Name: Tworzenie i stosowanie odniesienia w celu ułatwienia dyskusji i klasyfikacji białek w zróżnicowanej grupie (Wideo) | JoVE Journal
Uploaded: 2017-08-16T14:00:00.000+00:00
Duration: 7 min 49 s
Description: Poznaj metodę klasyfikacji białek z rodziny cysteine-stabilized alpha-beta przy użyciu arkusza kalkulacyjnego. Ta technika umożliwia wizualizację relacji między białkami obronnymi i ułatwia systematyczną analizę nomenklatury.

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

Trwające badania nad peptydami przeciwbakteryjnymi niesporczaków są wspierane przez fundusze z Biura Badań i Programów Sponsorowanych Uniwersytetu Środkowo-Zachodniego (ORSP). ORSP nie odgrywał żadnej roli w projektowaniu badań, gromadzeniu danych, analizie, interpretacji ani przygotowywaniu manuskryptów.

1. Określ cechy definiujące grupę białek będących przedmiotem zainteresowania
<ol>
	<li>Zapoznaj się z poprzednimi publikacjami, aby ustalić, czy istnieje konsensus co do cech, które są niezbędne, aby zostać uznanym za część grupy. Zwróć uwagę na wszelkie niespójności lub różnice w opiniach między grupami badawczymi i uwzględnij cechy, które mogą służyć do odróżnienia jednej podgrupy od drugiej.</li>
	<li>Jeśli poprzednia literatura nie dotyczyła cech definiujących, użyj sekwencji, które są uważane za reprezentatywne dla grupy, jako punktu wyjścia do identyfikacji cech konserwatywnych.</li>
</ol>
2. Zbierz odpowiednie sekwencje
<ol>
	<li>Jeśli napisano recenzje, które zawierają analizy sekwencji reprezentujących grupę, uwzględnij te sekwencje w nieprzetworzonym zestawie danych. Pobieraj sekwencje za pomocą numerów dostępu, do których odwołuje się literatura, i zapisz je w standardowym programie do edycji sekwencji (np. EditSeq w pakiecie Lasergene lub jednym z wielu dostępnych za darmo w Internecie).</li>
	<li>Jeśli dana grupa została zdefiniowana w jednej ze strukturalnych baz danych, należy dołączyć sekwencje, które baza danych wymienia jako część grupy. Pobierz sekwencje, korzystając z numerów dostępu podanych w bazie danych i zapisz w standardowym programie do edycji sekwencji, jak wyżej. 
	UWAGA: Na przykład sekwencje skategoryzowane w nadrodzinie CS-αβ (podobnej do toksyny skorpiona) w bazie danych SCOP można znaleźć tutaj: http://scop.mrc-lmb.cam.ac.uk/scop/data/scop.b.h.c.h.html. </li>
	<li>Wykonaj wyszukiwanie w Basic Local Alignment Search Tool (BLAST)14 publicznych bazach danych online dostępnych za pośrednictwem National Center for Biotechnology Information (NCBI) w celu znalezienia sekwencji, które mogły nie zostać uwzględnione w literaturze lub strukturalnych bazach danych. Aby uzyskać najbardziej kompletne wyniki, należy użyć zarówno programu BLAST (blastp), jak i translacji blast with protein query (tblastn); Oba są dostępne pod adresem: https://blast.ncbi.nlm.nih.gov/Blast.cgi.
	<ol>
		<li>Użyj sekwencji, o których wiadomo, że są częścią grupy zainteresowania, jako sekwencji zapytań. Skopiuj i wklej sekwencję w polu wyszukiwania u góry lub podaj numer dostępu GenBank lub identyfikator gi, jeśli jest dostępny.</li>
		<li>Wybierz bazę danych z menu rozwijanego. Wybierz nieredundantne sekwencje białek (nr) dla blastp i wyrażone znaczniki sekwencji dla tblastn.</li>
		<li>Wyszukiwanie wyników w określonych taksonach w otoczeniu organizmu należy wpisać nazwę organizmu lub taksonu i wybrać z listy, która pojawia się podczas wpisywania. Aby dodać dodatkowe organizmy lub taksony do wykluczenia, kliknij przycisk "+", a pojawi się kolejne pole. Wyklucz wszelkie niechciane taksony w polu organizmu, wpisując nazwę organizmu lub taksonu, wybierając z listy, która pojawia się podczas pisania, i zaznaczając pole "Wyklucz" po prawej stronie.</li>
		<li>Uzyskaj dostęp do dodatkowych parametrów, klikając "Parametry algorytmu" u dołu strony. Pozostaw wartość domyślną, chyba że istnieje uzasadnienie zmiany parametru.</li>
		<li>Kliknij przycisk "BLAST", aby uruchomić analizę; może minąć trochę czasu, zanim pojawią się wyniki. Ogólnie rzecz biorąc, pobieraj trafienia z oczekiwaną wartością (lub wartością e) "-05" lub lepszą i zapisuj je w standardowym programie do edycji sekwencji.
		<ol>
			<li>Jeśli wszystkie trafienia przekraczają ten próg, uruchom ponownie wyszukiwanie ze zwiększoną liczbą sekwencji docelowych (w sekcji parametrów algorytmu), aby uzyskać wszystkie odpowiednie sekwencje.</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>W razie potrzeby przyciąć sekwencje, aby wykluczyć nieistotne informacje (np. fałd CS-αβ dotyczy tylko dojrzałego peptydu). Zidentyfikuj peptydy sygnałowe i pro-peptydy do usunięcia za pomocą ProP15 (dostępny online) lub SignalP dla bardziej zaawansowanego przewidywania peptydów sygnałowych16 (dostępny online).</li>
</ol>
3. Wygeneruj odniesienie w arkuszu kalkulacyjnym na podstawie ważnych cech, które zostały zidentyfikowane
<ol>
