слоя - всего 140 нс.
Решение парадокса Левинталя заключается в том, что молекула никогда не принимает подавляющего большинства теоретически возможных конформаций. Кооперативные эффекты фолдинга - одновременное формирование «зародышей» вторичной структуры, являющихся энергетически стабильными и уже не изменяющимися в процессе дальнейшего сворачивания - приводят к тому, что молекула белка находит «кратчайший путь» на воображаемой гиперплоскости потенциальной энергии к точке, соответствующей нативной конформации белка. Нативная конформация при этом отделена заметным энергетическим промежутком (potential energy gap) от подавляющего числа несвёрнутых форм, а ближайшая её окрестность определяет естественную конформационную подвижность молекулы.
Ограниченность понимания механизмов фолдинга связана ещё и с тем, что его сложно наблюдать экспериментально: это достаточно быстрый динамический процесс.
СЛОЖНОСТИ МОДЕЛИРОВАНИЯ БЕЛКОВ
В настоящее время последовательности всех белков конвертируются из прочтённых геномов множества организмов в аннотированные базы данных, доступные через интернет. Так, число последовательностей в базе Swiss-Prot <#"justify">МЕТОДЫ МОДЕЛИРОВАНИЯ ПРОСТРАНСТВЕННОЙ СТРУКТУРЫ БЕЛКА
Распознавание фолда с использованием библиотеки известных фолдов
Предсказание архитектуры белковой глобулы на основе знаний об атомных воздействиях (метод ab initio или de novo)
Этот термин означает, что в предсказании не используют в явном виде информации о структуре других белков. Все вычисления, как правило, производятся в эмпирических силовых полях, описывающих парные взаимодействия в классической системе частиц, представляющей молекулу белка. Сами же эти силовые поля в неявном виде включают данные о структуре молекул (не обязательно белковых) - такие как парциальные заряды и массу атомов, а также длины и углы валентных связей, - и к квантово-механическим методам отношения не имеют.
Наиболее «физически корректные» подходы из этой группы заключаются в основном в расчётах МД для моделирования процесса и результата фолдинга, однако эти методы из-за их огромной вычислительной сложности и неточности функций потенциальной энергии достигают успеха лишь для некоторых очень небольших белков. В остальных же случаях - тоже, относящихся к маленьким белкам (не более 150 аминокислотных остатков), - прибегают к дополнительным приближениям с целью уменьшить вычислительную сложность расчёта.
Для увеличения вычислительной эффективности, в de novo подходах часто используются упрощённые модели представления белка - отдельные аминокислотные остатки, присутствующие в модели, представлены не так подробно, как в полноатомных подходах: вся боковая цепь моделируется лишь одним-двумя центрами («псевдоатомами»). De novo фолдинг проводится в специальном силовом поле, оценивая огромное количество вариантов укладки сворачиваемой молекулы по значению потенциальной энергии. Идентификация конформации, значительно более «низкой» по потенциальной энергии, чем остальные, может служить признаком конца поиска - аналогично тому, как нативная конформация с некоторым отрывом отстоит от несвёрнутых промежуточных состояний.
Чтобы как-то приблизиться к природному механизму сворачивания, исследователи пытаются выделить в последовательности моделируемого белка структурно консервативные фрагменты (аналогичные тем, что в природе сворачиваются первыми и в дальнейшем уже остаются неизменными) и как бы «собирают мозаику» из этих фрагментов. Эта процедура позволяет существенно сократить время расчётов.
Одним из научных коллективов, активно занимающихся предсказанием структуры белков de novo, является вашингтонская лаборатория <#"justify">3.Моделирование по гомологии
Многие белки имеют типичные мотивы пространственной организации - то есть, принадлежат к различным семействам, образуя родственные группы. Все белки с известной структурой подразделяются на ≈3 500 структурных семейств, образующих ≈1000 типов пространственной укладки (согласно классификации SCOP - Structural Classification of Proteins <#"justify">Схема моделирования по гомологии:
·Идентификация структурного шаблона - белка с известной пространственной структурой, гомологичного моделируемому (идентичность последовательностей >30%). Поиск производится с помощью серверов FASTA <#"justify">Низкая гомология (<30% идентичности) часто уже не может быть корректно идентифицирована с помощью парного выравнивания последовательностей из-за слишком большого числа накопившихся замен, «маскирующих» последовательность белка, который, возможно, всё же сохранил определённое структурное сходство с каким-либо известным белком-«шаблоном». В этом случае часто используют методики поиска по профилям последовательностей, в которых для «запроса» к базе последовательностей используется не одиночная последовательность, а профиль, сконструированный на основе множественного выравнивания - своеобразная метапоследовательность, кодирующая в себе эволюционную вариабельность данного белка. С помощью этой методики иногда удаётся «вычислить» пригодный для моделирования структурный шаблон, несмотря на то, что идентичность последовательностей с ним составляет лишь 10-15%. Если же ни с помощью «традиционных» подходов поиска гомологичных последовательностей, ни с помощью профилей найти структурный гомолог не удаётся, единственный способ получить предсказание - это de novo методы.
белок моделирование структура фермент
ОГРАНИЧЕНИЯ СОПОСТАВИТЕЛЬНОГО МОДЕЛИРОВАНИЯ
В некоторых случаях основополагающая концепция метода моделирования по гомологии - «близкие последовательности упаковываются в близкие структуры» - нарушается. Белки, чьи последовательности практически идентичны и содержат лишь несколько замен, иногда могут принимать различные конформации. Некоторые белки при ди- или олигомеризации обмениваются доменами, в результате чего структура мономеров в составе олигомера и отдельно взятого мономера совершенно не похожи. Такие события не прогнозируются ни сопоставительным моделированием, ни другим теоретическим методам предсказания пространственной структуры.
ЗАКЛЮЧЕНИЕ
Хотя точность моделирования, как правило, оставляет желать лучшего, прогресс в развитии методов предсказания неизбежен. Во-первых, он позволяет суммировать весь накопленный опыт в одной технологической платформе, которой могут воспользоваться исследователи, не занимающиеся молекулярным моделированием, в том числе и через интернет. А во-вторых, появляется возможность строить модели огромного количества белков - например, всех белков, идентифицированных в геноме какого-нибудь отдельно взятого организма. Существуют интернет-ресурсы, содержащие компьютерные модели огромного числа белков, полученные автоматически в результате запуска такого масштабного «геномно-протеомного» моделирования.novo предсказания, помимо собственно моделирования структуры, могут оказать дополнительную помощь проектам по структурной геномике, указывая белки с не найденным ранее типом укладки. Смысл такого крупномасштабного моделирования созвучен целям глобального проекта по структурной геномике, направленного на получение трёхмерной структуры всех известных белков - в результате прямых экспериментов или компьютерных расчётов.
ЛИТЕРАТУРА
1.Новые технологии в биомедицине: биоинформатика. Арчаков А. И., Поройков В. В., Белкина Н. В. НИИ биомедицинской химии РАМН, 1983.
2.Шайтан К. В., Сарайкин С. С. Метод молекулярной динамики.
3.<http://biomolecula.ru> «Торжество компьютерных методов: предсказание строения белков».