近畿大学農学部生命情報学生体高分子の立体構造とその予測 Ras MTEYKLVVVGAGGVGKSAL TIQLIQNHFVDEYDPTIED SYRKQVVIDGETCLLDILD TAGQEEYSAMRDQYMRTGE GFLCVFAINNTKSFEDIHQ YREQIKRVKDSDDVP

Size: px

Start display at page:

Download "近畿大学農学部生命情報学生体高分子の立体構造とその予測 Ras MTEYKLVVVGAGGVGKSAL TIQLIQNHFVDEYDPTIED SYRKQVVIDGETCLLDILD TAGQEEYSAMRDQYMRTGE GFLCVFAINNTKSFEDIHQ YREQIKRVKDSDDVP"

さみらあかさか
4 years ago
Views:

情報蛋白質機能予測学講座川端猛 takawaba@is.naist.jp http://isw3.naist.jp/is/kawabata-lab/home-ja.

1 近畿大学農学部生命情報学生体高分子の立体構造とその予測 Ras MTEYKLVVVGAGGVGKSAL TIQLIQHFVDEYDPTIED SYRKQVVIDGETCLLDILD TAGQEEYSAMRDQYMRTGE GFLCVFAITKSFEDIHQ YREQIKRVKDSDDVPMVLV GKCDLAARTVESRQAQDL ARSYGIPYIETSAKTRQGV EDAFYTLVREIRQH 2007 年 5 月 22 日 ( 火 ) 奈良先端大情報蛋白質機能予測学講座川端猛 takawaba@is.naist.jp 生体高分子の立体構造いくつかのユニットがひも状に一列に並んだ高分子 ( ポリマー ) DA RA は 4 種の塩基 [AT(U)GC] タンパク質は 20 種類のアミノ酸 [AVFPMILDEKRSTYHCQWG] ひもなのでとにかくフレキシブル原理的にどんな形もとりうるユニットの並びや環境によってどんな形を好むかが決まる

2 核酸 (DA) の立体構造 TGTACTAGTTAACTAGTAC CATGATCAATTGATCATGT 原則的に二重らせん構造構造は配列にあまり依存しないタンパク質の立体構造 α/β all-α all-β 極めて多様な構造 α+β 構造はそのアミノ酸配列によって決定される立体構造の多様性はその分子機能の多様性と関係

X 線結晶解析大量発現精製結晶化立体構造の決定法 X 線回折強度の測定原子モデルの構築原子モデルの精密化 MR( 核磁気共鳴法 ) 大量発現精製 3 次元電子密度マップ核磁気共鳴解析 (OE 解析, 帰属と距離拘束の抽出 ) 原子間距離拘束原子モデルの構築原子モデルの精密化 (1) 多数分子の平均構造の観察 ( 精製が重要大きな分子複合体はより難しくなる ) (2) 発現精製

org wwpdb(world Wide Protein Data Bank) : 立体構造データの収集するデータバンク HEADER UBIQUITI 17-APR-92 1AAR COMPD DI-UBIQUITI SOURCE BOVIE (BOS TAURUS) ERYTHROCYTES AUTHOR W.J.COOK,L.C.JEFFREY,M.CARSO,Z.CHE,C.M.PICKART PDB ID 原子番号残基名鎖識別子原子名残基番号 X 座標 Y 座標 Z 座標占有率温度因子 ATOM 1 MET A 1 15.

500 28.837 14.105 1.00 9.89 ATOM 6 CG MET A 1 13.823 27.997 12.931 1.00 10.21 ATOM 7 SD MET A 1 12.312 27.711 11.891 1.00 10.33 ATOM 8 CE MET A 1 13.174 26.595 10.726 1.00 7.30 ATOM 9 GL A 2 14.

368 25.715 18.386 1.00 12.39 ATOM 14 CG GL A 2 15.858 24.413 19.051 1.00 14.00 ATOM 15 CD GL A 2 15.676 24.587 20.561 1.00 15.59 ATOM 16 OE1 GL A 2 16.525 25.209 21.205 1.00 18.

3 X 線結晶解析大量発現精製結晶化立体構造の決定法 X 線回折強度の測定原子モデルの構築原子モデルの精密化 MR( 核磁気共鳴法 ) 大量発現精製 3 次元電子密度マップ核磁気共鳴解析 (OE 解析, 帰属と距離拘束の抽出 ) 原子間距離拘束原子モデルの構築原子モデルの精密化 (1) 多数分子の平均構造の観察 ( 精製が重要大きな分子複合体はより難しくなる ) (2) 発現精製結晶化のステップで各タンパク質によって実験条件の調整が必須 (3) 実験データの収集原子モデル構築の段階で計算機の支援が不可欠 PDB フォーマット RCSB PDB MSD EBI PDBj wwpdb(world Wide Protein Data Bank) : 立体構造データの収集するデータバンク HEADER UBIQUITI 17-APR-92 1AAR COMPD DI-UBIQUITI SOURCE BOVIE (BOS TAURUS) ERYTHROCYTES AUTHOR W.J.COOK,L.C.JEFFREY,M.CARSO,Z.CHE,C.M.PICKART PDB ID 原子番号残基名鎖識別子原子名残基番号 X 座標 Y 座標 Z 座標占有率温度因子 ATOM 1 MET A ATOM 2 CA MET A ATOM 3 C MET A ATOM 4 O MET A ATOM 5 CB MET A ATOM 6 CG MET A ATOM 7 SD MET A ATOM 8 CE MET A ATOM 9 GL A ATOM 10 CA GL A ATOM 11 C GL A ATOM 12 O GL A ATOM 13 CB GL A ATOM 14 CG GL A ATOM 15 CD GL A ATOM 16 OE1 GL A ATOM 17 E2 GL A ATOM 18 ILE A ATOM 19 CA ILE A ATOM 20 C ILE A ATOM 21 O ILE A MET GL 2 PDBは1971 年に設立

