Вход в личный кабинет | Регистрация
Избранное (0) Список сравнения (0)
Ваши покупки:
0 товаров на 0 Р
Итого: 0 Р Купить

Протеин функции: Виды протеина, его функции и применение

Содержание

Виды протеина, его функции и применение

Какую роль играет белок в организме человека.
Почему он так важен для спортсменов.
Каких видов бывает протеин, чем они отличаются.

Белок — главный участник жизненно важных процессов, без которых говорить о крепком здоровье бессмысленно. Белок, протеин, полипептиды — все это названия одного вещества, которое формируется из цепи аминокислот посредством ковалентной связи. Именно он является основой живых тканей организма, главным строительным материалом. Его поступление обеспечивает положительный азотистый баланс и ускоряет рост мускулатуры.
В узком смысле протеин — спортивное питание, которое применяется представителями силовых и других видов спорта. В основе таких добавок лежит концентрированный белок.

Какие функции он выполняет протеин?
Для чего он нужен организму протеин?
Каких видов бывает протеин и нюансы каждого из них?

Ценность протеина в организме сложно переоценить. Он выполняет следующие функции:

Строительную. Белок — составляющий элемент каждой клетки нашего тела, структурная единица живых тканей, главный «стройматериал» для мышечных клеток. Его стабильное поступление гарантирует нормальную работу организма и его систем, рост мышц, ногтей и волос.

Гормональную. Не секрет, что главные в физиологических процессах — гормоны. Последние также представляют собой полипептиды. Чтобы нормализовать уровень гормонов, нужно обеспечить поступление достаточного объема белка, который нужен для выполнения ключевых задач.

Ферментативную. Протеин — главный катализатор химических реакций, которые протекают в клетках нашего тела. Его задачи — нормализация и регуляция обменных процессов в организме. Его дефицит приводит к низкой степени усвояемости витаминов и кальция. Не секрет, что полезные компоненты усваиваются только при наличии достаточного объема ферментов (белковых структур). Если человек принимает в пищу фрукты и салаты, но при этом объем белка ниже нормы, то польза от упомянутых продуктов близка к нулю.

Защитную. Протеин нужен для нейтрализации вредных и опасных токсических веществ. Научно доказано, что его нехватка приводит к ослаблению иммунной системы, снижению стойкости организма к инфекционным заболеваниям, уменьшению объема выработки антител.

Транспортную. Белок — главный «транспорт» в кровеносной системе человека. Он нужен для переноса липидов, витаминов, углеводов и лекарственных компонентов в отдаленные участки тела. При его нехватке жидкость не удерживается в структуре клеток, а переходит в форму межклеточной субстанции.

Энергетическую. Многие уверены, что единственный источник энергии — углеводы. Но это не так. Полипептиды при определенных условиях способны выполнять такую же функцию. Минус только в том, что такой процесс выработки энергии достаточно трудоемкий.

Информационную. Белок — носитель информации. Если организм недополучает какую-либо из аминокислот, то возможны мутации генов. Итог — появление серьезных заболеваний и даже онкологии. Чтобы избежать таких проблем, человеку нужен полный комплекс аминокислот, которые поступают из пищи или добавок.

Если рассматривать пользу протеина с позиции бодибилдинга, то он необходим для решения следующих задач:

Ускорение роста мышечной массы. Выше уже упоминалось, что полипептиды — главные строители мускулатуры. При нехватке белка рассчитывать на формирование фигуры мечты не приходится.

Похудение. Протеин — надежный помощник в вопросе подавления чувства голода. Наличие достаточного объема белка — толчок для сжигания лишних жировых отложений во время тренировки. Кроме того, от объема мышц зависит, насколько быстро будут расщепляться жиры даже в состоянии покоя.
Формирование рельефа. Эта опция непосредственным образом связана с двумя предыдущими. Ускорение прироста мышц и помощь в похудении гарантирует ожидаемую рельефность тела.
Укрепление защитных функций организма. Человеческое тело обновляется каждую секунду. В нем происходят миллионы разных процессов, которые невозможны без участия протеина.

Виды и особенности протеина

Яичный. Принято считать, что этот тип отличается наибольшим качеством и пользой для организма. По сути, это эталонный продукт, на который ориентируются другие виды полипептидов. Недостаток — высокая цена.
Сывороточный. Такой белок востребован спортсменами благодаря высокой скорости усвоения и качеству. Добавки, в основе которых лежит сывороточный протеин, покрывают потребности мышц в аминокислотах. Исследования доказали, что мышечные волокна получают питание уже через 40-60 минут после приема. Преимущества — цена, быстрая усвояемость, качество.

Казеин — медленный белок. Отличается тем, что дольше других усваивается в организме. Объясняется это сложной конструкцией, а также створаживанием под действием ферментов желудка. В среднем казеин переваривается в течение 5-7 часов, обеспечивая этот период мышцы полезными компонентами.
Соевый — имеет богатый аминокислотный состав. Его прием способствует нормализации уровня холестерина и покрытию текущего дефицита полипептидов. Такой продукт подходит для спортсменов, организм которых не справляется с лактозой или которые относят себя к категории вегетарианцев. Недостатки — низкий параметр биологической активности, наличие эстрогенов, которые плохо влияют на организм мужчины.
Растительный. Главный недостаток — плохая усвояемость, что обуславливает минимальную популярность добавки.
Комплексный — особый тип спортивного питания, представляющий собой смесь нескольких видов белка. Отличается тем, что поставляет в организм и медленный, и быстрый белок. Это гарантирует равномерное поступление аминокислот к мышечным клеткам в течение нескольких часов и максимальный результат от тренировочного процесса.

Кроме того, протеин можно классифицировать и по способу производства. Здесь выделяют следующие варианты:

Изолят — наиболее чистая форма. Такие белки добываются посредством ионного обмена или фильтрации. На выходе порошок содержит 95% чистого продукта. Жиров и лактозы минимум. Изолят хорош для приема после занятий и с утра. С его помощью удается быстрее справиться с лишним жиром и добиться рельефности.
Концентрат — первая форма белка, которая не отличается идеальной очисткой. На выходе получается субстанция, в которой 35-85% протеина. Недостаток такого состава — высокий уровень жиров и лактозы, что часто приводит к появлению газов и побочным эффектам с ЖКТ. Такой тип питания хорош в случае, когда денег на покупку более дорого порошка нет.
Гидролизат — продукт, который получается путем гидролиза. Преимущество заключается в том, что организм получает уже подготовленный к расщеплению белок, что гарантирует его самую быструю усвояемость.

В процессе организации рациона стоит учесть следующее

-Чтобы восполнить организм полипептидами и получить результат, стоит знать, в каких продуктах содержится белок и в каких из них он наиболее полезен. Главные его поставщики — продукты питания животного происхождения, среди которых рыба, птица, молоко, творог, мясо и яйца. Источники растительных белков — бобовые и злаки.
-Суточная дозировка протеина составляет 1,2-1,5 грамма на кило веса. При активных занятиях спортом дозировка возрастает до уровня 2-2,5 грамм. Ошибка новичков-спортсменов заключается в том, что они принимают спортивное питание, забывая о важности природных белков. Здесь соотношение должно быть следующим — 60-70% поступает из пищи, а остальное — из добавок. При этом в рационе должен быть растительный и животный белок в соотношении 1 к 4.
-Белки, которые были подвержены тепловой обработке, быстрее усваиваются. Это связано с ферментами человеческого тела, которые с обработанными веществами справляются быстрее. Но стоит помнить, что такая обработка приводит к разрушению ряда аминокислот и снижению биологической ценности.

-В спорте протеин способствует насыщению тела белковыми структурами, что ускоряет рост мускулатуры. Мышцы приобретают плотность, становятся толще, увеличивается масса тела.
-В процессе приема добавки в форме порошка не рекомендуется превышение дозировки. В противном случае она не усвоится и уйдет с мочой и стулом.
-При наборе массы посредством приема спортивного питания стоит учитывать не только тип добавки, но и правила ее употребления. Ключевую роль играет ритмичность питания. Если не удалось нормально перекусить в обычное время, то порция протеина способна заменить один из приемов пищи.
-Вместе с белком в организм должны поступать и другие компоненты, среди которых жиры, углеводы, витамины и минералы. Без них полноценное усвоение аминокислот невозможно

Что такое протеин и каковы его функции в организме?

Всем известно, что одно из важных мест в жизни человека занимает спорт. И о том, какую пользу он приносит, мы слышим с самого детства. Занятия спортом способствуют сохранению физической формы, активизирует защитные функции организма, является хорошим способом организации досуга. 


Несмотря на это, причины для занятия спортом у людей разные. Для одних спорт стал профессией, для других – увлечением, для третьих физическая культура стала жизненной необходимостью. Кто-то ставит перед собой цель, заключающуюся в создании идеального тела: красивого, здорового, гармоничного. Специально разработанные комплексы физических упражнений направлены на развитие определённых групп мышц. Но на практике оказывается, что для достижения желаемого результата одних силовых нагрузок недостаточно. Важным становится соблюдение специальной диеты, рацион которой основан на употреблении большого количества протеинов. 


Что такое протеин и каковы его функции в организме?


Протеин – в переводе с латинского языка – белок. Слово уже более знакомое, но обычный человек вряд ли может дать ему точное определение и назвать основные функции белка в организме. Не приводя сложных химических названий и формул, можно сказать, что белок очень важное соединение, которое является незаменимым участником строительства клеток, а следовательно, всех органов и тканей человеческого организма. Огромное влияние оказывает протеин на иммунную систему, которая защищает человека от различных вредных воздействий, укрепляет сопротивляемость организма. 


Сколько протеина нужно употреблять?


Нет сомнения в том, что белки наряду с углеводами и жирами жизненно необходимы для любого человека. Но для человека, который активно занимается спортом, а тем более желает увеличить свою мышечную массу, употребление белка должно быть увеличено в несколько раз. Для расчёта существуют специальные формулы, помогающие определить, сколько белка требуется человеку исходя из его физических (спортивных) нагрузок:

1. Человек, который не занимается спортом, должен ежедневно употреблять 1 г протеина на 1 кг веса.
2. Человеку, систематически занимающемуся спортом необходимо 1,5 г белка на 1 кг веса.
3. Суточная доза протеина для человека, занимающегося тяжёлой атлетикой или бодибилдингом, составляет 2 г на килограмм веса тела. 


Что содержит протеин?


Доказано, что простейшим и практически полностью усваиваемым протеином является белок яйца. К тому же в нём максимально сбалансировано количество углеводов и жиров. Можно назвать и другие продукты, в которых содержится много протеинов. Это мясо, молочные продукты, рыба, морепродукты. Однако не все виды мяса содержит одинаковое количество полезного белка. Предпочтительнее употреблять телятину, затем говядину, крольчатину, мясо птицы, свинину. 

Все перечисленные выше продукты животного происхождения содержат аминокислоты, и увеличение мышечной массы без их употребления практически невозможно.

Пополнить свой рацион протеином можно и продуктами растительного происхождения. К примеру, достаточно много белка содержится в геркулесе, гречневой крупе, шпинате, некоторых сортах капусты, бобах, рисе, спаржевой фасоли. Белок содержит белый хлеб, семечки, орехи. Однако в последних содержится много углеводов и жиров и диетическое питание их включать не желательно. 

Кроме того, нужно помнить, что под воздействием высокой температуры белок теряет ряд своих полезных качеств. Поэтому яйца и овощи лучше употреблять сырыми, а мясо и рыбу предпочтительнее готовить на пару. 


Протеины как биологически активная добавка?

что это и как выбрать хороший протеин

Все, кто занимается фитнесом, рано или поздно задаются вопросом: «Стоит ли пить спортивное питание?». И самым первым продуктом, который приходим на ум, является протеин. Одни говорят, что он необходим, другие, что можно обойтись без него. А третьи и вовсе утверждают, что он опасен для здоровья. Давайте разбираться.

Что такое протеин

Протеин – это спортивная добавка, которая представляет собой дополнительный источник белка. Это порошковая смесь, которая разводится в воде или молоке и может иметь разный вкус, в зависимости от ароматизаторов, которые присутствуют в составе. Дословно protеin переводится как белок и, соответственно, выполняет такие же функции как белки, полученные из продуктов питания.

Очень часто протеин ассоциируют с «химией», хотя на самом деле этот не так. Порошок протеина добывают, как правило, из молока, яиц или сои. Не так давно появился протеин, который делают из мяса, точнее из говядины. Т.е. на самом деле, протеиновые коктейли вполне натуральный продукт. Это те же белки, которые содержаться в названных продуктах, просто они отделены от всех остальных составляющих и представлены в наиболее доступной и удобной для усвоения форме. Безусловно, можно купить протеин, который действительно иначе как «химией» не назовёшь, но это либо подделка, либо очень дешевый и некачественный товар.

Зачем нужно пить протеин

Как я писала выше – протеин представляет собой источник белка. Соответственно, пьют его для того, чтобы обеспечить организм необходимыми аминокислотами . Почему нельзя это сделать с помощью обычных продуктов питания? Можно. И более того, основную массу белка нужно получать именно из обычной еды. Но все кто занимается фитнесом и хочет не просто быть худым, а иметь определённый процент мышечной массы (чья-то цель — просто упругое тело, а кто-то стремится к большим мышечным объёмам), нуждаются в повышенном потреблении белка, так как именно этот нутриент является «кирпичиками», из которых строятся мышцы. И тут может возникнуть проблема, потому что получить необходимое количество качественного белка из обычной еды может быть очень сложно. Зачастую, человек просто не может съесть столько белковых продуктов.

Или же возьмём другую ситуацию, когда нужно употребить белок после тренировки, чтобы закрыть белково-углеводное окно. Далеко не все будут сидеть в раздевалке и кушать куриную грудку из контейнера. В этом случае намного удобнее развести протеиновый коктейль и решить проблему. При этом можно пить протеин как для похудения, так и для набора массы.

Является ли протеин заменителем питания

И да, и нет. С одной стороны, протеин действительно заменяет приём пищи или его часть, так как обладает определённой калорийностью и нутриентным составом. Но с другой стороны, это всё-таки не «настоящая» еда, а элемент добытый из неё, пусть и с помощью стандартных процессов, применяемых в пищевой промышленности. Поэтому жить на одних протеиновых коктейлях, на мой взгляд, в высшей степени абсурдно. Используйте их как способ «добрать» необходимое количество белка, в тех случаях, когда его употребление наиболее удобно – например, после тренировки или когда совсем нету возможности покушать. Но не заменяйте всю еду протеином.

