Download Proteiinianalyysi

Proteiinianalyysi 52930 (3op)
Liisa Holm
Organisaatio
• Luennot
– 21.3.-18.4.2005, ke, pe 14-16, LS 1015
– kurssin kotisivu
http://www.bioinfo.biocenter.helsinki.fi/downloads/teac
hing/spring2006/proteiinianalyysi/
• Tentti
– 25.4.2007, klo 14-16, LS 1015
• Oheislukemisto
– Mount DW (2005) Bioinformatics. Sequence and
genome analysis. 2nd edition. CSHL press, New York
– Ch. 5-6,10-11
– Tramontano A (2005) The ten most wanted solutions
in protein bioinformatics. Chapman & Hall/ CRC
Mathematical Biology and Medicine series.
Muut kurssit
• Esitiedot:
– Geneettinen bioinformatiikka 3 op
• sekvenssivertailu
• fylogeniapuut
• Soveltaminen:
– Proteiinianalyysin harjoitustyöt 5 op
• webbityökalujen käyttö
Johdanto
Bioinformatics
• An interdisciplinary science that
synergistically utilizes the
contribution of informatics,
physics, and mathematics, but,
ultimately, the objective is the
solution of biological problems
Protein bioinformatics
• The goal is to assist
experimental biology in
assigning a function or
suggesting functional
hypotheses for all known
proteins.
Proteiinien merkitys
• Proteiinit tekevät kaiken työn solussa ja
ovat osallisina:
– Geenisäätelyssä
– Metaboliassa
– Signaloinnissa
– Tukirangassa
– Kuljetuksessa
– Solunjakautumisessa
http://www.websters-online-dictionary.org/definition/english/ce/cell.html
Proteins are a product of
evolution
• The basic principles of evolution
must be kept in mind when new
methods are devised or new
routes are explored for inferring
the function of a biological
macromolecule.
Proteiinit ovat erikoislaatuisia
polymeerejä:
• Tietyllä proteiinilla on aina sama
aminohapposekvenssi
– Proteiinin sekvenssi määräytyy DNAsekvenssin perusteella
• Tietyllä proteiinilla on aina uniikki
kolmiulotteinen rakenne.
– Proteiinin rakenne määräytyy
aminohapposekvenssin perusteella.
aina = biologinen aina (poikkeuksia löytyy)
Ei funktiota ilman rakennetta
• Luonnon proteiinit laskostuvat spesifiseksi
kolmiulotteiseksi rakenteeksi
– komplementaarinen interaktiopartnerille
• Denaturaatio tuhoaa funktion
Evoluutio
Sekvenssi – Rakenne - Funktio
DNA-sekvenssi
Luonnonvalinta
Proteiinin sekvenssi
Proteiinin funktio
Proteiinin rakenne
Evoluutioteoria
Geenin kahdentuminen
Perhe B
Perhe A
mutaatio
mutaatio
Perhe A’
mutaatio
Koevoluutio A:B
A
B
• Yhteinen kantamuoto => (jossain määrin) säilynyt rakenne ja funktio
• Yhteinen valintapaine => säilyneet / muuntelevat alueet
• Vertailu homologiin auttaa, kun hajautettu koodi on vaikea purkaa
– DNA -> RNA -> Proteiini
– Sekvenssi -> 3-ulotteinen rakenne -> Funktio
– sukua informaatioteorialle
Holm & Sander (1995) EMBO J 14, 1287-1293
Cell wall
Many biosynthetic
pathways
GT3r (13)
glycogen
synthase
GT35r (69)
Glycogen
Phosphorylase
GT1i (467)
UDP
glucoronosyltransferases
GT28i (50)
b-NGlcNAc
transferas
e
WecB (4)
UDP-NGlcNAc 2epimerase
GT4r (463)
Sucrose and
sucrosephosphate
synthase
GT5r (160)
UDP-Glc
glycogen and
ADP-Glc
starch
glucosyltransferase
UDP
ADP
PLP
BG
T
(1)
Energy storage
Metabolic control
point
Cofactors:
Phage T4 virulence
factor
The top ten ten most wanted
solutions in protein bioinformatics
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Protein sequence alignment
Predicting protein features from sequence
Function prediction
Protein structure prediction
Membrane proteins
Functional site identification
Protein-protein interaction
Protein-small molecule interaction
Protein design
Protein engineering
1: Protein sequence alignment
• Subproblems:
homology detection
alignment
• Combined: maximize the probability of
common ancestry (residue-residue) and of
the existence of ancestor
– Statistical significance tests – but, proteins are
not randomly generated
1: Protein sequence alignment
• Techniques:
– scoring matrices
– dynamic programming
– Profiles
– expectation maximization
– Gibbs sampler
– hidden Markov models
1: Protein sequence alignment
• Functional continuity
– Evolution-based inference
• Duplication followed by divergence
– Orthologues – same function
– Paralogues – new function
• Protein families
– Multiple sequence alignment problem
– Remote homology detection problem
• Transitivity of homology
Esimerkki sekvenssien evoluutiosta
• Olettakaamme, että on olemassa meidän
tuntemallemme rinnakkainen universumi, jossa kaikki
proteiinit ovat neljän pituisia, aminohappoja on 26
(ABCDEFGHIJKLMNOPQRSTUVWXYZ) ja
luonnonvalinta eliminoi kaikki sekvenssit, jotka eivät ole
englanninkielessä esiintyviä sanoja. Toisin sanoen
funktionaaliset proteiinit ovat nelikirjaimisia englannin
sanoja.
