Loading article…
タンパク質バックボーンフラグメントライブラリは、相同性モデリング、[1]、de novo構造予測、[2] [3] [4]、構造決定[5]など、さまざまな構造生物学アプリケーションで効果的に使用されてきた。検索空間の複雑さを軽減することで、これらのフラグメントライブラリは、コンフォメーション空間のより迅速な検索を可能にし、より効率的で正確なモデルにつながる。
モチベーション
タンパク質は、離散的にモデル化されると、指数関数的な数の状態をとることができます。通常、タンパク質の立体配座は、二面角、結合長、およびすべての結合原子間の結合角のセットとして表されます。最も一般的な単純化は、理想的な結合長と結合角を想定することです。しかし、これでもバックボーンのファイ-プサイ角と、各側鎖の最大 4 つの二面角が残り、最悪の場合の複雑さは、タンパク質の可能な状態がk 6* nになります。ここで、 nは残基の数、kは各二面角に対してモデル化された離散状態の数です。立体配座空間を減らすために、すべてのファイ-プサイ角を明示的にモデル化するのではなく、タンパク質フラグメントライブラリを使用できます。
フラグメントはペプチド骨格の短いセグメントで、通常は 5 から 15残基の長さで、側鎖は含まれません。フラグメントは、原子の縮小表現の場合は C-α 原子の位置のみを指定するか、または骨格のすべての重原子 (N、C-α、C カルボニル、O) を指定します。側鎖は通常、フラグメント ライブラリ アプローチを使用してモデル化されないことに注意してください。側鎖の離散状態をモデル化するには、ロータマー ライブラリアプローチを使用できます。[6]
このアプローチは、局所的な相互作用がタンパク質全体の構造を安定化させる上で大きな役割を果たすという仮定の下で機能します。短い配列では、分子の力によって構造が制約されるため、フラグメントでモデル化できる可能性のある構造はごく少数になります。実際、レビンサルのパラドックスによれば、タンパク質は生物学的に妥当な時間内にすべての可能な構造をサンプリングすることは不可能です。局所的に安定した構造は、探索空間を減らし、タンパク質をミリ秒単位で折りたたむことを可能にします。
工事
これらのフラグメントのライブラリは、タンパク質データバンク(PDB)の分析から構築されます。まず、PDB の代表的なサブセットが選択されます。このサブセットは、さまざまな構造を、できれば良好な解像度でカバーする必要があります。次に、各構造について、n 個の連続する残基のセットがサンプル フラグメントとして取得されます。次に、サンプルは、k平均法クラスタリングなどのアルゴリズムを使用して、空間構成が互いにどの程度類似しているかに基づいて、kグループにクラスター化されます。パラメーターnとk は、アプリケーションに応じて選択されます (以下の複雑性に関する説明を参照)。次に、クラスターの重心がフラグメントを表すために取得されます。さらに最適化を実行して、重心が他のジオメトリを平均化することによって導き出された理想的な結合ジオメトリを持つことを確認できます。[7]
フラグメントは自然界に存在する構造から派生したものであるため、フラグメントが表すバックボーンのセグメントは現実的な結合形状を持ちます。これにより、非現実的な形状につながる可能性が高いコンフォメーション角度の空間全体を探索する必要がなくなります。
上記のクラスタリングは、残基の同一性に関係なく実行することも、残基固有に行うこともできます。[2] つまり、任意のアミノ酸入力配列に対して、k -merフラグメント内の同じ配列を持つPDBで見つかったサンプルのみを使用してクラスタリングを導出できます。これは、配列に依存しないフラグメントライブラリを導出するよりも多くの計算作業を必要としますが、より正確なモデルを作成できる可能性があります。逆に、より大きなサンプルセットが必要になり、完全なカバレッジを達成できない可能性があります。
使用例: ループモデリング
ホモロジーモデリングでは、フラグメントライブラリの一般的な用途は、構造のループをモデル化することです。通常、アルファヘリックスとベータシートはテンプレート構造に対して通されますが、その間のループは指定されておらず、予測する必要があります。最適な構成のループを見つけることはNP 困難です。探索する必要があるコンフォメーション空間を減らすために、ループを一連の重なり合うフラグメントとしてモデル化することができます。その後、空間をサンプリングするか、空間が十分に小さくなった場合は網羅的に列挙することができます。
