Предвиђање структуре протеина — разлика између измена
Садржај обрисан Садржај додат
м Bot: Migrating 10 interwiki links, now provided by Wikidata on d:q899656 (translate me) |
м разне исправке; козметичке измене |
||
Ред 5:
Практична улога предвиђања структуре протеина је сада важнија него икад. Огромне количине података о структури протеина се могу добити помоћу модерних напора структуисања великог опсега [[ДНК]], као што је „[[Пројекат људски геном|Human Genome Project]]“. Упркос свеобухватним напорима у [[генетика|структурној генетици]], резултат експеримантално одређених структура протеина, обично коришћењем релативно скупе [[рендгенски зраци|рендгеноструктурне анализе]] и [[НМР|НМР спректроскопије]], веома касни за резлтатима протеинског поредка.
Постоји већи број фактора, који предвиђање структуре протеина чине тешким задатком, а међу њих спадају:
* Број могућих структура које [[протеин]] може да има је веома велики и то је означено као Левинталов парадокс.
* Физичка база стабилности протеинске структуре није у потпуности схваћена (позната).
* За формирање терцијарне структуре неопходни су протеини познати као „пратиоци“ ([[chaperone]]s, енг.) који су потребни неким протеинима како би се правилно увили, док се други протеини не могу правилно увити без модификација као што је [[гликозилација]].
* Одређени редослед аминокиселина у зависности од своје околине би можда могао да претпостави вишеструке конформације, па тада биолошки активна конформација не би била [[термодинамика|термодинамички]] најповољнија.
* Директна симулација [[увијање протеина|увијања протеина]] путем метода као што је молекуларна динамика, упркос напорима распрострањених компјутерских пројеката (као што је [[Folding@home]]), није лако обрадива, како из практичних тако и из теоретских разлога, осим у случају веома малих протеина.
Упркос горе наведеним препрекама, многе истраживачке групе, које се баве овим задатком, праве велики напредак. Предвиђање структуре малих протеина је сада савршено реалан циљ. Широк спектар метода се рутински примењује за оваква предвиђања. Ови приступи се могу поделити у две класе:
* ''[[Ab initio]]''
* компаративно моделирање.
== ''-{Ab initio}-'' моделирање протеина ==
Ред 23:
Компаративно моделирање протеина користи претходно решене структуре као полазне тачке, или узорке. Ова метода даје ефекта јер иако је број правих протеина огроман, постоји ограничен број [[терцијарна структура протеина|терцијарних структурних основа]] којима већина протеина може да припада. Утврђено је да, иако постоје милиони различитих протеина, у природи постоји само око 2000 карактеристичних начина њиховог увијања.
Ове методе такође можемо поделити у две групе:
* '''[[Хомологно моделирање]]''' је базирано на прихватљивој претпоставци да два хомологна протеина могу да деле веома сличне структуре. Обзиром да је увијање протеина кроз еволуцију више сачувано него њихов низ аминокиселина, циљни низ може бити изграђен, са прихватљивом тачношћу, на веома удаљеном сродном узорку, под условом да се веза између циља и узорка разликује само по начину уређења примарне структуре. Утврђено је да ће примарна сметња у компаративном моделирању пре настати из потешкоћа у секвенци, него из грешака у предвиђању структуре која настаје из добро познатих поравнања.<ref name="zhang2005">{{cite journal |author=Zhang Y and Skolnick J |title=The protein structure prediction problem could be solved using the current PDB library |journal=Proc Natl Acad Sci USA |volume=102 |issue=4 |pages=1029-1034 |year=2005 |}}</ref> Није изненађујуће што је хомологно моделирање најтачније када циљ и узорак имају сличне низове.
* '''Рачунарска предикција протеинске секвенце или структуре''' („[[protein threading]]“, енг.)<ref name="bowie1991">{{cite journal |author=Bowie JU, Luthy R, Eisenberg D |title=A method to identify protein sequences that fold into a known three-dimensional structure |journal=Science |volume=253 |issue=5016 |pages=164-170 |year=1991 |}}</ref> упоређује низ аминокиселина непознате структуре са базама података познатих структура. У сваком појединачном случају, добијена функција се користи за процењивање компатибилиности низа са структуром, чиме се проширују могући тродимензионални модели. Овакав тип метода је такође познат као '''3D – 1D препознавање увијања''', због своје компатибилне анализе између тродимензионалних структура и линеарног низа протеина. Овај метод је омогућио напредак другим методама, које се баве '''обрнутим истраживањем увијања''', на начин којим упоређујући компатибилност дате структуре са огромним базама података низова предвиђају који низови поседују потенцијал да проузрокују дато увијање.
== Геометријско предвиђање бочног ланца ==
Чак и методе предвиђања структуре, које имају прихватљиву тачност за пептидну основу, обично дају погрешну оријентацију и паковање [[аминокиселине|бочног ланца]] аминокиселина. Методе које се искључиво баве предвиђањем геометрије бочног ланца, укључују методе елиминације мртвих крајева („[[dead-end elimination]]“, енг.) и самодоследности средине поља („[[self-consistent mean field]]“, енг.). Обе методе изолују непрекидно променљиве двостране углове који одређују усмеравање бочног ланца повезаног са основом у групу ротамера (конформације бочног ланца са ниском енергијом) са причвршћеним двостраним угловима. Методе затим покушавају да идентификују групе ротамера које минимизирају енергију крајњег модела. Ове методе се највише користе за анализу хидрофобног језгра протеина, где су бочни ланци веома густо паковани. Оне имају више проблема са слободним групама и са високом флексибилношћу остатака површине.<ref name="voigt2000">{{cite journal |author=Voigt CA, Gordon DB, Mayo SL |title=Trading accuracy for speed: A quantitative comparison of search algorithms in protein sequence design |journal=J Mol Biol |volume=299 |issue=3 |pages=789-803 |year=2000 |}}</ref>
Ред 45:
{{portal2|Физичка хемија}}
* [[Протеин]]
* [[Молекулска динамика]]
==
{{
== Спољашње везе: ==
* [http://bioinf.cs.ucl.ac.uk/psipred/ Bioinformatics Unit]
* [http://bmerc-www.bu.edu/psa/ BioMolecular Engineering Research Center]
* [http://www.predictprotein.org PredictProtein]
* [http://predictioncenter.gc.ucdavis.edu/ Protein Structure Prediction Center]
* [http://restools.sdsc.edu/biotools/biotools9.html#part2 2/3D Protein Structure Prediction & Databases]
{{-}}
| |||