close

Вход

Забыли?

вход по аккаунту

?

Реферат: Долгодилиной Е. В.

код для вставкиСкачать
БЕЛОРУССКИЙ ГОСУДАРС
ТВЕННЫЙ УНИВЕРСИТЕТ
Выпускная работа по
«Основам информационных технологий»
Магистрантки
биологического факультета
кафедры биохимии
Долгодилиной Елены Викторовны
Руководители:
доцент Кукулянская Татьяна Александровна
старший преподаватель
Шешко Сергей Михайлович
Минск – 2009 г
2
ОГЛАВЛЕНИЕ
ОГЛАВЛЕНИЕ
..................................................................................................
3
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ К ВЫПУСКНОЙ РАБОТЕ
............................
4
РЕФЕРАТ НА ТЕМУ «ПРИМЕНЕНИЕ ИНФОРМАЦИОННЫХ
ТЕХНОЛОГИЙ В БИОХИМИЧЕСКИХ ИССЛЕДОВАНИЯХ»
...................
5
ОГЛАВЛЕНИЕ
..................................................................................................
5
ВВЕДЕНИЕ
........................................................................................................
5
ОБЗОР ЛИТЕРАТУРЫ
.....................................................................................
7
1. Особенности структурной организации белков
............................
7
2. Принципы предсказания и моделирования белковых структур
11
2.1 Предсказание вторичной структуры
..........................................
13
2.2 Моделирование по гомологии
.....................................................
19
2.3 Распознавание фолда
...................................................................
27
ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ
..................................................................
35
ЗАКЛЮЧЕНИЕ
...............................................................................................
37
СПИСОК ЛИТЕРАТУРЫ К РЕФЕРАТУ
.....................................................
37
ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ К РЕФЕРАТУ
.............................................
39
ИНТЕРНЕТ-РЕСУРСЫ В ПРЕДМЕТНОЙ ОБЛАСТИ
..............................
40
ДЕЙСТВУЮЩИЙ ЛИЧНЫЙ САЙТ В WWW
...........................................
45
ГРАФ (КРУГ) НАУЧНЫХ ИНТЕРЕСОВ
.....................................................
46
ПРЕЗЕНТАЦИЯ МАГИСТЕРСКОЙ ДИССЕРТАЦИИ
..............................
47
СПИСОК ЛИТЕРАТУРЫ К ВЫПУСКНОЙ РАБОТЕ
................................
50
ПРИЛОЖЕНИЕ
...............................................................................................
52
3
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ К ВЫПУСКНОЙ РАБОТЕ
CASP
Critical
Assessment
of
Structure
Prediction
- критическая
оценка
структурного
прогноза
)
ЕVА
EVAluation
of
automatic
protein
structure
prediction
servers
(серверы по оценки автоматически предсказанных белковых
структур)
ExPDB
SWISS
MODEL
Template
library (библиотек
а
матриц
SWISS
MODEL)
ID PDB
Идентификационный номер в PDB
ID
(
id
)
Идентификационный номер
ID Chain
Идентификационный номер цепи
NMR
Nuclear magnetic resonance
PDB
Protein
Data
Base
(база данных белков)
4
РЕФЕРАТ НА ТЕМУ «ПРИМЕНЕНИЕ ИНФОРМАЦИОННЫХ
ТЕХНОЛОГИЙ В БИОХИМИЧЕСКИХ ИССЛЕДОВАНИЯХ»
ОГЛАВЛЕНИЕ
ОГЛАВЛЕНИЕ
..................................................................................................
3
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ К ВЫПУСКНОЙ РАБОТЕ
............................
4
РЕФЕРАТ НА ТЕМУ «ПРИМЕНЕНИЕ ИНФОРМАЦИОННЫХ
ТЕХНОЛОГИЙ В БИОХИМИЧЕСКИХ ИССЛЕДОВАНИЯХ»
...................
5
ОГЛАВЛЕНИЕ
..................................................................................................
5
ВВЕДЕНИЕ
........................................................................................................
5
ОБЗОР ЛИТЕРАТУРЫ
.....................................................................................
7
1. Особенности структурной организации белков
............................
7
2. Принципы предсказания и моделирования белковых структур
11
2.1 Предсказание вторичной структуры
..........................................
13
2.2 Моделирование по гомологии
.....................................................
19
2.3 Распознавание фолда
...................................................................
27
ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ
..................................................................
35
ЗАКЛЮЧЕНИЕ
...............................................................................................
37
СПИСОК ЛИТЕРАТУРЫ К РЕФЕРАТУ
.....................................................
37
ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ К РЕФЕРАТУ
.............................................
39
ИНТЕРНЕТ-РЕСУРСЫ В ПРЕДМЕТНОЙ ОБЛАСТИ
..............................
40
ДЕЙСТВУЮЩИЙ ЛИЧНЫЙ САЙТ В WWW
...........................................
45
ГРАФ (КРУГ) НАУЧНЫХ ИНТЕРЕСОВ
.....................................................
46
ПРЕЗЕНТАЦИЯ МАГИСТЕРСКОЙ ДИССЕРТАЦИИ
..............................
47
СПИСОК ЛИТЕРАТУРЫ К ВЫПУСКНОЙ РАБОТЕ
................................
50
ПРИЛОЖЕНИЕ
...............................................................................................
52
ВВЕДЕНИЕ
Одним из основных объектов исследований в современной биохимии,
как и прежде, являются белки. И это неслучайно, поскольку белки
выполняют целый ряд важных функций в живых организмах:
каталитическую (ферменты); структурную (например, белки цитоскелета,
белки межклеточного вещества); защитную (например, белки, участвующие в
5
процессах свёртываемости крови – фибриногены и тромбины, или антитела и
белки системы комплимента крови); регуляторную (белки, контролирующие
транскрипцию, трансляцию, сплайсинг); сигнальную (например, гормоны,
цитокины, факторы роста); транспортную (гемоглобин); з
апасную (например,
белок молока – казеин
); информационную
(например, фоторецепторы);
двигательную (например, динеин, миозин). Белки представляют собой
достаточно крупные молекулы. В большинстве случаев лишь малая часть их
структуры – функциональный центр – несёт какую-либо функцию, остальная
часть существует лишь для того, чтобы создавать и фиксировать
пространственные связи между остатками активных центров. Эволюция
белков происходит благодаря изменениям в аминокислотной
последовательности.
В настоящее время в биохимии, как впрочем, в современной биологии в
целом, большое значение приобретают исследования, связанные именно со
способностью предсказывать функции не природных, а синтетических
белков на основе закономерностей связи между структурой и свойствами
белков. Если ранее молекулярные биологи были похожи на астрономов –
могли наблюдать объекты получаемые, но не модифицировать их. Сейчас
ситуация меняется коренным образом. В лаборатории можно
модифицировать нуклеиновые кислоты и белки по желанию, можно изучать
их, создавая мутации и наблюдая изменения функций, можно старым белкам
придать новые функции, можно пытаться создавать новые белки.
Большинство правил о белковой структуре было выведено благодаря
наблюдению за природными белками. У природных белков характеристики
подчиняются основным принципам физической химии и механизмам
белковой эволюции. Синтетические же белки должны подчиняться законам
физической химии, но не должны ограничиваться правилами эволюции.
Таким образом, происходит становление нового научного направления –
белковой инженерии, основной задачей которой является синтез белков с
6
заданными свойствами и функциями на основе обширных накопленных
знаний [1].
На данный момент известно более 15000 структур белков. Большинство
было получено с помощью методов рентгеновской кристаллографии и ЯМР
(
NMR
). Отсюда пришло понимание отдельных функций индивидуальных
белков – например, химическое объяснение каталитической активности
ферментов – и главных принципов структурного строения белковых молекул
и их формы (укладки белковой цепи) [1].
Целью данной работы является анализ современных информационных
технологий, позволяющих предсказать свойства целевых белков
на основе
особенностей их строения.
Задачи:
охарактеризовать подходы, используемые на данном этапе для
предсказания структуры белков на основе данных об их аминокислотном
составе и некоторых других особенностях строения; рассмотреть программное обеспечение и Internet
-серверы,
применяемые для моделирования структуры белков;
изучить проекты, используемые для сравнения результатов,
полученных при применении различного программного обеспечения для
предсказания структуры белков;
ОБЗОР ЛИТЕРАТУРЫ
1. Особенности структурной организации белков
Прежде чем перейти непосредственно к рассмотрению программ,
предназначенных для предсказания и моделирования белковых структур
необходимо остановиться на особенностях структурной организации самих
белков.
Выделяют четыре уровня структуры белка:
7
·
Первичная структура
— последовательность аминокислот в
полипептидной цепи. Важными особенностями первичной структуры
являются консервативные мотивы
— сочетания аминокислот, важных для
функции белка. Консервативные мотивы сохраняются в процессе эволюции
видов, по ним часто удаётся предсказать функцию неизвестного белка [5].
·
Вторичная структура
— локальное упорядочивание фрагмента
полипептидной цепи, стабилизированное водородными связями и
гидрофобными взаимодействиями. Ниже приведены некоторые
распространённые типы вторичной структуры белков:
α-спирали
— плотные витки вокруг длинной оси молекулы, один
виток составляют 3,6 аминокислотных остатка, и шаг спирали составляет
0,54 нм (так что на один аминокислотный остаток приходится 0,15 нм),
спираль стабилизирована водородными связями между H и O пептидных
групп, отстоящих друг от друга на 4 звена. Спираль построена
исключительно из одного типа стереоизомеров аминокислот (L). Хотя она
может быть как левозакрученной, так и правозакрученной, в белках
преобладает правозакрученная. Спираль нарушают электростатические
взаимодействия глутаминовой кислоты, лизина, аргинина. Расположенные
близко друг к другу остатки аспарагина, серина, треонина и лейцина могут
стерически мешать образованию спирали, остатки пролина вызывают изгиб
цепи и также нарушают α-спирали.
β-листы
(складчатые слои) — несколько зигзагообразных
полипептидных цепей, в которых водородные связи образуются между
относительно удалёнными друг от друга (0,347 нм на аминокислотный
остаток) в первичной структуре
аминокислотами или разными цепями белка,
а не близко расположенными, как имеет место в α-спирали
. Эти цепи обычно
направлены N-концами в противоположные стороны (антипараллельная
ориентация). Для образования β-листов важны небольшие размеры боковых
групп аминокислот, преобладают обычно глицин и аланин [5].
8
π-спирали
;
3
10
-спирали
;
неупорядоченные фрагменты
;
·
Третичная структура
— пространственное строение
полипептидной цепи; взаимное расположение элементов вторичной
структуры
, стабилизированное различными типами взаимодействий. В
стабилизации третичной структуры принимают участие:
ковалентные связи (между двумя остатками цистеина —
дисульфидные мостики);
ионные связи между противоположно заряженными боковыми
группами аминокислотных остатков;
водородные связи;
гидрофильно-гидрофобные взаимодействия; при взаимодействии с
окружающими молекулами воды белковая молекула "стремится" свернуться
так, чтобы неполярные боковые группы аминокислот оказались изолированы
от водного раствора, а на поверхности молекулы оказываются полярные
гидрофильные боковые группы. Белки разделяют на группы согласно их
трёхмерной структуре. Большинство белков относятся к глобулярным: общая
форма из молекулы более или менее сферическая. Меньшая часть белков
относится к фибриллярным: их молекулы (обычно и надмолекулярные
комплексы) в работающем состоянии представляют собой сильно вытянутые
волокна. К фибриллярным белкам относятся, например, кератин и коллаген.