網羅的な列挙の 1 つのアプローチは次のとおりです。[1]ループの構築は、すべての可能なフラグメントをループの N 末端 (アンカー ポイント) の 3 つの残基と重なるように整列させることから始まります。次に、2 番目のフラグメントのすべての可能な選択肢を最初のフラグメント (のすべての可能な選択肢) に整列させ、最初のフラグメントの最後の 3 つの残基が 2 番目のフラグメントの最初の 3 つの残基と重なるように確認します。これにより、フラグメント チェーンがフラグメント内とフラグメント間の両方で現実的な角度を形成することが保証されます。次に、正しい長さの残基を持つループが構築されるまでこれを繰り返します。
ループは N 側のアンカーから始まり、C 側のアンカーで終わる必要があります。したがって、各ループの最後の数個の残基が C 末端アンカーと重なるかどうかを確認するためにテストする必要があります。候補ループの指数関数的数のうち、ループを閉じるものはほとんどありません。閉じないループを除外した後、分子力学力場を使用してエネルギーが最も低いループを決定することで、どのループが最適な構成であるかを判断する必要があります。
複雑
フラグメントライブラリを使用した後でも、状態空間の複雑さは残基の数に対して依然として指数関数的です。ただし、指数の次数は減少します。ライブラリにL個のフラグメントを含むF量体フラグメントのライブラリの場合、各フラグメントが 3 つ重なり合うN残基のチェーンをモデル化するには、 L [ N /( F -3)] + 1 個の可能なチェーンがあります。[7]これは、ファイ-プサイ角度をK 個の可能な組み合わせとして明示的にモデル化する場合のK N の可能性よりもはるかに少なく、複雑さはNよりも小さい次数で増大します。
複雑さは、フラグメント ライブラリのサイズであるLで増加します。ただし、フラグメントの数が多いライブラリでは、フラグメント構造の多様性が増すため、モデルの精度と検索空間の探索速度の間にトレードオフが生じます。この選択によって、クラスタリングを実行するときに使用する Kが決まります。
さらに、 Lが固定されている場合、フラグメントの長さが長くなるにつれて、モデル化できる構造の多様性は減少します。短いフラグメントは、長いフラグメントよりもPDBにある多様な構造をカバーする能力が高くなります。最近、長さ15までのライブラリは、PDB内のフラグメントの91％を2.0オングストローム以内でモデル化できることが示されました。[8]
参照
参考文献
- ^ ab Kolodny, R., Guibas, L., Levitt, M., Koehl, P. (2005年3月)。生物学における逆運動学: タンパク質ループ閉鎖問題。国際ロボット研究誌24(2-3), 151-163。
- ^ ab Simons, K., Kooperberg, C., Huang, E., および Baker, D. (1997). シミュレーテッドアニーリングとベイジアンスコアリング関数を使用した類似のローカル配列を持つフラグメントからのタンパク質三次構造のアセンブリ。J Mol Biol 268, 209-225。
- ^ Bujnicki, J. (2006) フラグメントの組み換えによるタンパク質構造予測。ChemBioChem. 7, 19-27。
- ^ Li, S. et al. (2008) Fragment-HMM: タンパク質構造予測への新しいアプローチ。Protein Science。17、1925-1934。
- ^ DiMaio, F., Shavlik, J., Phillips, G. 電子密度マップにおけるタンパク質バックボーンの追跡に対する確率的アプローチ (2006). バイオインフォマティクス 22(14), 81-89.
- ^ Canutescu, A., Shelenkov, A., Dunbrack, R. (2003). タンパク質側鎖予測のためのグラフ理論アルゴリズム。Protein Sci. 12, 2001–2014.
- ^ ab Kolodny, R., Koehl, P., Guibas, L., Levitt, M. (2005). タンパク質フラグメントの小さなライブラリがネイティブタンパク質構造を正確にモデル化します。J Mol Biol 323, 297-307.
- ^ Du, P., Andrec, M., Levy, R. タンパク質データバンクの短いタンパク質断片に対応する構造はすべて確認されているか? 最新情報。タンパク質工学。2003, 16(6) 407-414。