Как пить протеин и в каком количестве

Это зависит только от Ваших целей. Вы должны узнать какова Ваша примерная норма килокалорий в день и потом, в зависимости от того, хотите Вы набирать массу или наоборот нацелены на жиросжигание, либо добавить к этой цифре дополнительные калории, либо наоборот создать дефицит. Потом рассчитать необходимое количество БЖУ. Теперь, зная, какой примерной калорийности рациона Вам нужно придерживаться и сколько белков Вы должны получать, Вы можете включить в свой план питания приём протеина. Сколько этих приёмов будет: один, два, три… Это зависит от того как Вы составите свой рацион, т.е. насколько получится покрыть обычными продуктами необходимость в белках.

Информация о калорийности и БЖУ протеина всегда указана на упаковке. Как правило, она прописана, как в расчёте на 100 г продукта, так и на порцию. Стандартная порция протеина составляет 25-30 г сухого порошка. Это количество легко отмерить специальной мерной ложкой. Она называется «скуп» и всегда есть в упаковке с протеином. Порошок нужно развести водой или молоком (если это позволяет Ваш план питания). Количество жидкости определяется строго по вкусовым предпочтениям. Стандартное количество — примерно 250 мл. Чем больше жидкости, тем менее сладким будет коктейль и, соответственно, наоборот.

Виды протеина

Протеин, как правило, классифицируют по виду продуктов, из которого он сделан. В соответствии с этим протеиновые смеси делят на:

Сывороточный протеин

Основное, что нужно знать об этом продукте — его получают из сыворотки молока. Он достаточно быстро усваивается и именно поэтому сывороточный протеин ещё называют «быстрым протеином». Принимать быстрый протеин нужно сразу после тренировки, так как он способен в кротчайшие сроки снабдить Ваши мышцы необходимыми аминокислотами. Так же его можно использовать утром. А вот пить сывороточный протеин на ночь – не самая лучшая идея. Так как это вызовет подъём инсулина . Протеин из сыворотки молока используют как для похудения, так и для набора массы. Благодаря практически полному отсутствию жиров и углеводов, он способствует образованию «сухих» мышц. На сегодняшний день, это самый востребованный вид протеина. Однако сывороточные протеиновые коктейли тоже делятся на несколько видов:

1) концентрат

Концентрат сывороточного протеина содержит в своём составе не только белки, но также жиры и углеводы, доля которых может варьироваться очень сильно. Содержание белка в концентрате обычно не превышает 80% состава, но может быть в пределах от 60% до 80%. Это связано с недостаточно высоким качеством фильтрации во время производства. Именно поэтому концентрат протеина считают не очень «чистым» продуктом. Однако это отражается и на стоимости. Данный вид протеина является самым дешёвым, но и действие его подойдёт далеко не всем, так как высокое содержание углеводов и жиров не то, что обычно хотят получить из белковой смеси.

2) изолят

Изолят сывороточного протеина содержит максимальное количество белка при минимуме жиров и углеводов (в данном случае tooltip text=»Это углевод, который содержится в молоке и молочных продуктах. Лактозу часто называют «молочным сахаром». Является одним из самых распространённых аллергенов.»]лактозы/tooltip]). В его составе много ВСАА и такой протеин обладает выраженным анаболическим эффектом. Именно изолят сывороточного протеина рекомендуют девушкам для похудения и тем, кто придерживается низкоуглеводной диеты. Содержание белка в нём доходит до 95%, и, как правило, не бывает ниже 85%. Такое качество обработки также сказывается и на стоимости. Цена изолята значительно выше стоимости концентрата.

3) гидролизат

Гидролизат сывороточного протеина – это самый обработанный вид белка. Содержание «чистого» белка в такой смеси доходит до 99%. Из-за того, что практически все связи между его компонентами уже разрушены, усваивается такой протеин очень быстро и считается самым качественным источником белка. Его характерная особенность – горький привкус. Также, гидролизат – самый дорогой вид сывороточного белка.

Однако существует мнение, что из-за лёгкой усвояемости, при постоянном приёме гидролизата в организме снижается выработка пищеварительных ферментов, ответственных за расщепление белка.

Недостатки сывороточного протеина:
  • нельзя употреблять при непереносимости лактозы и аллергии на молочные продукты

Казеин

Это белок, который образуется при створаживании молока. Отличительной особенностью молочного казеина является то, то он долго усваивается. Именно поэтому белковую смесь, состоящую из казеина, называют «медленным протеином». Попадая в желудок, он образует вещество по консистенции напоминающее гель. Из-за этого он не только медленно усваивается, но и препятствует усвоению других белков.

Самый лучший вариант – пить казеин на ночь. Из-за медленного усвоения, он будет питать Ваши мышцы необходимыми аминокислотами на протяжении долгого времени пока Вы спите. Это поможет Вам снизить процессы катаболизма в мышцах.

Казеин обычно рекомендуют пить при похудении, так как он имеет свойство снижать аппетит. Однако я придерживаюсь мнения, что лучше разумно сбалансировать свой рацион, а не стараться подавить аппетит за счёт лишней порции протеиновой смеси. Принимать казеиновый протеин для набора мышечной массы не имеет большого смысла, так как он не обладает ярко выраженным анаболическим действием.

1) казеин кальция

Казеин кальция добывают из молока при помощи дополнительным химических составов.

2) мицеллярный казеин

Он производится более «щадящим» образом и белок сохраняет свою естественную структуру. Естественно, такой продукт лучше усваивается и является более качественным.

Недостатки казеина:
  • нет ярко выраженного анаболического эффекта
  • нельзя принимать при аллергии на казеин

Яичный протеин

Яичный протеин производят из белка, содержащегося в курином яйце – альбумина. При этом не только из белковой части яйца, но и из белков входящих в желток тоже. Этот протеин является самым полным по своему аминокислотному составу. При этом он практически не содержит жиров. Яичный протеин обладает отличным анаболическим эффектом. Кроме того, он станет отличным вариантом для тех кто, не может пить сывороточный протеин из-за аллергии на молочные продукты.

Недостатки яичного протеина:
  • нельзя принимать при аллергии на яичный белок
  • возможно повышенное газообразование

Соевый протеин

В составе соевого протеина главный компонент – это соя. Именно поэтому он так популярен у вегетарианцев. На тему эффективности соевых протеиновых смесей существует огромное количество исследований и очень часто их результаты противоречат друг другу. В общем и целом, можно сказать, что протеин из сои обладает меньшим анаболическим эффектом по сравнению с сывороточным и его аминокислотный состав недостаточно полный. Однако несомненным плюсом этого продукта является низкая стоимость, так как соя – достаточно дешевое сырьё.

Но есть один очень важный аспект, касающийся воздействия соевого протеина на мужчин. Дело в том, что в сое содержится много изофлавонов . Они снижают выработку тестостерона и провоцируют отложение жира по женскому признаку. Однако некоторые исследования, проведённые с участием изолята соевого белка, показали, что этот эффект не возникает. Соответственно, при выборе соевого протеина, лучше покупать изолят.

Тем не менее, протеиновые смеси из сои обладают хорошим антикатаболическим эффектом (снижают распад мышц). В целом, соевый протеин часто принимают девушки, желающие похудеть.

Недостатки соевого протеина:
  • низкий анаболический эффект
  • наличие изофлавонов

Комплексный (многокомпонентный) протеин

Многокомпонентный или комплексный протеин производится из смеси других протеинов — всех тех, о которых я писала выше. Его основная цель – совместить в себе достоинства медленного и быстрого протеина. То есть, с одной стороны, он может достаточно быстро повышать концентрацию аминокислот в крови, но с другой, обладает свойством, присущим казеину – поддерживать эту концентрацию на протяжении долгого времени.

Комплексные протеиновые коктейли являются универсальными и очень удобны для тех, кто не хочет разбираться, когда и какой протеин нужно пить. Он допустим, как после тренировки, так и перед ней, и позволителен даже на ночь. Подходит и желающим «просушиться», и тем, кто работает с целью набора массы.

В последнее время я достаточно часто читаю и слышу мнение о том, что комплексный протеин намного лучше других видов. На самом деле, как и любой универсальный продукт, он имеет свои недостатки. И основной из них в том, что он не может усваиваться так быстро, как протеин из молочной сыворотки. И соответственно, после тренировки, всё равно более эффективным будет приём сывороточного белка.

Второй спорный момент, касающийся многокомпонентный смесей – их состав. Не существует одного стандарта, по которому определялось бы процентное содержание разных видов белковых порошков в комплексном протеине. Поэтому очень часто производители, стараясь сэкономить, уменьшают долю сывороточного протеина и значительно увеличивают процент соевого. Именно поэтому, отдавая предпочтение комплексному белку, нужно внимательно изучать состав.

Недостатки комплексного протеина:
  • не так эффективен после тренировки, как сывороточный
  • возможен несбалансированный состав

Говяжий (мясной) протеин

Как становится понятным из названия, источником для этого белка является мясо. По своим свойствам, он схож с изолятом сывороточного протеина, но значительно превосходит его в цене, не превосходя при этом по эффективности. Именно из-за высокой стоимости протеин из мяса является достаточно непопулярным. Также часто отмечают выраженный мясной привкус у этого продукта, что нравится не всем.

Тем не менее, этот протеин отлично усваивается и обладает отличным аминокислотным составом. Выпускают его обычно в форме изолята, что ещё больше увеличивает стоимость продукта. Также нужно отметить, что говяжий белок не содержит лактозу и глютен , на которые часто бывает аллергия.

Недостатки мясного протеина:
  • высокая стоимость
  • возможен неприятный привкус

Какой протеин выбрать

Все особенности каждого из видов протеина были подробно описаны Выше, поэтому Вам нужно только определиться, какой из них Вам больше подходит, исходя из наличия/отсутствия аллергических реакций, Ваших целей и ценовой категории. Однако очевидно, что главным критерием при выборе становится скорость усвоения белка.

Ниже на графике наглядно показано, как высоко и быстро поднимается концентрация аминокислот в крови после приёма разных белковых смесей относительно друг друга. К сожалению, мне не удалось найти достоверных данных для соевого и мясного протеинов, поэтому на этом графике информация о них отсутствует.

Как пить протеин для похудения

Я не сторонник фанатичного приёма спортивного питания 5 раз в сутки, поэтому, если Ваша цель избавляться от жира, я рекомендую пить изолят протеина сразу после тренировки. Также, по желанию, можно пить казеин на ночь. Главное — не забывать, что БЖУ и калорийность белкового коктейля тоже нужно учитывать в своём рационе.

Как пить протеин для набора массы

Как ни странно, но приём протеина для набора мышечной массы ни многим отличается от его приёма для похудения. Обязательно пейте белковую смесь сразу после тренировки. Пейте казеин на ночь. Это база, которая необходима. Могут ли быть ещё приёмы белка? Могут. Вы сами определяете сколько их может быть исходя из того, сколько белка Вы «не добираете» из обычной еды. Но я сейчас говорю о наборе относительно сухой массы. Если Вы эктоморф (подробнее об эктоморфах и других типах телосложения можно прочитать в этом материале) или Вас не волнует сколько жира Вы можете набрать вместе с мышцами, то лучше пить гейнер .

Нужно ли пить протеин в течении дня

Как правило, говоря о протеине, упоминают о том, что его можно пить также утром, в обед, перед тренировкой… когда угодно. Можно. Это порция белка. Это своеобразный приём пищи. Но это всё-таки переработанный продукт. Не стоит привыкать постоянно пить одни протеиновые коктейли, только потому, что это удобно и просто. Старайтесь покрыть необходимую потребность в энергии и нутриентах в течении дня обычной едой. Несмотря на то, что протеиновые порошки получают из натуральных продуктов, степень их обработки тоже может быть разной. Там также содержатся всевозможные подсластители, ароматизаторы и т.д. Ведь молоко не бывает со вкусом клубники, а яйцо отнюдь не шоколадное на вкус. Протеин – это возможность упростить организацию своего питания для достижения цели, но это не обязательная мера.

Но это исключительно моя позиция, основанная на стремлении употреблять в пищу максимально натуральные продукты. Многие со мной не согласятся. Вообще, часто наблюдаю одну и ту же закономерность: больше всего добавок пьют люди, чьи тренеры продают спортивное питание. Надеюсь, Вы понимаете о чём я 🙂

А чтобы получать больше полезной информации каждый день, подпишитесь на наш instagram.

#белки#протеин#спортивное питание

У страха глаза велики или как протеин оговаривают в народе

Протеин или белок (в просторечии) – органическое соединение, состоящее из аминокислот. Роль белка в нашем организме такова, что его наличие отвечает почти абсолютно за всё: органы, мышцы, волосы, ногти, кожа, мозг.

А вот и его функции:

  • Иммунитет. Антитела, защищающие организм от инфекций – белки.

  • Строительный материал. Белок является основой строения тела.

  • Энергия. Из 1 грамма белка выходит 4 Ккал, но используются они при истощении запасов углеводов.

  • Транспортировка. Гемоглобин, столь важный для спортсменов, так же является белком.

  • Обменные процессы. Без белков не происходит ни один процесс в организме.

Исходя из вышеперечисленного, можно сделать вывод, что протеиновый батончик полезен в любое время дня и ночи, ведь так много функций выполняет в нашем организме белок! Нет, нет и еще раз нет. В первую очередь потому, что, протеин замещает не хватающие после какой-либо физической активности аминокислоты. Если мы их не расходуем и едим протеиновый батончик/пьём протеиновый коктейль, то организм не будет расходовать больше белка, он будет откладывать его, запасать. Так набирается вес.

И, опять же, это не умаляет полезности данного ингредиента. Как было описано выше, он один отвечает за множество функций в нашем организме.

Как же тогда найти «золотую середину» и не «переборщить» с данной добавкой?

Высокие дозы протеина не вреднее, чем высокие дозы жира или углеводов, но ничего из этого не принесет пользы. Все ужасы, которые говорят о протеинах, не имеют никаких оснований. В особенности, чистый слух - импотенция. Ведь от мяса, молока, творога никогда не возникало подобных проблем! Всё это пошло из сферы бодибилдинга, где помимо протеина употребляются более серьезные и вредные препараты. Как раз они – то и имеют такие побочные эффекты, вот только об их приёме не рассказывают так громогласно. Поэтому повторяю: протеин, как и мясо, и молоко, и прочие белковые продукты, напротив, положительно влияют на все процессы в организме, включая репродуктивные функции.

В каких же количествах протеин более безопасен для склонных к полноте людей?

Среди спортсменов давно ходит информация, что нет смысла потреблять за один раз более 30 г белка. Как будто, всё, что свыше этой непонятной нормы, не усвоится. Так ли это на самом деле? Сколько белка может усвоить наш организм за 1 прием пищи?

Если человек не может усваивать больше 30 г белка, как выживают люди, которые питаются по 3 раза в день? Ведь таких очень много, особенно много приверженцев потребления белка у людей, которые зарабатывают на жизнь тяжелым физическим трудом. Исходя из этой теории, за 3 раза при соблюдении диеты, например, организм получает не более 90 г белка. Норма белка при высоких физических нагрузках составляет не менее 1,5 г на 1 кг массы тела. В таком случае, у половины нашего населения должен был быть постоянный дефицит белка и вытекающие из него проблемы.

