スレッド（タンパク質配列）

分子生物学において、タンパク質スレッディング（フォールド認識とも呼ばれる）は、既知の構造のタンパク質と同じフォールドを持つが、既知の構造を持つ相同タンパク質を持たないタンパク質をモデル化するために使用されるタンパク質モデリングの方法です。これは、タンパク質データバンク（PDB）に相同タンパク質構造が登録されているタンパク質に使用されるのに対し、相同モデリングは相同タンパク質構造が登録されているタンパク質に使用されるため、構造予測の相同モデリング方法とは異なります。スレッディングは、PDBに登録されている構造とモデル化したいタンパク質の 配列との関係に関する統計的知識を使用して機能します。

予測は、ターゲット配列の各アミノ酸をテンプレート構造の位置に「スレッド化」(つまり、配置、整列) し、ターゲットがテンプレートにどの程度適合するかを評価することによって行われます。最も適合するテンプレートが選択されると、選択されたテンプレートとの整列に基づいて配列の構造モデルが構築されます。タンパク質スレッド化は、自然界の異なるフォールドの数はかなり少ない (約 1300) ことと、過去 3 年間に PDB に提出された新しい構造の 90% が、PDB にすでに存在するものと類似した構造フォールドを持っていることという 2 つの基本的な観察に基づいています。

タンパク質構造分類データベース(SCOP) は、既知の構造の構造的および進化的関係について詳細かつ包括的な説明を提供します。タンパク質は、構造的および進化的関連性の両方を反映するように分類されます。階層には多くのレベルがありますが、主要なレベルは、ファミリー、スーパーファミリー、およびフォールドです。

• ファミリー (明確な進化的関係): ファミリーにまとめられたタンパク質は、明らかに進化的に関連しています。一般的に、これはタンパク質間のペアワイズ残基同一性が 30% 以上であることを意味します。ただし、場合によっては、配列同一性が高くなくても、類似の機能と構造が共通の起源の決定的な証拠となります。たとえば、多くのグロビンはファミリーを形成しますが、一部のメンバーの配列同一性はわずか 15% です。
• スーパーファミリー (おそらく共通の進化的起源): 配列同一性は低いが、構造的および機能的特徴から共通の進化的起源がある可能性が高いことが示唆されるタンパク質は、スーパーファミリーにまとめられます。たとえば、アクチン、熱ショックタンパク質のATPaseドメイン、およびヘキソキナーゼは、スーパーファミリーを形成します。
• フォールド (主要な構造的類似性): タンパク質は、同じ配置で同じ位相的接続を持つ同じ主要な二次構造を持つ場合、共通のフォールドを持つと定義されます。同じフォールドを持つ異なるタンパク質は、二次構造の周辺要素と、サイズと構造が異なるターン領域を持つことがよくあります。場合によっては、これらの異なる周辺領域が構造の半分を構成することがあります。同じフォールド カテゴリにまとめられたタンパク質は、共通の進化の起源を持たない可能性があります。構造的類似性は、特定のパッキング配置とチェーン トポロジーを好むタンパク質の物理と化学からのみ発生する可能性があります。

タンパク質スレッドの一般的なパラダイムは、次の 4 つのステップで構成されます。

1. 構造テンプレートデータベースの構築: タンパク質構造データベースから構造テンプレートとしてタンパク質構造を選択します。通常、これは、配列の類似性が高いタンパク質構造を除外した後、タンパク質データバンク(PDB) 、構造的に類似したタンパク質ファミリー データベース(FSSP)、タンパク質構造分類データベース(SCOP)、またはCATH データベースなどのデータベースからタンパク質構造を選択することを意味します。
2. スコアリング関数の設計: 構造と配列間の既知の関係に関する知識に基づいて、ターゲット配列とテンプレート間の適合度を測定するための適切なスコアリング関数を設計します。適切なスコアリング関数には、突然変異の可能性、環境適合度の可能性、ペアワイズの可能性、二次構造の互換性、ギャップ ペナルティが含まれている必要があります。エネルギー関数の品質は、予測精度、特にアライメント精度と密接に関係しています。
3. スレッド アライメント: 設計されたスコアリング関数を最適化することで、ターゲット シーケンスを各構造テンプレートにアライメントします。このステップは、ペアワイズ接触ポテンシャルを考慮するすべてのスレッド ベースの構造予測プログラムの主要なタスクの 1 つです。それ以外の場合は、動的プログラミング アルゴリズムで実行できます。
4. スレッド予測: スレッド予測として統計的に最も可能性の高いスレッドアライメントを選択します。次に、ターゲット配列のバックボーン原子を、選択した構造テンプレートのアライメントされたバックボーン位置に配置して、ターゲットの構造モデルを構築します。

ホモロジー モデリングとタンパク質スレッディングはどちらもテンプレート ベースの方法であり、予測技術の点では両者の間に厳密な境界はありません。ただし、ターゲットのタンパク質構造は異なります。ホモロジー モデリングは、構造が既知の相同タンパク質 (通常は同じファミリー) を持つターゲットを対象とし、タンパク質スレッディングはフォールド レベルの相同性のみが見つかったターゲットを対象とします。言い換えると、ホモロジー モデリングは「より簡単な」ターゲットを対象とし、タンパク質スレッディングは「より難しい」ターゲットを対象とします。

