σε

ΒΙΟ 230 – Εισαγωγή στην Υπολογιστική Βιολογία

Αρχές Δοµικής Βιοπληροφορικής Πρωτεϊνών(σε <100 διαφάνειες...)

Βασίλης ΠροµπονάςΕρευνητικό Εργαστήριο Βιοπληροφορικής

Τµήµα Βιολογικών ΕπιστηµώνΠανεπιστήµιο Κύπρου

email: [email protected]: http://troodos.biol.ucy.ac.cy


ΣΥΝΟΨΗ● Εισαγωγικά Στοιχεία – Βασικές έννοιες ● Τύποι Προγνωστικών Μεθόδων

– Πρόβληµα (π.χ. 2ταγής, φ-ψ, TM-τοπολ.)– Μέθοδος (Εµπειρικές, Στατιστικές, Μηχανικής

Μάθησης)● Ειδικά προβλήµατα:

– Αρχές Μεθόδων Comparative Modelling– Πρόβλεψη 2γους δοµής πρωτεϊνών– Τοπολογία Διαµεµβρανικών Πρωτεϊνών

● Συζήτηση ..


Αλφαβητάρι (Μοριακής) Βιολογίας

● Γονιδίωµα/τα● Χρωµόσωµα/τα● Γονίδιο/α● Πρωτεΐνη/ες

Ορισµένες “λέξεις κλειδιά”


Η ροή της Γενετικής πληροφορίας“Το Κεντρικό Δόγµα”

PROTEINPROTEIN

RNARNA

DNADNA

ΑντιγραφήReplication

ΜεταγραφήTranscription

ΜετάφρασηTranslation


...ACTGTCTGACCGGCAGCA...

...TGACAGACTGGCCGTCGT...

Το DNA αποθηκεύει πληροφορία…


Οι πρωτεΐνες διεκπεραιώνουν τη “βρώµικη” δουλειά…


Πρωτεΐνες● Συγκροτούνται από µία ή περισσότερες πολυπεπτιδικές αλυσίδες (οµο- ή ετερο-πολυµερή)

● Η Λειτουργική “Εργαλειοθήκη” κάθε κυττάρου


Πρωτεϊνες: Η Λειτουργική “Εργαλειοθήκη” κάθε κυττάρου

● Ένζυµα (Enzymes)● Μεταφορά-Αποθήκευση

(Transport-Storage)● Κίνηση (Motion)● Δέσµευση ουσιών (Binding)● Μοριακή Αναγνώριση

(Molecular Recognition)● Μεταγωγή Σήµατος (Signal

Transduction)

● Δοµικές πρωτεΐνες (Structural Proteins)

● Παραγωγή Ενέργειας (Energy Production)

● Ρύθµιση Κυτταρικών Διεργασιών και Διαφοροποίηση (Cell Regulation and Differentiation)

● ... (...)


...LSAFSFNRFETSSKMARYNLPCPRSLLAILS...

Οι πρωτεΐνες διεκπεραιώνουν τη “βρώµικη” δουλειά…

Image adapted from Petsko & Ringe, Protein structure and function


Πίσω στο “Κεντρικό Δόγµα”

Σχεδόν για όλες τις πρωτεΐνες

FunctionFunction

τρισδιάστατη Δοµήτρισδιάστατη Δοµή3D-structure3D-structure

ΑλληλουχίαΑλληλουχίαSequenceSequence

Καθορίζει

Καθορίζει • Glucose Uptake PathwayGlucose Uptake Pathway• Glycogen Synthesis PathwayGlycogen Synthesis Pathway• Formation of triglyceridesFormation of triglycerides

..VEQCCTSICSLYQL..