	<li>Zidentyfikuj cechy definiujące grupę interesów. Na przykład, użyj fałdu CS-αβ ostatecznie ustalonego przez strukturę roztworu defensyny A owadów z Phormia terraenovae (Rysunek 1)8.
	<ol>
		<li>To zagięcie zawiera mniejszy motyw zwany helisą stabilizowaną cysteiną (CSH)17; zidentyfikuj ten motyw za pomocą CXXXC (gdzie X jest dowolnym aminokwasem) przed CXC, które tworzą dwa wiązania dwusiarczkowe (<silna klasa="xfig">Rysunek 1, ciągłe różowe linie). 
		UWAGA: Aby uzupełnić motyw CS-αβ, trzecie wiązanie dwusiarczkowe jest tworzone z dodatkowych cystein umieszczonych przed każdą połową motywu CSH (<silna klasa = "xfig">Rysunek 1, przerywane różowe linie).</li>
	</ol>
	</li>
	<li>Wprowadź te definiujące cechy do arkusza kalkulacyjnego. Zobacz Rysunek 2.
	<ol>
		<li>Kolumny służą do reprezentowania zachowanych obiektów oraz do reprezentowania odstępów między tymi obiektami. Kolumny powinny być wystarczająco szerokie, aby zmieściły się w liczbach, i upewnij się, że mają stałą szerokość. Ustaw szerokość za pomocą opcji "Format| Szerokość kolumny" (<silna klasa="xfig">Rysunek 2, różowa strzałka).</li>
		<li>Użyj wierszy dla nazw sekwencji.</li>
		<li>Gdy sekwencja ma tę cechę, wypełnij pole za pomocą funkcji fill (Rysunek 2, różowy kwadrat). W przypadku odstępów między obiektami wprowadź liczbę aminokwasów w polu pomiędzy nimi i pozostaw je niewypełnione. Na przykład użycie sekwencji defensyny owadów daje odniesienie, które obejmuje sześć cystein, z określonymi odstępami między C2 i C3 oraz między C5 i C6.</li>
	</ol>
	</li>
	<li>Dodaj reprezentatywne sekwencje, które zostały wcześniej ustalone jako członkowie grupy na podstawie strukturalnych baz danych i literatury. 
	UWAGA: Na przykład wcześniejsza literatura i baza danych SCOP identyfikują kilka grup do włączenia: defensyny owadów, krótkołańcuchowe toksyny skorpionów, długołańcuchowe toksyny skorpionów, MGD-1, defensyny roślinne, nicienie ABF, drosomycyny z Drosophila i macyny. Literatura identyfikuje również sekwencję bakteryjną z tylko czterema cysteinami, które mogą reprezentować przodka tej nadrodziny18. Dodanie tych sekwencji zwiększa liczbę cystein w odniesieniu z sześciu do dziesięciu, ale utrzymuje wyrównanie ważnych cech strukturalnych (<silna klasa="xfig">Rysunek 3).
	<ol>
		<li>Aby dodać cechę, która prawdopodobnie zdefiniuje podgrupę sekwencji (na przykład dodatkową cysteinę), użyj funkcji "Wstaw" (<silna klasa = "xfig" >Rysunek 3, różowa strzałka).</li>
		<li>Jeśli w danej sekwencji brakuje cech, pozostaw pole niewypełnione i połącz je z polami reprezentującymi aminokwasy pośrednie. W razie potrzeby scal komórki za pomocą funkcji scalania i centrowania (Rysunek 3, różowe pole).</li>
	</ol>
	</li>
	<li>Kontynuuj dodawanie sekwencji do grup, aby uzyskać lepszy obraz zmienności w każdej grupie większej nadrodziny. Podsumuj charakterystykę grupy, aby ułatwić porównania (<silna klasa="xfig">Rysunek 4).
	<ol>
		<li>Gdy liczba aminokwasów między głównymi cechami jest różna, użyj łącznika, aby wskazać zakres, na przykład 6 - 12 (6 do 12 aminokwasów) i ukośnika, aby wskazać albo/lub, na przykład 7/10 (7 lub 10 aminokwasów).</li>
		<li>Wybierz sposób opisywania cech sekwencji, które mogą być istotne, ale nie występują na tyle często, aby można je było uwzględnić w odwołaniu. Na przykład, ponieważ cysteiny są ważne w tej nadrodzinie, oznacz dodatkowe cysteiny (<silna klasa="xfig">Rysunek 4, różowe pola).</li>
	</ol>
	</li>
	<li>Dodaj nowo zidentyfikowane sekwencje do arkusza kalkulacyjnego, korzystając z ustalonych sekwencji jako przewodnika. Na przykład, dodanie sekwencji niesporczaków (żółty) pokazuje, że sekwencje niesporczaków należą do kilku różnych grup nadrodziny (<silna klasa="xfig">Rysunek 5 pokazuje podsumowania zamiast wiersza na sekwencję dla celów kosmicznych).</li>
	<li>Pokazanie zmienności w obrębie grupy taksonomicznej poprzez przegrupowanie wierszy (<silna klasa="xfig">Rysunek 6).</li>
</ol>
4. Użyj referencji, aby uściślić wyrównanie aminokwasów
UWAGA: Istnieje wiele programów, które mogą być używane do wielokrotnego dopasowania sekwencji, ale ta demonstracja użyje Molekularnej Analizy Genetyki Ewolucyjnej (MEGA6)19, ponieważ jest ona dostępna do pobrania za darmo.
<ol>
	<li>Pobierz i zainstaluj oprogramowanie.</li>
	<li>Rozpocznij nowe wyrównanie w MEGA, wybierając "Edytuj/Zbuduj wyrównanie" na karcie Wyrównaj. Wybierz "Utwórz nowe wyrównanie" w wyświetlonym polu i kliknij "OK". Następnie wybierz "Białko".</li>
	<li>Wybierz "Wstaw sekwencję z pliku" w menu "Edycja", aby zaimportować sekwencje. 
	UWAGA: Sekwencje będą musiały być w formacie FASTA, aby można je było zaimportować do MEGA. Kolory tła, które odzwierciedlają różne typy aminokwasów, są używane domyślnie, ale tę opcję można wyłączyć w menu "Wyświetlacz".</li>
	<li>Po wprowadzeniu wszystkich sekwencji kliknij ikonę zginanego ramienia, a następnie "Wyrównaj białko", aby wyrównać sekwencje za pomocą algorytmu MUSCLE 20. 
	UWAGA: ClustalW jest również dostępny.
	<ol>