Будь это так, человечество давно могло исчезнуть. Ведь наш организм – гораздо более сложная система, чем кажется на первый взгляд. Процесс пищеварения – это целая цепочка химических реакций, которая регулируется специальными гормонами. Пищеварение может искусственно замедляться организмом, чтобы усвоить как можно больше питательных веществ. Поэтому человек, употребляющий за раз 120 г белка, будет получать равное количество протеина, что и человек, который делит употребление того же количества граммов на 4 порции. Оба выживут и оба будут здоровы. Разница лишь в том, что у первого будет одно долгое переваривание, у второго – 4 коротких.

Конечно, лучше дробить приемы пищи, не переедать, перегружая пищеварительную систему и контролировать поступление белка в организм до нужного количества, но не стоит переусердствовать с контролем. Потому что, как показывает практика, недостаток белка в организме тоже может являться причиной того, что Ваш вес, например, как выражаются некоторые тренеры «стоит» на месте.

Плодотворных тренировок и достижения целей всем нашим читателям!

Дарья Ниязова

Сдать анализ на протеин S свободный

Метод определения Автоматический анализатор параметров свёртывающей системы ACL TOP, метод – иммунотурбидиметрия.

Исследуемый материал Плазма (цитрат)

Онлайн-регистрация

Синонимы: Свободный протеин S; ПрS. 

Protein S, Free; Free protein S; fPS. Естественный антикоагулянт, кофактор протеина С.

Краткая характеристика определяемого вещества Протеин S свободный

Протеин S – кофактор протеина C (см. тест № 1263 Протеин C), усиливающий его антикоагулянтное и профибринолотическое действие. Это витамин К-зависимый белок, синтезируемый в печени. В плазме крови он присутствует в двух формах – свободной и связанной с C4-BP (комплемента C4b-связывающий белок). Биологическую активность проявляет только свободная форма, связанная форма функционально неактивна, поэтому определение свободной формы более информативно. Содержание протеина S зависит от пола, гормонального фона, меняется с возрастом.  

Дефицит свободного протеина S может быть врождённым или приобретённым. Врождённый дефицит типа I – классический – подразумевает снижение уровня общего и свободного протеина S и снижение функциональной активности; тип II характеризуется снижением функциональной активности при нормальном уровне общего и свободного протеина S; тип III отражает селективное снижение уровня свободной формы протеина S.  

Подобно другим видам тромбофилий, гетерозиготный вариант дефицита протеина S манифестирует во взрослом возрасте в виде тромбоэмболий. Гомозиготные варианты и сочетания с другими тромбофилиями обычно проявляются в период новорождённости в виде фульминантной пурпуры. Приобретённый дефицит можно наблюдать во время беременности, на фоне приёма оральных антикоагулянтов, при использовании оральных контрацептивов, у пациентов с патологией печени, у новорождённых, и при других клинических условиях. 

С какой целью определяют уровень свободного протеина S в крови 

Определение уровня свободного протеина S – естественного антикоагулянта, кофактора протеина С, используют в комплексном обследовании пациентов с подозрением на нарушения в системе свертывания крови. 

Что может оказать влияние на результат теста «Протеин S свободный» 

Снижение уровня свободного протеина S может быть связано с острофазным воспалительным ответом (повышение уровня C4-BP приводит к повышению связывания протеина S и уменьшению уровня его свободной формы). Предпочтительно не проводить исследование во время острых тромботических эпизодов (хотя нормальный уровень протеина S в этих условиях позволяет исключить дефицит протеина S).

Литература

Основная литература

  1. Khan S., Dickerman J.D Hereditary thrombophilia. Thrombosis Journal 2006, 4:15 www.thrombosisjournal.com/content/4/1/15.
  2. Tietz Textbook of Clinical Chemistry and Molecular Diagnostics. 4 ed. Ed. Burtis C.A., Ashwood E.R., Bruns D.E. Elsevier. New Delhi.2006, (p.2412).
  3. Методические материалы фирмы-производителя реагентов.

Протеин и его виды

В различных ситуациях, и особенно во время занятий в тренажёрном зале, нашему организму требуется большое количество энергии. В этом случае на помощь приходит незаменимое питательное вещество под названием протеин. Именно он позволяет организму не расходовать ценные запасы энергии, накопленные в мышцах.

Протеин, он же белок, является важным компонентом и составляющей всех живых клеток и органов нашего тела. Протеин поставляет организму человека необходимое сырьё - аминокислоты, которые необходимы нам для питания, роста и восстановления тканей. К тому же, протеин весьма важен для создания определённых биомолекул (гормоны и ДНК), играющих в организме особую роль.

В спортивном питании белку уделяют особое внимание, нежели другим питательным веществам. Люди, занимающиеся спортом, в большей степени нуждаются в запасах протеина, так как без необходимого количества белка они просто не смогут нарастить желаемую мышечную массу и добиться поставленных целей. Поэтому любая спортивная диете должна быть обогащена протеином.

К тому же, протеин не только регулирует поступление аминокислот для строительства и роста новых клеток, но и поддерживает необходимый уровень энергии в организме, а также оказывает положительный эффект на стабильность уровня инсулина в крови. Поэтому, если Вы будете ежедневно потреблять необходимое количество протеина с пищей или в виде биологически активных добавок, Вы уменьшите вероятность возникновения различных отклонений уровня сахара в организме.

Какой протеин выбрать?

Человеческий организм не может самостоятельно вырабатывать необходимое количество белка, поэтому запасы протеина следует регулярно пополнять извне, потребляя продукты питания, обогащённые белком, или специальные пищевые добавки.

Протеины, или высокобелковые препараты, делятся на:

  • сывороточный протеин;
  • молочный протеин;
  • соевый протеин;
  • яичный протеин;
  • казеин.

Сывороточный протеин

Этот вид протеина обладает самой быстрой скоростью усвоения по сравнению с другими белками. Он моментально снабжает клетки организма незаменимыми аминокислотами для синтеза мышечного белка после занятий в спортзале. К тому же, сывороточный протеин содержит в себе большое количество аминокислот BCAA (до 50%), которые просто необходимы для восстановления мышечных тканей спортсмена после изнурительных тренировок. Сывороточный протеин способствует восстановлению микрофлоры кишечника, лучшему усвоению кальция и значительно снижает риск заболеваний вирусными инфекциями.

80% от содержания сывороточного протеина составляет бета- и альфа-лактоглобулин. Оставшиеся 20% занимают биоактивные пептиды, которые легко усваиваются во время процесса пищеварения и являются достаточно полезными для организма. Например, пептид под названием «лактопероксидаза», производит свободные радикалы, которые, в свою очередь, разрушают вредные бактерии; а лактоферин (тоже активный пептид) связывается в организме с железом и препятствует проникновению нежелательных бактерий в стенки желудочно-кишечного тракта, способствуя, тем самым, антимикробной активности.

Глютамин, содержащийся в сыворотке белка, необходим иммунной системе человека в качестве топливного материала. Отдельные исследования доказали, что приём сывороточного протеина (30 гр в сутки) способствует регрессии опухоли у больных раком.

Если Вы принимаете сывороточный протеин для восстановления мышечной ткани после физических тренировок, важно учитывать способность данного протеина не только легко и быстро усваиваться организмом, но и так же стремительно из него выводиться. Это значит, что сывороточный протеин надо принимать значительно чаще, чем другие виды протеинов, иначе Вам не удастся восполнить дефицит белка в организме.

Подводя итог, следует заметить, что сывороточный протеин является не просто источником белка, он обладает более широким спектром полезных качеств и свойств, поэтому является сегодня самой популярной пищевой добавкой как среди профессионалов, так и среди людей, ведущих активный образ жизни.

Молочный протеин

Молочный протеин обладает средней скоростью усвоения в организме. Он включает в свой состав сывороточный протеин (20%) и казеин (80%) с молочными углеводами. Молочный протеин подходит тем, кто хочет избавиться от лишних килограммов и регулярно соблюдает диеты, так как он практически не содержит жира и, к тому же, послужит надёжной защитой Ваших мышц от истощения.

Молочный протеин повышает работоспособность и выносливость, способствует эффективному восстановлению и наращиванию мышечной массы. Он является незаменимой пищевой добавкой для людей, ведущих активный образ жизни, и интенсивно тренирующихся атлетов, которые регулярно подвергаются большим физическим нагрузкам.

Соевый протеин

Соевый протеина, в отличие от сывороточного, казеинового и яичного белков, содержит в себе более высокий процент (35%) таких аминокислот, как лизин и глютамин. Соевый протеин зачастую принимают вегетарианцы или люди, организм которых не переносит молочные белки.

Соя содержит в себе большое количество витаминов и минералов, необходимых для жизнедеятельности организма, она снижает риск образования рака груди, помогает в борьбе с остеопорозом и увеличением простаты у мужчин.

У соевого протеина имеются и отрицательные качества: регулярный приём данного вида белка приводит к сбоям в эндокринной системы. Это происходит из-за изофлавонов, содержащихся в изоляте соевого протеина и способных активировать эстрогенные рецепторы. Ряд исследований внёс предположение о том, что длительное употребление сои приводит к нарушениям функций щитовидной железы. Причём, подобные нарушения возникает только у мужчин. По этой причине мужскому полу лучше отказаться от соевого протеина, предоставив этот продукт представительницам прекрасного пола, которым потребление этого продукта обещает только преимущества.

Яичный протеин

Яичный белок достаточно редко встречается в качестве самостоятельного продукта, не смотря на то, что он обладает высокой биологической активность. Яичный белок обогащён серосодержащими аминокислотами, которые положительно влияют на различные функции организма.

Яичный протеин не содержит углеводов и оказывает активное влияние на процессы секреции анаболических гормонов. Он обладает своеобразным вкусом и достаточно трудно пенится.

Казеин

Казеин усваивается в организме человека около 6 часов, а это значит, что анти-катаболические свойства, которыми он обладает, позволят организму длительное время защитить мышечные ткани от истощения. Казеин относят к высококачественным протеинам, так как он легко синтезируется и доставляет достаточное количество аминокислот, которые организм не может вырабатывать самостоятельно.

Для того чтобы сократить перерыв между обедом и употреблением утреннего сывороточного напитка, хорошим вариантом является употребление казеинового белка прямо перед сном. Однако, в это время следует воздерживаться от углеводов, поскольку они обладают способностью увеличивать количество жира в организме.

Итак, на вопрос «Какой протеин выбрать?» сложно ответить однозначно. Некоторые атлеты предпочитают сывороточный протеин, кто-то считает, что преимущественно использование белков иных типов. Идеальный вариант, когда применение протеина контролируется специалистом. Он же назначает необходимые дозы приёма препарата и определяет тип продукта.

Вы можете подобрать подходящий Вам протеин прямо сейчас в разделе Белковые концентраты

Статьи о спортивном питании. Заказать спортивное питание Meal to Goal

На сколько важно качество качества белка?

    Большинство людей беспокоятся о количестве, съеденного белка, но они не так много думают о качестве белка, который они едят.

    Существуют огромные различия в химическом составе белка из разных источников и ценность этого белка.

    Чем выше качество белка, тем легче он может снабдить организм аминокислотами, необходимыми для роста, восстановления и поддержки вашего тела.

Два основных фактора, которые определяют высокое или низкое качество белка:

  1. Усвояемость
  • Насколько легко переваривается?
  • Сколько вы перевариваете - и поглощаете, и используете?
  1. Аминокислотная композиция
  • Из каких аминокислот сделан белок?
  • Высококачественный белок имеет хорошее соотношение незаменимых аминокислот и позволяет нашему организму эффективно их использовать.
  • Аминокислотная композиция важнее перевариваемости.

    Вы можете употреблять большое количество белка, но, если белок, который вы едите, содержит недостаточное количество важных аминокислот (лимитирующих аминокислот), это минимизирует всю пользу и важные свойства белка. 

    Лимитирующие аминокислоты — это те незаменимые аминокислоты, которые входят в состав белков в наименьшем количестве по сравнению с их физиологической потребностью. Если рацион не будет сбалансирован хотя бы по одной лимитирующей аминокислоте, то эта аминокислота будет ограничивать использование всех остальных и протеина в целом.

Протеин

    Белок, он же протеин мы можем получать не только из пищи, но и добавляя в свой рацион в качестве функциональной добавки. Например, молочные протеины: сывороточный протеин или казеин.     Именно молочные протеины наиболее близки по составу незаменимых аминокислот к идеальному белку. Для этого специально рассчитывается такой показатель как аминокислотный скор.

    Принимая протеин в виде коктейля или как добавку к пище вы можете обеспечить свой организм достаточным количеством качественного белка с  аминокислотным составом близким к идеальному.

Команда Meal2Goal

Функция белка

- обзор

14.2 ОБЗОР ФУНКЦИИ БЕЛКА ТЕПЛОВОГО ШОКА

Наиболее понятные механизмы функции HSP были выявлены в ходе исследования HSP90 и HSP70, которые будут описаны для создания контекста для последующего обсуждения действия лекарств. . На рис. 14.1 в упрощенном виде показаны их функции. HSP90 существует в виде димера и получает от HSP70 белок, который имеет измененную или ненормальную форму, которая может возникать после нагревания или окислительного повреждения или возникать в условиях истощения питательных веществ, если, например, происходит аберрантное гликозилирование.После связывания с HSP90 молекулы «ко-шаперона», такие как HOP и p23, привлекаются к комплексу. АТФ связан с сайтом АТФазы в HSP90, и повторные раунды гидролиза АТФ позволяют рефолдингу белка принять постепенно нормализованную конформацию по сравнению с его исходным состоянием. Если процесс рефолдинга белка прерывается, аномально свернутый белок в контексте связывания с HSP90 становится субстратом для убиквитинирования, что само по себе является сигналом для деградации аномального белка протеосомной системой.После завершения процесса сворачивания нормально свернутый, «отремонтированный» белок высвобождается в свой надлежащий клеточный отсек.

РИСУНОК 14.1. Функции HSP90 и HSP70.

По материалам Young et al. . (2001) .Copyright © 2001

Для некоторых членов HSP была определена дополнительная роль в поддержании белка в «метастабильном» состоянии, готовом к действию в ответ на определенный сигнал. Например, члены семейства рецепторов цитоплазматических стероидных гормонов, включая рецептор эстрогена (ER), рецептор андрогена (AR) и рецептор арилуглеводородов (AhR), среди прочего, существуют в комплексе с HSP90.После связывания их родственных лигандов происходит диссоциация от HSP с последующей миграцией к рецептору в ядро ​​и активацией опосредованных рецептором транскрипционных событий.

