نقش اسيدآمينه‌هاي هيدروفوب در تشخيص ساختار طبيعي پروتئين

Impact of Hydrophobic Amino Acids in Protein Fold Recognition

اهداف: پيش‌بيني ساختار سوم پروتئين‌ها از توالي اسيدآمينه‌ها يكي از مسايل مهم در بيوانفورماتيك ساختاري است. پروتئين‌ها ساختار طبيعي خود را از ميان آرايش‌هاي متعدد فضايي در كسري از ثانيه انتخاب مي‌كنند. پارادوكس لوينتال بيان مي‌كند جست‌وجوي تصادفي در ميان فضاي تمام آرايش‌هاي فضايي ممكن امكان‌پذير نيست و بايد مكانيزمي براي آن وجود داشته باشد.الفباي كمتر از 20 اسيدآمينه در ساختار پروتئين مي‌تواند پيچيدگي مساله تاخوردگي پروتئين را تا حدودي كاهش دهد. عموماً فرض مي‌شود كه ساختار طبيعي در مينيمم انرژي خود شكل مي‌گيرد. بنابراين نياز به يك تابع انرژي مناسب براي ارزيابي ساختار ضروري است. مواد و روش‌ها: توابع پتانسيل دانش- پايه يكي از انواع توابع انرژي است كه از داده‌هاي ساختار پروتئين‌هاي شناخته‌شده به دست مي‌آيد. در اين مطالعه يك تابع انرژي دانش- پايه ارايه مي‌كنيم و تاثير اسيدآمينه‌هاي آلانين، لوسين، ايزولوسين، والين و فنيل‌آلانين در تشخيص ساختار طبيعي را بررسي مي‌كنيم. در مدل كاهش‌يافته تنها انرژي بين اسيدآمينه‌هاي مذكور را در نظر مي‌گيريم. يافته‌ها: مدل كاهش‌يافته را با چهار معيار ارزيابي كرديم. نتايج نشان مي‌دهد كه تفاوت معني‌داري بين نتايج مدل 20- اسيدآمينه و مدل كاهش‌يافته وجود ندارد. نتيجه‌گيري: اين مدل نشان مي‌دهد كه توان تابع انرژي به‌دست‌آمده حاصل قدرت انرژي ميان اين پنج اسيدآمينه است و بنابراين براي افزايش قدرت توابع پتانسيل نيازمند نگرش جديدي هستيم كه بتوانيم به نحو موثرتري از اندركنش تمام اسيدآمينه‌ها در ساختار بهره ببريم.

Aims: Prediction of three-dimensional structure from a sequence of amino acids is one of the important problems in structural bioinformatics. Proteins select a special structure among many possible conformations in order of seconds. Levinthal paradox expresses that random searches could not be an effective way to form a native structure and a principal mechanism should be available. Reduced alphabet fewer than 20 have been interested in protein structure because it could sufficiently simplify the protein folding problem. It is generally assumed that the native structure form in the lowest free energy among all conformational states. Therefore, it is needed to design a trustworthy potential function that could discriminate protein fold from incorrect ones. Materials and Methods: Knowledge-based potential functions are one type of energy functions derived from a database of known protein structures. In this study, we introduce a knowledge-based potential and assess the power of five amino acids ALA, LEU, ILE, VAL, and PHE in discrimination of native structure using the reduced model. In the reduced model only the energy between the aforementioned amino acids are calculated. Finding: The reduced model was evaluated using four criteria. The results indicate that there is no significant difference between the 20- amino acid model and the reduced model. Conclusion: The presented model indicates that the power of discrimination of native structure is originally from the interaction between the aforementioned amino acids. Therefore, it needed a new strategy to capture the remaining interactions to improve the power of knowledge-based potential function.