		<li>Jeśli pojawi się komunikat informujący, że nic nie zostało zaznaczone i prosi o zaznaczenie wszystkiego, kliknij "OK".</li>
		<li>UWAGA: Otwiera się okno, w którym można zmienić niektóre parametry, ale należy je zmieniać tylko wtedy, gdy jest ku temu powód. W tej analizie użyto podzbioru sekwencji analizowanych w poprzednim artykule12.</li>
	</ol>
	</li>
	<li>Sprawdź wyrównanie w oparciu o ważne cechy; zwróć uwagę, że górny pasek nad sekwencjami pokaże wszystkie kolumny, w których aminokwas jest całkowicie konserwatywny (*). Zobacz Rysunek 7. Zobacz, że początkowe wyrównanie pokazuje tylko trzy z czterech konserwatywnych cystein (<silna klasa = "xfig" >Rysunek 7, różowe pola); patrząc w dół kolumny, sekwencja AlCRP jest wyraźnie niewyrównana (<silna klasa="xfig">Rysunek 7, różowa strzałka).</li>
	<li>Aby pozbyć się dużej przerwy między I a zachowanym C, zaznacz kreski i naciśnij "usuń". Nie zaznaczaj żadnych aminokwasów, ponieważ one również zostaną usunięte.</li>
	<li>Aby przesunąć aminokwasy w prawo, podświetl i naciśnij spację.
	<ol>
		<li>Zauważ, że AlCRP ma teraz wyrównane cysteiny strukturalne i że ostatnie C motywu CXXXC jest zachowane w całym wyrównaniu (<silna klasa = "xfig">Rysunek 8). W razie potrzeby dostosuj wyrównanie, aby nadać priorytet najważniejszym cechom sekwencji.</li>
	</ol>
	</li>
</ol>
5. Porównaj grupy zidentyfikowane za pomocą referencji z wynikami analiz filogenetycznych
<ol>
	<li>Na podstawie wstępnych dopasowań określ, które sekwencje powinny zostać uwzględnione w analizie filogenetycznej; w przypadku niewielkiej liczby sekwencji ten krok może być zbędny.
	<ol>
		<li>Zachowaj plik wyrównania, który zawiera wszystkie sekwencje, ale w przypadku analizy filogenetycznej usuń zbędne sekwencje (<silna klasa="xfig">Rysunek 9, różowe pola pokazują pary nadmiarowych sekwencji).</li>
		<li>Jeśli zbiór danych zawiera dużą liczbę sekwencji, należy przeprowadzić wstępną analizę i wybrać przedstawicieli z grup, które zawsze tworzą klad.</li>
	</ol>
	</li>
	<li>Określ najlepszy model podstawiania aminokwasów.
	<ol>
		<li>Eksportuj wyrównanie w formacie MEGA (w zakładce danych).</li>
		<li>Przejdź do menu Modele i wybierz "Znajdź najlepszy model DNA/białka". Wybierz właśnie zapisany plik i otwórz go; otworzy się okno z pewnymi parametrami, które można zmienić.</li>
		<li>Użyj parametrów domyślnych, chyba że istnieje powód do ich zmiany. Kliknij "Oblicz", aby rozpocząć analizę.</li>
	</ol>
	</li>
	<li>Przeprowadź analizę maksymalnego prawdopodobieństwa (ML) w MEGA.
	<ol>
		<li>Wybierz "Zbuduj/Przetestuj Drzewo Maksymalnego Prawdopodobieństwa" z menu Filogeneza.</li>
		<li>Wybierz model uznany za najlepiej pasujący do danych z kroku 5.2 (dane wyjściowe będą zawierać model podstawiania, a także najlepszy parametr "stawki wśród witryn").</li>
		<li>Wybierz 1 000 replik bootstrap, aby uzyskać miary wsparcia dla drzewa.</li>
		<li>Kliknij "Oblicz", aby uruchomić analizę; MEGA posiada "Eksploratora drzewa" do wizualizacji drzewa.</li>
	</ol>
	</li>
	<li>Uruchom analizę bayesowską w oprogramowaniu open source MrBayes21. 
	UWAGA: Podręcznik MrBayes jest również dostępny na tej stronie. Ma to na celu przedstawienie podstawowych kroków i nie jest wyczerpującym przewodnikiem po przeprowadzaniu bayesowskiej analizy filogenetycznej.
	<ol>
		<li>Wyeksportuj wyrównanie MEGA w formacie PAUP (Nexus) do tego samego folderu, co program MrBayes.</li>
		<li>Otwórz MrBayes i wpisz "exe Filename" (np. "exe Alignment.nex").</li>
		<li>Określ parametry modelu i analizy. Wybierz model określony w kroku 5.2 lub wybierz ustawienie "mieszane", które wypróbuje różne modele i podaje częstotliwość modelu na drzewach z najlepszymi prawdopodobieństwami a posteriori (prset aamodelpr=mixed). Wpisz "showmodel", aby zgłosić bieżące ustawienia modelu i "help mcmc", aby wyświetlić bieżące ustawienia parametrów wraz z krótkim wyjaśnieniem każdego z nich.</li>
		<li>Ustaw liczbę generacji za pomocą polecenia "mcmcp ngen=" (typowo 1 milion).</li>
		<li>Wpisz "mcmc", aby rozpocząć analizę.</li>
		<li>Gdy liczba pokoleń zostanie ukończona, program poprosi o dodanie kolejnych pokoleń. Jeśli średnie odchylenie standardowe częstotliwości podziału jest mniejsze niż 0,1, wpisz nr. Jeśli jest powyżej 0,1, należy pozwolić na kontynuowanie analizy lub zmienić niektóre parametry (patrz instrukcja).</li>
		<li>Użyj polecenia "sumt", aby wygenerować pliki drzewa.</li>
		<li>Po zakończeniu analizy i wygenerowaniu drzewa konsensusu, drzewo można wyświetlić w FigTree (dostępnym online).</li>
	</ol>
	</li>
	<li>Porównaj drzewa, aby sprawdzić, czy metody generują spójne wyniki. 
	UWAGA: Niektóre sekwencje nie dostarczają zbyt wielu informacji: drzewa mogą nie być dobrze rozwinięte, a gałęzie mogą mieć minimalne wsparcie (Rysunek 10).</li>
	<li>Porównaj drzewa z grupami zidentyfikowanymi za pomocą odniesienia, aby sprawdzić, czy analizy filogenetyczne potwierdzają te grupy.</li>
</ol>

