第１部蛋白質とは Protein Data Bank (PDB)とは

Size: px

Start display at page:

Download "第１部蛋白質とは Protein Data Bank (PDB)とは"

ほのかとこたに
5 years ago
Views:

1 蛋白質立体構造データベースとその検索きんじょうあきら金城玲大阪大学蛋白質研究所プロテオミクス総合研究センターおよび情報システム研究機構ライフサイエンス統合データベースセンター

2 第１部蛋白質とは Protein Data Bank (PDB)とは

3 蛋白質入門 lberts et al., Molecular Biology of the ell (4/e) 遺伝子のDN配列がmRN を介して転写アミノ酸配列に翻訳されたものが蛋白質アミノ酸は２０種類アミノ酸がペプチド結合で線形につながったものがポリペプチド遺伝子配列に対応するポリペプチドが蛋白質アミノ酸配列の長さは数十から数千残基 entral Dogma

4 蛋白質の構造入門特定のアミノ酸配列をもつ蛋白質は生理条件下で特定の立体構造天然構造をとる nfinsenのドグマ天然構造は熱力学的な平衡状態アミノ酸配列は境界条件特定の機能酵素活性などは特定の構造が担う

5 蛋白質の構造入門２蛋白質の機能と構造は直結している

6 Protein Data Bank 実験的に決定された蛋白質の立体構造情報を集積したデータバンク１９７０年代初頭に米国Brookhavenで活動開始２００３年より world-wide PDB (wwpdb) として米国 (RSB) 欧州(PDBe) 日本(PDBj)の三極体制で運営 PDBj (Protein Data Bank Japan)は大阪大学蛋白質研究所で運営されている蛋白質構造決定の論文を出版する際にはPDBへの登録が必須 PDBのデータはすべて無料で公開されている

7 PDB入門エントリーの概念一つの実験で決定された構造が一つのエントリーに対応する各エントリーの情報は一つのファイルに記述されるファイルフォーマットは３種類 PDBフォーマット行指向のフラットファイル mmif (国際結晶連合の規格 IF を拡張したもの PDBML mmifを XML形式に焼き直したもの wwpdb内部では mmifを基本にして他の形式に変換して公開している

8 蛋白質の立体構造決定法現在PDBに収められている構造は右のいずれかの手法で決定されたもの多様な実験手法に統一的に対応する必要がある基本はアノテーションと原子座標.X-ray diffraction 2.Neutron diffraction 3.Fiber diffraction 4.Electron crystallography 5.Electron microscopy 6.Solution NMR 7.Solid-state NMR 8.Solution scattering 9.Powder diffraction 0.Infrared spectroscopy

9 データの実際 PDBフォーマット HEDER TITLE TITLE OMPND OMPND OMPND OMPND OMPND SOURE SOURE SOURE KEYWDS EXPDT UTHOR REVDT REVDT REVDT JRNL JRNL JRNL JRNL JRNL JRNL JRNL JRNL REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK OXIDOREDUTSE(OXYGEN()) 30-SEP-93 GOF NOVEL THIOETHER BOND REVELED BY.7 NGSTROMS RYSTL 2 STRUTURE OF GLTOSE OXIDSE MOL_ID: ; 2 MOLEULE: GLTOSE OXIDSE; 3 HIN: ; 4 E:..3.9; 5 ENGINEERED: YES MOL_ID: ; 2 ORGNISM_SIENTIFI: HYPOMYES ROSELLUS; 3 ORGNISM_TXID: 532 OXIDOREDUTSE(OXYGEN()) X-RY DIFFRTION N.ITO,S.E.V.PHILLIPS,P.F.KNOWLES 3 24-FEB-09 GOF VERSN 2 0-PR-03 GOF JRNL 3-JN-94 GOF 0 UTH N.ITO,S.E.PHILLIPS,.STEVENS,Z.B.OGEL, UTH 2 M.J.MPHERSON,J.N.KEEN,K.D.YDV,P.F.KNOWLES TITL NOVEL THIOETHER BOND REVELED BY.7 RYSTL TITL 2 STRUTURE OF GLTOSE OXIDSE. REF NTURE V REFN ISSN PMID DOI 0.038/ REFERENE UTH N.ITO,S.E.V.PHILLIPS,K.K.S.YDV,P.F.KNOWLES TITL THE RYSTL STRUTURE OF FREE RDIL ENZYME, TITL 2 GLTOSE OXIDSE REF TO BE PUBLISHED REFN REFERENE 2 UTH M.J.MPHERSON,Z.B.OGEL,.STEVENS,K.D.S.YDV, UTH 2 J.M.KEEN,P.F.KNOWLES TITL GLTOSE OXIDSE OF DTYLIUM DENDROIDES: GENE TITL 2 LONING ND SEQUENE NLYSIS REF J.BIOL.HEM. V REFN ISSN RESOLUTION..70 NGSTROMS.

