Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Makromolekulák 2018 12 03 Simon István.

Hasonló előadás


Az előadások a következő témára: "Makromolekulák 2018 12 03 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 mediátor komplex A magas rendezetlenségű fehérjéket sötét tónussal jelöltük

8 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)

9 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

10 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)

11 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

12 A p53 fehérje kölcsönhatásai

13 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%

14 A rendezetlen kötőhelyet becslő ANCHOR szerver kimeneti képe
MDM2 S100 Tfb1 Tetramerizáció Sir2 RPA70N CBP Dosztányi Z, Mészáros B, Simon I BIOINFORMATICS 25:(20) pp (2009)

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

16


Letölteni ppt "Makromolekulák 2018 12 03 Simon István."

Hasonló előadás


Google Hirdetések