Среди глобулярных и фибриллярных белков выделяют подгруппы.
Например, глобулярный белок триозофосфатизомераза, состоит из восьми α-
спиралей
, расположенных на внешней поверхности структуры и восьми
параллельных β-слоёв
внутри структуры. Белки с подобным трёхмерным
строением называются αβ-баррелами
(от англ. barrel — бочка) [5].
·
Четверичная структура — взаимное расположение нескольких
полипептидных цепей в составе единого белкового комплекса. Белковые
9
молекулы, входящие в состав белка с четвертичной структурой
, образуются
на рибосомах по отдельности и лишь после окончания синтеза образуют
общую надмолекулярную структуру (можно считать её и молекулой, если
между разными полипептидными цепями, как это нередко бывает,
образуются дисульфидные мостики). В состав белка с четвертичной
структурой могут входить как идентичные, так и различающиеся
полипептидные цепочки. В стабилизации четвертичной структуры
принимают участие те же типы взаимодействий, что и в стабилизации
третичной [1, 5].
Надмолекулярные белковые комплексы могут состоять из десятков
молекул, многие из них сравнимы по размеру с рибосомами и в последние
годы часто описываются как органоиды (например, протеасома). Нередко в
их состав входят молекулы РНК (например, сплайсосома) [1].
Было доказано, что помимо четырех уровней структурной организации,
приведённых выше, удобно использовать и следующие дополнительные
уровни:
·
Супервторичные структуры
. В белках показана повторяемость
взаимодействий между листами и спиралями; супервторичные структуры
включают α- спиральные шпильки, β-шпильки и β-α-β-единицу [1].
·
Домены
. Многие белки включают несколько компактных единиц в
одной цепи, которые могут существовать независимо стабильно. Они
называются доменами. В иерархии структур, домены располагаются между
супервторичными и третичными структурами
белка [1].
·
Модульные белки
– многодоменные белки, которые часто
содержат много копий близкородственных доменов
. Эти домены появляются
в различных структурных контекстах, так что различные модульные белки
представляют собой мозаику таких доменов [1, 5].
Таким образом, на данный момент уже известны многие, хотя и не все
возможные способы укладки белков с известной структурой. Среди белков со
10
сходной укладкой представлены семейства, имеющие достаточно большое
количество деталей структур, последовательностей и функций,
обусловленное эволюционными взаимоотношениями. Однако и
неродственные белки зачастую имеют похожие способы укладки. И именно
классификация белковых структур, занимающая одно из центральных мест в
современной биоинформатике, является своеобразным мостом между
последовательностью и функцией данных макромолекул.
2. Принципы предсказания и моделирования белковых структур
Наблюдение, что каждый белок сворачивается спонтанно в уникальную
трехмерную нативную конформацию
, приводит к мысли, что Природа имеет
некий алгоритм для предсказания пространственной структуры
белка из
аминокислотной последовательности. Предпринимались некоторые попытки
понять этот алгоритм с целью создания эффективной компьютерной
программы, которая была бы направлена на решение указанной выше весьма
важной и одновременно сложной проблемы [1]. Одни из этих попыток основывались на общих физических принципах. В
данном случае реализовывалась попытка воспроизвести межатомные
взаимодействия в белках, чтобы вычислить энергию каждой конформации
. С
вычислительной точки зрения проблема предсказания структуры белка
сводится к поиску глобального минимума конформационной энергии. Это
подход до сих пор не привел к успеху отчасти потому, что методы
минимизации находят локальные минимумы [1,5]. Другие попытки для решения фундаментальной проблемы -
предсказания структуры белков по его аминокислотной последовательности -
были основаны на упрощениях задачи путем выделения существенных
особенностей [1]:
·
Предсказание вторичной структуры
белка
без укладки ее в про
-
странственную структуру
. В результате получается список сегментов
11
аминокислотной последовательности, для которых предсказано, что они
формируют α-спирали
или тяжи β-листов
.
·
Распознавание фолда
:
в данной библиотеке известных структур
определить, какие из них могут быть наиболее похожими на структуру но
-
вого белка. Если белок не соответствует ни одному из фолдов библиотеки, то
метод также должен это распознать. Результатом является отнесение нашего
белка к одному из известных фолдов или утверждение, что такого фолда в
библиотеке нет. ·
Моделирование по гомологии
: предсказание трехмерной
структуры белка на основе известной структуры одного или нескольких
гомологичных белков. В результате получается полный список всех
координат всех атомов, как главной цепи, так и боковых радикалов. Полнота
и качество результатов зависят, прежде всего, от схожести
последовательностей. Считается, что если последовательности двух
родственных белков имеют 50% или более идентичных остатков в
«выравнивании»
, то они, вероятно, обладают аналогичной конформацией
пространственной структуры
с вероятностью не менее, чем 90%. Этот метод
оказывается весьма продуктивным, а точность предска
зания сравнима с
экспериментальной структурой, полученной методами малого разрешения. ·
Предсказание новых фолдов
, в том числе и с помощью априорных
методов, основанных на знании. В результате получается полный набор
координат атомов как минимум для основной цепи и, иногда, для боковых
цепей. Модель стремится предсказать способ укладки, но при этом не
ожидается, что ее предсказание количественно сравнимо с
экспериментальными результатами. Д. Джонс (
D
. Jones
) сравнил различие
между априорным моделированием и распознаванием фолда с различием
между сочинением и тестированием - выбором ответов из заданного списка
на экзамене.
12
2.1 Предсказание вторичной структуры
Кажется очевидным, что вторичную структуру
легче предсказать, чем
третичную, и что наиболее точный способ предсказания третичной
структуры
состоит в нахождении спиралей и листов, с последующим
объединением их в фолд
(укладку). Независимо от того, верны эти
предположения или нет, многие доверяют и следуют им. По аминокислотной
последовательности белка с неизвестной структурой делаются предсказания
вторичной структуры — отнесение участков последовательности к спиралям
или тяжам листов [1]. Так с помощью программы PROF
(В. Rost) были достигнуты хорошие
результаты в предсказании структуры домена
белка репарации MutS из
Thermus aquaticus
. Для оценки качества предсказания аминокислотные
остатки экспе
риментально расшифрованной трехмерной структуры были
отнесены к трем категориям (спираль = Н, тяж = Е и другие не были
обозначены никакими буквами). Процент остатков, предсказанных
правильно, был обозначен как QЗ. Для предсказания Б. Роста величина QЗ
составила 81% [1, 7].
Рисунок 1. Р
езультаты предсказания вторичной структуры
белка
репарации MutS из Thermus aquaticus с использованием программы PROF
с
сервера РredictProtein.
13
AA
– target
protein
(
целе
вой белок
); Н – спираль (
helix
), Е – тяжи (
strand
),
отсутствие букв - иная структура. Аналогичные результаты были получены для этого же белка и с
помощью программы PSIPRED
[8].
Рисунок 2. Результаты предсказания вторичной структуры
белка
репарации MutS
из Thermus
aquaticus
с использованием программы P
SIPRED
с сервера Р
redictProtein
.
AA
– target
protein
(
целе
вой белок
), Н – спираль (
helix
), Е – тяжи (
strand
), С –
иная структура (
coiled
structure
)
Как было установлено позднее при сравнении полученных результатов с
экспериментальной структурой, за исключением короткой З
10
-спирали и
незначительных расхождений в позициях начала и конца, элементы
14
вторичной структуры
были предсказаны правильно. (Иные схемы оценки,
которые осуществляют проверку участков совпадения, менее чувствительны
к концевым эффектам.) Качество этого результата очень высоко, но такой
результат не редкость. В настоящее время Р
ROF
работает в среднем с
точностью Q
3≈77% [1]. Другие методы предсказания вторичной структуры
работают также
сравни
тельно хорошо. Наиболее мощные методы предсказания вторичной
структуры основаны на нейронных сетях. Нейронные сети — это класс
общих вычислительных структур, которые моделируют анатомию и
физиологию биологических нервных систем. Они с успехом применяются к
широкому спектру задач распознавания образов, классификации и задачам
принятия решений [1].
Тип нейронной сети, которая может быть применена к распознаванию
вторичной структуры
, показан на рисунке 3.
Рисунок 3. Нейронная сеть для предсказания вторичной структуры
белка из трёх областей
Входная область анализирует фрагмент последовательности размером 15 букв.
Предсказание относится к центральному остатку (наверху, отмечен стрелкой).
Затем окно сдвигается на одну позицию вправо по последовательности и делается
15
следующее предсказание. Каждой из 15 позиций в окне соответствует 20 нейронов,
один из которых активен.
Скрытая область содержит ≈100 нейронов, соединенных с вводом и выводом.
Каждый нейрон в скрытой области соединен с каждым нейроном областей ввода и
вывода (показаны не все связи).
Область вывода состоит только из трех нейронов, которые просто фиксируют
предсказание — спираль, лист, или ни то ни другое.
Важной информацией, которая может быть использована при предска
-
зании вторичной структуры
, является эволюционная информация.
«Множественное выравнивание»
содержит в себе гораздо больше
информации, чем одна последовательность. Сохранение вторичной
структуры в родственных белках означает наличие связи последовательность
— структура, и это позво
ляет делать более строгие предсказания.
Большинство методов предсказания вторичных структур, основанных на
нейронных сетях, имеют на входном слое не только информацию о степени
консервативности позиции, но и профильные веса [1].
Показано также, что использование двух тандемных нейронных сетей
позволяет учитывать корреляцию конформаций
соседних остатков.
Предсказания состояний нескольких последовательно идущих остатков с
помощью сети, аналогичной показанной на рисунке 3, комбинируются с
помощью еще одной сети, которая формирует окончательный результат. Тест
на зрелость методов предсказания может быть проведен полностью
автоматически. Некоторые вычислительные методы продуцируют только
предварительное грубое предсказание структуры и требуют вмешательства
человека для формирования окончательного результата. Другие методы
полностью автоматические. Есть множество Web
-ресурсов, которые принимают последовательность
и возвращают предсказание структур и функций белков. PredictProtein
—
16
одна из таких систем, использовавшихся для предсказания вторичной
структуры
белка MutS
. Пользователи предоставляют первичные
последовательности белков, их субъединиц или даже участков на данный
сервер, на основе чего PredictProtein с использованием большого пакета
различных программ производит полный анализ первичной
последовательности данного белка, позволяет установить в её пределах
функциональные мотивы
(
PROSITE
)
, регионы низкой и высокой сложности
(
SEG
)
, сигналы ядерной локализации, регионы, лишенные регулярной
структуры (
NORS
)
, а также предоставляет возможную вторичную структуру,
даёт информацию о доступности растворителя к различных областям
белковой молекулы, о глобулярных областях, трансмембранных спиралях,
биспиральных (
coiled
-
coil
) регионах, структурных switch
областях,
дисульфидных связях, субклеточной локализации и возможных функциях
[7].
