Makromolekulák 2018 11 26 Simon István.

Az előadások a következő témára: "Makromolekulák 2018 11 26 Simon István."— Előadás másolata:

1 Makromolekulák Simon István

2

3

4 Párkölcsönhatások energiájának egy aminosavra számított értéke

5 Párkölcsönhatási energiák becslése
Annak a figyelembevételéhez, hogy az i. aminosav hozzájárulása függ a kölcsönható partnerektől, az aminosav összetétel másodfokú alakját kell használnunk Az aminosav összetétel és az energia közti összefüggést egy 20x20 energia becslő mátrix tartalmazza: Pij

6 A (szerkezetből) számolt és a (szekvenciából) becsült energiák

7 Bound IUP structures Tcf3 p27Kip1 IA3 FnBP

8 A rendezetlenség jóslása - IUPred
Globuláris és rendezetlen fehérjékre számolt energiák

9 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…..

10 A rendezetlenség jóslása - IUPred
Példa: humán p53 Rendezetlen C-terminális domén Rendezett DNS kötő domén (DBD) Rendezetlen N-terminális domén

11 Globular proteins are not representative of full genomes
Human genome Probable IUPs TM ? GLOB

12 Kölcsönható fehérjék élesztőben
Csomóponti fehérjék több rendezetlen részt tartalmaznak Kölcsönható fehérjék élesztőben Dosztányi Z, Chen J, Dunker AK, Simon I and Tompa P (2006) J. Proteome Res. 5,

13 Lineáris motívumok Mészáros B, Dosztányi Z, Magyar C and Simon I (2014) Computational Methods to Study the Structure and Dynamics of Biomolecules and Biomolecular Processes 1, 525

14 Lineáris motívumok átlagos rendezetlenségi profilja
Fuxreiter M, Tompa P and Simon I (2007) Bioinformatics 23,