10 PDBフォーマットつづき TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM TOM N O B N O B OG N O B N O B G D L L L L L SER SER SER SER SER SER L L L L L PRO PRO PRO PRO PRO PRO PRO N O N O O N O N O

11 mmif data_gof # _entry.id GOF # _audit_conform.dict_name mmcif_pdbx.dic _audit_conform.dict_version.0670 _audit_conform.dict_location # _database_2.database_id PDB _database_2.database_code GOF # loop database_pdb_rev.num _database_pdb_rev.date _database_pdb_rev.date_original _database_pdb_rev.status _database_pdb_rev.replaces _database_pdb_rev.mod_type GOF GOF GOF # loop database_pdb_rev_record.rev_num _database_pdb_rev_record.type _database_pdb_rev_record.details 2 JRNL 3 VERSN # _pdbx_database_status.status_code REL _pdbx_database_status.entry_id GOF _pdbx_database_status.deposit_site _pdbx_database_status.process_site _pdbx_database_status.sg_entry. # loop audit_author.name _audit_author.pdbx_ordinal 'Ito, N.' 'Phillips, S.E.V.' 2 'Knowles, P.F.' 3 #

12 loop atom_site.group_pdb _atom_site.id _atom_site.type_symbol _atom_site.label_atom_id _atom_site.label_alt_id _atom_site.label_comp_id _atom_site.label_asym_id _atom_site.label_entity_id _atom_site.label_seq_id _atom_site.pdbx_pdb_ins_code _atom_site.artn_x _atom_site.artn_y _atom_site.artn_z _atom_site.occupancy _atom_site.b_iso_or_equiv _atom_site.artn_x_esd _atom_site.artn_y_esd _atom_site.artn_z_esd _atom_site.occupancy_esd _atom_site.b_iso_or_equiv_esd _atom_site.pdbx_formal_charge _atom_site.auth_seq_id _atom_site.auth_comp_id _atom_site.auth_asym_id _atom_site.auth_atom_id _atom_site.pdbx_pdb_model_num TOM N N. L TOM 2. L TOM 3. L TOM 4 O O. L TOM 5 B. L TOM 6 N N. SER 2 TOM 7. SER 2 TOM 8. SER 2 TOM 9 O O. SER 2 TOM 0 B. SER 2 TOM O OG. SER 2 TOM 2 N N. L 3 TOM 3. L 3 TOM 4. L 3 TOM 5 O O. L 3 TOM 6 B. L 3 TOM 7 N N. PRO 4 TOM 8. PRO 4 TOM 9. PRO 4 TOM 20 O O. PRO 4 TOM 2 B. PRO 4 TOM 22 G. PRO 4 TOM 23 D. PRO 4 mmif (つづき) L L L L L SER SER SER SER SER SER L L L L L PRO PRO PRO PRO PRO PRO PRO N O B N O B OG N O B N O B G D