По запросу также дополнительно можно осуществить распознавание
фолда
методом «трединга
», установить предназначение CHOP
доменов
в
данном конкретном случае
, предсказать контакты между трансмембранными
участками и между остатками [7]. Н
иже приведён список программ, которые используются на ресурсе
PredictProtein
, и их краткое описание:
·
PROSITE
– база данных функц
и
ональных мотивов
;
·
ScanPROSITE
обнаруживает все функциональные мотивы
в
задаваемой последовательности, которые аннотированы в базе данных
ProSite db; ·
SEG
подразделяет задаваемые последовательности на области
высокой и низкой сложности;
17
·
ProDom
является базой данной предполагаемых белковых
доменов
; при помощи BLAST осуществляется поиск в пределах этой базы
данных тех доменов, которые соответствуют белку исследователя;
·
MaxHom
– это программа динамических «множественных
выровненных» последовательностей; она позволяет найти в имеющейся базе
данных последовательности, которые соответствуют последовательностям
такого же характера анализируемого белка;
·
MView
позволяет превратить «множественные выровненные»
последовательности в «разукрашенные» выходные данные в формате HTML;
·
PHD
подходящая программа для прогнозирования 1D структуры
(вторичной структуры
, доступности растворителю) на основе
«множественных выровненных» последовательностей ·
PHDsec
прогнозирует вторичной структуру на основе
«множественных выровненных» последовательностей
·
PHDacc
подходящая программа для прогнозирования доступности
каждого аминокислотного остатка по отношению к растворителю на основе
«множественных выровненных» последовательностей;
·
PHDhtm
предсказывает положение и топологию трансмембранных
спиралей на основе «множественных выровненных» последовательностей. ·
PROF
- подходящая программа для предсказания 1D структуры
(вторичной структуры
, доступности растворителю) на основе
«множественных выровненных» последовательностей. ·
PROFsec
прогнозирует вторичной структуру на основе
«множественных выровненных» последовательностей.
·
PROFACC
предсказывает доступность каждого аминокислотного
остатка по отношению к растворителю на основе «множественных
выровненных» последовательностей.
·
GLOBE
осуществляет предсказание глобулярности белка 18
·
DISULFIND
предсказывает наличие в белковой структуре
дисульфидных мостиков, основываясь на двухэтапный процесс
·
ASP
обнаруживает области, в которых наиболее вероятно
осуществляются конформационные переходы [7];
Таким образом, алгоритм действий при моделировании структуры
белков в случае использования PROF
ресурса следующий [7]:
·
Необходимо предоставить запрос на сайт www.predictprotein.org в
виде аминокислотной последовательности, которую можно получить в
любой базе данных, например, PDB
.
·
Далее результаты выполненной по запросу работы отправляются
либо по электронной почте пользователю, или предоставляются в
интерактивном режиме непосредственно на сайте.
2.2 Моделирование по гомологии
Построение модели по гомологии — полезный метод для предсказания
структуры белка по известной последовательности, когда исследуемый белок
состоит в родстве хотя бы с одним белком, для которого известны и
последовательность, и структура. Если белки являются близкими
родственниками, то известные белковые структуры (называемые
родительскими) могут служить основой для модели исследуемого белка. И
хотя качество модели зависит от степени сходства последовательностей,
оценить это качество возможно до экспериментальной проверки. Поэтому
знание того, какое качество модели требуется приложением, для которого
она предназначена, позволяет с высокой долей вероятности предсказать
успешность выполнения задачи [1]. Шаги моделирования по гомологии
следующие:
·
«Выровнять» аминокислотные последовательности исследуемого
белка и белка (белков) с известной структурой. В большинстве случаев
19
вставки и делеции будут наблюдаться в петлях между α-спиралями
и β-
тяжами
.
·
Определить сегменты
основной цепи, содержащие вставки или
делеции. Сшивание этих участков с основной цепью известного белка
(матрицы
) создает модель основной цепи исследуемого белка.
·
Заменить боковые цепи мутировавших остатков. Для
немутировавших остатков сохранить конформацию
боковых цепей.
Мутировавшие остатки склонны сохранять конформацию боковой цепи, и
это можно использовать при моделировании. При этом сейчас также
доступны вычислительные методы поиска подходящей конформации
боковой цепи среди возможных комбинаций.
·
Проверить модель (и визуально, и с помощью программ), чтобы
выявить значительные наложения атомов. Насколько возможно, устранить
подобные наложения вручную.
·
Уточнить модель методом ограниченной минимизации энергии.
Роль этого шага — установить точное геометрическое расположение в тех
местах, где были соединены участки главной цепи, и позволить боковым
цепям слегка перемещаться, чтобы занять удобное положение. На самом деле
эффект этой процедуры только косметический: минимизация энергии не
устранит серьезных ошибок в такой модели [1].
По сути, модель нового белка строится путем внесения минималь
ных
изменений в доступную структуру матрицы
. К сожалению, существенно
улучшить такую модель непросто. Эмпирическое правило гласит, что если
две последовательности идентичны хотя бы на 40-50%, описанная процедура
дает модель, достаточно точную для использования во многих приложениях.
Если же сходство ниже, то ни описанная процедура, ни какой-либо другой
доступный на данный момент алгоритм, не дадут детально точной модели,
исходя из доступных структур родственных белков [1].
20
Структуры большинства белковых семейств содержат как относительно
постоянные, так и более вариабельные участки. Ядро структуры семейства
сохраняет топологию укладки, хотя и может быть искажено, периферия же
может быть целиком сложена заново. Располагая единственной
прародительской структурой, можно относительно достоверно моделировать
консервативную часть исследуемого белка, но построить модель
вариабельной части уже не удастся. Более того, непросто предсказать, какие
участки являются вариабельными, а какие — консервативными. Более
предпочтительна ситуация, когда несколько родственных белков с известной
структурой могут выступать в качестве родителей для моделирования по
гомологии
. Они выявляют внутри семейства участки с консервативной и
вариабельной структурой. Наблюдаемое распределение структурной
вариабельности среди родительских структур диктует подходящее
распределение ограничений применительно к моделированию [1].
Развитое программное обеспечение для моделирования по гомологии
доступно. SWISS
-
MODEL
— это Web
-сайт, который принимает на входе
аминокислотную последовательность исследуемого белка, определяет,
существует ли подходящая для моделирования по гомологии
родительская
структура (структуры), и, если существует, выдает на выходе набор
координат исследуемого белка. SWISS
-
MODEL
разработали Т. Schwede
, М.
С. Peitsch
и N
. Guex
в Женевском институте биомедицинских исследований
[1, 2, 12].
В зависимости от сложности задачи, которую необходимо решить при
моделировании пространственной структуры
белка, интересующего
исследователя, на сайте SWISS
-
MODEL
может быть использован один из
трёх возможных алгоритмов действия: автоматическое моделирование
,
«способ выравнивания
» и «проектный способ». Эти способы отличаются по
степени участия пользователя в процессе [2, 12].
21
1.
Автоматическое моделирование
подходит в тех случаях,
когда имеется достаточно высокая степень сходства между исследуемым
белком и белком, выступающим в роли матрицы
(образца для сравнения).
Как правило, если целевой белок
и матрица имеют более 50 % идентичности
в последовательностях, то автоматические «выравнивания
»
последовательностей являются достаточно надежными [12]. Для подачи запроса требуется только наличие аминокислотной
последовательности целевого белка
или кода доступа (если
последовательность данного белка хранится в базе UniProt
) в качестве
вводимых данных. Программный пакет сервера автоматически выберет
подходящие матрицы
, используя предел величины Е (
E
-
value
limit
) из Blast
,
экспериментальные данные, данные о связываемых молекулах субстратов
или различные конформационные состояния
белка-матрицы
[12]. В зависимости от того, как планируется применять получаемую модель,
обязательно нужно выбрать белок-матрицу
в правильной конформации
. Для
чёткого определения структуры белка-матрицы
пользователь может
предоставить id из ExPDB
),
например, 1akeA, где PDB
-ID - 1ake, Chain ID – А
[12].
Примером автоматического предсказания с помощью SWISS
-
MODEL
является предсказание структуры трансмембранной протеазы 3 человека
(
TMPRSS
3), представленное на рисунке 4
.
22
Рисунок 4. Графический результат моделирования белковой структуры,
осуществленный в рамках «рабочего места» на SWISS-MODEL
. Типичные этапы эксперимента по моделированию:
(
a
) Представление в «ленточной» форме трёх доменов
, смоделированных для
целевого белка
– трансмембранной протеазы 3 человека (
TMPRSS
3): I
, LDL
рецепторный домен и II
, рецептор – связывающий домен в комплексе с протеазным
доменом. (
b
) программа IprScan
последовательности целевого белка
позволила
обнаружить три домена
в целевом белке. (c) поиск, основанный на аминокислотной последовательности, в библиотеке
матриц
показал наличие двух сегментов
с подходящими матричными структурами
(
d
) Представлены вторичная структура
и предсказание неупорядоченности
целевого белка
23
(
e
) на графике представлена величина «
a
nolea
», позволяющая оценить
качество окончательной модели.
·
«Способ выравнивания
» позволяет пользователю проверить
несколько альтернативных выравниваний и оценить качество полученных
моделей для достижения оптимального результата. «Способ множественных
выравниваний
» последовательности является общим средством во многих
молекулярно-биологических исследованиях. Если трехмерная структура
известна, по крайней мере, хотя бы для одного из родственных белков, то это
выравнивание может быть использовано в качестве исходной точки для
сравнительного моделирования на основе «способа выравнивания» [12].
Для облегчения использования «способа выравнивания
» в различных
форматах, подача данных осуществляется как трехэтапный процесс: 1.
Подготовка множественного выравнивания
последовательности
:
Запрос должен содержать, по крайней мере, целевую
последовательность
и последовательность белка-матрицы
Нужно использовать любое из возможных средств выравнивания
,
например, T
_
COFFEE
(
Cedric
Notredame
)
Убедиться в том, что у последовательностей "разумное" названия
2.
Не
обходимо предоставить «выравнивание
» на «рабочее
место», где также указывается использованный «способ выравнивания».
Возможные форматы: FASTA
, MSF
, CLUSTALW
(рисунок 5),
PFAM
and
SELEX
Можно либо загрузить файлы, либо скопировать и вставить
последовательности
Обязательно нужно правильно указать формат выравнивания
, 24
Рисунок 5. «Выровненная» последовательность белка с использованием
программы CLUSTALW
.
3.
Выбрать целевой белок
и белок-матрицу
Выравнивание
(в той форме, какой оно было интерпретировано
сервером) должно отражаться в нижней части страницы
Сценарий программы самостоятельно попытается определить
правильные названия, основываясь на данных, предоставленных
пользователем;
Выбрать название той последовательности, которая является
целевой (
target
template
)
Выбрать название последовательности, которая будет являться
матрицей
(
template
sequence
, например, 1
crnA
), при этом совсем не
обязательно в качестве названий использовать ID
из PDB
, можно
использовать названия, которые нравятся пользователю.
