1 Modelado por homologíaDETERMINACION DE LA ESTRUCTURA DE UNA PROTEINA MEDIANTE METODOS COMPUTACIONALES Modelado por homología Dra. Cristina Marino Buslje Septiembre 2006

2 Preedición de la estructura de una proteínaEs una de las tareas mas significantes abordadas en la biología estructural computacional. Tiene por objeto determinar la estructura tridimensional de proteínas a partir de su secuencia de aminoácidos. En términos mas formales, es la predicción de la estructura terciaria por su estructura primaria. Dada la utilidad del conocimiento de la estructura de proteínas en tareas tan valiosas como el diseño de drogas, este es un campo altamente activo de investigación. Preedición de la estructura de una proteína 1i9b.pdb

3 El plegamiento de proteínas es esencialSecuencia Estructura Plegamiento Proteína desplegada Proteína plegada Forma casi única Precisamente ordenada Estable activa Altamente móvil inactiva Asociaciones especificas Reacciones especificas La función depende de la forma

4 1tc2.pdb

5 LAS PROTEINAS ESTAN FORMADAS POR DOMINIOSDentro de una proteína, un dominio estructural (dominio) es un elemento que se estabiliza por si mismo y generalmente se pliega independientemente del resto de la proteína. Muchos dominios no son únicos de las proteínas producto de un gen o una familia de genes, sino que aparecen en una gran variedad de proteínas. Los dominios son frecuentemente nombrados según la función biológica en la que intervienen en la proteína donde aparecen predominantemente, por ejemplo, el "calcium-binding domain” de la calmodulina Dominio estructural

6

7 3583 proteínas contienen el dominio FN3

8 Asignación de dominiosHay zonas de baja complejidad? secuencia PPPQNNSSSSTP Hay zonas trans membrana? secuencia Hay homologías parciales? secuencia SH2 Cys rich Kinasa La predicción de estructura secundaria sugiere dominios? secuencia Región a helices Región hojas b

9 Jerarquía SCOPE. Ej: 1tc2 Superfamily: PRTase-like Root: scopLineage: Root: scop Class: Alpha and beta proteins (a/b) Mainly parallel beta sheets (beta-alpha-beta units) Fold: PRTase-like core: 3 layers, a/b/a; mixed beta-sheet of 6 strands, order ; strand 3 is antiparallel to the rest Families: Phosphoribosyltransferases (PRTases) Phosphoribosylpyrophosphatesynthetase

10 Jerarquía CATH Ej: 1tc2 Clase Arquitectura (Fold) Topología(Superfamilia) Homologous superfamily Sequence family

11 Ejemplo 1TC2 comparativo (tomado del PDB-Beta)

12 Typos de Modelado “Homology modelling” “Fold recognition Modelling” “Ab initio”

13 “Comparative protein modelling (Homology Modelling)”Usa estructuras previamente resueltas como puntos de partida o moldes se basa en la razonable suposición de que dos proteínas homologas compartirán estructura similar

14 De novo “Ab initio” protein modellingPredecir la estructura de una proteína basándose solo en su secuencia. Las predicciones “ab initio” recaen en la hipótesis termodinámica del plegamiento, que postula que las estructuras nativas de una secuencia proteica, corresponde a un mínimo global de energía libre. Actualmente hay tres problemas principales a los que debe enfrentarse este campo de investigación que son básicamente: definir un sistema de “scoring” que diferencie estructuras nativas de las no nativas. definir un campo de fuerzas para el cual la estructura con mínima energía libre global coincida con la estructura que conocemos como “nativa”. El tiempo de computación necesario que requiere una cadena polipeptídica para recorrer todas las posibilidades conformacionales.

15 Pasos para el modelado por homologia (“homology modelling”)Busqueda de la proteína homologa (”molde” en general) Alineamiento Selección del modelo Refinamiento del modelo Validación del modelo

16 El proceso de modelado por homología es cíclicoSecuencia Alineamiento Validación del modelo Construcción del modelo Hasta no obtener mejoras

17 Proceso de Modelado por homologíaSecuencia Datos experimentales Alineamiento múltiple de secuencias Búsqueda en bases de datos Asignación de dominios Homologo PDB Predicción de estructura secundaria NO Reconocimiento de plegamiento Análisis de la familia de plegamiento SI Homologo PDB Alineamiento de estructuras secundarias SI NO Modelado por homologia Alineamiento de la secuencia a las estructuras Predicción estructura terciaria Modelo 3D de la proteína Basado en Bob Rusell

18 Cosas a tener en cuenta para evaluar una predicción de plegamiento (Fold recognition):Correr mas de un programa de “Fold recognition” En lo posible, correrlo sobre mas de un homologo. Evaluar todas las salidas de un programa (no la primera) la solución puede estar entre las 10. Función de la proteína de estructura desconocida. Función de la proteína de estructura conocida. La familia de plegamiento “FOLD FAMILY”. Predicción de estructura secundaria.

19 Datos experimentales Tener todo dato experimental en mente a la hora de hacer un trabajo predictivo. Comprobar si la predicción concuerda con los resultados experimentales. En caso negativo, habrá que re plantearse lo hecho.

20 Datos experimentales pueden guiar el proceso de predicción ej:Puentes disulfuro, restringen las posiciones de las cisteinas en el espacio. Datos espectroscópicos. Dan información del contenido de estructura secundaria. Mutagénesis dirigida, da información a cerca de que residuos intervienen en el centro activo o lugares de unión. Conocimiento de lugares proteolíticos, modificaciones post-transduccionales, glucosilaciones, sugieren residuos accesibles. Sitios antigénicos. Etc.

