Informacija

Stvorite mrežnu površinu iz strukture proteina

Stvorite mrežnu površinu iz strukture proteina


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Koji se alati najčešće koriste za generiranje mrežaste površine proteina iz kristalografske strukture rendgenskih zraka (iz PDB-a)? Za i protiv bi se cijenili.

Više bih volio da izlaz bude vodonepropusna trokutasta mreža površine proteina. Također, želio bih da se alat može skriptirati (tj. Nema potrebe za otvaranjem grafičkog sučelja).

Do sada sam se igrao s MSMS -om i EDTSurfom. No zanimalo me što je standardno u istraživanju, kao i postoji li nešto u standardnim knjižnicama bioinformatike.


PyMOL i Chimera to mogu učiniti, a oboje mogu biti vođeni skriptama. PyMOL wiki je pun primjera i vjerojatno već ima neke upute za početak rada. Chimera također ima kompletnu dokumentaciju.


Strukturna biologija receptora povezanih s proteinom G: nove mogućnosti XFEL-ova i krioEM-a

Nedavni napredak u krioEM i XFEL -ovima ubrzao je strukturna istraživanja GPCR -a.

XFEL-ovi su omogućili strukture oštećene na sobnoj temperaturi od kristala veličine mikrometra.

CryoEM je pokazao svoj potencijal za razjašnjavanje GPCR signalnih kompleksa.

I krioEM i XFEL obećavaju rasvijetliti strukturnu dinamiku GPCR -a.

Receptori povezani s proteinom G posreduju staničnoj signalizaciji i reguliraju većinu osjetilnih i fizioloških procesa u ljudskom tijelu. Nedavni pomaci u krio-elektronskoj mikroskopiji i laserskim elektronima bez rentgenskih zraka ubrzali su strukturna istraživanja receptora koji se teško kristaliziraju i njihovih signalnih kompleksa te su otvorili nove mogućnosti u razumijevanju konformacijske dinamike i vizualizaciji procesa aktivacije receptora s neviđenim prostornim i vremenska rezolucija. Ovdje sažimamo glavne prekretnice i izazove povezane s primjenom ovih tehnika i ocrtavamo buduće smjerove u njihovom razvoju s naglaskom na strukturnu biologiju membranskih proteina.


Pozadina

Proteinske površine privlače brojne studije jer su mjesto molekularnog vezanja i enzimske reaktivnosti. Do danas su ove studije koristile tri razine predstavljanja površine proteina. Najstariji predstavlja površine kao skup izloženih atoma [1]. Uobičajena alternativa je predstavljanje površina skupovima mrežastih točaka [2–4] koje zaglađuju izložene površine atoma. Konačno, skupovi mrežastih točaka mogu biti grubo zrnati metodama temeljenim na deskriptorima [5-7] koje omogućuju brzu usporedbu površina i površinskih mrlja. Ovi prikazi služili su kao infrastruktura za brojne studije koje analiziraju površinsku elektrostatiku [8, 9], predviđaju katalitičke ostatke i aktivna mjesta [10] te karakteriziraju mjesta vezanja za male ligande, kao i za druge proteine ​​(za nedavne preglede vidi [7, 11, 12]). Iako ove studije označavaju veliki trend u bilježenju i predviđanju funkcije proteina, površine se praktički zanemaruju u predviđanju strukture proteina. Točnije, nije nam poznato niti jedno istraživanje koje je pokušalo procijeniti površine modela generiranih metodama predviđanja. To je pomalo iznenađujuće jer je jedan od krajnjih ciljeva predviđanja strukture dopustiti funkcionalnu anotaciju ciljnih proteina i podržati dizajn liganda i mutacija temeljenih na strukturi [13]. Sadašnja studija predlaže prihvatljiv pristup procjeni površina modela i uspoređuje točnost površine sa standardnim mjerama temeljenim na okosnici, kao što je srednje korijensko odstupanje korijena (RMSD) [14] ili Globalni test udaljenosti - ukupna ocjena [15].

Bez obzira na važnost sitnozrnatih prikaza proteinskih površina, njihova složenost zahtijeva grubo zrnatost ili apstrakciju, a grublja perspektiva može otkriti nove uvide o arhitekturi površine koji su inače prikriveni mnoštvom finih detalja. Dva prethodna pravca istraživanja, [16–18] i [19–21], sugerirala su grubozrnati prikaz proteinskih površina koristeći pojam površinskih mrlja. Njihovi pristupi problemu bili su izrazito različiti, odražavajući različite ciljeve ovih studija. Jones i Thornton [16, 17] te kasnije Albou i sur. [18] definirali su površinske zakrpe kao preklapajuće setove proksimativnih površinskih ostataka i usporedili zakrpe na mjestu vezanja s neovezivima kako bi karakterizirali i predvidjeli mjesta interakcije protein-protein [22]. Baldacci i sur. [19, 20] definirali su površinske zakrpe kao nepreklapajuće skupove homogenih i spojenih površinskih točaka te ih razvrstali u dvanaest unaprijed definiranih tipova. Oni su koristili tehnike rudarenja podataka na tim zakrpama kako bi identificirali strukturnu sličnost i vjerojatnu evolucijsku vezu između proteina. Budući da su obje primjene koncepta površinskog zakrpa toliko čvrsto prilagođene njihovom specifičnom cilju, teško je vidjeti kako se mogu koristiti u drugačijem kontekstu.