• Esitä muutama pistemutaatioiden ketju, joka muuttaa
sekvenssin WORD sekvenssiksi GENE siten, että kaikki
välivaiheet koodaavat funktionaalista proteiinia.
Functional continuity
WORD
#
WORE
#
GORE
#
GONE
#
GENE
d=0
d=1
d=2
d=3
d=4
Montako funktionaalista sanaa on
yhden mutaation päässä sanasta
WORD?
• WORD >
• CORD, FORD,
HORD, LORD,
SORD, WARD,
WOAD, WOED,
WOLD, WORE,
WORK, WORM,
WORN, WORT
Mikä osa kaikista mahdollisista
neljän kirjaimen pituista
merkkijonoista
(funktionaalisuuteen
katsomatta) on enintään
etäisyydellä 1, 2, 3 tai 4 sanasta
WORD?
Etäisyydellä d on
4
  Nd
d 
sanaa, missä N on aakkoston koko.
Yhteensä sanoja on N4.
Osuus etäisyydellä 1 on 4/N3,
etäisyydellä 2 osuus on 6/N2,
etäisyydellä 3 osuus on 4/N ja
etäisyydellä 4 se on 1.
Sekvenssien (painotettukin) etäisyys on huono ”homologian” erittelijä,
kun ei oteta huomioon positioden välisiä korrelaatioita.
KVTMEHITT
##
#
RITMEHVTT
###
RIHVLHVTT
##
RIHVLHIST
#
RLHVLHIST
#
#
LLHVLHLST
#
#
RLHVAHLST
#
##
RLVVAHLGM
#
#
RLVVDHLGK
#
# #
DLVVDHMGR
## #
LIVIDHMGR
# ##
KIVLAHMGR
#
##
KTVLAHMVH
#
KTVLAHGVH
###
DDFLAHGVH
# # #
#
ADRLGHGVR
#
#
AERIGHGYR
# #
#
TERLGHGYH
Profile
Superfamily
Protein space
2: predicting features from
sequence
• Positive examples  conservation
problem
• Positive/negative examples 
classification problem
• Deterministic patterns
• Probabilistic methods
2: predicting features from
sequence
• Functional fingerprints
– E.g. Prosite patterns
•
•
•
•
Secondary structure prediction
Post-translational modification sites
Sub-cellular localization
Solvent accessibility
• Techniques: regular expressions, profile, neural
network
Analog / homolog problem
• Twilight zone in
sequence similarity
• Very broad twilight
zone in structure
similarity
• Homologs share
many features,
including functional
similarities
Dividing a superfamily into functional subfamilies
Problem: identify specific motifs that determine function
Solution: analyse semiconserved positions in multiple alignment
[ function-loss point mutation ]
Function assignment
Ferric reductase
His126 is a putative
functional marker
10
8
6
4
His absent
His present
2
0
-8
-6
-4
-2
0
2
4
6
-2
-4
-6
COG1853 plotted in sequence space
‘FMN and nickel binding protein’
3: Function prediction
• Definition of “biological function”
– Localization, process, biochemistry
– Vocabulary
• Protein names (synonyms)
• Text mining
• Function transfer
– Error propagation
• Intergration of transcriptomics and proteomics
data
– Gene co-expression, gene regulation
– “Function = sum of interactions”
Post-genomic view:
Function = S interactions
(From left to right, figures adapted from Olsen Group Docking Page at Scripps, Dyson NMR
Group Web page at Scripps, and from Computational Chemistry Page at Cornell Theory
Center).
