze relaties worden berekend via traditionelere Markov modellen, die niet zijn bedoeld om eventuele voorwaardelijke relaties bepaald. Als zodanig zijn deze vatbaar zijn weergegeven 2D projecties. Daarentegen kan StickWRLD berekenen en weergeven meerdere knooppunten conditionele afhankelijkheden die kunnen worden versluierd indien weergegeven als een 2D grafiek (depressiviteit en edge occlusie). StickWRLD&#39;s 3D-weergave heeft ook een aantal andere voordelen. Doordat gebruikers de visuele manipuleren - panning, roteren en zoomen - functies die kunnen worden versluierd of unintuitive in een 2D representatie gemakkelijker worden gezien in de 3D cilinder StickWRLD. StickWRLD wezen een visuele analyses instrument, de kracht van patroonherkenning vermogen van de menselijke hersenen om patronen en trends, en de mogelijkheid om de data vanuit verschillende invalshoeken staand zich toe leent.

<table><tbody><tr><td>Mac of Ubuntu OS computer</td><td>Verschillend</td><td></td><td>Elke Mac of GNU/Linux (bijv. Ubuntu) computer die Python &amp; bijbehorende shell scripts kan draaien</td></tr><tr><td>Python programmeertaal</td><td>python.org</td><td></td><td>Python versie 2.7.6 of hoger aanbevolen</td></tr><tr><td>wxPython bibliotheek</td><td>wxpython.org</td><td></td><td>Laatste versie aanbevolen</td></tr><tr><td>SciPy bibliotheek</td><td>scipy.org</td><td></td><td>Laatste versie aanbevolen</td></tr><tr><td>PyOpenGL bibliotheek</td><td>pyopengl.sourceforge.net</td><td></td><td>Laatste versie aanbevolen</td></tr><tr><td>StickWRLD Python scripts</td><td>NCH BCCM</td><td></td><td>Beschikbaar via <a href="http://www.stickwrld.org" target="_blank">http://www.stickwrld.org</a></td></tr><tr><td>fasta2stick.sh bestandsomzetter</td><td>NCH BCCM</td><td></td><td>Beschikbaar via <a href="http://www.stickwrld.org" target="_blank">http://www.stickwrld.org</a></td></tr><tr><td>Proteïne en/of DNA sequentie data</td><td></td><td></td><td>Voorbeelddata beschikbaar via <a href="http://www.stickwrld.org" target="_blank">http://www.stickwrld.org</a></td></tr></tbody></table>

optimalisatie van synthetische eiwitten: identificatie van interpositioneel afhankelijkheden indicating structureel en / of functioneel verbonden residuen

Optimization of Synthetic Proteins: Identification of Interpositional Dependencies Indicating Structurally and/or Functionally Linked Residues

Protein positioneringen worden vaak gebruikt om de gelijkenis van eiwitresiduen evalueren en de afgeleide consensussequentie gebruikt ter identificatie functionele eenheden (bijvoorbeeld domeinen). Traditionele consensusvorming modellen niet om rekening te houden interpositioneel afhankelijkheden - functioneel vereiste covariatie van residuen die de neiging hebben om de hele evolutie en over de phylogentic boom tegelijkertijd verschijnen. Deze relaties kunnen belangrijke aanwijzingen over de processen van eiwitvouwing, thermostabiliteit, en de vorming van functionele plaatsen, die op hun beurt kunnen worden gebruikt voor de engineering van synthetische eiwitten hoogte onthullen. Helaas zijn deze verhoudingen wezen vormen sub-motieven die niet kan worden voorspeld door eenvoudige &quot;meerderheidsregel&quot; of HMM-gebaseerde consensus modellen, en het resultaat kan een biologisch ongeldige &quot;consensus&quot; die niet alleen nooit in de natuur, maar minder levensvatbaar dan bestaande eiwitten. We hebben een visueel een ontwikkeldalytics tool, StickWRLD, die een interactief 3D-weergave van een eiwit alignment creëert en duidelijk weergeeft covarying residuen. De gebruiker heeft de mogelijkheid om te pannen en zoomen, evenals dynamisch de statistische drempel die ten grondslag liggen aan de identificatie van co-varianten te veranderen. StickWRLD eerder met succes gebruikt om functioneel vereiste covarying residuen in eiwitten zoals adenylaatkinase en met DNA-sequenties zoals endonuclease-doelwitplaatsen te identificeren.