Ovdje predstavljamo općenitiji prikaz površinskih mrlja, koji je inspiriran središnjom ulogom grupiranja u proučavanju proteinskih fragmenata (tj. Susjednih strukturnih segmenata duž proteinskog lanca) [23]. Reprezentativni fragmenti, izvučeni grupiranjem velikih skupova podataka fragmenata proteinske strukture, korišteni su za širok raspon primjena, uključujući: studije odnosa slijeda/strukture [24, 25], poravnavanje sekvenci [26], strukturnu usporedbu i klasifikaciju [27] , mapiranje prostora nabora proteina velikih razmjera [28], te za predviđanje strukture proteina [26, 29]. Ovdje koristimo algoritam grupiranja K-znači ++ [30] za generiranje knjižnice reprezentativnih proteinskih površinskih mrlja koje se obično pojavljuju u Banci podataka o proteinima (PDB). Kako bismo pokazali korisnost našeg pristupa, kvantificiramo razlike između površina izvornih proteinskih struktura i površina varalica nastalih najsuvremenijim metodama predviđanja strukture. Predlažemo i niz drugih aplikacija za buduća istraživanja.

Ukratko, površinski zakrpa u ovoj studiji je skup površinskih atoma unutar određenog radijusa oko površinskog β-ugljika, označen kao stožer (slika 1). Razmak između dviju mrlja je srednje korijensko odstupanje korijena (RMSD) između njihovih atoma prema karti koja čuva kemijski identitet. Parovi mrlja različitog kemijskog sastava smatraju se beskonačno udaljenim. Algoritam K-mean ++ koristi ovu udaljenost za razbijanje velikog skupa zakrpa podataka k = 350 strukturno homogenih grozdova. Centroidi ovih nakupina čine našu biblioteku (slika 2) koja bilježi izvorne značajke površina izvornih struktura (slika 3).

Ilustracija površinskih mrlja izdvojenih iz kristalne strukture asparagin sintetaze (12AS). (a) Atomi proteina, boja kodirana izloženošću otapalu od izložene (crvena) do zakopane (plava). Površinska mrlja sastoji se od svih izloženih atoma unutar kugle radijusa r = 7Å (zeleno) oko središnje površine β-ugljika (stožer povećan za ilustraciju). (b) Površina jedne mrlje. (c) Susjedne mrlje na površini proteina obično se preklapaju (male magenta sfere predstavljaju stožere).

Izgradnja zakrpe knjižnice. (a) Prvo izdvajamo površinske zakrpe iz atoma skupa podataka koji su u zakrpi označeni malim sferama. (b) Zatim grupiramo zakrpe u k klasteri atomi zakrpa u svakoj skupini naloženi su na središte klastera. Radi jasnoće, izostavljamo površine i atome svake mrlje u grozdu iscrtavamo u drugoj boji. (c) Biblioteka površinskih zakrpa predstavljena je centroidima klastera.

Kumulativne raspodjele udaljenosti izvornih i varalica zakrpa do njihovog najbližeg centroida klastera u biblioteci površinskih zakrpa. Prikladnost knjižnici zakrpa iz izvornih struktura (isprekidanom plavom bojom i punom crnom bojom) značajno se razlikuje od one u modelima poslužitelja CASP8 (str& lt 10 -42 Wilcoxon -ovim testom zbroja ranga).


UVOD

Područje strukturne biologije transformiralo se čestim napretkom tehnologije za svaki aspekt cjevovoda za određivanje strukture otkad je Banka proteinskih podataka (PDB) osnovana 1971. (1) kao prvi izvor digitalnih podataka s otvorenim pristupom u biologiji (2– 6). Počevši sa samo sedam proteinskih struktura, PDB arhiva balonirala se na> 145 000 struktura proteina, DNA i RNA, te njihovih kompleksa s ionima metala i ligandima male molekule (ukupno> milijardu atoma).

Danas se PDB univerzalno smatra glavnim resursom znanosti o podacima od temeljne važnosti za širu zajednicu znanosti o životu i dugoročnog očuvanja strojno čitljivih bioloških podataka. PDB strukture su molekule života. Poznavanje 3D struktura (oblika) biomolekula, kako se razvijaju s vremenom i kako funkcioniraju u prirodi bitno je za razumijevanje kritičnih područja znanosti. Podaci iz PDB -a utječu na osnovna i primijenjena istraživanja zdravlja i bolesti ljudi, životinja i biljaka, proizvodnju hrane i energije te druga istraživanja koja se odnose na globalni prosperitet i održivost okoliša (7). Podaci o strukturi važni su i za biofarmaceutske i biotehnološke tvrtke, ubrzavajući otkrivanje novih lijekova, materijala i uređaja na temelju podataka. Danas moćni impulsni rendgenski uređaji, kriogeni elektronski mikroskopi i nove integrativne/hibridne (I/H) metode za određivanje strukture ubrzavaju biomedicinska istraživanja funkcionalnim uvidima u sve složenije biološke sustave na atomskoj razini. Krio-elektronska tomografija omogućuje čak i proučavanje molekularnih strojeva koji su 'zarobljeni na djelu' unutar smrznutih stanica.