ソフト名 RasMol Chime Jmol PyMOL 立体構造描画のフリーウエアシェアウエア WebSite www.openrasmol.org www.mdlchime.com jmol.

独自の高速描画アルゴリズムを用い非力なハードでも同様に高速描画が可能コマンド言語は強力で多機能基本的な描画法をカバーするが分子表面の描画はできない描画の質はやや低い

によりWEBブラウザ内で動作 Chime と同様に WEBページに分子描画機能を加えることが可能 Javaを実行できる環境 (JRE) があれば特別なソフトウエアのインストールを必要としない

edu/chi mera/ www.ks.uiuc.edu/re search/vmd/ au.expasy.

4 ソフト名 RasMol Chime Jmol PyMOL 立体構造描画のフリーウエアシェアウエア WebSite jmol.sourceforge.net pymol.sourceforge.n et 対応機種 Win Mac Linux ( ソース公開 ) Win Mac ( ソース非公開 ) Win Mac Linux ( ソース公開 ) Win Mac Linux ( ソース公開 ) 特徴独自の高速描画アルゴリズムを用い非力なハードでも同様に高速描画が可能コマンド言語は強力で多機能基本的な描画法をカバーするが分子表面の描画はできない描画の質はやや低い RasMolをベースにしたWEBブラウザ内で動作するプラグイン分子表面表示など描画機能はRasMolより拡張されている WEBページに分子描画機能を加えることが可能 Java Applet によりWEBブラウザ内で動作 Chime と同様に WEBページに分子描画機能を加えることが可能 Javaを実行できる環境 (JRE) があれば特別なソフトウエアのインストールを必要としない OpenGLを用いた質の高い描画 Python 言語で開発されておりソースも公開 Python 言語を用いた機能拡張も可能 CHIMERA VMD Swiss PDB Viewer mera/ search/vmd/ au.expasy.org/spdbv Win Mac Linux ( ソース非公開 ) Win Mac Linux ( ソース非公開 ) Win Mac Linux ( ソース非公開 ) OpenGL を用いた質の高い描画電顕画像などの多様なデータの取り込みドッキング静電計算などのインタフェース有り Python 言語を用いた機能拡張 OpenGL を用いた質の高い描画 Tcl 言語を用いた機能拡張が可能分子動力学の可視化を主要目的として幅広い機能 OpenGL を用いた質の高い描画幅広い機能をサポートしているが現在あまり活発にアップデートが進んでいない立体構造の描画スタイルワイアフレームボール & スティック空間充填バックボーンリボン分子表面 PDB コード :1fxd(ferredoxin II), Rasmol / Chime プラグインで描画

5 立体構造データからわかること分子機能の理解が深まる蛋白質の安定性のメカニズムの理解他分子との結合のメカニズムの理解酵素反応のメカニズムの理解構造比較で進化がわかる蛋白質の立体構造の基本的な要素と構造形成の原理

蛋白質 : ペプチド結合したアミノ酸群 Phe(F) ( 疎水性 ) Ala(A) ( 疎水性 ) 様々な物理化学的な性質を持った側鎖が主鎖のペプチド結合で連なる Leu(L) ( 疎水性 ) P A 脂肪族 G I V C L Y M F W 疎水性芳香族 S T D Thr ( 親水性 ) Q 負荷電 E K H R 正荷電親水性 H Cα C O Cys(C) ( 親水性 )

6 蛋白質 : ペプチド結合したアミノ酸群 Phe(F) ( 疎水性 ) Ala(A) ( 疎水性 ) 様々な物理化学的な性質を持った側鎖が主鎖のペプチド結合で連なる Leu(L) ( 疎水性 ) P A 脂肪族 G I V C L Y M F W 疎水性芳香族 S T D Thr ( 親水性 ) Q 負荷電 E K H R 正荷電親水性 H Cα C O Cys(C) ( 親水性 ) アミノ酸は全部で 20 種類 Val(V) ( 疎水性 ) Asp(D) ( 親水性 ) ペプチド結合の平面性と φ ψ の定義 C α i-1 平面 φ C α i ψ 平面 C α i+1 β シート左巻きへリックス主鎖の原子の XYZ 座標は φ ψ の 2 つの角度でほとんど記述できる φ φ ψ の角度を 2 次元にプロットしたものをラマチャンドランプロット (Ramachandran plot) という多くの領域は主鎖原子間の衝突により許されない頻出領域は 2 次構造とよく対応 α へリックス ψ

