Em formação

O dobramento de proteínas é simétrico em relação à reversão da ordem da sequência?

O dobramento de proteínas é simétrico em relação à reversão da ordem da sequência?



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Suponha que eu tenha duas proteínas, proteína A e proteína B, e suponha que a sequência de aminoácidos da proteína B seja exatamente o reverso da sequência da proteína A.

Por exemplo (são proteínas fabricadas):

proteína A = [G, A, L, G, M, F, R] proteína B = [R, F, M, G, L, A, G]

A estrutura 3D da proteína B será de alguma forma idêntica, ou talvez a imagem espelhada, da estrutura 3D da proteína A?


Não! Embora haja uma relação, a proteína não se dobraria adequadamente, uma vez que os terminais C e N estão invertidos, considere o seguinte:

H (NH) -A-C (= O) (NH) -B-C (= O) (NH) -C-C (= O) (NH) -D-C (= O) (NH) -E- (C = O) OH

como se aplica a:

HO (C = O) -A- (NH) (C = O) -B- (NH) (C = O) -C- (NH) (C = O) -D- (NH) (C = O) -E- (NH) H

São moléculas completamente diferentes!

http://www.ncbi.nlm.nih.gov/pubmed/1604320 http://www.pnas.org/content/95/13/7287.long http://www.pnas.org/content/111/ 32/11679


O dobramento co-transcricional é codificado dentro de genes de RNA

A maioria dos programas existentes de previsão de estrutura de RNA dobram uma molécula de RNA completamente sintetizada. No entanto, dentro da célula, as moléculas de RNA emergem sequencialmente durante o processo direcionado de transcrição. Experimentos dedicados com moléculas de RNA individuais mostraram que o RNA se dobra enquanto está sendo transcrito e que seu dobramento correto também pode depender da velocidade adequada de transcrição.

Métodos

O objetivo principal deste trabalho é estudar se e como o dobramento co-transcricional é codificado na estrutura primária e secundária de genes de RNA. Para conseguir isso, estudamos as estruturas primárias e secundárias conhecidas de um conjunto de dados abrangente de 361 genes de RNA, bem como um conjunto de 48 sequências de RNA que são conhecidas por diferirem das unidades de sequência originalmente transcritas. Detectamos o dobramento co-transcricional definindo duas medidas de direcionamento que quantificam a extensão da assimetria entre as hélices alternativas que estão em 5 'e aquelas que estão em 3' das hélices conhecidas com as quais competem.

Resultados

Nós mostramos com significância estatística que o dobramento co-transcricional influencia fortemente as sequências de RNA de duas maneiras: (1) hélices alternativas que competiriam com a formação da estrutura funcional durante o dobramento co-transcricional são suprimidas e (2) a formação de estruturas transitórias que podem servir como diretrizes para a via de dobramento co-transcricional.

Conclusões

Essas descobertas têm uma série de implicações para os métodos de previsão de estrutura secundária de RNA e a detecção de genes de RNA.


Resumo

Muito do nosso entendimento da estrutura da proteína e função mecanística foi derivado de estruturas estáticas de alta resolução. Como a biologia estrutural continuou a evoluir, tornou-se claro que as estruturas de alta resolução sozinhas são incapazes de capturar totalmente a base mecanística para a estrutura e função da proteína em solução. Recentemente, a espectrometria de massa de troca de hidrogênio / deutério (HDX-MS) tornou-se uma ferramenta poderosa e versátil para biólogos estruturais que fornece novos insights sobre a estrutura e função das proteínas. O HDX-MS permite o monitoramento direto das flutuações estruturais e mudanças conformacionais de uma proteína sob condições nativas em solução, mesmo enquanto ela está realizando suas funções. Nesta revisão, nos concentramos no uso de HDX-MS para monitorar essas mudanças dinâmicas nas proteínas. Examinamos como o HDX-MS foi aplicado para estudar a estrutura e função de proteínas em sistemas que variam de grandes montagens complexas a proteínas intrinsecamente desordenadas, e discutimos seu uso na sondagem de mudanças conformacionais durante o enovelamento de proteínas e função catalítica.

Declaração para um amplo público

A caracterização biofísica e estrutural das proteínas fornece uma nova visão sobre suas funcionalidades. Os movimentos das proteínas, variando de flutuações locais de pequena escala a grandes rearranjos estruturais combinados, freqüentemente determinam a função da proteína. A espectrometria de massa de troca de hidrogênio / deutério (HDX-MS) provou ser uma ferramenta biofísica poderosa, capaz de sondar as mudanças na estrutura da proteína e os movimentos dinâmicos da proteína que muitas vezes são invisíveis para a maioria das outras técnicas.


2. Teoria

2.1. Teoria por trás da estratégia geral

Uma série de idéias e princípios, emprestados em projetos estabelecidos e recentes de vacinas sintéticas e petidomiméticos, foram usados ​​(ver Ref. [3] para discussão e, por exemplo, Refs. [[63], [64], [65], [66] , [67], [68], [69]]), bem como algumas das idéias que estão por trás do popular banco de dados ZINC [70]. Conforme discutido nas Refs. [3, 4], a presente investigação começou como um caso de uso para a Rede Dirac Hiperbólica (HDN) e, particularmente, a linguagem Q-UEL associada para inferência automatizada [[34], [35], [36], [37]] . A teoria foi discutida em outro lugar, e. nas Refs. [[34], [35], [36], [37]], que se relacionam mais com os usos práticos e gerais do Q-UEL. Estas considerações são menos importantes aqui porque os estudos atuais podem ser reproduzidos por bioinformática padrão e meios de modelagem molecular. No entanto, é duvidoso que a pesquisa para refs [3, 4] pudesse ter sido feita e escrita tão rapidamente sem a ajuda do Q-UEL para interagir com sites da World Wide Web, reunir conhecimento e facilitar o uso de ferramentas de bioinformática disponíveis [3].