13 PDBML <xml version=".0" encoding="utf-8" > <PDBx:datablock datablockname="gof-noatom" xmlns:pdbx=" xmlns:xsi=" xsi:schemalocation=" pdbx-v32.xsd"> <PDBx:atom_sitesategory> <PDBx:atom_sites entry_id="gof"> <PDBx:artn_transform_axes xsi:nil="true" /> <PDBx:fract_transf_matrix>0.0535</PDBx:fract_transf_matrix> <PDBx:fract_transf_matrix2> </PDBx:fract_transf_matrix2> <PDBx:fract_transf_matrix3> </PDBx:fract_transf_matrix3> <PDBx:fract_transf_matrix2> </PDBx:fract_transf_matrix2> <PDBx:fract_transf_matrix22>0.086</PDBx:fract_transf_matrix22> <PDBx:fract_transf_matrix23> </PDBx:fract_transf_matrix23> <PDBx:fract_transf_matrix3> </PDBx:fract_transf_matrix3> <PDBx:fract_transf_matrix32> </PDBx:fract_transf_matrix32> <PDBx:fract_transf_matrix33>0.0534</PDBx:fract_transf_matrix33> <PDBx:fract_transf_vector> </PDBx:fract_transf_vector> <PDBx:fract_transf_vector2> </PDBx:fract_transf_vector2> <PDBx:fract_transf_vector3> </PDBx:fract_transf_vector3> </PDBx:atom_sites> </PDBx:atom_sitesategory> <PDBx:atom_sites_footnoteategory> <PDBx:atom_sites_footnote id=""> <PDBx:text>IS PROLINE - PRO 52</PDBx:text> </PDBx:atom_sites_footnote> <PDBx:atom_sites_footnote id="2"> <PDBx:text>IS PROLINE - PRO 63</PDBx:text> </PDBx:atom_sites_footnote> <PDBx:atom_sites_footnote id="3"> <PDBx:text>IS PROLINE - PRO 350</PDBx:text> </PDBx:atom_sites_footnote> </PDBx:atom_sites_footnoteategory>

14 PDBML (つづき) <PDBx:atom_siteategory> <PDBx:atom_site id=""> <PDBx:B_iso_or_equiv>34.65</PDBx:B_iso_or_equiv> <PDBx:B_iso_or_equiv_esd xsi:nil="true" /> <PDBx:artn_x>38.840</PDBx:artn_x> <PDBx:artn_x_esd xsi:nil="true" /> <PDBx:artn_y>0.236</PDBx:artn_y> <PDBx:artn_y_esd xsi:nil="true" /> <PDBx:artn_z>.02</PDBx:artn_z> <PDBx:artn_z_esd xsi:nil="true" /> <PDBx:auth_asym_id></PDBx:auth_asym_id> <PDBx:auth_atom_id>N</PDBx:auth_atom_id> <PDBx:auth_comp_id>L</PDBx:auth_comp_id> <PDBx:auth_seq_id></PDBx:auth_seq_id> <PDBx:group_PDB>TOM</PDBx:group_PDB> <PDBx:label_alt_id></PDBx:label_alt_id> <PDBx:label_asym_id></PDBx:label_asym_id> <PDBx:label_atom_id>N</PDBx:label_atom_id> <PDBx:label_comp_id>L</PDBx:label_comp_id> <PDBx:label_entity_id></PDBx:label_entity_id> <PDBx:label_seq_id></PDBx:label_seq_id> <PDBx:occupancy></PDBx:occupancy> <PDBx:occupancy_esd xsi:nil="true" /> <PDBx:pdbx_PDB_ins_code xsi:nil="true" /> <PDBx:pdbx_PDB_model_num></PDBx:pdbx_PDB_model_num> <PDBx:pdbx_formal_charge xsi:nil="true" /> <PDBx:type_symbol>N</PDBx:type_symbol> </PDBx:atom_site> <PDBx:atom_site id="2"> <PDBx:B_iso_or_equiv>42.26</PDBx:B_iso_or_equiv> <PDBx:B_iso_or_equiv_esd xsi:nil="true" /> <PDBx:artn_x>38.356</PDBx:artn_x> <PDBx:artn_x_esd xsi:nil="true" /> <PDBx:artn_y>-0.999</PDBx:artn_y> <PDBx:artn_y_esd xsi:nil="true" /> <PDBx:artn_z>0.357</PDBx:artn_z> <PDBx:artn_z_esd xsi:nil="true" /> <PDBx:auth_asym_id></PDBx:auth_asym_id> <PDBx:auth_atom_id></PDBx:auth_atom_id> <PDBx:auth_comp_id>L</PDBx:auth_comp_id> <PDBx:auth_seq_id></PDBx:auth_seq_id> <PDBx:group_PDB>TOM</PDBx:group_PDB> <PDBx:label_alt_id></PDBx:label_alt_id> <PDBx:label_asym_id></PDBx:label_asym_id> <PDBx:label_atom_id></PDBx:label_atom_id> <PDBx:label_comp_id>L</PDBx:label_comp_id> <PDBx:label_entity_id></PDBx:label_entity_id> <PDBx:label_seq_id></PDBx:label_seq_id> <PDBx:occupancy></PDBx:occupancy> <PDBx:occupancy_esd xsi:nil="true" /> <PDBx:pdbx_PDB_ins_code xsi:nil="true" /> <PDBx:pdbx_PDB_model_num></PDBx:pdbx_PDB_model_num> <PDBx:pdbx_formal_charge xsi:nil="true" /> <PDBx:type_symbol></PDBx:type_symbol> </PDBx:atom_site>