Пересечение белковой системы теплового шока с аспектами биологии рака начало проявляться с первоначального признания того факта, что белки вирусных онкогенов были конститутивно связаны, то есть в отсутствие определенного стресса, с членами семейства HSP (например, HSP90) в трансформированные клетки. Более того, чувствительные к температуре мутанты некоторых вирусных белков изменили ассоциацию с HSP при непермиссивной температуре (Brugge et al ., 1983). Впоследствии онкобелки при различных раковых заболеваниях человека были признаны «клиентскими» белками HSP90. К ним относятся, среди прочего, онкобелок erbB2, p210bcr-abl, npm-alk, мутированный B-raf. Интересно, что поскольку во многих (но не во всех) случаях немутантные формы белка (например, abl) явно не являются клиентами HSP90, подразумевается, что мутировавший белок, который активен в провоцировании клеточной трансформации, каким-то образом «подвергается стрессу» в этом отношении. один аспект его конформации распознается системой HSP как ненормальный.Это приводит к гипотезе о том, что если бы система белков HSP90 / 70 не существовала для «буферизации» этих аномальных конформаций, функция этих трансформирующих онкобелков была бы нарушена. Этот взгляд на самом деле хорошо коррелирует с базовыми исследованиями на модельных организмах, где мутации в самом HSP90, когда гомозиготны, являются летальными, но в гетерозиготном состоянии маскируют в различной степени существование иначе скрытых или фенотипически молчаливых мутаций (Rutherford and Lindquist, 1998).

Другой набор клиентских белков HSP90 включает молекулы, явно важные для регуляции роста и пролиферации клеток.В дополнение к рецепторам гормонов, описанным выше, образование комплекса с HSP90 может быть продемонстрировано для нормальных клеточных компонентов, таких как циклин-зависимая киназа 4 (CDK4), фосфатидилинозитол-3'-киназа (PI3K), немутантный протоонкоген C-raf1, факторы удлинения синтеза белка и т. д. Фактически можно распознать более 100 таких клиентских белков (Zhao et al ., 2005).

При таком изобилии «целевых» белков HSP90 можно выразить обоснованное беспокойство, что любые попытки модулировать действие белка теплового шока в опухолевых клетках могут привести к риску изменения функции белка теплового шока и в нормальных клетках.Однако существуют доказательства того, что система белков теплового шока в опухолях «задействована» иначе, чем в нормальных клетках. Например, HSP90-ассоциированные комплексы, иммунопреципитированные из опухолей, в отличие от компонентов нормального органа, по своей природе обнаруживают более высокую активность АТФазы (Kamal et al ., 2003). Это наблюдение затем приводит к предположению, что опухоли могут потребовать непрерывного функционирования системы HSP для поддержания опухоли. Эта возможность хорошо коррелирует с результатами многочисленных наблюдательных исследований за последние 30 лет, которые указали на усиление экспрессии компонентов HSP, включая HSP 70 и 90, а также частую корреляцию повышенной экспрессии HSP с более агрессивным клиническим поведением опухолей (Ciocca и Колдервуд, 2005).

В то время как все эти результаты, безусловно, предполагают потенциальное значение системы HSP для возникновения и прогрессирования рака, единственное наиболее важное наблюдение, которое сосредоточило внимание на потенциале системы HSP в качестве терапевтической цели (целей), возникло из определения Некерсом и его коллегами было показано, что HSP90 с высоким сродством связывается с противоопухолевым антибиотиком гелданамицином (Whitesell et al. ., 1994; см. рисунок 14.2). Это открытие одним махом потенциально объяснило основу интересной активности этого и родственных ему лекарств по «обращению» трансформированного фенотипа трансформированных вирусным онкобелком клеток.

РИСУНОК 14.2. Строения гелданамицина и производных.

Совместная кристаллизация гелданамицина, связанного с фрагментом HSP90 (Stebbins et al. ., 1997), позволила очертить карман связывания с высоким сродством в HSP90 (см. Главу 13 для более подробного обсуждения этого и других кристаллов HSP90. конструкции). Этот результат полностью соответствовал фазе раствора, выраженной HSP90 (Grenert et al ., 1997). Более карбоксильные части молекулы включают отдельные домены для взаимодействия с «клиентскими белками» и «ко-шаперонами».Были определены изоформы HSP90, при этом HSP90α существует как в цитоплазме, так и в секретируемой форме, а HSP90β, очевидно, находится в цитоплазме без секреторного потенциала. Кроме того, grp94 локализуется в эндоплазматическом ретикулуме, а изоформа TRAP ограничена митохондриями (Sreedhar et al ., 2004).

Остальная часть этой главы посвящена более подробному рассмотрению широких тем, которые характеризовали лекарства, которые были изучены или разработаны с прицелом на управление пролиферативным состоянием раковых клеток посредством модуляции действия HSP.В этом обзоре представлен обзор ряда соединений, описанных в открытой рецензируемой литературе, которые более подробно описаны в главе 13. Для каталогизации соединений, доступных через описания патентов или в Интернете, следует обратиться к обзору Chiosis и его коллег (Chiosis ). et al ., 2006).

Функции белков - Питание: наука и повседневное применение

Белки являются «рабочими лошадками» организма и участвуют во многих функциях организма. Как мы уже обсуждали, белки бывают всех размеров и форм, и каждый из них специально структурирован для выполнения своей конкретной функции.На этой странице описаны некоторые важные функции белков. Читая их, имейте в виду, что для синтеза всех этих различных белков требуется адекватное количество аминокислот. Как вы понимаете, диета с дефицитом белка и незаменимых аминокислот может нарушить многие функции организма. (Подробнее об этом позже в разделе.)

Рисунок 6.9. Примеры белков с разными функциями, размерами и формами.

Основные типы и функции белков приведены в таблице ниже, а в последующих разделах этой страницы дается более подробная информация о каждом из них.

Типы и функции белков

Тип

Примеры

Функции

Структура

Актин, миозин, коллаген, эластин, кератин

Придает тканям (кости, сухожилия, связки, хрящи, кожу, мышцы) прочность и структуру

Ферменты

Амилаза, липаза, пепсин, лактаза

Переваривать макроэлементы в более мелкие мономеры, которые могут абсорбироваться; выполняет шаги в метаболических путях, чтобы обеспечить усвоение питательных веществ

Гормоны

Инсулин, глюкагон, тироксин

Посланники химических веществ, которые перемещаются в крови и координируют процессы в организме

Гидравлический и кислотно-щелочной баланс

Альбумин, гемоглобин

Поддерживает соответствующий баланс жидкости и pH в различных отделах тела

Транспорт

Гемоглобин, альбумин,

белковых каналов, белки-носители

Переносить вещества по телу в крови или лимфе; помочь молекулам пересечь клеточные мембраны

Оборона

Коллаген, лизоцим, антитела

Защитите организм от инородных патогенов

Таблица 6.2. Типы и функции белков

Структура

В организме человека было обнаружено более сотни различных структурных белков, но наиболее распространенным является коллаген , что составляет около 6 процентов от общей массы тела. Коллаген составляет 30 процентов костной ткани и включает большое количество сухожилий, связок, хрящей, кожи и мышц. Коллаген - это прочный волокнистый белок, состоящий в основном из аминокислот глицина и пролина.В его четвертичной структуре три белковых нити скручиваются друг с другом, как веревка, а затем эти коллагеновые нити перекрываются друг с другом.

Рисунок 6.10. Тройная спиральная структура коллагена

Эта высокоупорядоченная структура даже прочнее, чем стальные волокна того же размера. Коллаген делает кости крепкими, но гибкими. Коллагеновые волокна в дерме кожи придают ей структуру, а сопутствующие белковые фибриллы эластина делают ее гибкой.Зажмите кожу на руке и отпустите; белки коллагена и эластина в коже позволяют ей вернуться к своей первоначальной форме. Гладкомышечные клетки, которые выделяют белки коллагена и эластина, окружают кровеносные сосуды, придавая им структуру и способность растягиваться назад после того, как через них прокачивается кровь. Другой сильный волокнистый белок - это кератин , важный компонент кожи, волос и ногтей.

Ферменты

Ферменты - это белки, которые проводят определенные химические реакции.Задача фермента - обеспечить место для химической реакции и снизить количество энергии и время, необходимое для того, чтобы эта химическая реакция произошла (это известно как «катализ»). В среднем каждую секунду в клетках происходит более 100 химических реакций, и для большинства из них требуются ферменты. Одна только печень содержит более 1000 ферментных систем. Ферменты специфичны и будут использовать только определенные субстраты, которые подходят их активному сайту, подобно тому, как замок может быть открыт только с помощью определенного ключа.К счастью, фермент может снова и снова выполнять свою роль катализатора, хотя в конечном итоге он разрушается и восстанавливается. Все функции организма, включая расщепление питательных веществ в желудке и тонком кишечнике, преобразование питательных веществ в молекулы, которые клетка может использовать, и построение всех макромолекул, включая сам белок, включают ферменты.

Рисунок 6.11. Ферменты - это белки. Задача фермента - обеспечивать место для веществ, которые химически реагируют и образуют продукт, а также уменьшают количество энергии и время, необходимое для того, чтобы это произошло.

ВИДЕО: «Фермент», автор kosasihiskandarsjah, YouTube (15 апреля 2008 г.), 0:47 мин. Это видео демонстрирует действие ферментов.

Гормоны

Белки отвечают за синтез гормонов. Гормоны - это химические посредники, вырабатываемые железами внутренней секреции. Когда эндокринная железа стимулируется, она выделяет гормон. Затем гормон транспортируется с кровью к своей клетке-мишени, где он передает сообщение, чтобы инициировать определенную реакцию или клеточный процесс.Например, после еды уровень глюкозы в крови повышается. В ответ на повышение уровня глюкозы в крови поджелудочная железа выделяет гормон инсулин. Инсулин сообщает клеткам организма, что глюкоза доступна и может забирать ее из крови и хранить или использовать для производства энергии или создания макромолекул. Основная функция гормонов - включать и выключать ферменты, поэтому некоторые белки могут даже регулировать действие других белков. Хотя не все гормоны состоят из белков, многие из них таковы.

Жидкостный и кислотно-щелочной баланс

Достаточное потребление белка позволяет основным биологическим процессам организма поддерживать гомеостаз (постоянные или стабильные условия) в изменяющейся окружающей среде. Одним из аспектов этого является баланс жидкости, позволяющий правильно распределять воду в различных отделах тела. Если слишком много воды внезапно переходит из крови в ткань, это приводит к отеку и, возможно, к гибели клеток. Вода всегда течет из области высокой концентрации в область низкой концентрации.В результате вода перемещается в области с более высокими концентрациями других растворенных веществ, таких как белки и глюкоза. Чтобы вода равномерно распределялась между кровью и клетками, белки постоянно циркулируют в крови в высоких концентрациях. Самый распространенный белок в крови - это белок в форме бабочки, известный как , альбумин . Присутствие альбумина в крови делает концентрацию белка в крови похожей на таковую в клетках. Таким образом, обмен жидкости между кровью и клетками не является чрезмерным, а, скорее, сведен к минимуму для сохранения гомеостаза.

Рисунок 6.12. Белок в форме бабочки, альбумин, выполняет множество функций в организме, включая поддержание жидкостного и кислотно-щелочного баланса, а также транспортировку молекул.

Белок также необходим для поддержания правильного баланса pH (мера того, насколько кислым или основным является вещество) в крови. PH крови поддерживается между 7,35 и 7,45, что является слегка щелочным. Даже небольшое изменение pH крови может повлиять на функции организма. В организме есть несколько систем, которые удерживают pH крови в пределах нормы, чтобы этого не происходило.Один из них - это циркулирующий альбумин. Альбумин имеет слабую кислотность и, поскольку он отрицательно заряжен, уравновешивает множество положительно заряженных молекул, циркулирующих в крови, таких как протоны водорода (H + ), кальций, калий и магний. Альбумин действует как буфер против резких изменений концентраций этих молекул, тем самым уравновешивая pH крови и поддерживая гомеостаз. Белок гемоглобин также участвует в кислотно-щелочном балансе, связывая протоны водорода.

Транспорт

Белки также играют жизненно важную роль в транспортировке веществ по телу.Например, альбумин химически связывается с гормонами, жирными кислотами, некоторыми витаминами, необходимыми минералами и лекарствами и переносит их по кровеносной системе. Каждый эритроцит содержит миллионы молекул гемоглобина, которые связывают кислород в легких и транспортируют его ко всем тканям организма. Плазматическая мембрана клетки обычно не проницаема для больших полярных молекул, поэтому для доставки необходимых питательных веществ и молекул в клетку многие транспортные белки существуют в клеточной мембране. Некоторые из этих белков являются каналами, которые позволяют определенным молекулам входить и выходить из клеток.Другие действуют как такси с односторонним движением и требуют энергии для работы.

Рисунок 6.13. Молекулы входят в клетки и выходят из них посредством транспортных белков, которые являются каналами или переносчиками.

ВИДЕО: «Натрий-калиевый насос», RicochetScience, YouTube (23 мая 2016 г.), 2:26 мин. В этом руководстве описывается, как натрий-калиевый насос использует активный транспорт для перемещения ионов натрия (Na +) из клетки и ионов калия (K +) в клетку.

Иммунитет

Белки также играют важную роль в иммунной системе организма. Прочные волокна коллагена в коже обеспечивают ей структуру и поддержку, но также служат преградой для вредных веществ. Функции атаки и разрушения иммунной системы зависят от ферментов и антител, которые также являются белками. Например, фермент под названием лизоцим секретируется в слюне и атакует стенки бактерий, вызывая их разрыв.Определенные белки, циркулирующие в крови, могут быть направлены на создание молекулярного ножа, который пронзает клеточные мембраны чужеродных захватчиков. Антитела , секретируемые лейкоцитами, исследуют всю систему кровообращения в поисках вредоносных бактерий и вирусов, которые можно окружить и уничтожить. Антитела также запускают другие факторы иммунной системы для поиска и уничтожения нежелательных злоумышленников.

ВИДЕО: «Специфический иммунитет, антитела», Carpe Noctum, YouTube (11 декабря 2007 г.), 1 минута.Посмотрите это видео, чтобы увидеть, как антитела защищают от посторонних вторжений.

Производство энергии

Некоторые аминокислоты в белках можно разобрать и использовать для производства энергии. Только около 10 процентов пищевых белков катаболизируются каждый день для производства клеточной энергии. Печень способна расщеплять аминокислоты до углеродного скелета, которые затем могут быть включены в лимонную кислоту или цикл Кребса. Это похоже на то, как глюкоза используется для производства АТФ.Если диета человека не содержит достаточного количества углеводов и жиров, его организм будет использовать больше аминокислот для производства энергии, что может поставить под угрозу синтез новых белков и разрушить мышечные белки, если потребление калорий также будет низким.