StickWRLD is eerder gebruikt om interpositioneel afhankelijkheden (IPDS) tussen residuen te detecteren in zowel DNA 3 en eiwitten 15-17 afstemmingen. Deze co-ontwikkelende residuen, terwijl vaak distaal van elkaar in de sequentie-alignment, vaak proximaal elkaar in het gevouwen eiwit. StickWRLD maakt een snelle ontdekking van residu-specifieke co-optreden op deze sites, bv., Een alanine op positie &quot;x&quot; is sterk gecorreleerd met een threonine op positie &quot;y&quot;. Dergelijke correlaties indicatief aantoonbaar structurele relaties en typisch plaatsen dat noodzakelijkerwijs co-evolueren. StickWRLD kan deze relaties nog detecteren wanneer meer &quot;traditionele&quot; benadering en de HMM&#39;s beschrijven motieven ontbreken. Bijvoorbeeld, de analyse van het PFAM aanpassing van de ADK deksel domein behulp StickWRLD laat een sterke positieve correlatie tussen cysteïnen (C) op posities 4 en 8 en een gecoördineerdepaar C op posities 35 en 38. Tegelijkertijd, StickWRLD vertoonde een soortgelijke sterke positieve relatie tussen histidine (H) en serine (S) op 4 en 8, met een sterke negatieve relatie tussen deze en de C kwartet bij 4, 8, 35 en 38, en een sterke positieve relatie met asparaginezuur (D) en threonine (T) op posities 35 en 38 respectievelijk. Aanvullende IPDS bestaan ​​tussen de H, S, D, T motief en T en G op positie **** 10 en 29 in b subtilis **** gewezen op de voorwaardelijkheid van deze IPDS - de tetracysteine ​​motief niet &#39;care&#39; de identiteit van deze twee posities, terwijl de hydrofiele H, S, D, T triade vereist specifieke resten in deze posities bijna geheel. Deze twee totaal verschillende positie-afhankelijke residu motieven kan dezelfde rol vervullen de ADK deksel. Zoals te zien is in figuur 6, een grote cluster van IPDS, waaronder een 3-knooppunt verband tussen G (glycine) op positie 132, Y (tyrosine) op positie 135, en een P (prolinene) op positie 141, is zichtbaar in de voorgrond (figuur 6A). In figuur 6B is de weergave scheef naar gebruiker net boven de middelste cilinder is, waaruit een IPD tussen de H (histidine) op positie 136 en een M (methionine) op positie 29, 107 residuen afstand. Een PFAM HMM-afgeleide motief van hetzelfde domein (Figuur 2), ondertussen niet alleen niet te vertellen dat deze specifiek co-voorkomende varianten motief, doch ook de algemene groeperingen in een biologisch ondersteunde regeling 16. <img alt="Figuur 1" src="/files/ftp_upload/52878/52878fig1highres.jpg" width="500" /> Figuur 1. &quot;Subway Map&quot; voorstelling van de B. subtilis Adenosine Kinase (ADK) Deksel domeinstructuur. Pijlen geven IPDS die in de PFAM uitlijning van ADK Deksel domein StickWRLD. StickWRLD is in staat om IPDS correct te identificeren binnen een cluster of residuen die in de nabijheid van het gevouwen eiwit. Van bijzonder belang zijn de T en G pair op posities 9 en 29, die slechts vormen een IPD bij tetrad van residuen bij 4, 7, 24 en 27 is C, C, C, C). Residu nummers weergegeven vertegenwoordigt B. subtilis positie en niet PFAM uitlijning posities. <a href="https://www.jove.com/files/ftp_upload/52878/52878fig1highres.jpg" target="_blank">Klik hier om een grotere versie van deze figuur te bekijken.</a> <img alt="Figuur 2" src="/files/ftp_upload/52878/52878fig2highres.jpg" width="700" /> Figuur 2. Skylign 18 Hidden Markov Model (HMM) Sequentie Logo voor ADK deksel domein. Terwijl HMM zijn krachtige hulpmiddelen voor het bepalen van waarschijnlijkheden iedere positie en de bijdrage van elk gebied tot de algemene model, de positionele onafhankelijkheid van HMMs maakt ze ongeschikt voor het opsporen van IPDS. Dit model biedt geen van de suggererenafhankelijkheden gezien in de StickWRLD voorstellingen (Figuur 6). <a href="https://www.jove.com/files/ftp_upload/52878/52878fig2highres.jpg" target="_blank">Klik hier om een grotere versie van deze figuur te bekijken.