Od 1999. godine NSF, NIH i DOE financiraju Istraživački suradnički laboratorij za strukturnu bioinformatičku banku podataka o proteinima (RCSB PDB, rcsb.org) (3, 7, 8) radi zaštite i njegovanja arhive PDB -a i omogućavanja otvorenog pristupa podacima PDB -a . Ova trajna predanost odražava kritičnu važnost podataka o strukturi za temeljna i primijenjena istraživanja u temeljnoj biologiji, biomedicini, biotehnologiji i energiji. Kao vjerni upravitelj podataka iz PDB -a, RCSB PDB promijenio je način na koji se resursima upravlja kao globalno javno dobro i kako se strukturni podaci (i) stručno potvrđuju i biokuriraju ako ih pridonese & gt30 000 PDB Štediše podataka (ii) pohranjene u relacijskoj bazi podataka pomoću proširivog zajedničkog standarda podataka i (iii) zapakirane i isporučene u> 1 milijuna PDB -a Potrošači podataka. Istodobno, RCSB PDB držao je korak s kritičnim tehničkim napretkom u makromolekularnoj kristalografiji (MX) i nuklearnoj magnetskoj spektroskopiji (NMR) te uzbudljivim razvojem novih metoda određivanja strukture [serijska femtosekundna rendgenska kristalografija i 3D elektronska mikroskopija (3DEM)], dok angažiranje međunarodnih stručnjaka i implementacija standarda zajednice za predstavljanje i validaciju podataka.

Podaci PDB -a bave se značajnim istraživačkim pitanjima u znanstvenim disciplinama, od poljoprivrede do zoologije (9, 10). RCSB PDB pruža značajnu vrijednost PDB -u Potrošači podataka pružajući važne uvide koji nadilaze sadržaj i opseg izvorne znanstvene publikacije. RCSB PDB web stranica (rcsb.org) pruža istraživačima jedinstveno mjesto za 3D podatke o strukturi. Za svaku strukturu PDB -a, RCSB PDB integrira povezane podatke svaki tjedan iz oko 40 vanjskih izvora i nudi alate za vizualizaciju sekvence i 3D strukture za istraživače, nastavnike i studente. Ova jedinstvena kombinacija otvorenog pristupa primarnim i integriranim podacima te alatima za analizu podataka i vizualizaciju strukture omogućuje 3D uvid u molekularnu strukturu i funkciju. RCSB PDB također pruža alate za razumijevanje zbirki PDB struktura, što zauzvrat omogućuje istraživanje proteina iz različitih organizama osvjetljavajući evoluciju na atomskoj i molekularnoj razini. Na svojoj obrazovnoj web stranici PDB-101 (pdb101.rcsb.org), RCSB PDB nudi uvodne materijale koji objašnjavaju osnove eksperimentalnih metoda proteina, DNA i strukture RNK koje se koriste za generiranje PDB struktura i molekularnih priča koje ističu temeljnu biologiju, biomedicinu, energiju, biotehnologiju i lijekove Otkriće. Uvjerljivi pokazatelji korištenja RCSB -a PDB -a i utjecaja naglašavaju važnost ovog resursa za znanost i društvo, uključujući & gt110 000 pojedinačnih struktura PDB -a koji doprinose podacima u gotovo 1 milijun znanstvenih publikacija (od veljače 2018.) & gt1 milijuna potrošača podataka iz PDB -a koje je poslužio rcsb.org 2017. godine 80680 milijuna podatkovnih datoteka preuzetih iz arhive PDB -a u 2017. godini & gt620 000 PDB -a Potrošači podataka koje je pdb101.rcsb.org opsluživao u 2017. godini i podaci iz PDB -a koji su ponovno upotrijebili vanjski izvori & gt400 u 2017. godini (7, 10).

Godine 2003., kako bi se osigurala dugoročna održivost arhive PDB-a, RCSB PDB u SAD-u radio je s lokalno financiranim partnerima u Europi (Protein Data Bank u Europi, PDBe (11)) i Aziji (Protein Data Bank Japan, PDBj (12) ) za formiranje Svjetske banke proteinskih podataka (wwPDB, wwpdb.org) (2, 5). wwPDB zajednički upravlja arhivom u skladu s najboljom praksom, poznatom kao PRAVEDAN načela (zalaže se za Žnedostupno-Apristupačan-Janteroperabilna-Riskoristiv (13)). The PRAVEDAN načela, koja su razvili predstavnici akademske zajednice, industrije, agencija za financiranje i izdavaštva, pružaju smjernice za spremišta podataka za najbolju podršku korisnicima i ponovnu upotrebu podataka. Formiranjem wwPDB -a osigurano je da istraživači, nastavnici i studenti diljem svijeta uživaju u otvorenom pristupu podacima svjetske strukture slijedeći ove smjernice. Formiranje wwPDB -a također je omogućilo pravednu podjelu troškova arhiviranja i upravljanja PDB -a između SAD -a, Europe i Azije.

Od našeg zadnjeg Istraživanje nukleinskih kiselina Objavljivanje izdanja baze podataka (8), aktivnosti RCSB PDB -a reorganizirane su u četiri integrirane, međusobno ovisne usluge kiberinfrastrukture, nadograđeni hardver i softver RCSB PDB -a te su uvedeni novi alati i resursi.


Nedavna dostupnost rendgenskih struktura za različite receptore vezane za proteine ​​(AGCR) vezane za proteinske obitelji (AGCR) vezane za ligand (AGCR) u više konformacija (neaktivan oblik sa vezanim za antagonist/inverzni agonist i aktivni oblik sa vezanim za agoniste) sada omogućuje racionalne napore u dizajniranju lijeka koji povijesno se primjenjivali na topljive enzimske mete. Ovdje preispitujemo svojstva ovih GPCR veznih mjesta, koristeći jedinstvenu kombinaciju izračunatih fizikalno -kemijskih svojstava i energije vode (GRID, WaterMap i SZMAP) kako bismo pružili novu perspektivu i racionalnu procjenu ljekovitosti za svako GPCR ciljno mjesto vezivanja. Opisani su primjeri iz nekoliko dobro proučenih enzimskih sustava koji podržavaju ovaj napredni pristup zasnovan na strukturi za procjenjivanje mogućnosti uzimanja lijekova i za usporedbu njihovih svojstava s svojstvima GPCR-a. Raspravlja se o promjenama receptorskih konformacija između GPCR neaktivnih i aktivnih oblika vidljivih iz proteinskih struktura, dajući važne smjernice za racionalno oblikovanje lijekova antagonista i agonista i bolje razumijevanje aktivacije GPCR -a.