Необходимо определить структуру матрицы
, которой принадлежит
эта последовательность. Эта матрица обязательно должна быть частью
библиотеки матриц ExPDB
, поэтому необходимо воспользоваться
библиотекой матриц SWISS
-
MODEL
Также необходимо указать правильное название ID цепи белка-
матрицы
, необходимо отметить, что названия цепей должны быть указаны
заглавными буквами.
25
Рисунок 6. Правильно заполненная форма запроса.
Сверху указано название целевой белковой последовательности, внизу
последовательности-матрицы
, далее располагается PDB
ID
белка-матрицы
(1 crn
в
данном случае), в приведенном примере не указывается цепь белка-матрицы для
анализа
4.
Проверка выравнивания
и подтверждение запроса
«Выравнивание
» внизу страницы должно представлять правильное
отображение структуры матрицы
по отношению к целевой
последовательности
. Это необходимо тщательно проверить перед
подтверждение запроса.
Обычно необходимо предоставить адрес электронной почты для
оформления заявки на SWISS-MODEL
.
Сервер построит модель исключительно на основе «выравнивания
» [12]. ·
«Проектный способ»: используется в тех случаях, когда
правильное «выравнивание
» между целевым белком
и матрицей
не может
быть определено на основе метода последовательностей, визуальная
проверка и ручная обработка «выравнивания» может существенно помочь
улучшить качество модели, получаемой на выходе. Файлы «проектного
способа» содержат матричные структуры
и «выравнивание» между целевым
белком и матрицей. Данные файлы формируются при помощи программы
DeepView
(
Swiss
-
PdbViewer
) или средств выбора матриц, которые имеются в
рабочей области. Файлы «проектного способа» предоставляются на выходе в
формате, заданным по умолчанию моделирующим сервером, что позволяет
26
анализировать и каждый раз улучшать модели, сгенерированные при помощи
«автоматического моделирования
» и «способа выравнивания» [12].
2.3 Распознавание фолда
Поиск последовательности в базе данных последовательностей и поиск
структуры в базе данных структур — это задачи, имеющие решения.
Смешанные задачи (поиск по структуре в банке последовательностей или по
последовательности в банке структур) менее очевидны. Они требуют метода
для оценки совместимости данной последовательности с данным способом
фолда
[1].
Цель состоит в выделении существенного набора последовательностей и
структур. Ожидается, что белки, имеющие один и тот же паттерн, имеют
схожие структуры.
J
. U
. Bowie
, R
. L
ü
thy
и D
. Eisenberg
проанализировали окружение каждой
позиции в известных белковых структурах и соотнесли с набором предпочте
-
ний двадцати аминокислот в структурном контексте [1].
Имея белковую структуру, можно классифицировать окружение каждой
аминокислоты по трем отдельным категориям:
1)
водородные связи основной цепи, т. е. вторичная структура
;
2)
степень погруженности внутрь или экспонированности на
поверхность белковой глобулы;
3)
полярная/неполярная природа окружения
[1]
.
Возможны три варианта вторичной структуры:
α-спиралъ (
helix
), β -слой
(
sheet
) и иное. Авторы определяют 6 клас
сов аминокислот на основе
доступности и полярности окружения. Боковые цепи каждого из этих шести
классов могут быть в любом из трех типов вторичной структуры. Таким
образом, всего получается 18 классов. Если отнести каждую боковую цепь к
одному из 18 классов, то можно, пользуясь алфавитом из 18 букв, создать
описание белковой структуры, называемое профилем трехмерной структуры
27
(З
D
-профилем
). К «последовательностям», в которых таким образом
закодированы структуры, можно применить алгоритмы, разработанные для
поиска последовательностей. Например, можно попытаться выровнять две
далекие друг от друга родственные последовательности путем выравнивания
их З
D
-профилей, а не самих аминокислотных последовательностей. Метод
З
D
-профилей превращает белковые структуры в одномерные объекты, не
сохраняющие точно ни последовательность, ни структуру молекул, из
которых они были получены [1].
Далее необходимо соотнести З
D
-профиль
с набором известных
последовательностей и структур. Очевидно, что некоторые аминокислоты
«не рады» находиться в определенных местах; например, заряженная боковая
цепь не может быть спрятана внутри совсем неполярного окружения.
Остальные предпочтения не столь четки, поэтому необходимо составить
таблицу предпочтений на основе статистического обзора библиотеки,
содержащей белковые структуры высокого качества [1].
Когда у исследователя есть последовательность и он хочет оце
нить
вероятность того, что она принимает, скажем, фолд
глобина, то из З
D
-про-
филя известной структуры миоглобина кашалота он знает класс окружения у
каждой позиции в последовательности. Далее исследователь рассматривает
частичное «выравнивание
» неизвестной последовательности с миоглобином
кашалота и предполагает, что первому остатку миоглобина соответствует в
неизвестной последовательности остаток фенилаланина. В З
D
-профиле класс
окружения первого остатка миоглобина следующий: экспонированная
боковая цепь, нет вторичной структуры
. Можно оценить вероятность
нахождения фенилаланина в этом классе окружения, используя таблицу
предпочтений отдельных аминокислот для этого класса З
D
-профилей
Распространение этих подсчетов на все позиции и на все возможные
выравнивания (не допускающие разрывов внутри участков, имеющих
вторичную структуру) дает число, которое оценивает, насколько хорошо
28
данная неизвестная последовательность подходит профилю миоглобина
кашалота [1].
Особое преимущество этого метода состоит в том, что он может быть
автоматизирован. Новую последовательность можно сравнивать с каждым
ЗD-профилем
в библиотеке известных фолдов
по сути таким же способом,
какой отработан для сравнения новой последовательности с библиотекой
известных последовательностей [1].
ЗD-профиль
, полученный из структуры, весьма опосредованно зависит
от аминокислотной последовательности, но вместе с тем эффективно
используется для определения качества структур. Есть два интересных
наблюдения:
1.
Белковые структуры, хорошо соответствующие собственным
профилям на родственных белках, дают высокий вес сопоставления самих
структур этих белков между собой. Профиль является абстрактным
свойством семейства, а не только индивидуально белка.
2.
Когда родственная последовательность плохо соответствует
профилю, полученному из экспериментальной структуры этой
последовательности, то, по-видимому, в структуре есть ошибка. Позиции, где
профиль не соответствует последовательности, могут указывать на область,
где находится ошибка [1].
Методом распознавания фолда
является трединг
(
threading
—
протягивание). Основная идея данного метода состоит в том, чтобы
построить много грубых моделей для данной последовательности, используя
всевозможные выравнивания
с последовательностями, для которых известна
структура. Систематическое исследование множества возможных
выравниваний определило название метода. Можно представить, что
осуществляется аккуратное протягивание белковой последовательности
через известную трехмерную структуру. При этом допустимы вставки и
29
делеции, но если протягивание достаточно мягкое, то метафора
«протягивания» остается в силе [1].
Как трединг
, так и моделирование по гомологии
, имеют дело с
трехмерными структурами, индуцированными выравниваниями
искомой
последовательности и последовательности, для которой трехмерная
структура определена. Моделирование по гомологии концентрируется на
множестве выравниваний и имеет целью построение детальной структуры.
Трединг использует множество различных выравниваний и работает только с
грубыми моделями, иногда даже не построенными явно. Можно привести
краткое сравнение данных подходов
[1]
.
Моделирование по гомологии
Трединг
Сначала найти гомологов
Проверить всех возможных
партнеров
Построить оптимальное
выравнивание
Проверить все возможные
выравнивания
Оптимизировать одну модель
Оценить много грубых моделей
Для успешного распознавания с использованием трединга
требуется:
1.
Метод для оценки моделей, позволяющий выбрать одну.
2.
Метод калибровки весов, чтобы можно было понять, на
сколько выбранная модель хороша [1].
Было испытано несколько аппроксимаций взвешивания. Одна из
наиболее эффективных основана на эмпирической оценке близости
аминокислотных остатков, полученной из анализа известных структур.
Наблюдения над межостаточными расстояниями в известных структурах для
всех 20 х 20 пар типов остатков. Для каждой пары остатков было построено
распределение вероятностей пространственных расстояний между остатками.
30
Например, для пары Leu
-
Ile
были рассмотрены все Leu
и Ile
во всех
структурах и были вычислены пространственные расстояния между С
β
-
атомами и расстояния по последовательности. Коллекция этих данных
позволила построить оценку, насколько хорошо расстояния в модели
соответствуют расстояниям в известных структурах [1].
Распределение Больцмана связывает энергию и вероятность. При
трединге
— из вероятности выводится энергия. Эта энергетическая функция
используется для оценки качества модели [1].
Для каждой структуры из библиотеки процедура находит соответствие
остатков, доставляющее минимум энергии. Хотя это и является задачей
выравнивания
, нелокальность взаимодействий не позволяет применить здесь
метод динамического программирования [1].
Наилучшие методы предсказания фолда
единообразно эффективны.
Они включают методы, основанные на трединге
, но не ограничиваются им.
Программа R
OSETTA — продукт лаборатории D
. Baker
для
предсказания структуры белка по аминокислотной последовательности.
Данная программа использует информацию об уже расшифрованных
структурах. В настоящий момент, данный программный продукт опережает
свои аналоги на несколько корпусов [1, 3].
R
OSETTA, используя данные об уже имеющихся структурах, сначала
предсказывает структуру отдельных фрагментов, объединяя их впоследствии
в единую структуру. Вначале последовательность разбивается на фрагменты
от 3 до 9 аминокислот и происходит поиск схожих фрагментов в белках с из
-
вестной структурой. Поскольку фрагменты достаточно короткие, то никаких
предположений о родственных связях между белками не делается. Исходя из
возможных вариантов структуры отдельных фрагментов, рассчитываются
возможные варианты структуры белка в целом [1,3].
R
OSETTA использует для анализа таких комбинаций метод Монте-
Карло. Основная идея заключается в том, что структура, полученная
31
наибольшее количество раз в ходе независимых испытаний Монте-Карло, и
будет наиболее правдоподобной моделью [1]. Сейчас полностью автоматизированное выполнение программы Rosetta
для предсказания структуры белков осуществляется с помощью Internet
сервиса Robetta
, который также включает средства анализа, позволяющие
сделать выводы о структуре белков на основе геномных данных. Программа
Rosetta
была эффективно использована для описания структур CASP
-5 [3]. Рисунок 7. Результаты построения пространственных структур
для
белков CASP
-5 с помощью программы ROSETTA
Слева изображена модель пространственной структуры
белка, построенная
программой ROSETTA
, а справа – нативная пространственная структура данного
белка. Таким образом, модель оказалась очень близка нативной пространственной
структуре белка.
Сервис Robetta
разбивает введенные аминокислотные
последовательности белков на отдельные домены
и осуществляет построение
моделей не только для доменов, последовательности которых гомологичны
таковым для белков с известной структурой (сравнительное моделирование –
программа Rosetta
), но и для доменов, лишенных такой гомологии (метод
Rosetta
de
novo
)
. Кроме того, сервер может определять структуры белков с
помощью программы RosettaNMR
на основе данных ЯМР, предоставленных
пользователем. В качестве результата пользователь получает предсказания
32
для доменов и молекулярные координаты моделей распределения для всей
последовательности, которая вводилась в запросе [4, 6, 11]. Алгоритм действий для получения пространственной структуры
белка с
помощью программы Rosetta
на сервисе Robetta
следующий [11]:
1.