Ο Γενετικός κώδικας είναι εκφυλισµένος ΚΑΙ σε αυτότο επίπεδο


Βασικές αρχές δοµής πρωτεϊνώνΑµινοξέα: Οι δοµικοί λίθοι


Βασικές αρχές δοµής πρωτεϊνώνΑµινοξέα: Οι δοµικοί λίθοι (ΙΙ)


Η δοµή των πρωτεϊνώνακολουθεί µια ιεραρχία● Πρωτοταγής

– Αµινοξική Ακολουθία● Δευτεροταγής

– Τοπικές διαµορφώσεις της πολυπεπτιδικής αλυσίδας

● Τριτοταγής– Τρισδιάστατο Δίπλωµα (Fold)

● Τεταρτοταγής– Αλληλεπιδράσεις πρωτεΐνης


Αυτοτελή δοµικά στοιχεία(Structural Domains)

● Αυθύπαρκτες δοµικές οντότητες● Διακριτή οργάνωση● Ανεξάρτητες στο Δίπλωµα● Λειτουργική αυτοτέλεια

Όχι πάντα συνεχόµενα τµήµατα πολυπεπτιδικής αλυσίδας

Όχι πάντα από την ίδια πολυπεπτιδική αλυσίδα

!

!


Protein Data Bank - PDB http://www.rcsb.org

● Εγγραφές: Αποτελέσµατα πειραµάτων προσδιορισµού πρωτεϊνικών δοµών– Μεµονωµένες πρωτεϊνικές υποµονάδες– Πρωτεϊνικά σύµπλοκα

http://www.rcsb.org/


Η ανάπτυξη της PDB

Από: Bourne and Wu (2009)


Structural Classification of Proteins(SCOP) Murzin, et al., 1995.

http://scop.mrc-lmb.cam.ac.uk/scop/

● Ιεραρχική Ταξινόµηση που αντανακλά:– Εξελικτικές σχέσεις– Αρχές Πρωτεϊνικής Δοµής

● Με το ΜΑΤΙ!!

● Βασική οντότητα τα DOMAINS


Η ιεραρχία της SCOP

● Family (Οικογένεια)● Superfamily (Υπερ-οικογένεια)● Fold (Δίπλωµα)● Class (Κατηγορία/Κλάση)

– Κατά κύριο λόγο εκφράζει το περιεχόµενο δευτεροταγούς δοµής


Κύριες κατηγορίες διπλώµατος

all-α all-β

α+βα/β



● Family (Οικογένεια)● Superfamily (Υπερ-οικογένεια)● Fold (Δίπλωµα)

– Σηµαντική Δοµική Οµοιότητα● Κοινά κύρια στοιχεία δευτεροταγούς δοµής● Κοινή διευθέτηση● Κοινή τοπολογία διασυνδέσεων

– Η οµοιότητα οφείλεται στη φυσικοχηµεία των πρωτεϊνών και ΟΧΙ σε εξελικτική συσχέτιση

● Class (Κατηγορία/Κλάση)



● Family (Οικογένεια)● Superfamily (Υπερ-οικογένεια)

– Πιθανή κοινή εξελικτική προέλευση– Χαµηλά επίπεδα οµοιότητας πρωτοταγούς δοµής– Κοινά δοµικά χαρακτηριστικά

● Fold (Δίπλωµα)● Class (Κατηγορία/Κλάση)


Είµαστε µια ωραία ΥΠΕΡοικογένεια ...



● Family (Οικογένεια)– Ξεκάθαρη εξελικτική σχέση– Καθορίζεται µε βάση 2 (εξελικτικά) κριτήρια

● Ανά δύο >30% ταυτόσηµα κατάλοιπα● Πολύ όµοιες δοµές και λειτουργίες

● Superfamily (Υπερ-οικογένεια)● Fold (Δίπλωµα)● Class (Κατηγορία/Κλάση)


Είµαστε µια ωραία οικογένεια ...


Μια µατιά στην CATH [???]Orengo et al., 1997.

http://www.cathdb.info Homologous superfamily Topology Architecture Class


Πόσα (διαφορετικά) Domains??



... µα τι είναι η δοµή??


voila!!