Ovi su autori jednako doprinijeli ovom radu.


Riješenje?

Kako bi riješio ovaj problem, HOLLOW generira površinu iz "odljeva" površine proteina. HOLLOW ispunjava unutarnje prostore proteinske strukture lažnim atomima definiranim na preklapajućoj mreži. Može se pokazati da površina koju stvaraju ti lažni atomi reproducira površinu proteina na idealnoj granici.

Korištenje površine lažnih atoma omogućuje nam da se usredotočimo na određeni dio unutarnje površine. Jednostavnim brisanjem lažnih atoma unutarnja se površina može obrezati kako bi se proizveo prilagođeni dio unutarnjeg prostora.

Prilagođeni dio prostora može se koristiti za stvaranje unutarnjih površina, poput ove površine kanala u amonijačnom kanalu. Za napredno bojanje površine, B-faktor lažnih atoma može se izračunati kao prosjek B-faktora atoma proteina koji okružuju lažne atome. To omogućuje prenošenje različitih boja površine kroz polje B-faktora PDB datoteka.


Naglasci

Poznato je da odvajanje faza ima ulogu u raznim staničnim procesima, uključujući stvaranje klasičnih bez membrana organela, signalnih kompleksa, citoskeleta i brojnih drugih nadmolekularnih sklopova.

Koncept razdvajanja faza pruža novi okvir za naše razumijevanje funkcionalne uloge degeneracije sekvence (niske složenosti) i poremećaja proteina.

Akumulirani dokazi ukazuju na ključnu ulogu faznih prijelaza u ljudskim bolestima povezanim s nakupljanjem proteina, te na pogrešnu regulaciju organela bez membrane u bolesti.

Razumijevanje fizičkih principa i molekularnih interakcija iza razdvajanja proteinske faze moglo bi potaknuti nove biomaterijal.

Stanični odjeljci i organeli organiziraju biološku tvar. Većina dobro poznatih organela odvojena je membranskom granicom od svog okruženja. Postoji i mnogo takozvanih organela bez membrana, a novije studije sugeriraju da se te organele, koje su nadmolekularni sklopovi proteina i molekula RNA, formiraju razdvajanjem proteinske faze. Nedavna otkrića rasvijetlila su molekularna svojstva, nastanak, regulaciju i funkciju organela bez membrane. Kombinacija tehnika iz stanične biologije, biofizike, fizikalne kemije, strukturne biologije i bioinformatike počinje pomagati u uspostavljanju molekularnih načela polja u nastajanju, čime se otvara put za uzbudljiva otkrića, uključujući nove terapijske pristupe za liječenje dobi poremećaja.


Potporne informacije

S1 Slika Raspodjela 3DZD udaljenosti proteinskih parova iz različitih klasa nabora u skupu proteina s jednim lancem.

Na vrhu, histogram 3DZD udaljenosti proteina iz različitih kombinacija klasa nabora. Podaci o presavijenoj klasi dobiveni su iz baze podataka CATH. Os y prikazuje dio parova koji pada u svaku ladicu za udaljenost. Dva vrha opažaju se za parove koji uključuju nekoliko klasa sekundarnih struktura. U samo nekoliko ss klasa postoji samo 28 lanaca. Ti lanci imaju otprilike dvije vrste oblika, produžene ili relativno sferne. Vrh na relativno maloj udaljenosti odgovara parovima unutar svake kategorije, dok vrh na relativno velikoj udaljenosti odgovara parovima u dvije kategorije. Pri dnu, 3DZD raspodjela udaljenosti do kante od 4,0–5,0. Os y je sada stvarni broj proteinskih parova.

S2 Slika Histogrami ekscentričnosti jednolančanih i složenih skupova podataka.

Plava linija je za jednolančani skup proteina, dok je narančasta linija za složene skupove podataka.

S3 Slika. Usporedba 3DZD -a i Prokrustove udaljenosti.

(A), Usporedba euklidske udaljenosti 3DZD -a i Prokrustove udaljenosti za sve parove 20 elipsoida s povećanjem vrijednosti ekscentričnosti s 0,0 na 0,92. Na svakom elipsoidu uzorkovano je 2500 točaka jednoliko na sfernim koordinatama. Dva kuta, θ (0 do π) i φ (0 do 2π) ravnomjerno su podijeljena u 50 intervala, a točka je postavljena na elipsoidnu površinu za svaku kombinaciju θ i φ. (B), 3DZD i Prokrustova udaljenost uspoređeni su za 1.278 jednolančanih proteinskih parova koji imaju isti broj vrhova u prikazu površinskog trokuta. Za izračunavanje Prokrustove udaljenosti za proteinski par, najbliži parovi površinskih točaka iz dva proteina su usklađeni pomoću algoritma koherentne skice točaka. (C), primjer proteinskih parova koji imaju veliku udaljenost 3DZD -a i malu udaljenost Prokrusta. 2bwrA (CATH kod: N/A) i 3ke3A (CATH: 3.40.640.10, 3.90.1150.10, postoje dva CATH koda jer je ovo struktura s dvije domene). 3DZD udaljenost: 13,88 Prokrustova udaljenost: 0,19. (D), još jedan takav primjer proteinskih parova. 4gnrA (CATH: 3.40.50.2300, 3.40.50.2300) i 3ga7A (CATH: 3.40.50.1820). 3DZD udaljenost: 13,13, Prokrustova udaljenost: 0,18.

