1 / 56

Predicción de características 1D

Gonzalo López glopez@cnio.es C.N.I.O. Grupo de Biología Computacional Estructural. Predicción de características 1D. Introduccion Definición de características 1D. Estructura de proteínas Metodología: Implementación de un predictor. Predicción de características 1D

anoki
Télécharger la présentation

Predicción de características 1D

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Gonzalo López glopez@cnio.es C.N.I.O. Grupo de Biología Computacional Estructural Predicción de características 1D

  2. Introduccion Definición de características 1D. Estructura de proteínas Metodología: Implementación de un predictor. Predicción de características 1D Estructura secundaria Desorden estructural Accesibilidad al solvente Proteínas transmembrana Otras características 1D Sumario

  3. Introduccion Definición de características 1D. Estructura de proteínas Metodología: Implementación de un predictor. Predicción de características 1D Estructura secundaria Desorden estructural Accesibilidad al solvente Proteínas transmembrana Otras características 1D Sumario

  4. Definición de características 1D • Denominamos características 1D de una secuencia a aquellas que pueden ser representadas por un único valor asociado a cada aminoácido (B. Rost). • Estos valores suelen tomar la forma de etiquetas de estado, como por ejemplo en el caso de la estructura secundaria (H->hélice, E->lámina, T->giro)‏ • En algunos métodos, las asignaciones van acompañadas de un valor de fiabilidad. • Las valores asociados pueden ser relativos (la accesibilidad al solvente puede representarse en porcentages)‏

  5. Definición de características 1D • Algunas características 1D: • Estructura secundaria • Accesibilidad al solvente • Modificaciones post-traduccionales • Péptidos señal • Regiones desordenadas • Regiones transmembrana • El estudio de estas propiedades ayuda a caracterizar funcional y estructuralmente una proteína. • Los métodos de predicción de estructura basados en el reconocimiento del plegamiento, se nutren de estas técnicas • Peptidos señal y regiones transmembrana -> localización celular • Las modificaciones post-transcripcionales -> procesos biológicos como la regulación

  6. Introduccion Definición de características 1D. Estructura de proteínas Metodología: Implementación de un predictor. Predicción de características 1D Estructura secundaria Desorden estructural Accesibilidad al solvente Proteínas transmembrana Otras características 1D Sumario

  7. >Estructura Primaria ASKGEELFTGVVPILVELDGDVNGHKFSVSGEGEGDATYGKLTLKFICTT GKLPVPWPTLVTTFSYGVQCFSRYPDHMKRHDFFKSAMPEGYVQERTIFF KDDGNYKTRAEVKFEGDTLVNRIELKGIDFKEDGNILGHKLEYNYNSHNV YIMADKQKNGIKVNFKIRHNIEDGSVQLADHYQQNTPIGDGPVLLPDNHY LSTQSALSKDPNEKRDHMVLLEFVTAAGITHGMDELYK Aminoácidos esenciales

  8. Enlace peptídico Diagramas de Ramachandran Pro Gly

  9. Estructura secundaria (helice α)‏

  10. Estructura secundaria (lámina ‏β) a • Cadenas  p 

  11. Estructura secundaria • Giros

  12. ¿Se puede obtener analíticamente la estructura? • Ha sido verificado para muchas proteínas, que la estructura 3D de una proteína (es decir su plegamiento) viene determinada esencialmente por la especificidad de la secuencia. • Dificultad para obtener valores suficientemente precisos de parámetros físicos fundamentales para la resolución del problema. • El cálculo pormenorizado de la influencia sobre cada resíduo del resto de los aminoácidos de la secuencia, así como del solvente resulta computacionalmente intratable.

  13. Aproximaciones alternativas +++ Extrapolación de estructura/función por homología de secuencia (secuencia→secuencia). ++ Reconocimiento de plegamiento / Threading (secuencia→estructura conocida). + Predicción de estructura ab initio (secuencia→→nueva estructura, pero sólo aprox.)‏

  14. Introduccion Definición de características 1D. Estructura de proteínas Metodología: Implementación de un predictor. Predicción de características 1D Estructura secundaria Desorden estructural Accesibilidad al solvente Proteínas transmembrana Otras características 1D Sumario

  15. 1.- Definición del problema 2.- Extracción de un conjunto de entrenamiento que debe: representativo de la realidad ser fiable, poco ruido estar limpio de redundancias debe estar equilibrado 3.- Determinar de qué datos disponemos que puedan contener información sobre el problema a resolver. Construcción de un predictorPreparación (i)‏ • 1.- Predicción de estructura secundaria • 2.- Conjunto de entrenamiento: • Conjunto de proteínas que contenga contenga estructuras con distintos plegamientos, con formas alfa, beta, giros, etc • 3.- tipo de aminoácido, hidrofobicidad, ventana de residuos, información evolutiva, carga, etc.