ΣΥΝΟΨΗ● Εισαγωγικά Στοιχεία – Βασικές έννοιες ● Τύποι Προγνωστικών Μεθόδων

– Πρόβληµα (π.χ. 2ταγής, φ-ψ, TM-τοπολ.)– Μέθοδος (Εµπειρικές, Στατιστικές, Μηχανικής

Μάθησης)● Ειδικά προβλήµατα:

– Αρχές Μεθόδων Comparative Modelling– Πρόβλεψη 2γους δοµής πρωτεϊνών– Τοπολογία Διαµεµβρανικών Πρωτεϊνών

● Συζήτηση ..


Προγνωστικές Μέθοδοι??


Πίσω στο “Κεντρικό Δόγµα”

Σχεδόν για όλες τις πρωτεΐνες

FunctionFunction

τρισδιάστατη Δοµήτρισδιάστατη Δοµή3D-structure3D-structure

ΑλληλουχίαΑλληλουχίαSequenceSequence

Καθορίζει

Καθορίζει • Glucose Uptake PathwayGlucose Uptake Pathway• Glycogen Synthesis PathwayGlycogen Synthesis Pathway• Formation of triglyceridesFormation of triglycerides

..VEQCCTSICSLYQL..

Ο Γενετικός κώδικας είναι εκφυλισµένος ΚΑΙ σε αυτότο επίπεδο


Προσοχή στο κενό ...● ΤΕΡΑΣΤΙΟΣ ΟΓΚΟΣ ΔΕΔΟΜΕΝΩΝ ΑΛΛΗΛΟΥΧΙΩΝ

● Γονιδιωµατική και µετα-Γονιδιωµατική Εποχή


Πειραµατικός Προσδιορισµός

● Επίπονη – Χρονοβόρα – Ακριβή Διαδικασία– Κρυσταλλογραφία ακτίνων-Χ– Μαγνητικός Πυρηνικός Συντονισµός– Ηλεκτρονική Μικροσκοπία

● Μέθοδοι Πρόβλεψης καλούνται να καλύψουν “ΤΟ ΚΕΝΟ”

● Τι προβλέψεις?


INPUT>X-factor hypothetical proteinSHTDIKVPDFSDYRRPEVLD STKSSKESSEARKGFSY

OUTPUT

Πρόβλεψη σε 3D


Πρόγνωση της τρισδιάστατης πρωτεϊνικής δοµής

● Συγκριτική Προτυποποίηση – Comparative (Homology) Modeling

● Threading (“Αρµάθιασµα”, Fold Recognition, Inverse Protein Folding)

● Πρόγνωση από πρώτες αρχές (ab initio methods)


Πρόγνωση της δοµής πρωτεϊνών

● ΠΡΟΒΛΗΜΑ:– Έχω την ακολουθία µιας νέας πρωτεΐνης

● Ερωτήµατα– Γνωστό δίπλωµα ?

● ΝΑΙ: µπορώ να βρώ τις λεπτοµέρειες ?● ΟΧΙ: ποιο είναι τότε ?

● Γιατί µε απασχολεί όµως ??


Γιατί??

● Περιέργεια!!● Γνώση 3D-δοµής

– Λειτουργία– Εξέλιξη– Ορθολογικός σχεδιασµός φαρµάκων– Σχεδιασµός & Μηχανική Πρωτεϊνών– Πρόβλεψη πρωτεϊνικών αλληλεπιδράσεων– ...


Γιατί??



Πώς όµως??Αµινοξική Ακολουθία... AKLYCMVHAAIL ...

