MÉTODOS TEÓRICOS DE ESTUDIO DE ESTUDIO ESTRUCTURAL

Presentación del tema: "MÉTODOS TEÓRICOS DE ESTUDIO DE ESTUDIO ESTRUCTURAL"— Transcripción de la presentación:

1 MÉTODOS TEÓRICOS DE ESTUDIO DE ESTUDIO ESTRUCTURAL
TEMA 7 MÉTODOS TEÓRICOS DE ESTUDIO DE ESTUDIO ESTRUCTURAL

2 Características sistemas biológicos (p.v. Teoría)
Reacciones y procesos biológicos son en general sencillos Problemas en su representación: Descripción solo parcial del conjunto de procesos bioquímicos en la célula Dificultad por el enorme tamaño de las macromoléculas biológicas Ignoramos en detalle la naturaleza del entorno “fisiológico”.

3 Métodos estudio estructural de sistemas bioquímicos
Métodos estadísticos. Emplean criterios de comparación. Del análisis de bases de datos derivan reglas de conocimiento que luego aplican al sistema desconocido Métodos físicos o microscópicos. Emplean principios básicos de la física y química.

4 Métodos estadísticos: Bioinformática estructural

5 Métodos estadísticos (1)
Predicción de perfiles de hidrofobicidad, sitios de glicosilación, determinantes antigénicos y otras propiedades primarias derivadas de secuencia. Predicción de funcionalidad por similitud de secuencia. Predicción estructura secundaria (RNA, proteínas,...) Predicción de fragmentos transmembrana. Predicción de dominios estructurales Ver por ejemplo

6 Métodos estadísticos (2)
Predicción de estructura 3-D por homología Predicción de estructura 3-D por “threading” Predicción “ab initio” a partir de potenciales estadísticos Predicción e identificación de centros activos y lugares de unión. Ver por ejemplo

7 1. Predicción propiedades primarias
En muchos casos basados en composición aminoacídica: Masa molecular, pI, coeficiente extinción, curvas de titración Perfiles hidrofóbicos. Regiones de glicosilación, determiantes antigénicos, sensibilidad a degradación proteolítica.

8 2. Predicción funcionalidad por similitud de secuencia
Métodos basados en similitud general BLAST, FASTA,... Métodos basados en existencia de secuencias cortas características PROSITE

9 Ejemplo output PROSITE-search contra swissprot
ScanProsite Scan Swiss-Prot with a PROSITE pattern Swiss-Prot Release of 29-Aug-2003: entries PDOC00965 PS01253 FIBRONECTIN_1 Type I fibronectin domain. Pattern: C-x(6,8)-[LFY]-x(5)-[FYW]-x-[RK]-x(8,10)-C-x-C-x(6,9)-C Approximate number of expected random pattern matches in Swiss-Prot release 41.0 ( sequences): 0.18 [Ref: PMID ] >P98140 (FA12_BOVIN) Coagulation factor XII precursor (EC ) (Hageman factor) (HAF) (Fragment) [Bos taurus (Bovine)] (593 AA) CfepqffrfFheneiWhRlepagvvk..CqCkgpnaq...C

10 Secuencia de la proteína problema
Ejemplo input BLAST Accession number or sequence Enter a Swiss-Prot/TrEMBL accession number or a PROTEIN sequence in RAW format. Secuencia de la proteína problema

11 Listado de proteínas con similitud
Ejemplo output BLAST Query length: 61 AA Date run: :20:12 UTC+0100 on sib-blast.unil.ch Program: NCBI BLASTP [Nov ] Database: XXtremblnew; XXtrembl; XXswissprot 1,249,251 sequences; 402,609,643 total letters Swiss-Prot Release of 29-Aug-2003 TrEMBL Release of 29-Aug-2003 TrEMBL_new of 29-Aug List of potentially matching sequences Send selected sequences to Include query sequence Db AC Description Score E-value tr Q8XMW7 Hypothetical protein CPE0571 [CPE0571] [Clostridium pe e-34 Q8EMU9 Hypothetical conserved protein [OB2741] [Oceanobacillu e-13 (...) Listado de proteínas con similitud