  16. 4.- Decidir qué método vamos a usar para construir el predictor (Redes Neuronales, Algoritmos genéticos, HMMs, Sistemas basados en reglas, SVM, ...). 5.- Elegir una codificación de la información asociada al problema acorde a éste y compatible con el método elegido. Construcción de un predictorPreparación (ii)‏ 4.- Redes Neuronales, SVM… 5.- Todo se puede representar como un vector numérico. ej: el tipo de aminoácido es un vector de 20 dígitos (0,1) donde cada posición representa un tipo.

  17. 6.- Entrenar el sistema, es decir introducir la información sobre el problema, hasta que el método establezca una relación (normalmente compleja e imperfecta) entre ella y la solución del problema. 7.- Comprobar el éxito del predictor generado frente a un conjunto de validación independiente del de entrenamiento. Construcción de un predictorPreparación (iii)‏ 6.- La red neuronal se construye acorde con los datos de entrenamiento. Nos valemos de la teoría de aprendizaje automático para alcanzar el aprendizaje óptimo. 7.- El conjunto de validación es de similares características al de entrenamiento, sin embargo el conjunto de datos es distinto.

  18. Introduccion Definición de características 1D. Estructura de proteínas Metodología: Implementación de un predictor. Predicción de características 1D Estructura secundaria Desorden estructural Accesibilidad al solvente Proteínas transmembrana Otras características 1D Sumario

  19. Por que es importante predecir 1D • Muchos métodos de predicción de estructura utilizan predicción de estructura secundaria. • Es muy importante para Fold Recognition y esencial para métodos ab-initio. • Además se suele usar a posterioi para decidir qué modelo es el más plausible y refinarlo, comparando la estructura secundaria del modelo con la predicha.

  20. Estructura secundaria (DSSP)‏ • DSSP estudia la est 2ª en archivos de coordenadas atómicas basándose en patrones que tienen en cuenta: • Geometría • Puentes de Hidrógeno 1 ASKGEELFTGVVPILVELDGDVNGHKFSVSGEGEGDATYGKLTLKFICTT TTGGGGSSEEEEEEEEEEEETTEEEEEEEEEEEETTTTEEEEEEEETT 51 GKLPVPWPTLVTTFSYGVQCFSRYPDHMKRHDFFKSAMPEGYVQERTIFF SS SS GGGGHHHHSSS GGGBGGGGGGHHHHTTTT EEEEEEEEE 101 KDDGNYKTRAEVKFEGDTLVNRIELKGIDFKEDGNILGHKLEYNYNSHNV TTS EEEEEEEEEEETTEEEEEEEEEEE TTSTTTTT B S EEE 151 YIMADKQKNGIKVNFKIRHNIEDGSVQLADHYQQNTPIGDGPVLLPDNHY EEEEEGGGTEEEEEEEEEEEETTS EEEEEEEEEEEESSSS SEE 201 LSTQSALSKDPNEKRDHMVLLEFVTAAGIT HGMDELYK EEEEEEEE TT SSEEEEEEEEEEES • T = giro estabilizado por P de H • H = α-helice, ~4 aa por vuelta • G = helice 310, ~3 aa por vuelta • I = helice phi, ~5 aa por vuelta • B = conformacion β • E = conformacion β formando lamina • S = giro (sin P de H)‏ • Kabsch and Sander (1983) Biopolymers 22, 2577-2637

  21. Primera generación de métodos Métodos estadísticos basados simplemente en la tendencia de cada aminoácido a formar cada uno de los elementos de estructura secundaria • Chou y Fasman en 1974, propusieron el primero de estos métodos. Emplearon estadísticas extraídas de las 15 estructuras resueltas por cristalografía de rayos-X en aquella época. Estas probabilidades fueron calculadas para cada resíduo por separado. Más adelante este método mostró una exactitud del 57% sobre 62 proteínas. • Garnier (1978). Estimó las probabilidades para interacciones de pares de resíduos significativas, obteniendo una mayor fiabilidad (~60%).