ΟµολογίαΔοµική Αναλογία

ΕµπειρικήΓνώση Θεωρία Πειραµατικοί

Περιορισµοί


... είναι εφικτό ??● Τα καλά νέα:

– “Η θερµοδυναµική υπόθεση” (C. Anfinsen)

● Τα άσχηµα νέα:– Ο τρόπος δεν είναι πάντα προφανής– Δεν υπάρχει αναλυτική σχέση ακολουθίας-δοµής


Συγκριτική προτυποποίηση(aka Comparative or Homology Modeling)

● Ξεκάθαρη σχέση µε προσδιορισµένη δοµή– Οµοιότητα στο επίπεδο της αλληλουχίας

● Βασικές Αρχές– Φυσικά η Θερµοδυναµική Υπόθεση– (Πολύ) όµοιες ακολουθίες αναµένουµε να διπλώνουν µε τον ίδιο τρόπο

– Η δοµή περισσότερο συντηρηµένη από ακολουθία


Συγκριτική προτυποποίηση(aka Comparative or Homology Modeling)

1.Εντοπισµός κατάλληλης δοµής-µήτρας (template) και αρχική στοίχιση (seq) [αν δεν βρω?]

2.Βελτίωση της στοίχισης (seq)3.Κατασκευή κύριας αλυσίδας4.Προτυποποίηση θηλιών5.Προτυποποίηση πλευρικών αλυσίδων6.Βελτιστοποίηση µοντέλου7.Επικύρωση µοντέλου

Σε κάθε βήµα υπάρχουν εναλλακτικοί τρόποι προσέγγισης


1. Εντοπισµός κατάλληλης δοµής-µήτρας (template) - στοίχιση● Βασιζόµαστε στις υπάρχουσες µεθοδολογίες

(DP, BLASTP, FASTA – µη βιάζεστε, στα επόµενα ...)

● Αναζήτηση έναντι των ακολουθιών εγγραφών της PDB

● Δυνητικά σε 2 βήµατα● Κρίσιµα σηµεία

– Επιλογή 1(??) δοµής-µήτρας [κριτήρια??]– Στοίχιση στο επίπεδο ακολουθίας


2. Βελτίωση της στοίχισης

● Δυναµικός προγραµµατισµός (δείτε επόµενα)– Μαθηµατικά βέλτιστη στοίχιση– Βιολογικά/Δοµικά??

● Πιθανή χρήση (επιπλέον) οµόλογων – profile alignment– multiple sequence alignment

● Αξιοποίηση δοµικών περιορισµών– Κανονικές δευτεροταγείς δοµές– Θηλιές


3. Κατασκευή κύριας αλυσίδας

● “Αντιγραφή” από τη δοµή-µήτρα● Αποφυγή λαθών εγγραφών PDB

– Εντοπισµός ● πχ PDBREPORT: http://swift.cmbi.ru.nl/gv/pdbreport/● επιλογή µήτρας µε τα λιγότερα σφάλµατα

● Χρήση πολλαπλών µητρών– Πλεονεκτικό: κάλυψη µεγαλύτερου τµήµατος της άγνωστης πρωτεΐνης

– Δεν είναι πάντα απλό ...


(Εντοπισµός πιθανών σφαλµάτων)

● Μικρές αποστάσεις ατόµων

● Ασυνήθιστα µήκη/γωνίες δεσµών

● Ασυνήθιστα διαστροφοµερή

● Missing atoms● ...


4. Προτυποποίηση θηλιών● Στοιχίσεις µε κενά

– Insertions => δεν υπάρχει δοµή για τη θηλιά– Deletions => πρέπει να ενωθούν µη διαδοχικά κατάλοιπα

● Απαιτούνται στεροδιαταξικές αλλαγές στην κύρια αλυσίδα της µήτρας– όχι σε κανονικές δευτεροταγείς δοµές– δεν είναι εύκολο να προβλεφθούν– υπάρχει εγγενές πρόβληµα ακόµη και χωρίς κενά

● επιφανειακές θηλιές => κρυσταλλογραφικές επαφές● µέγεθος πλευρικών αλυσίδων


4. Προτυποποίηση θηλιών (II)

