Makromolekulak_2012_12_10.ppt Simon István. Tompa P, Fuxreiter M, Oldfield CJ, Simon I, Dunker AK and Uversky VN (2009) Bioessays 31, p328.

Az előadások a következő témára: "Makromolekulak_2012_12_10.ppt Simon István. Tompa P, Fuxreiter M, Oldfield CJ, Simon I, Dunker AK and Uversky VN (2009) Bioessays 31, p328."— Előadás másolata:

1 Makromolekulak_2012_12_10.ppt Simon István

2 Tompa P, Fuxreiter M, Oldfield CJ, Simon I, Dunker AK and Uversky VN (2009) Bioessays 31, p328.

3 Párkölcsönhatások energiájának egy aminosavra számított értéke

4

5 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 …..QSDPSVEPPLSQETFSDLWKLLPENNVLSPLPSQAMDDLMLSPDDIEQWFTEDPGPDEAPRMPEAAPRVAPAPAAPTPAAPAPA….. 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) Az algoritmus: Dosztányi Z et al.(2005) J.Mol.Biol. 347, 827-839.

6 A rendezetlenség jóslása - IUPred Példa: humán p53 tumorszupresszor Rendezett DNS kötő domén (DBD) Rendezetlen C-terminális domén Rendezetlen N-terminális domén Dosztányi Z, Csizmók V, Tompa P and Simon I (2005) J. Mol. Biol. 347, 827-839.

7 Fuxreiter M, Tompa P, Simon I, Uversky VN, Hansen JC and Asturias FJ (2008) Nature Chem. Biol. 4, 728-737. A p53 fehérje kölcsönhatásai

8 A mediátor komplex Tóth-Petróczy Á, Oldfield CJ, Simon I, Takagi Y, Dunker AK, Uversky VN and Fuxreiter M (2008) PLoS Comput Biol. 4, e1000243 A magas rendezetlenségű fehérjéket sötét tónussal jelöltük

9 Kölcsönható fehérjék élesztőben Dosztányi Z, Chen J, Dunker AK, Simon I and Tompa P (2006) J. Proteome Res. 5, 2985-2995. Csomóponti fehérjék több rendezetlen részt tartalmaznak

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 Mészáros B, Simon I and Dosztányi Z (2009) PLOS Comput.Biol. 5, e1000376.

11 Kötőhelyek jóslása Ott várunk kötőhelyet, ahol: –A környezet rendezetlen (S átlag magas) –A saját környezetével vett energia kedvezőtlen (E saját nagy) –Energetikailag jobb globuláris fehérjével kölcsönhatni (E nyereség 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*S átlag + p2*E saját + p3*E nyereség Mészáros és mtsi. (2009) PLoS Comput Biol. 5:e1000376

13 Lineáris motívumok átlagos rendezetlenségi profilja Fuxreiter M, Tompa P and Simon I (2007) Bioinformatics 23, 950-956.

14 Valódi kötő motívumok kiszűrése ANCHOR-ral Igazolt kötőhelyek826 Átfedés ANCHOR-ral545 Véletlen + valódi kötőhelyek 7,2x10 6 Átfedés ANCHOR-ral 1,3x10 6 66% 17,6%

15 A fehérjék kitágult világa I Globuláris rendezett fehérjék Transzmembrán fehérjék Rendezetlen fehérjék i H O o