フォールディング ( 折り畳み ) という現象温度や変性剤濃度によって可逆に変化

6 6 5 5 4 4 3 3 2 2 1 1 O C α i+4 H O C C C

7 フォールディング ( 折り畳み ) という現象温度や変性剤濃度によって可逆に変化変性状態 (D) 非常に多種の構造の集合大きく広がっている天然状態 () ほとんど唯一の構造小さくコンパクトに折りたたまっている折り畳みは原則としてその蛋白質以外の分子の介助を必要としないアミノ酸配列の情報だけで天然状態の立体構造が決定されるどうやってコンパクトになるか? (1) 主鎖の水素結合 (2) 側鎖間の疎水性相互作用あるアミノ酸配列がどうやって一つの構造を決めるのか??? 主鎖の水素結合 :α へリックス O C α i+4 H O C C C α i C α i+3 H O C C α i-1 i 番目の CO が i+4 番目の H と水素結合を形成 3.6 残基が 1 周期の右巻きらせん H O=C が同じ向きに並ぶためへリックス全体に電気双極子が発生 H H ー + C 末末

8 主鎖の水素結合 : 逆平行 β シート β ヘアピン β ターン β ターン β ヘアピン主鎖の水素結合 : 平行 β シート β α β モチーフ平行 β シートが α へリックスで接続された構造モチーフ

2 次構造予測アミノ酸配列から 2 次構造を予測することアミノ酸配列 2 次構造 TEVVCGAPSIYLDGARQKLD ceeeeecccchhhhhhhhcc E β シート c コイル H α ヘリックス (1) アミノ酸ごとに 2 次構造のなりやすさに差がある α ヘリックス Chou-Fasmann のパラメータ P Glu (scop1.

9 2 次構造予測アミノ酸配列から 2 次構造を予測することアミノ酸配列 2 次構造 TEVVCGAPSIYLDGARQKLD ceeeeecccchhhhhhhhcc E β シート c コイル H α ヘリックス (1) アミノ酸ごとに 2 次構造のなりやすさに差がある α ヘリックス Chou-Fasmann のパラメータ P Glu (scop %list:3077chains を用いて再計算した値 ) ( α) = f ( Glu α) f ( α) A 1.42 E 1.37 L 1.33 Q 1.30 M 1.27 R 1.21 K 1.16 W 1.07 I 1.06 F 0.97 Y 0.96 V 0.92 H 0.87 D 0.82 C 0.80 T 0.77 S G 0.43 P 0.42 β シートコイル V 1.95 I 1.77 F 1.46 Y 1.45 C 1.30 W 1.29 T 1.20 L 1.11 M 1.01 H 0.99 R 0.90 S 0.83 K 0.79 Q 0.77 A 0.76 E 0.70 G D 0.53 P 0.42 P 1.66 G D 1.33 S 1.23 H 1.09 T 1.07 C 1.01 K 0.98 R 0.90 Q 0.90 E 0.88 Y 0.84 W 0.83 F 0.82 M 0.81 A 0.81 L 0.72 V 0.65 I 0.62

(2) ヘリックスの末端 C 末端に出現しやすい残基がある Asp 0.2 0.08 0.15 0.06 0.1 0.04 0.05 0.02 0 0-2 -1 0 1 2 # # C-2 C-1 C0 C1 C2-2 -1 0 1 2 # # C-2 C-1 C0 C1 C2 Gly 0.25 0.2 0.15 0.1 0.05 0 Glu -2-1 0 1 2 # # C-2 C-1 C0 C1 C2 0.

10 (2) ヘリックスの末端 C 末端に出現しやすい残基がある Asp # # C-2 C-1 C0 C1 C # # C-2 C-1 C0 C1 C2 Gly Glu # # C-2 C-1 C0 C1 C Lys # # C-2 C-1 C0 C1 C2 (3)2 次構造ごとに疎水性パターンに特徴がある疎水親水 Kawabata, T. and Doi, J.(1997) "Improvement of Protein Secondary Structure Prediction Using Binary Word Encoding", Proteins, Vol 27, pp

11 Chou-Fasman の方法 (1974) Pa(α) G S Q I K A P <Pa(α)> 105 足して平均 <Pa(α)> <Pa(β)>, <Pa(c)> のうち最大のものを予測構造とする正答率は 50~55% ぐらいニューラルネットワークによる方法 (Qian & Sejnowski,1988) α β coil 出力層中間層カスケードされた 3 層型ニューラルネットワーク Q I K S A j-2 j-1 j j+1 j+2 S Q I K A 入力層誤差逆伝播法 (Back propagation method) で学習非線形の回帰解析を最急降下法で解くこと

12 Rost & Sander(1993) 出力層中間層カスケードされた 3 層型ニューラルネットワーク Q I K S A Q I K S A Q I K S A Q I K S A Q I K S A Target :Q K A S I Homolog1:Q S A A Q Homolog2:Q A A S Q Homolog3:I A S A A マルチプルアライメントを入力とする正答率 70% を超える 2 次構造予測の現状のまとめ Chou-Fasmann 等 70 年代に開発された方法の多くは正答率は 60% 以下ニューラルネットワークや改良 GOR 法を用いると 63 ~68% ぐらいの正答率マルチプルアライメントを入力とする方法は正答率は 70% を超える現状では 76% ぐらいまで到達一般に α へリックスに比べ β シートの予測は困難現状のベストの方法マルチプルアライメントを入力とするニューラルネットワーク Blast,ClustalW, PSI-BLAST,HMMer アンサンブル学習再帰ネットワーク K- との組み合わせ