S4 Slika. Usporedba 3DZD-a i TM-ocjene na skupu podataka s jednim lancem.

(A), svaka točka predstavlja par proteina. (B), isti podaci predstavljeni su podacima o gustoći. (C), primjer proteinskih parova koji imaju malu euklidsku udaljenost 3DZD, ali iz različitih klasa nabora, α klase i β klase. Lijevo, PDB ID: 1c3cA CATH oznaka: 1.10.276.10. Desno, 4jp0A, 2.80.10.50. Euklidska udaljenost 3DZD-a bila je 2,4, dok je TM-rezultat 0,265. (D), još jedan primjer proteinskih parova s ​​malom 3DZD Euklidovom udaljenošću, ali iz različitih klasa nabora, β klase i αβ klase. Lijevo, 3a6rA 2.30.110.10. Desno, 3h87A, 3.40.50.1010. Euklidska udaljenost 3DZD-a bila je 2,4, dok je TM-rezultat 0,254.

S5 Sl. Krupne plohe jednolančanih i složenih skupova podataka.

Slika prikazuje prvih 10 vlastitih vrijednosti kovarijantne matrice razvrstanih prema silaznom redoslijedu. Uložak prikazuje svih 121 vlastitih vrijednosti. Vlastite vrijednosti jednolančanih, jednolančanih i složenih skupova podataka velike pokrivenosti obojane su crvenom, narančastom i plavom bojom. Oštar pad do treće vlastite vrijednosti ukazuje na to da se dodavanjem četvrte i više vlastitih vrijednosti ne dodaje bitno više informacija.

S1 podaci. Zip datoteka 3DZD datoteka jednolančanih i složenih skupova podataka.

S1 film. Pregled 3D oblika prostora jednolančanih proteina.

Jednako kao prikazi prikazani na slici 1, svaka točka odgovara proteinu. Boja točke označava ekscentričnost od plave do crvene za 0,0 (kugla) do 1,0 (izduženi oblik). Prva, druga i treća os prikazane su crnom, zelenom i narančastom bojom. Orijentacije prostora oblika prikazane u ovom filmu slijedećim su redoslijedom: Slika 1A -& gt xy ravnina iz z (+) -& gt xz ravnina iz y (+) -& gt Slika 1D -& gt xz ravnina iz y ( -) -& gt Slika 1A -& gt Slika 2A -& gt Slika 1A.

S2 film. Pregled prostora 3D oblika kompleksa.

Isto kao i prikazi usvojeni na slici 6, svaka točka odgovara kompleksu. Boja točke označava ekscentričnost od plave do crvene za 0,0 (kugla) do 1,0 (izduženi oblik). Prva, druga i treća os prikazane su crnom, zelenom i narančastom bojom. Orijentacije prostora oblika prikazane u ovom filmu su sljedećim redoslijedom: Slika 6A -& gt Slika 6C -& gt x -y ravnina iz z (+) -& gt x -z ravnina iz y (+) -& gt Slika 6D -& gt Slika 6A.

S1 Pymol datoteka. 3D prostor oblika jednolančanih proteina prikazan u softveru za molekularnu vizualizaciju Pymol.

Pymol je 3D preglednik biomolekularnih struktura i slobodno dostupan na https://pymol.org/2/. Čitatelji mogu preuzeti softver Pymol i otvoriti datoteku sesije u Pymolu kako bi rotirali prostor oblika u 3D. Isto kao na slikama 1 i S1 Movie, svaki protein s jednim lancem predstavljen je kao točka obojena vrijednošću ekscentričnosti.

S2 Pymol datoteka. Raspodjela broja domena u jednolančanom prostoru oblika prikazana je u softveru za molekularnu vizualizaciju Pymol.

Bojanje točaka slijedi isti obrazac kao na slikama 4A i 4B. Crvena, žuta, zelena, cijan, plava, ružičasta i ljubičasta odgovaraju 1, 2, 3, 4, 5, 6, 8 domena.

S3 Pymol datoteka. Raspodjela duljina lanca u jednolančanom prostoru oblika prikazana je u softveru za molekularnu vizualizaciju Pymol.

Bojanje točaka slijedi isti obrazac kao na slikama 4C i 4D. Oznaka boje koja se kreće od ljubičaste do zelene prikazuje duljinu (tj. Broj aminokiselina) u proteinima od kratke do duge. Duljine su razvrstane u dvanaest kanti, 40–140, 140–240 i tako dalje do 1140–1540.

S4 Pymol datoteka. Prostor 3D kompleksa prikazanih u softveru za molekularnu vizualizaciju Pymol.

Kôd boje isti je kao onaj koji se koristi na slikama 6 i S2 Movie. Svaki kompleks predstavljen je kao točka obojena vrijednošću ekscentričnosti.

S5 Pymol datoteka. Superponiranje jednolančanih i složenih prostora oblika proteina prikazanih u softveru za molekularnu vizualizaciju Pymol.

Crvene točke predstavljaju jednolančane proteine. Plave točke predstavljaju komplekse. Ova datoteka odgovara slici 7.

S6 Pymol datoteka. Strukturna simetrija proteinskih kompleksa prikazana u softveru za molekularnu vizualizaciju Pymol.