  22. Primera generación de métodos Name P(a) P(b) P(turn) f(i) f(i+1) f(i+2) f(i+3)‏ Alanine 142 83 66 0.06 0.076 0.035 0.058 Arginine 98 93 95 0.070 0.106 0.099 0.085 Aspartic Acid 101 54 146 0.147 0.110 0.179 0.081 Asparagine 67 89 156 0.161 0.083 0.191 0.091 Cysteine 70 119 119 0.149 0.050 0.117 0.128 Glutamic Acid 151 037 74 0.056 0.060 0.077 0.064 Glutamine 111 110 98 0.074 0.098 0.037 0.098 Glycine 57 75 156 0.102 0.085 0.190 0.152 Histidine 100 87 95 0.140 0.047 0.093 0.054 Isoleucine 108 160 47 0.043 0.034 0.013 0.056 Leucine 121 130 59 0.061 0.025 0.036 0.070 Lysine 114 74 101 0.055 0.115 0.072 0.095 Methionine 145 105 60 0.068 0.082 0.014 0.055 Phenylalanine 113 138 60 0.059 0.041 0.065 0.065 Proline 57 55 152 0.102 0.301 0.034 0.068 Serine 77 75 143 0.120 0.139 0.125 0.106 Threonine 83 119 96 0.086 0.108 0.065 0.079 Tryptophan 108 137 96 0.077 0.013 0.064 0.167 Tyrosine 69 147 114 0.082 0.065 0.114 0.125 Valine 106 170 50 0.062 0.048 0.028 0.053 Chou-Fasman Glu, Met y Ala : fuertes formadores de hélices. Val, Ile y Tyr: fuertes formadores de láminas. Pro: fuerte tendencia a no formar hélices ni láminas Gly: alto grado de libertad, favorece la formación de giros

  23. Segunda generación de métodos • La principal característica de estos métodos es la utilización de ventanas de resíduos adyacentes en secuencia, incluyendo así información de contexto a la predicción. • Un gran número de algoritmos de predicción se usaron en esta generación de métodos: • Redes Neuronales Artificiales • Teoría de Grafos • Métodos basados en reglas • Estadística multivariable • ... • Esta innovación acercó la predicción de estructura secundaria a la barrera del 70% de fiabilidad.

  24. Segunda generación de métodos • Limitaciones • Fiabilidad (prediccciones 3-estados < 70%)‏ • Se obtienen bajas fiabilidades para cadenas- • La hélices y láminas predichas tienden a ser demasiado cortas. • Debido a: • El número de estructuras disponibles sigue siendo demasiado pequeño para extrapolar al espacio de secuencias. Difiriendo a veces entre distintos cristales para la misma secuencia. • NO se tienen en cuenta los efectos provocados por resíduos situados a grandes distancias en secuencia (pero no en el espacio)‏

  25. Tercera generación de métodos Iniciada por Levin en 1993 (~69%) y Rost y Sander en 1994 (PHD 72%)‏ • La principal innovación de esta tercera generación es la inclusión de información evolutiva adicional en forma de alineamientos múltiples (Levin, 1993). • Además, se resuelve el sesgo en las predicciones de cadenas- balanceando el conjunto de entrenamiento (dado que las estructuras contienen más hélices que láminas; Rost y Sander, 1994)‏

  26. Tercera generación de métodos Red neuronal PHD Información de secuencia de la familia de la proteína Perfil derivado del alineamiento múltiple para una ventana de resíduos adyacentes Rost et al. (1997) J. Mol. Biol. 270: 471-480

  27. Varios métodos han seguido estrategias similares a PHD, mejorando sus resultados a través del prefiltrado de los alineamientos de entrada y la extensión de los perfiles mediante PSIBLAST introducido por David Jones en PSIPRED (1999) con fiabilidades próximas al 77% o mediante HMMs usados por Kevin Karplus et al. en SAMT99sec (1999). Otros métodos siguen una estrategia diferente, buscando el consenso de diferentes métodos, como es el caso de Jpred2 (Cuff y Barton, 2000). Tercera generación de métodos

