stringtranslate.com

Функция молекулярного распознавания

Молекулярные признаки распознавания ( MoRF ) представляют собой небольшие (10-70 остатков) внутренне неупорядоченные области в белках , которые претерпевают переход от беспорядка к порядку при связывании со своими партнерами. MoRF участвуют во взаимодействиях белок-белок , которые служат начальным этапом молекулярного распознавания . MoRF неупорядочены до связывания со своими партнерами, тогда как после взаимодействия со своими партнерами они образуют общую трехмерную структуру . [1] [2] Поскольку области MoRF имеют тенденцию напоминать неупорядоченные белки с некоторыми характеристиками упорядоченных белков, [2] их можно классифицировать как существующие в расширенном полунеупорядоченном состоянии. [3]

Категоризация

MoRF можно разделить на 4 категории в зависимости от формы, которую они образуют после связывания со своими партнерами. [2]

Категории следующие:


Предикторы MoRF

Экспериментальное определение структур белков — очень трудоемкий и дорогостоящий процесс. Поэтому в последние годы основное внимание уделяется вычислительным методам прогнозирования структуры белков и структурных характеристик. Некоторые аспекты структуры белков, такие как вторичная структура и внутренний беспорядок , значительно выиграли от применения глубокого обучения на обилии аннотированных данных. Однако вычислительное прогнозирование областей MoRF остается сложной задачей из-за ограниченной доступности аннотированных данных и редкости самого класса MoRF. [4] Большинство современных методов были обучены и протестированы на наборах, выпущенных авторами MoRFPred [5] в 2012 году, а также на другом наборе, выпущенном авторами MoRFChibi [6] [7] [8] на основе экспериментально аннотированных данных MoRF. В таблице ниже подробно описаны некоторые методы, доступные по состоянию на 2019 год для прогнозирования MoRF (также затронуты связанные проблемы). [9]

Базы данных

mpMoRFsDB [22]

База данных взаимного сворачивания, вызванного связыванием (MFIB) [23]