12 Distribution of 63 Blast Hits on the Query Sequence
Distribution of 63 Blast Hits on the Query Sequence Taxonomy reports Ejemplo alineamientos after Blast

13 Ejemplo alineamiento en PsiBlast
servidor >gi| |ref|NP_ | conserved hypothetical protein [Clostridium perfringens] gi| |dbj|BAB | conserved hypothetical protein [Clostridium perfringens str. 13] Length = 135 Score = 113 bits (283), Expect = 7e-25 Identities = 59/61 (96%), Positives = 59/61 (96%), Gaps = 1/61 (1%) Query: 1 MNNFFKHTLETHTAAQSMSKITSYIREDIKNSNIENGIVVVYCPHTTAGITINENADPDV 60 MNNFFKHTLETHT QSMSKITSYIREDIKNSNIENGIVVVYCPHTTAGITINENADPDV Sbjct: 1 MNNFFKHTLETHT-PQSMSKITSYIREDIKNSNIENGIVVVYCPHTTAGITINENADPDV 59 Query: 61 V 61 V Sbjct: 60 V 60

14 2. Predicción estructura secundaria
Se puede predecir cantidad total de estructura secundaria Métodos basados en existencia de secuencias cortas características PROSITE

15 Ejemplo de programas predicción estructura secundaria
AGADIR - An algorithm to predict the helical content of peptides BCM PSSP - Baylor College of Medicine Prof - Cascaded Multiple Classifiers for Secondary Structure Prediction GOR I (Garnier et al, 1978) [At PBIL or at SBDS] GOR II (Gibrat et al, 1987) GOR IV (Garnier et al, 1996) HNN - Hierarchical Neural Network method (Guermeur, 1997) Jpred - A consensus method for protein secondary structure prediction at University of Dundee nnPredict - University of California at San Francisco (UCSF) PredictProtein - PHDsec, PHDacc, PHDhtm, PHDtopology, PHDthreader, MaxHom, EvalSec from Columbia University PSA - BioMolecular Engineering Research Center (BMERC) / Boston PSIpred - Various protein structure prediction methods at Brunel University SOPM (Geourjon and Deléage, 1994) SOPMA (Geourjon and Deléage, 1995)

16 Métodos predicción estructura secundaria
Definen un número limitado de estructuras secundarias de referencia (hélice, giro, cadena típicamente). Analizan la base de datos de estructura calculando las veces en que cada tipo de residuo se encuentra en una estructura secundaria. De los datos de distribución derivan propensiones Con estas propensiones predicen Est. Sec. De proteínas problema.

17 Ejemplo de output de un programa de predicción Estructura secundaria
MODEL F C F C K E H E T E L E E E T E H C T C A C A C (....)

18 Método de Chou-Fasman Tres tipos de E.secundaria: a, b, turn.
Se estudia la base de datos se mira cada residuo en que E.secundaria está Se calculan probabilidades Se derivan propensiones “tendencia intrínseca de un residuo” a pertenecer a una E.secundaria data Se promedian las P obtenidas en ventanas de 5 o 6 residuos para derivar estructura del fragmento

19 Propensiones Chou-Fasman
Biochemistry 17, Favor a Favor b Favor turn

20 Reglas Chou-Fasman (resumidas)
Cada secuencia con 6 o mas residuos y <P(a)> 1,03 y <P(a)>  <P(b)> y que no tengan Pro son hélices a. Fragmentos de 5 residuos o más con <P(b)> 1,05 y <P(b)>  <P(a)> será hoja beta Tetrapéptidos con <P(a)> < 0.9 y <P(turn)> > <P(a)> son posiblemente giros. Las reglas reales son más complejas

21 Métodos predicción fragmentos transmembranas
Emplean datos de homología con estructuras transmembranas conocidas Emplean datos de predicción de estructura secundaria Emplean perfiles de hidrofobicidad. Emplean datos sobre la necesidad de existencia de hélice anfipáticas y otras señales más difusas