</a> <img alt="Figuur 3" src="/files/ftp_upload/52878/52878fig3.jpg" /> Figuur 3. De StickWRLD gegevens Loader. Gebruikers kunnen kiezen uit bestaande demo gegevens of hun eigen data te laden in de vorm van DNA of eiwit sequentievergelijkingen. <img alt="Figuur 4" src="/files/ftp_upload/52878/52878fig4highres.jpg" width="600" /> Figuur 4. Het venster StickWRLD controle. Het paneel controle kan de gebruiker verschillende weergave-eigenschappen wijzigen en regelen de drempels besturen van de weergave van randlijnen aangeven verhoudingen tussen residuen (IPDS). Omcirkeld in het rood zijn de standaardinstellingen die typisch nodig t<html> o worden aangepast voor de beste weergave van elke dataset. De restwaarde wordt de drempel van (waargenomen verwachte) waarvoor connector / vereniging lijnen worden getrokken. De bedieningsorganen voor Column en Ball etiketten controleren of de kolom positie en residu-waarden (bijvoorbeeld &quot;A&quot; voor arginine) worden weergegeven. De Column Edge Line controle schakelt aan en uit het display van de rand lijnen verbinden kolommen - voor dichte datasets dit is beter uitgeschakeld. De Column Dikte bepaalt of de kolom zelf wordt weergegeven -. Instellen van deze op een zeer kleine waarde (bijvoorbeeld 0,1) een lijn door de bollen in de kolom te trekken, waardoor het gemakkelijk is om de kolommen van elkaar te onderscheiden <a href="https://www.jove.com/files/ftp_upload/52878/52878fig4highres.jpg" target="_blank">Klik hier voor een grotere versie van deze figuur te bekijken.</a> <html> ghres.jpg &quot;width =&quot; 600 &quot;/&gt; Figuur 5. Eerste mening van de StickWRLD OpenGL venster met de adenylaatkinase deksel domein eiwit dataset geladen. De eerste perspectief ziet er &quot;down&quot; door de cilinder bestaat uit de sequentiealignering posities. De gebruiker kan de cilinder draaien met behulp van linker-muis-klik-slepen, en zoom in / out met de rechtermuisknop-klik-slepen. De eerste uitzicht is vrij dicht, omdat de standaard display zelfs kleine percentages van co-evolutie. Voor veel eiwitten, bij deze instelling, verschillende modules kan worden gedetecteerd, maar zelfs in dichtbevolkte co-evoluerende proteïnen het display kan snel en interactief worden vereenvoudigd om de belangrijkste IPDS via de StickWRLD-interface te vinden. <a href="https://www.jove.com/files/ftp_upload/52878/52878fig5highres.jpg" target="_blank">Klik hier om een grotere versie te bekijken dit cijfer.</a> ghres.jpg &quot;width =&quot; 700 &quot;/&gt; Figuur 6. Close-up beeld van een StickWRLD visualisatie van de adenylaatkinase deksel domein eiwit. Hier hebben we de standaard resterende 0,2 veranderd. Dit verhoogt de drempel voor de weergave van inter-residu randen, met minder randen. De randen die blijven wijzen sterk geassocieerd IPDS. Naast het uitzicht is gedraaid en ingezoomd mogelijk te maken voor een betere weergave van de randen. (A) Een grote cluster van IPDS is zichtbaar in de voorgrond, zoals een 3-knooppunt verband tussen G (glycine) op positie 132, Y (tyrosine) op positie 135, en een P (proline) op positie 141. (B) Het uitzicht is scheef op de gebruiker op zijn plaats net boven de cilinder geweest, onthullen een IPD tussen een H (histidine) op positie 136 en een M (methionine) op positie 29, 107 residuen afstandelijk. <a href="https://www.jove.com/files/ftp_upload/52878/52878fig6highres.jpg" target="_blank">Klik hier om een grotere versie van deze foto figuur.</a><img alt="Figuur 7" src="/files/ftp_upload/52878/52878fig7.jpg" /> Figuur 7. StickWRLD venster rechtsonder informatieweergave. CTRL + links klikken op een object (bijvoorbeeld, bol of rand) in het venster OpenGL toont de informatie voor het object in de rechterbenedenhoek van het venster StickWLRD controle. Hier zien we de informatie voor een IPD rand tussen een methionine op positie 29 en een histidine op positie 136.