Не только аминокислоты могут использоваться для получения энергии напрямую, но они также могут использоваться для синтеза глюкозы посредством глюконеогенеза. В качестве альтернативы, если человек придерживается диеты с высоким содержанием белка и потребляет больше калорий, чем необходимо его организму, лишние аминокислоты расщепляются и превращаются в жир. В отличие от углеводов и жиров, белок не имеет специальной системы хранения, которую можно было бы использовать в дальнейшем для получения энергии.

Аннотации функции белка с помощью вывода на основе гомологии | Геномная биология

  • 1.

    Крыштафович А., Фиделис К., Моулт Дж .: Прогресс от CASP6 к CASP7. Белки. 2007, 69 (Дополнение 8): 194-207. 10.1002 / prot.21769.

    PubMed CAS Статья Google ученый

  • 2.

    Grabowski M, Joachimiak A, Otwinowski Z, Minor W: Структурная геномика: не отставая от расширяющихся знаний о белковой вселенной.Curr Opin Struct Biol. 2007, 17: 347-353. 10.1016 / j.sbi.2007.06.003.

    PubMed CAS PubMed Central Статья Google ученый

  • 3.

    Ривз Г.А., Торнтон Дж. М.: Интеграция биологических данных через геном. Hum Mol Genet. 2006, 15 (Спец №1): Р81-Р87. 10.1093 / hmg / ddl086.

    PubMed CAS Статья Google ученый

  • 4.

    Прлик А., Даун Т.А., Кулеша Э., Финн Р.Д., Кахари А., Хаббард Т.Дж .: Интеграция последовательностей и структурной биологии с DAS.BMC Bioinformatics. 2007, 8: 333-10.1186 / 1471-2105-8-333.

    PubMed PubMed Central Статья Google ученый

  • 5.

    Трамонтано A: Роль молекулярного моделирования в биомедицинских исследованиях. FEBS Lett. 2006, 580: 2928-2934. 10.1016 / j.febslet.2006.04.011.

    PubMed CAS Статья Google ученый

  • 6.

    Эшбернер М., Болл К.А., Блейк Дж. А., Ботштейн Д., Батлер Х., Черри Дж. М., Дэвис А. П., Долински К., Дуайт С. С., Эппиг Дж. Т., Харрис М.А., Хилл Д.П., Иссель-Тарвер Л., Касарскис А., Льюис С., Матезе Дж. К., Ричардсон Дж. Э., Рингуолд М., Рубин Г. М., Шерлок Дж. Онтология генов: инструмент для объединения биологии.Консорциум генных онтологий. Нат Жене. 2000, 25: 25-29. 10.1038 / 75556.

    PubMed CAS PubMed Central Статья Google ученый

  • 7.

    Тресс М., Ченг Дж., Балди П., Джу К., Ли Дж., Со Дж. Х., Ли Дж., Бейкер Д., Чивиан Д., Ким Д., Эзкурдиа I. Оценка прогнозов, представленных для категории прогнозирования домена CASP7. Белки. 2007, 69 (Дополнение 8): 137-151. 10.1002 / prot.21675.

    PubMed CAS Статья Google ученый

  • 8.

    Альтшул С.Ф., Гиш В., Миллер В., Майерс Э. У., Липман Д. Д.: Базовый инструмент локального поиска совмещения. J Mol Biol. 1990, 215: 403-410.

    PubMed CAS Статья Google ученый

  • 9.

    Альтшул С.Ф., Мэдден Т.Л., Шеффер А.А., Чжан Дж., Чжан З., Миллер В., Липман Д.Д.: Gapped BLAST и PSI-BLAST: новое поколение программ поиска в базе данных белков. Nucleic Acids Res. 1997, 25: 3389-3402. 10.1093 / nar / 25.17.3389.

    PubMed CAS PubMed Central Статья Google ученый

  • 10.

    Wu CH, Nikolskaya A, Huang H, Yeh LS, Natale DA, Vinayaka CR, Hu ZZ, Mazumder R, Kumar S, Kourtesis P, Ledley RS, Suzek BE, Arminski L, Chen Y, Zhang J, Cardenas JL, Chung S, Кастро-Альвеар Дж., Динков Г., Баркер В.К.: PIRSF: система классификации семейств в Информационном ресурсе белков. Nucleic Acids Res. 2004, Д112-Д114. 10.1093 / нар / гх097. 32 База данных

  • 11.

    Reid AJ, Yeats C, Orengo CA: Методы удаленного определения гомологии могут быть объединены для увеличения охвата на 10% в полуночной зоне.Биоинформатика. 2007, 23: 2353-2360. 10.1093 / биоинформатика / btm355.

    PubMed CAS Статья Google ученый

  • 12.

    Apic G, Gough J, Teichmann SA: Комбинации доменов в протеомах архей, эубактерий и эукариот. J Mol Biol. 2001, 310: 311-325. 10.1006 / jmbi.2001.4776.

    PubMed CAS Статья Google ученый

  • 13.

    Марчлер-Бауэр А., Андерсон Дж. Б., Дербишир М.К., ДеВиз-Скотт К., Гонсалес Н.Р., Гвадз М., Хао Л., Хе С., Гурвиц Д.И., Джексон Д.Д., Ке З., Крылов Д., Ланчицкий С.Дж., Либерт CA, Лю С., Лу Ф., Лу С., Марчлер Г. Х., Муллокандов М., Сонг Дж. С., Танки Н., Ямасита Р. А., Инь Дж. Дж., Чжан Д., Брайант С.Х .: CDD: база данных сохраненных доменов для интерактивного анализа семейства доменов.Nucleic Acids Res. 2007, D237-D240. 10.1093 / нар / gkl951. 35 База данных

  • 14.

    Hulo N, Bairoch A, Bulliard V, Cerutti L, Cuche BA, de Castro E, Lachaize C, Langendijk-Genevaux PS, Sigrist CJ: 20 лет PROSITE. Nucleic Acids Res. 2008, Д245-Д249. 36 База данных

  • 15.

    Finn RD, Tate J, Mistry J, Coggill PC, Sammut SJ, Hotz HR, Ceric G, Forslund K, Eddy SR, Sonnhammer EL, Bateman A: База данных семейств белков Pfam. Nucleic Acids Res. 2008, D281-D288.36 База данных

  • 16.

    Летуник I, Копли Р.Р., Пилс Б., Пинкерт С., Шульц Дж., Борк П.: SMART 5: домены в контексте геномов и сетей. Nucleic Acids Res. 2006, D257-D260. 10.1093 / нар / gkj079. 34 База данных

  • 17.

    Универсальный белковый ресурс (UniProt). Nucleic Acids Res. 2008, D190-D195. 36 База данных

  • 18.

    Малдер Н.Дж., Апвейлер Р., Эттвуд Т.К., Байроч А., Бейтман А., Биннс Д., Борк П., Бильярд В., Черутти Л., Копли Р., Курсель Е., Дас Ю., Догерти Л., Дибли М., Финн Р., Флейшманн В., Гоф Дж., Хафт Д., Хуло Н., Хантер С., Кан Д., Канапин А., Кеджаривал А., Лабарга А., Лангендейк-Женево П. С., Лонсдейл Д., Лопес Р., Летуник И., Мадера М., Маслен Дж., и др.: Новые разработки в базе данных InterPro.Nucleic Acids Res. 2007, D224-D228. 10.1093 / нар / gkl841. 35 База данных

  • 19.

    Йейтс К., Лис Дж., Рид А., Келлам П., Мартин Н., Лю X, Оренго К.: Gene3D: исчерпывающая структурная и функциональная аннотация геномов. Nucleic Acids Res. 2008, D414-D418. 36 База данных

  • 20.

    Уилсон Д., Мадера М., Фогель С., Чотия С., Гоф Дж .: База данных SUPERFAMILY в 2007 году: семейства и функции. Nucleic Acids Res. 2007, D308-D313. 10.1093 / нар / gkl910. 35 База данных

  • 21.

    Orengo CA, Michie AD, Jones S, Jones DT, Swindells MB, Thornton JM: CATH - иерархическая классификация структур белковых доменов. Состав. 1997, 5: 1093-1108. 10.1016 / S0969-2126 (97) 00260-8.

    PubMed CAS Статья Google ученый

  • 22.

    Мурзин А.Г., Бреннер С.Е., Хаббард Т., Чотия С: SCOP: структурная классификация базы данных белков для исследования последовательностей и структур. J Mol Biol. 1995, 247: 536-540.10.1006 / jmbi.1995.0159.

    PubMed CAS Google ученый

  • 23.

    Татусов Р.Л., Федорова Н.Д., Джексон Д.Д., Якобс А.Р., Кирютин Б., Кунин Е.В., Крылов Д.М., Мазумдер Р., Мехедов С.Л., Никольская А.Н., Рао Б.С., Смирнов С., Свердлов А.В., Васудеван С., Вольф Ю.И. , Yin JJ, Natale DA: База данных COG: обновленная версия включает эукариоты. BMC Bioinformatics. 2003, 4: 41-10.1186 / 1471-2105-4-41.

    PubMed PubMed Central Статья Google ученый

  • 24.

    Kaplan N, Sasson O, Inbar U, Friedlich M, Fromer M, Fleischer H, Portugaly E, Linial N, Linial M: ProtoNet 4.0: иерархическая классификация одного миллиона белковых последовательностей. Nucleic Acids Res. 2005, D216-D218. 33 База данных

  • 25.

    Petryszak R, Kretschmann E, Wieser D, Apweiler R: Прогностическая сила базы данных CluSTr. Биоинформатика. 2005, 21: 3604-3609. 10.1093 / биоинформатика / bti542.

    PubMed CAS Статья Google ученый

  • 26.

    Krause A, Stoye J, Vingron M: крупномасштабная иерархическая кластеризация белковых последовательностей. BMC Bioinformatics. 2005, 6: 15-10.1186 / 1471-2105-6-15.

    PubMed PubMed Central Статья Google ученый

  • 27.

    Bru C, Courcelle E, Carrere S, Beausse Y, Dalmar S, Kahn D: База данных ProDom по семействам белковых доменов: больше внимания уделяется 3D. Nucleic Acids Res. 2005, D212-D215. 33 База данных

  • 28.

    Portugaly E, Linial N, Linial M: EVEREST: коллекция эволюционно консервативных белковых доменов.Nucleic Acids Res. 2007, Д241-Д246. 10.1093 / нар / gkl850. 35 База данных

  • 29.

    Watson JD, Sanderson S, Ezersky A, Savchenko A, Edwards A, Orengo C, Joachimiak A, Laskowski RA, Thornton JM: На пути к полностью автоматизированному предсказанию структурных функций в структурной геномике: тематическое исследование . J Mol Biol. 2007, 367: 1511-1522. 10.1016 / j.jmb.2007.01.063.

    PubMed CAS PubMed Central Статья Google ученый

  • 30.

    Chothia C, Lesk AM: Связь между расхождением последовательности и структуры в белках. EMBO J. 1986, 5: 823-826.

    PubMed CAS PubMed Central Google ученый

  • 31.

    Тейлор WR, Оренго, Калифорния: Выравнивание структуры белков. J Mol Biol. 1989, 208: 1-22. 10.1016 / 0022-2836 (89) -3.

    PubMed CAS Статья Google ученый

  • 32.

    Redfern OC, Harrison A, Dallman T, Pearl FM, Orengo CA: CATHEDRAL: быстрый и эффективный алгоритм для прогнозирования складок и границ доменов на основе многодоменных белковых структур.PLoS Comput Biol. 2007, 3: e232-10.1371 / journal.pcbi.0030232.

    PubMed PubMed Central Статья Google ученый

  • 33.

    Holm L, Sander C: Сравнение структуры белков путем выравнивания матриц расстояний. J Mol Biol. 1993, 233: 123-138. 10.1006 / jmbi.1993.1489.

    PubMed CAS Статья Google ученый

  • 34.

    Криссинель Э., Хенрик К.: Сопоставление вторичных структур (SSM), новый инструмент для быстрого выравнивания структуры белка в трех измерениях.Acta Crystallogr D Biol Crystallogr. 2004, 60: 2256-2268. 10.1107 / S0

    4

    6460.

    PubMed CAS Статья Google ученый

  • 35.

    Мадей Т., Гибрат Дж. Ф., Брайант Ш. Распределение базы данных ядер белков. Белки. 1995, 23: 356-369. 10.1002 / prot.340230309.

    PubMed CAS Статья Google ученый

  • 36.

    Шиндялов И.Н., Борн П.Е .: Выравнивание структуры белка путем инкрементного комбинаторного удлинения (CE) оптимального пути.Protein Eng. 1998, 11: 739-747. 10.1093 / белок / 11.9.739.

    PubMed CAS Статья Google ученый

  • 37.

    Колодный Р., Кёль П., Левитт М.: Комплексная оценка методов выравнивания структуры белков: оценка по геометрическим меркам. J Mol Biol. 2005, 346: 1173-1188. 10.1016 / j.jmb.2004.12.032.

    PubMed CAS PubMed Central Статья Google ученый

  • 38.

    Ye Y, Годзик A: Гибкое выравнивание структуры за счет объединения пар выровненных фрагментов, допускающих скручивание. Биоинформатика. 2003, 19 (Приложение 2): ii246-255.

    PubMed Статья Google ученый

  • 39.

    Берман Х.М., Вестбрук Дж., Фенг З., Гиллиланд Дж., Бхат Т.Н., Вайссиг Х., Шиндялов И.Н., Борн П.Е .: Банк данных по белкам. Nucleic Acids Res. 2000, 28: 235-242. 10.1093 / nar / 28.1.235.

    PubMed CAS PubMed Central Статья Google ученый

  • 40.

    Polacco BJ, Babbitt PC: Автоматическое обнаружение трехмерных мотивов для аннотации функций белков. Биоинформатика. 2006, 22: 723-730. 10.1093 / биоинформатика / btk038.

    PubMed CAS Статья Google ученый

  • 41.

    Kleywegt GJ: Распознавание пространственных мотивов в белковых структурах. J Mol Biol. 1999, 285: 1887-1897. 10.1006 / jmbi.1998.2393.

    PubMed CAS Статья Google ученый

  • 42.

    Вангикар П.П., Тендулкар А.В., Рамия С., Мали Д.Н., Сараваги С.: Функциональные сайты в семействах белков, обнаруженные с помощью объективного и автоматизированного теоретико-графического подхода. J Mol Biol. 2003, 326: 955-978. 10.1016 / S0022-2836 (02) 01384-0.

    PubMed CAS Статья Google ученый

  • 43.

    Laskowski RA, Luscombe NM, Swindells MB, Thornton JM: Белковые расщелины в молекулярном распознавании и функции. Protein Sci. 1996, 5: 2438-2452.

    PubMed CAS PubMed Central Google ученый

  • 44.