22 Por ejemplo, si ejecutamos Sosui sobre esta secuencia (Rodopsina)
MNGTEGPNFYVPFSNKTGVVRSPFEAPQYYLAEPWQFSMLAAYMFLLIMLGFPINFLTLYVTVQHKKLRTPLNYILLNLAVADLFMVFGGFTTTLYTSLHGYFVFGPTGCNLEGFFATLGGEIALWSLVVLAIERYVVVCKPMSNFRFGENHAIMGVAFTWVMALACAAPPLVGWSRYIPEGMQCSCGIDYYTPHEETNNESFVIYMFVVHFIIPLIVIFFCYGQLVFTVKEAAAQQQESATTQKAEKEVTRMVIIMVIAFLICWLPYAGVAFYIFTHQGSDFGPIFMTIPAFFAKTSAVYNPVIYIMMNKQFRNCMVTTLCCGKNPLGDDEASTTVSKTETSQVAPA

23 This amino acid sequence is of a MEMBRANE PROTEIN which has 7 transmembrane helices.
N terminal transmembrane region C terminal type length 1 40 LAAYMFLLIMLGFPINFLTLYVT 62 PRIMARY 23 2 71 PLNYILLNLAVADLFMVFGGFTT 93 SECONDARY 3 113 EGFFATLGGEIALWSLVVLAIER 135 4 156 GVAFTWVMALACAAPPLVGWSRY 178 5 207 MFVVHFIIPLIVIFFCYGQLVFT 229 6 261 FLICWLPYAGVAFYIFTHQGSDF 283 7 300 VYNPVIYIMMNKQFRNCMVTTLC 322

24 Métodos predicción dominios estructurales
En general se aplican criterios de homología contra alineamientos múltiples. Normalmente se ejecutan contra bases de datos de alineamientos como PFAM. Incluyen información sobre presencia de determinados motivos estructurales: ej regiones de baja complejidad, transmembranas,... Se pueden emplear técnicas de Threading

25 Ejemplo familia PFAM (a-kinases)
Q9P201/ LLLKYSK...KSELWTAQETIVYLGDYLTVKKKGRQRNA.FWVHHLHQ EEILGRYVGKDYKEQKGLWHHFTDVERQMTAQHYVTEFNKRLYEQNIPTQIFYIPSTILLILEDKTIKG.....CISVEPYILGEFVKLSNNTK.....VVKTEYKATEYGLAYGHFSYEFSNHRDVVVDLQGWVTGNGKGLIYLTDPQIHSVD......QKVFTTNFGKRGIFYFFNNQHVECNEIC Q9P201 Q9HEI0/ MLDRMME...SDTNMPVSVFGLNLCKRRTPFAKGALRLASFACTECSRS RHVVKEFKTDGDDEDD.GSGNRSLAHLVDDMRSQALCKAFALEFNSLLADC..PEHNIDFVVTSCFKCNDRRGSQ...GKCMSIEPFLAGKFVKYNGNAGYANKEANLTHDPSNQAAQAFSHFTFERSRGRFLVCDLQGVG KTMTDPAIHTLDP...YRFSLSQTNLGAEGFMFFF..AYHECNHLC Q9HEI0KMHA_DICDI/ ILWEFDP...IINKWIRLSMKLKVERK..PFAEGALREA.YHTVSLGVGTDENYPLGTTTKLFPPIEMISPISKNNEAMTQLKNGTKFVLKLYKKEAEQQASRELYFEDVKMQMVCRDWGNKFNQKK.....PPKKIEFLMSWVVELIDRSPSSNGQPILCSIEPLLVGEFKKNNSNYG......AVLT.N.RSTPQAFSHFTYELSNKQMIVVDIQGVD DLYTDPQIHTPD.....GKGFGLGNLGKAGINKFI..TTHKCNAVC P42527O76739/ IKWELTIGDDLKPKWTHSIVCVSIEKT..PFAKGSCRTA.HKLKDWSQP DQGLVGKFST...NKKTTRDSYFTDVLMQTFCAKWAEKFNEAK.....PPKPITFLPSYVYELIDHPPP....YPVCGGEPFIEGDYKKHNNNSG......YVSS.DARNTPQSFSHFSYELSNHELLIVDIQGVN DFYTDPQIHTKS.....GEGFGEGNLGETGFHKFL..QTHKCNPVC O76739KMHB_DICDI/ IKWEYDP.YTTTAQWTCTATLVKVEPV..PFAEGAFRKA.YHTLDLSK SGASGRYVSKIGKKPTPRPSYFEDVKMQMIAKKWADKYNSFK.....PPKKIEFLQSCVLEFVDRTSS....DLICGAEPYVEGQYRKYNNNSG......FVSN.DERNTPQSFSHFTYEHSNHQLLIIDIQGVG DHYTDPQIHTYD.....GVGFGIGNLGQKGFEKFL..DTHKCNAIC P90648EF2K_RAT/ TRHRYNA...VTGEWLKDEVLIKMASQ..PFGRGAMREC.FRTKKLSN FLHAQHWKGASNYVAKRYLEPVDRSVYFEDVQLQMEAKLWGEEYNRHK.....PPKQVDIMQMCIIELKDRQGQ.....PLFHLEHYIEGKYIKYNSNSG......FVRDDNIRLTPQAFSHFTFERSGHQLIVVDIQGVG DLYTDPQIHTEK.....GTDFGDGNLGVRGMALFF..YSHACNRIC P70531