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

Protein alignments are commonly used to evaluate the similarity of protein residues, and the derived consensus sequence used for identifying functional ...

Het algemene doel van deze procedure is het identificeren van co-evoluerende residuen in eiwit-alignments die duiden op interpositionele afhankelijkheden of IPDs. Dit wordt bereikt door de alignment eerst te laden in stick world, een visual analytics-tool die een interactieve 3D-representatie van een eiwit-alignment creëert en co-variërende residuen in stick world duidelijk weergeeft. Elke positie in de alignment wordt weergegeven als een kolom bestaande uit een stapel sferen, waarbij elke sfeer een van de 20 mogelijke aminozuren op die positie binnen de alignment vertegenwoordigt; deze sferen zijn op een frequentie-afhankelijke wijze geschaald. De kolommen die elke positie representeren, zijn om een cilinder gewikkeld om de IPDs weer te geven.Er worden lijnen getrokken tussen residuen die sterker of zwakker co-evolueren dan verwacht zou worden als de residuen op die posities binnen het programma afhankelijk waren. Het residu wordt afgestemd tot er een beheersbaar aantal randen is, waarna de relevante randen worden geïdentificeerd. Uiteindelijk wordt stick world gebruikt om residuen te identificeren die met elkaar co-evolueren.Dergelijke functioneel vereiste coving-residuen zijn geïdentificeerd in een ventilate-kinase. Een van de redenen waarom mensen moeite hebben met dit proces is de nieuwheid ervan. Het is bijna net zoveel een kunstvorm als een wetenschap.Het visueel demonstreren van Stick World is belangrijk omdat het een tool voor visuele analyse is en gebruikersinteractie vereist.Actie. Gebruik een computer met een Intel i5-processor of beter, met minimaal vier gigabytes RAM, waarop Mac OS 10 of Linux OS draait en die is uitgerust met de Python-bibliotheken die in het tekstprotocol worden vermeld. Download Stick World als een zip-archief dat alle relevante Python-scripts bevat.Download daarnaast het FASTA two stick-script voor het converteren van standaard FASTA DNA-proteïne sequentie-alignments naar het stick world-formaat. Pak het archief uit en plaats de resulterende stick world-map en het FASTA two stick-script op het bureaublad. Maak vervolgens een alignment van de proteïne sequenties met behulp van een willekeurige standaard alignment-software.Sla de alignment op het bureaublad op. Selecteer een formaat. Open de terminalapplicatie op de macro Linux-computer en navigeer naar het bureaublad door CD tilda slash desktop te typen en op enter te drukken in de terminal.Typ het commando om het FASTA two stick-script uitvoerbaar te maken en typ vervolgens het commando om het script uit te voeren. Volg de instructies op het scherm van het script om de naam van het invoerbestand en de gewenste naam van het uitvoerbestand op te geven. Sla het uitvoerbestand op het bureaublad op.Navigeer naar de map met uitvoerbare bestanden van Stick World via de terminalapplicatie van de Mac- of Linux-computer en start Stick World door Python -32 stick_world_demo.py in de terminal te typen. Controleer of het Stick World-gegevenslaadpaneel zichtbaar is op het scherm. Laad vervolgens de geconverteerde eiwitsequentie-alignering door op de knop 'load protein' te klikken.Selecteer het gemaakte bestand en klik op openen; Stick World zal verschillende nieuwe vensters openen, waaronder Stick World Control en Stick World OpenGL. Selecteer het Stick World OpenGL-venster. Kies 'reset view' uit het OpenGL-menu om de standaard Stick World-visualisatie weer te geven in een bovenaanzicht door de cilinder, wat de data in de aanpasbare OpenGL-vensters representeert.Er zijn verschillende weergave-opties beschikbaar in stick world. Selecteer de vakjes voor