15 第２部 PDBjのバックエンドデータベースの開発

16 PDBj 阪大蛋白研データの登録作業新規サービスの開発実験家からの受付データの査定公開検索サービス二次データベースアノテーション付加 JST-BIRD事業の支援統括責任者中村春木教授総勢約３０名

17 基本の検索キーワード条件指定 PDBの公式なデータ配布形式は各エントリーのファイルのみ２００９年８月現在約６万しかしこれでは検索には向かないヒトのヘモグロビンα鎖はどのエントリー蛋白質とDNの複合体はどのエントリー解像度.5Å以上のX線結晶構造がほしいなどなど

18 XML-based Protein Structure Search Service (xpsss) PDBML (PDBのXML形式)をそのまま native XML DB に格納ふつうの検索はとくに問題ないややこしい検索には時間がかかる XQuery/XPathによる検索も直接できるが誰も使わない(使えない

19 dvanced Search: 条件指定検索よく使う項目のみに特化した検索引用文献ポリマーのタイプリガンド分子名実験手法公開日キーワード検索

20 Native XML DBの問題点商用ライセンス料が高い PDBjの運営予算は限られているミラーサイトが構築できない OSS)未成熟 PDBjの規模には使えない商用 OSS 技術が枯れてない XQuery.0 は２００７年１月にようやくW3 recommendationになったばかり複雑な検索をするととたんに遅くなる

21 PDBMLをRDBに格納する PDBML Schema RDB table (XML SQLコンパイラ Xpath による階層構造の分解検索のためのサマリーテーブルしょうがないので自前で開発することにした

22 なぜRDBか PDBのデータ構造は複雑なので単なる全文検索では意味をなさない RDBは良質のOSSが複数存在する今回はPostgreSQLを選択した

23 XML文書の分解 (c.f. M. Yoshikawa et al. (200) M Trans. IT, :0 4) XML Schemaに基づいて可能なXPathをすべて列挙する Xpath テーブル名各ドキュメントノードを深さ優先で番号ポインタ付けする

24 テーブルの構造 RETE TBLE E:/datablock/entryategory/entry ( Docid INT REFERENES xmldoc(docid), /* エントリーID */ Pstart INT, /* エレメントの開始点 (括弧ひらく */ Pend INT, /* エレメントの終了点括弧とじる */ PRIMRY KEY(docid,pstart,pend)); RETE TBLE /datablock/entryategory/entry/@id ( Docid INT REFERENES xmldoc(docid), Pos INT, /* エレメントの位置 PDataも属性も同様に扱う */ Val TEXT, /* エレメントの値 (PDataまたは属性) */ PRIMRY KEY(docid, pos)); RETE TBLE /datablock/database_pdb_revategory/database_pdb_rev/date ( Docid INT REFERENES xmldoc(docid), Pos INT, Val DTE, PRIMRY KEY(docid,pos)); このようなテーブルが約８０００個定義される dvanced Search用にmaterialized view を定義する現在バックエンドはほぼ出来上がり β版公開に向けてウェブifを構築中

