Kodomo

Пользователь

Учебная страница курса биоинформатики,
год поступления 2021

Занятие 12. Трансмембранные белки

Отчёт по занятию должен быть выложен на сайт, со ссылкой со страницы семестра. Записывайтесь в очередь на проверку.

Каждому студенту выделен отдельный трансмембранный белок, у которого в настоящее время нет близкого гомолога с экспериментально полученной трехмерной структурой (terra incognita). В двух словах: прокариотические белки из текущей версии SwissProt сравнивались с белками, находящимися в PDB с помощью BLAST; те, у которых есть гомологи в PDB с e-value менее 1e-20 отбрасывались; из оставшихся брались только белки, содержащие не менее шести предсказанных трансмембранных спиралей; из них методом тыка отбирались белки для задания.

Поскольку это белок из SwissProt, для него существует предсказание трехмерной структуры, полученное с помощью AlphaFold.

Для выполнения задания вам понадобится:

  1. Последовательность выданного белка в формате FASTA (можно получить через Uniprot).

  2. Предсказание трехмерной структуры (раздел Structure записи в Uniprot, справа от описания, под изображением модели, есть кнопка загрузки).

1. Знакомство с базой данных OPM

Обратите внимание: в базе данных OPM положительно заряженная часть мембраны показана КРАСНЫМИ шариками, хотя формально это атомы кислорода и они должны быть заряжены отрицательно.

Цель задания: Научиться работать с базой данных OPM: искать белки, анализировать информацию, представленную в базе данных

  1. С помощью поиска по уровням классификации в базе данных OPM найдите любой белок, в трансмембранной части которого находятся β-листы. Поищите какой-нибудь интересный! :) (UPD по просьбам трудящихся: можно выбрать вообще какой-то интересный вам трансмембранный белок, даже не β-листовой. Но тогда с вас какой-то комментарий, почему выбрали его :) )

  2. Для этого белка определите:
    • Толщину гидрофобной части белка в мембране: можно измерить в Jmol, если скачать с сайта представление белка в мембране (правая кнопка мыши => measure => distance); следите чтобы отрезок между атомами, выбранными для измерения, был перпендикулярен плоскости мембраны! Можно использовать информацию о толщине гидрофобной части из БД OPM, но нужно понимать (и отвечать на коллоквиуме), откуда это число берется и как соотносится с толщиной мембраны.

    • Координаты трансмембранных участков (номера остатков, погруженных в мембрану, указаны в БД).

    • Среднее количество остатков в одном β-тяже белка.

    • В какой мембране находится белок (например, "внешняя мембрана бактерии" и т.п.).

  3. Напишите в отчете, какой белок вы выбрали (название, перевод его на русский язык, идентификатор PDB и идентификатор Uniprot).

  4. Полученные из OPM параметры приведите на сайте в виде таблицы.

  5. Получите изображение трехмерной структуры белка с указанием границ гидрофобного слоя мембраны. Приведите изображение на странице с подписью и обязательным указанием, как показана какая сторона мембраны. Если на рисунке показано несколько белков (или несколько субъединиц одного белка), обязательно поясните это в подписи. Для получения отличной оценки за задание необходимо не просто скопировать изображение из OPM, а сделать его самостоятельно в Jmol/PyMOL и т.п.

2. DeepTMHMM: Предсказание трансмембранных элементов по последовательности белка

Цели задания: Опробовать сервер DeepTMHMM на α-спиральном и β-листовом белках.

  1. Запустите сервис DeepTMHMM для выданного вам α-спирального белка и для выбранного вами в задании №1 β-листового белка. Сохраните результаты в графическом и текстовом видах.

  2. Приведите ссылки на файлы с текстовой выдачей на сайте; в подписям к графической выдаче опишите подробно, что показано по осям и что каким цветом окрашено.

3. PPM: Предсказание положения выданного белка в мембране

Цель задания: получить предсказание положения белка в мембране с помощью сервера PPM, который позволяет получить данные, которые обычно есть в базе OPM, для произвольной структуры белка.

  1. Выберите версию сервера PPM 3.0 (мы за будущее!).

  2. Выберите параметры алгоритма. Укажите на отчетной странице, какие параметры вы использовали и почему. В частности, обязательно укажите, откуда Вы взяли данные для параметра Topology (N-ter).

  3. Запустите алгоритм. Сохраните полученную модель, а также выданную программой информацию о координатах трансмембранных участков в белке.
  4. Напишите в отчете, какой белок был вам выдан (название, перевод его на русский язык, идентификатор SwissProt).

  5. Полученные сервером PPM параметры приведите на сайте в виде таблицы (список параметров см. в задании 1).

  6. Получите изображение трехмерной структуры белка с указанием границ гидрофобного слоя мембраны. Приведите изображение на странице с подписью и обязательным указанием, как показана какая сторона мембраны.

4. Сравнение алгоритмов предсказания трансмембранных участков

  1. На качественном уровне опишите, насколько совпадают результаты программы DeepTMHMM со структурной информацией из БД OPM (и предсказанием сервера PPM) (результаты задания №2 vs №1 и №3). Есть ли спирали/тяжи, полностью "не замеченные" предсказывающей программой или, наоборот, лишние предсказания?

  2. Модель вашего белка в БД Uniprot имеет легенду с оценкой качества предсказания в разных участках полученной структуры. Опишите качество предсказания: какие участки белка предсказаны достоверно, а какие нет? Как можно оценить предсказание в целом? Если это необходимо, приведите в отчете изображение модели с легендой. Ответьте в отчете на вопрос: могла ли достоверность модели оказать влияние на результаты предсказания сервера PPM? Ответ обоснуйте.

5*. База данных TCDB (необязательное задание)

  1. Поищите в БД TCDB выданный вам белок и белок, который вы выбрали в задании №1 (искать нужно по идентификатору Uniprot, причем AC, а не ID: например, P0A910, а не OMPA_ECOLI). В OPM есть прямые ссылки на TCDB.

  2. Если они не обнаружены, опишите как вы искали и результат. Если какой-то белок обнаружен, посмотрите, что означают цифры его TC-кода. Переведите сведения на русский язык и представьте на отчетной странице.

2021/4/task12 (последним исправлял пользователь udavdasha 2023-05-22 21:03:57)