<ol><li>Matsuyama, K., Natori, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Purification+of+Three+Antibacterial+Proteins+from+the+Culture+Medium+of+NIH-Sape-4%2C+an+Embryonic+Cell+Line+of+Sarcophaga+peregrina%5BTitle%5D)+AND+%22J+Biol+Chem%22%5BJournal%5D)">Purification of Three Antibacterial Proteins from the Culture Medium of NIH-Sape-4, an Embryonic Cell Line of Sarcophaga peregrina.</a> J Biol Chem. 263 (32), 17112-17116 (1988).</li>
<li>Lambert, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Insect+immunity%3A+Isolation+from+immune+blood+of+the+dipteran+Phormia+terranovae.+of+two+insect+antibacterial+peptides+with+sequence+homology+to+rabbit+lung+macrophage+bactericidal+peptides%5BTitle%5D)+AND+%22PNAS%22%5BJournal%5D)">Insect immunity: Isolation from immune blood of the dipteran Phormia terranovae. of two insect antibacterial peptides with sequence homology to rabbit lung macrophage bactericidal peptides.</a> PNAS. 86 (262-266), (1989).</li>
<li>Dimarcq, J. -L., Bulet, P., Hetru, C., Hoffmann, J. <a target="_blank" href="https://www.researchgate.net/publication/227888164_Cysteine-rich_antimicrobial_peptides_in_invertebrates">Cysteine-rich antimicrobial peptides in invertebrates.</a> Biopolymers. 47, 465-477 (1998).</li>
<li>Shafee, T. M. A., Lay, F. T., Hulett, M. D., Anderson, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Defensins+Consist+of+Two+Independent%2C+Convergent+Protein+Superfamilies%5BTitle%5D)+AND+%22Mol+Biol+Evol%22%5BJournal%5D)">The Defensins Consist of Two Independent, Convergent Protein Superfamilies.</a> Mol Biol Evol. 33 (9), 2345-2356 (2016).</li>
<li>Zhu, S., Gao, B. <a target="_blank" href="https://www.nature.com/articles/ncomms4154">Nematode-derived drosomycin-type antifungal peptdies provide evidence for plant-to-ecdysozoan horizontal transfer of a disease resistance gene.</a> Nat Commun. 5, (2014).</li>
<li>Zhu, S., Gao, B. <a target="_blank" href="https://www.researchgate.net/publication/221865991_Evolutionary_origin_of_b-defensins">Evolutionary origin of b-defensins.</a> Dev. Comp. Immunol. 39, 79-84 (2013).</li>
<li>Bonmatin, J. -M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Two-dimensional+1H+NMR+study+of+recombinant+insect+defensin+A+in+water%3A+Resonance+assignments%2C+secondary+structure+and+global+folding%5BTitle%5D)+AND+%22J+Biomol+NMR%22%5BJournal%5D)">Two-dimensional 1H NMR study of recombinant insect defensin A in water: Resonance assignments, secondary structure and global folding.</a> J Biomol NMR. 2 (3), 235-256 (1992).</li>
<li>Cornet, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Refined+three-dimensional+solution+structure+of+insect+defensin+A%5BTitle%5D)+AND+%22Structure%22%5BJournal%5D)">Refined three-dimensional solution structure of insect defensin A.</a> Structure. 3 (5), 435-448 (1995).</li>
<li>Murzin, A. G., Brenner, S. E., Hubbard, T., Chothia, C. <a target="_blank" href="http://www.sciencedirect.com/science/article/pii/S0022283605801342">SCOP: a structural classification of proteins database for the investigations of sequences and structures.</a> J Mol Biol. 247, 536-540 (1995).</li>
<li>Sillitoe, I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CATH%3A+comprehensive+structural+and+functional+annotations+for+genome+sequences%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">CATH: comprehensive structural and functional annotations for genome sequences.</a> Nucleic Acids Res. 43, (Database issue) 376-381 (2015).</li>
<li>Lam, S. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gene3D%3A+expanding+the+utility+of+domain+assignments%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">Gene3D: expanding the utility of domain assignments.</a> Nucleic Acids Res. 44, (Database issue) 404-409 (2016).</li>
<li>Tarr, D. E. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Establishing+a+reference+array+for+the+CS-ab+superfamily+of+defensive+peptides%5BTitle%5D)+AND+%22BMC+Res+Notes%22%5BJournal%5D)">Establishing a reference array for the CS-ab superfamily of defensive peptides.</a> BMC Res Notes. 9, 490(2016).</li>
<li>Shafee, T. M. A., Robinson, A. J., van der Weerden, N., Anderson, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Structural+homology+guided+alignment+of+cysteine+rich+proteins%5BTitle%5D)+AND+%22SpringerPlus%22%5BJournal%5D)">Structural homology guided alignment of cysteine rich proteins.</a> SpringerPlus. 5 (27), (2016).</li>
<li>Altschul, S. F., Gish, W., Miller, W., Myers, E. W., Lipman, D. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Basic+Local+Alignment+Search+Tool%5BTitle%5D)+AND+%22J+Mol+Biol%22%5BJournal%5D)">Basic Local Alignment Search Tool.</a> J Mol Biol. 215 (3), 403-410 (1990).</li>
<li>Duckert, P., Brunak, S., Blom, N. <a target="_blank" href="https://academic.oup.com/peds/article/17/1/107/1571475/Prediction-of-proprotein-convertase-cleavage-sites">Prediction of proprotein convertase cleavage sites.</a> Protein Eng Des Sel. 17 (1), 107-112 (2004).</li>
<li>Petersen, T. N., Brunak, S., von Heijne, G., Nielsen, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SignalP+4.0%3Adiscriminating+signal+peptides+from+transmembrane+regions%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">SignalP 4.0:discriminating signal peptides from transmembrane regions.</a> Nat Methods. 8, 785-786 (2011).</li>
<li>Kobayashi, Y., et al. <a target="_blank" href="http://onlinelibrary.wiley.com/doi/10.1002/bip.360311009/references">The cysteine-stabilized a-helix: A common structural motif of ion-channel blocking neurotoxic peptides.</a> Biopolymers. 31, 1213-1220 (1991).</li>
<li>Gao, B., del Carmen Rodriguez, M., Lanz-Mendoza, H., Zhu, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((AdDLP%2C+a+bacterial+defensin-like+peptide%2C+exhibits+anti-Plasmodium.+activity%5BTitle%5D)+AND+%22Biochem+Biophys+Res+Commun%22%5BJournal%5D)">AdDLP, a bacterial defensin-like peptide, exhibits anti-Plasmodium. activity.</a> Biochem Biophys Res Commun. 387, 393-398 (2009).</li>
<li>Tamura, K., Stecher, G., Peterson, D., Filipski, A., Kumar, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MEGA6%3A+Molecular+Evolutionary+Genetics+Analysis%5BTitle%5D)+AND+%22Mol+Biol+Evol%22%5BJournal%5D)">MEGA6: Molecular Evolutionary Genetics Analysis.</a> Mol Biol Evol. 30 (12), 2725-2729 (2013).</li>
<li>Edgar, R. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MUSCLE%3A+multiple+sequence+alignment+with+high+accuracy+and+high+throughput%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">MUSCLE: multiple sequence alignment with high accuracy and high throughput.</a> Nucleic Acids Res. 32 (5), 1792-1797 (2004).</li>
<li>Ronquist, F., Huelsenbeck, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MrBayes+3%3A+Bayesian+phylogenetic+inference+under+mixed+models%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">MrBayes 3: Bayesian phylogenetic inference under mixed models.</a> Bioinformatics. 19 (12), 1572-1574 (2003).</li>
<li>Altschul, S. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gapped+BLAST+and+PSI-BLAST%3A+a+new+generation+of+protein+database+search+programs%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">Gapped BLAST and PSI-BLAST: a new generation of protein database search programs.</a> Nucleic Acids Res. 25 (17), 3389-3402 (1997).</li>
<li>Zhang, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Protein+sequence+similarity+searches+using+patterns+as+seeds%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">Protein sequence similarity searches using patterns as seeds.</a> Nucleic Acids Res. 26 (17), 3986-3990 (1998).</li>
</ol>

