Структурное выравнивание в когнитивной науке и биоинформатике

Введение

Структурное выравнивание в когнитивной науке. Выравнивание молекулярных последовательностей с использованием информации о последовательности и структуре.

Структурное выравнивание стремится установить гомологию между двумя или более полимерными структурами на основе их формы и трехмерной конформации. Этот процесс обычно применяется к третичным структурам белков, но также может использоваться для крупных молекул РНК. В отличие от простой структурной суперпозиции, где известны хотя бы некоторые эквивалентные остатки в двух структурах, структурное выравнивание не требует предварительных знаний об эквивалентных позициях. Структурное выравнивание является ценным инструментом для сравнения белков с низкой степенью сходства последовательностей, когда эволюционные взаимосвязи между белками не могут быть легко обнаружены стандартными методами выравнивания последовательностей. Таким образом, структурное выравнивание может использоваться для выявления эволюционных связей между белками, имеющими очень мало общих последовательностей. Однако следует соблюдать осторожность при использовании результатов в качестве доказательства общего эволюционного происхождения из-за возможных искажающих эффектов конвергентной эволюции, в результате которой несколько неродственных аминокислотных последовательностей сходятся к общей третичной структуре. Структурные выравнивания могут сравнивать две или несколько последовательностей. Поскольку эти выравнивания опираются на информацию о трехмерных конформациях всех запрошенных последовательностей, метод может применяться только к последовательностям, для которых эти структуры известны. Обычно они определяются с помощью рентгеновской кристаллографии или спектроскопии ЯМР. Возможно выполнение структурного выравнивания на структурах, полученных методами предсказания структуры. Фактически, оценка таких предсказаний часто требует структурного выравнивания между моделью и истинной известной структурой для оценки качества модели. Выбор представления для упрощения вычислений критически важен для разработки эффективного механизма выравнивания.

Методы

Методы структурного выравнивания применяются для сравнения отдельных структур или наборов структур, а также для создания баз данных, содержащих сравнения "всех с всеми", которые оценивают степень различия между каждой парой структур, представленных в Банке данных белков (PDB). Эти базы данных используются для классификации белков по их структурной организации.

Дали

Общим и популярным методом структурного выравнивания является DALI, или метод выравнивания матрицы расстояний, который разбивает входные структуры на фрагменты гексапептидов и вычисляет матрицу расстояний, оценивая контактные паттерны между последовательными фрагментами. Возможно использование различных метрик сходства; первоначальное определение метода CE включало только структурные суперпозиции и расстояния между остатками, но впоследствии было расширено для учета локальных свойств окружения, таких как вторичная структура, экспозиция растворителю, схемы водородных связей и двугранные углы. Этот метод подходит к задаче выравнивания с отличной от большинства других целью. Вместо того, чтобы искать выравнивание, максимально накладывающее наибольшее количество остатков, он определяет подмножество структурного выравнивания, наименее вероятно возникшее случайно. Для этого он помечает выравнивание локального мотива флажками, указывающими, какие остатки одновременно удовлетворяют более строгим критериям: 1) перекрытие локальных структур, 2) регулярная вторичная структура, 3) 3D-суперпозиция, 4) одинаковый порядок в первичной последовательности. Он преобразует статистику количества остатков с высокодостоверными соответствиями и размер белка для вычисления ожидаемого значения (E-value) результата, полученного случайно. Он особенно эффективен при сопоставлении удаленных гомологов, в частности структур, сгенерированных *ab initio* предсказанием структуры, со структурными семействами, такими как SCOP, поскольку он делает акцент на извлечении статистически надежного подвыравнивания, а не на достижении максимального выравнивания последовательностей или максимальной 3D-суперпозиции. Для каждого перекрывающегося окна из 7 последовательных остатков он вычисляет набор единичных векторов направления смещения между соседними остатками Cα. Все локальные мотивы сравниваются друг с другом на основе оценки URMS. Эти значения становятся элементами оценки выравнивания пар для динамического программирования, которое создает начальное парное выравнивание остатков. Вторая фаза использует модифицированный алгоритм MaxSub: одна пара выровненных из 7 остатков в каждом белке используется для ориентации двух полноразмерных белковых структур, чтобы максимально наложить именно эти 7 атомов Cα, после чего в этой ориентации выполняется поиск любых дополнительных выровненных пар, близких в 3D-пространстве. Структуры переориентируются для наложения этого расширенного набора, и процесс повторяется до тех пор, пока больше не будет совпадающих пар в 3D. Этот процесс перезапускается для каждого 7-остаточного окна в начальном выравнивании. Результатом является максимальное количество атомов, найденных из любого из этих начальных "зародышей". Эта статистика преобразуется в откалиброванное E-value для сходства белков. Mammoth не пытается итерировать начальное выравнивание или расширять подмножество высокого качества. Следовательно, выравнивание "зародыша", которое он отображает, нельзя справедливо сравнивать с выравниваниями DALI или TM-align, поскольку оно было сформировано исключительно как эвристический прием для сокращения пространства поиска. (Его можно использовать, если требуется выравнивание, основанное исключительно на сходстве локальных структурных мотивов, не зависящее от выравнивания жестких тел на больших расстояниях). Благодаря этой же простоте он более чем в десять раз быстрее, чем DALI, CE и TM-align. Он часто используется в сочетании с этими более медленными инструментами для предварительного отбора больших баз данных, чтобы извлечь только структуры с наилучшими E-value для более полного наложения или дорогостоящих вычислений. Он особенно успешно применяется для анализа "ложных" структур, полученных при *ab initio* предсказании структуры.