2.2. Princípios básicos de predição de epítopo para design de vacinas sintéticas

O desafio é, em última análise, o reconhecimento molecular, mas na prática muitos princípios-chave para o design do hapteno se relacionam com a distinção de tipos de epítopos de ocorrência natural. Pelo termo & # x0201cepitope & # x0201d neste documento entende-se & # x0201epitope ccontínuo & # x0201d, embora vários epítopos menores possam ser unidos para representar um epítopo descontínuo no qual a conformação e a posição relativa no espaço podem às vezes ser importantes. Enquanto uma construção sintética implica o uso de química sintética tipicamente combinada com uma proteína carreadora criteriosa à qual o peptídeo está quimicamente ligado, as construções também podem ser obtidas por clonagem, usando princípios de engenharia de proteínas [12]. Os termos epítopo B e epítopo T referem-se à imagem tradicional de uma resposta B da medula óssea ou T do timo. Os epítopos de células B ocorrem na superfície da proteína contra a qual é necessária uma resposta do sistema imunológico. Eles são reconhecidos por receptores de células B ou anticorpos em sua estrutura nativa e estão relacionados à resposta da medula óssea e à produção de anticorpos. Os epítopos T podem ser enterrados dentro de estruturas de proteínas e liberados por proteólise e são tradicionalmente considerados como relacionados com uma resposta celular e memória do sistema imunológico, isto é, imunidade ativa. A predição contínua de epítopos de células B é muito semelhante à predição de epítopos de células T. O foco está nos epítopos B aqui, embora um epítopo B também possa ser (ou se sobrepor a) um epítopo T especialmente se ele tiver um conteúdo significativo de resíduos hidrofóbicos. A previsão destes tem sido tradicionalmente baseada e principalmente nas propriedades dos aminoácidos, como hidrofilicidade, carga, área de superfície exposta e estrutura secundária. Existem muitos algoritmos preditivos disponíveis, mas o presente autor prefere um tipo de abordagem mais & # x0201cexpert & # x0201d que inclua dados experimentais, embora as considerações biofísicas acima certamente ainda desempenhem um papel importante (veja abaixo).

2.3. Algumas questões teóricas relacionadas ao desenho de antagonistas da infecção por COVID-19

O artigo anterior [3] focou principalmente no projeto de peptídeos sintéticos como antagonistas de infecção. No entanto, em parte devido à maior flexibilidade conformacional discutida abaixo, moléculas orgânicas menores e menos flexíveis (isto é, com menos ligações rotativas) são a província tradicional do químico sintético em vez do uso de um sintetizador de peptídeo automatizado e são preferidas para aplicação farmacêutica. A consideração de peptídeos é mais frequentemente considerada meramente como uma etapa intermediária útil na concepção de compostos farmacêuticos mais tradicionais. Biodegradabilidade per se de peptídeos não é a principal preocupação, uma vez que incluir d-aminoácidos no projeto evita a proteólise. Em estudos preliminares de docking e simulação, os peptídeos se ligam à 11 & # x003b2-hidroxisteróide desidrogenase tipo 1, mas com menos intensidade e com vários modos de ligação [3]. Esta ligação mais fraca não é em si uma contra-indicação da ideia de que esses peptídeos se ligam no mesmo local que as moléculas não peptídicas mais rígidas, porque é uma consequência esperada da flexibilidade muito maior dos peptídeos em comparação com as moléculas com, por exemplo, múltiplos andaimes de anéis aromáticos. A sabedoria convencional (por exemplo, Ref. [12]) frequentemente usa a regra de que a mudança total na entropia intramolecular (ligação rotacional) de um ligante peptídico é aproximadamente T & # x00394STotal& # x000a0 = & # x000a01.5 & # x000a0kcal & # x000a0mol & # x022121 por resíduo a 300 & # x000a0K, correspondendo aproximadamente a uma redução de 12 vezes na liberdade conformacional por resíduo na ligação. Como as ligações de van der Wall e de hidrogênio tendem a ser mais ou menos equivalentes para os peptídeos na água e em formas bem ligadas, os efeitos da entropia da água conhecidos como efeitos hidrofóbicos (junto com as forças eletrostáticas) desempenham um papel importante na determinação do equilíbrio das energias e resultado final . KRSFIEDLLFNKV custaria, portanto, cerca de + 19,5 & # x000a0kcal / mol de contribuição entrópica para se ligar rigidamente, compensado principalmente por contatos hidrofóbicos em até cerca de & # x022121.7 & # x000a0kcal / mol ao passar de um ambiente aquoso para um não polar, ou seja, # x0221222.1 & # x000a0kcal / mol para um peptídeo de 13 resíduos ou análogo de KRSFIEDLLFNKV. Esse exemplo não favorece a encadernação, mas o cálculo correto está nos detalhes que devem mostrar um equilíbrio que favorece uma boa encadernação se for o caso experimentalmente. Apesar dos comentários acima, a flexibilidade dos peptídeos fornece mais oportunidades para se ajustar a um local de ligação específico, ou seja, eles podem mostrar alguma acomodação e são mais tolerantes a imperfeições no processo de design. No entanto, este também é um argumento para sua importância como uma etapa intermediária no projeto de agentes farmacêuticos mais convencionais.


O dobramento de proteínas é simétrico em relação à reversão da ordem da sequência? - Biologia

Todos os artigos publicados pela MDPI são disponibilizados imediatamente em todo o mundo sob uma licença de acesso aberto. Nenhuma permissão especial é necessária para reutilizar todo ou parte do artigo publicado pela MDPI, incluindo figuras e tabelas. Para artigos publicados sob uma licença Creative Common CC BY de acesso aberto, qualquer parte do artigo pode ser reutilizada sem permissão, desde que o artigo original seja claramente citado.

Os artigos de destaque representam a pesquisa mais avançada com potencial significativo de alto impacto no campo. Artigos de destaque são submetidos a convite individual ou recomendação dos editores científicos e passam por revisão por pares antes da publicação.

O artigo pode ser um artigo de pesquisa original, um estudo de pesquisa substancial que frequentemente envolve várias técnicas ou abordagens ou um artigo de revisão abrangente com atualizações concisas e precisas sobre os últimos avanços no campo que revisa sistematicamente os avanços mais interessantes na área científica literatura. Este tipo de artigo fornece uma perspectiva sobre as futuras direções de pesquisa ou possíveis aplicações.

Os artigos do Editor’s Choice são baseados nas recomendações dos editores científicos de periódicos MDPI de todo o mundo. Os editores selecionam um pequeno número de artigos recentemente publicados na revista que eles acreditam ser particularmente interessantes para os autores ou importantes neste campo. O objetivo é fornecer um instantâneo de alguns dos trabalhos mais interessantes publicados nas várias áreas de pesquisa da revista.


O dobramento de proteínas é simétrico em relação à reversão da ordem da sequência? - Biologia

Agradecemos ao professor T. Parac-Vogt por nos permitir usar o equipamento de CD, e aos cientistas da linha de luz I04 na fonte de luz Diamond e à linha de luz NW12A no Photon Factory Advanced Ring por sua assistência.

Informação de financiamento

A. R. D. Voet e L. Van Meervelt agradecem ao FWO (G0F9316N, G051917N e G0E4717N) pelo financiamento. J. R. H. Tame agradece o apoio do OpenEye Scientific Software e do JSPS para financiamento. B. Mylemans e S. Wouters agradecem à FWO por uma bolsa de doutorado (ASP / 17). T. Schiex e D. Simoncini reconhecem a Agreenium pelo financiamento de pós-doutorado que seu trabalho foi parcialmente financiado pela Agence Nationale de la Recherche francesa, Grant ANR-16-C40-0028 (para TS). K. Y. J. Zhang agradece ao JSPS pelo financiamento.