Пользователь должен зарегистрироваться на сайте
http
://
robetta
.
bakerlab
.
org
/
register
.
jsp
прежде, чем сделать запрос на сервис
Robetta
.
2.
Пользователь предоставляет аминокислотную
последовательность белка, для которого хочет получить пространственную
структуру
. Последовательности, предоставляемые на сервер для предсказания
структуры, должны быть записаны в формате однобуквенных аминокислот.
Они могут быть либо вставлены в форму запроса, либо загружены из файла.
Пользователи могут или предоставить последовательность для
идентификации отдельных доменов
, или для предсказания полной
последовательности. У пользователя также имеется возможность указать
PDB
ID
того белка и той цепи, которые будут использоваться для
сравнительного моделирования.
33
Рисунок 8. Результаты, полученные при использовании сервера
ROBETTA для предсказания структуры белка. В верхней части экрана предоставляются цифровые и статические данные (
A
),
внизу экрана располагаются непосредственно смоделированные трехмерные
белковые структуры (в данном случае первые 6 из 10 предсказанных структур (
B
)).
3.
Для загрузки результатов по предсказанию структуры
целевого белка
на адрес электронной почты пользователя по завершению
работы высылается особая ссылка. Поскольку библиотеки фрагментов
являются большими (мегабайты), то данные по запросу удаляются с сервера
через неделю после завершения работы. 34
ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ
Описанные выше программы, которые широко используются для
предсказания структур белков, хорошо зарекомендовали себя, однако не
являются единственными. Так, наряду с программами PROF
и PSIPRED
для предсказания
вторичной структуры
белков могут быть использованы PROFsec
, PHD
,
PHDsec
и целый ряд других программных пакетов. Точно также обстоит дело
и с программами, предназначенными для моделирования по гомологии
(кроме сайта SWISS
-
MODEL
с его программным обеспечением используется
также, например, сервер MODBASE
), и с программами, используемыми для
моделирования на основе распознавания фолда
(не только ROSETTA
, но
LINUS
и др.) Проблема прогнозирования структуры белков является весьма
актуальной не только в области современной биологии, но и в медицине,
фармакологии. Поэтому и неудивительно, что идёт непрерывный процесс
совершенствования не только уже имеющегося программного обеспечения в
данной области, но и создание нового. И конечно, поскольку существует
большое количество программ для прогнозирования, возникает правомерный
вопрос о сравнении результатов, полученных с их помощью. Так, существует проект CASP
– программа долгосрочного исследования,
предназначенная для оценки методов для предсказания белковых структур. В
рамках этой программы кристаллографы и ЯМР-спектроскописты публикуют
аминокислотные последовательности белков, структуры которых они
расшиф
ровали, но сами структуры держат в тайне до тех пор, пока
«предсказатели» не будут готовы представить модели этих белков. Каждые
два года после
довательности публикуются весной, а к осени предсказания
должны быть уже готовы. Затем прогнозы и эксперименты сравниваются и в
конце года авторы предсказаний собираются на торжественной конференции
для обсуждения текущих результатов и оценки успехов [1, 10]. 35
Предсказания в CASP
делятся на три основные категории:
1
предсказание вторичной структуры
;
2
сравнительное моделирование (моделирование по
гомологии
);
3
распознавание укладки и моделирование новых фолдов
;
Три эксперта-оценщика, по одному на каждую категорию, сравнивают
предсказанную и экспериментально расшифрованную структуры и
оценивают качество предсказаний. В число докладчиков входят
организаторы, эксперты-оценщики и предсказатели, включая тех, кто только
отчасти добился успеха и тех, кто разработал интересный новый метод
моделирования [1]. Именно в рамках осуществления проекта CASP
в 2000 г. была показана
высокая эффективность программ
PROF
для предсказания структуры домена
белка репарации MutS
из Thermus
aquaticus
и R
OSETTA для предсказания
нового фолда
в случае N
– концевой половины домена 1 белка человека
Xrcc
4 из системы репарации ДНК [1, 10].
Стоит отметить, что непрерывный полностью автоматический анализ
предсказа
нных структур (включая предсказание вторичных структур,
но не
только их) осуществляется Web
-сервером Е
V
А.
Это плод сотрудничества
групп из Нью-Йорка и Мадрида. Целью проекта EVA
является мониторинг
прогресса в этой области и вы
работка рекомендаций пользователям для
использования различных серверов предсказания структуры в разных
категориях. EVA
может рассматриваться как непрерывный CASP
,
ограниченный методами, которые могут быть проверены автоматически.
Вместе с тем EVA
имеет доступ к гораздо большему набору данных, чем
СА
S
Р. Поэтому ее решения менее подвержены статистическим флуктуациям
и трудностям выбора задач в СА
S
Р [1,13].
36
ЗАКЛЮЧЕНИЕ
Таким образом, на основании вышеизложенного материала можно
однозначно утверждать, что интенсивное проведение современных
молекулярно-биологических, биохимических, биотехнологических и ряда
других исследований неразрывно связано с внедрением и эффективным
использованием информационных технологий и привело к созданию новой
научной области – биоинформатики. На современном этапе решение проблемы, связанной с предсказанием
структуры и свойств белков на основании данных об их аминокислотном
составе, осуществляется благодаря усилиям учёных из различных стран,
создаются и реализуются программы долгосрочных исследований, такие, как
например, CASP
. Хорошо зарекомендовало себя использование описанных в
данной работе подходов для предсказания структур белков, но вместе с тем
не исключена возможность разработки и новых подходов. Необходимо подчеркнуть, что происходит активное использование и
усовершенствование уже имеющихся программ, а также активная разработка
нового программного обеспечения, необходимого для определения
структуры белков по их аминокислотным последовательностям на основе
таких. Наличие мощных Web
-узлов, хранящих необходимое программное
обеспечение и обширные базы данных, позволяет осуществлять быструю
навигацию имеющейся информации, систематизировать данные, выполнять
необходимые исследования и объединять учёных по всему миру.
СПИСОК ЛИТЕРАТУРЫ К РЕФЕРАТУ
1.
Леск А.. Введение в биоинформатику. – М.: БИНОМ.
Лаборатория
знаний
, 2009. – 318 с
.
37
2.
Arnold
, K
., Bordoli
, L
., Kopp
, J
., Schwede
, T
. The SWISS-MODEL
workspace: a web-based environment for protein structure homology
modelling
// Bioinformatics
. – 2006. – Vol. 22, №
2
. – P.
195–201
3.
Bradley, P., Chivian, D., Meiler, J., Misura, K.M., Rohl, C.A., Schief,
W.R., Wedemeyer, W.J., Schueler-Furman, O., Murphy, P., Schonbrun, J. et
al. Rosetta predictions in CASP5: successes, failures, and prospects for
complete automation. // Proteins. – 2003. – 53, Suppl. 6. – P.
457–468.
4.
Chivian
, D., Kim, D.E., Malmstrom ,L., Bradley, P., Robertson, T.,
Murphy, P., Strauss, C.E., Bonneau, R., Rohl, C.A. and Baker, D. Automated
prediction of CASP
-5 structures using the Robetta server. // Proteins. – 2003.
– 53, Suppl. 6. – P.
524–533. 5.
Introduction to Protein Architecture: The Structural Biology of
Proteins. // Oxford University Press, 2001
6.
Kim
, D. E., Chivian, D., Baker, D. Protein structure prediction and
analysis using the Robetta server. // Nucleic Acids
. – 2004. –
July 1; 32
, Web
Server issue
: W526–W531.
7.
Rost, B., Yachdav G. and Liu J. The PredictProtein
Server.// Nucleic
Acids Research
. – 2004. – 32, Web Server issue: W321-W326. 8.
McGuffin
, L.J., Bryson K., Jones, D.T. The PSIPRED
protein
structure prediction server.// Bioinformatics
. - 2000. – 16. – P
. 404-405.
9.
http://www.predictprotein.org/ 10.
http
://
predictioncenter
.
gc
.
ucdavis
.
edu
/ 11.
http://robetta.bakerlab.org
12.
http
://swissmodel.expasy.org
13.
http
://
cubic
.
bioc
.
columbia
.
edu
/
eva
38
ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ К РЕФЕРАТУ
310-спираль
......................................
9
ASP
..................................................
19
CASP
...................
4, 32, 35, 36, 37, 38
CLUSTALW
.............................
24, 25
DISULFIND
....................................
19
ExPDB
...................................
4, 22, 25
FASTA
.............................................
24
GLOBE
............................................
18
MaxHom
..........................................
18
MSF
.................................................
24
MView
.............................................
18
PDB
.....................
4, 19, 22, 25, 26, 33
PFAM
..............................................
24
PHD
...........................................
18, 35
PHDacc
............................................
18
PHDhtm
...........................................
18
PHDsec
......................................
18, 35
PredictProtein
................
16, 17, 38, 43
ProDom
............................................
18
PROF
.......................
13, 18, 19, 35, 36
PROFACC
.......................................
18
PROFsec
....................................
18, 35
PROSITE
.........................................
17
PSIPRED
.............................
14, 35, 38
ScanPROSITE
.................................
17
SEG
..................................................
17
SELEX
.............................................
24
SWISS-MODEL
.....
21, 22, 23, 25, 26,
35, 38
T_COFFEE
......................................
24
α-спираль
..........................
8, 9, 12, 20
αβ-баррелы
........................................
9
β-лист
..........................................
8, 12
β-слой
................................................
9
β-тяж
................................................
20
π-спираль
..........................................
9
автоматическое моделирование
..
21,
22, 27
белок-матрица
..............
22, 24, 25, 26
вторичная структура
.
8, 9, 11, 13, 14,
15, 16, 17, 18, 23, 27, 28, 35, 36
выравнивание
..
12, 21, 22, 24, 25, 26,
28, 29, 30, 31
домен
.....
10, 13, 17, 18, 23, 32, 33, 36
ЕVА
.............................................
4, 36
ЗD-профиль
..............................
28, 29
конформационное состояние
........
22
конформация
..........
11, 12, 16, 20, 22
матрица
...............
4, 20, 22, 23, 25, 26
матричная структура
...............
23, 26
множественное выравнивание
16, 24
множественное выравнивание
последовательности
...................
24
моделирование по гомологии
12, 19,
21, 30, 35, 36
модульные белки
...........................
10
мотив(ы)
......................................
8, 17
неупорядоченные фрагменты
.........
9
первичная структура
........................
8
пространственная структура
..
11, 12,
21, 32, 33
сегмент(ы)
...........................
11, 20, 23
супервторичные структуры
..........
10
трединг
..........................
17, 29, 30, 31
третичная структура
............
9, 10, 13
фолд
.
12, 13, 17, 27, 28, 29, 31, 35, 36
целевая последовательность
...
24, 26
целевой белок
....
7, 14, 22, 23, 25, 26,
34
четвертичная структура
................