Autor nie ma nic do zdradzienia.

Kryteria nazewnictwa białka w grupie powinny być jasne, ale nie zawsze tak jest. Sekwencje, które mają fałd CS-αβ, były badane w wielu laboratoriach przy użyciu różnych organizmów, co zaowocowało różnymi systemami nomenklatury, a także różnymi poziomami charakterystyki. Próba narzucenia zupełnie nowej nomenklatury nie jest rozsądna i spowodowałaby duże zamieszanie przy przeglądaniu dotychczasowej literatury. Oprócz nazwy białka można zastosować system numeracji referencyjnej w celu wyjaśnienia jego cech charakterystyczny...

Nazwa białka powinna odzwierciedlać jego cechy i związek z innymi białkami. Niestety, imiona są zazwyczaj nadawane w momencie odkrycia, a wraz z postępem badań rozumienie szerszego kontekstu może się zmieniać. Może to prowadzić do wielu nazw, jeśli białko zostało niezależnie zidentyfikowane przez więcej niż jedno laboratorium, do zmian w nomenklaturze lub cechach uznawanych za ostateczne przy przypisywaniu nazwy oraz do tego, że nazwa nie odróżnia już wystarczająco białka od innych.
Defensyny bezkręgowców stanowią dobry przykład degeneracji w nomenklaturze i klasyfikacji. Pierwsze defensyny bezkręgowców zostały zgłoszone przez owady, a nazwa "defensyna owadów" została zaproponowana w oparciu o postrzeganą homologię do defensyn ssaków1,2. Termin defensyna jest nadal używany, mimo że obecnie jest jasne, że defensyny bezkręgowców i ssaków nie mają wspólnego przodka3,4. W zależności od gatunku, bezkręgowiec "defensyna" może mieć sześć lub osiem cystein (które tworzą trzy lub cztery wiązania dwusiarczkowe) i różne działania przeciwdrobnoustrojowe. Sytuację komplikuje fakt, że białka o tych samych cechach co defensyny nie zawsze są nazywane "defensynami", jak na przykład niedawno zidentyfikowane kremycyny z Caenorhabditis remanei5. Ponadto duże defensyny bezkręgowców są bardziej skłonne do ewolucyjnego pokrewieństwa z β-defensynami kręgowców niż z innymi defensynami bezkręgowców6. Mimo to badacze czasami opierają się na nazwie "defensyna" przy określaniu, które sekwencje powinny zostać uwzględnione w analizach.
Badania strukturalne wykazały podobieństwo między defensynami owadów a toksynami skorpionów7, a fałda CS-αβ została następnie uznana za definiującą cechę strukturalną defensyn owadów8. To zagięcie definiuje nadrodzinę podobną do toksyny skorpiona (CS-αβ) w bazie danych Strukturalnej Klasyfikacji Białek (SCOP)9, która obecnie obejmuje pięć rodzin: defensyny owadów, krótkołańcuchowe toksyny skorpionów, długołańcuchowe toksyny skorpionów, MGD-1 (z) i defensyny roślinne. Ta nadrodzina jest synonimem niedawno opisanej klasy cis-defensins4 i nadrodziny 3.30.30.10 w bazie danych CATH/Gene 3D10,11. Badania nad różnymi taksonami bezkręgowców, roślinami i grzybami pokazują, że nazwy białek zawierających ten fałd nie są wyraźnie związane z liczbą cysteiny lub wzorcem wiązań, aktywnością przeciwdrobnoustrojową lub historią ewolucyjną12.
Brak spójności i jasnych kryteriów utrudnia nazwanie i sklasyfikowanie nowo zidentyfikowanych sekwencji w tej nadrodzinie. Główną przeszkodą w porównywaniu białek w tej nadrodzinie jest to, że cysteiny są ponumerowane w odniesieniu do każdej pojedynczej sekwencji (pierwsza cysteina w każdej sekwencji to C1), bez możliwości wyjaśnienia roli strukturalnej. Oznacza to, że można porównywać tylko sekwencje o tej samej liczbie cystein. Zachowanie sekwencji jest niewielkie, poza cysteinami tworzącymi fałd CS-αβ, co utrudnia wyrównanie i analizy filogenetyczne. Opracowując system numeracji, który nadaje priorytet cechom konstrukcyjnym, sekwencje nadrodzin mogą być łatwiej porównywane i dopasowywane. Cechy zachowane, a także te definiujące podgrupy, mogą być szybko wizualizowane, a nowe sekwencje mogą być łatwiej umieszczane w odpowiednim kontekście.
Ten artykuł wykorzystuje arkusz kalkulacyjny (np. Excel) do wygenerowania systemu numeracji referencyjnej dla nadrodziny CS-αβ. Pokazuje, w jaki sposób wyjaśnia to porównania między sekwencjami i stosuje je do nowych sekwencji CS-αβ zidentyfikowanych z niesporczaków. Na przykładzie nadrodziny CS-αβ protokół został napisany w celu zapewnienia wskazówek podczas korzystania z sekwencji będących przedmiotem zainteresowania; Nie jest jednak przeznaczony do bycia specyficznym dla tej nadrodziny lub sekwencji bogatych w cysteinę. Metoda ta będzie prawdopodobnie najbardziej przydatna dla grup białek, które były badane niezależnie w rozbieżnych taksonach i/lub mają niewielką ogólną homologię sekwencji, z dyskretnymi cechami, które mogą nie być łatwo rozpoznane przez oprogramowanie do analizy molekularnej. Ta metoda wymaga pewnych decyzji a priori dotyczących ważnych cech, więc będzie miała ograniczoną użyteczność, jeśli nie zostaną zidentyfikowane żadne ważne cechy. Podstawowym celem jest pokazanie, w jaki sposób można osiągnąć prostą wizualizację relacji sekwencyjnych. Można to następnie wykorzystać do informowania o wyrównaniu i analizie sekwencji, ale jeśli wyrównanie i analiza są głównymi celami, metoda kodów kreskowych byłaby odpowiednią alternatywą, która ma większe możliwości automatyzacji13. Obecna metoda wyświetla cechy każdego peptydu w formie liniowej, więc nie będzie pomocna w bezpośredniej wizualizacji struktury 3D.