Referências

Abe, S., Tabe, H., Ijiri, H., Yamashita, K., Hirata, K., Atsumi, K., Shimoi, T., Akai, M., Mori, H., Kitagawa, S. & # 38 Ueno, T. (2017). ACS Nano , 11 , 2410 e # 82112419. CrossRef CAS Google & # 160Scholar
Adams, PD, Afonine, PV, Bunk & # 243czi, G., Chen, VB, Davis, IW, Echols, N., Headd, JJ, Hung, L.-W., Kapral, GJ, Grosse-Kunstleve, RW, McCoy, AJ, Moriarty, NW, Oeffner, R., Read, RJ, Richardson, DC, Richardson, JS, Terwilliger, TC & # 38 Zwart, PH (2010). Acta Cryst. D 66 , 213 e # 8211221. Web of Science CrossRef CAS IUCr Journals Google & # 160Scholar
Allouche, D., Andr & # 233, I., Barbe, S., Davies, J., de Givry, S., Katsirelos, G., O'Sullivan, B., Prestwich, S., Schiex, T. & # 38 Traor & # 233, S. (2014). Artif. Intell. 212 , 59 e # 821179. CrossRef Google & # 160Scholar
Andr & # 233, I., Bradley, P., Wang, C. & # 38 Baker, D. (2007). Proc. Natl Acad. Sci. EUA , 104 , 17656 e # 821117661. PubMed Google & # 160Scholar
Broom, A., Ma, S. M., Xia, K., Rafalia, H., Trainor, K., Col & # 243n, W., Gosavi, S. & # 38 Meiering, E. M. (2015). Proc. Natl Acad. Sci. EUA , 112 , 14605 e # 821114610. CrossRef CAS Google & # 160Scholar
Chen, V. B., Arendall, W. B., Headd, J. J., Keedy, D. A., Immormino, R. M., Kapral, G. J., Murray, L. W., Richardson, J. S. & # 38 Richardson, D. C. (2010). Acta Cryst. D 66 , 12 e # 821121. Web of Science CrossRef CAS IUCr Journals Google & # 160Scholar
Cooper, M. C., de Givry, S., Sanchez, M., Schiex, T., Zytnicki, M. & # 38 Werner, T. (2010). Artif. Intell. 174 , 449 e # 8211478. CrossRef Google & # 160Scholar
Doyle, L., Hallinan, J., Bolduc, J., Parmeggiani, F., Baker, D., Stoddard, B. L. & # 38 Bradley, P. (2015). Nature (Londres) , 528 , 585 e # 8211588. CrossRef CAS Google & # 160Scholar
Emsley, P., Lohkamp, ​​B., Scott, W. G. & # 38 Cowtan, K. (2010). Acta Cryst. D 66 , 486 e # 8211501. Web of Science CrossRef CAS IUCr Journals Google & # 160Scholar
Evans, P. R. & # 38 Murshudov, G. N. (2013). Acta Cryst. D 69 , 1204 e # 82111214. Web of Science CrossRef CAS IUCr Journals Google & # 160Scholar
Gille, C., F & # 228hling, M., Weyand, B., Wieland, T. & # 38 Gille, A. (2014). Nucleic Acids Res. 42 , W3 e # 8211W6. CrossRef CAS Google & # 160Scholar
Guagnini, F., Antonik, P. M., Rennie, M. L., O'Byrne, P., Khan, A. R., Pinalli, R., Dalcanale, E. & # 38 Crowley, P. B. (2018). Angew. Chem. Int. Ed. 57 , 7126 e # 82117130. CrossRef CAS Google & # 160Scholar
Hao, B., Oehlmann, S., Sowa, M., Harper, J. & # 38 Pavletich, N. (2007). Mol. Célula , 26 , 131 e # 8211143. CrossRef CAS Google & # 160Scholar
Heddle, J. G., Yokoyama, T., Yamashita, I., Park, S.-Y. & # 38 Tame, J. R. H. (2006). Estrutura , 14 , 925 e # 8211933. CrossRef CAS Google & # 160Scholar
H & # 246cker, B., Lochner, A., Seitz, T., Claren, J. & # 38 Sterner, R. (2009). Bioquímica , 48 , 1145 e # 82111147. Google & # 160Scholar
Huang, P.-S. S., Feldmeier, K., Parmeggiani, F., Fernandez Velasco, D. A., H & # 246cker, B. & # 38 Baker, D. (2016). Nat. Chem. Biol. 12 , 29 e # 821134. CrossRef CAS Google & # 160Scholar
Hurley, B., O'Sullivan, B., Allouche, D., Katsirelos, G., Schiex, T., Zytnicki, M. & # 38 de Givry, S. (2016). Restrições , 21 , 413 e # 8211434. CrossRef Google & # 160Scholar
Jurrus, E., Engel, D., Star, K., Monson, K., Brandi, J., Felberg, LE, Brookes, DH, Wilson, L., Chen, J., Liles, K., Chun, M., Li, P., Gohara, DW, Dolinsky, T., Konecny, R., Koes, DR, Nielsen, JE, Head-Gordon, T., Geng, W., Krasny, R., Wei, G .-W., Holst, MJ, McCammon, JA & # 38 Baker, NA (2018). Protein Sci. 27 , 112 e # 8211128. CrossRef CAS Google & # 160Scholar
Kabsch, W. (2010 uma ). Acta Cryst. D 66 , 133 e # 8211144. Web of Science CrossRef CAS IUCr Journals Google & # 160Scholar
Kabsch, W. (2010 b ). Acta Cryst. D 66 , 125 & # 8211132. Web of Science CrossRef CAS IUCr Journals Google & # 160Scholar
Kabsch, W. & # 38 Sander, C. (1983). Biopolímeros , 22 , 2577 e # 82112637. CrossRef CAS PubMed Web of Science Google & # 160Scholar
Kopec, K. & # 38 Lupas, A. (2013). PLoS One , 8 , e77074. CrossRef Google & # 160Scholar
Lang, D., Thoma, R., Henn-Sax, M., Sterner, R. & # 38 Wilmanns, M. (2000). Ciência , 289 , 1546 e # 82111550. Web of Science CrossRef PubMed CAS Google & # 160Scholar
Lebowitz, J., Lewis, M. S. & # 38 Schuck, P. (2002). Protein Sci. 11 , 2067 e # 82112079. Web of Science CrossRef PubMed CAS Google & # 160Scholar
Lee, J. & # 38 Blaber, M. (2011). Proc. Natl Acad. Sci. EUA , 108 , 126 e # 8211130. Web of Science CrossRef CAS PubMed Google & # 160Scholar
Liang, M., Wang, L., Su, R., Qi, W., Wang, M., Yu, Y. & # 38 He, Z. (2013). Catal. Sci. Technol. 3 , 1910 e # 82111914. CrossRef CAS Google & # 160Scholar
Lupas, A. N., Ponting, C. P. & # 38 Russell, R. B. (2001). J. Struct. Biol. 134 , 191 e # 8211203. Web of Science CrossRef PubMed CAS Google & # 160Scholar
