Но прежде чем перейти к описанию программы, а точнее игры, FoldIt, вернемся к методам определения структуры белка



страница1/8
Дата02.06.2018
Размер2,77 Mb.
  1   2   3   4   5   6   7   8
Московский Государственный Университет им. М.В.Ломоносова

Факультет биоинженерии и биоинформатики

FoldIt – новый метод получения PDB-моделей

Работу выполнила студентка 4 курса Дзама Маргарита

Введение

Современная наука сталкивается с огромным множеством проблем, решение которых требует значительных человеческих усилий: начиная с классификации многих терабайт астрономических изображений и заканчивая аннотацией геномов, занимающие гигабайты памяти. Предсказание структуры белков тоже является одной из таких проблем, поскольку время перебора всех возможных конформаций, который может принять белок, слишком велико, даже если использовать возможности суперкомпьютера. Для решения такого рода задач ученые все чаще обращаются к волонтерам, не имеющих никакого отношения к научному сообществу. Таким образом, сложная задача разделяется на множество маленьких подзадач, которые в свою очередь распределяются между тысячами, а порой и миллионами желающих принять участие в ее решении. Подобная стратегия весьма успешно используется на сегодняшний день, например, для классификации еще неизведанных галактик, для проведения сравнительного анализа экологической обстановки в разных областях и для систематизации знаний о функциях генов человека. Но чтобы добиться успеха, нужно вдохновить и привлечь необходимое число людей. И самый лучший способ – игры. В частности, Дэвид Бейкер и его коллеги описали несколько весьма успешных результатов, относящихся к разработке нового алгоритма для фолдинга белков в игровом варианте (FoldIt). Игроки теперь не просто пытаются выиграть игру, набрав при этом как можно больше очков, они чувствуют свою причастность к какой-то более глобальной миссии.



Методы получения третичной структуры белка

Но прежде чем перейти к описанию программы, а точнее игры, FoldIt, вернемся к методам определения структуры белка. Большинство структур, представленные в PDB, получены с помощью рентгеноструктурного анализа (РСА) или же при использовании ядерно-магнитного резонанса (ЯМР). Конечно, и в том, и в другом методах есть свои особенности и, что важнее, свои проблемы, которые решаются различными путями (на них я останавливаться не буду). Но что же делать, если мы не можем решить проблемы, встающие перед нами при использовании этих методов? Можно пойти теоретическим путем: построить третичную структуру белка, основываясь на структуре существующего гомолога, или опираться только на его последовательность (первичную структуру) в случае, если нам не повезло, и гомолога нет. Последний способ понимает под собой получение структуры de novo. В вычислительной биологии предсказание структуры белка de novo относится к алгоритмическому процессу, с помощью которого прогнозируется третичная структура белка на основе его аминокислотной последовательности. Это проблема заняла умы ведущих ученых на десятилетия и до сих пор остается нерешенной. Согласно журналу “Science” данная проблема входит в топ 125 нерешенных вопросов в современной науке. В настоящее время существуют некоторые успешные методы, которые могут с хорошей вероятностью предсказать фолдинг небольших, однодоменных белков в пределах 1,5 ангстрем по всей структуре. Методы de novo, как правило, требуют больших огромных вычислительных ресурсов и именно по этой причине используются только для относительно небольших белковых молекул. Моделирование структуры de novo отличается от template-based modeling (TBM) тем, что не существует уже готовой модели какого-либо гомолога, тем самым все попытки предсказания структуры белка на основе его последовательности становятся чрезвычайно сложными. Моделирование de novo для больших белков требует более совершенных алгоритмов и больших вычислительных ресурсов. Мощными суперкомпьютерами обладают, например, Blue Gene или MDGRAPE-3. Но можно еще и разделить сложную задачу, как сделали Folding@home, Rosetta@home, the Human Proteome Folding Project или Nutritious Rice for the World. Хоть и существует значительный вычислительный барьер, однако получаемый результат во многих областях, начиная со структурной геномики и заканчивая областями медицины и разработкой лекарств, делает предсказание структуры de novo активно исследуемой проблемой в настоящее время.

Наиболее успешные программы-предсказатели структур учитывают 3 следующих фактора:


  1. Поиск точной функции энергии, которая соответствует наиболее термодинамически устойчивому состоянию нативной структуры белка;

  2. Эффективный метод поиска, способный быстро идентифицировать состояния с низкой энергией путем конформационного перебора;

  3. Способность к выбору моделей, наиболее приближенных к нативному состоянию, из множества структур.