相同性モデリングでは、アラインメント内のテンプレートを配列として扱い、配列相同性のみが予測に使用されます。タンパク質スレッディングでは、アラインメント内のテンプレートを構造として扱い、アラインメントから抽出された配列情報と構造情報の両方が予測に使用されます。有意な相同性が見つからない場合、タンパク質スレッディングは構造情報に基づいて予測を行うことができます。これは、多くの場合、タンパク質スレッディングが相同性モデリングよりも効果的である理由も説明しています。

実際には、配列アラインメントにおける配列同一性が低い場合 (つまり、<25%)、相同性モデリングでは有意な予測が生成されない可能性があります。この場合、ターゲットに遠い相同性が見つかった場合、タンパク質スレッディングによって適切な予測が生成されます。

フォールド認識方法は、フォールドライブラリ内の各構造の 1-D プロファイルを導出し、ターゲット配列をこれらのプロファイルにアラインメントする方法と、タンパク質テンプレートの完全な 3-D 構造を考慮する方法の 2 種類に大別できます。プロファイル表現の簡単な例としては、構造内の各アミノ酸を取得し、タンパク質のコアに埋め込まれているか表面に露出しているかに応じて単純にラベルを付けるというものがあります。より複雑なプロファイルでは、ローカルな二次構造(アミノ酸がアルファヘリックスの一部であるかどうかなど) や進化情報 (アミノ酸がどの程度保存されているか) が考慮される場合があります。3-D 表現では、構造は原子間距離のセットとしてモデル化されます。つまり、距離は構造内の一部またはすべての原子ペア間で計算されます。これは、構造のより豊富で柔軟性の高い記述ですが、アラインメントの計算に使用するのがはるかに困難です。プロファイルベースのフォールド認識アプローチは、1991年にBowie、Lüthy、 David Eisenbergによって初めて説明されました。 ^[1]スレッドという用語は、1992年にDavid Jones、William R. Taylor、Janet Thorntonによって最初に造られ、^[2]もともとはフォールド認識におけるタンパク質テンプレートの完全な3D構造の原子表現の使用を具体的に指していました。今日では、スレッドとフォールド認識という用語は頻繁に（多少の誤りはあるものの）同じ意味で使用されています。

フォールド認識法は、自然界に存在するタンパク質フォールドの数が厳密に限られていると考えられているため、広く使用され、効果的です。これは主に進化の結果ですが、ポリペプチド鎖の基本的な物理と化学によって課せられた制約によるものです。したがって、ターゲットタンパク質に類似したフォールドを持つタンパク質が、X 線結晶構造解析または核磁気共鳴 (NMR) 分光法によってすでに研究されており、PDB で見つかる可能性は高いです (現在 70 ～ 80%)。現在、約 1,300 種類の異なるタンパク質フォールドが知られていますが、進行中の構造ゲノミクスプロジェクトのおかげで、毎年新しいフォールドが発見されています。

配列を構造上に正しくスレッド化するためのさまざまなアルゴリズムが提案されているが、その多くは何らかの形で動的計画法を利用している。完全な 3D スレッド化の場合、最適なアラインメントを特定する問題は非常に困難である (スレッド化のモデルによってはNP 困難な問題である)。 ^{[要出典]研究者は、}条件付きランダム フィールド、シミュレーテッド アニーリング、分枝限定法、線形計画法など、多くの組み合わせ最適化手法を利用して、ヒューリスティックな解決策を模索してきた。スレッド化手法と、2 つのタンパク質構造をアラインメントしようとする手法 (タンパク質構造アラインメント)を比較するのは興味深く、実際に同じアルゴリズムの多くが両方の問題に適用されている。

• HHpredは、隠れマルコフモデルのペア比較に基づくリモート相同性検出に広く使用されているソフトウェアであるHHsearch を実行する、人気のスレッド サーバーです。
• RAPTORは整数計画法に基づくタンパク質スレッディングソフトウェアです。これは、確率的グラフィカルモデルと統計的推論を単一テンプレートと複数テンプレートに基づくタンパク質スレッディングの両方に採用する新しいタンパク質スレッディングプログラムRaptorXに置き換えられました。 ^{[3] [4] [5] [6]} RaptorXはRAPTORより大幅に性能が優れており、特にスパース配列プロファイルを持つタンパク質のアラインメントに優れています。RaptorXサーバーは無料で公開されています。
• Phyre は、 HHsearchとab initioおよび複数テンプレート モデリングを組み合わせた人気のスレッド サーバーです。
• MUSTERは、動的プログラミングと配列プロファイル-プロファイルアライメントに基づく標準的なスレッドアルゴリズムです。また、複数の構造リソースを組み合わせて、配列プロファイルアライメントを支援します。^[7]
• SPARKS Xは、クエリの予測された1次元構造特性とテンプレートの対応するネイティブ特性との間の確率ベースの配列構造マッチングです。^[8]
• BioShellは、予測された二次構造と組み合わせた最適化されたプロファイル間動的プログラミングアルゴリズムを使用したスレッドアルゴリズムです。^[9]

• ホモロジーモデリング
• タンパク質構造予測
• タンパク質構造予測ソフトウェア