21 Validación de modelos CUAL es el correcto???

22 Validación de modelos

23 Validación de modelos Procheck

24 Validación de modelos

25 Validación de modelos Verify3D

26 Validación de modelos Datos experimentales Procheck Verify3D Prosa II Errat WhatCheck ProQ …

27 Modelado de Loops El modelado de Loops constituye un problema de “homology Modelling” dentro de la proteína. Modelado “Knowledge based” (por homología) Modelado “ab initio” (loop building)

28 Clasificación de Loops

29 Clasificación de LoopsNumero de clases Vs. Longitud del loop en ArchDB Fernández Fuentes, Narcís. Tesis doctoral UAB 2004

30 Clasificación de Loopsb-a (2 cons GLY. 1 PH) b-b hairpin 5.1.1(1 cons GLY. 1 PH) Fernández Fuentes, Narcís. Tesis doctoral UAB 2004 a-b (cons GLY PRO. 1 PH)

31 Modelado de Loops

32 Modelado de Loops

33 Modelado de Loops http://manaslu.aecom.yu.edu/loopred/ej: Knowlege based ej: By satisfaction of spatial restrains

34 Errores mas frecuentes en modelos creados por “homology modelling”Mala elección del “template” Mal alineamiento entre el “template” y la proteína de estructura desconocida.

35 Mala elección del “template”Mal asignación 1hht RNAdep-RNAPol. Bacteriophage phi-6 1c2p RNAdep-RNAPol. HCV

36 Mala elección del “template”Mal asignación RHDV PV HCV Ribbon diagrams of RNA-dependent RNA polymerases shown from a similar vantage point

37 Mala elección del “template”Molde no adecuado HCV Ramachandran Plot statistics Most favoured regions [A,B,L] %* Additional allowed regions [a,b,l,p] % Generously allowed regions [~a,~b,~l,~p] % Disallowed regions [XX] %* Non-glycine and non-proline residues % Glycine residues 58 Proline residues 54 Total number of residues

38 Mala elección del “template”HCV Ramachandran Plot statistics Most favoured regions [A,B,L] % Additional allowed regions [a,b,l,p] % Generously allowed regions [~a,~b,~l,~p] % Disallowed regions [XX] % Non-glycine and non-proline residues % End-residues (excl. Gly and Pro) 8 Glycine residues 62 Proline residues 56 Total number of residues

39 Alineamiento parcialmente erróneo82-93

40 Alineamiento parcialmente erróneoSuperposición molde modelo

41 Parcialmente mal alineamiento1C2P unk

42 Modelado de Loops

43 Estudio Comparativo distintos softwares Para modelado por Homología76% 52% 42% 39% 38% 24% 19% Akbar Nayeem. Et. Al. Protein Sci :

44 Estado del arte: CASP 6th Community Wide Experiment on the 6th Community Wide Experiment on the Critical Assessment of Techniques for Protein Structure Prediction Gaeta (Italy)      December 2004 Critical Assessment of Techniques for Protein Structure Prediction Asilomar Conference Center, Pacific Grove, CA November 2006 (CASP7), 2006

45 Hosted By EMBL/EBI-MSD GroupEstado del arte: CAPRI CAPRI: Critical Assessment of PRediction of Interactions CAPRI community wide experiment on the comparative evaluation of protein-protein docking for structure prediction Hosted By EMBL/EBI-MSD Group

46 EJEMPLO DE ESTUDIOS ESTRUCTURALESUtilidad de un modelo EJEMPLO DE ESTUDIOS ESTRUCTURALES

47 M. A. Marti i Renom et. Al Current Protocols in Bioinformatics (2003) 5.1.1-5.1.3

48 Construcción de estructuras supramolecularesIR

49 Construcción de estructuras supramolecularesIR ILGFR 1999

50 Identification of functional residuesResidues with backbone dihedral angles in strained conformation. Clusters of charged residues. Cavities or clefts in the protein structure. Surface properties such as hydrophobicity, planarity, size or shape. Energetics of the protein structure. Surface mapping of phylogenetic information.

51 Búsqueda de “Patterns” en estructuras terciarias no-homologas, intento de asignar función

52 Trazado evolutivo de residuos

53 Trazado evolutivo de residuosPartición 1 Partición 2 Partición 7 Partición 8 Partición 9 Partición 10 Buried, Class-specific Buried, Conserved Exposed, Class-specific Exposed, Conserved

54 Trazado evolutivo de residuos

55 Trazado evolutivo de residuosC.Axel Innis et. Al. Protein Engineering, Vol. 13, No. 12,

56 Dilucidación del mecanismo de transducción de señal (Interacción Proteína-Proteína)II I II I II I I II 2tgi.pdb

57 Dilucidación del mecanismo de transducción de señal

58 Dilucidación del mecanismo de transducción de señal

59 Dilucidación del mecanismo de transducción de señal

60 Dilucidación del mecanismo de transducción de señal

61 Dilucidación del mecanismo de transducción de señal

62 Dilucidación del mecanismo de transducción de señalParantu K. Shah, Cristina Marino Buslje, R. Sowdhamini Proteins: Structure, Function, and Genetics Volume 45, Issue

63 Ejemplo de “Docking” AutomáticoReceptor de nicotina/ conotoxina

64 Diseño de drogas TcHPRT

65 Diseño de drogas TcHPRTRigid superimposition on PRPP of: a) ALN ;b) OLP; c) PAM; d) RIS. Blue: N, Green: P, Grey: C, Red: O. Daniel Fernandez, et. al.

66 Diseño de drogas TcHPRT 3.9A

67 Diseño de drogas TcHPRT 2.39A

68 Explicación de datos experimentales y diseño de nuevos experimentos.* RNA-dependent RNA-polimerase Tacaribe virus * 1c2p.pdb 8.8 %identity

69

70 gracias por su atención1e3p.pdb