26 Modelado de proteínas por homología
Técnicas muy poderosas cuando existe una fuerte identidad de secuencia entre la proteína problema y otra de estructura conocida. Es una técnica sencilla, implementada en programas automáticos/semiautomáticos como SWISMODEL o MODELLER

27 Modelado de proteínas por homología
Alineamiento de la proteína problema con una o varias estructuras de proteínas de estructura conocida. Se sobreponen las cadenas principales de la proteína problema y de la proteína(s) de referencia. Se satisfacen los criterios de mantenimiento de la topología de enlace de la proteína Se orientan en lo posible las cadenas laterales (Cb) según la proteína de referencia. Se relajan las cadenas laterales y se optimiza parcialmente el conjunto Se valida el sistema

28 Etapas generales modelado por homología
Identificación homólogos Determinación restricciones Alineamiento Construcción modelo Refinado Validación

29 Modelado de proteínas por homología (problemas)
Los modelos no suelen tener la misma calidad en las cadenas laterales que en la cadena principal. Cuando la identidad de secuencia baja por debajo del 30% entramos en una zona (twilight-zone) donde está poco clara la calidad del modelo. Cuando bajamos del 20% de identidad la técnica no es aplicable. Solo es fiable cuando se aplica a nivel de dominio. Proteínas con varios dominios no son modeladas con fiabilidad.

30 Métodos de Threading Métodos sirven para obtener modelos estructurales cuando identidad con modelos de estructura conocida es baja. Se usan también para recuperar proteínas con función similar a pesar de tener baja homología de secuencia Métodos arriesgados (última opción), funcionan solo a nivel de dominio

31 Métodos de threading: evolución base de datos de estructura

32 Métodos de Threading(2)
Intentan adaptar la secuencia de la proteína a plegamientos (folds) de referencia Emplea tipos de folds canónicos (SCOP, CATH). Se evalua la “estabilidad” de cada uno de los folds teóricos en los que se ha plegado la proteína Se escoge el de mayor puntuación. En muchos casos se emplean “meta-servers” que conectan con diferentes servidores de predicción y realizan evaluación promedio ( o

33

34 Jerarquía SCOP Familia. Clara relación evolutiva
Superfamilia. Probable origen evolutivo común Plegamiento. Fuerte homología estructural

35 Plegamientos en SCOP Class Number of folds Number of superfamilies
Number of families All alpha proteins 138 224 337 All beta proteins 93 171 276 Alpha and beta proteins (a/b) 97 167 374 Alpha and beta proteins (a+b) 184 263 391 Multi-domain proteins 28 35 Membrane and cell surface proteins 11 17 Small proteins 54 77 116 Total 605 947 1557

36 BASE DATOS CATH

37 Jerarquía CATH C: Clase (contenido en estructura secundaria)
A: Arquitectura (disposición de los elementos de estructura secundaria) T: Topología (disposición de las conexiones entre elementos) H: Homología (homología estructural) S: Secuencia (homología de secuencia)

38 Ejemplo de clasificación CATH

39 Métodos de plegamiento “ab initio”
Intentan plegar proteínas pequeñas a partir de potenciales estadísticos, sin recurrir “a priori” al conocimiento previo del plegamiento de proteínas similares Emplean métodos muy sencillos de muestreo del espacio conformacional de las proteínas Muy poco precisos. Aplicables solo a proteínas pequeñas.