Oznaka boje je ista kao ona na slici 8. Asimetrične strukture, bijela C2, crvena C3, žuta C4-C5, zelena C6-C15, cijan. Sve dvodomne simetrije (D2-D7) obojene su plavom bojom. Tetraedrska i osmougaona, ljubičasta ikosaedra, narančasta i spiralna, crna. Polumjer sfera odražava broj simetrije s većim radijusom koji se koristi za strukture s većim brojem.


Hemoglobin je globularni protein topljiv u vodi koji se sastoji od dva α polipeptidna lanca, dva β polipeptidna lanca i anorganske protetske skupine hema. Njegova je funkcija prenos kisika u krvi, a to joj olakšava prisutnost skupine hema koja sadrži ( tekst^<2+> ) ion, na koji se mogu vezati molekule kisika.

Kolagen je vlaknasti protein koji se sastoji od tri polipeptidna lanca namotana jedan oko drugog. Svaki od tri lanca sam je zavojnica. Između ovih zavojnica nastaju vodikove veze koje su dugačke oko 1000 aminokiselina, što strukturi daje snagu. To je važno s obzirom na ulogu kolagena, kao strukturnog proteina. Ta se snaga povećava činjenicom da molekule kolagena tvore daljnje lance s drugim molekulama kolagena i tvore Kovalentne unakrsne veze međusobno, koji su raspoređeni duž molekula kako bi se dodatno povećala stabilnost. Molekule kolagena omotane jedna oko druge tvore Kolagen vlakna koje same tvore Kolagena vlakna.


Aminokiseline

Proteini su jedne od najrasprostranjenijih organskih molekula u živim sustavima i imaju najrazličitiji raspon funkcija od svih makromolekula. Proteini mogu biti strukturni, regulatorni, kontraktilni ili zaštitni, mogu služiti u transportu, skladištenju ili membranama ili mogu biti toksini ili enzimi. Svaka stanica u živom sustavu može sadržavati tisuće proteina, od kojih svaki ima jedinstvenu funkciju. Njihove se strukture, kao i njihove funkcije, uvelike razlikuju. Svi su oni, međutim, polimeri aminokiseline, raspoređene u linearnom slijedu.

Slika 1. Aminokiseline imaju središnji asimetrični ugljik na koji su vezane amino skupina, karboksilna skupina, atom vodika i bočni lanac (R skupina).

Aminokiseline su monomeri koji čine proteine. Svaka aminokiselina ima istu temeljnu strukturu, koja se sastoji od središnjeg atoma ugljika, poznatog i kao alfa (α) ugljik, vezan za amino skupinu (NH2), karboksilnu skupinu (COOH) i za atom vodika. Svaka aminokiselina također ima drugi atom ili skupinu atoma vezanih za središnji atom poznatu kao R skupina (slika 1).

Naziv “amino kiselina ” izveden je iz činjenice da u svojoj bazičnoj strukturi sadrže i amino skupinu i skupinu karboksilne kiseline. Kao što je spomenuto, u proteinima je prisutno 20 aminokiselina. Deset se od njih smatraju esencijalnim aminokiselinama u ljudi jer ih ljudsko tijelo ne može proizvesti, a dobivaju se hranom.

Za svaku aminokiselinu, R skupina (ili bočni lanac) je različita (slika 2).

Pitanje za vježbu

Slika 2. Postoji 20 uobičajenih aminokiselina koje se obično nalaze u proteinima, svaka s različitom R skupinom (varijantna skupina) koja određuje njezinu kemijsku prirodu.

Koje biste kategorije aminokiselina očekivali na površini topljivog proteina, a koje u unutrašnjosti? Koju biste raspodjelu aminokiselina očekivali u proteinu ugrađenom u lipidni dvosloj?

Kemijska priroda bočnog lanca određuje prirodu aminokiseline (odnosno, je li kisela, bazična, polarna ili nepolarna). Na primjer, aminokiselina glicin ima atom vodika kao R skupinu. Aminokiseline poput valina, metionina i alanina su nepolarne ili hidrofobne prirode, dok su aminokiseline poput serina, treonina i cisteina polarne i imaju hidrofilne bočne lance. Bočni lanci lizina i arginina pozitivno su nabijeni, pa su stoga te aminokiseline poznate i kao bazične aminokiseline. Prolin ima R skupinu koja je povezana s amino skupinom, tvoreći strukturu poput prstena. Prolin je iznimka od standardne strukture animo kiseline budući da njegova amino skupina nije odvojena od bočnog lanca (slika 2).

Aminokiseline su predstavljene jednim velikim slovom ili troslovnom skraćenicom. Na primjer, valin je poznat po slovu V ili troslovnom simbolu val. Baš kao što su neke masne kiseline esencijalne za prehranu, potrebne su i neke aminokiseline. Poznate su kao esencijalne aminokiseline, a kod ljudi uključuju izoleucin, leucin i cistein. Esencijalne aminokiseline odnose se na one potrebne za izgradnju bjelančevina u tijelu, iako ih tijelo ne proizvodi čije su aminokiseline esencijalne, razlikuje se od organizma do organizma.

Slika 3. Formiranje peptidne veze reakcija je sinteze dehidratacije. Karboksilna skupina jedne aminokiseline povezana je s amino skupinom dolazne aminokiseline. Pritom se oslobađa molekula vode.

Slijed i broj aminokiselina u konačnici određuju oblik, veličinu i funkciju proteina. Svaka aminokiselina je vezana za drugu aminokiselinu kovalentnom vezom, poznatom kao peptidna veza, koja nastaje reakcijom dehidracije. Karboksilna skupina jedne aminokiseline i amino skupina dolazeće aminokiseline se kombiniraju, oslobađajući molekulu vode. Dobivena veza je peptidna veza (slika 3).