Ссылки

  1. ^ van der Lee R, Buljan M, Lang B, Weatheritt RJ, Daughdrill GW, Dunker AK и др. (Июль 2014 г.). «Классификация внутренне неупорядоченных областей и белков». Chemical Reviews . 114 (13): 6589–631. doi :10.1021/cr400525m. PMC  4095912 . PMID  24773235.
  2. ^ abc Mohan A, Oldfield CJ, Radivojac P, Vacic V, Cortese MS, Dunker AK, Uversky VN (октябрь 2006 г.). «Анализ молекулярных признаков распознавания (MoRF)». Журнал молекулярной биологии . 362 (5): 1043–59. doi :10.1016/j.jmb.2006.07.087. PMID  16935303.
  3. ^ Zhang T, Faraggi E, Li Z, Zhou Y (2013-05-31). «Внутренне полуразупорядоченное состояние и его роль в индуцированном сворачивании и агрегации белков». Cell Biochemistry and Biophysics . 67 (3): 1193–205. doi :10.1007/s12013-013-9638-0. PMC 3838602. PMID  23723000 . 
  4. ^ ab Yan J, Dunker AK, Uversky VN, Kurgan L (март 2016). «Молекулярные признаки распознавания (MoRF) в трех доменах жизни». Molecular BioSystems . 12 (3): 697–710. doi :10.1039/C5MB00640F. hdl : 1805/11056 . PMID  26651072.
  5. ^ ab Disfani FM, Hsu WL, Mizianty MJ, Oldfield CJ, Xue B, Dunker AK и др. (июнь 2012 г.). "MoRFpred, вычислительный инструмент для прогнозирования на основе последовательностей и характеристики коротких областей связывания, переходящих от беспорядка к порядку, в белках". Биоинформатика . 28 (12): i75-83. doi :10.1093/bioinformatics/bts209. PMC 3371841 . PMID  22689782. 
  6. ^ ab Malhis N, Gsponer J (июнь 2015 г.). «Вычислительная идентификация MoRF в последовательностях белков». Биоинформатика . 31 (11): 1738–44. doi :10.1093/bioinformatics/btv060. PMC 4443681. PMID  25637562 . 
  7. ^ ab Malhis N, Wong ET, Nassar R, Gsponer J (2015). "Вычислительная идентификация MoRF в белковых последовательностях с использованием иерархического применения правила Байеса". PLOS ONE . ​​10 (10): e0141603. Bibcode :2015PLoSO..1041603M. doi : 10.1371/journal.pone.0141603 . PMC 4627796 . PMID  26517836. 
  8. ^ ab Malhis N, Jacobson M, Gsponer J (июль 2016 г.). "MoRFchibi SYSTEM: программные инструменты для идентификации MoRF в последовательностях белков". Nucleic Acids Research . 44 (W1): W488-93. doi :10.1093/nar/gkw409. PMC 4987941. PMID  27174932 . 
  9. ^ Katuwawala A, Peng Z, Yang J, Kurgan L (2019). «Вычислительное прогнозирование MoRF, коротких областей связывания белков перехода от беспорядка к порядку». Computational and Structural Biotechnology Journal . 17 : 454–462. doi : 10.1016/j.csbj.2019.03.013. PMC 6453775. PMID  31007871 . 
  10. ^ Mészáros B, Simon I, Dosztányi Z (май 2009). "Предсказание областей связывания белков в неупорядоченных белках". PLOS Computational Biology . 5 (5): e1000376. Bibcode : 2009PLSCB...5E0376M. doi : 10.1371/journal.pcbi.1000376 . PMC 2671142. PMID  19412530 . 
  11. ^ Mészáros B, Erdos G, Dosztányi Z (июль 2018 г.). «IUPred2A: контекстно-зависимое предсказание нарушения белка как функции окислительно-восстановительного состояния и связывания белка». Nucleic Acids Research . 46 (W1): W329–W337. doi :10.1093/nar/gky384. PMC 6030935 . PMID  29860432. 
  12. ^ Jones DT, Cozzetto D (март 2015 г.). «DISOPRED3: точные предсказания неупорядоченных областей с аннотированной активностью связывания с белком». Биоинформатика . 31 (6): 857–63. doi :10.1093/bioinformatics/btu744. PMC 4380029. PMID  25391399 . 
  13. ^ Peng Z, Kurgan L (октябрь 2015 г.). «Высокопроизводительное предсказание областей связывания РНК, ДНК и белков, опосредованное внутренним беспорядком». Nucleic Acids Research . 43 (18): e121. doi :10.1093/nar/gkv585. PMC 4605291. PMID  26109352 . 
  14. ^ Sharma R, Bayarjargal M, Tsunoda T, Patil A, Sharma A (январь 2018 г.). «MoRFPred-plus: вычислительная идентификация MoRF в белковых последовательностях с использованием физико-химических свойств и профилей HMM». Журнал теоретической биологии . 437 : 9–16. Bibcode : 2018JThBi.437....9S. doi : 10.1016/j.jtbi.2017.10.015. hdl : 10072/376330 . PMID  29042212.
  15. ^ Sharma R, Raicar G, Tsunoda T, Patil A, Sharma A (июнь 2018 г.). «OPAL: прогнозирование регионов MoRF в внутренне неупорядоченных последовательностях белков». Биоинформатика . 34 (11): 1850–1858. doi : 10.1093/bioinformatics/bty032 . hdl : 10072/379824 . PMID  29360926.
  16. ^ Sharma R, Sharma A, Raicar G, Tsunoda T, Patil A (март 2019 г.). "OPAL+: предсказание MoRF, зависящее от длины, в последовательностях белков с внутренним беспорядком". Proteomics . 19 (6): e1800058. doi :10.1002/pmic.201800058. hdl : 10072/382746 . PMID  30324701. S2CID  53502553.
  17. ^ Zhang T, Faraggi E, Xue B, Dunker AK, Uversky VN, Zhou Y (2012). «SPINE-D: точное предсказание коротких и длинных неупорядоченных областей с помощью метода на основе одной нейронной сети». Журнал биомолекулярной структуры и динамики . 29 (4): 799–813. doi :10.1080/073911012010525022. PMC 3297974. PMID  22208280 . 
  18. ^ Zhang T, Faraggi E, Li Z, Zhou Y (2017). "Intrinsic Disorder and Semi-disorder Prediction by SPINE-D". В Zhou Y, Kloczkowski A, FaraggiR, Yang Y (ред.). Prediction of Protein Secondary Structure . Methods in Molecular Biology (т. 1484). Том 1484. Нью-Йорк: Springer. стр. 159–174. doi :10.1007/978-1-4939-6406-2_12. ISBN 9781493964048. PMID  27787826.
  19. ^ Hanson J, Yang Y, Paliwal K, Zhou Y (март 2017 г.). «Улучшение прогнозирования нарушений белков с помощью глубоких двунаправленных долгосрочных краткосрочных нейронных сетей». Биоинформатика . 33 (5): 685–692. doi : 10.1093/bioinformatics/btw678 . PMID  28011771.
  20. ^ Хансон, Джек; Литфин, Томас; Паливал, Кулдип; Чжоу, Яоци (2019-09-05). Городкин, Ян (ред.). «Идентификация особенностей молекулярного распознавания в внутренне неупорядоченных регионах белков с помощью трансферного обучения». Биоинформатика . 36 (4): 1107–1113. doi : 10.1093/bioinformatics/btz691 . ISSN  1367-4803. PMID  31504193.
  21. ^ Хансон, Джек; Паливал, Кулдип К.; Литфин, Томас; Чжоу, Яоци (13.03.2020). «SPOT-Disorder2: улучшенное прогнозирование внутренних нарушений белков с помощью глубокого обучения Ensembled». Геномика, протеомика и биоинформатика . 17 (6): 645–656. doi : 10.1016/j.gpb.2019.01.004 . ISSN  1672-0229. PMC 7212484. PMID 32173600  . 
  22. ^ Gypas F, Tsaousis GN, Hamodrakas SJ (октябрь 2013 г.). "mpMoRFsDB: база данных особенностей молекулярного распознавания в мембранных белках". Биоинформатика . 29 (19): 2517–8. doi : 10.1093/bioinformatics/btt427 . PMID  23894139.
  23. ^ Fichó E, Reményi I, Simon I, Mészáros B (ноябрь 2017 г.). «MFIB: хранилище белковых комплексов с взаимной укладкой, индуцированной связыванием». Bioinformatics . 33 (22): 3682–3684. doi :10.1093/bioinformatics/btx486. PMC 5870711 . PMID  29036655.