A common and popular structural alignment method is the DALI, or Distance matrix ALIgnment method, which breaks the input structures into hexapeptide fragments and calculates a distance matrix by evaluating the contact patterns between successive fragments. A number of similarity metrics are possible; the original definition of the CE method included only structural superpositions and inter residue distances but has since been expanded to include local environmental properties such as secondary structure, solvent exposure, hydrogen bonding patterns, and dihedral angles. approaches the alignment problem from a different objective than almost all other methods. Rather than trying to find an alignment that maximally superimposes the largest number of residues, it seeks the subset of the structural alignment least likely to occur by chance. To do this it marks a local motif alignment with flags to indicate which residues simultaneously satisfy more stringent criteria: 1) Local structure overlap 2) regular secondary structure 3) 3D superposition 4) same ordering in primary sequence. It converts the statistics of the number of residues with high confidence matches and the size of the protein to compute an Expectation value for the outcome by chance. It excels at matching remote homologs, particularly structures generated by ab initio structure prediction to structure families such as SCOP, because it emphasizes extracting a statistically reliable sub alignment and not in achieving the maximal sequence alignment or maximal 3D superposition. For every overlapping window of 7 consecutive residues it computes the set of displacement direction unit vectors between adjacent C alpha residues. All against all local motifs are compared based on the URMS score. These values becomes the pair alignment score entries for dynamic programming which produces a seed pair wise residue alignment. The second phase uses a modified MaxSub algorithm: a single 7 reside aligned pair in each proteins is used to orient the two full length protein structures to maximally superimpose these just these 7 C alpha, then in this orientation it scans for any additional aligned pairs that are close in 3D. It re orients the structures to superimpose this expanded set and iterates until no more pairs coincide in 3D. This process is restarted for every 7 residue window in the seed alignment. The output is the maximal number of atoms found from any of these initial seeds. This statistic is converted to a calibrated E value for the similarity of the proteins. Mammoth makes no attempt to re iterate the initial alignment or extend the high quality sub subset. Therefore, the seed alignment it displays can't be fairly compared to DALI or TM align as it was formed simply as a heuristic to prune the search space. (It can be used if one wants an alignment based solely on local structure motif similarity agnostic of long range rigid body atomic alignment.) Because of that same parsimony, it is well over ten times faster than DALI, CE and TM align. It is often used in conjunction with these slower tools to pre screen large data bases to extract the just the best E value related structures for more exhaustive superposition or expensive calculations. It has been particularly successful at analyzing "decoy" structures from ab initio structure prediction.

