Топология трансмембранного белка относится к расположению N- и C-концов трансмембранной полипептидной цепи по отношению к внутренней или внешней сторонам биологической мембраны, занятой белком. [1]
Несколько баз данных предоставляют экспериментально определенные топологии мембранных белков. К ним относятся Uniprot , TOPDB, [3] [4] [5] OPM и ExTopoDB. [6] [7] Существует также база данных доменов, консервативно расположенных на определенной стороне мембран, TOPDOM. [8]
Несколько вычислительных методов были разработаны с ограниченным успехом для предсказания трансмембранных альфа-спиралей и их топологии. Первоначальные методы использовали тот факт, что области, охватывающие мембрану, содержат больше гидрофобных остатков, чем другие части белка, однако применение других гидрофобных шкал изменило результаты прогноза. Позже было разработано несколько статистических методов для улучшения прогноза топографии и был введен специальный метод выравнивания. [9] Согласно правилу положительного внутреннего, [10] цитозольные петли около липидного бислоя содержат больше положительно заряженных аминокислот. Применение этого правила привело к появлению первых методов прогнозирования топологии. Также существует правило отрицательного внешнего отношения в трансмембранных альфа-спиралях из однопроходных белков, хотя отрицательно заряженные остатки встречаются реже, чем положительно заряженные остатки в трансмембранных сегментах белков. [11] По мере определения большего количества структур появились алгоритмы машинного обучения. Контролируемые учебные методы обучаются на множестве экспериментально определенных структур, однако, эти методы сильно зависят от обучающего набора. [12] [13] [14] [15] Неконтролируемые методы обучения основаны на том принципе, что топология зависит от максимального расхождения распределений аминокислот в различных структурных частях. [16] [17] Также было показано, что блокировка местоположения сегмента на основе предварительных знаний о структуре повышает точность прогнозирования. [18] Эта функция была добавлена к некоторым существующим методам прогнозирования. [19] [20] Самые последние методы используют консенсусное прогнозирование (т.е. они используют несколько алгоритмов для определения окончательной топологии) [21] и автоматически включают ранее полученную экспериментальную информацию. [22] База данных HTP [23] [24] предоставляет набор топологий, которые предсказываются с помощью вычислений для трансмембранных белков человека.
Различение сигнальных пептидов и трансмембранных сегментов представляет собой дополнительную проблему при прогнозировании топологии, которую с ограниченным успехом решают различными методами. [25] И сигнальные пептиды, и трансмембранные сегменты содержат гидрофобные участки, которые образуют α-спирали. Это вызывает перекрестное предсказание между ними, что является слабым местом многих предикторов трансмембранной топологии. Одновременное предсказание сигнальных пептидов и трансмембранных спиралей (Phobius [26] ) позволяет уменьшить количество ошибок, вызванных перекрестным предсказанием, и существенно повысить эффективность. Еще одна функция, используемая для повышения точности прогнозов, - это гомология (PolyPhobius) ».
Также возможно предсказать топологию мембранных белков бета-ствола. [27] [28]
Смотрите также
Рекомендации
- ^ Фон Heijne Гуннар (декабрь 2006). «Мембранно-белковая топология». Обзоры природы Молекулярная клеточная биология . 7 (12): 909–918. DOI : 10.1038 / nrm2063 . PMID 17139331 . S2CID 22218266 .
- ^ Годер, Вейт; Шписс, Мартин (31 августа 2001 г.). «Топогенез мембранных белков: детерминанты и динамика» . Письма FEBS . 504 (3): 87–93. DOI : 10.1016 / S0014-5793 (01) 02712-0 . PMID 11532438 .
- ^ Tusnády, Gábor E .; Калмар, Лайош; Саймон, Иштван (1 января 2008 г.). «TOPDB: банк данных топологии трансмембранных белков» . Исследования нуклеиновых кислот . 36 (Suppl_1): D234 – D239. DOI : 10.1093 / NAR / gkm751 . PMID 17921502 .
- ^ Добсон, Ласло; Ланго, Тамаш; Ременьи, Иштван; Тушнади, Габор Э. (28 января 2015 г.). «Ускорение сбора топологических данных для базы данных TOPDB» . Исследования нуклеиновых кислот . 43 (D1): D283 – D289. DOI : 10.1093 / NAR / gku1119 . PMC 4383934 . PMID 25392424 .