13 2 次構造予測の例 Single : 1 つの配列を入力とするニューラルネットワーク [Q3=66.6%] Profile : 複数の配列を入力とするニューラルネットワーク [Q3=83.5%] >1n55A [c.1.1.1] ISOMERASE A: TRIOSEPHOSPHATE ISOMERASE AAseq :AKPQPIAAAWKCGTTASIEKLVQVFEHTISHDVQCVVAPTFVHIPLVQAKLRPKYV Single :ccccccccccccccccchhhhhhhhhhhhcccccceeeeecccccccchhhhccccccch Profile:ccccEEEEEcHcccccHHHHHHHHHHHHccccccccEEEEEccHHHHHHHHHHHcccccE Observe:cccccEEEEEccccccHHHHHHHHHHHHHcccccccEEEEEcccccHHHHHHHcccccEE AAseq :ISAQAIAKSGAFTGEVSMPILKDIGVHWVILGHSERRTYYGETDEIVAQKVSEACKQGF Single :ccccccccccccccccchhhhhhhhhhhhcccccceeeeecccccccchhhhccccccch Profile:EEccccccccccccccccHHHHHHccccEEEEccccccccccccHHHHHHHHHHHHHccc Observe:EEEcccccccccccccccHHHHHHHcccEEEEccHHHHHHccccHHHHHHHHHHHHHccc AAseq :MVIACIGETLQQREAQTAKVVLSQTSAIAAKLTKDAWQVVLAYEPVWAIGTGKVATPE Single :EEEEEHHHHHHHHHccccHEHHEHccHHHHHHHHHHHHHHHHccccccEEccccccccHH Profile:cEEEEEccccHHHccccHHHHHHHHHHHHHHcccccccccEEEEEcccccccccccccHH Observe:EEEEEEcccHHHHHcccHHHHHHHHHHHHHccccccccccEEEEEcccccccccccccHH AAseq :QAQEVHLLLRKWVSEIGTDVAAKLRILYGGSVAAAATLYAKPDIGFLVGGASLKPE Single :HHHHHHHHHHHHHHHcccHHHHHHHHHcccccHHHHHHHccccccccccccccccccccH Profile:HHHHHHHHHHHHHHHHHccccccccEEEEcccccHHHHHHHHHcccccccccccccccHH Observe:HHHHHHHHHHHHHHHHccHHHHHHcEEEEEcccccccHHHHHccccccEEEEcccccccc AAseq :FRDIIDATR 側鎖間の疎水性相互作用疎水基は分子の内側に埋もれる傾向がある ( 立体構造からの観察 ) 5p21:rasp21 1mbd:Myoglobin 疎水基 :ACILMFWV 親水基 :RDEQGHKPSTY 疎水性相互作用 (hydrophobic interaction) : 水分子と親和性の少ない非極性 (non-polar) 基が水溶液中で互いに集まろうとする相互作用非極性基が露出したときの水の秩序化が起源とされる (1) 水の秩序化による間接的相互作用疎水親水 (2) エントロピーが関係するので温度依存

疎水性指標による内外予測 Kyte and Doolittle(1982) の疎水性指標 I 4.5 V 4.2 L 3.8 F 2.8 C 2.5 M 1.9 A 1.8 G -0.4 T -0.7 S -0.8 W -0.9 Y -1.3 P -1.6 H -3.2 Q -3.5-3.5 E -3.5 D -3.5 K -3.

14 疎水性指標による内外予測 Kyte and Doolittle(1982) の疎水性指標 I 4.5 V 4.2 L 3.8 F 2.8 C 2.5 M 1.9 A 1.8 G -0.4 T -0.7 S -0.8 W -0.9 Y -1.3 P -1.6 H -3.2 Q E -3.5 D -3.5 K -3.9 R -4.5 方法配列を横軸にとって縦軸に対応する疎水性指標をプロット前後数残基でスムージング w 1 V [ i] = KD{ Seq[ i + w]} 2w + 1 k = w 予測結果と実際の埋もれ度との比較 1mbd:Myoglobin

反対の側が疎水的になっているヘリックスのこと周期的な疎水性ヘリックス構造を示唆 HelixWheel: http://www.site.uottawa.

