Кіріспе

Биоинформатиканың ішкі саласы

Структуралық биоинформатика – биоинформатиканың ақуыздар, РНҚ және ДНҚ сияқты биологиялық макромолекулалардың үш өлшемді құрылымын талдау және болжаумен айналысатын саласы. Ол макромолекулалық 3D құрылымдар туралы жалпылама мәліметтермен, мысалы, жалпы бүктелулер мен жергілікті мотивтерді салыстыру, молекулалық бүктелу принциптері, эволюция, байланыс өзара әрекеттесулері және құрылым/функция қатынастарымен айналысады, бұл жұмыс эксперименталдық түрде шешілген құрылымдар мен есептеу модельдері негізінде жүзеге асырылады. «Структуралық» термині құрылымдық биологиядағы мағынасын сақтайды, сондықтан структуралық биоинформатиканы есептеулік құрылымдық биологияның бір бөлігі деп қарастыруға болады. Структуралық биоинформатиканың басты мақсаты – биологиядағы мәселелерді шешу және жаңа білім алу үшін биологиялық макромолекулалық деректерді талдау және өңдеудің жаңа әдістерін жасау.

Белоктың құрылымы

Белгінің құрылымы оның атқаратын қызметімен тікелей байланысты. Белгілі бір орналасқан жерлердегі нақты химиялық топтардың болуы ақуыздарға ферменттер ретінде әрекет етуге және бірнеше химиялық реакцияларды катализдеуге мүмкіндік береді. Жалпы, ақуыз құрылымдары төрт деңгейге бөлінеді: бірінші (аминқышқыл тізбектері), екінші (полипептидтік тізбектің жергілікті конформациясы), үшінші (ақуыздың үш өлшемді құрылымы) және төртінші (бірнеше полипептидтік құрылымдардың бірігуі). Құрылымдық биоинформатика, негізінен, олардың кеңістіктегі координаттарын ескере отырып, құрылымдар арасындағы өзара әрекеттесуді зерттейді. Сондықтан, бірінші деңгейдің құрылымы биоинформатиканың дәстүрлі салаларында жақсы талданады. Дегенмен, аминқышқыл тізбегі полипептидтік тізбектің сақталатын жергілікті конформацияларының – мысалы, альфа-спиральдар, бета-парақтар және иілмелердің (екінші деңгей) қалыптасуына шектеулер қояды. Сондай-ақ, әлсіз өзара әрекеттесулер (мысалы, сутекті байланыстар) ақуыздың кеңістіктік құрылымын тұрақтандырады. Өзара әрекеттесулер мономердің ішінде (мысалы, бір ақуыз мономерінің бөліктері арасында) немесе мономерлер арасында (мысалы, әртүрлі құрылымдар арасында) болуы мүмкін. Ақырында, құрылымдық биоинформатикада, мықты немесе әлсіз, өзара әрекеттесулердің топологиялық орналасуы және түйісулер зерттеледі, бұл үшін схема топологиясы сияқты құралдар қолданылады.

Құрылысты визуализациялау

Белок құрылымын визуализациялау – құрылымдық биоинформатика үшін маңызды мәселе. Ол пайдаланушыларға молекулалардың статикалық немесе динамикалық бейнелерін көруге мүмкіндік береді, сондай-ақ молекулалық механизмдер туралы қорытындылар жасауға пайдаланылатын өзара әрекеттесулерді анықтауға көмектеседі. Визуализацияның ең көп қолданылатын түрлері:

Сурет (Cartoon): Бұл белок визуализациясының түрі екіншілік құрылымның айырмашылықтарын көрсетеді. Әдетте, α спираль бұранда түрінде, β жіптер жебелер түрінде, ал иілмелер (loops) сызықтар түрінде бейнеленеді. Сызықтар (Lines): Әрбір аминқышқыл қалдығы жұқа сызықтармен көрсетіледі, бұл графикалық бейнелеуге арзан шығын әкеледі. Бет (Surface): Бұл визуализацияда молекуланың сыртқы пішіні көрсетіледі. Таяқтар (Sticks): Аминқышқыл атомдары арасындағы әрбір ковалентті байланыс таяқ түрінде бейнеленеді. Бұл визуализация түрі аминқышқылдар арасындағы өзара әрекеттесуді көрсету үшін жиі қолданылады.

