Presentation laddar. Vänta.

Presentation laddar. Vänta.

Predicting protein folding pathways.  Mohammed J. Zaki, Vinay Nadimpally, Deb Bardhan and Chris Bystroff  Artikel i Bioinformatics 2004.

Liknande presentationer


En presentation över ämnet: "Predicting protein folding pathways.  Mohammed J. Zaki, Vinay Nadimpally, Deb Bardhan and Chris Bystroff  Artikel i Bioinformatics 2004."— Presentationens avskrift:

1 Predicting protein folding pathways

2  Mohammed J. Zaki, Vinay Nadimpally, Deb Bardhan and Chris Bystroff  Artikel i Bioinformatics 2004

3 Upplägg av presentationen  Motivering  Idén  Matematik  Algoritmer och exempel

4 Pathway prediction problem vs Protein folding problem  Givet aa-sekvens bestämma 3D- strukturen  Givet aa-sekvens och 3D-struktur bestämma ordnad sekvens av ”folding events”

5 Varför är folding pathways intressanta?  Lära sig mer om hur proteiner veckar sig, vanliga steg/sekvenser i veckningen  Sjukdomar som beror på felveckade proteiner: C-J, CF, hereditary emphysema

6 Idén  Ta 3D-strukturen för ett färdigveckat protein och veckla ut den steg för steg tills man har en linjär molekyl  Omvändningen av en sådan sekvens av veckningssteg utgör en trolig folding pathway

7 Ett antagande  Non-native contacts inte är viktiga  Native contacts bildas bara en gång under veckningen

8 Viktade SSE-grafer  En SSE(secondary structure element)-graf är en graf där alfahelixar och betaflak utgör noderna och där interaktioner mellan SSE utgör bågarna  Bågarna är viktade efter styrkan hos interaktionen mellan SSE:na

9 Viktade grafer  Noder, bågar och viktfunktionen

10 Cuts  Uppdelning av nodmängden V i två icke-tomma, disjunkta delmängder, C och C’, där C’ = V \ C  Kapaciteten hos ett cut är summan av vikterna på de bågar som har exakt en ändpunkt i C  Ett min-cut är den uppdelning i subgrafer som har minst kapacitet

11 Min-cuts  Min-cuts behöver inte vara unika  Det finns algoritmer som hittar min- cuts på O(|V||E|+|V| 2 log|V|)

12 Båge existerar om  Interaktionen mellan två SSE är större än ett tröskelvärde  SSE ligger bredvid varandra på peptide backbone

13 Beräkning av interaktion,   Kontaktbaserad  Avståndsbaserad  SAS (solvent accessible surface) - baserad

14 Kontaktbaserad interaktion  3D-koordinater  Euklidiskt avstånd mellan aa  Kontakt om

15 Kontaktbaserad interaktion  Contact map: binär NxN-matris med ettor om kontakt, annars nollor  Vikten bestäms av antalet kontakter mellan två SSE

16 Avståndsbaserad interaktion  Metoden är en utökning av kontaktbaserad interaktion där varje aa-par skalas efter hur nära varandra de är

17 Viktfunktionen W(e)  Kontaktbaserad  Avståndsbaserad  SAS (solvent accessible surface) - baserad

18 Metoden så här långt:  Ta 3D-struktur (tex. från PDB)  Skapa graf med SSE som noder  Beräkna styrka på interaktionen (tex. baserat på avstånd) mellan aa för att hitta bågarna  Tilldela varje båge en vikt

19 Exempel: IgG-binding protein G (2IGD)  61 aa  4 betaflak  1 alfahelix 11 44   C-term N-term

20 Algoritmen  Ett min-cut visar var interaktionen mellan SSE är svag  Det visar ett ställe där det är troligt att unfolding kan börja  Algoritmen Unfold hittar en trolig folding pathway

21 Algoritmen Unfold Unfold(G(V,E),W):C=NOI-MinCut(G,W) G C =(C,E C ); G C’ =(C’,E C’ ) if (|C|>1) Unfold(G C,W) if (|C’|>1) Unfold(G C’,W)

22 Exempel: IgG-binding protein G (2IGD) NOI-min-cut: {b2,b2,a1},{b4,b3} Kapacitet = 11+14=25 11 44   C-term N-term

23 Algoritmen Unfold Unfold(G(V,E),W):C=NOI-MinCut(G,W) G C =(C,E C ); G C’ =(C’,E C’ ) if (|C|>1) Unfold(G C,W) if (|C’|>1) Unfold(G C’,W)

24 Unfold tree     

25

26 Problem med Unfold  Väljer bara ett min-cuts  Det kan finnas flera med samma eller nästan samma kapacitet  Vill kunna hitta flera möjliga folding pathways

27 MultiUnfold  Om W(C) är kapaciteten för ett min- cut så definieras near min-cuts som (1+)W(C),   Detta ger flera möjliga vägar vid varje min-cut

28 Exempel: 2IDG (igen)  Här är kapaciteten av min-cut W(C)=25  Near min-cut blir, med =0.5, 1.5*25=37.5 11 44  

29 Near min-cuts på 2IGD  Förutom C={}, W(C)=25 fås då C’={}, W(C’)=27 och C’’={}, W(C’’)=36 11 44  

30 Near min-cuts  Detta ger många fler tänkbara folding pathways  Dessa kan även rankas efter hur troliga de är

31 Större exempel: Dihydrofolate Reductase

32

33 Sen då?  Man kan lägga till loop-regioner som noder i grafen  Testa algoritmerna på hela PDB för att se om man kan hitta liknande veckningsvägar för proteiner från samma familj

34 THE END! Frågor? Frågor?


Ladda ner ppt "Predicting protein folding pathways.  Mohammed J. Zaki, Vinay Nadimpally, Deb Bardhan and Chris Bystroff  Artikel i Bioinformatics 2004."

Liknande presentationer


Google-annonser