15 疎水性の車輪図 (Helical Wheel) 最後のヘリックスの配列 :ADAQGAMKALELFRKDIAAKYKEL A D K L K E A D A K G E A A Myoglobin (1mbd) K A F L M I L Q Y R 両親媒性ヘリックス : 片側が疎水的反対の側が疎水的になっているヘリックスのこと周期的な疎水性ヘリックス構造を示唆 HelixWheel: HelixDraw :

タンパク質の大きさと疎水性の関係親水層の幅は一定 (6A ぐらい ) 疎水的環境親水的環境表面の親水層の幅はアミノ酸一つ分 (6A ぐらい) タンパク質が球形ならアミノ酸数が多くなるほど疎水性のアミノ酸の比率が高くなってしまう疎水性のアミノ酸が多すぎると折り畳まる前に凝集して沈殿してしまう危険性

16 タンパク質の大きさと疎水性の関係親水層の幅は一定 (6A ぐらい ) 疎水的環境親水的環境表面の親水層の幅はアミノ酸一つ分 (6A ぐらい) タンパク質が球形ならアミノ酸数が多くなるほど疎水性のアミノ酸の比率が高くなってしまう疎水性のアミノ酸が多すぎると折り畳まる前に凝集して沈殿してしまう危険性ドメイン構造と疎水性の関係 Tyrosine protein kinase HCK (1ad5A, HCK_HUMA) SH3 domain Tyrosine-kinase domain 3 つの分断された疎水性コアドメイン構造 SH2 domain 大きなタンパク質はいくつかの構造上のまとまり ( ドメイン ) を持つことが多い

17 立体構造の進化と立体構造の比較分類

18 タンパク質立体構造の分類と比較立体構造比較の重要性 1. データ整理 : 立体構造データ数は近年急増 ( 約 3 万エントリ ) 2. 進化 : 立体構造は配列より進化的に保存しやすい (1) 配列では見つからない遠いホモログの発見機能推定につながる生物の初期進化の解明 (2) 精確なアライメント 3. 物理化学 : 構造データベースの統計からタンパク質の物理化学的な性質が明らかになる可能性 (1) アミノ酸の 2 次構造傾向 (2) 安定な 2 次構造のパッキング (3) リガンド結合のパターン

19 40,000 35,000 30,000 PDB に登録された立体構造のエントリの増加数登録エントリ数 20,000 10,000 total year アミノ酸配列 4,560,522 立体構造データ 41, Feb-2007 on-redundant Feb-2007 on-redundant chain all-α クラス α/β 1mbd 1n55A 1pqwA α- へリックスが中心 α- へリックスと β- シートが配列上交互に現れる平行 β- シートが中心 1mqkH all-β 1fxd α+β 1a2p β- シートが中心逆平行が多い α- へリックスと β- シートが混在配列上の並びの規則はない逆平行と平行の β- シートが混在

立体構造分類データベース SCOP http://scop.mrc-lmb.cam.ac.

アミノ酸配列と立体構造の関係ピロリ菌と大腸菌のフラボドキシン ( 同一残基率 SeqID 44%) ピロリ菌 (1fueA) 大腸菌 (1ag9A) SeqID = 44 % RMSD = 1.

20 立体構造分類データベース SCOP 4 階層で分類 Class( クラス ) < アナロジー > Fold( フォールド ) Superfamily( スーパーファミリー ) Family( ファミリー ) < ホモロジー > どの階層に分類するかは配列の類似性立体構造の類似性分子機能の類似性機能部位の類似性を専門家が総合的に判断して決める 1akr アミノ酸配列と立体構造の関係ピロリ菌と大腸菌のフラボドキシン ( 同一残基率 SeqID 44%) ピロリ菌 (1fueA) 大腸菌 (1ag9A) SeqID = 44 % RMSD = 1.2 A 配列が似ていれば立体構造も似ている 1fueA 1ag9A 2:GKIGIFFGTDSGAEAIAEKISKAIG--AEVVDVAKASKEQFGFTKVILVAPTAGAGD:59 ***** * ** * ** * * * * * * ** *** * ** * 2:AITGIFFGSDTGTEIAKMIQKQLGKDVADVHDIAKSSKEDLEAYDILLLGIPTWYYGE:61 1fueA 60:LQTDWEDFLGTLEASD-FAKTIGLVGLGDQDTYSETFAEGIFHIYEKAK--AGKVVGQT:116 * ** ** *** * * * * *** * * * * ** 1ag9A 62:AQCDWDDFFPTLE-EIDFGKLVALFGCGDQEDYAEYFCDALGTIRDIIEPRGATIVGHW:120

21 アミノ酸配列がほとんど似ていなくても立体構造は似ている場合があるピロリ菌フラボドキシン(1fueA) 大腸菌フラボドキシン(1ag9A) 大腸菌走化性タンパク質CheY (3chy) 8%, 4.4Å 44%, 1.2Å 構造比較 BLAST PSI-BLAST % 22 Å.8,2 C C 構造比較 14%, 3.2Å C C C C ラット ADPH シトクロームP450 還元酵素 C末ドメイン (1ja1A2) ヒトキノン還元酵素(1d4aA) 構造は配列より進化的に保存がよい Æ 構造比較から新たなホモログが発見できる可能性立体構造の変化アミノ酸配列の変化と立体構造の変化の相関(グロビン族アミノ酸配列の類似度立体構造の変化はアミノ酸配列の変化と相関配列が３０以上一致していれば RMSDは２Å以下 21

２つの構造の類似性ネコの前足ホモロジー (homology,相同): 進化的起源を共有することによる類似多くの場合分子機能なども類似している

物理化学的な構造の偏好が原因とされるチョウの羽トリの翼 Flavodoxin-like fold ピロリ菌フラボドキシン(1fueA) 大腸菌

2Å Analogy og y Homology om H C ol % 22 C Å.