kolomlabels en ballabels in het controlepaneel van stick world om de waarden voor kolommen en ballen weer te geven. Deselecteer het vakje voor kolomranden in het controlepaneel van stick world om de lijnen van de kolomranden te verbergen.Stel de kolomdikte in op 0.1 in het stick world-controlepaneel om een dunne lijn door de kolommen te trekken. Om de navigatie in het 3D-overzicht te vergemakkelijken, drukt u op enter om de wijziging te accepteren. Reset het overzicht in het stick world open GL-venster.Klik vervolgens op de knop voor volledig scherm om het beeld te maximaliseren en door het programma te navigeren. Roteer de 3D-stickworld-weergave door de linkermuisknop ingedrukt te houden terwijl u de muis in een willekeurige richting beweegt. Zoom in of uit op de 3D-stickworld-weergave door de rechtermuisknop ingedrukt te houden terwijl u de muis omhoog of omlaag beweegt.Blader door de weergave door te pannen en in te zoomen; co-evoluerende residuen die aan de drempelwaarden voor zowel p als residu voldoen, zijn via verbindingslijnen met elkaar verbonden. Als er te veel of te weinig verbindingen tussen residuen zichtbaar zijn, pas dan de drempelwaarde voor het residu aan om minder of meer verbindingen te tonen. Verhoog de drempelwaarde voor het residu via de bediening van de stick world totdat er geen IPD-verbindingslijnen meer worden weergegeven, en verlaag deze vervolgens langzaam totdat er relaties verschijnen. Blijf de drempelwaarde voor het residu aanpassen totdat er een voldoende aantal relaties aanwezig is om te bestuderen.Identificeer relaties die betrekking hebben op residuen van bekend belang of residuen die in de alignment ver van elkaar afliggen door de opdrachttoets en linkermuisknop te gebruiken; selecteer vervolgens alle relevante verbindingen. Het bedieningspaneel voor de stick world geeft de kolommen aan en verbindt specifieke residuen. Doorgetrokken lijnen vertegenwoordigen positieve associaties.Terwijl gestreepte lijnen negatieve associaties vertegenwoordigen. Druk op de knop 'output edges' in het controlepaneel van de stick world om een plat tekstbestand van alle zichtbare randen in de juiste map op te slaan, inclusief de gewrichtsresiduen en hun werkelijke residuele waarden. Een groot cluster van interpositionele afhankelijkheden of IPD's, waaronder een associatie tussen drie knopen bestaande uit glycine op positie 1 32, tyrosine op positie 1 35 en een proline op positie 1 41, is op de voorgrond zichtbaar.Hier is het perspectief gekanteld om de gebruiker iets boven de cilinder te positioneren, waardoor een IPD zichtbaar wordt tussen een histamine op positie 1 36 en een methionine op positie negenentwintig, gescheiden door een afstand van eenhonderdzeven residuen. Omgekeerd detecteert een uit A-P-A-M-H-M-M afgeleid motief van hetzelfde domein deze niet als specifiek gelijktijdig voorkomende motiefvariantie en definieert het de algemene groeperingen volgens een biologisch niet-ondersteund schema. Bij het uitvoeren van deze procedure is het belangrijk om te onthouden dit op twee verschillende manieren te proberen.Begin met een hoog residu en werk naar beneden, of begin met een laag residu en werk naar boven; op die manier kunt u de ruimte op twee verschillende manieren verkennen.

optimization-synthetic-proteins-identification-interpositional

Research

JoVE Journal

Chemistry

Scheikunde

Richtlijnen voor de computer op basis van structurele en functionele karakterisering van eiwitten met behulp van de I-TASSER pijplijn is beschreven. Vanaf vraag eiwitsequentie, zijn 3D-modellen gegenereerd met behulp van meerdere threading uitlijningen en iteratief structurele assemblage simulaties. Functionele gevolgtrekkingen worden daarna getrokken op basis van wedstrijden om eiwitten met bekende structuur en functies.