Main, E., Xiong, Y., Cocco, M., D'Andrea, L. & # 38 Regan, L. (2003). Estrutura , 11 , 497 e # 8211508. Web of Science CrossRef PubMed CAS Google & # 160Scholar
McCoy, A. J., Grosse-Kunstleve, R. W., Adams, P. D., Winn, M. D., Storoni, L. C. & # 38 Read, R. J. (2007). J. Appl. Cryst. 40 , 658 e # 8211674. Web of Science CrossRef CAS IUCr Journals Google & # 160Scholar
McGovern, R. E., Fernandes, H., Khan, A. R., Power, N. P. & # 38 Crowley, P. B. (2012). Nat. Chem. 4 , 527 e # 8211533. CrossRef CAS Google & # 160Scholar
Nikkhah, M., Jawad-Alami, Z., Demydchuk, M., Ribbons, D. & # 38 Paoli, M. (2006). Biomol. Eng. 23 , 185 e # 8211194. CrossRef CAS Google & # 160Scholar
O'Meara, MJ, Leaver-Fay, A., Tyka, MD, Stein, A., Houlihan, K., DiMaio, F., Bradley, P., Kortemme, T., Baker, D., Snoeyink, J . & # 38 Kuhlman, B. (2015). J. Chem. Theory Comput. 11 , 609 e # 8211622. CAS Google e # 160Scholar
Orengo, C. A., Jones, D. T. & # 38 Thornton, J. M. (1994). Nature (Londres) , 372 , 631 e # 8211634. CrossRef CAS PubMed Web of Science Google & # 160Scholar
Pace, C. N. & # 38 Scholtz, J. M. (1997). Estrutura da proteína: uma abordagem prática , editado por T. E. Creighton, pp. 299 & # 8211321. Oxford: IRL Press. Google & # 160Scholar
Paoli, M. (2001). Prog. Biophys. Mol. Biol. 76 , 103 e # 8211130. Web of Science CrossRef PubMed CAS Google & # 160Scholar
Parmeggiani, F., Huang, P.-S., Vorobiev, S., Xiao, R., Park, K., Caprari, S., Su, M., Seetharaman, J., Mao, L., Janjua, H., Montelione, GT, Hunt, J. & # 38 Baker, D. (2015). J. Mol. Biol. 427 , 563 e # 8211575. CrossRef CAS Google & # 160Scholar
Parmeggiani, F., Pellarin, R., Larsen, A. P., Varadamsetty, G., Stumpp, M. T., Zerbe, O., Caflisch, A. & # 38 Pl & # 252ckthun, A. (2008). J. Mol. Biol. 376 , 1282 e # 82111304. CrossRef PubMed CAS Google & # 160Scholar
Pl & # 252ckthun, A. (2015). Annu. Rev. Pharmacol. Toxicol. 55 , 489 e # 8211511. Google & # 160Scholar
Pons, T., G & # 243mez, R., Chinea, G. & # 38 Valencia, A. (2003). Curr. Med. Chem. 10 , 505 e # 8211524. CrossRef CAS Google & # 160Scholar
Schapira, M., Tyers, M., Torrent, M. & # 38 Arrowsmith, C. (2017). Nat. Rev. Drug Discov. 16 , 773 e # 8211786. CrossRef CAS Google & # 160Scholar
Scholtz, M., Grimsley, G. & # 38 Pace, N. (2009). Methods Enzymol. 466 , 549 e # 8211565. CrossRef CAS Google & # 160Scholar
Schuck, P., Perugini, M., Gonzales, N., Howlett, G. & # 38 Schubert, D. (2002). Biophys. J. 82 , 1096 e # 82111111. CrossRef CAS Google & # 160Scholar
Simoncini, D., Allouche, D., de Givry, S., Delmas, C., Barbe, S. & # 38 Schiex, T. (2015). J. Chem. Theory Comput. 11 , 5980 e # 82115989. CrossRef CAS Google & # 160Scholar
Smock, R., Yadid, I., Dym, O., Clarke, J. & # 38 Tawfik, D. (2016). Célula , 164 , 476 e # 8211486. CrossRef CAS Google & # 160Scholar
S & # 246ding, J. & # 38 Lupas, A. N. (2003). Bioessays , 25 , 837 e # 8211846. Web of Science PubMed Google & # 160Scholar
Sontz, P. A., Bailey, J. B., Ahn, S. & # 38 Tezcan, F. (2015). Geléia. Chem. Soc. 137 , 11598 e # 821111601. CrossRef CAS Google & # 160Scholar
Stumpp, M. T., Forrer, P., Binz, H. & # 38 Pl & # 252ckthun, A. (2003). J. Mol. Biol. 332 , 471 e # 8211487. CrossRef CAS Google & # 160Scholar
Terada, D., Voet, ARD, Noguchi, H., Kamata, K., Ohki, M., Addy, C., Fujii, Y., Yamamoto, D., Ozeki, Y., Tame, JRH & # 38 Zhang, KYJ (2017). Sci. Rep. 7 , 5943. CrossRef Google & # 160Scholar
Touw, W., Baakman, C., Black, J., te Beek, T. A. H., Krieger, E., Joosten, R. & # 38 Vriend, G. (2015). Nucleic Acids Res. 43 , D364 e # 8211D368. CrossRef CAS Google & # 160Scholar
Urvoas, A., Guellouz, A., Valerio-Lepiniec, M., Graille, M., Durand, D., Desravines, DC, van Tilbeurgh, H., Desmadril, M. & # 38 Minard, P. (2010 ) J. Mol. Biol. 404 , 307 e # 8211327. CrossRef CAS Google & # 160Scholar
Voet, A. R. D., Noguchi, H., Addy, C., Simoncini, D., Terada, D., Unzai, S., Park, S.-Y., Zhang, K. Y. J. & # 38 Tame, J. R. H. (2014). Proc. Natl Acad. Sci. EUA , 111 , 15102 e # 821115107. CrossRef CAS Google & # 160Scholar
Voet, A. R. D., Noguchi, H., Addy, C., Zhang, K. Y. J. & # 38 Tame, J. R. H. (2015). Angew. Chem. Int. Ed. 54 , 9857 e # 82119860. CrossRef CAS Google & # 160Scholar
Voet, A. R. D., Simoncini, D., Tame, J. R. H. & # 38 Zhang, K. Y. J. (2017). Methods Mol. Biol. 1529 , 309 e # 8211322. CrossRef CAS Google & # 160Scholar
Wei, H., Wang, Z., Zhang, J., House, S., Gao, Y.-G., Yang, L., Robinson, H., Tan, L., Xing, H., Hou, C., Robertson, IM, Zuo, J.-M. & # 38 Lu, Y. (2011). Nat. Nanotecnol. 6 , 93 e # 821197. CrossRef CAS Google & # 160Scholar
Xia, X., Longo, L., Sutherland, M. & # 38 Blaber, M. (2016). Protein Sci. 25 , 1227 e # 82111240. CrossRef CAS Google & # 160Scholar

Este é um artigo de acesso aberto distribuído sob os termos da Licença Creative Commons Attribution (CC-BY), que permite o uso irrestrito, distribuição e reprodução em qualquer meio, desde que os autores originais e a fonte sejam citados.