22 ２つの構造の類似性ネコの前足ホモロジー (homology,相同): 進化的起源を共有することによる類似多くの場合分子機能なども類似しているアナロジー analogy, 相似イルカの胸びれサルの前足進化的起源とは無関係な類似多くの場合分子機能など他の属性は似ていない物理化学的な構造の偏好が原因とされるチョウの羽トリの翼 Flavodoxin-like fold ピロリ菌フラボドキシン(1fueA) 大腸菌フラボドキシン(1ag9A) 大腸菌走化性タンパク質CheY (3chy) 8%, 4.4Å 44%, 1.2Å Analogy og y Homology om H C ol % 22 C Å.8,2 Homology CheY-like superfamily 14%, 3.2Å C C C C ラット ADPH シトクロームP450 還元酵素 C末ドメイン (1ja1A2) ヒトキノン還元酵素(1d4aA) Flavoproteins superfamily 22

d.58 c.1 b.1 a.24 a.118 g.3 b.34 c.23 a.60 g.

4 スーパーフォールド (Superfold) 多くのスーパーファミリーを含むフォールド

71 によるクラス fhijk は除く ) Ferredoxin-like TIM

sandwich Four-helical up-and-down bundle

barrel Flavodoxin-like SAM(sterile alpha

beta-propeller DA/RA-binding 3-helical bundle

構造の類似と機能の類似が対応しにくいフォールドともいえる 51 32 25 24 20

69 (Jun 2005) フォールドの数 : 945 スーパーファミリの数 : 1539

23 d.58 c.1 b.1 a.24 a.118 g.3 b.34 c.23 a.60 g.41 b.69 a.4 スーパーフォールド (Superfold) 多くのスーパーファミリーを含むフォールド一般に機能も多彩フォールド名 (SCOP1.71 によるクラス fhijk は除く ) Ferredoxin-like TIM beta/alpha-barrel Immunoglobulin-like beta sandwich Four-helical up-and-down bundle Alpha-alpha superhelix Knottins SH3-like barrel Flavodoxin-like SAM(sterile alpha motif) domain-like Rubredoxin-like 7-bladed beta-propeller DA/RA-binding 3-helical bundle その下のスーパーファミリーの数スーパーフォールド : 構造の類似と機能の類似が対応しにくいフォールドともいえる b.1 a.118 b.34 a.60 d.58 b.69 a.4 c.1 a.24 g.3 c.23 g.41 フォールドファミリの数は有限 Chothia は生物界には約 1000 のファミリが存在すると推定 (ature 年, 357, ) SCOP 1.69 (Jun 2005) フォールドの数 : 945 スーパーファミリの数 : 1539 ファミリーの数 : 2845 フォールドあたりのスーパーファミリーの数の分布 1000 個程度の立体構造を解けば生物界のすべての基本構造がわかる? ( 構造ゲノム科学の発想の原点 ) ごく少数のフォールドが多数のスーパーファミリーをかかえる一つしかスーパーファミリーを含まないフォールドが圧倒的に多い大多数の蛋白質はメジャーな 100 程度のフォールドに含まれるが残りの蛋白質のフォールドは多様

58.7) RA-binding domain, RBD CheY binding domain of CheA (1eayC,d.58.24) スーパーフォールドの例 TIM beta/alpha barrel (c.

24 鉄硫黄クラスタスーパーフォールドの例 Ferredoxin-like(d.58) [44 superfamily] Fe-4S Ferredoxin(1fxd,d.58.1) Splicing factor U2AF 65KD subunit(1u2fa, d.58.7) RA-binding domain, RBD CheY binding domain of CheA (1eayC,d.58.24) スーパーフォールドの例 TIM beta/alpha barrel (c.1) [26 superfamily] Triosephosphate isomerase 1n55A(c.1.1.1) Imidazole glycerol phosphate synthase subunit hisf 1thfD(c.1.2.1) KHG/KDPG aldolase 1euaA(c ) D-ribulose-5-phosphate 3-epimerase 1h1yA(c.1.2.1) 全般に解糖系の酵素が多い基質酵素反応は極めて多彩

100 90 タンパク質の相同性の判断基準同一残基率 (Sequence Identity)(%) 80 70 60 50 40 30 20 10 35 25 15 5 0 同一残基率 30% 以上 BLAST の E-value < 0.0001 配列解析 PSI-BLAST の E-value < 0.

25 タンパク質の相同性の判断基準同一残基率 (Sequence Identity)(%) 同一残基率 30% 以上 BLAST の E-value < 配列解析 PSI-BLAST の E-value < 立体構造比較が必要同一残基率が 25% 以下の場合の相同性の判断基準 (1) 立体構造の類似性が高い (DALI の Z スコア MATRAS の Rdis スコア ) (2) 同一残基率がそこそこ高い (PSI-BLAST でヒットする SeqID>=15% ぐらい ) (3) 分子機能に類似性がある ( 補酵素酵素反応基質代謝経路等の共通性等 ) (4) 基質補酵素の結合部位が類似しておりそのアミノ酸が保存 ( モチーフ ) (5) ドメイン構成の共通性 (6) スーパーフォールドの場合は特別な注意が必要立体構造比較プログラム 4 万以上の立体構造から類似構造を探すには計算機の支援が不可欠 1990 年ごろから多くの構造比較プログラムが開発されている DALI ( CE ( ) VAST ( MATRAS ( 構造比較プログラム開発における 2 つの問題 1. どうやって類似性を定義するか 2. どうやって高速に類似構造を検索するか