ДНК құрылымы

Классикалық ДНҚ дуплексінің құрылымын бастапқыда Уотсон мен Крик (және Розалинд Франклиннің үлесі) сипаттаған. ДНҚ молекуласы үш құраушыдан тұрады: фосфат тобы, пентоза және азотты негіз (аденин, тимин, цитозин немесе гуанин). ДНҚ қос спираль құрылымы негіз жұптары арасында қалыптасқан сутекті байланыстар арқылы тұрақтандырылады: аденин тиминмен (АТ) және цитозин гуанинпен (СГ). Көптеген құрылымдық биоинформатикалық зерттеулер ДНҚ мен кішкентай молекулалар арасындағы өзара әрекеттесуді түсінуге бағытталған, бұл бірнеше дәрі-дәрмектерді жобалау зерттеулерінің мақсаты болды.

Өзара әрекеттесулер

Ынтымақтастық – молекулалардың әртүрлі деңгейлеріндегі бөліктері арасындағы байланыстар. Олар ақуыз құрылымдарын тұрақтандыруға жауапты және кең ауқымды қызметтерді атқарады. Биохимияда ынтымақтастықтар атомдық топтардың немесе молекулалардың бір-біріне әсер ететін аймақтарының жақындығымен сипатталады, мысалы, электростатикалық күштер, сутекті байланыстар және гидрофобтық әсер. Ақуыздар бірнеше типтегі ынтымақтастықтарды жүзеге асыра алады, мысалы, ақуыз-ақуыз ынтымақтастығы (PPI), ақуыз-пептид ынтымақтастығы, ақуыз-лиганд ынтымақтастығы (PLI) және ақуыз-ДНҚ ынтымақтастығы.

Байланыстарды есептеу

Контакттарды есептеу – құрылымдық биоинформатикадағы маңызды міндет, ол ақуыз құрылымы мен бүктелуін, термодинамикалық тұрақтылығын, ақуыз-ақуыз және ақуыз-лиганд өзара әрекеттесуін, доктеу және молекулалық динамика талдауларын және т.б. дұрыс болжау үшін маңызды. Дәстүрлі түрде, есептеу әдістері ықтимал өзара әрекеттесулерді анықтау үшін атомдар арасындағы қашықтықты (осыны шектік қашықтық деп те атайды) пайдаланған. Бұл анықтама белгілі типтегі атомдар арасындағы Евклид қашықтығы мен бұрыштарға негізделген. Дегенмен, қарапайым Евклид қашықтығына негізделген көптеген әдістер жасырылған контактілерді анықтай алмайды. Сондықтан, соңғы жылдары Делоне триангуляциясы сияқты шектік қашықтықсыз әдістерге көбірек мән берілуде. Сонымен қатар, контактіні анықтауды жақсарту үшін физикалық-химиялық қасиеттер, қашықтық, геометрия және бұрыштар сияқты критерийлер жиынтығы қолданылған. PDBx/mmCIF (макромолекулалық кристаллографиялық ақпарат файлы) – кристаллографиялық ақпаратты ұсынуға арналған стандартты мәтіндік файл форматы. 2014 жылдан бастап PDB форматы стандартты PDB архивтік таратылымы ретінде PDBx/mmCIF файл форматымен (.cif) алмастырылды. PDB форматында алты таңбаға дейінгі кілт сөзбен белгіленген жазбалар жиынтығы болса, PDBx/mmCIF форматы кілт пен мәнге негізделген құрылымды қолданады, онда кілт – белгілі бір ерекшелікті анықтайтын атау, ал мән – өзгермелі ақпарат.

Басқа құрылымдық деректер қорлары

Протеиндік деректер банкіне (PDB) қоса, ақуыздық құрылымдар мен басқа да макромолекулалар туралы бірнеше деректер базасы бар. Мысалдар:

MMDB: Протеиндік деректер банкінен (PDB) алынған биомолекулалардың үш өлшемді құрылымы эксперименттік жолмен анықталған. Нуклеин қышқылдарының дерекқоры (NDB): Нуклеин қышқылдары (ДНҚ, РНҚ) туралы тәжірибелік анықталған ақпарат. Ақуыз құрылымдарының жіктелуі (SCOP): Құрылымы белгілі ақуыздар арасындағы құрылымдық және эволюциялық байланыстардың толық сипаттамасы. TOPOFIT DB: TOPOFIT әдісіне негізделген ақуыз құрылымдарының салыстырылуы. Электрондық тығыздық сервері (EDS): Кристалл құрылымдары мен олардың карталарының сәйкестігі туралы электрондық тығыздық карталары мен статистика. CASP: Протеин құрылымын болжау бойынша қоғамдық, дүниежүзілік эксперимент CASP. PISCES сервері: Ақуыздардың қайталамасыз тізімдерін жасау үшін, реттілік сәйкестігі және құрылымдық сапа критерийлері бойынша PDB тізімін құрайды. Құрылымдық биологияның білімқоры: Ақуыз зерттеулерін жобалауға көмектесетін құралдар. ProtCID: Гомологты ақуыздардың кристалдық құрылымдарындағы ұқсас ақуыз-ақуыз интерфейстерінің дерекқоры. AlphaFold: AlphaFold – Ақуыз құрылымының дерекқоры.

Құрылымдық сәйкестендіру

Құрылымдық сәйкестендіру – бұл пішіні мен конформациясына негізделген 3D құрылымдарды салыстыру әдісі. Ол ақуыздар жинағының эволюциялық байланысын, тіпті төмен деңгейдегі тізбек ұқсастығы болған жағдайда да анықтау үшін қолданылуы мүмкін. Құрылымдық сәйкестендіру – бұл 3D құрылымды екіншісіне қабаттастыру, сәйкес позициялардағы атомдарды бұру және жылжыту (әдетте, Cα атомдарын немесе тіпті арқалықтың ауыр C, N, O және Cα атомдарын пайдалана отырып). Әдетте, сәйкестендіру сапасы атомдық позициялардың түбірлік орташа квадраттық ауытқуы (RMSD) арқылы бағаланады, яғни қабаттастырудан кейін атомдар арасындағы орташа қашықтық:

мұнда δi – i-атом мен екінші құрылымдағы сәйкес эталондық атом арасындағы қашықтық немесе N эквивалентті атомдардың орташа координатасы. Әдетте, RMSD нәтижесі 10−10 м-ге тең Ангстрем (Å) бірлігінде өлшенеді. RMSD мәні нөлге неғұрлым жақын болса, құрылымдар соғұрлым ұқсас болады.

График негізделген құрылымдық қолтаңбалар

Құрылымдық қолтаңбалар, сонымен қатар саусақ іздері деп аталады, ұқсастықтар мен айырмашылықтарды анықтауға қолданылатын макромолекулалардың үлгілік бейнелері болып табылады. Протеиндердің үлкен жиынтығын РМДС арқылы салыстыру құрылымдық сәйкестендірудің жоғары есептеу шығындарына байланысты әлі де қиындық тудырады. Атом жұптары арасындағы график қашықтықтарының үлгілеріне негізделген құрылымдық қолтаңбалар протеин идентификациялық векторларын анықтау және маңызды емес ақпаратты табу үшін қолданылған. Бұдан әрі, сызықтық алгебра және машиналық оқыту протеин қолтаңбаларын кластерлеуге, протеин-лиганд өзара әрекеттесуін анықтауға, ΔΔG-ні болжауға және Эвклид қашықтығына негізделген мутацияларды ұсынуға пайдаланылуы мүмкін.

Құрылымын болжау

Молекулалардың атомдық құрылымын рентгендік кристаллография (РК), ЯМР спектроскопиясы және 3D электронды микроскопия сияқты бірнеше әдістермен алуға болады; алайда, бұл процестердің құны жоғары болуы мүмкін, ал кейбір құрылымдарды, мысалы, мембраналық ақуыздарды анықтау қиынға түсуі мүмкін. Сондықтан, макромолекулалардың 3D құрылымын анықтау үшін есептеу тәсілдерін қолдану қажет. Құрылымды болжау әдістері салыстырмалы модельдеу және de novo модельдеу деп жіктеледі.