Abreviações

Seeman NC: Nanomateriais baseados em DNA. Annu Rev Biochem. 2010, 79: 65-87. 10.1146 / annurev-biochem-060308-102244.

Goodman RP, Schaap IAT, Tardin CF, Erben CM, Berry RM, Schmidt CF, Turberfield AJ: Montagem quiral rápida de blocos de construção de DNA rígido para nanofabricação molecular. Ciência. 2005, 310: 1661-1665. 10.1126 / science.1120367.

He Y, Ye T, Su M, Zhang C, Ribbe AE, Jiang W, Mao CD: Auto-montagem hierárquica de DNA em poliedros supramoleculares simétricos. Natureza. 2008, 452: 198-U141. 10.1038 / nature06597.

Douglas SM, Dietz H, Liedl T, Hogberg B, Graf F, Shih WM: Auto-montagem de DNA em formas tridimensionais em nanoescala. Natureza. 2009, 459: 414-418. 10.1038 / nature08016.

Andersen ES, Dong M, Nielsen MM, Jahn K, Subramani R, Mamdouh W, Golas MM, Sander B, Stark H, Oliveira CL, Pedersen JS, Birkedal V, Besenbacher F, Gothelf KV, Kjems J: Auto-montagem de um Caixa de DNA em nanoescala com tampa controlável. Natureza. 2009, 459: 73-76. 10.1038 / nature07971.

Linko V, Dietz H: O estado habilitado da nanotecnologia de DNA. Curr Opin Biotechnol. 2013, 24: 555-561. 10.1016 / j.copbio.2013.02.001.

Simmel FC: linhas de montagem e nanofábricas baseadas em DNA. Curr Opin Biotechnol. 2012, 23: 516-521. 10.1016 / j.copbio.2011.12.024.

Zhang DY, Seelig G: Nanotecnologia de DNA dinâmica usando reações de deslocamento de fita. Nat Chem. 2011, 3: 103-113. 10.1038 / nchem.957.

Pinheiro AV, Han D, Shih WM, Yan H: Desafios e oportunidades para a nanotecnologia de DNA estrutural. Nat Nanotechnol. 2011, 6: 763-772. 10.1038 / nnano.2011.187.

Krishnan Y, Simmel FC: Dispositivos moleculares baseados em ácido nucléico. Angew Chem. 2011, 50: 3124-3156. 10.1002 / anie.200907223.

Lo PK, Metera KL, Sleiman HF: Auto-montagem de nanoestruturas de DNA tridimensionais e aplicações biológicas potenciais. Curr Opin Chem Biol. 2010, 14: 597-607. 10.1016 / j.cbpa.2010.08.002.

Aldaye FA, Palmer AL, Sleiman HF: Montagem de materiais com DNA como guia. Ciência. 2008, 321: 1795-1799. 10.1126 / science.1154533.

Seeman NC: Junções e redes de ácido nucléico. J Theor Biol. 1982, 99: 237-247. 10.1016 / 0022-5193 (82) 90002-9.

Chen JH, Seeman NC: Síntese do DNA de uma molécula com a conectividade de um cubo. Natureza. 1991, 350: 631-633. 10.1038 / 350631a0.

Ke Y, Ong LL, Shih WM, Yin P: Estruturas tridimensionais automontadas a partir de tijolos de DNA. Ciência. 2012, 338: 1177-1183. 10.1126 / science.1227268.

Shih WM, Quispe JD, Joyce GF: Um DNA de fita única de 1,7 quilobase que se dobra em um octaedro em nanoescala. Natureza. 2004, 427: 618-621. 10.1038 / nature02307.

Ke Y, Sharma J, Liu M, Jahn K, Liu Y, Yan H: Origami de DNA em andaime de um recipiente molecular de tetraedro de DNA. Nano Lett. 2009, 9: 2445-2447. 10.1021 / nl901165f.

Bell NA, Engst CR, Ablay M, Divitini G, Ducati C, Liedl T, Keyser UF: DNA origami nanoporos. Nano Lett. 2012, 12: 512-517. 10.1021 / nl204098n.

Graugnard E, Kellis DL, Bui H, Barnes S, Kuang W, Lee J, Hughes WL, Knowlton WB, Yurke B: interruptores excitônicos controlados por DNA. Nano Lett. 2012, 12: 2117-2122. 10.1021 / nl3004336.

Wickham SF, Endo M, Katsuda Y, Hidaka K, Bath J, Sugiyama H, Turberfield AJ: Observação direta do movimento gradual de um transportador molecular sintético. Nat Nanotechnol. 2011, 6: 166-169. 10.1038 / nnano.2010.284.

Qian L, Winfree E: Aumentando a escala da computação do circuito digital com cascatas de deslocamento de fita de DNA. Ciência. 2011, 332: 1196-1201. 10.1126 / science.1200520.

Qian L, Winfree E, Bruck J: computação de rede neural com cascatas de deslocamento de fita de DNA. Natureza. 2011, 475: 368-372. 10.1038 / nature10262.

Yurke B, Turberfield AJ, Mills AP, Simmel FC, Neumann JL: Uma máquina molecular alimentada por DNA feita de DNA. Natureza. 2000, 406: 605-608. 10.1038 / 35020524.

Omabegho T, Sha R, Seeman NC: Um motor browniano de DNA bípede com pernas coordenadas. Ciência. 2009, 324: 67-71. 10.1126 / science.1170336.

Zhang C, Ko SH, Su M, Leng Y, Ribbe AE, Jiang W, Mao C: a simetria controla a geometria da face dos poliedros de DNA. J Am Chem Soc. 2009, 131: 1413-1415. 10.1021 / ja809666h.

Rothemund PW: DNA dobrável para criar formas e padrões em nanoescala. Natureza. 2006, 440: 297-302. 10.1038 / nature04586.

