从氨基酸序列预测蛋白质异常

结构紊乱对于蛋白质在各种生物过程中的功能至关重要。因此，非常需要能够根据氨基酸序列预测有序度和无序度。奥尔胡斯大学的研究人员通过使用机器学习以及数百种蛋白质的实验NMR数据开发了一种预测工具，该工具可用于结构研究和理解具有无序区域的蛋白质的生物学作用和调控。 在上个世纪，Anfinsen毫无疑问地证明了一种蛋白质，在将其置于“条件”下（即蛋白质结构未折叠的状态）后，可以回到其“天然”三维结构。他实验的深刻结论是，显然，将搜索控制回原始状态的信息隐藏在氨基酸序列中。然后，从热力学角度出发，提出了一个视图，其中折叠过程就像大力下坡到最低点一样，变成了独特的天然结构。这些发现通常与分子生物学的核心教义交织在一起。因此，基因编码氨基酸序列，而该序列编码特定结构。 输入内在无序的蛋白质。 下一个突破是随着人类基因组计划的到来，廉价，快速的基因组测序技术的出现。一旦对各种生物的数千个基因组进行了测序，科学家就做出了惊人的发现-有很多基因为低复杂度的蛋白质编码。换句话说，这些蛋白质没有正确的氨基酸折叠，实验证实它们仍然是“内在无序的”。而且，人类基因组中有超过三分之一的基因编码蛋白质异常！ 如何检测蛋白质异常？ 由于无序蛋白质非常灵活，因此不适合结晶，因此无法从蛋白质晶体的X射线衍射中获得任何信息-这种方法对于折叠蛋白质至关重要。相反，必须在溶液中研究这些蛋白质，为此，NMR（核磁共振）光谱法是最合适的工具。在这种方法中，在强磁场中针对分子中的每个原子测量了称为“自旋”的量子物理性质。的自旋的旋进确切频率是他们的环境的函数，并且它是正是这种频率使研究人员能够定量地测量在何种程度上每个氨基酸酸是有序的或无序的蛋白质。 在2020年9月8日发表的《科学报告》中的新论文中，Rupashree Dass博士与Frans Mulder副教授和Jakob Toudahl Nielsen助理教授一起使用了机器学习以及数百种蛋白质的实验NMR数据来构建新的生物信息学工具，他们称ODiNPred。这个生物信息学计划可以帮助其他研究人员最好地预测其蛋白质的哪些区域是刚性的，哪些区域可能是柔性的。此信息可用于结构研究，以及了解内在无序蛋白的生物学作用和调控。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！