4: Structure prediction
• Energy calculations
– Molecular mechanics, force field
– Net stability of proteins ≈ 0
• Difficult to accurately model balance of entropic
and enthalpic contributions
• Searching conformational space
– Energy minimization
– Knowledge-based pseudo-potentials
– Evolution-based (comparative modelling)
levels of complexity in folding
4: Structure prediction
• Levinthal’s paradox
Polypeptidin rakenne
• Polypeptidiketjun
kolmiulotteisen rakenteen
määrittävät torsiokulmat f ja y
(oletetaan, että w=180 astetta).
Kemiallisten sidosten rotaatiot
suosivat energiaminimeitä.
Esimerkiksi neliarvoinen hiili
suosii gauche- (±60 astetta) ja
trans- (180 astetta)
orientaatioita. Näin ollen
jokaisella aminohapolla on
kymmenkunta mahdollista
konformaatiota.
•
Montako mahdollista konformaatiota on
N:n aminohapon pituisella proteiinilla?
Jätä toistensa päälle osuvien atomien
mahdollisuus huomiotta.
– 10N
•
Kemiallisten sidosten tyypillinen
rotaatiofrekvenssi on 1014 s-1. Kuinka
kauan vähintään kestäisi, ennen kuin 40
aminohapon pituinen proteiini on käynyt
läpi kaikki mahdolliset konformaationsa?
– Hakuavararuus on 1040 konformaatiota,
jaettuna 1014 s-1 tekee 1026 sekuntia.
Vuorokaudessa on 86400 sekuntia ja
vuodessa 31536000 sekuntia. Haku kestää
ainakin 1018 vuotta.
•
Maailmankaikkeuden iäksi arvioidaan
noin 10 miljardia vuotta. Montako
proteiinia systemaattisella algoritmilla
olisi ehtinyt laskostua peräkkäin aikojen
alusta? Tulos tunnetaan Levinthalin
paradoksina.
•
Luonnon proteiinit laskostumiseen kuluu
aikaa millisekunneista minuutteihin.
Luonnon laskostamisalgoritmi on 1029 ...
1024 kertaa tehokkaampi verrattuna
systemaattiseen hakuun.
5: Membrane proteins
• Special constraints due to lipid bilayer
– Topography prediction
• Three types of structures known
– Porin beta-barrel
– Helical bundles: bacteriorhodopsin,
cytochrome oxidase, etc.
– Light harvesting complex: full of chlorophyll
6: Functional site identification
• Given a structure, can you tell what is the
function?
• Structural genomics
– Targets families of unknown proteins
• Techniques
– 3D structure comparison + classification
– Computational geometry
Deduction
Statistically significant
sequence similarity
Structure similarity
Extant
proteins
Inferred ancestors
3D structure comparison has
a longer look-back time
Induction
?
?
Properties of
extant proteins
?
Evolutionary
continuity
7: Protein-protein interaction
• Nature of interaction networks
– “Scale-free”
– Static / dynamic
– Evolutionary robustness
– Noisy data
• Predicting interactions from sequence,
from structure
• Docking two structures into complex
GroELcomplex
Hemoglobin
1gr6
Molecular complexes
via X-ray
30 S subunit of the ribosome
Protein
RNA
1fjg
Hiivan proteiini-interaktioverkko
Genomi, proteomi, transkriptomi,
metabolomi
“Q → Family X”
“Family X is
involved in
process Y”
Functional class
assignment
Protein interaction
networks
Wet-lab screens,
statistical
associations
Homology
inferred from
1D or 3D similarity
Theoretical
modelling
Kinetic &
thermodynamic
parameters
→A→B
↑
↓
D←C→
8: protein-small molecule
interaction
• Site identification
• Ligand orientation
• Prediction of affinity
• Applications in pharmaceutical industry
Enzymes
• Catalytic triad: Asp, Ser, His
1CHO
9: Protein design
• Design a sequence that will fold into a
designated structure
• “Paracelcus challenge”
– Design a sequence more than 50 % identical
to a natural protein such that the two proteins
have different folds
10: Protein engineering
• Modify native protein to endow it with new
properties (not – yet – produced by natural
evolution)
Aminohappojen ominaisuuksia