|
发表于 2007-5-20 23:46:27
|
显示全部楼层
http://www.worldcommunitygrid.org/projects_showcase/viewHpf2Faq.do?shortName=hpf2
人类蛋白质组折叠研究——第二阶段
• HPF1 vs. HPF2: 高分辨率下的差异结构评价
• HPF1 vs. HPF2: 氢键
• HPF1 vs. HPF2: 溶剂化——高分辨率下蛋白质在水相介质中的建模
• HPF1 vs. HPF2: 分辨率pair score
• 高分辨率的普遍重要性
HPF1 vs. HPF2: 高分辨率下的差异结构评价
寻找分辨率和计算效率间的平衡:
蛋白质的结构预测过程中,计算效率和模拟蛋白质结构的细节程度之间必须要进行慎重的考量。低分辨率模型可以用于蛋白质拓扑学和蛋白质折叠预测,一些情况下可以作为蛋白质功能的图示(Bonneau et al. 2001b)。同时该种模型在预测诸如折叠率和phiφ值等时也很有效(Alm and Baker 1999a; Alm and Baker 1999b)。不过,有一点很明显——如果能够达到更高分辨率的结构预测,那么蛋白质的原子水平建模(包括结合水和辅因子在内)、以及在评价高分辨率模型时采用物理势并细节化都应成为必须有所发展的部分。在提高到原子级别的结构细节后(加入了主链旁的侧链),加之在选择和/或建立高分辨率结构时使用了物理评价功能,现在的研究开始集中在利用低分辨率模型寻找折叠结构。在两段法采用低分辨率模型整合蛋白质片段和以更多物理势及原子细节(如旋转异构体)进行精细化表达侧链的合成模型后,再配合从头预测方法,这样的应用在一些研究中已经证明了其有效性(Bradley et al. 2003; Misura and Baker 2005; Tsai et al. 2003)。第一步,在研究以侧链为质心的可能主链空间时使用了Rosetta。这个过程中可以很好的描述以及表征错误率和状态。使用了物理势来进行类似氢键、范德华力和静电学等细节说明,可以改进高可信度或是低评价的模型。
在改进从头预测方法时所遇到的一个主要难题就是侧链自由度和所用物理势的缩减长度范围(缩减收敛半径),这需要在可能结构里相当大的空间范围中取样。因此,一般需要检验两次键角的数量才可以确认。
HPF1 vs. HPF2: 氢键
HPF1和HPF2的差别之一就在于不同分辨率下的氢键评价。HPF1采用的是链集评价法,而HPF2采用的是氢键评价,相关分数可以在客户端的图形界面上看到。HPF1中主链氢键的评价是通过间接的途径实现的,也就是结链成片,这样就能清楚的看到链的定位情况。蛋白质螺旋中的氢键尚没有进行过模拟,在计算时假定螺旋中的氢键是饱和的。下面的图片标识出了氢键。低分辨率法中首先要将分子链分解成向量(忽略蛋白质螺旋的二级结构片段),然后采用两向量间角和距离关系所决定的功能对链排列(和准确的氢键预计)进行评分。这样在对主链氢键中的单个原子坐标位置确认时,评分功能可以具有更好的容错能力(因为大量的残留物都被分解为代表分子链的向量的角和距离)。在高分辨率精细化和Rosetta中,用到了一种经验氢键关系,即单个电正性和电负性原子间角度和距离的相关性(Rohl, 2005)。此氢键关系的灵敏度更高,和计算物理实际能量(这是科学家们非常关注的部分)也有着更直接的关系。不过所需的采样要更多些,因为主链上细小的变化都会在计算时引起很大的能量起伏。下面的图示中,标识出了一个小蛋白质分子链中N-terminus(起点,蓝色)到C-terminus(红色)。
(图)
现在图中显示的是两个以氢键(若干个)结合起来的分子链:
(图)
如果将原子分类着色的话(C=绿,N=蓝,O=红,S=黄,H=白),如下图:
(图)
然后我把除了两个分子链上的其它假想部分都舍去:
(图)
最后我把位于两条链上的N和O间的氢键用黑色折线表示:
(图)
这是另一个无链小蛋白质分子,以氢键连接形成α-螺旋:
(图)
下图将α-螺旋(同旋向并按原子分类着色)画了出来:
(图)
然后再把氢键用黑色折线表示出来:
(图)
HPF1 vs. HPF2: 溶剂化——高分辨率下蛋白质在水相介质中的建模
在高分辨率方法使用时,还会遇到另一个难题——溶剂中进行蛋白质原子级别建模时,势的精确计算变的困难了;而且改进模型时,还要用到静电学和溶剂化条件这样难满足的条件。蛋白质构象的自由能全面处理(由绝缘屏蔽处理后得到)过程对获得有效解没有影响,而且静电自由能的全面处理(解大量构象的Poisson-Boltzmann方程或线性Poisson-Boltzmann方程)对计算的要求非常高。尽管有这样的困难,对从头预测方法用原子势进行的改进将有助于提高选择和/或生成近天然结构的能力。这些方法虽然能够准确选择近天然构象并加以改进,不过仍然需要先使用低分辨率方法提供好的初始结构(HPF2需要HPF1提供基础研究结果)(Lee et al. 2001; Misura and Baker 2005; Tsai et al. 2003)。目前一些高分辨率的结构预测非常让人振奋,而且现在一个逐渐明朗的共识就是在采样量急剧增加后(网格化后的任务量也会增加)要有更高分辨率的从头结构预测(对侧链的原子级别结构预测)。在HPF2的客户端中有三个分数栏,其中一个显示的就是溶剂化时的分数。
HPF1 vs. HPF2: 分辨率pair score
HPF2中的pair score和HPF1中的差不多,但HPF2的pair score将旋转异构体(可以有效的表示所有侧链原子)替代了质心的位置(以一个模糊单点表示氨基酸)。这样HPF2的pair score 应该可以视为完整版的HPF1 pair score(当然这还要进行一些重新参数化的工作)。
高分辨率的普遍重要性
高分辨率的结构预测可以在不进行改动的情况下使用于多种方法:预测蛋白质间作用,设计蛋白质和从部分实验数据集中筛选蛋白质结构。虽然在同源建模和蛋白质设计的背景下,刚刚建立起来了一些高分辨率从头结构预测的改进方法要用到很多评分和搜索策略(Kuhlman et al. 2002) (Rohl 2004a),Rosetta小组现在开始为所有这些方面进行改进,我们现在在HPF2中所能用上的Rosetta还只是其中一小半。 |
评分
-
查看全部评分
|