Структура и функционирование белков. Применение методов биоинформатики - Джон Ригден 2014

Методы биоинформатики для изучения структуры и функций неупорядоченных белков
Функциональная классификация БПН
Структурные элементы БПН, связанные с функционированием

Переходные структурные элементы БПН участвуют в молекулярном распознавании. Эта особенность их функционирования непосредственно связана с прогнозированием функций по последовательности. Наличие таких элементов, часто различимых как на уровне последовательности, так и на уровне структуры, можно использовать при прогнозировании функций. В процессе эволюции упорядоченных белков появилось большое количество доменов, связанных со специализированными функциями распознавания (Pawson and Nash 2003; Seet et al. 2006), тогда как их родственные партнеры, например, из домена SH3 (Hiroaki et al. 2001; Ferreon and Hilser 2004), домена 14-3-3 (Busto and Iglesias 2006) или домена РТВ (Obenauer et al. 2003) чаще представляют собой короткие мотивы внутри гибких областей белков. Существует несколько отличающихся, но связанных между собой концепций, которые объясняют существование подобных коротких мотивов, акцентируя внимание на структуре или последовательности при обсуждении функций.

5.4.3.1. Предопределенные элементы структуры

Концепция предопределенных структурных элементов возникла на основе анализа структур БПН в комплексах с их молекулами-партнерами.

Ключевой вопрос, рассматривавшийся в ходе этого анализа, состоял в том, можно ли предсказать локальную структуру БПН в комплексе с его молекулой-партнером с помощью алгоритмов предсказания вторичной структуры (Fuxreiter et al. 2004). Было обнаружено, что точность предсказания этих элементов вторичной структуры БПН выше, чем аналогичный показатель прогнозов для их упорядоченных белковых партнеров. Это свидетельствует о том, что БПН свойственна выраженная предрасположенность к конформациям, приобретаемым в связанных состояниях: вероятно, для распознавания используются элементы, существование которых (частично) предопределено уже в растворе. Эта связь в наибольшей степени выражена для спиралей и в наименьшей - для колец. Она подтверждена в ходе изучения методом ЯМР ряда свободных БПН, для которых структура свободных образцов была схожа со структурой в связанном состоянии. К числу таких БПН принадлежат домен KID области CREB (Radhakrishnan et al. 1998), домен KID области Cdk ингибитора p27Kip2 (Kriwacki et al. 1996; Lacy et al. 2004), а также транс-активаторный домен супрессора опхолей р53 (Lee et al. 2000).

5.4.3.2. Элементы/свойства молекулярного распознавания

Упомянутые выше данные непосредственно связаны с тем, насколько успешно можно прогнозировать присутствие элементов распознавания в молекулах БПН, как это показано в рамках концепции элементов/свойств молекулярного распознавания (ЭМОР/СМОР) (MoREs/MoRFs, от “molecular recognition elements/features”). Целый ряд исследований посвящен анализу белок-белковых комплексов из базы данных PDB, в которых одна из молекул имела размер менее 30 аминокислотных остатков, а другая - более 30 (Oldfield et al. 2005b), либо одна из молекул включала от 10 до 70 аминокислотных остатков, а другая представляла собой глобулярный белок (Mohan et al. 2006; Vacic et al. 2007). В результате исследований были выявлены 372 свойства молекулярного распознавания (СМОР) (MoRFs), которые также называют элементами молекулярного распознавания (ЭМОР) (MoREs). В соответствии с преобладающими элементами вторичной структуры принято выделять четыре категории свойств молекулярного распознавания: а-СМОР, ß-CMOP, t-CMOP и смешанные СМОР (а-MoRFs, ß-MoRFs, t-MoRFs и смешанные MoRFs). В целом, в СМОР 27% остатков пребывают в a-спиральной конформации, 12% - в конформации ß-тяжей и около 48% - в неупорядоченной конформации; оставшиеся 13% остатков не имеют атомных координат. Тесную связь концепции СМОР с предопределенными структурными элементами и неупорядоченностью подтверждает тот факт, что локальные структурные предрасположенности СМОР легко поддаются предсказанию, уступая в сложности предсказания глобулярным белкам, а также тот факт, что присутствие СМОР коррелирует с неупорядоченностью в несвязанном состоянии (Mohan et al. 2006).

Этот анализ СМОР привел к появлению идеи о том, что СМОР можно определять по характерной для них картине неупорядоченности. Как правило, нисходящий пик численных показателей неупорядоченности, в частности PONDR VL-XT (Iakoucheva et al. 2002), является ярко выраженным свидетельством наличия функционально значимого элемента распознавания. В сочетании с мотивами последовательности и функциональным анализом белков, которые содержат СМОР, анализ этих элементов позволяет выдвигать обоснованные предположения относительно функций БПН/ОПН. Следует отметить, что большое количество белков, содержащих СМОР, было обнаружено среди молекул, выполняющих сигнальные функции (Mohan et al. 2006; Vacic et al. 2007).

5.4.3.3. Короткие линейные мотивы распознавания

Анализ последовательностей, участвующих в белок-белковых взаимодействиях, показал, что в некоторых белках элемент распознавания представляет собой короткий мотив с выраженной консервативностью, который часто обозначается как последовательность согласования. Такие последовательности, например, участвуют в модификации субстрата киназами или связывании с доменами SH3 (Neduvaand Russell 2005). Эти мотивы являются эволюционно изменчивыми и обычно состоят из нескольких консервативных определяющих специфичность остатков, которые рассеяны среди весьма изменчивых остатков, при этом общая длина мотива составляет от 5 до 25 остатков. Их часто называют линейными мотивами, линейными мотивами эукариот или короткими линейными мотивами. Анализ линейных мотивов, собранных в базе данных линейных мотивов эукариот (Puntervoll et al. 2003), с помощью предсказателей неупорядоченности показал, что линейные мотивы и их фланкирующие сегменты длиной около 20 остатков, как правило, располагаются в локально неупорядоченных областях (Fuxreiter et al. 2007). Предсказание линейных мотивов на основе последовательности в сочетании с предсказанием неупорядоченности и дополнительной информацией о функциях могут оказаться весьма полезными в предсказании функций БПН/ОПН.