Modelado por Homología: ¿Qué hacer con las secuencias de Proteínas? Georgina Estrada Tapia ICF-UNAM ginaestapia@yahoo.com.mx Posgrado en Ciencias Biomédicas-UNAM Cuernavaca, Morelos. Abril 01 de 2011

Esquema: Introducción a la estructura de proteínas & bases de datos Prediction de estructura Ab-initio Threading Modelado por homología Ejercicio Evaluación del modelo

Secuencias & Bases de Datos de Estructuras RCSB- the Protein Data Bank- todas las estructuras depositadas UniProt- base de datos de secuencias de proteínas SwissProt Tremble NCBI- muchas bases de datos, incluye de secuencias y estructuras PDBsum- combina estructurales & de secuencias

UniProt- Base de datos de Secuencias de Proteínas UniProt es una colaboración entre: European Bioinformatics Institute (EBI), Swiss Institute of Bioinformatics (SIB) y el Protein Information Resource (PIR). En 2002, los tres institutos decidieron unir sus recursos y conocimientos y formaron el consorcio UniProt.

UniProt- Base de Datos de Secuencias de Proteínas

PDB: http://www.pdb.org

Hecho: Más Secuencias que Estructuras Hay discrepancia entre el número de secuencias conocidas y el de estructuras resueltas: 5,047,807   entradas en UniRef90 vs. 19988 90% de estructuras No redundantes http://www.rcsb.org/pdb/statistics/clusterStatistics.do http://www.ebi.uniprot.org/uniprot-srv/uniRefSearch.do Los métodos computacionales son necesarios para obtener más estructuras

Predicción de Estructura de Proteínas ¿Por qué predecir estructura si podemos determinarla experimentalmente? Los métodos experimentales son lentos y caros y no siempre es posible realizarlos Algunas estructuras no se pueden resolver Una estructura representativa de una familia puede ser suficiente para deducir estructuras de la familia completa de secuencias. A representative family structure can suffice to deduce structures of the entire family sequences

Esquema General Búsqueda de estructuras para una secuencia problema Elección de Patrón(es) [“Template”] Alineamiento de la secuencia con la estructura(s) Patrón Generación de un modelo para la proteína problema usando información de la estructura patrón. (Ej. MODELLER.- automodel) Evaluación del modelo Fiser A et al. Methods in Enzymology 374: 461-491(2004)

1: Template recognition and initial alignment 2: Alignment correction 1: Template recognition and initial alignment 3: Backbone generation 4: Loop modeling 8: Iteration 8: Iteration 5: Sidechain modeling Model! 8: Iteration 8: Iteration 7: Model validation 6: Model optimization Ej.-Minimización con Dinámica Molecural (MD)

El Modelado por Homología requiere del manejo de estructuras & secuencias Proteína (secuencia) problema- solamente la secuencia está disponible- se puede encontrar en UniProt Plantilla - después de su identificación, ambos tipos de datos estructurales y de secuencia, se pueden corroborar en- UniPort (o bases de datos de NCBI), RCSB y PDBsum

1. Búsqueda de Estructuras Búsqueda de la secuencia contra secuencias del PDB Búsqueda de perfiles Threading: función de ajuste secuencia-estructura HMM\profile: when many related sequences are found allows a more sensitive search Threading uses sequence–structure fitness functions, such as residue-level statistical potential functions, to evaluate a sequence–structure match. Threading methods generally do not rely on sequence similarity. Threading sometimes detects structural similarity between proteins without detectable sequence similarity.

1. Búsqueda de Estructuras Si BLAST falla (PDB) para encontrar estructuras patrón adecuadas, usar servidores para “fold recognition” (threading): FFAS03- http://ffas.ljcrf.edu/ffas-cgi/cgi/ffas.pl HHPRED- http://toolkit.tuebingen.mpg.de/hhpred HMAP (disponible a través de FUDGE pipeline)- http://wiki.c2b2.columbia.edu/honiglab_public/index.php/Software:PUDGE I-TASSER- http://zhang.bioinformatics.ku.edu/I-TASSER/ Estos servidores no solamente encuentran patrones opcionales , también sugieren el alineamiento por pares y en algunos casos hasta construyen modelo 3D.