Proizvodi nastali takvim vezama nazivaju se peptidi. Kako se ovom rastućem lancu pridružuje više aminokiselina, rezultirajući lanac poznat je kao polipeptid. Svaki polipeptid ima slobodnu amino skupinu na jednom kraju. Ovaj kraj naziva se N terminal ili amino terminal, a drugi kraj ima slobodnu karboksilnu skupinu, također poznatu kao C ili karboksilni terminal. Dok se izrazi polipeptid i protein ponekad koriste naizmjenično, polipeptid je tehnički polimer aminokiselina, dok se izraz protein koristi za polipeptid ili polipeptide koji su se kombinirali zajedno, često imaju vezane nepeptidne protetske skupine, imaju različit oblik , i imaju jedinstvenu funkciju. Nakon sinteze proteina (translacija) većina proteina se modificira. One su poznate kao posttranslacijske modifikacije. Mogu proći cijepanje, fosforilaciju ili zahtijevati dodavanje drugih kemijskih skupina. Tek nakon ovih izmjena protein je potpuno funkcionalan.

Evolucijski značaj citokroma c

Citokrom c važna je komponenta lanca transporta elektrona, dio staničnog disanja, a obično se nalazi u staničnoj organeli, mitohondriju. Ovaj protein ima protetsku skupinu hema, a središnji ion hema naizmjenično se reducira i oksidira tijekom prijenosa elektrona. Budući da je ta esencijalna bjelančevinska uloga u proizvodnji stanične energije ključna, promijenila se vrlo malo tijekom milijuna godina. Sekvenciranje proteina pokazalo je da postoji značajna količina homologije sekvenci citokroma c aminokiselina među različitim vrstama, drugim riječima, evolucijsko srodstvo može se procijeniti mjerenjem sličnosti ili razlika među različitim vrstama DNK ili proteinskim sljedovima.

Znanstvenici su utvrdili da ljudski citokrom c sadrži 104 aminokiseline. Za svaku do sada sekvenciranu molekulu citokroma c iz različitih organizama, 37 od ovih aminokiselina pojavljuje se na istom mjestu u svim uzorcima citokroma c. To ukazuje na to da je možda postojao zajednički predak. Uspoređujući proteinske sekvence čovjeka i čimpanze, nije pronađena razlika u sekvenci. Kada su uspoređene sekvence čovjeka i rezus majmuna, pronađena je jedina razlika u jednoj aminokiselini. U drugoj usporedbi, sekvenciranje čovjeka i kvasca pokazuje razliku na 44. mjestu.


Potporne informacije

S1 Slika Tri različita sučelja NTD M1 otkrivena prethodnom kristalografijom X-zraka.

Prikazana su promatrana (A) sučelje C2-simetrije, prisutno u strukturi PDB: 1AA7 [14], i (B) naslagano i (C) bočno sučelje prisutno u strukturi PDB: 1EA3 [15]. Ostaci lizina, dolje korišteni u analizama umrežavanja, prikazani su crvenom bojom. Hipotetička mjesta CTD -a prikazana su zelenom bojom. CTD, C-terminalna domena M1, matrični protein 1 NTD, N-terminalna domena PDB, Proteinska banka podataka

S2 sl. Krio-EM oligomera proteina WT-M1.

(A) Reprezentativna krio-EM mikrografija WT-M1 oligomera. (B) Fourierova transformacija slike u (A) prikazuje linije slojeva. Prva linija sloja označava spiralni korak 111-Å za oligomer WT-M1. (C) Prosjeci 2D klase koji se fokusiraju na središte spiralnih segmenata pokazuju veliku heterogenost dodatne gustoće s obje strane vanjskog sloja niti. krio-EM, krio-elektronska mikroskopija M1, protein matrice 1 WT-M1, cijela dužina PR8 M1.

S3 Fig. M1 assembly is dependent on time as well as protein and NaCl concentration.

Negative-stain electron micrographs (A) after 2 h and (B) 24 h of incubation at the indicated concentrations of protein in the presence of 2 M NaCl. (C) Negative-stain electron micrographs following 24-h incubations of 10.8 μM M1 assembled at NaCl concentrations indicated. Scale bar = 5,000 Å. M1, matrix protein 1

S4 Fig. Cryo-EM helical reconstruction of M1-V97K filaments.

(A) Fourier transform of a representative micrograph that shows the water ring. (B) Layer line indexing. (C) Representative 2D class averages. (D) Local resolution of the M1-V97K asymmetric unit. (E) FSC curve shows 3.4 Å resolution using the 0.143 cutoff. cryo-EM, cryo-electron microscopy FSC, Fourier shell correlation M1, matrix protein 1

S5 Fig. Discovered crosslinks map well to the M1-V97K structure.

(A) Ribbon representation of one M1-V97K protein in the same orientations as shown in Fig 5, displaying the discovered crosslinks applying the same color scheme as in Fig 4. Lysine residues are shown as orange sticks. (B) Same as in (A), except only green and red crosslinks are displayed to highlight crosslinks formed by lysine K242 and K252, located on flexible loop L12. M1, matrix protein 1

S6 Fig. M1-V97K cryo-EM structure reveals molecular interactions between adjacent monomers.