10
39
ИНТЕРНЕТ-РЕСУРСЫ В ПРЕДМЕТНОЙ ОБЛАСТИ
http://www.bmn.com/
BioMedNet
организован
Elsevier
Science
. Это web-сайт для биологов и
медицинских работников. Можно получать новости сайта по E-mail. На этом
сайте:
·
публикуются обзоры, новости, обзоры конференций;
·
имеется хорошая подборка аннотированных web-ресурсов;
·
имеется список журналов со свободным доступом (часто временно
ради рекламы доступны хорошие журналы), возможность подписаться на
"содержание журналов";
·
возможен поиск фирм производителей конкретной медико-
биологической продукции;
·
имеются: MEDLINE
; Technical Tips (коллекция молекулярно-
биологических протоколов);
·
имеется база вакансий с возможностью поиска.
http://www.google.com
Всемирно известная поисковая система Google. Позволяет производить
простой поиск по ключевым словам, возможен вариант расширенного поиска
по группам (среди книг, музыкальных файлов или видеофайлов, новостей и
т.д.), особым признакам (определение, тип файла) и т.д.
http://highwire.stanford.edu
Сайт секции библиотеки Стэнфордского университета предлагает
вниманию пользователей огромную базу материалов, доступных к
бесплатному скачиванию в полном объеме. Источниками предлагаемых
статей являются 975 журналов, читатели имеют возможность доступа к
полным текстам почти 1 435 924 статей, которые перед публикацией
получили рецензию экспертов. Возможен быстрый поиск и расширенный
поиск (по авторам статей, названиям, цитатам, ключевым словам и т.д.).
40
http://molbiol.edu.ru/
Практическая молекулярная биология
. Сайт является незаменимым для
биохимиков, генетиков, микробиологов и молекулярных биологов. Это
крупнейшая биологическая база данных. Сайт содержит подробный
справочник, который состоит из наиболее важных разделов. Здесь можно
найти руководства и рекомендации по выполнению тех или иных операций,
подробное описание методов исследования (работа с бактериями,
бактериофагами, эукариотическими организмами, дигибридные системы,
методы выделения и анализа ДНК про- и эукариотических организмов,
работа с белками), методики и расчеты для приготовления растворов, подбор
необходимых для исследования ферментов и реактивов. Можно следить за
свежими публикациями. Имеются обзоры различных биологических
ресурсов и программ, а также ссылки на биологические журналы и гранты
биологического профиля. Внимание уделяется также образованию и
образовательным ресурсам. Имеются сведения о компаниях и р
усскоязычных
институтах биологического профиля, а также ссылки на полезные web-
ресурсы
.
http://www.ncbi.nlm.nih.gov/
PubMed
– это информационный ресурс Национального Института
Здравоохранения США, состоящий из множества разделов. Он содержит
более 16 миллионов цитат из научных журналов биомедицинской и
естественнонаучной направленности, начиная с 1950-х годов. Здесь
размещаются ссылки на полные тексты статей и другие связанные ресурсы
(на страницы Национальной Библиотеки медицины США; на страницу
Medline
– базу материалов о более чем 700 заболеваниях и состояниях, о
лекарственных средствах, на этом портале есть также медицинская
энциклопедия и медицинский словарь и много другой полезной информации;
на базы данных по токсикологии и токсическим веществам и др.). Поиск в
базе данных журналов можно осуществлять по предмету или по названию
41
журнала, по сокращенному названию, аббревиатуре ISO
и другим
параметрам. htt
p:// www.predictprotein.org
PredictProtein
является интернет-ресурсом для анализа
последовательностей и предсказания структур и функций белков. Данный
сервер позволяет произвести полный анализ первичной последовательности
исследуемого белка, а также смоделировать вторичную и третичную
структуры белков при использовании широкого набора разнообразных
программ. http://www.scholar.google.com
Специализированная поисковая система для научных документов.
Служба поисковой системы Google для поиска научных документов в
зависимости от заданной предметной области. В принципе, достаточно
быстрая и удобная поисковая система, с помощью которой можно найти
научные статьи, публикации по интересующей пользователя предметной
области.
http://www.sciencedirect.com
База данных и поисковая система, содержащая оглавления научных
журналов издательства Elsevier по естественным наукам. Также, система
содержит материалы по научной, медицинской и технической информации:
более 2000 рецензируемых журналов, сотни книжных серий, руководств и
справочников. Поиск информации осуществляется по ключевым словам.
Возможен вариант расширенного поиска (по названию журнала, статьи).
http://www.sciencekomm.at
/
Более 4000 ссылок на биологические и медицинские журналы
содержится на "science.komm" (там же удобные ссылки на полнотекстовые
источники, словари, базы данных по абстрактам и т.п.). По web-ссылке вы
попадаете на сайт конкретного журнала. На многих журналах можно
подписаться на рассылку оглавления по E-mail.
42
http://www.scirus.com/srsapp/
Scirus
– наиболее полная поисковая система для ученых в Интернете.
Основанный на последних поисковых технологиях, он ищет более, чем в 300
миллионах определенных для науки Web
-страницах, позволяя пользователям
быстро находить:
·
Научные, медицинские и технические сведения;
·
Последние публикации; рецензируемые журналы; патенты и
журналы, которые обычно пропускают другие поисковые системы.
·
Поисковик предлагает уникальные функциональные возможности
для ученых и исследователей
·
Эта поисковая система обращает внимание только на те Web
-
страницы, которые содержат научную информацию.
Scirus поможет быстро определять местонахождение научной
информации в Интернете:
отфильтровывает ненаучные сайты; находит рецензируемые статьи формата PDF и файлы PostScript,
которые являются часто невидимыми для других поисковиков;
ищет глубже чем другие поисковые системы, показывая таким
образом нужную информацию.
С Scirus, можно: ·
выбрать диапазон предметных областей для поиска;
·
сузить ваш поиск по конкретному автору, журналу или статье;
·
ограничить поиск диапазоном даты;
·
найти информацию о научных конференциях, резюме и патентах;
·
усовершенствовать, настроить и сохранить результаты поиска.
http://swissmodel.expasy.org/
SWISS-model представляет собой полностью автоматизированный
сервер, осуществляющий моделирование белковых структур по гомологии.
43
Главная цель этого сервера — сделать моделирование белков, доступным для
всех биохимиков и молекулярных биологов по всему миру.
http://www.vak.org.by
Сайт Высшей аттестационной комиссии Республики Беларусь, на
котором размещены материалы, касающиеся подготовки научных кадров,
присуждения ученых степеней и званий, краткие паспорта специальностей и
программы-минимумы кандидатских экзаменов по специальности. В разделе
«Каталог файлов» представлены доступные для скачивания файлы
нормативных документов с приложениями и шаблоны регистрационных
документов. Организован поиск по сайту и в сети Интернет.
44
ДЕЙСТВУЮЩИЙ ЛИЧНЫЙ САЙТ В WWW
http://linalena-dol.narod.ru/
45
ГРАФ (КРУГ) НАУЧНЫХ ИНТЕРЕСОВ
Магистрантки Долгодилиной Елены биологический факультет
Специальность биохимия
Смежные специальности
·
03.00.26 –
молекулярная генетика
1.
Гены и регуляторные
структуры, определяющие
процессы транскрипции и
трансляции.
2.
Повторяющиеся
последовательности ДНК,
транспозоны,
ретротранспозоны. Их
использование в
молекулярно-генетических
исследованиях.
3.
Конструирование
рекомбинантных молекул
ДНК, синтез генов.
·
03.00.23 –
биотехнология
1.
Генетические,
селекционные и
иммунологические
исследования, изучение
новых методов
молекулярного
клонирования генов для
целей производства.
Конструирование
векторов, генов,
рекомбинантных ДНК,
гибридомная технология.
. 2.
Исследование средств
диагностики вирусных,
бактериальных и грибных
болезней; создание вакцин
против вирусных и
бактериальных болезней,
биологически активных
соединений для нужд
народного хозяйства и
медицины.
Основная специальность
03.00.04 – биохимия
1.
Взаимосвязь химического
строен
ия, структуры и
функций белков.
2.
Ферментативный катализ.
3.
Макромолекулярная
структура ДНК.
4.
Углеводы и их
превращения в организме.
5.
Липиды.
6.
Витамины.
7.
Биоэнергетика.
8.
Биохимия регуляторных
процессов. Гуморальная
регуляция.
Геномная и
метаболическая
регуляция
.
9.
Метаболизм ксенобиотиков
и их обезвреживание в
живых организмах.
10.
Разработка биохимических
методов исследования
живых систем и получения
веществ с заданными
свойствами.
Сопутствующие
специальности
·
нет
46
ПРЕЗЕНТАЦИЯ МАГИСТЕРСКОЙ ДИССЕРТАЦИИ
Презентацию, выполненную в Power Point, можно посмотреть по
следующей ссылке: http://linalena-dol.narod.ru/
my_
presentation
.
ppt
Белорусский
государственный
университет
Биологический
факультет
Кафедра
биохимии
Исследование
антиоксидантных
и
прооксидантных
свойств
некоторых
структурно
близких
флавоноидов
Магистерская
диссертация
Долгодилиной
Елены
Викторовны
Научный
руководитель
к
.
б
.
н
., доцент
Кукулянская
Татьяна
Александровна
Минск
2009
Содержание
Актуальность
исследования
Цель
и
задачи
Материалы
и
методы
Результаты
Выводы
V
V
V
V
V
1
2
Актуальность
темы
Свободные
радикалы
неминуемо
образуются
в
клетке
в
процессе
жизнедеятельности
и
, присутствуя
в
живых
системах
, вызывают
повреждения
макромолекул
в
клетке
, что
приводит
к
ряду
негативных
последствий
. Как
у
растительных
организмов
, так
и
у
животных
имеются
специальные
антиоксидантные
системы
, функция
которых
и
сводится
к
инактивации
свободных
радикалов
. Условно
такие
системы
можно
разделить
на
две
части
: первая
включает
такие
ферменты
, как
пероксидазу
, каталазу
, супероксиддисмутазу
, а
вторая
-
аскорбиновую
кислоту
, гидрохинон
, кверцетин
и
другие
низкомолекулярные
соединения
В
ходе
исследований
показано
, что
наиболее
токсичные
радикальные
продукты
пероксидазного
окисления
удаляются
, главным
образом
, отдельными
биоантиоксидантами
, к
которым
относятся
и
флавоноиды
. Установлено
также
, что
флавоноиды
обладают
выраженными
антиаллергическими
, антиканцерогенными
, противовоспалительными
и
противовирусными
свойствами
Цели
и
задачи
Цель
настоящей
работы
:
изучение
антиоксидантных
и
прооксидантных
свойств
структурно
близких
флавоноидов
в
процессах
, сопровождающихся
генерацией
АФК
, первичных
и
вторичных
свободных
радикалов
. В
соответствии
с
целью
данной
работы
были
поставлены
следующие
задачи
:
1.
изучить
влияние
таких
флавоноидов
, как
кверцетина
, эпикатехина
и
гесперетина
, на
ПОЛ
, вызванное
различными
индукторами
;
2.
исследовать
влияние
выше
указанных
флавоноидов
на
процесс
метаболической
активации
аминобифенилов
по
пероксидазному
пути
окисления
;
3.