  28. Ejemplos de fiabilidad de predicción de estructura secundaria Métodos de Primera generación:Chou & Fasman, Lim, GORI Métodos de Segunda generación:Schneider, ALB, GORIII Métodos de Tercera generación: LPAG, COMBINE, S83, NSSP, PHD

  29. Sequence based Accuracy Statistics Chow-Fassman (1974)‏ 57% 63%/66% GOR1/GOR3 (1978/1987)‏ 70% DSC (1996)‏ Nearest neighbour methods PREDATOR (1996)‏ 75% NNSSP (1995)‏ 72% Neural Networks Methods 74% PHD (1993)‏ 75.7% PsiPRED (1999)‏ 73%?? JNET (1999)‏ Structure based Hidden Markov Models ~76% SAM-T99/SAM-T02 (1999/2002)‏ Ejemplos de fiabilidad de predicción de estructura secundaria

  30. La fiabilidad depende de la proteína Fiabilidad de PHD usando un conjunto de proteínas de prueba

  31. NO se tienen en cuenta los efectos provocados por resíduos situados a grandes distancias en secuencia (pero no en el espacio) Proteínas con características inusuales deben tratarse con cuidado Las predicciones siguen cosiderando sólo tres estados Malos alineamientos producen malas predicciones Problemas no resueltos

  32. Introduccion Definición de características 1D. Estructura de proteínas Metodología: Implementación de un predictor. Predicción de características 1D Estructura secundaria Desorden estructural Accesibilidad al solvente Proteínas transmembrana Otras características 1D Sumario

  33. Desorden estructural • Algunas regiones de las secuencias no pueden clasificarse en ninguno de los tipos de estructura secundaria • Estas regiones normalmente no son visibles en los cristales y están desordenadas. • Las regiones desordenadas son rizos, caracterizados normalmente por elevados niveles de aminoácidos polares junto con bajos de aromáticos o regiones de baja complejidad. • Algunas regiones desordenadas cortas, sin importancia funcional aparente, suelen hallarse en los extremos de las cadenas proteicas.

  34. Más desorden • Las regiones más largas suelen estar conservadas en posición a lo largo de familias de proteínas. Estas regiones se relacionan con conexión entre dominios, sitios proteolíticos, así como con reconocimiento y unión tanto a ligandos como a otras proteínas. • Suelen encontranse en ciertas enzimas, como en aquellas involucradas en el crecimiento y división celular o en fosforilación proteica. • Entre ellas estas proteínas se hallan factores y reguladores de transcripción y kinasas entre otras. Ejemplo de proteína desordenada el factor de crecimiento nervioso β (PDB: 1bet), que sólo es estable como dímero

  35. Una evaluación de los métodos(CASP 6)‏ 193 ISTZORAN (Zoran Obradovic, Temple University) red neuronal. 096 CaspIta (Tosatto et al., Univ. of Padova) support vector machines 003 Jones UCL (David Jones, University College London) support vector machines (DISOPRED)‏ 347 DRIP PRED (sevidor de Bob MacCallum, Stockholm) Kohonen self-organizing maps 472 Softberry. Combinación de red neuronal, función lineal discriminante y un procedimiento suavizado.

  36. Introduccion Definición de características 1D. Estructura de proteínas Metodología: Implementación de un predictor. Predicción de características 1D Estructura secundaria Desorden estructural Accesibilidad al solvente Proteínas transmembrana Otras características 1D Sumario

  37. Utilidad de la accesibilidad al solvente • Al igual que con las predicciones de estructura secundaria, se puede estudiar la plausibilidad de las estructuras predichas por un método dado mediante el uso de la información de accesibilidad al solvente (usando DSSP o NACCESS). • Además esta infomación puede ser de utilidad en otros ámbitos, como la predicción de superficies de interacción entre proteínas o de sitios funcionales. Roßbach et al. BMC Structural Biology 2005 5:7

  38. Ls Definición operativa La mayoría de los métodos reducen el problema a la predicción de dos estados Oculto: acc. relativa <16% Expuesto: acc. relativa >= 16%

  39. Información utilizada Aunque la accesibilidad es una función de la hidrofobicidad, los métodos basados en perfiles de esta propiedad producen unas predicciones pobres. La predicción de accesibilidad mejora por el uso de ventanas en secuencia. Al igual que ocurre con la estructura secundaria, la accesibilidad al solvente es una propiedad sujeta a fuertes restricciones evolutivas, por lo que su predicción se beneficia del uso de alineamientos múltipes. En la mayoría de los casos las metodologías usadas son pequeñas variaciones de las usadas en la predicción de estructura secundaria