    Ласковски Р.А.: SURFNET: программа для визуализации молекулярных поверхностей, полостей и межмолекулярных взаимодействий. J Mol Graph. 1995, 13: 323-330. 10.1016 / 0263-7855 (95) 00073-9.

    PubMed CAS Статья Google ученый

  • 45.

    Ландау М., Мэйроуз И., Розенберг И., Глэзер Ф, Мартц Э, Пупко Т., Бен-Тал Н.: ConSurf 2005: проекция эволюционных оценок сохранения остатков на белковых структурах.Nucleic Acids Res. 2005, 33: W299-W302. 10.1093 / нар / gki370.

    PubMed CAS PubMed Central Статья Google ученый

  • 46.

    Глейзер Ф., Розенберг Ю., Кессель А., Пупко Т., Бен-Тал Н.: База данных ConSurf-HSSP: отображение эволюционной консервации среди гомологов на структуры PDB. Белки. 2005, 58: 610-617. 10.1002 / prot.20305.

    PubMed CAS Статья Google ученый

  • 47.

    Бинковски Т.А., Фриман П., Лян Дж.: PvSOAR: обнаружение сходных структур поверхности карманов и пустот аминокислотных остатков на белках. Nucleic Acids Res. 2004, 32: W555-W558. 10.1093 / нар / гх490.

    PubMed CAS PubMed Central Статья Google ученый

  • 48.

    Dundas J, Ouyang Z, Tseng J, Binkowski A, Turpaz Y, Liang J: CASTp: вычисленный атлас топографии поверхности белков со структурным и топографическим картированием функционально аннотированных остатков.Nucleic Acids Res. 2006, 34: W116-W118. 10.1093 / нар / gkl282.

    PubMed CAS PubMed Central Статья Google ученый

  • 49.

    Бэгли С.К., Альтман Р.Б .: Характеристика микросреды, окружающей белковые участки. Protein Sci. 1995, 4: 622-635.

    PubMed CAS PubMed Central Статья Google ученый

  • 50.

    Шульман-Пелег А., Нусинов Р., Вольфсон Х.Дж.: SiteEngines: распознавание и сравнение сайтов связывания и интерфейсов белок-белок.Nucleic Acids Res. 2005, 33: W337-W341. 10.1093 / нар / gki482.

    PubMed CAS PubMed Central Статья Google ученый

  • 51.

    Сасин Дж. М., Годзик А., Буйницки Дж. М.: СЕРФ ВП! - классификация белков путем сравнения поверхностей. J Biosci. 2007, 32: 97-100. 10.1007 / s12038-007-0009-0.

    PubMed CAS Статья Google ученый

  • 52.

    Porter CT, Bartlett GJ, Thornton JM: The Catalytic Site Atlas: ресурс каталитических сайтов и остатков, идентифицированных в ферментах с использованием структурных данных.Nucleic Acids Res. 2004, 32: D129-D133. 10.1093 / нар / гх028.

    PubMed CAS PubMed Central Статья Google ученый

  • 53.

    Иванисенко В.А., Пинтус С.С., Григорович Д.А., Колчанов Н.А.: PDBSiteScan: программа для поиска сайтов активных, связывающих и посттрансляционных модификаций в трехмерных структурах белков. Nucleic Acids Res. 2004, 32: W549-W554. 10.1093 / нар / гх539.

    PubMed CAS PubMed Central Статья Google ученый

  • 54.

    Иванисенко В.А., Пинтус С.С., Григорович Д.А., Колчанов Н.А.: PDBSite: база данных трехмерной структуры функциональных сайтов белков. Nucleic Acids Res. 2005, 33: D183-D187. 10.1093 / нар / gki105.

    PubMed CAS PubMed Central Статья Google ученый

  • 55.

    Джордж Р.А., Сприггс Р.В., Бартлетт Г.Дж., Гаттеридж А., Макартур М.В., Портер К.Т., Аль-Лазикани Б., Торнтон Дж. М., Суинделлс М.Б.: аннотации эффективных функций за счет сохранения каталитических остатков.Proc Natl Acad Sci USA. 2005, 102: 12299-12304. 10.1073 / pnas.0504833102.

    PubMed CAS PubMed Central Статья Google ученый

  • 56.

    Ласковски Р.А., Уотсон Дж. Д., Торнтон Дж. М.: ProFunc: сервер для прогнозирования функции белка по трехмерной структуре. Nucleic Acids Res. 2005, 33: W89-W93. 10.1093 / нар / gki414.

    PubMed CAS PubMed Central Статья Google ученый

  • 57.

    Темпура. [http://www.ebi.ac.uk/thornton-srv/databases/tempura]

  • 58.

    Старк А., Рассел РБ: Аннотация в трех измерениях. PINTS: паттерны в негомологичных третичных структурах. Nucleic Acids Res. 2003, 31: 3341-3344. 10.1093 / нар / гкг506.

    PubMed CAS PubMed Central Статья Google ученый

  • 59.

    Lichtarge O, Bourne HR, Cohen FE: Метод эволюционного отслеживания определяет поверхности связывания, общие для семейств белков.J Mol Biol. 1996, 257: 342-358. 10.1006 / jmbi.1996.0167.

    PubMed CAS Статья Google ученый

  • 60.

    Кристенсен Д.М., Уорд Р.М., Лисевски А.М., Эрдин С., Чен Б.Ю., Фофанов В.Ю., Киммель М., Кавраки Л.Е., Лихтарге О: Прогнозирование функции ферментов на основе трехмерных матриц эволюционно важных аминокислот. BMC Bioinformatics. 2008, 9: 17-10.1186 / 1471-2105-9-17.

    PubMed PubMed Central Статья Google ученый

  • 61.

    Ward RM, Erdin S, Tran TA, Kristensen DM, Lisewski AM, Lichtarge O: Деорфанизация структурного протеома посредством взаимного сравнения эволюционно важных структурных особенностей. PLoS ONE. 2008, 3: e2136-10.1371 / journal.pone.0002136.

    PubMed PubMed Central Статья Google ученый

  • 62.

    Herrgard S, Cammer SA, Hoffman BT, Knutson S, Gallina M, Speir JA, Fetrow JS, Baxter SM: Прогнозирование вредных функциональных эффектов аминокислотных мутаций с использованием библиотеки дескрипторов функций на основе структуры.Белки. 2003, 53: 806-816. 10.1002 / prot.10458.

    PubMed CAS Статья Google ученый

  • 63.

    Pal D, Eisenberg D: Вывод о функции белка на основе структуры белка. Состав. 2005, 13: 121-130. 10.1016 / j.str.2004.10.015.

    PubMed CAS Статья Google ученый

  • 64.

    Salwinski L, Miller CS, Smith AJ, Pettit FK, Bowie JU, Eisenberg D: База данных взаимодействующих белков: обновление 2004 года.Nucleic Acids Res. 2004, 32: D449-D451. 10.1093 / нар / gkh086.

    PubMed CAS PubMed Central Статья Google ученый

  • 65.

    Фридберг И., Хардер Т., Годзик A: JAFA: мета-сервер аннотации функций белка. Nucleic Acids Res. 2006, 34: W379-W381. 10.1093 / nar / gkl045.

    PubMed CAS PubMed Central Статья Google ученый

  • 66.

    фон Меринг С., Краузе Р., Снел Б., Корнелл М., Оливер С.Г., Филдс С., Борк П.: Сравнительная оценка крупномасштабных наборов данных белок-белковых взаимодействий.Природа. 2002, 417: 399-403. 10.1038 / природа750.

    PubMed CAS Статья Google ученый

  • 67.

    Pagel P, Kovac S, Oesterheld M, Brauner B, Dunger-Kaltenbach I, Frishman G, Montrone C, Mark P, Stümpflen V, Mewes HW, Ruepp A, Frishman D: белок-белок млекопитающих MIPS база данных взаимодействия. Биоинформатика. 2005, 21: 832-834. 10.1093 / биоинформатика / bti115.

    PubMed CAS Статья Google ученый

  • 68.

    Харт Г.Т., Рамани А.К., Маркотт Э.М.: Насколько полны современные дрожжевые и человеческие сети взаимодействия белков ?. Genome Biol. 2006, 7: 120-10.1186 / GB-2006-7-11-120.

    PubMed PubMed Central Статья Google ученый

  • 69.

    Элой П., Рассел РБ: Десять тысяч взаимодействий для молекулярного биолога. Nat Biotechnol. 2004, 22: 1317-1321. 10.1038 / nbt1018.

    PubMed CAS Статья Google ученый

  • 70.

    Finn RD, Marshall M, Bateman A: iPfam: визуализация белок-белковых взаимодействий в PDB при разрешении доменов и аминокислот. Биоинформатика. 2005, 21: 410-412. 10.1093 / биоинформатика / bti011.

    PubMed CAS Статья Google ученый

  • 71.

    Stein A, Russell RB, Aloy P: 3did: взаимодействующие белковые домены известной трехмерной структуры. Nucleic Acids Res. 2005, 33: D413-D417. 10.1093 / нар / gki037.

    PubMed CAS PubMed Central Статья Google ученый

  • 72.

    Riley R, Lee C, Sabatti C, Eisenberg D: Вывод о взаимодействиях белковых доменов из баз данных взаимодействующих белков. Genome Biol. 2005, 6: R89-10.1186 / gb-2005-6-10-r89.

    PubMed PubMed Central Статья Google ученый

  • 73.

    Jothi R, Cherukuri PF, Tasneem A, Przytycka TM: Коэволюционный анализ доменов во взаимодействующих белках раскрывает понимание доменных взаимодействий, опосредующих белок-белковые взаимодействия.J Mol Biol. 2006, 362: 861-875. 10.1016 / j.jmb.2006.07.072.

    PubMed CAS PubMed Central Статья Google ученый

  • 74.

    Пагель П., Вонг П., Фришман Д.: карта взаимодействия доменов, основанная на филогенетическом профилировании. J Mol Biol. 2004, 344: 1331-1346. 10.1016 / j.jmb.2004.10.019.

    PubMed CAS Статья Google ученый

  • 75.

    Pagel P, Oesterheld M, Tovstukhina O, Strack N, Stumpflen V, Frishman D: DIMA 2.0 - предполагаемые и известные доменные взаимодействия. Nucleic Acids Res. 2008, D651-D655. 36 База данных

  • 76.

    Raghavachari B, Tasneem A, Przytycka TM, Jothi R: DOMINE: база данных взаимодействий белковых доменов. Nucleic Acids Res. 2008, D656-D661. 36 База данных

  • 77.

    Моулт Дж., Педерсен Дж. Т., Джадсон Р., Фиделис К.: крупномасштабный эксперимент по оценке методов прогнозирования структуры белка. Белки. 1995, 23: ii-v. 10.1002 / prot.340230303.

    PubMed CAS Статья Google ученый

  • 78.

    Соро С., Трамонтано А. Прогнозирование функции белка в CASP6. Белки. 2005, 61 (Приложение 7): 201-213. 10.1002 / prot.20738.

    PubMed CAS Статья Google ученый

  • 79.

    Пеллегрини-Калаче М., Соро С., Трамонтано А: Пересмотр предсказания функции белка в CASP6. FEBS J. 2006, 273: 2977-2983. 10.1111 / j.1742-4658.2006.05309.x.

    PubMed CAS Статья Google ученый

  • 80.

    AFP. [http://biofunctionprediction.org]

  • 81.

    BioCreative. [http://biocreative.sourceforge.net]

  • 82.

    GeneFun. [http://www.genefun.org]

  • 83.

    MouseFunc. [http://www.mousefunc.org]

  • Понимание причин потери функции белка путем анализа влияния тысяч вариантов на активность и изобилие | Молекулярная биология и эволюция

    Аннотация

    Понимание и прогнозирование того, как аминокислотные замены влияют на белки, являются ключом к нашему основному пониманию функции и эволюции белков.Аминокислотные изменения могут влиять на функцию белка разными способами, включая прямое нарушение активности или косвенное влияние на укладку и стабильность белка. Мы проанализировали 6749 экспериментально определенных эффектов вариантов из мультиплексных анализов на численность и активность двух белков (NUDT15 и PTEN), чтобы количественно оценить эти эффекты, и обнаружили, что треть вариантов вызывает потерю функции, а около половины вариантов с потерей функции также имеют низкое клеточное изобилие. Мы анализируем структурные и механические причины потери функции и используем экспериментальные данные, чтобы найти остатки, важные для ферментативной активности.Мы выполнили вычислительный анализ стабильности и эволюционной консервации белков и показали, как мы можем предсказать положения, в которых варианты вызывают потерю активности или численности. Таким образом, наши результаты связывают термодинамическую стабильность и эволюционное сохранение с экспериментальными исследованиями различных свойств ландшафтов пригодности белков.

    Введение

    Мутационный анализ белков предоставил нам обширную информацию о молекулярных взаимодействиях, которые стабилизируют белки и регулируют их функции (Fersht 1999).Эта информация, в свою очередь, позволила нам разработать белки с улучшенной активностью и стабильностью (Goldenzweig and Fleishman 2018), чтобы лучше понять, как мутации вызывают заболевание (Stein et al., 2019), и помочь выяснить роль стабильности белка в эволюции (DePristo et al. др. 2005; Эчаве и др. 2016).

    Компьютерный анализ миссенс-вариантов при генетических заболеваниях показал, что потеря функции из-за потери стабильности белка является основной причиной заболевания (Wang and Moult 2001; Ferrer-Costa et al.2002; Steward et al. 2003; Юэ и др. 2005; Casadio et al. 2011; Gao et al. 2015; Stein et al. 2019), потому что нестабильные белки либо агрегируют, либо становятся мишенями для аппарата контроля качества белка клетки и деградируют (Nielsen et al. 2020). Действительно, клеточные исследования болезнетворных вариантов ряда генов показали, что многие варианты разрушаются в клетке (Meacham et al. 2001; Olzmann et al. 2004; Yaguchi et al. 2004; Ron and Horowitz 2005; Yang et al. др. 2011,2013; Arlow et al.2013; Chen et al. 2017; Nielsen et al. 2017; Matreyek et al. 2018; Abildgaard et al. 2019; Scheller et al. 2019; Suiter et al. 2020). По этой причине несколько методов для прогнозирования и понимания вариантов, вызывающих заболевание, включают прогнозирование изменений в стабильности белка (Yue et al. 2005; Casadio et al. 2011; De Baets et al. 2012; Ancien et al. 2018; Wagih et al. 2018; Герасимавичюс и др. 2020).

    Хотя прогнозы на основе стабильности могут быть относительно успешными и могут обеспечить механистическое понимание происхождения заболевания, также ясно, что варианты могут вызывать заболевание с помощью других механизмов, таких как удаление ключевых остатков в активном сайте или нарушение взаимодействий или регуляторных механизмов.Таким образом, методы, используемые для прогнозирования патогенности миссенс-вариантов, часто сочетают анализ сохранения последовательности с информацией о структуре и стабильности белка и другими источниками информации (Kumar et al. 2009; Adzhubei et al. 2010; De Baets et al. 2012; Kircher et al.2014; Choi and Chan 2015; Ioannidis et al.2016).