40 Potenciales estadísticos
Priman la posición (externa / interna) de residuos aminoacídicos Pueden primar tendencia a estar en E. Secundaria de un tipo Representan la tendencia diferencial de residuos a estar cerca o lejos en el espacio Se también usan para evaluar estabilidad de proteínas ya plegadas

41 Ejemplo perfil PROSA Hidrophobic Cb-Cb Total Very stable Low stability
Very stable Low stability

42 Métodos microscópicos

43 Métodos microscópicos/físicos: Metodos de simulación molecular
Pretenden reproducir sistemas bioquímicos a partir de principios fisicoquímicos. Se pueden basar en dos esquemas diferentes. Mecánica cuántica Mecánica clásica

44 Mecánica cuántica Basada en primeros principios. E=E(X,x) Muy rigurosa
Uso universal Demasiado costosa computacionalmente Poco aplicable en sistemas bioquímicos

45 Mecánica clásica E=E(X) Utiliza aproximaciones empíricas a la energía
Muy eficiente computacionalmente Menos precisa que la Mec. Cuántica Aplicable solo a sistemas sin cambio de topología y sin efectos cuánticos

46 Ejemplo: Un enlace químico

47 Ejemplo: Un enlace químico

48 Cerca del equilibrio,...

49 El force-field Bonded-terms Non bonded-terms Other restrains

50 Force-field Stretchings Bendings

51 Torsión

52 Torsión

53 Torsión: en general se representa como:

54 Términos de no-enlace Interacciones entre átomos no enlazados ni formando un ángulo Término electrostático Término de van der Waals

55 Término electrostático

56 Término de van der Waals

57 Término de van der Waals
Sirve para simular las interacciones estéricas (repulsivas y atractivas) Evita “fusión nuclear” entre átomos con cargas opuestas

58 Parametrización A partir de datos mecanocuánticos
A partir de datos experimentales Mixta Proceso lento y difícil pero clave Stretching-Bending (QM, IR, Raman, X-ray, microondas) Torsiones (QM, NMR) Electrostático (QM, fase condensada) Van der Waals (X-ray, fase condensada)

59 Parametrización con datos fases condensadas
Parámetros iniciales Simulación MD, MC OK? Cálculo propiedades Modificar parámetros END

60 Pros and Cont Mec. Clásica
Rapidez, i.e. Posibilidad de tratar sistemas realistas Si el force-field es correcto los resultados también lo son Resultados dependen del force-field. No aplicable a reacciones químicas. No aplicable cuando el comportamiento cuántico del sistema es relevante.

61 Métodos que emplean Mec. Clásica
Mecánica molecular: Su objetivo es encontrar la disposición espacial de los núcleos más estable. Dinámica molecular: Su objetivo es determinar el movimiento interno de una molécula a lo largo del tiempo

62 Algoritmo general de MM
Epot g= Epot/∂x Algoritmo de búsqueda {x}0 Nuevo conjunto {x}1 Convergido? Final SI NO

63 Pro y Cont. MM Rápida y económica computacionalmente
Suele ser etapa previa a un cálculo más complejo. Da visión estática del sistema. En sistemas grandes el resultado depende de la conformación inicial

64 Dinámica Molecular (MD)
Obtener visiones promediadas de un sistema (Boltzman’s sampling). Obtener muestreo de transiciones temporales. Estudiar cambios en un sistema inducido por perturbaciones externas Mejorar geometría de un sistema. Obtener la termodinámica de un sistema y sus interacciones. Ayudar en el refinado de estructuras a partir de restricciones X-Ray o NMR.

65 Dinámica molecular Epot {xi} Fi= -∂Epot/∂xi Trayectoria ai= Fi/mi
vi (t+dt)=v(t)i+ai dt xi (t+dt)=x(t)i+vi dt

66 Pros, cont MD Técnica muy potente para obtener visiones de un sistema clásico. La etapa de integración es pequeña (1 fs) muy difícil estudiar escalas temporales grandes