Прогнозирование химического сдвига белков - Protein chemical shift prediction

Прогнозирование химического сдвига белков это ветвь биомолекулярной спектроскопия ядерного магнитного резонанса который предназначен для точного расчета белка химические сдвиги из координат белка. Прогнозирование химического сдвига белков было впервые предпринято в конце 1960-х годов с использованием полуэмпирических методов, применяемых к структурам белков, решенным с помощью Рентгеновская кристаллография.[1] С тех пор для прогнозирования химического сдвига белков используются гораздо более сложные подходы, включая квантовая механика, машинное обучение и полученные эмпирическим путем гиперповерхности химического сдвига.[1] Самые последние разработанные методы демонстрируют замечательную точность и аккуратность.

Химические сдвиги белков

ЯМР химические сдвиги часто называют вехами спектроскопия ядерного магнитного резонанса. Химики использовали химические сдвиги более 50 лет в качестве легко воспроизводимых и легко измеряемых параметров для картирования ковалентной структуры малых органических молекул. Действительно, чувствительность ЯМР химические сдвиги к типу и характеру соседних атомы в сочетании с их разумно предсказуемыми тенденциями сделали их бесценными как для расшифровки, так и для описания структуры тысяч вновь синтезированных или недавно выделенных соединений.[1][2][3][4] Такая же чувствительность к ряду важных структурных особенностей белка сделала химические сдвиги белков одинаково ценными для химиков-белков и специалистов по биомолекулярной ЯМР-спектроскопии.[4] В частности, химические сдвиги белков чувствительны не только к эффектам заместителя или ковалентного атома (например, электроотрицательность, окислительно-восстановительные состояния или кольцевые токи ), но они также чувствительны к позвоночник торсионные углы (т.е. вторичная структура), водородные связи, локальные атомные движения и доступность растворителя.

Важность предсказания химического сдвига белков

Прогнозируемые или оцененные химические сдвиги белков могут быть использованы для помощи в процессе определения химического сдвига. Это особенно верно, если подобная (или идентичная) структура белка была определена с помощью рентгеновской кристаллографии. В этом случае трехмерную структуру можно использовать для оценки того, какими должны быть химические сдвиги ЯМР, и тем самым упростить процесс определения экспериментально наблюдаемых химических сдвигов. Прогнозируемые / оцененные химические сдвиги белков также могут быть использованы для выявления неправильных или ошибочных назначений, для исправления неверно отнесенных или неверно указанных химических сдвигов, для оптимизации белковых структур с помощью уточнения химического сдвига и для определения относительного вклада различных электронных или геометрических эффектов в ядерно-специфические сдвиги.[1] Химические сдвиги белков также можно использовать для идентификации вторичных структур, для оценки позвоночник торсионные углы, чтобы определить расположение ароматические кольца, оценивать цистеин степени окисления, чтобы оценить воздействие растворителя и измерить позвоночник гибкость.[4]

Прогресс в программах прогнозирования химических сдвигов

Значительный прогресс в химический сдвиг Прогноз был сделан благодаря постоянному улучшению нашего понимания ключевых физико-химических факторов, способствующих изменениям химического сдвига. Этим улучшениям также способствовали значительные вычислительные достижения. [5][6][7][8] и быстрое расширение баз данных биомолекулярных химических сдвигов [9].[10] За последние четыре десятилетия появилось как минимум три различных метода расчета или прогнозирования белка химические сдвиги появились. Первый основан на использовании выравнивания последовательности / структуры по отношению к белку. химический сдвиг баз данных, второй основан на прямом вычислении сдвигов от атомных координат, а третий основан на использовании комбинации двух подходов.[1][4]

  • Прогнозирование сдвигов на основе гомологии последовательностей: они основаны на простом наблюдении, что похожие белковые последовательности имеют схожие структуры и похожие химические сдвиги.[1][3]
  • Прогнозирование сдвигов на основе координатных данных / структуры:
  • Гибридные методы: сочетание двух вышеуказанных методов[1]

Появление гибридных методов прогнозирования

К началу 2000 года несколько исследовательских групп поняли, что химические сдвиги белков можно более эффективно и точно рассчитывать, комбинируя вместе различные методы, как показано на рисунке 1. Это привело к разработке нескольких программ и веб-серверов, которые быстро вычисляют химические сдвиги белков при наличии данные о координатах белков.[1] Эти «гибридные» программы вместе с некоторыми их функциями и URL-адресами перечислены ниже в таблице 1.