<table><tbody><tr>Strona <td></td><td></td><td>internetowa BLAST</td><td>https://blast.ncbi.nlm.nih.gov/Blast.cgi</td></tr><tr><td>EditSeq (pakiet Lasergene)</td><td>DNASTAR</td><td></td><td>https://www.dnastar.com/t-allproducts.aspx</td></tr><tr><td>Excel 2013</td><td>Microsoft</td><td></td><td></td></tr><tr><td>FigTree</td><td></td><td></td><td>&nbsp; http://tree.bio.ed.ac.uk/software/figtree/</td></tr> <tr><td>MEGA</td><td></td><td></td><td>www.megasoftware.net</td></tr><tr><td>bazy danych</td><td></td> MrBayes <td></td><td></td> http://mrbayes.sourceforge.net/</tr> <tr><td>SCOP</td><td>http://scop.mrc-lmb.cam.ac.uk/scop/</td><td></td><td></td></tr></tbody></table>

tworzenie i stosowanie odniesienia w celu ułatwienia dyskusji i klasyfikacji białek w zróżnicowanej grupie

Creating and Applying a Reference to Facilitate the Discussion and Classification of Proteins in a Diverse Group

Powiązane białka, które były badane w różnych laboratoriach przy użyciu różnych organizmów, mogą nie mieć jednolitego systemu nazewnictwa i klasyfikacji, co utrudnia dyskusję na temat grupy jako całości i umieszczanie nowych sekwencji w odpowiednim kontekście. Opracowanie odniesienia, które nadaje priorytet ważnym cechom sekwencji związanym ze strukturą i/lub aktywnością, może być wykorzystane jako dodatek do ustalonych nazw, aby dodać pewną spójność do zróżnicowanej grupy białek. W tym artykule wykorzystano nadrodzinę alfa-helisy stabilizowanej cysteiną (CS-αβ) jako przykład, aby pokazać, w jaki sposób odniesienie wygenerowane w oprogramowaniu arkusza kalkulacyjnego może wyjaśnić relacje między istniejącymi białkami w nadrodzinie, a także ułatwić dodawanie nowych sekwencji. Pokazuje również, w jaki sposób odniesienie może pomóc w udoskonaleniu dopasowań sekwencji generowanych w powszechnie używanym oprogramowaniu, co wpływa na ważność analiz filogenetycznych. Użycie odniesienia będzie prawdopodobnie najbardziej pomocne w przypadku grup białek, które obejmują wysoce rozbieżne sekwencje z szerokiego spektrum taksonów, z cechami, które nie są odpowiednio uchwycone przez analizy molekularne.

Grupy sekwencji w CS-&#945;&#946; superrodzina opisana w literaturze została przedstawiona w Rysunek 4Połączenia cysteinowe w oparciu o numerację dla każdej sekwencji sugerują pięć podstawowych grup (Tabela 1, środkowa kolumna). Grupa 1 posiada sześć cystein, które tworzą trzy mostki dwusiarczkowe i obejmuje sekwencje z owadów, pajęczaków, mięczaków, nicieni oraz grzybów. Grupy 2, 3 i 4 posiadają 8 cystein, które tworzą cztery mostki dwusiarc...

Celem tego protokołu jest opracowanie odniesienia dla rozbieżnych białek w grupie, która nie ma spójnych kryteriów nomenklatury i klasyfikacji. Odniesienie to ułatwi analizy i dyskusję na temat grupy jako całości i może być używane jako uzupełnienie ustalonych nazw.

Tworzenie i stosowanie odniesienia w celu ułatwienia dyskusji i klasyfikacji białek w zróżnicowanej grupie

Related proteins that have been studied in different labs using varying organisms may lack a uniform system of nomenclature and classification, making it ...