(A) A group of 6 asymmetric units with the lower strand identified as N (pink), N + 1 (red), and N + 2 (cyan) and the upper strand identified as N + 22 (green), N + 23 (yellow), and N + 24 (blue). Dotted circles highlight 3 groups of intermolecular interactions. (B) Interactions between N CTD and N + 23 NTD at the interstrand interface. Five residues T167–169, N170, and R174 from N participate in a hydrophobic pocket that also contains Q75 from N + 23. (C) Interactions between NTDs of 2 adjacent asymmetric units N + 23 and N + 24. Residues L3, L4, T140, and F144 from N + 24 form a hydrophobic pocket with I51 from N + 23. (D) Connecting loop CL9 and helix α10 from the CTD of N + 23 interact with N + 24 NTD via hydrogen bonds and hydrophobic interactions. (E) Helices α11 and α12 from the CTD of N + 23 interact with N + 24 via hydrogen bonds, salt bridges, and hydrophobic interactions. Yellow dashed lines indicate hydrogen bonds and salt bridges. Orientations are altered to facilitate visualization. CL, connecting loop cryo-EM, cryo-electron microscopy CTD, C-terminal domain M1, matrix protein 1 NTD, N-terminal domain.

S7 Fig. Mutations of WT-M1 mapped onto the M1-V97K structure.

All residues mutated in the WT-M1 background are displayed as spheres in the context of the M1-V97K oligomer. Mutated residues that resulted in single-layered, no apparent, or multilayered oligomerization are displayed as red, blue, and orange spheres, respectively. Residue I51, at which mutations resulted in no apparent or multilayered oligomerization, is displayed in green. M1, matrix protein 1 WT-M1, full-length PR8 M1.

S8 Fig. Angles between stacked interfaces.

Comparison of the stacked interface between 2 subunits (gray) of the crystal structure of NTD M1 (PDB: 1EA3) [15] and the NTDs of 2 M1 subunits, N + 23 (yellow) and N + 24 (blue), of the cryo-EM structure of M1-V97K oligomers. The lack of superposition of the yellow and leftmost gray subunit reveals the slight alteration in the stacked interface between the NTD and full-length M1 structures. cryo-EM, cryo-electron microscopy M1, matrix protein 1 NTD, N-terminal domain PDB, Protein Data Bank

S9 Fig. Amino acid conservation between 3,544 IAV M1s.

Amino acids are shown with each residue colored by its conservation score, as calculated using the ConSurf server. M1, matrix protein 1

S10 Fig. Orientation and dimensions of 1 monomeric subunit within the M1-V97K filament.

Shown are 3 adjacent subunits within the M1-V97K tube with the stacked interface between M1 monomers indicated. A box highlights the length and width of the yellow subunit. The NTD is pointed towards the outside of the tube. M1, matrix protein 1 NTD, N-terminal domain.

S11 Fig. pH sensitivity of WT-M1 and V97K-M1 oligomers.

(A) Negative-stain electron micrographs of WT-M1 (left) and V97K-M1 (right) oligomers that were pelleted and resuspended in buffer at pH 7 or 5.5 as indicated. (B) SDS-PAGE quantification of pellets (P) and supernatants (S) after resuspending WT-M1 and M1-V97K oligomers in buffer at pH 7 or 5.5. M1, matrix protein 1 WT-M1, full-length PR8 M1.

S1 Table. Protein–protein interfaces and crystallization conditions of all IAV NTD M1 structures deposited to the PDB at rcsb.org.

IAV, influenza A virus M1, matrix protein 1 NTD, N-terminal domain PDB, Protein Data Bank

S2 tablica. Related to Fig 3.

Mutations at the stacked, lateral, and C2-dimer interface.

S3 Table. Related to Fig 5.

Cryo-EM data collection, processing, and model refinement statistics of the WT-M1 and M1-V97K M1 filaments. cryo-EM, cryo-electron microscopy M1, matrix protein 1 WT-M1, full-length PR8 M1.

S1 Movie. Related to Fig 6.

M1 subunit interactions within the M1-V97K oligomer. M1, matrix protein 1

S1 Data. Related to Fig 4.

Raw MS data for M1 from M1-V97K oligomers. MS, mass spectrometry M1, matrix protein 1

S2 Data. Related to Fig 4.

Raw MS data for M1 from WT-M1 oligomers. MS, mass spectrometry M1, matrix protein 1 WT-M1, full-length PR8 M1.

S3 Data. Related to Fig 4.

Raw MS data for M1 from PR8 virions at pH 7. MS, mass spectrometry M1, matrix protein 1 PR8, A/Puerto Rico/8/1934(H1N1)

S4 Data. Related to Fig 4.

Raw MS data for M1 from PR8 virions at pH 5.5. MS, mass spectrometry M1, matrix protein 1 PR8, A/Puerto Rico/8/1934(H1N1)

S5 Data. Related to Fig 4.

Raw MS data for M1 from Udorn virions at pH 7. MS, mass spectrometry M1, matrix protein 1 Udorn, A/Udorn/1972(H3N2) filamentous virus

S6 Data. Related to Fig 4.

Raw MS data for M1 from Udorn virions at pH 5.5. MS, mass spectrometry M1, matrix protein 1 Udorn, A/Udorn/1972(H3N2) filamentous virus

S1 Raw Images.


Gledaj video: struktura proteina (Lipanj 2022).


Komentari:

  1. Godewyn

    hmm ... well, this is already extreme ...

  2. Abdul-Shakur

    It is compliant, it is excellent thinking

  3. Kahn

    Po mom mišljenju niste u pravu. Razgovarajmo. Napiši mi u PM.

  4. Criostoir

    There are other drawbacks

  5. Bragore

    Great idea, I maintain.

  6. Bannruod

    I can speak a lot on this topic.

  7. Kagajar

    Želio bih vas potaknuti da posjetite stranicu, gdje postoje mnogi članci o temi koji vas zanimaju.



Napišite poruku