Резюме программ прогнозирования химического сдвига белков

Таблица 1: Доступные в настоящее время программы прогнозирования химического сдвига белков
ИмяМетодИнтернет сайт
SHIFTCALC[11]Гибридно-эмпирические гиперповерхности химического сдвига в сочетании с полуклассическими расчетамиhttps://archive.is/20140324204821/http://nmr.group.shef.ac.uk/NMR/mainpage.html
СМЕНА[12]Hybrid - QM гиперповерхности химического сдвига в сочетании с полуклассическими расчетамиhttp://casegroup.rutgers.edu/qshifts/qshifts.htm
CheSHIFT[13]QM рассчитал гиперповерхности химического сдвигаhttp://cheshift.com/
SHIFTX[2]Гибридно-эмпирические гиперповерхности химического сдвига в сочетании с полуклассическими расчетамиhttp://shiftx.wishartlab.com
ПРОШИВКА[14]Модель нейронной сети с использованием атомарных параметров и информации о последовательностиhttp://www.meilerlab.org/index.php/servers/show?s_id=9
СПАРТА[15]Гибрид - сопоставление последовательности и сдвига с базами данных в сочетании с полуклассическими вычислениямиhttp://spin.niddk.nih.gov/bax/software/SPARTA/index.html
СПАРТА +[16]Гибрид - сопоставление последовательностей и сдвигов с базами данных в сочетании с полуклассическими вычислениями и искусственной нейронной сетьюhttp://spin.niddk.nih.gov/bax/software/SPARTA+/
CAMSHIFT[17]Метод на основе расстояния в сочетании с параметризованным полиномиальным разложениемhttps://web.archive.org/web/20140109151911/http://www-vendruscolo.ch.cam.ac.uk/camshift/camshift.php
SHIFTX2[4]Гибрид - метод машинного обучения с использованием атомарных параметров в сочетании с полуклассическими вычислениями (SHIFTX +). Наконец, использование правил ансамбля с предсказанием на основе гомологии последовательностей (SHIFTY +)http://www.shiftx2.ca

http://www.wishartlab.com

Сравнение производительности современных программ прогнозирования химического сдвига белков

В этой таблице (рис. 2) перечислены коэффициенты корреляции между экспериментально наблюдаемыми химическими сдвигами в основной цепи и рассчитанными / предсказанными сдвигами в основной цепи для различных предикторов химического сдвига с использованием идентичного тестового набора из 61 тестового белка.

Покрытие и скорость

У разных методов разные уровни охвата и скорости расчета. Некоторые методы рассчитывают или предсказывают химические сдвиги только для атомов основной цепи (6 типов атомов). Некоторые рассчитывают химические сдвиги для атомов основной цепи и определенных боковых цепей (только C и N), а третьи могут рассчитывать сдвиги для всех атомов (40 типов атомов). Для уточнения химического сдвига необходим быстрый расчет, поскольку тысячи структур генерируются во время молекулярной динамики или моделированного отжига, и их химические сдвиги должны вычисляться одинаково быстро.

ПрограммаКоличество прогнозируемых типов атомовСкорость (секунд / 100 остатков)
SHIFTX270.59
СПАРТА6 (только магистраль)17.92
СПАРТА +6 (только магистраль)2.47
CamShift6 (только магистраль)0.91
СДВИГИ313.66
ПРОШИВКА4012.82
SHIFTX2402.10

Все тесты скорости вычислений для SPARTA, SPARTA +, SHIFTS, CamShift, SHIFTX и SHIFTX2 были выполнены на одном компьютере с использованием одного и того же набора белков. Скорость вычислений, указанная для PROSHIFT, основана на скорости ответа его веб-сервера.[4]