Han D, Pal S, Nangreave J, Deng Z, Liu Y, Yan H: Origami de DNA com curvaturas complexas no espaço tridimensional. Ciência. 2011, 332: 342-346. 10.1126 / science.1202998.

Douglas SM, Marblestone AH, Teerapittayanon S, Vazquez A, Church GM, Shih WM: Prototipagem rápida de formas de origami de DNA 3D com caDNAno. Nucleic Acids Res. 2009, 37: 5001-5006. 10.1093 / nar / gkp436.

Kuzuya A, Komiyama M: Origami de DNA: dobrar, colar e além. Nanoscale. 2010, 2: 310-322. 10.1039 / b9nr00246d.

Shih WM, Lin C: Tecidos complexos de tricô com origami de DNA. Curr Opin Struct Biol. 2010, 20: 276-282. 10.1016 / j.sbi.2010.03.009.

Wei B, Dai M, Yin P: formas complexas auto-montadas a partir de blocos de DNA de fita simples. Natureza. 2012, 485: 623-626. 10.1038 / nature11075.

Liu Q, Song C, Wang ZG, Li N, Ding B: Organização precisa de nanopartículas de metal no modelo de origami de DNA. Métodos. 2013, doi: 10.1016 / j.ymeth.2013.10.006

Garibotti AV, Perez-Rentero S, Eritja R: Funcionalização e automontagem de arranjos bidimensionais de DNA. Int J Mol Sci. 2011, 12: 5641-5651. 10.3390 / ijms12095641.

Williams BA, Lund K, Liu Y, Yan H, Chaput JC: Nanoarrays de peptídeos auto-organizados: uma abordagem para estudar as interações proteína-proteína. Angew Chem. 2007, 46: 3051-3054. 10.1002 / anie.200603919.

Lee JB, Roh YH, Um SH, Funabashi H, Cheng W, Cha JJ, Kiatwuthinon P, Muller DA, Luo D: Nanoarquiteturas multifuncionais de monômeros ABC baseados em DNA. Nat Nanotechnol. 2009, 4: 430-436. 10.1038 / nnano.2009.93.

Nakata E, Liew FF, Uwatoko C, Kiyonaka S, Mori Y, Katsuda Y, Endo M, Sugiyama H, Morii T: Proteínas de dedo de zinco para posicionamento específico de proteína em estruturas de origami de DNA. Angew Chem. 2012, 51: 2421-2424. 10.1002 / anie.201108199.

Delebecque CJ, Lindner AB, Silver PA, Aldaye FA: Organização de reações intracelulares com conjuntos de RNA racionalmente projetados. Ciência. 2011, 333: 470-474. 10.1126 / science.1206938.

Conrado RJ, Wu GC, Boock JT, Xu H, Chen SY, Lebar T, Turnsek J, Tomsic N, Avbelj M, Gaber R, Koprivnjak T, Mori J, Glavnik V, Vovk I, Bencina M, Hodnik V, Anderluh G , Dueber JE, Jerala R, Delisa MP: montagem guiada por DNA de vias biossintéticas promove eficiência catalítica melhorada. Nucleic Acids Res. 2012, 40: 1879-1889. 10.1093 / nar / gkr888.

Li Z, Wei B, Nangreave J, Lin C, Liu Y, Mi Y, Yan H: Uma nanoestrutura tetraédrica replicável auto-montada a partir de uma única fita de DNA. J Am Chem Soc. 2009, 131: 13093-13098. 10.1021 / ja903768f.

Sobczak JP, Martin TG, Gerling T, Dietz H: O dobramento rápido do DNA em formas em nanoescala a temperatura constante. Ciência. 2012, 338: 1458-1461. 10.1126 / science.1229919.

Douglas SM, Bachelet I, Church GM: Um nanorrobô com portas lógicas para o transporte direcionado de cargas moleculares. Ciência. 2012, 335: 831-834. 10.1126 / science.1214081.

Liu X, Xu Y, Yu T, Clifford C, Liu Y, Yan H, Chang Y: Uma plataforma de nanoestrutura de DNA para montagem dirigida de vacinas sintéticas. Nano Lett. 2012, 12: 4254-4259. 10.1021 / nl301877k.

Mohri K, Nishikawa M, Takahashi N, Shiomi T, Matsuoka N, Ogawa K, Endo M, Hidaka K, Sugiyama H, Takahashi Y, Takakura Y: Design e desenvolvimento de conjuntos de DNA nanométricos em estruturas semelhantes a polipodos como veículos eficientes para imunoestimuladores Motivos CpG para células imunes. ACS nano. 2012, 6: 5931-5940. 10.1021 / nn300727j.

Li J, Pei H, Zhu B, Liang L, Wei M, He Y, Chen N, Li D, Huang Q, Fan C: Nanoestruturas de DNA multivalente automontadas para entrega intracelular não invasiva de oligonucleotídeos CpG imunoestimuladores. ACS nano. 2011, 5: 8783-8789. 10.1021 / nn202774x.

Kuhlman B, Dantas G, Ireton GC, Varani G, Stoddard BL, Baker D: Projeto de uma nova dobra de proteína globular com precisão de nível atômico. Ciência. 2003, 302: 1364-1368. 10.1126 / science.1089427.

Fleishman SJ, Whitehead TA, Ekiert DC, Dreyfus C, Corn JE, Strauch EM, Wilson IA, Baker D: Projeto computacional de proteínas visando a região conservada do caule da hemaglutinina da gripe. Ciência. 2011, 332: 816-821. 10.1126 / science.1202617.

Regan L, Degrado WF: Caracterização de uma proteína helicoidal desenhada a partir dos primeiros princípios. Ciência. 1988, 241: 976-978. 10.1126 / science.3043666.

Hecht MH, Richardson JS, Richardson DC, Ogden RC: Denovo design, expression, and characterization of felix - uma proteína de pacote de 4 hélices de seqüência nativa. Ciência. 1990, 249: 884-891. 10.1126 / science.2392678.

Dill KA, MacCallum JL: O problema do dobramento de proteínas, 50 anos depois. Ciência. 2012, 338: 1042-1046. 10.1126 / science.1219021.

Levy ED, Boeri Erba E, Robinson CV, Teichmann SA: A montagem reflete a evolução dos complexos de proteínas. Natureza. 2008, 453: 1262-1265. 10.1038 / nature06942.

Sim PARA: Nanobiotecnologia: arranjos de proteínas feitos sob encomenda. Nat Nanotechnol. 2011, 6: 541-542. 10.1038 / nnano.2011.127.

Lai YT, King NP, Yeates TO: Princípios para projetar conjuntos de proteínas ordenados. Trends Cell Biol. 2012, 22: 653-661. 10.1016 / j.tcb.2012.08.004.