26 距離の差のスコアと座標の差のスコア原子の対応付けがわかっているとする x i y i X D ij 2 1xdaA benA 2 Y D ij R( y i t) DRMS = 2 ( 1) X Y ( D ij D ) ij i= 1 j i 対応する原子ペアの距離の差 (Distance-based RMSD) 重ね合わせは不要鏡像の区別はできない RMSD = [ xi R( yi t)] i= 1 最適に重ね合わせたときのXYZ 座標の差 (Root Mean Square Deviation) 並進ベクトルt を引いたあと回転行列 R をかける t : 二つの分子の重心をあわせるように決める R :2つの原子群の相関を最大化する行列特異値分解で解析的に解けるアライメントどうやって対応する箇所を見つけるか? 配列のアライメントの場合 ABCDEF CDE BCDEF ABEEFG ABCDEF --CDE- -BCDEF- AB-EEFG 立体構造のアライメントの場合

27 Protein A 始点 4 L Q I 動的計画法による配列アライメント Protein B L D G V 最終的に得られたアライメント終点 LQ-I LDGV Protein A L Q I L Protein B D V G アミノ酸間距離のスコアはアミノ酸ペアの対応がわからないとスコアが計算できないので動的計画法は使えない立体構造アライメントのヒューリスティックな方法 MATRAS の階層的アライメント STEP1 ベクトル表現された 2 次構造間の対応を Build-up 法で計算 STEP2 仮アライメントをもとに動的計画法を用いたアライメントを反復的に繰り返す 2 次構造のベクトル表現

構造ゲノム科学 :Structural Genomics 自然界の基本構造( フォールド ) の列挙ゲノム中の機能未知のタンパク質の構造を解く機能推定生物学的に重要な機能を担当するタンパク質を集中的に解く

7,903-909 Yoneda,K. et al. (1VDU, 2004) 日本でも理研を中心に当初から構造ゲノム科学を牽引 2002 年からタンパク 3000 プロジェクトが開始 http://www.

似た構造を探す機能未知立体構造 1p9vA Hypothetical protein YddE Escherichia coli RMSD=3.1 A SeqID = 14.8 % Rel for Sfam = 94.

28 構造ゲノム科学 :Structural Genomics 自然界の基本構造( フォールド ) の列挙ゲノム中の機能未知のタンパク質の構造を解く機能推定生物学的に重要な機能を担当するタンパク質を集中的に解く製薬ターゲットになるタンパク質を集中的に解く MTH1615 high throughput で大量の構造を決定 MTH1175 ST1625 Christendat.D.et al. ature Str.Biol. 7, Yoneda,K. et al. (1VDU, 2004) 日本でも理研を中心に当初から構造ゲノム科学を牽引 2002 年からタンパク 3000 プロジェクトが開始形の比較による弱い相同性認識機能未知の立体構造データから機能を予測するには? 似た構造を探す機能未知立体構造 1p9vA Hypothetical protein YddE Escherichia coli RMSD=3.1 A SeqID = 14.8 % Rel for Sfam = 94.2% Rel for Fold = 99.2% 論理の流れ機能既知立体構造 1bwzA Diaminopimelate epimerase Hemophilus influenzae 1. 立体構造が似ているなら相同 ( ホモロガス ) 2. 相同 ( ホモロガス ) なら分子機能も似ているはず 3. 構造類似性は機能の類似性を意味する

29 タンパク質の立体構造予測 M T D K L T S L R Q Y T T V V A D T G D Amino acids sequence??? 3 次構造予測 (1):Ab initio 予測原子モデルとポテンシャルエネルギー関数を設定より低いエネルギー値になるように構造を変形していく大きな計算量が必要分子動力学法モンテカルロ法エネルギー最小化計算. 近年フラグメントアセンブリの手法が進展 Baker グループ (U.Washington) 高田グループ ( 神戸大学 )

30 3 次構造予測 (2): 比較モデリング ( ホモロジーモデリング ) 原理 : 立体構造はアミノ酸配列より保存しやすい. LVAGKSVIGPALLEEVWGSRD 予測対象配列 LVAGKSVIGPALLEEVWFS-RD * * * ** ** * * ** ** MIADG-SVVGPTALQEAWFTQRD テンプレート構造とそのアライメント立体構造データベーステンプレート構造 D G D R S A Q V A W I T F V A L E G Q T P M D G K R S A Q V V W V S F I L L E G E A P L ステップ 1: フォールド認識立体構造データベースの中からクエリ配列に最も適合する構造 ( テンプレート構造 ) を探す BLAST/FASTA, プロフィール法,. ステップ 2: モデリングテンプレート構造に従って全原子を構築 (1) 側鎖原子の構築 (2) 挿入ループ部を構築 MODELLER, FAMS,. モデリングテンプレート構造を元にした全原子の構築 (MODELLER,FAMS) (1) ループの構築 Sequence ALIMSTKGFVS Structure LLLM---GFIT テンプレートモデル (2) 側鎖原子の構築テンプレートモデル Sequence AYVID Structure AFVVTD AFVVTD AYVID MODELLER : FAMS

モデリングした構造の精度と用途反応メカニズムの理解リガンドの設計高分子のドッキング SeqID = 100 % SeqID = 50 % 低分子のドッキング [ 分子置換法による精密化 ] SeqID = 30 % 部位特異的置換のサポート [MR の精密化 ] [ 電顕等の粗い電子密度へのフィット ] Ab initio 保存している表面残基の発見 D.Baker and A.