● Δύο κύριες προσεγγίσεις– Knowledge based

● Αναζήτηση στην PDB για θηλιές µε τα ίδια άκρα● Αντιγραφή της στερεοδιάταξης

– Energy based● Χρησιµοποίηση ab initio τεχνικών (δείτε παρακάτω ??)● Ελαχιστοποίηση ενέργειας (Monte Carlo, Simulated

annealing)– Αποδοτικές µόνο για µικρές θηλιές (<10aa)


5. Προτυποποίηση πλευρικών αλυσίδων

● Ύπαρξη διαστροφοµερών (rotamer)– Διαφορετικές στερεοδιατάξεις σχετικά µε την κύρια αλυσίδα

– Συχνά οµόλογες δοµές έχουν παρόµοιες χ1● Προτιµήσεις => rotamer libraries

– Επιρροή από γειτονικές πλευρικές αλυσίδες– Επιρροή στην κύρια αλυσίδα– Επιρροή από την κύρια αλυσίδα

● Απόδοση– Καλή στον υδρόφοβο πυρήνα– Μειωµένη σε επιφανειακά κατάλοιπα


6. Βελτιστοποίηση µοντέλου

Πρόβλεψη διαστροφοµερών

Πρόβλεψη επιπτώσεων στην κύρια αλυσίδα

+ αλλαγές

Σύγκλιση?

ΤΕΛΟΣ

Ενεργειακήελαχιστοποίηση


6. Βελτιστοποίηση µοντέλου (ΙΙ)

● Ελαχιστοποίηση ενέργειας– Στο σύνολο της δοµής!!!– Απαιτείται ακρίβεια στη συνάρτηση ενέργειας– Αποφυγή “ΧΟΝΤΡΩΝ” λαθών– Εισαγωγή µικρών (συχνά ανεπιθύµητων) λαθών

● Χρήση δοµικών περιορισµών● Χρήση µε φειδώ ...● Χρήση τεχνικών µοριακής δυναµικής


7. Επικύρωση µοντέλου● Εντοπισµός πιθανών λαθών

– Χρήση ενεργειακών υπολογισµών– Έλεγχος “κανονικότητας”

● µήκη δεσµών● (επίπεδες) γωνίες δεσµών● δίεδρες γωνίες● 3D κατανοµή πολικών/υδρόφοβων καταλοίπων● γεωµετρία ατοµικών επαφών

● Το πλήθος (και η σοβαρότητα) τους εξαρτάται● οµοιότητα σε επίπεδο ακολουθίας● σφάλµατα στη δοµή-µήτρα


Συγκριτική προτυποποίηση:Επιδόσεις

● Πλεονεκτήµατα– Ταχύτητα– Ακρίβεια (RMSD 1-3Å)

● Μειονεκτήµατα– Ακρίβεια εξαρτώµενη της περιοχής (πχ θηλιές)– Εξαρτάται από την ποιότητα στοίχισης, µέγεθος

PDB, αντιπροσωπευτικού δείγµατος δοµών– Προβληµατική στο 'Twilight Zone', ORFans– Δε δίνει πληροφορία για το µηχανισµό διπλώµατος– Όχι και τόσο απλή διαδικασία τελικά :-(


Εάν δε βρω κατάλληλη δοµή-µήτρα?

● ΑΤΥΧΗΣΕΣ!!!

● Ab initio και Fold recognition


Προβλέψεις σε 1D-2D-2.5D

● Μικρότερη “ευκρίνεια”● Απλούστερες (??)● Χρήσιµες πληροφορίες● Σηµείο έναρξης για ab initio/threading (??)


2D-2.5D ???● Πρόγνωση δευτεροταγούς δοµής σφαιρικών υδατοδιαλυτών πρωτεϊνών

● Πρόγνωση της τοπολογίας διαµεµβρανικών πρωτεϊνών

– α-ελικοειδείς διαµεµβρανικές πρωτεΐνες– διαµεµβρανικά β-βαρέλια

● Πρόγνωση πεπτιδίων-οδηγών● Πρόγνωση PTMs● Αλληλεπιδράσεις καταλοίπων● ...