Салыстырмалы модельдеу

Салыстырмалы модельдеу, сондай-ақ гомологиялық модельдеу деп те аталады, мақсатты белоктың аминқышқылдық тізбегінен және құрылымы белгілі үлгіден үш өлшемді құрылымдарды құру әдістемесі болып табылады. Әдебиетте эволюциялық жақын ақуыздар сақталған үш өлшемді құрылымды көрсетуге бейім екендігі көрсетілген. Сонымен қатар, 20%-дан төмен гомологиясы бар алыс туысқан ақуыздардың тізбектері әртүрлі бүктелімдерді көрсетуі мүмкін.

Жаңадан үлгілеу

Құрылымдық биоинформатикада de novo модельдеу, сондай-ақ ab initio модельдеу деп те аталады, бұл гомологты белгілі 3D құрылымының қажеттілігі болмаса, тізбектерден үш өлшемді құрылымдарды алуға арналған тәсілдерді білдіреді. Соңғы жылдары жаңа алгоритмдер мен әдістер ұсынылғанына қарамастан, de novo ақуыз құрылымын болжау қазіргі ғылымдағы шешілмеген маңызды мәселелердің бірі болып табылады.

Құрылысты растау

Құрылымды модельдеуден кейін құрылымды растаудың қосымша қадамы қажет, себебі салыстырмалы және "de novo" модельдеу алгоритмдері мен құралдарының көпшілігі 3D құрылымды жинауға тырысу үшін эвристика қолданады, бұл көптеген қателерге әкелуі мүмкін. Кейбір растау стратегиялары энергия бағаларын есептеуден және оларды тәжірибелік түрде анықталған құрылымдармен салыстырудан тұрады. Мысалы, DOPE балы – MODELLER құралы ең жақсы модельді анықтау үшін пайдаланатын энергия балы. Тағы бір растау стратегиясы – барлық қалдықтардың φ және ψ тірек диэдрлік бұрыштарын есептеу және Рамачандран диаграммасын құру. Аминқышқылдарының тізбегі мен омыртқадағы өзара әрекеттесу сипаты осы екі бұрышты шектейді, сондықтан рұқсат етілген конформацияларды визуализациялау Рамачандран диаграммасы негізінде жүзеге асырылуы мүмкін. Диаграмманың рұқсат етілмеген аймақтарында орналасқан аминқышқылдарының көп саны – модельдеудің сапасы төмен екенін көрсетеді.

Болжам жасау құралдары

Ақуыз құрылымын болжауға арналған, салыстырмалы модельдеу, белоктарды жіктеу, de novo ақуыз құрылымын болжау және екіншілік құрылымды болжау сияқты жиі қолданылатын бағдарламалық құралдар тізімі ақуыз құрылымын болжау бағдарламалық жасақтамалары тізімінде қолжетімді.

Молекулалық тораптастыру

Молекулалық докинг (немесе просто докинг) – молекуланың (лигандтың) басқа бір молекулаға (рецепторға немесе нысанаға) байланысқандағы кеңістіктегі орналасуын болжауға арналған әдіс. Байланыс көбінесе ковалентті емес әрекеттесулер арқылы жүзеге асырылады, бірақ ковалентті байланысқан байланыстар да зерттелуі мүмкін. Молекулалық докинг лигандтың рецептордың белгілі бір аймақтарымен өзара әрекеттескендегі мүмкін болатын күйлерін (байланыс түрлерін) болжауға көмектеседі. Докинг құралдары күштік өрістерді пайдаланып, екі молекула арасындағы жақсырақ әрекеттесулерге ыңғайлы жағдайларды бағалау және реттеу үшін ұпалдарды есептейді. Көбінесе докинг протоколдары кішкентай молекулалар мен ақуыздар арасындағы өзара әрекеттесуді болжау үшін қолданылады. Дегенмен, докинг ақуыздар, пептидтер, ДНК немесе РНК молекулалары, көмірсулар және басқа да макромолекулалар арасындағы байланыстар мен байланыс түрлерін анықтау үшін де пайдаланылуы мүмкін.

Виртуалды тексеру

Виртуалды скрининг (ВС) – жаңа дәрілерді табу мақсатымен үлкен химиялық қоймаларды жылдам тексеруге қолданылатын есептеу әдісі. Әдетте, виртуалды скрининг мақсатты рецепторға ең жоғары байланысы бар кіші молекулаларды анықтау үшін док-алгоритмдерін пайдаланады. Соңғы жылдары, жаңа дәрілерді ашу процесінде виртуалды скринингтің тиімділігін бағалау үшін бірнеше құралдар қолданылды. Дегенмен, ақпараттың толық болмауы, дәрілік қасиеттерді дұрыс түсінбеу, нашар бағалау функциялары немесе жеткіліксіз док-стратегиялары сияқты мәселелер док-процесіне кедергі келтіреді. Сондықтан, ғылыми әдебиеттерде бұл технология әлі толық жетілмеген деп есептеледі.