  40. Algunos métodos • PHDacc y PROFacc (B. Rost) emplean redes neuronales e infomación de alineamientos múltiples. Son los únicos métodos que predicen valores reales para accesibilidades relativas (de una matriz con los valores 0, 1, 4, 9, 16, 25, 36, 49, 64, 81). • JPred2 usa perfiles de PSIBLAST como entrada para sus redes neuronales y devuelve predicciones del tipo oculto/expuesto. • Estos métodos tienen una porcentaje de acierto del 70-75%

  41. Introduccion Definición de características 1D. Estructura de proteínas Metodología: Implementación de un predictor. Predicción de características 1D Estructura secundaria Desorden estructural Accesibilidad al solvente Proteínas transmembrana Otras características 1D Sumario

  42. Tipos de proteínas transmembrana

  43. Proteínas transmembrana en PDB total nr PDB 50094 30000 TM 854 267 Alpha 726 229 Beta 126 26 Fuente: http://pdbtm.enzim.hu/

  44. El problema • La obtención de estructuras tridimensionales de proteínas transmembrana es un gran problema, ya que raramente producen cristales y su estudio por NMR es muy complicado. • De hecho aún no es posible una predicción de estructuras transmembrana a nivel atómico • Hernanz-Falcon P, Rodriguez-Frade JM, Serrano A, • Juan D, del Sol A, Soriano SF, Roncal F, Gomez L, • Valencia A, Martinez-A C, Mellado M. Nat Immunol. 2004 Feb;5(2):216-23.

  45. Predicción de hélices transmembranaDos reglas básicas (1) Las hélices transmembrana tienden a tener una logitud de 20-30 resíduos con una hidrofobidad total alta. (2) Las regiones de conexión entre hélices del interior del citoplasma tienen una carga positiva mayor que las del exterior TRUCO: las hélices transmembrana vistas en un alineamiento muliple de secuencia no suelen incluir gaps (restricción de longitud mínima)‏

  46. Pero siempre hay excepciones Region extracelular Region transmembrana Region citoplasmatica

  47. Algunos métodos de predicción de hélices transmembrana MEMSAT - http://bioinf.cs.ucl.ac.uk/psipred/ Algoritmo de programación dinámica que hace predicciones basadas en tablas estadísticas compiladas de los datos de proteínas de membrana. TMAP - http://www.mbb.ki.se/tmap/index.html Usa estadíticas extraídas de perfiles de secuencia. TopPred2 - http://bioweb.pasteur.fr/seqanal/interfaces/toppred.html Promedia los valores de hidropatía con una ventana trapezoidal HMMTOP - http://www.enzim.hu/hmmtop/ Se definen 5 estados estructurales y mediante HMMs para generar fragmentos de secuencia que maximizen la frecuencia de cada estado. PHDhtm - http://www.embl-heidelberg.de/predictprotein/ Combina redes neuronales, alineamientos múltiples y programación dinámica (proporciona un índice de fiabilidad). DAS - http://www.enzim.hu/DAS/DAS.html Utiliza alineamientos múltiples de un conjunto no redundante de proteínas de membrana. TMHMM- http://www.cbs.dtu.dk/services/TMHMM/ Métodos estadísticos y HMMs que ayudan a mejorar la localización y orientación de hélices trans-membrana.

  48. Ejemplo de predicción de topología

  49. Fiabilidad • Los métodos actuales dicen identificar correctamente >90% de los segmentos trasmembrana y predecir correctamente la topología en >80% de los casos. • Sin embargo, el pequeño tamaño de los conjuntos de entrenamiento (hay 229 estructuras conocidas) hacen estas estimaciones poco fiables (¿~70%?)‏ • Se sabe que todos los métodos tienden a predecir péptidos señal como helices transmembrana, así como a sobrepredecir en proteínas globulares.

  50. También hay predictores de barriles beta • Recientemente han aparecido algunos métodos orientados a la predicción de barriles beta en membrana externa de bacterias Gramm negativas. Se basan en HMM. • PRED-TMBB • PROF-TMB • La escasez de estructuras distintas disponibles (sólo 26) hace que resulte muy difícil evaluar la calidad de dichos métodos (75-80%).

More Related