    Точно так же, как нарушение стабильности белка может вызывать заболевание, структура, стабильность и укладка белка также накладывают ограничения на эволюцию аминокислотных последовательностей (Мирный и Шахнович 1999; DePristo et al.2005; Liberles et al. 2012). Очевидно, однако, что другие соображения, такие как внутренняя активность и взаимодействие с другими молекулами, также играют важную роль в определении того, как эволюционируют последовательности, а вариации скорости эволюции от сайта к сайту, по-видимому, определяются сложной взаимосвязью между эффектами на стабильность и другими функциональными возможностями. ограничения (Echave et al., 2016; Jimenez et al., 2018; Echave, 2019).

    Чтобы лучше понять взаимосвязь между стабильностью, численностью и функцией белка, мы задали вопрос о том, какая часть изменений отдельных аминокислот в белке вызывает потерю функции из-за потери стабильности и клеточного изобилия белков.До недавнего времени мутационный анализ белков в основном основывался на подходе поочередно, в котором вводятся индивидуальные аминокислотные изменения и проверяется влияние на различные свойства белка - часто с использованием экспериментов in vitro с очищенными белками (Shoichet et al. 1995; Фершт 1999). Такие эксперименты теперь могут быть дополнены экспериментами, которые одновременно исследуют эффекты тысяч вариантов в одном анализе. Такие мультиплексные анализы вариантных эффектов (MAVE, также часто называемые глубоким мутационным сканированием) основаны на разработках в области высокопроизводительного синтеза ДНК, функциональных анализов и методов секвенирования (Kinney and McCandlish, 2019).Вкратце, процедура отбора (например, по скорости роста или флуоресцентному репортеру свойства белка) применяется к большой библиотеке вариантов, каждый из которых экспрессируется в отдельных клетках. Варианты меняются по частоте в зависимости от того, как они действуют в условиях отбора, а частота каждого варианта до и после отбора определяется с помощью секвенирования ДНК следующего поколения. Изменения в частоте вариантов используются для вычисления оценки, описывающей влияние каждого варианта на выбранное свойство.Такие данные можно использовать в качестве исходных данных для белковой инженерии (Araya et al. 2012; Shin and Cho 2015), чтобы составить карту локальных регионов фитнес-ландшафтов и помочь выяснить взаимосвязь генотип-фенотип (Hietpas et al. 2011; Sarkisyan et al. 2016) ; Fernandez-de Cossio-Diaz et al.2020), а также понять, какие и как мутации могут вызывать заболевание (Starita et al.2015; Weile and Roth 2018; Stein et al.2019).

    Теперь, впервые, у нас есть доступные измерения тысяч вариантов воздействия на два ключевых свойства белка, активность и численность, измеренные в нескольких белках.Здесь мы используем эти данные для более широкого изучения того, как замещения влияют на активность и стабильность. Мы исследуем, как варианты могут по-разному влиять на численность и активность, чтобы найти функционально важные позиции в белках (Chiasson et al.2020) и понять, обнаруживаются ли разные типы эффектов в разных областях структуры белка.

    Для этого мы анализируем два разных типа MAVE, которые исследуют различные аспекты функции белка. В качестве объектов нашего исследования мы выбрали два важных с медицинской точки зрения человеческого белка, PTEN (гомолог фосфатазы и тензина) и NUDT15 (нуклеозиддифосфат-связанный с x-гидролазой 15), потому что для обоих этих белков существуют мультиплексированные функциональные данные из двух различных анализов: Один, измеряющий влияние вариантов на активность белка через скорость роста (Mighell et al.2018) или лекарственной чувствительности (Suiter et al.2020), а также анализ, который исследует влияние аминокислотных изменений на численность клеток (Matreyek et al.2018; Suiter et al.2020). Иногда мы будем называть данные обилия отчетами о «стабильности», а данные об активности на основе роста - «активностью» или «функцией», признавая, что эксперименты сообщают о сложном взаимодействии эффектов во время экспериментальных анализов. Примечательно, что низкие баллы в анализах, основанных на активности, могут возникать как из-за потери внутренней ферментативной функции, так и, например, из-за снижения содержания белка.Действительно, мы используем дополнительную информацию об изобилии белка, чтобы отделить влияние на изобилие и внутреннюю активность.

    PTEN представляет собой длинную липидную фосфатазу из 403 аминокислотных остатков, экспрессируемую во всем организме человека, а мутации в гене PTEN связаны с раком и расстройствами аутистического спектра (Yehia et al.2019). У мышей было показано, что PTEN подавляет развитие опухоли за счет дефосфорилирования липидов фосфатидилинозитола, хотя in vitro было показано, что PTEN имеет более широкий спектр субстратов, включая белки.PTEN состоит из двух доменов: каталитического тензиноподобного домена (остатки 14–185) и домена C2 (остатки 190–350), который обеспечивает рекрутирование мембран (Lee et al. 1999). С-концевой участок PTEN неупорядочен с участком связывания PDZ-домена (остатки 401-403) (Valiente et al. 2005). Наш анализ PTEN включает в себя MAVE, который исследует эффекты большинства одиночных аминокислотных замен при анализе активности липид-фосфатазы в дрожжах (Mighell et al. 2018), рост которых зависел от способности PTEN катализировать образование необходимых фосфатидилинозитолбисфосфат (PIP2) из ​​его трифосфата (PIP3).Хотя эти эксперименты исследуют только одну функцию PTEN и могут быть затронуты также, например, уровнями экспрессии, было показано, что полученные данные точно классифицируют патогенность вариантов PTEN (Mighell et al.2018; Jepsen et al.2020) . Мы дополняем эти данные результатами другого MAVE, в котором влияние вариантов на численность клеток определяется в эксперименте, называемом «численность вариантов путем массового параллельного секвенирования» (VAMP-seq) (Matreyek et al. 2018). В VAMP-seq постоянное количество вариантов белка в культивируемых клетках млекопитающих определяется путем слияния с флуоресцентным белком, и клетки сортируются с использованием сортировки флуоресцентно активированных клеток.На результат эксперимента VAMP-seq не оказывает существенного влияния слияние с полноразмерным GFP и коррелирует с измерениями термостабильности in vitro (Matreyek et al.2018), но, что важно, также учитываются другие эффекты, которые могут повлиять на изобилие белка и которые может иметь отношение к функции, эволюции и болезни. Наш анализ здесь охватывает 56% всех возможных вариантов одной аминокислоты в PTEN, для которых у нас есть измерения как для активности, так и для численности, и, таким образом, дополняет наш недавний анализ небольшого числа вариантов заболевания в PTEN (Jepsen et al.2020).

    NUDT15 представляет собой нуклеотидтрифосфатдифосфатазу, которая состоит из 164 аминокислот в nudix-гидролазном домене с консервативным nudix-боксом, который координирует каталитический Mg 2+ . Сообщается, что биологически релевантная сборка является гомодимером, хотя мономер также обладает каталитической активностью (Carter et al. 2015). Дефицит NUDT15 связан с непереносимостью тиопуриновых препаратов (Yang et al., 2014; Moriyama et al., 2016, 2017; Nishii et al., 2018), которые широко используются при лечении лейкемии и аутоиммунных заболеваний (Karran and Attard 2008).Тиопурины представляют собой класс антиметаболитных препаратов, которые образуют активный метаболит, тио-dGTP, который конкурирует с dGTP и вызывает апоптоз при обширном включении в ДНК. NUDT15 гидролизует тио-dGTP и, таким образом, негативно регулирует уровни и цитотоксические эффекты метаболитов тиопурина. Следовательно, варианты NUDT15, которые снижают функцию, являются основной причиной токсичности при терапии тиопурином, и, таким образом, доза препарата может быть индивидуализирована для соответствия метаболизму этих соединений (Relling et al.2019). Высокая лекарственная чувствительность клеток с нарушенной функцией NUDT15 была использована в MAVE для анализа 95% всех вариантов одной аминокислоты на предмет непереносимости тиопуриновых препаратов (Suiter et al., 2020). Эту же библиотеку и клетки также использовали в эксперименте VAMP-seq для исследования влияния вариантов на численность клеток, и, как и в случае PTEN, было показано, что результаты коррелируют с измерениями термостабильности in vitro. Как и в случае PTEN, результат MAVE может зависеть от точных условий и, например, используемой концентрации лекарственного средства, но было показано, что он улавливает эффекты нескольких известных фармакогенетических вариантов (Suiter et al.2020).

    Здесь мы проанализировали влияние вариантов на активность и численность клеток как в PTEN, так и в NUDT15, чтобы получить общее представление о том, какая часть вариантов вызывает существенную потерю активности в клетке, и какая часть этих вариантов вызывает потерю активности. изобилия белка. Мы обнаружили, что примерно одна треть всех вариантов вызывает потерю активности белка, и что примерно половина из них делает это, скорее всего, из-за потери изобилия белка. Варианты, которые вызывают потерю изобилия, часто находятся внутри ядра белка, тогда как варианты, которые вызывают потерю активности, не влияя на изобилие, часто находятся в функционально важных положениях, включая те, которые участвуют в катализе или которые взаимодействуют с субстратами.Мы также обнаружили, что можем довольно точно предсказать положения, в которых замены обычно вызывают снижение численности и активности, в то время как количественное прогнозирование эффектов отдельных вариантов остается затруднительным. Вместе наши результаты обеспечивают дальнейшее понимание связи между термодинамической стабильностью и эволюционным сохранением, а также экспериментальные исследования различных свойств фитнес-ландшафтов.

    Результаты и обсуждение

    Глобальный анализ различных эффектов

    Мы собрали данные мультиплексных анализов, сообщающих об активности и численности в общей сложности 2822 варианта NUDT15 (Suiter et al.2020) и 3927 вариантов в PTEN (Matreyek et al. 2018; Mighell et al. 2018) (дополнительный рис. S1, дополнительные материалы онлайн). Скрипты для повторения наших анализов доступны в Интернете по адресу https://github.com/KULL-Centre/papers/tree/master/2020/mave-analysis-cagiada-et-al (последний доступ 6 апреля 2021 г.). Двумерные гистограммы показывают, что большинство вариантов имеют высокие баллы в обоих анализах, что указывает на изобилие и активность, подобную дикому типу, в условиях клеточных анализов (рис. 1A и B).

    Рис.1.

    Обзор мультиплексированных данных NUDT15 и PTEN, проанализированных в этой работе. ( A ) и ( B ) показывают двухмерные гистограммы, которые объединяют данные MAVE на основе активности на оси y с результатами эксперимента VAMP-seq на оси x . Варианты классифицируются на основе области 2D-гистограммы (пунктирные линии), к которой они принадлежат. Указаны доли вариантов, попадающих в каждый из четырех квадрантов, с ошибками среднего, оцененными методом бутстрэппинга с использованием неопределенностей экспериментальных оценок.Две зеленые точки указывают на дикий тип. Стрелки на осях указывают направления большей численности или активности; для подробного определения оценок и их неопределенностей мы отсылаем читателя к оригинальным публикациям (Matreyek et al. 2018; Mighell et al. 2018; Suiter et al. 2020). Панели ( C ) и ( D ) показывают согласованную категорию (CC) для каждой позиции, окрашенную в структуру белков (запись PDB 5LPG для NUDT15 и 1D5R для PTEN). Панели ( E ) и ( F ) показывают позиционные цветовые категории вместе с вторичной структурой (ST) и доступностью растворителя (SA).Четыре класса вариантов / положений представлены цветом: «WT-like» (зеленый), «Низкая активность, высокая численность» (синий), «Низкая численность, высокая активность» (желтый) и «Полная потеря» ( красный).

    Рис. 1.

    Обзор мультиплексированных данных NUDT15 и PTEN, проанализированных в данной работе. ( A ) и ( B ) показывают двухмерные гистограммы, которые объединяют данные MAVE на основе активности на оси y с результатами эксперимента VAMP-seq на оси x .Варианты классифицируются на основе области 2D-гистограммы (пунктирные линии), к которой они принадлежат. Указаны доли вариантов, попадающих в каждый из четырех квадрантов, с ошибками среднего, оцененными методом бутстрэппинга с использованием неопределенностей экспериментальных оценок. Две зеленые точки указывают на дикий тип. Стрелки на осях указывают направления большей численности или активности; для подробного определения оценок и их неопределенностей мы отсылаем читателя к оригинальным публикациям (Matreyek et al.2018; Mighell et al. 2018; Suiter et al. 2020). Панели ( C ) и ( D ) показывают согласованную категорию (CC) для каждой позиции, окрашенную в структуру белков (запись PDB 5LPG для NUDT15 и 1D5R для PTEN). Панели ( E ) и ( F ) показывают позиционные цветовые категории вместе с вторичной структурой (ST) и доступностью растворителя (SA). Четыре класса вариантов / положений представлены цветом: «WT-like» (зеленый), «Низкая активность, высокая численность» (синий), «Низкая численность, высокая активность» (желтый) и «Полная потеря» ( красный).

    Чтобы отделить варианты, подобные дикому типу, от вариантов с пониженной активностью и / или численностью, мы определяем пороговое значение для всех оценок (дополнительный рис. S2, дополнительные материалы в Интернете). Эти пороговые значения определяют четыре класса вариантов в зависимости от того, показал ли вариант высокие или низкие баллы в MAVE на основе активности и численности. Для простоты каждый класс также связан с цветом. «WT-подобные» варианты обладали активностью и численностью, подобными дикому типу, и показаны зеленым.Варианты с «низкой активностью, высокой численностью» имели WT-подобную численность, но низкую активность в анализах и показаны синим цветом. Варианты с «низкой численностью и высокой активностью» имели активность, подобную WT, но низкую распространенность в анализах и показаны желтым цветом. Варианты «Полная потеря» имели низкую активность и низкую численность и показаны красным.

    Для обоих белков большинство вариантов подобны дикому типу (60% для NUDT15 и 54% для PTEN; рис. 1A и B; зеленый). Категория полной потери представляет варианты, которые демонстрируют как потерю активности, так и низкую клеточную численность (14% для NUDT15 и 18% для PTEN; рис.1А и В; красный), и, как обсуждается ниже, мы ожидаем, что большинство этих вариантов теряют активность из-за их низкой численности. Из общего количества 680 и 1403 вариантов с низкой активностью в NUDT15 и PTEN, соответственно, 60% и 50% теряют активность вместе с потерей численности. Варианты с низкой активностью и высоким содержанием все еще присутствуют в клетке в изобилии, но инактивированы другими способами, например, изменением аминокислот в активном центре (рис. 1A и B; синий). Класс с низкой численностью и высокой активностью, содержащий 16% NUDT15 и 10% вариантов PTEN (рис.1А и В; желтый), показывают низкие уровни численности, но высокие уровни активности в анализе, основанном на активности, и их не так легко объяснить одним механизмом.

