Makromolekulák 2016 12 05 Simon István.

Az előadások a következő témára: "Makromolekulák 2016 12 05 Simon István."— Előadás másolata:

1 Makromolekulák Simon István

2 Rendezetlen fehérje komplexek
Jellemzően más a kötési felszín geometriája a két esetben: tripszin – BPTI MDM2 – p53

3 Tipikus energia-felszínek
globuláris fehérje rendezetlen fehérje

4 Globuláris fehérjék kötési módjai
kulcs-zár indukált illeszkedés konformációs szelekció

5 Rendezetlen fehérjék kötési módjai
rendezett partner B rendezett partner A rendezetlen fehérje meghatározott szerkezetű komplex ‘fuzzy’ komplex

6 IUPs – preformed elements

7 A rendezetlenség jóslása - IUPred
Alapötlet: Ha egy aminosav szekvenciális környezetében olyan aminosavak vannak, amelyekkel nem tud elég sok kedvező kölcsönhatást kialakítani, akkor nem vesz fel határozott szerkezetet rendezetlen lesz Az algoritmus: …..QSDPSVEPPLSQETFSDL WKLLPENNVLSPLPSQAMDDLMLSP D DIEQWFTEDPGPDEAPRMPEAAPRVA PAPAAPTPAAPAPA….. A környezet aminosav összetétele: A – 10% C – 0% D – 12 % E – 10 % F – 2 % stb… Az aminosav és a környezete közötti kölcsön-hatási energia becslése Ez alapján a rendezetlenség valószínűsége (magas energia rendezetlen lesz)

8 A p53 fehérje kölcsönhatásai

9 A mediátor komplex A magas rendezetlenségű fehérjéket sötét tónussal jelöltük

10 Kötőhelyek jóslása Kölcsönhatás globuláris fehérjékkel
Nem az aminosav saját környezetében nézzük az összetételt, hanem egy globuláris adatbázisból vesszük: A – 10% C – 0% D – 12 % E – 10 % F – 2 % stb… A – 7.67% C – 2.43% D – 4.92 % E – 5.43 % F – 3.19 % stb… Egy nagy globuláris halmazon számolt összetétel Az így nyert energiát nevezzük Enyereség-nek

11 Kötőhelyek jóslása Ott várunk kötőhelyet, ahol:
A környezet rendezetlen (Sátlag magas) A saját környezetével vett energia kedvezőtlen (Esaját nagy) Energetikailag jobb globuláris fehérjével kölcsönhatni (Enyereség nagy)

12 Kötőhelyek jóslása Példa: p53 N-terminális Három kötőhelyet tartalmaz:
MDM2: 17-27 RPA70N: 33-56 RNAPII: 45-58 A három mennyiség optimális lineáris kombinációját keressük. Ezt átalakítjuk egy p valószínűségi értékké (annak a valószínűsége, hogy az aminosav része egy rendezetlen kötőhelynek). P = p1*Sátlag + p2*Esaját + p3*Enyereség

13 A rendezetlen kötőhelyet becslő ANCHOR szerver kimeneti képe
MDM2 S100bb Tfb1 Tetramerizáció Sir2 RPA70N CBP Dosztányi Z, Mészáros B, Simon I BIOINFORMATICS 25:(20) pp (2009)

14 Valódi kötő motívumok kiszűrése ANCHOR-ral
Igazolt kötőhelyek 826 Átfedés ANCHOR-ral 545 Véletlen + valódi kötőhelyek 7,2x106 Átfedés ANCHOR-ral ,3x106 66% 17,6%

15 Alkalmazás: Teljes proteom vizsgálatok
736 teljes proteom van a UniProt-ban: 53 archaea 639 baktérium 44 eukarióta A rendezetlen fehérjék aránya növekszik A rendezetlen kötőhelyek száma növekszik A kötésben használt rendezetlen részek aránya nő Az új rendezetlen régiók megjelenése elsősorban az új kötőhelyek kialakítását szolgálja Mycobacterium tuberculosis