- ^ База данных TOPDB
- ^ Цаусис, Георгиос Н .; Циригос, Константинос Д .; Andrianou, Xanthi D .; Лиакопулос, Теодор Д .; Bagos, Pantelis G .; Хамодракас, Ставрос Дж. (1 октября 2010 г.). «ExTopoDB: база данных экспериментально полученных топологических моделей трансмембранных белков» . Биоинформатика . 26 (19): 2490–2492. DOI : 10.1093 / биоинформатики / btq362 . PMID 20601677 .
- ^ ExTopoDB
- ^ База данных TOPDOM
- ^ DAS
- ^ фон Хейне, Гуннар (ноябрь 1986 г.). «Распределение положительно заряженных остатков в белках внутренней мембраны бактерий коррелирует с трансмембранной топологией» . Журнал EMBO . 5 (11): 3021–3027. DOI : 10.1002 / j.1460-2075.1986.tb04601.x . PMC 1167256 . PMID 16453726 .
- ^ Бейкер, Джеймс Александр; Вонг, Вин-Чеонг; Эйзенхабер, Биргит; Уорвикер, Джим; Эйзенхабер, Франк (2017). «Заряженные остатки рядом с трансмембранными областями пересмотрены:« Правило положительного внутреннего истощения »дополняется« правилом отрицательного внутреннего истощения / внешнего обогащения » » . BMC Biology . 15 (1): 66. DOI : 10,1186 / s12915-017-0404-4 . PMC 5525207 . PMID 28738801 .
- ^ Крог, Андерс; Ларссон, Бьорн; фон Хейне, Гуннар; Зоннхаммер, Эрик LL (январь 2001 г.). «Прогнозирование топологии трансмембранного белка с помощью скрытой модели Маркова: приложение для полных геномов11 Под редакцией Ф. Коэна» (PDF) . Журнал молекулярной биологии . 305 (3): 567–580. DOI : 10.1006 / jmbi.2000.4315 . PMID 11152613 . S2CID 15769874 . Архивировано из оригинального (PDF) на 2020-08-04.
- ^ Сервер TMHMM
- ^ Сервер Phobius
- ^ Сервер OCTOPUS
- ^ Tusnády, Gábor E .; Саймон, Иштван (октябрь 1998 г.). «Принципы, регулирующие аминокислотный состав интегральных мембранных белков: применение к предсказанию топологии 1 1 Под редакцией Дж. Торнтона» (PDF) . Журнал молекулярной биологии . 283 (2): 489–506. DOI : 10.1006 / jmbi.1998.2107 . PMID 9769220 . S2CID 15027232 . Архивировано из оригинального (PDF) 08.02.2020.
- ^ Сервер HMMTOP
- ^ Туснады, GE; Саймон И. (1 сентября 2001 г.). «Сервер прогнозирования трансмембранной топологии HMMTOP» . Биоинформатика . 17 (9): 849–850. DOI : 10.1093 / биоинформатики / 17.9.849 . PMID 11590105 .
- ^ Сервер HMMTOP
- ^ Сервер Phobius
- ^ Сервер TOPCONS
- ^ Сервер CCTOP
- ^ Добсон, Ласло; Ременьи, Иштван; Тушнади, Габор Э. (28 мая 2015 г.). «Трансмембранный протеом человека» . Биология Директ . 10 (1): 31. DOI : 10,1186 / s13062-015-0061-х . PMC 4445273 . PMID 26018427 .
- ^ База данных трансмембранного протеома человека
- ^ Э. Туснади, Габор; Саймон, Иштван (1 ноября 2010 г.). "Прогнозирование топологии спиральных трансмембранных белков: как далеко мы продвинулись?" (PDF) . Современная наука о белках и пептидах . 11 (7): 550–561. DOI : 10.2174 / 138920310794109184 . PMID 20887261 . S2CID 6431228 . Архивировано из оригинального (PDF) 7 марта 2019 года.
- ^ http://phobius.sbc.su.se/
- ^ Циригос, Константинос Д .; Элофссон, Арне; Багос, Пантелис Г. (1 сентября 2016 г.). «PRED-TMBB2: улучшенное предсказание топологии и обнаружение белков внешней мембраны бета-ствола» . Биоинформатика . 32 (17): i665 – i671. DOI : 10.1093 / биоинформатики / btw444 . PMID 27587687 .
- ^ Савохардо, Кастренсе; Фаризелли, Пьеро; Касадио, Рита (15 февраля 2013 г.). «BETAWARE: инструмент машинного обучения для обнаружения и прогнозирования трансмембранных бета-стволовых белков у прокариот» . Биоинформатика . 29 (4): 504–505. DOI : 10.1093 / биоинформатики / bts728 . PMID 23297037 .