ССАП

Метод SSAP (Sequential Structure Alignment Program) использует двойное динамическое программирование для получения структурного выравнивания на основе векторов атом-атом в пространстве структуры. Вместо альфа-углеродов, обычно используемых при структурном выравнивании, SSAP конструирует свои векторы из бета-углеродов для всех аминокислотных остатков, кроме глицина, что позволяет учитывать ротамерное состояние каждого остатка, а также его положение вдоль полипептидной цепи. SSAP работает, сначала строя серию векторов расстояний между остатками для каждого остатка и его ближайших некоррелированных соседей в каждой белковой структуре. Затем создается серия матриц, содержащих разности векторов между соседями для каждой пары остатков, для которых были построены векторы. Динамическое программирование, применяемое к каждой полученной матрице, определяет серию оптимальных локальных выравниваний, которые затем суммируются в "сводную" матрицу, к которой динамическое программирование применяется повторно для определения общего структурного выравнивания. Изначально SSAP создавал только парные выравнивания, но впоследствии был расширен для работы с множественными выравниваниями, в том числе при сравнении с участками связывания или базами данных структур целых белков. Серверы MultiBind и MAPPIS позволяют идентифицировать общие пространственные расположения физико-химических свойств, таких как доноры и акцепторы водородных связей, алифатические, ароматические или гидрофобные группы, в наборе сайтов связывания белков, предоставленных пользователем и определенных взаимодействиями с малыми молекулами (MultiBind), или в наборе белок-белковых интерфейсов, предоставленных пользователем (MAPPIS). Другие инструменты обеспечивают сравнение целых структур белков с набором структур, предоставленных пользователем, или с большой базой данных структур белков за разумное время (ProBiS). В отличие от подходов глобального выравнивания, подходы локального структурного выравнивания лучше подходят для обнаружения локально консервативных паттернов функциональных групп, которые часто встречаются в сайтах связывания и играют важную роль в связывании лигандов. Это инструмент для выравнивания локальной структуры, в отличие от TM-align, метода, основанного на глобальном структурном выравнивании. Хотя G Losa предсказывает положение лиганд-подобных молекул в белковых мишенях с одной полипептидной цепью точнее, чем TM-align, общий процент успешных выравниваний TM-align выше. Однако, поскольку алгоритмические улучшения и повышение производительности компьютеров устранили чисто технические недостатки старых подходов, стало ясно, что не существует единого универсального критерия для "оптимального" структурного выравнивания. Например, TM-align особенно устойчив при количественном сравнении наборов белков с существенными различиями в длине последовательности, но он лишь косвенно учитывает сохранение водородных связей или порядка вторичной структуры, что может быть более подходящим показателем для выравнивания эволюционно связанных белков. Таким образом, последние разработки были сосредоточены на оптимизации определенных характеристик, таких как скорость, количественная оценка результатов, корреляция с альтернативными эталонными стандартами или устойчивость к неточностям в структурных данных или ab initio структурных моделях. Альтернативная методология, набирающая популярность, заключается в использовании консенсуса различных методов для определения структурного сходства белков.

The SSAP (Sequential Structure Alignment Program) method uses double dynamic programming to produce a structural alignment based on atom to atom vectors in structure space. Instead of the alpha carbons typically used in structural alignment, SSAP constructs its vectors from the beta carbons for all residues except glycine, a method which thus takes into account the rotameric state of each residue as well as its location along the backbone. SSAP works by first constructing a series of inter residue distance vectors between each residue and its nearest non contiguous neighbors on each protein. A series of matrices are then constructed containing the vector differences between neighbors for each pair of residues for which vectors were constructed. Dynamic programming applied to each resulting matrix determines a series of optimal local alignments which are then summed into a "summary" matrix to which dynamic programming is applied again to determine the overall structural alignment. SSAP originally produced only pairwise alignments but has since been extended to multiple alignments as well. against binding sites or whole protein structural databases. The MultiBind and MAPPIS servers allow the identification of common spatial arrangements of physicochemical properties such as H bond donor, acceptor, aliphatic, aromatic or hydrophobic in a set of user provided protein binding sites defined by interactions with small molecules (MultiBind) or in a set of user provided protein–protein interfaces (MAPPIS). Others provide comparison of entire protein structures against a number of user submitted structures or against a large database of protein structures in reasonable time (ProBiS). Unlike global alignment approaches, local structural alignment approaches are suited to detection of locally conserved patterns of functional groups, which often appear in binding sites and have significant involvement in ligand binding. a local structure alignment tool, with TM align, a global structure alignment based method. While G Losa predicts drug like ligands’ positions in single chain protein targets more precisely than TM align, the overall success rate of TM align is better. However, as algorithmic improvements and computer performance have erased purely technical deficiencies in older approaches, it has become clear that there is no one universal criterion for the 'optimal' structural alignment. TM align, for instance, is particularly robust in quantifying comparisons between sets of proteins with great disparities in sequence lengths, but it only indirectly captures hydrogen bonding or secondary structure order conservation which might be better metrics for alignment of evolutionarily related proteins. Thus recent developments have focused on optimizing particular attributes such as speed, quantification of scores, correlation to alternative gold standards, or tolerance of imperfection in structural data or ab initio structural models. An alternative methodology that is gaining popularity is to use the consensus of various methods to ascertain proteins structural similarities.

Структурное выравнивание РНК

Техники структурного выравнивания традиционно применялись исключительно к белкам, как к основным биологическим макромолекулам, принимающим характерные трехмерные структуры. Однако крупные молекулы РНК также формируют характерные третичные структуры, которые в основном обусловлены водородными связями между основаниями и штабелированием оснований. Функционально схожие некодирующие молекулы РНК особенно сложно выделить из геномных данных, поскольку структура сохраняется в РНК сильнее, чем последовательность, а также в белках.