Смотрите также

Рекомендации

  1. ^ а б c d е ж грамм час я j k Wishart, DS (февраль 2011 г.). «Интерпретация данных химического сдвига белков». Прогресс в спектроскопии ядерного магнитного резонанса. 58 (1–2): 62–87. Дои:10.1016 / j.pnmrs.2010.07.004. PMID  21241884.
  2. ^ а б c Нил, S; Nip AM; Zhang H; Wishart DS (июль 2003 г.). «Быстрый и точный расчет химических сдвигов белков 1H, 13C и 15 N». Журнал биомолекулярного ЯМР. 26 (3): 215–240. Дои:10.1023 / А: 1023812930288. PMID  12766419.
  3. ^ а б Wishart, DS; Watson, M.S .; Бойко, Р.Ф .; Сайкс, Б. (Декабрь 1997 г.). «Автоматизированное прогнозирование химических сдвигов 1H и 13C с использованием BioMagResBank». Журнал биомолекулярного ЯМР. 10 (4): 329–336. Дои:10.1023 / А: 1018373822088. PMID  9460240.
  4. ^ а б c d е ж Хан, Beomsoo; Ифэн Лю; Саймон Гинзингер; Дэвид Уишарт (май 2011 г.). «SHIFTX2: значительно улучшенное предсказание химического сдвига белка». Журнал биомолекулярного ЯМР. 50 (1): 43–57. Дои:10.1007 / s10858-011-9478-4. ЧВК  3085061. PMID  21448735.
  5. ^ Уильямсон, член парламента; Асакура, Т. (июль 1997 г.). Химические сдвиги в белках. Методы молекулярной биологии. 60. стр.53–69. Дои:10.1385/0-89603-309-0:53. ISBN  978-0-89603-309-2. PMID  9276246.
  6. ^ Case, DA (октябрь 1998 г.). «Использование химических сдвигов и их анизотропии в определении структуры биомолекул». Текущее мнение в структурной биологии. 8 (5): 624–630. Дои:10.1016 / S0959-440X (98) 80155-3. PMID  9818268.
  7. ^ Дело, DA (апрель 2000 г.). «Интерпретация химических сдвигов и констант взаимодействия в макромолекулах». Текущее мнение в структурной биологии. 10 (2): 197–203. Дои:10.1016 / S0959-440X (00) 00068-3. PMID  10753812.
  8. ^ Wishart, DS; Дело, Д.А. (2001). Использование химических сдвигов в определении структуры макромолекул. Методы в энзимологии. 338. С. 3–34. Дои:10.1016 / с0076-6879 (02) 38214-4. ISBN  9780121822392. PMID  11460554.
  9. ^ Сиви, Б.Р .; Farr, E.A .; Вестлер, W.M. И Маркли, Дж. Л. (1991). «Реляционная база данных для данных ЯМР белков, специфичных для последовательности». Журнал биомолекулярного ЯМР. 1 (3): 217–236. Дои:10.1007 / BF01875516. PMID  1841696.
  10. ^ Чжан, Х; Нил С. и Уишарт Д.С. (март 2003 г.). «RefDB: база данных по химическим сдвигам белков с одинаковыми ссылками». J. Biomol. ЯМР. 25 (3): 173–195. Дои:10.1023 / А: 1022836027055. PMID  12652131.
  11. ^ Ивадате, М; Асакура Т; Уильямсон MP (1999). «Химические сдвиги C-альфа и C-бета углерода-13 в белках из эмпирической базы данных». J Biomol ЯМР. 13 (3): 199–211. Дои:10.1023 / А: 1008376710086. PMID  10212983.
  12. ^ Сюй, XP; Дело DA (2001). «Автоматизированное предсказание химических сдвигов 15N, 13Calpha, 13Cbeta и 13C 'в белках с использованием базы данных функциональной плотности». J Biomol ЯМР. 21 (4): 321–333. Дои:10.1023 / А: 1013324104681. PMID  11824752.
  13. ^ Vila, JA; Арнаутова Ю.А.; Мартин О.А. (2009). «Полученный из квантовой механики сервер химического сдвига 13Calpha (CheShift) для проверки структуры белка». Proc Natl Acad Sci USA. 106 (40): 16972–16977. Bibcode:2009ПНАС..10616972В. Дои:10.1073 / pnas.0908833106. ЧВК  2761357. PMID  19805131.
  14. ^ Мейлер, Дж (2003). «PROSHIFT: прогнозирование химического сдвига белков с помощью искусственных нейронных сетей». J Biomol ЯМР. 26 (1): 25–37. Дои:10.1023 / А: 1023060720156. PMID  12766400.
  15. ^ Шен, Й; Bax A (2007). «Химические сдвиги в основной цепи протеина, предсказанные на основе поиска в базе данных для определения торсионного угла и гомологии последовательностей». J Biomol ЯМР. 38 (4): 289–302. Дои:10.1007 / s10858-007-9166-6. PMID  17610132.
  16. ^ Шен, Ян; Ад Бакс (2010). «SPARTA +: небольшое улучшение эмпирического предсказания химического сдвига ЯМР с помощью искусственной нейронной сети». J Biomol ЯМР. 48 (1): 13–22. Дои:10.1007 / s10858-010-9433-9. ЧВК  2935510. PMID  20628786.
  17. ^ Kohlhoff, KJ; Robustelli P; Кавалли А; Salvatella X; Вендрусколо М (2009). «Быстрые и точные предсказания химических сдвигов ЯМР белков с межатомных расстояний». J Am Chem Soc. 131 (39): 13894–13895. Дои:10.1021 / ja903772t. PMID  19739624.