Программы de novo осуществляют поиск кандидатов, работая в трехмерном пространстве. Структура, имеющая минимум по энтропии и свободной энергии белка, будет выдаваться программой, считая, что данная структура наиболее приближена к нативному состоянию белка. Так работает и Rosetta, как заявил один из ее создателей, уже известный нам Дэвид Бейкер: “в процессе укладки каждый отдельный сегмент цепи колеблется между множествами локальных конформаций… укладка структуры, близкой к нативному состоянию, происходит, когда конформации, принятые в отдельных участках, приводят к… низкой энергии структуры. Rosetta затем определяет комбинации этих локальных конформаций, которые в целом имеют низшую энергию по всей структуре.”

Основное ограничение предсказания структуры способом de novo – это невероятно огромное время вычислений, производимых компьютером, требуемое для успешного разрешения проблемы укладки. Основываясь на том, что нужно постараться разделить задачу на более мелкие, которые решались бы проще, и что компьютеру иногда не хватает пространственного мышления и интуиции людей, создатели решили разработать игру, с помощью которой бы люди по всему миру помогали решать , воспринимая это как развлечение.



Foldit

Foldit - это визуальная игра-головоломка, цель которой получить точную модель белковой структуры, сложенной наилучшим образом (рис.1).





Рис.1. Скриншот FoldIt, показывающий инструменты и отображение.1 – визуализация атомов, которые слишком близко располагаются, 2 – водородные связи, 3 – гидрофобная боковая цепь с желтыми вставками, где есть незащищенные группы, 4 – гидрофильная боковая цепь, 5 – сегмент остова, окрашенного в красный цвет из-за высокой энергии остатков, 6 – ограничение подвижности молекулы, 7 – «замораживание» молекулы, 8 – набранные очки, 9 – лидеры, 10 – панель инструментов, 11 – чат для общения с другими игроками, 12 – автоматизированные инструменты/ «рецепты».

Сначала перед игроками возникают «тренировочные структуры», немного неправильно сложенные структуры, которые нужно в интерактивном режиме корректировать так, чтобы набрать наивысший балл (минимум энергии). При этом текущее состояние отображается, а также результаты других игроков и групп игроков (рис.1, 8-9). Чтобы игра была понятна людям, не имеющим дело с научной терминологией, многие биологические термины заменены на более общие понятия. Также создателями были спрятаны некоторые элементы, которые препятствовали бы более явному решению проблемы и загромождали собой пространство, и сделали возможным показывать области, которые получаются в ходе не самого удачного фолдинга, с тем, чтобы игрок обратил на них внимание и попытался улучшить положение дела (рис.1, 1-5). Есть специальные визуальные подсказки, отображающие гидрофобность (“незащищенная гидрофобность“), межатомные отталкивания (“столкновение“) и образующиеся полости (“пустота“). Игроки интуитивно манипулируют представленными инструментами. Наиболее быстрый способ манипуляции – непосредственно потянуть за любую часть белка. Это также возможно для поворота спиралей и стягивания бета-листов (“tweak“). Игроки также могут наложить небольшие ограничения на подвижность молекулы (“rubber bands”) и зафиксировать ее (“freezing”) (Рис.1, 6-7). Доступные автоматические инструменты: изменение положения ротаморов в боковой цепи путем комбинаторных переборов (“shake”), локальная минимизация энергии (“wiggle”), вставка фрагмента (“rebuild”).



С целью привлечения игроков, ранее не знакомых с молекулярной биологией, было важно ознакомить их с концепциями посредством тренировочных уровней: головоломки, которые всегда доступны и их можно собирать, набирая как можно больше очков. Это так называемые обучаемые уровни, где происходит ознакомление с набором инструментов и визуализацией белковой молекулы. На самом деле только несколько людей в топе самых лучших игроков профессионально связаны с биохимией или молекулярной биологией. Было обнаружено, что FoldIt распространена среди множества людей, различающихся и по профессии, и по возрасту, и по многим другим критериям.




Поделитесь с Вашими друзьями:
  1   2   3   4   5   6   7   8


База данных защищена авторским правом ©grazit.ru 2017
обратиться к администрации

    Главная страница