2. Elección de Estructuras Más de un Patrón “The more the merrier” - multiple structures with the same fold: ניתן לראות כי למרות שברוב האזורים יש זהות בין המבנים, באזורי לופים בעיקר ניתן לאתר ואריאביליותץ והם יהיו גם האזורים הבעייתים במודל שלנו שנצטרך לייחס להם אמינות נמוכה יותר. Kinase domains

3. Alineamiento de la secuencia problema y la secuencia del Patrón Crear un alineamiento multiple de secuencias (MSA) y extraer el alineamiento por pares (pairwise). Usar información de estrcutura secundaria para optimizar el alineamiento por pares- evitar ‘gaps’ en esas regiones! Query Template

3. Alineamiento de la secuencia problema y la secuencia del Patrón Tips para el MSA ¿Dónde? (encontrar/buscar homólogos) Patrones o Plantillas Estructurales- búsqueda contra el PDB Homólogos secuenciales- búsqueda contra el SwissProt o Uniprot (¡recomendada!)- generalmente usando BLAST ¿Cuántos? Tantos como sea posible, siempre y cuando el MSA se vea bien…

Corrección del Alineamiento S G P L A E R C I V C R M P E V C R M P E -A-V F-D- Determinantes Estructurales  conservados Usar MSA Deleciones en tu secuencia  modificar gaps Estructura FDICRLPGSAEAV Model FNVCRMP---EAI Model FNVCR---MPEAI  Alineamiento Correcto

3. Alineamiento de la secuencia problema y el Patrón Tips para el MSA ¿Qué tan extensas? (longitud de homólogos) Fragmentos- homólogos cortos (menos del 50,60% de la longitud de la secuencia problema) = mal alineamiento Asegurarse que sus secuencias presentan el dominio(s) requeridos N/C terminales tienden a variar en longitud entre homólogos ¿Qué tan parecidas? (distancia de la secuencia problema) Muy parecidas- no informativo Muchas muy lejanas- mal alineamiento Asegurarse de tener un grupo balanceado!

3. Alineamiento de la secuencia problema y la secuencia del Patrón Tips para el MSA ¿De quienes? (a qué especies pertenecen las secuencias) No importa, todos los homólogos son bienvenidos Ortólogos/parálogos pueden ser útiles Secuencias de especies distantes/cercanas proveen diferentes tipos de información ¿Cuáles métodos de alineamiento? Los mejores son MUSCLE, T-Coffee and MAFFT. Todos disponibles en la página de EBI

3. Alineamiento de la secuencia problema y la secuencia del Patrón Alineamiento de Sec. problema-templado por “profile-to-profile”: 1. Construir un MSA para la secuencia, serviendo como perfil las propiedades de la familia estructural. 2. Alinear el perfil con perfiles de todas las proteínas del PDB, usando, por ej., FFAS03 o HHpred. 3. Comparar alineamientos por pares construídos por diferentes métodos – esperando tener una predicción consenso…

3. Alineamiento de la secuencia problema y la secuencia del Patrón Niveles diferentes de similitud entre el patrón & la proteína problema (varios abordajes computacionales):

4.Construcción del modelo Una vez que se tiene un buen alineamiento Usar MODELLER para la construcción del modelo! http://salilab.org/modeller

5. Evaluación del modelo La precisión del modelo depende de la identidad de la secuencia con la proteína patrón: Internal evaluation – self consistency checks External evaluation – relies on information that was not used in the model calculation

Estereoquímica -ProCheck 5. Evaluación Estereoquímica -ProCheck

Links Útiles 1. Estructuras PDB-Blast en NCBI- http://blast.ncbi.nlm.nih.gov/Blast.cgi Meta server- 3D judry http://bioinfo.pl/meta/ FFAS03- http://ffas.ljcrf.edu/ffas-cgi/cgi/ffas.pl HHPRED- http://toolkit.tuebingen.mpg.de/hhpred FUDGE- pipeline- http://wiki.c2b2.columbia.edu/honiglab_public/index.php/Software:PUDGE 2. Elección de estructura (s) patrón 3. Alineamiento de la secuencia problema con el o los templados MSA - MUSCLE, T-coffee and MAFFT en http://toolkit.tuebingen.mpg.de/sections/alignment Editor de alineamiento – Bioedit - http://www.mbio.ncsu.edu/BioEdit/bioedit.html 4. Construcción del modelo Nest - http://wiki.c2b2.columbia.edu/honiglab_public/index.php/Software:nest Modeller - http://salilab.org/modeller/modeller.html Automático: - SwissModel: http://swissmodel.expasy.org//SWISS-MODEL.html 5. Evaluación del modelo ConSurf http://consurf.tau.ac.il PROCHECK http://www.biochem.ucl.ac.uk/~roman/procheck/procheck.html WHATCHECK www.cmbi.kun.nl/swift/whatcheck/ ProSA https://prosa.services.came.sbg.ac.at/prosa.php ProQ http://www.sbc.su.se/~bjornw/ProQ/ProQ.cgi AT the Honig lab http://luna.bioc.columbia.edu/Model_Quality_Assessment/cgi-bin/Model_Quality_Assessment.cgi