Een protocol voor Computer-Based Protein Structure en functie Voorspelling

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 (http://www.proteinwisdom.org). 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

Dit artikel illustreert het gebruik van puls-chase radio-labeling in combinatie met plaatsspecifiek fotocrosslinking om interacties te monitoren tussen een eiwit van belang en andere factoren in E. coli. In tegenstelling tot traditionele chemische cross-linking methoden, genereert deze aanpak hoge resolutie “momentopnamen” van een geordende assemblageroute in een levende cel.

Monitoring van de Assemblee van een afgescheiden virulentiewerd Factor behulp van Site-specifieke Crosslinking

Een protocol voor het online onderzoek van eiwitsequentie-structuur-dynamiek relaties met behulp van Bio3D-web wordt gepresenteerd.

Onderzoek naar eiwitsequentie-structuur-dynamiek Relaties met Bio3D-web

De Spectrometrie van de massa (MS) heeft ontpopt als een belangrijk instrument voor het onderzoek naar de structuur en de dynamiek van macromoleculaire assemblages. Hier, wij op basis van MS om te ondervragen eiwit complexvorming en ligand bindende benaderingen worden geïntegreerd.

Analyseren van platforms voor eiwit en eiwit-Ligand complexen door integratieve structurele massaspectrometrie

Structureel verwante proteïnen oefenen vaak verschillende biologische functies. De uitwisseling van gelijkwaardige gebieden van deze proteïnen te creëren chimeer eiwitten vormt een innovatieve aanpak ter identificatie van de kritische eiwit-regio's die verantwoordelijk voor hun functionele verschillen zijn.

Identificatie van functionele eiwit regio's via chimeer eiwit bouw

Het protocol dat hier wordt beschreven, biedt gedetailleerde instructies voor het analyseren van genomische gebieden die van belang zijn voor microproteïnecoderingspotentieel met behulp van PhyloCSF op de gebruiksvriendelijke UCSC Genome Browser. Daarnaast worden verschillende hulpmiddelen en middelen aanbevolen om de sequentiekenmerken van geïdentificeerde microproteïnen verder te onderzoeken om inzicht te krijgen in hun vermeende functies.

Een geïntegreerde aanpak voor microproteïne-identificatie en sequentieanalyse

We beschrijven een methodologie gebaseerd op sequentiediversificatie om de aminozuurvoorkeuren van multispecifieke bindingsplaatsen in eiwit-eiwitinteracties (PPI's) te schatten. In deze strategie worden duizenden potentiële peptideliganden gegenereerd en gescreend in silico, waardoor enkele beperkingen van beschikbare experimentele methoden worden overwonnen.

Computationele voorspelling van aminozuurvoorkeuren van potentieel multispecifieke peptide-bindende domeinen die betrokken zijn bij eiwit-eiwitinteracties

Hier beschrijven we een protocol voor de optimalisatie en parametrisering van aminozuurresiduen gemodificeerd met reactieve carbonylsoorten, aanpasbaar aan eiwitsystemen. De protocolstappen omvatten structuurontwerp en -optimalisatie, ladingstoewijzingen, parameterconstructie en voorbereiding van eiwitsystemen.

Synthese van aminozuren gemodificeerd met reactieve carbonylen in silico om structurele effecten te beoordelen met behulp van moleculaire dynamica-simulaties 

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

Leer co-evolverende residuen identificeren in eiwitalignments met StickWRLD voor rationeel eiwitontwerp. Deze methode visualiseert interpositionele afhankelijkheden in 3D om functionele relaties te onthullen.

Optimalisatie van synthetische eiwitten: Identificatie van interpositioneel afhankelijkheden Indicating structureel en / of functioneel verbonden Residuen (Video) | JoVE Journal

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

Meer video's verkennen