изучить
возможность
данных
флавоноидов
выступать
в
качестве
субстратов
для
пероксидазы
;
3
4
Материалы
и
методы
В
работе
использовались
следующие
вещества
и
ферменты
:
3,3
’
,5,5
’
-
тераметилбензидин
, квер
ц
етин
, гесперетин
, эпикатехин
, лецитин
соевый
производства
«
Sigma
»
, США
НАДН
производства
«
Renaul
»
Венгрия
Твин
20 производства
«
Ferak
»
, Германия
ДНК
фага
l
производства
«
Сибэнзим
»
, Россия
o
-
дианизидин
, пероксид
водорода
, диметилформамид
, С
2
Н
5
ОН
, хлороформ
, FeSO
4
, тиобарбитуровая
кислота
и
другие
реактивы
квалификации
марки
«
ЧДА
»
пероксидаза
из
хрена
(
КФ
1.11.1.7) с
Rz
= 3 и
СОД
(
КФ
1.15.1.1) производства
«
Fluka
»
, США
Во
время
выполнения
работы
были
использованы
следующие
методы
анализа
:
спектральные
(
измерения
проводили
на
спектрофотометрах
Solar PV
150, UV
-
VIS Cary
-
50 в
УФ
и
видимом
диапазоне
длин
волн
)
электрофоретические
.
Основная
часть
Общая
структура
флавоноидов
Флавоноиды
–
это
фенольные
соединения
, широко
распространённые
в
природе
. Общая
структура
флавоноидов
(
С
6
—
С
3
—
С
6
) представлена
двумя
ароматическимих
кольцами
, соединенными
тремя
углеродными
атомами
, наиболее
часто
с
образованием
гетероциклического
кольца
5
6
47
Механизмы
антиоксидантной
активности
флавоноидов
могут
быть
следующие
:
1.
Подавление
формирования
активных
форм
кислорода
путем
ингибирования
ферментов
или
хелатирование
микроэлементов
, учавствующих
в
образовании
свободных
радикалов
. 2.
Удаление
активных
форм
кислорода
. Благодаря
более
низким
окислительно
-
восстановительным
потенциалам
, флавоноиды
(
Fl
-
ОН
) способны
восстанавливать
высоко
окисленные
свободные
радикалы
3.
Сверхрегулирование
или
защита
протекторов
антиоксидантов
Накопление
продуктов
ПОЛ
в
присутствии
кверцетина
, гесперетина
и
эпикатехина
На
рисунке
слева
представлено
накопление
продуктов
ПОЛ
, индуцированное
СФ
, в
присутствии
кверцетина
, гесперетина
и
эпикатехина
(1.
-
спонтанное
ПОЛ
, 2.
-
ПОЛ
, индуцированное
СФ
(2
×
10
-
4
М
Fe
2+
/2
×
10
-
5
М
Н
2
О
2
) в
отсутствии
флавоноидов
; для
флавоноидов
: 3.
-
1
×
10
-
7
М
, 4. -
5
×
10
-
7
М
,5.
-
1
×
10
-
6
М
,6.
-
5
×
10
-
6 М
,7.
-
1
×
10
-
5
М
, 8. -
5
×
10
-
5
М
,9. -
1
×
10
-
4
М
)
На
рисунке
справа
представлено
накопление
продуктов
ПОЛ
, индуцированное
Fe
2+
, в
присутствии
кверцетина
, гесперетина
и
эпикатехина
(1.
-
спонтанное
ПОЛ
, 2.
-
ПОЛ
, индуцированное
Fe
2+ в
концентрации
2
×
10
-
4
М
в
отсутствие
флавоноидов
;
для
флавоноидов
: 3.
-
1
×
10
-
7
М
, 4. -
5
×
10
-
7
М
, 5. -
1
×
10
-
6
М
,6.
-
5
×
10
-
6
М
,7.
-
1
×
10
-
5
М
, 8. -
5
×
10
-
5
М
,9. -
1
×
10
-
4
М
)
Примечание
II
: * -
различия
достоверны
при
р
≤
0,05
7
8
Пероксидазное
окисление
3, 3
’
,5,5
’
-
тераметилбензидина
(
ТМБД
)
Подробный
механизм
окисления
ТМБД
Пероксидазное
окисление
ТМБД
в
0,1 М
цитратно
-
ацетатном
буфере
рН
5,5 (
конечный
объём
реакционной
смеси
составлял
2,5 мл
и
содержал
[
Н
2
О
2
]=0,4 ммоль
/
л
, [
ПХ
]=10
-
11
М
):
1
-
[T
МБД
] = 1 ммоль
/
л
, 2
-
[
ТМБД
] = 0,8 ммоль
/
л
, 3
-
[
ТМБД
] = 0,6 ммоль
/
л
, 4
-
[
ТМБД
] = 0, 4 ммоль
/
л
, 5
-
[
ТМБД
] = 0, 2 ммоль
/
л
, 6
-
[
ТМБД
] = 0,1 ммоль
/
л
.
Влияние
флавоноидов
на
процесс
пероксидазного
окисления
3,3
’
,5,5
’
-
тераметилбензидина
Пероксидазное
окисление
ТМБД
в
0,1 М
цитратно
-
ацетатном
буфере
рН
5,5 (
конечный
объём
реакционной
смеси
составлял
2,5 мл
и
содержал
[
Н
2
О
2
]=0,4 мМ
/
л
, [
ПХ
]=10
-
11 М
, [
ТМБД
]= 0,6 мМ
/
л
) в
присутствии
кверцетина
:
1 -
[
кверцетин
] =0 мкМ
/
л
, 2 -
[
кверцетин
] =0,01 мкМ
/
л
, 3 -
[
кверцетин
] =0,04
мкМ
/
л
, 4 -
[
кверцетин
] =0,08 мкМ
/
л
, 5 -
[
кверцетин
] =0,12 мкМ
/
л
, 6 -
[ кверцетин
] =0,2 мкМ
/
л
, 7 -
[
кверцетин
] =0,6 мкМ
/
л
, 8 -
[
кверцетин
] =1 мкМ
/
л
, 9 -
[ кверцетин
] =4 мкМ
/
л
.
Пероксидазное
окисление
ТМБД
в
0,1 М
цитратно
-
ацетатном
буфере
рН
5,5 (
конечный
объём
реакционной
смеси
составлял
2,5 мл
и
содержал
[
Н
2
О
2
]=0,4 мМ
/
л
, [
ПХ
]=10
-
11
М
, [
ТМБД
]= 0,6 мМ
/
л
) в
присутствии
эпикатехина
: 1 -
[
эпикатехин
] =0 мкМ
/
л
, 2 -
[
эпикатехин
] =0,01 мкМ
/
л
, 3 -
[
эпикатехин
] =0,04 мкМ
/
л
, 4 -
[
эпикатехин
] =0,08 мкМ
/
л
, 5 -
[
эпикатехин
] =0,12 мкМ
/
л
, 6 -
[ эпикатехин
] =0,2 мкМ
/
л
, 7 -
[
эпикатехин
] = 0,6 мкМ
/
л
, 8 -
[
эпикатехин
] = 1 мкМ
/
л
, 9 -
[ эпикатехин
] = 4 мкМ
/
л
.
9
10
Химические
формулы
кверцетина
, гесперетина
и
эпикатехина
Пероксидазное
окисление
кверцетина
Окисление
протекало
в
0,1 М
цитратно
–
ацетатном
буфере
(
рН
5,5), [
ПХ
]= 10
-
11
М
, [
Н
2
О
2
]=50 мкмоль
/
л
: 1 -
[
кверцетин
] = 75 мкмоль
/
л
, 2 -
[
кверцетин
] = 65 мкмоль
/
л
, 3 -
[
кверцетин
] =55 мкмоль
/
л
, 4 -
[
кверцетин
] =45 мкмоль
/
л
, 5 -
[
кверцетин
] =35 мкмоль
/
л
, 6 -
[
кверцетин
] = 25 мкмоль
/
л
, 7 -
[
кверцетин
] = 20 мкмоль
/
л
, 8 -
[
кверцетин
] = 10 мкмоль
/
л
, 9 -
[
кверцетин
] = 5 мкмоль
/
л
.
11
12
Пероксидазное
окисление
эпикатехина
Окисление
протекало
в
0,1 М
цитратно
–
ацетатном
буфере
(
рН
5,5), [
Н
2
О
2
]=50 мкмоль
/
л
: На
рисунке
слева
: [
ПХ
]= 10
-
11 М
, 1 -
[
эпикатехин
] = 105 мкмоль
/
л
, 2 -
[
эпикатехин
] = 95 мкмоль
/
л
, 3 -
[
эпикатехин
] =85 мкмоль
/
л
, 4 -
[
эпикатехин
] =75 мкмоль
/
л
, 5 -
[
эпикатехин
] =55 мкмоль
/
л
, 6 -
[
эпикатехин
] = 25 мкмоль
/
л
, 7 -
[
эпикатехин
] = 20 мкмоль
/
л
, 8 -
[
эпикатехин
] = 5 мкмоль
/
л
.
На
рисунке
справа
: [
ПХ
]= 10
-
9 М
, 1 -
[
эпикатехин
] = 105 мкмоль
/
л
, 2 -
[
эпикатехин
] = 95 мкмоль
/
л
, 3 -
[
эпикатехин
] =75 мкмоль
/
л
, 4 -
[
эпикатехин
] =65 мкмоль
/
л
, 5 -
[
эпикатехин
] =55 мкмоль
/
л
, 6 -
[
эпикатехин
] = 45 мкмоль
/
л
, 7 -
[
эпикатехин
] = 35 мкмоль
/
л
, 8 -
[
эпикатехин
] = 25 мкмоль
/
л
, 9 -
[
эпикатехин
] = 20 мкмоль
/
л
, 10 -
[
эпикатехин
] =10 мкмоль
/
л
, 11 -
[
эпикатехин
] =5 мкмоль
/
л
Электрофореграмма
ДНК
фага
l
, инкубированной
в
системе
пероксидазного
окисления
о
-
дианизидина
Электрофореграмма
ДНК
фага
l
, инкубированной
в
системе
пероксидазного
окисления
о
-
дианизидина
([
ДНК
] =0,4
мкг
, [
Н
2
О
2
] = 1 ммоль
/
л
, [
ПХ
] = 10
-
7
моль
/
л
):
1. ДНК
, 2. ДНК
, ПХ
, Н
2
О
2
, 3. ДНК
, ПХ
, о
-
дианизидин
5
×
10
-
5
моль
/
л
, 4. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
10
-
7 моль
/
л
, 5. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
2,5
×
10
-
7
моль
/
л
, 6. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
5
×
10
-
7
моль
/
л
, 7. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
10
-
6
моль
/
л
,8. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
2,5
×
10
-
6
моль
/
л
, 9. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
5
×
10
-
6
моль
/
л
, 10. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
10
-
5
моль
/
л
, 11. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
2,5
×
10
-
5
моль
/
л
, 12. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
5
×
10
-
5
моль
/
л
.