25 検索例 <datablock datablockname= 0M >... <struct_refategory> <struct_ref> <db_name>unp</db_name> <db_code>p0285</db_code> </struct_ref> </struct_refategory>... </datablock> SELET docid, p2.val FROM "E:/datablock/struct_refategory/struct_ref" e JOIN "/datablock/struct_refategory/struct_ref/db_name" p ON (p.docid = e.docid ND p.pos BETWEEN e.pstart ND e.pend) JOIN "/datablock/struct_refategory/struct_ref/db_code" p2 ON (p2.docid = e.docid ND p2.pos BETWEEN e.pstart ND e.pend) WHERE p.val = 'UNP'

26 第３部立体構造のかたちの検索

27 PDBの最重要情報は構造そのもの構造決定は分子機能のメカニズムを詳細に理解するために行われる PDBのエントリに付加されたアノテーションはおまけにすぎない構造そのものから機能を理解するのが本来の目的では構造そのものとは何か原子座標の組

28 原子座標からわかることかたち分子間相互作用これらを介して機能のメカニズムを推測するしかし一つの構造をみるだけでは複雑すぎてどこを見たらよいのかわからないことも多い構造の比較パターン分類

29 立体構造比較似たような構造同士を並べて重ね合わせることで機能部位の普遍性と多様性が見えてくるそのためには似た構造を探し出し原子間の対応付けるという作業が必要になる

30 構造類似性の検出法の一ついろいろな局所座標系を定義する (i.e., 並進回転の自由度を取り除くそれぞれの局所座標系で重なる原子を数える重なる原子が多ければ似ていると判定できる

31 構造比較の計算複雑性３つの原子の座標で局所座標系が定義できる蛋白質(M原子) vs. 蛋白質B(N原子) 3 局所座標系: O M 3 O N 局所座標系B: これらの座標系の総当たり比較をするので結局 3 3 O M N の手間が必要になる実際は発見的手法で O M 2 N 2 程度に減るが一対の構造比較の時間は馬鹿にならない十万件以上の構造データに対して検索はできない

32 幾何学的索引付け原子座標のDelaunay分割で決まる四面体四面体で局所座標系を定義四面体の属性体積面積辺の長さ各面の周囲の原子組成などで特徴付け四面体の属性と変換後の原子座標を丸ごとRDBに保存原理的にはSQLの１クエリで類似性検索が可能実際は効率化のために外部プログラムのハッシュテーブルも併用する

33 RDBへの格納と検索 RETE TBLE refsetdb ( lbsml_id INTEGER, irs INTEGER, PRIMRY KEY (lbsml_id, tetra TEXT, tvol DOUBLE PREISION, td0 DOUBLE PREISION, td02 DOUBLE PREISION, td03 DOUBLE PREISION, td2 DOUBLE PREISION, td23 DOUBLE PREISION, td3 DOUBLE PREISION, atype_id INTEGER [ ], xco DOUBLE PREISION [ yco DOUBLE PREISION [ zco DOUBLE PREISION [ ); irs) 実際はまとめてバイナリデータのコラムにする ], ], ] } 実際は四面体には４０の属性がある SELET atype, xco, FROM refsetdb WHERE tetra = tq ND tvo BETWEEN ND td0 BETWEEN ND td02 BETWEEN ND td03 BETWEEN ND td2 BETWEEN ND td23 BETWEEN ND td3 BETWEEN ND....R. Kinjo & H. Nakamura (2007) BIOPHYSIS 3:75-84 yco, zco, lbsml_id, irs vq Δv d0 Δd d02 Δd d03 Δd d2 Δd d23 Δd d3 Δd ND ND ND ND ND ND ND vq +Δv d0+δd d02+δd d03+δd d2+δd d23+δd d3+δd

34 似ているからアラインメントへ近くにある原子対を辺重み付きで結ぶ二部グラフのマッチングで原子の１対１対応が得られるその対応に基づいて最小二乗法で構造重ね合わせもう一度二部グラフを作り直して繰り返し計算