31 モデリングした構造の精度と用途反応メカニズムの理解リガンドの設計高分子のドッキング SeqID = 100 % SeqID = 50 % 低分子のドッキング [ 分子置換法による精密化 ] SeqID = 30 % 部位特異的置換のサポート [MR の精密化 ] [ 電顕等の粗い電子密度へのフィット ] Ab initio 保存している表面残基の発見 D.Baker and A.Sali Science Vol 大腸菌のタンパク質のうちその構造が決定されているタンパク質構造が予測できるタンパク質の割合タンパク質の割合 (%) 年 2001 年 2002 年 2003 年 2004 年 2005 年 2006 年構造が決定されているタンパク質 BLAST で構造が予測できるタンパク質 PSI-BLAST で構造が予測できるタンパク質大腸菌の 4404 個のタンパク質に対して 2000 年から 2006 年までの各年の年末までに登録された立体構造データベースを使用した場合についてそれぞれ計算した 30 アミノ酸以上の構造が予測されたタンパク質を構造予測できるタンパク質とみなして割合を計算した

構造予測コンテスト CASP Critical Assessment of techniques for protein Structure Prediction http://predictioncenter.llnl.

32 構造予測コンテスト CASP Critical Assessment of techniques for protein Structure Prediction (1) ターゲットタンパク質の募集半年以内に立体構造が解ける予定のタンパク質を広く構造生物学者から募集 (2) ターゲットタンパク質のアミノ酸配列だけを WEB で公示 (3) 予測者は期日までに予測立体構造をサブミット (4) ターゲット立体構造が公表された後予測立体構造と比較優劣を判断 John Moultらが主催で1994 年に開始 2 年おきに開催 2004 年にCASP6が開催世界各国から 224チーム 65サーバが参加予測の手法難易度によっていくつかのカテゴリに分けて審査 Comparative Modeling Fold Recognition (Homologous) Fold Recognition (Analogous) ew Fold CASP6ではいくつかの日本人研究者のグループが入賞 CBRC-3D (Kentaro Tomii) :Fold Recognition(Homologous) CHIMERA (Mayuko Takeda-Shitaka) :Fold Recognition(Homologous) 構造生物学一般について参考図書 Bluce Alberis 他著中村桂子松原謙一監訳 Essential 細胞生物学原書第 2 版第 2 章第 4 章 2005 年南江堂 C.Branden & J.Tooze ( 勝部幸輝ら訳 ) タンパク質の構造入門 (2000), ニュートンプレス松澤洋編タンパク質工学の基礎 2004 年東京化学同人後藤祐児桑島邦博谷澤克行タンパク質科学構造物性機能化学同人構造バイオインフォマティクス郷通子高橋健一編集基礎と実習バイオインフォマティクス 2004 年共立出版藤博幸編集はじめてのバイオインフォマティクス第 2.2 章 2006 年講談社 Arthur M. Lesk ( 高木淳一訳 ) ポストゲノム時代のタンパク質科学 2007 年化学同人 Arthur M. Lesk ( 岡崎康司坊農秀雄監訳 ) バイオインフォマティクス基礎講義一歩進んだ発想をみがくために 2003 年メディカルサイエンスインターナショナル美宅成樹榊佳之バイオインフォマティクス 2003 年東京化学同人第 6 章第 7 章中村春木有坂文雄編シリーズニューバイオフィジックス1 タンパク質のかたちと物性 1997 年共立出版後藤祐児桑島邦博谷澤克行タンパク質科学構造物性機能年化学同人第章

Microsoft PowerPoint - aaseq_09Apr28 [互換モード]

Microsoft PowerPoint - aaseq_09Apr28 [互換モード] 近畿大学農学部生命情報学蛋白質の物理化学的性質とアミノ酸配列解析 2009 年 4 月 28 日 ( 火 ) 奈良先端大情報蛋白質機能予測学講座川端猛 takawaba@is.naist.jp http://isw3.naist.jp/is/kawabata-lab/lec-ja.html 平成 21 年度生命情報学 & 生命情報学実習講義日程講義生命情報学演習生命情報学演習 4/7

近畿大学 農学部 生命情報学 生体高分子の立体構造とその予測 Ras MTEYKLVVVGAGGVGKSAL TIQLIQNHFVDEYDPTIED SYRKQVVIDGETCLLDILD TAGQEEYSAMRDQYMRTGE GFLCVFAINNTKSFEDIHQ YREQIKRVKDSDDVP

近畿大学農学部生命情報学生体高分子の立体構造とその予測 Ras MTEYKLVVVGAGGVGKSAL TIQLIQNHFVDEYDPTIED SYRKQVVIDGETCLLDILD TAGQEEYSAMRDQYMRTGE GFLCVFAINNTKSFEDIHQ YREQIKRVKDSDDVP