13
14
48
Влияние
кверцетина
на
повреждение
ДНК
продуктами
пероксидазног
о
окисления
о
-
дианизидина
Электрофореграмма
ДНК
фага
l
, инкубированной
в
системе
пероксидазного
окисления
о
-
дианизидина
( [
о
-
дианизидин
]= 5
×
10
-
6
моль
/
л
, [
ДНК
] =0,4
мкг
, [
Н
2
О
2
] = 1 ммоль
/
л
, [
ПХ
] = 10
-
7
моль
/
л
) с
различными
концентрациями
кверцетина
:
1. ДНК
, 2. ДНК
, ПХ
, Н
2
О
2
, 3. ДНК
, ПХ
, о
-
дианизидин
, 4. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, 5. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, кверцетин
1
×
10
-
8
моль
/
л
, 6. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, кверцетин
5
×
10
-
8
моль
/
л
, 7. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, кверцетин
1
×
10
-
7 моль
/
л
, 8. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, кверцетин
5
×
10
-
7
моль
/
л
, 9. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, кверцетин
1
×
10
-
6
моль
/
л
, 10. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, кверцетин
5
×
10
-
6
моль
/
л
, 11. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, кверцетин
1
×
10
-
5
моль
/
л
, 12. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, кверцетин
1
×
10
-
4
моль
/
л
.
Влияние
эпикатехина
на
повреждение
ДНК
продуктами
пероксидазног
о
окисления
о
-
дианизидина
Электрофореграмма
ДНК
фага
l
, инкубированной
в
системе
пероксидазного
окисления
о
-
дианизидина
( [
о
-
дианизидин
]= 5
×
10
-
6
моль
/
л
, [
ДНК
] =0,4
мкг
, [
Н
2
О
2
] = 1 ммоль
/
л
, [
ПХ
] = 10
-
7
моль
/
л
) с
различными
концентрациями
эпикатехина
:
1. ДНК
, 2. ДНК
, ПХ
, Н
2
О
2
, 3. ДНК
, ПХ
, о
-
дианизидин
, 4. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, 5. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, эпикатехин
1
×
10
-
8
моль
/
л
, 6. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, эпикатехин
5
×
10
-
8
моль
/
л
, 7. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, эпикатехин
1
×
10
-
7
моль
/
л
, 8. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, эпикатехин
5
×
10
-
7
моль
/
л
, 9. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, эпикатехин
1
×
10
-
6
моль
/
л
, 10. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, эпикатехин
5
×
10
-
6 моль
/
л
, 11. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, эпикатехин
1
×
10
-
5
моль
/
л
, 12. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, эпикатехин
1
×
10
-
4
моль
/
л
.
15
16
Влияние
гесперетина
на
повреждение
ДНК
продуктами
пероксидазног
о
окисления
о
-
дианизидина
Электрофореграмма
ДНК
фага
l
, инкубированной
в
системе
пероксидазного
окисления
о
-
дианизидина
([
о
-
дианизидин
]= 5
×
10
-
6
моль
/
л
, [
ДНК
] =0,4
мкг
, [
Н
2
О
2
] = 1 ммоль
/
л
, [
ПХ
] = 10
-
7
моль
/
л
) с
различными
концентрациями
гесперетина
:
1. ДНК
, 2. ДНК
, ПХ
, Н
2
О
2
, 3. ДНК
, ПХ
, о
-
дианизидин
, 4. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, 5. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, гесперетин
1
×
10
-
8
моль
/
л
, 6. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, гесперетин
5
×
10
-
8
моль
/
л
, 7. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, гесперетин
1
×
10
-
7
моль
/
л
, 8. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, гесперетин
5
×
10
-
7
моль
/
л
, 9. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, гесперетин
1
×
10
-
6
моль
/
л
, 10. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, гесперетин
5
×
10
-
6
моль
/
л
, 11. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, гесперетин
1
×
10
-
5
моль
/
л
, 12. ДНК
, ПХ
, Н
2
О
2
, о
-
дианизидин
, гесперетин
1
×
10
-
4 моль
/
л
.
Выводы
1.
Было
показано
, что
в
процессе
перекисного
окисления
лецитина
, индуцированного
системой
Фентона
([
Fe
2+
]= 2
×
10
-
4
моль
/
л
, ([
Н
2
О
2
]= 2
×
10
-
5
моль
/
л
), кверцетин
, эпикатехин
и
гесперетин
проявляют
прооксидантные
свойства
. Наибольшая
прооксидантная
активность
проявляется
кверцетином
в
концентрации
5
×
10
-
7
моль
/
л
, гесперетином
-
1
×
10
-
7
моль
/
л
, эпикатехином
-
1
×
10
-
6
моль
/
л
.
2.
Установлено
, что
если
в
качестве
индуктора
перекисного
окисления
липидов
выступает
Fe
2+
(2
×
10
-
4
моль
/
л
), то
кверцетин
проявляет
антиоксидантные
свойства
и
максимальная
антиоксидантная
активность
наблюдается
в
концентрации
1
×
10
-
4
моль
/
л
. Эпикатехин
и
гесперетин
в
указанных
условиях
проявляют
как
антиоксидантные
, так
и
прооксидантные
свойства
. Гесперетин
проявляет
антиоксидантную
активность
в
концентрациях
5
×
10
-
7
-
1
×
10
-
6
моль
/
л
, а
прооксидантную
-
5
×
10
-
6
и
5
×
10
-
5
моль
/
л
. Эпикатехин
выступает
антиоксидантом
в
концентрациях
с
1
×
10
-
6
по
1
×
10
-
5
моль
/
л
, а
при
концентрации
1
×
10
-
4 моль
/
л
наблюдается
прооксидантный
эффект
.
17
18
3.
Показано
, что
кверцетин
и
эпикатехин
в
концентрациях
1 мкмоль
/
л
и
4 мкмоль
/
л
проявляют
антиоксидантные
свойства
в
отношении
процесса
пероксидазного
окисления
3,3
’
,5,5
’
-
тераметилбензидина
, при
этом
кверцетин
гораздо
эффективнее
подавляет
окисление
данного
аминобифенила
. Наиболее
вероятно
, что
при
совместном
окислении
тетраметилбензидина
и
флавоноидов
(
кверцетина
, эпикатехина
) происходит
активация
окисления
медленно
окисляемого
субстрата
(
флавоноида
) и
частичное
или
полное
ингибирование
превращения
быстро
окисляемого
субстрата
(
аминобифенила
)
4.
Было
установлено
, что
кверцетин
и
эпикатехин
, проявляя
антиоксидантные
свойства
, способны
подвергаться
окислению
в
системе
пероксидаза
/ Н
2
О
2
. В
случае
кверцетина
наиболее
вероятным
механизмом
является
одноэлектронное
окисление
флавоноида
: пх
/ Н
2
О
2
Fl
→
Fl
×
( одноэлектронное
окисление
)
Fl
×
+
НАДН
→
Fl
+ НАД
×
НАД
×
+ О
2
→
НАД
+ + ×
О
2
–
5.
Установлено
, что
все
три
флавоноида
–
кверцетин
, эпикатехин
и
гесперетин
-
проявляют
антиоксидантные
свойства
и
ингибируют
повреждение
ДНК
радикалами
, образующимися
в
ходе
пероксидазного
окисления
о
-
дианизидина
. Наиболее
эффективными
ингибиторами
являются
кверцетин
, эпикатехин
(
в
концентрации
5
×
10
-
7
моль
/
л
), менее
эффективен
гесперетин
(1
×
10
-
5 моль
/
л
).
19
20
Спасибо
за
внимание
!!!
Exit
21
49
СПИСОК ЛИТЕРАТУРЫ К ВЫПУСКНОЙ РАБОТЕ
1.
Access
2000: самоучитель / П.Ю.Дубнев. – М.: ДМК Пресс, 2004.
– 313 с., ил.
2.
Excel
2000 / Марк Зайден; науч. ред. А.Плещ, С.Молявко. – М.:
Лаборатория Базовых Знаний, 1999. – 328 с., ил.
3.
Microsoft
Office
XP
в целом: наиб. полное рук-во. Для широкого
круга пользователей / Ф.Новиков, А.Яценко. – Спб: БХВ-Петербург, 2002. –
917 с., ил.
4.
Microsoft
PowerPoint
2003: самоучитель / М.В.Спека. – Москва,
Санкт-Петербург, Киев: Диалектика, 2004. – 363 с., ил.
5.
Microsoft
Word
2003 в теории и на практике / С.Бондаренко,
М.Бондаренко. – Минск: Новое знание, 2004. – 336 с., ил.
6.
Windows
2000: проблемы и решения. Спец. справочник / Мэтью
Штребе; пер. с англ.П.Анджан, А.Войтенко. – Спб: Питер, 2002 – 858 с.
7.
Word
2000 / Марк Зайден; науч. ред. В.Гребнев, С.Молявко. – М.:
Лаборатория Базовых Знаний, 1999. – 336с., ил.
8.
Шафрин Ю.А. Информационные технологии: учеб. пособие: В 2
ч / Ю.А.Шафрин. – М.: Лаборатория Базовых Знаний, 2003. – Ч.1: Основы
информатики и ИТ – 316 с., ил.
9.
Шафрин Ю.А. Информационные технологии: учеб. пособие: В 2
ч / Ю.А.Шафрин. – М.: Лаборатория Базовых Знаний, 2003. – Ч.1: Офисная
технология и ИТ – 336 с., ил.
10.
Ваш Office
2000: MS
Word
, MS
Excel
, Internet
Explorer
и др. /
С.Баричев, О.Плотников. – М.: КУДИЦ ОБРАЗ, 2000. – 318 с., ил.
11.
Информатика: учеб. для студ. вузов, обуч. по естеств.-науч. напр.
и спец. / В.А.Каймин. – М.: ИНФРА-М, 2000. – 232 с., ил.
12.
Компьютерные презентации: от риторики до слайд-шоу /
Т.М.Елизаветина. – М.: КУДИЦ ОБРАЗ, 2003. – 234 с.
50
13.
Освой самостоятельно Microsoft
Excel
2000 = Teach
Yourself
Microsoft
Excel
2000: 10 минут на урок: учеб. пособие: пер. с англ. /
Дженнифер Фултон – М.: Издательский дом «Вильямс», 2000. – 224 с., ил.
51
ПРИЛОЖЕНИЕ
Тестовые задания по ИТ.
1.
Как обозначается селектор класса?
a)
#
term
b)
term
c)
нет правильного ответа
d)
.
term
2.
Какая программа предназначена для обработки изображений
гелей, фото планшеток, результатов блоттинга ? a)
SWISS-PROT
b)
Cn3D
c)
IMAGE MASTER 1D
d)
BLAST
<question type="close" id="97">
<text> Как обозначается селектор класса?</text>
<answers type="request">
<answer id="1" right="0">#term</answer>
<answer id="2" right="0">,term</answer>
<answer id="3" right="0"> нет правильного ответа</answer>
<answer id="4" right="1">.term</answer>
</answers>
</question>
<question type="close" id="597">
<text> Какая программа предназначена для обработки изображений гелей,
фото планшеток, результатов блоттинга ?</text>
<answers type="request">
<answer id="1" right="0">SWISS-PROT.</answer>
<answer id="2" right="0">Cn3D.</answer>
<answer id="3" right="1">IMAGE MASTER 1D.</answer>
<answer id="4" right="0">BLAST.</answer>
</answers>
</question>
52
53
Автор
dostelon
Документ
Категория
Без категории
Просмотров
470
Размер файла
2 456 Кб
Теги
долгодилиной, рефераты
1/--страниц
Пожаловаться на содержимое документа