Ogólnym celem niniejszej procedury jest wykorzystanie standardowego oprogramowania arkuszy kalkulacyjnych do opracowania punktu odniesienia dla białek rozbieżnych w grupie, której brakuje spójnych kryteriów nomenklatury i klasyfikacji. Metoda ta może pomóc w wyjaśnieniu relacji między spokrewnionymi białkami o mylącej lub niespójnej nomenklaturze, takimi jak superrodzina peptydów obronnych z motywem alfa-beta stabilizowanym cysteiną, obejmująca mechanizmy obronne bezkręgowców. Główną zaletą tej techniki jest zapewnienie prostej wizualnej reprezentacji analizowanych białek.W pierwszej kolejności należy zidentyfikować cechy charakterystyczne dla analizowanej grupy białek. Na przykład motyw CS alpha-beta w strukturze roztworowej białka obronnego i pomocniczego owada Phormia terraenovae definiuje superrodzinę CS alpha-beta. Motyw ten obejmuje również mniejszy element strukturalny zwany helisą stabilizowaną cysteiną, który jest rozpoznawany po sekwencji CXXXC położonej powyżej sekwencji CXC.Cztery cysteiny tworzą dwie mostki dwusiarczkowe. Aby dopełnić motyw alfa-beta CS, trzeci mostek dwusiarczkowy jest tworzony przez dodatkową parę cystein. Ostatecznie kluczowe jest poznanie przynajmniej niektórych istotnych cech związanych ze strukturą lub funkcją białka.Bez tego nie ma podstaw do wygenerowania referencji. Teraz wprowadź te cechy charakterystyczne do arkusza kalkulacyjnego. Wykorzystaj kolumny dla cech konserwatywnych oraz do reprezentowania przestrzeni między tymi cechami.Zachowaj wystarczającą szerokość kolumn, aby pomieściły liczby, i przypisz im jednolity rozmiar. W wierszach opisz sekwencje. Aby oznaczyć sekwencję jako cechę, wypełnij pole cechy kolorem, korzystając z funkcji wypełniania.Następnie, aby wskazać odstęp między cechami, wprowadź liczbę aminokwasów w polu pomiędzy. Teraz dodaj sekwencje reprezentatywne, które zostały wcześniej określone jako członkowie grupy na podstawie baz danych strukturalnych i opublikowanych wyników. W razie potrzeby dodaj cechy, które mogą definiować podgrupę sekwencji, takie jak dodatkowa cysteina.Jeśli w danej sekwencji brakuje cech, pozostaw pole puste i połącz je z polami reprezentującymi pomiędzystąpujące aminokwasy. W tym celu użyj funkcji „Scal i wyśrodkuj”. Po wprowadzeniu sekwencji reprezentatywnych zidentyfikuj grupy wyraźnie powiązanych ze sobą sekwencji.Następnie podsumuj charakterystykę tych grup. W przypadku zróżnicowanej liczby aminokwasów pomiędzy cechami, użyj łącznika do wskazania zakresu lub ukośników do wskazania kilku konkretnych wartości. W razie potrzeby w sposób przejrzysty opisz cechy, które mogą być istotne lub nie są wystarczająco powszechne, aby uwzględnić je w odniesieniu.Na przykład, ponieważ cysteiny są istotne w tej superrodzinie, można oznaczyć obecność dodatkowych cystein. Czasami, podczas dodawania nowo zidentyfikowanych sekwencji do arkusza kalkulacyjnego, sekwencje jednego gatunku mogą trafić do kilku różnych grup superrodziny, jak ma to miejsce w przypadku niesiorpów. Po zakończeniu procesu wiersze arkusza można posortować, aby wyróżnić zmienność w obrębie gatunku lub zmienność pomiędzy grupami taksonomicznymi.W tej demonstracji wykorzystano bezpłatnie dostępne oprogramowanie MEGA 6. Można jednak w podobny sposób korzystać z innego oprogramowania. Aby rozpocząć nowe dopasowanie, należy wybrać opcję Edit/Build Alignment w zakładce Align.Następnie w wyświetlonym oknie wybierz Create a new alignment i kliknij OK. Następnie wybierz Protein. Teraz w menu Edit wybierz Insert Sequence from File, aby zaimportować sekwencje. Sekwencje muszą być w formacie FASTA.Kolory tła odzwierciedlające różne typy aminokwasów są wyświetlane domyślnie i można je wyłączyć za pomocą przełącznika w menu Wyświetlanie. Po wprowadzeniu wszystkich sekwencji należy kliknąć ikonę zginającego się ramienia, a następnie Align Protein, aby dopasować sekwencje przy użyciu algorytmu muscle. Jeśli pojawi się komunikat: Nothing selected for alignment.Pojawi się komunikat „Select all?”, wybierz OK. Niektóre parametry można zmienić w oknie pop-up, ale na potrzeby tej demonstracji wystarczą wartości domyślne. Teraz sprawdź dopasowanie w oparciu o istotne cechy superrodziny białek.Górny pasek zawiera gwiazdkę w każdej pozycji, w której aminokwas jest całkowicie konserwowany. Początkowe dopasowanie identyfikuje trzy z czterech konserwowanych cystein. Jedna sekwencja jest wyraźnie błędnie dopasowana.Aby poprawić błędnie dopasowaną sekwencję, zaznacz kreski i naciśnij klawisz Delete, uważając, aby przypadkowo nie usunąć aminokwasów. Następnie przesuń aminokwasy do właściwego dopasowania, dodając spacje. Po ręcznym dopasowaniu sekwencji zwróć uwagę, że ostatnia cysteina motywu CXXXC jest zachowana w całym dopasowaniu.Często konieczna jest ręczna korekta, aby nadać priorytet najważniejszym cechom sekwencji. Dopasowanie w arkuszu kalkulacyjnym wcześniej ustalonej superrodziny CS alfa-beta ujawniło pięć podstawowych wzorców tworzenia wiązań. Nowo zidentyfikowane sekwencje niesiorstek wpisały się w pełne spektrum tych wzorców.Następnie przeprowadzono analizy filogenetyczne, aby zbadać, w jaki sposób mogła ewoluować ta grupa białek. Sekwencje są jednak zazwyczaj krótkie i wykazują dużą rozbieżność. W konsekwencji uzyskane drzewa były słabo rozdzielone i nie dostarczyły wielu istotnych informacji.Wielokrotne dopasowanie sekwencji zostało zoptymalizowane z wykorzystaniem sekwencji referencyjnej, jednak w analizie maksymalnej wiarygodności oraz w bayesowskiej analizie filogenetycznej nadal występowała słaba rozdzielczość. Większość kladów wykazywała jedynie niski poziom wsparcia. Niemniej jednak pięć małych grup otrzymało wsparcie w co najmniej jednym z dwóch drzew.Sekwencje o różnej liczbie cystein w obrębie jednej grupy taksonomicznej mogą być bardziej spokrewnione niż sekwencje o takim samym wzorcu z różnych grup. Po obejrzeniu tego filmu powinni Państwo dobrze rozumieć, jak wykorzystać oprogramowanie arkusza kalkulacyjnego do stworzenia prostej wizualizacji istotnych cech białek. Podczas wykonywania tej procedury należy pamiętać, że określanie najbardziej relewantnych cech dla danej grupy białek jest często procesem iteracyjnym i prawdopodobnie konieczna będzie rewizja materiałów referencyjnych.Do arkusza kalkulacyjnego można w każdej chwili dodawać nowe sekwencje; łatwo jest również tworzyć wiele wersji arkusza, co pozwala na wprowadzanie nowych cech, które mogą być przydatne w klasyfikacji i analizie. Choć dopasowanie w arkuszu kalkulacyjnym umożliwia łatwą wizualizację cech strukturalnych i funkcjonalnych, można zastosować inne metody, takie jak analiza filogenetyczna, aby uzyskać dodatkowe informacje na temat relacji ewolucyjnych.