Πρόγνωση δευτεροταγούς δοµής σφαιρικών υδατοδιαλυτών

πρωτεϊνών● Ένα από τα πιο “δηµοφιλή” προβλήµατα δοµικής υπολογιστικής βιολογίας

● Ποικιλία Μεθοδολογικών Προσεγγίσεων– Εµπειρικές– Στατιστικές– Μηχανικής Μάθησης


Πρόβληµα 1D

Adapted from: Zvelebil & Baum, 2008

The problem: An intermediate solution/representation:

Restating the problem:


Καθορισµός Δευτεροταγούς Δοµής



Καθορισµός Δευτεροταγούς Δοµής: Λυµένο Πρόβληµα?



Στοιχεία Δευτεροταγούς Δοµής


Σηµαντικά Επιτεύγµατα

● Χρήση Μεθόδων Μηχανικής Μάθησης (π.χ. ANNs, SVMs)

● Ενσωµάτωση εξελικτικής πληροφορίας (π.χ. πολλαπλές στοιχίσεις)


● Μέτρα Ακρίβειας Πρόγνωσης– Για µια αλυσίδα Ν καταλοίπων– Ακρίβεια– Segment Overlap (SOV; Zemla et al., 1999)

Επαλήθευση των προγνώσεων


SOV???

Από: Zvelebil and Baum (2008)

Τροποποίηση από: Zemla et al., 1999


Τεχνικές Βασισµένες σε Προτιµήσεις Αµινοξικών Καταλοίπων



Τεχνικές 1ης Γενιάς (ή µίας αλληλουχίας)


Τεχνικές “2ης Γενιάς” (ANNs)


Τεχνικές “2ης Γενιάς” (HMMs)


Τεχνικές “2ης Γενιάς” (SVMs)


Μην ξεχνάτε: Η ποιότητα εξαρτάται από το “στόχο”!!

Από: Zvelebil and Baum (2008)


Ανάλυση, Πρόβλεψη και Μοντελοποίηση της Δοµής Διαµεµβρανικών Πρωτεϊνών



Λίγη (προσωπική) ΙστορίαTopology prediction

Classification

Sequence AnalysisTools/Servers freely available at:http://biophysics.biol.uoa.gr/

http://biophysics.biol.uoa.gr/



A simple (?) problem ...



Promponas et al. (submitted).

A simple (?) problem ... And a solution ...

TM1TM1 TM2TM2 TM3TM3 TM4TM4 TM5TM5●Structural analysis of PDB polytopic TM entries●Instance based (kNN) classification scheme

http://troodos.biol.ucy.ac.cy/cgi-bin/kNNpredict_cgi


Η µέθοδος των κ-πλησιέστερων γειτόνων (kNN)


Τεχνικές Ανάλυσης Σήµατος: Εφαρµογή στην πρόβλεψη της τοπολογίας διαµεµβρανικών β-

βαρελιών


Τεχνικές Ανάλυσης Σήµατος: Εφαρµογή στην πρόβλεψη της τοπολογίας διαµεµβρανικών β-

βαρελιών

The spectral density ratio model

Transform Seq->TS

A proper distance

... and a clustering methodIoannou et al, BioSystems, 2010.


Συζήτηση ...

Διαδικτυακές πηγέςProtein Data Bank http://www.rcsb.org

SCOP http://scop.mrc-lmb.cam.ac.uk/scop/ CATH http://www.cathdb.info

GOLD http://www.genomesonline.org/

Επιπλέον διδακτικό υλικό:

http://troodos.biol.ucy.ac.cy

http://www.rcsb.org/

http://scop.mrc-lmb.cam.ac.uk/scop/

http://www.cathdb.info/

http://www.genomesonline.org/

σε

Documents

Transcript of σε