35 リガンド結合部位の総当たり比較１８万件以上の蛋白質のリガンド結合部位の総当たり比較 3 days/60 PU cores 3000程度の頻出パターンを同定 4000以上のパターンが全体構造の類似性とは無関係に出現していることが明らかになった.R. Kinjo & H. Nakamura (2009) Structure 7:

36 構造類似性の例

37 構造類似性のネットワークの例蛋白質と低分子化合物の相互作用のパターンが分類できた

38 蛋白質-蛋白質相互作用への応用蛋白質-低分子化合物相互作用は蛋白質の生化学的機能分子機能蛋白質-蛋白質相互作用は蛋白質の生物学的機能細胞機能分子細胞生物学の教科書を見よあるいは藤博幸著タンパク質機能解析のためのバイオインフォマティクス講談社サイエンティフィク

39 蛋白質結合モチーフのネットワークはシンプルリガンド結合部位の比較と同様に蛋白質結合部位約１８万件の総当たり比較を行ったその結果得られる相互作用ネットワークは小さい (いわゆる small world という意味ではない蛋白質間相互作用は精密に維持されていることが推測される

40 まとめタンパク質立体構造データベースは二つの要素からなるアノテーション実験情報モノに関する情報由来配列機能原子座標通常のRDBなどの通常の運用で検索可現実的な検索をするためには特別な工夫が必要うまく前処理できればRDBが活用できるアノテーションと原子座標の両方をRDBで扱えればちょっとした統合DB が可能になるこれまではアノテーションと構造は全く別物扱いだった

41 PDBjのメンバー統括責任者中村春木 (大阪大学蛋白質研究所教授) PDBjデータベース管理運営グループ中川敦史 (大阪大学蛋白質研究所教授) 松浦孝範 (大阪大学蛋白質研究所特任研究員客員准教授 ) BMRBデータベース管理運営グループ藤原敏道 (大阪大学蛋白質研究所教授) 阿久津秀雄 (大阪大学蛋白質研究所客員教授) 小林直弘 (大阪大学蛋白質研究所特任研究員) 中谷英一 (科学技術振興機構技術員) 原野陽子 (大阪大学蛋白質研究所特任研究員) 九州大学生体防御医学研究所グループ五十嵐令子 (科学技術振興機構研究補助員) 見学有美子 (科学技術振興機構研究補助員) 松浦かんな (科学技術振興機構研究補助員) 井上真由美 (大阪大学蛋白質研究所特任研究員) 陳旻瑜 (大阪大学蛋白質研究所特任研究員) PDBj国際的な運営高度化グループ藤博幸 (九州大学生体防御医学研究所教授) (for SH) 加藤和貴 (九州大学デジタルメディシンイニシャティブ准教授) 大津美希 (九州大学生体防御医学研究所研究補助員) 研究協力者輪湖博 (早稲田大学社会科学部教授) 金城玲 (大阪大学蛋白質研究所准教授) 伊藤暢聡 (東京医科歯科大学大学院教授) 岩崎憲治 (大阪大学蛋白質研究所准教授) 木下賢吾 (東京大学医科学研究所准教授) 鈴木博文 (大阪大学蛋白質研究所特任研究員) 山下鈴子 (科学技術振興機構技術員) 鎌田知佐 (科学技術振興機構研究補助員) 清水有希子 (科学技術振興機構研究補助員) 工藤高裕 (大阪大学蛋白質研究所特任研究員) Standley, M.Daron (大阪大学免疫学フロンティア研究センター准教授)

PDB データの読み解き方 mmcif と PDBML 金城玲大阪大学蛋白質研究所 PDBj講習会 1

PDB データの読み解き方 mmcif と PDBML 金城玲大阪大学蛋白質研究所この講義の内容 PDB の新しいフォーマットの必要性 PDB の新しいフォーマットである mmcif その XML への直訳である PDBML mmcif と PDBML の基礎である PDBx 辞書これらの具体例 2 PDB の新フォーマット旧フォーマットはいわゆる PDB ファイルのフォーマットのこと

第１部 蛋白質とは Protein Data Bank (PDB)とは

第１部蛋白質とは Protein Data Bank (PDB)とは