Bozic S, Doles T, Gradisar H, Jerala R: Novos conjuntos de proteínas projetados. Curr Opin Chem Biol. 2013, 17: 940-945. 10.1016 / j.cbpa.2013.10.014.

Gradisar H, Bozic S, Doles T, Vengust D, Hafner-Bratkovic I, Mertelj A, Webb B, Sali A, Klavzar S, Jerala R: Projeto de um tetraedro polipeptídico de cadeia única montado a partir de segmentos de bobina espiral. Nat Chem Biol. 2013, 9: 362-366. 10.1038 / nchembio.1248.

Padilla JE, Colovos C, Yeates TO: Nanoedros: usando simetria para projetar gaiolas de proteínas de auto-montagem, camadas, cristais e filamentos. Proc Natl Acad Sci U S A. 2001, 98: 2217-2221. 10.1073 / pnas.041614998.

Lai YT, Cascio D, Yeates TO: Estrutura de uma gaiola de 16 nm projetada usando oligômeros de proteína. Ciência. 2012, 336: 1129-10.1126 / science.1219351.

Lai YT, Tsai KL, Sawaya MR, Asturias FJ, Yeates TO: Estrutura e flexibilidade de gaiolas de proteína em nanoescala projetadas por auto-montagem simétrica. J Am Chem Soc. 2013, 135: 7738-7743. 10.1021 / ja402277f.

Doles T, Bozic S, Gradisar H, Jerala R: Functional self-assembling polypeptide bionanomaterials. Biochem Soc Trans. 2012, 40: 629-634. 10.1042 / BST20120025.

Sinclair JC, Davies KM, Venien-Bryan C, Noble ME: Geração de redes de proteínas por fusão de proteínas com simetria rotacional correspondente. Nat Nanotechnol. 2011, 6: 558-562. 10.1038 / nnano.2011.122.

Grueninger D, Treiber N, Ziegler MO, Koetter JW, Schulze MS, Schulz GE: Associação proteína-proteína projetada. Ciência. 2008, 319: 206-209. 10.1126 / science.1150421.

Leaver-Fay A, Tyka M, Lewis SM, Lange OF, Thompson J, Jacak R, Kaufman K, Renfrew PD, Smith CA, Sheffler W, Davis IW, Cooper S, Treuille A, Mandell DJ, Richter F, Ban YE, Fleishman SJ, Corn JE, Kim DE, Lyskov S, Berrondo M, Mentzer S, Popović Z, Havranek JJ, Karanicolas J, Das R, Meiler J, Kortemme T, Gray JJ, Kuhlman B: ROSETTA3: um pacote de software orientado a objetos para a simulação e projeto de macromoléculas. Methods Enzymol. 2011, 487: 545-574.

King NP, Sheffler W, Sawaya MR, Vollmar BS, Sumida JP, Andre I, Gonen T, Yeates TO, Baker D: Projeto computacional de nanomateriais de proteína de automontagem com precisão de nível atômico. Ciência. 2012, 336: 1171-1174. 10.1126 / science.1219364.

Apostolovic B, Danial M, Klok HA: Bobinas: motivos atrativos de dobra de proteínas para a fabricação de materiais auto-montados, responsivos e bioativos. Chem Soc Rev. 2010, 39: 3541-3575. 10.1039 / b914339b.

Woolfson DN, Ryadnov MG: Biomateriais fibrosos à base de peptídeos: algumas coisas antigas, novas e emprestadas. Curr Opin Chem Biol. 2006, 10: 559-567. 10.1016 / j.cbpa.2006.09.019.

Bromley EH, Channon K, Moutevelis E, Woolfson DN: blocos de construção de peptídeos e proteínas para biologia sintética: da programação de biomoléculas a sistemas biomoleculares auto-organizados. ACS Chem Biol. 2008, 3: 38-50. 10.1021 / cb700249v.

Woolfson DN, Bartlett GJ, Bruning M, Thomson AR: Nova moeda para cabos antigos: de conjuntos de bobinas a barris alfa-helicoidais. Curr Opin Struct Biol. 2012, 22: 432-441. 10.1016 / j.sbi.2012.03.002.

Ghadiri MR, Granja JR, Buehler LK: Canais de íons transmembrana artificiais de nanotubos de peptídeo de automontagem. Natureza. 1994, 369: 301-304. 10.1038 / 369301a0.

Woolfson DN: O projeto de estruturas e conjuntos de bobinas em espiral. Adv Protein Chem. 2005, 70: 79-112.

Mason JM, Muller KM, Arndt KM: Considerações no projeto e otimização de estruturas de bobinas enroladas. Methods Mol Biol. 2007, 352: 35-70.

Gradisar H, Jerala R: De novo design of orthogonal peptide pairs forming parallel coiled-coil heterodimers. J Pept Sci. 2011, 17: 100-106. 10.1002/psc.1331.

Fletcher JM, Boyle AL, Bruning M, Bartlett GJ, Vincent TL, Zaccai NR, Armstrong CT, Bromley EH, Booth PJ, Brady RL, Thomson AR, Woolfson DN: A basis set of de novo coiled-coil Peptide oligomers for rational protein design and synthetic biology. ACS Synth Biol. 2012, 1: 240-250. 10.1021/sb300028q.

Thompson KE, Bashor CJ, Lim WA, Keating AE: SYNZIP protein interaction toolbox: in vitro and in vivo specifications of heterospecific coiled-coil interaction domains. ACS Synth Biol. 2012, 1: 118-129. 10.1021/sb200015u.

Zaccai NR, Chi B, Thomson AR, Boyle AL, Bartlett GJ, Bruning M, Linden N, Sessions RB, Booth PJ, Brady RL, Woolfson DN: A de novo peptide hexamer with a mutable channel. Nat Chem Biol. 2011, 7: 935-941. 10.1038/nchembio.692.

Thomas F, Boyle AL, Burton AJ, Woolfson DN: A Set of de novo designed parallel heterodimeric coiled coils with quantified dissociation constants in the micromolar to Sub-nanomolar regime. J Am Chem Soc. 2013, 135: 5161-5166. 10.1021/ja312310g.

Bromley EH, Sessions RB, Thomson AR, Woolfson DN: Designed alpha-helical tectons for constructing multicomponent synthetic biological systems. J Am Chem Soc. 2009, 131: 928-930. 10.1021/ja804231a.

Ryadnov MG, Woolfson DN: Engineering the morphology of a self-assembling protein fibre. Nat Mater. 2003, 2: 329-332. 10.1038/nmat885.

Dong H, Paramonov SE, Hartgerink JD: Self-assembly of alpha-helical coiled coil nanofibers. J Am Chem Soc. 2008, 130: 13691-13695. 10.1021/ja8037323.