creating-applying-reference-to-facilitate-discussion-classification

Research

JoVE Journal

Behavior

Zachowanie

Opisano wytyczne dotyczące komputerowej charakterystyki strukturalnej i funkcjonalnej białka z wykorzystaniem potoku I-TASSER. Wychodząc od sekwencji białka zapytania, generowane są modele 3D przy użyciu wielokrotnych dopasowań wątkowych oraz iteracyjnych symulacji montażu strukturalnego. Następnie wyciągane są wnioski funkcjonalne na podstawie dopasowań do białek o znanej strukturze i funkcjach.

Protokół komputerowego przewidywania struktury i funkcji białek

Przedstawiono protokół do badania online relacji sekwencja-struktura-dynamika białek za pomocą Bio3D-web.

Badanie zależności między sekwencją, strukturą i dynamiką białek za pomocą Bio3D-web

Tutaj prezentujemy protokół przechwytywania interaktomii zastosowany do protoplastów mezofilu z liści Arabidopsis thaliana. Metoda ta opiera się w dużej mierze na sieciowaniu UV in vivo i pozwala na izolację i identyfikację białek wiążących mRNA roślin ze środowiska fizjologicznego.

Wychwytywanie interaktomu mRNA z protoplastów roślinnych

Strukturalnie powiązane białka często pełnią odrębne funkcje biologiczne. Wymiana równoważnych regionów tych białek w celu wytworzenia białek chimerycznych stanowi innowacyjne podejście do identyfikacji krytycznych regionów białkowych, które są odpowiedzialne za ich funkcjonalną dywergencję.

Identyfikacja funkcjonalnych regionów białkowych poprzez budowę białek chimerycznych

OpenProt to swobodnie dostępna baza danych, która wymusza policistroniczny model genomów eukariotycznych. W tym miejscu przedstawiamy protokół korzystania z baz danych OpenProt podczas przeszukiwania zestawów danych spektrometrii mas. Wykorzystanie bazy danych OpenProt do analizy eksperymentów proteomicznych pozwala na odkrycie nowych i wcześniej niewykrywalnych białek.

Analizy proteomiczne oparte na spektrometrii mas z wykorzystaniem bazy danych OpenProt w celu odkrycia nowych białek przetłumaczonych z niekanonicznych otwartych ramek odczytu

Prezentujemy narzędzie do biologii systemów JUMPn do przeprowadzania i wizualizacji analizy sieci dla ilościowych danych proteomicznych, ze szczegółowym protokołem obejmującym wstępne przetwarzanie danych, grupowanie koekspresji, wzbogacanie szlaków i analizę sieci interakcji białko-białko.

JUMPn: Usprawniona aplikacja do grupowania koekspresji białek i analizy sieci w proteomice

Ten protokół opisuje, jak przeprowadzić znakowanie białek specyficznych dla typu komórki za pomocą azydonorleucyny (ANL) przy użyciu linii myszy wyrażającej zmutowaną syntetazę tRNA L274G-metioniny (MetRS*) oraz niezbędne kroki do izolacji białek specyficznych dla znakowanego typu komórki. Przedstawiamy dwie możliwe drogi podawania ANL żywym myszom poprzez (1) picie wody i (2) wstrzyknięcia dootrzewnowe.

Oczyszczanie i identyfikacja białek specyficznych dla typu komórki ze złożonych tkanek przy użyciu zmutowanej linii myszy syntetazy tRNA metioniny

Opisany tutaj protokół zawiera szczegółowe instrukcje, jak analizować interesujące regiony genomu pod kątem potencjału kodowania mikrobiałek za pomocą PhyloCSF w przyjaznej dla użytkownika przeglądarce genomu UCSC. Ponadto zaleca się stosowanie kilku narzędzi i zasobów w celu dalszego zbadania charakterystyki sekwencji zidentyfikowanych mikrobiałek w celu uzyskania wglądu w ich przypuszczalne funkcje.

Zintegrowane podejście do identyfikacji mikrobiałek i analizy sekwencji

Projektowanie białek polega na budowie sekwencji aminokwasów i włączaniu określonych motywów w celu stworzenia funkcjonalnych wariantów. Takie podejście ma kluczowe znaczenie dla opracowania peptydów przeciwdrobnoustrojowych (AMP) do zwalczania patogenów opornych na antybiotyki. W artykule przedstawiono procedurę budowy białek z wykorzystaniem różnych narzędzi bioinformatycznych.

Zastosowanie I TASSER, trRosetta, UCSF Chimera, serwera HADDOCK i lorii HEX do projektowania białek De Novo i In Silico

Pokazujemy, jak obiektywna miara może być zastosowana w powszechnie stosowanym paradygmacie iluzji gumowej ręki. Miara ta jest uzyskiwana przez modyfikację dobrze ugruntowanego zadania kongruencji intermodalnej. Zadanie to pozwala na zbadanie procesów multisensorycznych, które są krytyczne dla modulacji reprezentacji ciała, jak w iluzji gumowej ręki.

Zadanie kongruencji intermodalnej jako sposób na uzyskanie obiektywnej miary behawioralnej w paradygmacie iluzji gumowej ręki

Poznaj metodę klasyfikacji białek z rodziny cysteine-stabilized alpha-beta przy użyciu arkusza kalkulacyjnego. Ta technika umożliwia wizualizację relacji między białkami obronnymi i ułatwia systematyczną analizę nomenklatury.

Tworzenie i stosowanie odniesienia w celu ułatwienia dyskusji i klasyfikacji białek w zróżnicowanej grupie

Przeglądaj więcej filmów