Молекулалық динамика

Молекулалық динамика (МД) – молекулалар мен олардың атомдарының белгілі бір уақыт кезеңіндегі өзара әрекеттесуін модельдеуге арналған есептеу әдісі. Бұл әдіс жүйенің жалпы тұтастығын ескере отырып, молекулалардың қозғалысын және олардың арасындағы байланыстарды бақылауға мүмкіндік береді. Жүйелердің қалай өзгеретінін есептеу және осы арқылы траекторияларын анықтау үшін МД Ньютонның қозғалыс заңдарын, сондай-ақ бөлшектер арасындағы күштерді шамалау үшін молекулалық механика әдістерін (күштік өрістер) пайдаланады.

Құралдар

+Структуралық биоинформатика құралдарының тізімі
Программдық қамтамасыз ету
Сипаттама
I TASSER Аминқышқылдар тізбектерінен ақуыз молекулаларының үш өлшемді құрылымдық моделін болжау.
MOE Молекулалық жұмыс ортасы (MOE) – ақуыздар, ақуыз отбасылары және антиденелер үшін құрылымдық модельдеуді қамтитын кең ауқымды платформа.
SBL Құрылымдық биоинформатика кітапханасы: соңғы пайдаланушыға арналған қосымшалар және кеңейтілген алгоритмдер.
BALLView Молекулалық модельдеу және визуализация.
STING Визуализация және талдау.
PyMOL Көру және модельдеу.
VMD Көру, молекулалық динамика.
Gromacs Ақуыз бүктелуі, молекулалық динамика, молекулалық модельді жетілдіру, молекулалық модель күштік өрісін жасау.
LAMMPS Ақуыз бүктелуі, молекулалық динамика, молекулалық модельді жетілдіру, кванттық механикалық макромолекулалық өзара әрекеттесулер.
GAMESS Молекулалық күштік өріс, зарядты жетілдіру, кванттық молекулалық динамика, ақуыз молекулалық химиялық реакцияларды модельдеу (электрондық трансфер).
KiNG Ашық кодты Java kinemage көруші.
STRIDE Координаталардан екіншілік құрылымды анықтау.
DSSP Ақуыздың аминқышқылдарына екіншілік құрылымды тағайындау алгоритмі.
MolProbity Құрылымды тексеру веб-сервері.
PROCHECK А құрылымды тексеру веб-сервісі.
CheShift Ақуыз құрылымын тексеруге арналған онлайн қосымша.
3D mol. js Javascript-ті қолдану арқылы жасалған веб-қосымшалар үшін молекулалық көруші.
PROPKA Эмпирикалық құрылым/функция қатынастарына негізделген ақуыздың pKa мәндерін жылдам болжау.
CARA Компьютерлік көмекші резонанс тапсырмасы.
Docking Server Молекулалық докинг веб-сервері.
StarBiochem Java ақуыз көруші, ақуыз дерекқорын тікелей іздеу мүмкіндігін қамтиды.
SPADE Құрылымдық протеомика қосымшаларын әзірлеу ортасы.
PocketSuite Байланыс орны деңгейінде талдау үшін әртүрлі веб-серверлерге арналған веб-портал. PocketSuite: PocketDepth (Байланыс орнын болжау), PocketMatch (Байланыс орнын салыстыру), PocketAlign (Байланыс орнын сәйкестендіру) және PocketAnnotate (Байланыс орнына түсіндірме беру) болып бөлінеді.
MSL Құрылымдық талдау, болжау және жобалау әдістерін іске асыру үшін ашық кодты C++ молекулалық модельдеу бағдарламалық кітапханасы.
PSSpred Ақуыздың екіншілік құрылымын болжау.
Proteus Мутация жұптарын ұсынуға арналған веб-құрал.
SDMA Ақуыз тұрақтылығына мутациялардың әсерін болжауға арналған сервер.