Peng X, Jin J, Nakamura Y, Ohno T, Ichinose I: Ultrafast permeation of water through protein-based membranes. Nat Nanotechnol. 2009, 4: 353-357. 10.1038/nnano.2009.90.

Ueda M, Makino A, Imai T, Sugiyama J, Kimura S: Rational design of peptide nanotubes for varying diameters and lengths. J Pept Sci. 2011, 17: 94-99. 10.1002/psc.1304.

Knowles TP, Oppenheim TW, Buell AK, Chirgadze DY, Welland ME: Nanostructured films from hierarchical self-assembly of amyloidogenic proteins. Nat Nanotechnol. 2010, 5: 204-207. 10.1038/nnano.2010.26.

Gour N, Mondal S, Verma S: Synthesis and self-assembly of a neoglycopeptide: morphological studies and ultrasound-mediated DNA encapsulation. J Pept Sci. 2011, 17: 148-153. 10.1002/psc.1334.

Banwell EF, Abelardo ES, Adams DJ, Birchall MA, Corrigan A, Donald AM, Kirkland M, Serpell LC, Butler MF, Woolfson DN: Rational design and application of responsive alpha-helical peptide hydrogels. Nat Mater. 2009, 8: 596-600. 10.1038/nmat2479.

Banta S, Wheeldon IR, Blenner M: Protein engineering in the development of functional hydrogels. Annu Rev Biomed Eng. 2010, 12: 167-186. 10.1146/annurev-bioeng-070909-105334.

Fletcher JM, Harniman RL, Barnes FR, Boyle AL, Collins A, Mantell J, Sharp TH, Antognozzi M, Booth PJ, Linden N, Miles MJ, Sessions RB, Verkade P, Woolfson DN: Self-assembling cages from coiled-coil peptide modules. Ciência. 2013, 340: 595-599. 10.1126/science.1233936.

Raman S, Machaidze G, Lustig A, Aebi U, Burkhard P: Structure-based design of peptides that self-assemble into regular polyhedral nanoparticles. Nanomedicine. 2006, 2: 95-102. 10.1016/j.nano.2006.04.007.

Boyle AL, Bromley EH, Bartlett GJ, Sessions RB, Sharp TH, Williams CL, Curmi PM, Forde NR, Linke H, Woolfson DN: Squaring the circle in peptide assembly: from fibers to discrete nanostructures by de novo design. J Am Chem Soc. 2012, 134: 15457-15467. 10.1021/ja3053943.

Fowler PW, Pickup BT, Todorova TZ, Pisanski T: Fragment analysis of single-molecule conduction. J Chem Phys. 2009, 130: 174708-10.1063/1.3124828.

Der BS, Kuhlman B: Cages from coils. Nat Biotechnol. 2013, 31: 809-810. 10.1038/nbt.2670.


Conclusão

There is active research ongoing to uncover the mechanisms by which disease-associated proteins misfold, aggregate, and cause cellular toxicity. Continued progress in our ability to interrogate amyloid-forming proteins and their interactions with other cellular proteins provide confidence that novel therapies will be identified for multiple disease states. Therapeutic options now being explored include targeting misfolded protein-chaperone interactions at various points in the proteostatic pathway, promoting protein clearance, and large-scale rebalancing of proteostatic network. However, the identification and in vivo validation of new therapeutic compounds is impeded by the shortage of known disease drivers and the lack of reliable biomarkers for monitoring therapeutic responses in relevant animal models. However, the increase in cooperative research and collaboration among the drug discovery community (pharmaceutical companies, foundations, academia, contract research organizations, clinicians, regulatory agencies, advocacy groups and patients) is a positive shift that can help accelerate the identification of novel therapeutic modalities.


Supporting information

S1 Fig. Architecture of the deep 3D convolutional neural network model and hyperparameter search.

(A) The overall organization of the model begins with the input tensor and ends with a final layer that outputs ΔΔG prediction. The numbers in parentheses before the Flatten layer represent the dimensionality of the output from each layer in the format (width, height, depth, property channels). The number in parentheses starting from the Flatten layer represent the number of output features from each of the densely connected layers. This optimized architecture was determined through cross-validation. (B) Results from cross validating the sizes of the convolutional layers while keeping the size of the densely connected layer at 32 neurons. (C) Results from cross validating the size of the densely connected layer while keeping the sizes of the convolutional layers at (16, 24, 32). (D) Results from cross validating the dimensions of the input grid.

S2 Fig. Pairwise percent sequence identity of the proteins in the S2648 and VariBench data sets.

(A) A heatmap representation of the pairwise percent sequence identity matrix of the proteins in the S2648 data set. (B) A heatmap representation of the pairwise percent sequence identity matrix of the proteins in the VariBench data set. It is obvious from these two heatmaps that there is substantial pairwise homology (percent identity > 25%) in both S2648 and VariBench. The pairwise identity matrices were obtained using the Clustal Omega multiple sequence alignment program [73].

S3 Fig. CNNs trained using only direct mutations show a large prediction bias.

(A) Performance of an ensemble of ten networks trained using only the set of 1,744 direct mutations on predicting the ΔΔGs of the direct mutations in the blind test set The Pearson correlation coefficient (r) between predicted values and experimentally determined values is 0.47, and the root-mean-square deviation (σ) of predicted values from experimentally determined values is 1.38 kcal/mol. (B) Performance of the same ensemble of ten networks on predicting the ΔΔGs of the reverse mutations in the blind test set The Pearson correlation coefficient (r) between predicted values and experimentally determined values is -0.06, and the root-mean-square deviation (σ) of predicted values from experimentally determined values is 2.40 kcal/mol. (C) Direct versus reverse ΔΔG values of all the mutations in the blind test set predicted by the same ensemble of networks. (B) and (C) highlight that the models trained with only direct mutations have a large bias and, when compared to the models trained using the balanced data set, the necessity of adding reverse mutations to correct the bias. The dots are colored in gradient from blue to red such that blue represents the most accurate prediction and red represents the least accurate.


Figure 2. Design of acidic-(HhH)2. Symmetric-(HhH)2 is a fully symmetric protein constructed in a previous study to understand the properties of ancient protein forms.(27) Derived from a family of dsDNA binding proteins, it is positively charged at neutral pH. To generate a hyperacidic model protein for this study, all lysine residues in symmetric-(HhH)2 were substituted with glutamate (see Results for more details). The conserved loop residues between the two helices of the HhH motif (PGIGP) are underlined, and the linker residues (GSVE) between the two HhH motifs are rendered in italics in the sequence and colored magenta in the structural model. The C-terminus of acidic-(HhH)2 bears a 6xHis tag connected by a two-residue Leu-Glu linker (not shown).


Assista o vídeo: Estrutura e Função das Proteínas (Agosto 2022).