    Чтобы сфокусировать наш анализ на различных типах эффектов вариантов в различных частях структуры белка и уменьшить неопределенность, возникающую при изучении отдельных вариантов, мы преобразовали данные вариантов в позиционные категории, которые представляют собой наиболее частый класс среди вариантов в этой позиции. . Мы выполнили эту процедуру классификации на всех позициях, по крайней мере, с пятью протестированными вариантами (99% для NUDT15 и 88% для PTEN), что также помогло усреднить шум от изучения отдельных вариантов с промежуточными баллами и представить классы, используя те же имена и цвета. Схема как для вариантов.Это приводит к тому, что 62% и 60% позиций классифицируются как WT-подобные для NUDT15 и PTEN, соответственно (рис. 1C и D; зеленый). С другой стороны, в 15% и 22% позиций большинство вариантов вызывают потерю активности вместе с потерей численности (рис. 1C и D; красный), тогда как потеря активности без потери численности является наиболее частым результатом в 9 % и 12% позиций (рис. 1C и D; синий). Наконец, в 14% позиций в NUDT15 и в 6% в PTEN варианты чаще всего имеют низкую численность, но высокий уровень активности (рис.1С и Д; желтый).

    Мы проверили классификации, используя метод кластеризации, который не зависит от определения пороговых значений для экспериментальных оценок. Мы сгруппировали вместе позиции с аналогичными профилями вариантов в двух MAVE (см. Материалы и методы) и обнаружили в целом очень хорошее согласие с методом отсечения, в частности, для WT-подобных, полной потери и потери активности, высокой численности. категории (дополнительные рисунки S3 и S4, дополнительные материалы онлайн). Для NUDT15 мы обнаружили, что позиции 133/163 классифицируются одинаково с использованием двух разных методов, причем наиболее изменчивые результаты возникают в категории с низкой численностью, но достаточной для поддержания роста (дополнительный рис.S3, Дополнительные материалы онлайн). Для PTEN мы проанализировали данные с использованием трех или четырех кластеров, причем первый оказался более естественной классификацией. В этом случае 246/310 позиций классифицируются одинаково с использованием двух методов, при этом 12 позиций в категории с низкой численностью и высокой активностью (желтый цвет) оканчиваются либо как WT-подобные, либо как полные потери. Это указывает на то, что три из четырех категорий эффектов положения идентифицируются более надежно, что соответствует заменам, обычно приводящим к 1) WT-подобной активности в обоих анализах, 2) потере активности и численности или 3) потере активности при сохранении WT. -подобное изобилие.Однако позиции с низкой численностью и высокой активностью классифицируются менее надежно, и мы не анализируем их дальше.

    Как и ожидалось, аминокислоты в скрытых положениях в целом чувствительны к мутациям. В NUDT15 35 из 163 аминокислот полностью скрыты, и половина из них (49%) классифицируются как чувствительные к мутациям в анализах на основе активности и численности (красная метка), а оставшиеся скрытые положения в основном классифицируются как низкая численность, высокая активность (34%; рис. 1E и F).Поскольку охват вариантов ниже в PTEN, только 355 из 403 позиций могут быть классифицированы таким образом, и только 34 из этих 355 полностью скрыты. Из этих 34 80% классифицируются как «нестабильные» позиции (категории с низкой численностью, высокой активностью и полной гибелью). Таким образом, потеря численности является типичной причиной потери активности вариантов на заглубленных позициях.

    Позиции с низкой активностью и высокой численностью определяются как положения, в которых большинство тестируемых вариантов утратили активность, но все еще присутствуют в клетке в изобилии.Ранее было обнаружено, что такие позиции отображаются на функционально важные сайты в мембранном белке VKOR (Chiasson et al. 2020). Мы обнаружили, что в PTEN эти варианты и положения в основном обнаруживаются в домене каталитической фосфатазы (дополнительный рис. S5, дополнительный материал онлайн) и включают активный сайт (рис. 2A и B). В NUDT15 мы находим позиции с низкой активностью и высокой численностью в нескольких различных регионах. Одна группа расположена вблизи сайта связывания субстрата и включает ранее обсужденные Arg34 и Gly47 (Suiter et al.2020). Другая группа включает остатки, координирующие ион магния (Suiter et al. 2020). Наконец, мы находим группу остатков, которая простирается от взаимодействующих с субстратом Arg34 и Gln44 (Carter et al. 2015) до Asn117 и Asn111, более удаленных от кармана связывания с субстратом и связанных сеткой водородных связей (рис. 2C и D). ). Asn111 и Asn117, по-видимому, помогают позиционировать петлю (остатки 111–117), которая включает координирующий магний Glu113, и хотя эти остатки не контактируют напрямую с субстратом, многие замены приводят к потере функции без потери численности.

    Рис. 2.

    Примеры позиций «низкая активность, высокая численность». ( A ) Остатки в PTEN в категории с низкой активностью и высоким содержанием (синий) включают остатки в сайте каталитической фосфатазы и вокруг него, в том числе те, которые непосредственно взаимодействуют с субстратом (здесь имитирует ингибитор тартрат; Lee et al. 1999). ( B ) Другие остатки, более удаленные от активного сайта, также попадают в эту категорию, и варианты в этой области могут нарушать целостность активного сайта.( C и D ) Примеры функционально важных остатков в NUDT15, которые находятся рядом с активным сайтом, но за его пределами. В частности, мы идентифицировали четыре консервативных остатка (Asn111, Asn117, Gln44, Arg44), которые, по-видимому, соединяются сеткой водородных связей и чье нарушение может влиять на гидролиз тиопуринов.

    Рис. 2.

    Примеры позиций «низкая активность, высокая численность». ( A ) Остатки в PTEN в категории с низкой активностью и высоким содержанием (синий) включают остатки в сайте каталитической фосфатазы и вокруг него, в том числе те, которые непосредственно взаимодействуют с субстратом (здесь имитирует ингибитор тартрат; Lee et al.1999). ( B ) Другие остатки, более удаленные от активного сайта, также попадают в эту категорию, и варианты в этой области могут нарушать целостность активного сайта. ( C и D ) Примеры функционально важных остатков в NUDT15, которые находятся рядом с активным сайтом, но за его пределами. В частности, мы идентифицировали четыре консервативных остатка (Asn111, Asn117, Gln44, Arg44), которые, по-видимому, соединяются сеткой водородных связей и чье нарушение может влиять на гидролиз тиопуринов.

    Обнаружив, что многие позиции с низкой активностью и высокой численностью играют функциональные роли, мы задали вопрос, обычно ли они находятся рядом с активными сайтами в NUDT15 и PTEN. Используя Gly47 в NUDT15 и Arg130 в PTEN в качестве контрольных точек в активных сайтах в этих двух белках, мы обнаружили, что позиции с низкой активностью и высоким содержанием, где варианты обычно демонстрируют потерю активности, но не потерю численности, сгруппированы вокруг активные сайты. В частности, мы обнаруживаем, что все эти позиции в NUDT15 находятся в пределах 14 Å от Gly47 (Cα-расстояния).Среднее расстояние между низкоактивными позициями с высоким содержанием и Gly47 составляет 9 Å, значение, которое можно сравнить со средним значением (15 Å) по всем позициям в NUDT15. В PTEN мы обнаружили, что 29 из 32 низкоактивных позиций с высоким содержанием обнаружены в каталитическом домене. Все эти 29 положений находятся в пределах 22 Å от Arg130, при этом среднее расстояние до Arg130 составляет 14 Å (по сравнению с 21 Å по всем позициям).

    Хотя типичным результатом в низкоактивных положениях с высоким содержанием является потеря активности, не все замены имеют одинаково большие эффекты, и некоторые аминокислотные замены с большей вероятностью будут пагубными для функции, чем другие.Таким образом, мы исследовали отдельные замены в низкоактивных позициях с высоким содержанием, чтобы спросить, сохраняют ли определенные типы замен функцию лучше, чем другие. Хотя такой анализ затруднен небольшим количеством замен при разбиении на начальную и конечную аминокислоту, мы действительно находим доказательства, указывающие на различия в зависимости от химического состава аминокислот (дополнительный рис. S6, дополнительный материал онлайн). Например, в положениях с низкой активностью и высоким содержанием с Asn в качестве остатка дикого типа оказывается, что замены на другие малые и полярные аминокислоты (Asp, Ser, Thr) сохраняют функцию лучше, чем, например, замены на гидрофобные аминокислоты (рис.S6, Дополнительные материалы онлайн). В более общем плане, ранее было замечено, что существует существенное влияние типа аминокислоты на результат эксперимента MAVE (Gray et al., 2017; Dunham and Beltrao, 2020), и здесь мы находим аналогичные результаты (дополнительный рис. S7, Дополнительные материалы онлайн). Как и ожидалось, мы обнаружили, что многие варианты с полной потерей представляют собой замены гидрофобных аминокислот заряженными и полярными аминокислотами, тогда как замены гидрофобных остатков другими гидрофобными веществами более распространены в категории, подобной дикому типу.Однако более подробный анализ этих эффектов затруднен небольшим количеством многих типов замен.

    Вычислительные прогнозы мультиплексированных данных от MAVE

    Как описано ранее и продемонстрировано выше, MAVE предоставляют множество данных не только для использования в медицинских приложениях (Weile and Roth, 2018; Stein et al., 2019), но и для понимания основных свойств белков (Dunham and Beltrao 2020). Несмотря на недавние успехи в экспериментах с протеомами (Després et al.2020), все еще невозможно исследовать все возможные варианты во всех белках экспериментально, и поэтому вычислительные методы остаются важным дополнением для прогнозирования и понимания эффектов вариантов. Таким образом, экспериментальные данные MAVE все чаще используются для тестирования методов прогнозирования, поскольку они обеспечивают широкое представление о влиянии аминокислотных замен в белках (Hopf et al.2017; Jepsen et al.2020; Livesey and Marsh 2020; Reeb et al. 2020).

    Недавно мы использовали два разных MAVE для PTEN, чтобы проанализировать небольшое количество патогенных вариантов вместе с вариантами, которые наблюдались в более широком анализе человеческой популяции (Jepsen et al.2020). В частности, мы сравнили мультиплексированные данные на основе численности (VAMP-seq) и на основе активности с двумя вычислительными методами, направленными на определение либо 1) специфической стабильности белка, либо 2) функции в более широком смысле. Здесь мы основываемся на этой работе за счет 1) применения компьютерного моделирования для прогнозирования изменений термодинамической стабильности белка с использованием Rosetta (Park et al., 2016) и 2) использования эволюционной консервации в качестве более общего представления о том, какие аминокислотные изменения будут допустимыми, в то время как поддержание функции (Ekeberg et al.2014). Первый использует в качестве входных данных структуру NUDT15 или PTEN для прогнозирования изменения стабильности белка (⁠ΔΔG⁠), тогда как второй использует выравнивание последовательностей гомологичных белков в качестве входных данных для вычислительной оценки консервации с учетом сохранения как сайта, так и пары. (коэволюция), количественно оцениваемая по баллу (который мы по аналогии с ΔΔG член ΔΔE⁠), который оценивает, насколько вероятна будет замена. Отметим, что модель того же типа может использоваться для прогнозирования контактов в структуре белка, но в соответствии с предыдущей работой (Lapedes et al.2012; Луи и Тиана 2013; Hopf et al. 2017; Nielsen et al. 2017) здесь используется для оценки эффектов аминокислотных замен. Мы также отмечаем, что ранее было показано, что «парные члены» в этих моделях, которые отражают эффекты (кажущейся) совместной эволюции между парами сайтов, повышают точность этих прогнозов (Hopf et al., 2017). Как утверждалось ранее (Джепсен и др., 2020), расчеты ΔΔG больше похожи на результаты MAVE на основе численности (оба отражают аспекты стабильности белка), тогда как значения ΔΔE охватывают более широкий диапазон эффектов, как и следовало ожидать. из MAVE, основанного на деятельности.

    Таким образом, мы сравнили расчетные прогнозы ΔΔG и ΔΔE с каждым из двух мультиплексированных анализов для NUDT15 и PTEN (дополнительный рис. S8, дополнительные материалы онлайн). Как и ожидалось, мы обнаружили, что прогнозы стабильности лучше коррелируют с MAVE на основе численности, чем с MAVE на основе активности, тогда как для эволюционного анализа ситуация обратная (дополнительный рис. S9, дополнительный материал онлайн). В случае NUDT15, например, данные MAVE на основе численности сильнее коррелируют с расчетами ΔΔG (rp = 0.57⁠), чем с ΔΔE (rp = 0,42⁠), тогда как MAVE на основе активности хуже коррелирует с прогнозами стабильности (⁠rp = 0,35⁠), чем с оценками, основанными на сохранении (rp = 0,52⁠). Хотя разница меньше (но все же присутствует) для PTEN, результаты подтверждают представление о том, что анализ консервации является лучшим предиктором общих аспектов функции белка, тогда как расчеты Rosetta подтверждают ожидаемую взаимосвязь между обилием клеточного белка и термодинамической стабильностью (Matreyek и другие.2018; Abildgaard et al. 2019; Джепсен и др. 2020). Кроме того, мы отмечаем, что, хотя коэффициенты корреляции не очень высоки, результаты соответствуют предыдущему анализу аналогичных данных (Hopf et al., 2017; Jepsen et al. 2020; Livesey and Marsh 2020).

    Мы определяем пороговые значения для вычислительных оценок (дополнительные рисунки S10 и S11, дополнительные материалы онлайн), чтобы отделить дикий тип, например, от вредоносных вариантов, и построить четыре категории, которые мы помечаем цветами, как указано выше.Использование порогового значения 2 ккал / моль для ΔΔG для обоих белков приводит к тому, что 69% (NUDT15) и 65% (PTEN) вариантов считаются стабильными. Аналогичным образом, из анализа эволюционной консервации 78% и 58% всех вариантов NUDT15 и PTEN, соответственно, имеют баллы, указывающие на то, что замены допустимы. Обратите внимание, что по соглашению положительные значения ΔΔG и ΔΔE указывают на потерю стабильности или устойчивость к последовательности, соответственно, и, следовательно, шкалы инвертированы по сравнению с оценками из MAVE.

    Чтобы обеспечить более прямое сравнение экспериментальных и расчетных оценок, мы показываем гистограммы двух расчетных оценок (⁠ΔΔG и ΔΔE⁠) для каждого из четырех классов на основе экспериментальных оценок (рис. 3). Мы обнаружили, что варианты, которые экспериментально были классифицированы как WT-подобные (стабильные и активные), обычно имеют низкую вычислительную ценность; таким образом, расчетные прогнозы предполагают, что эти замены оказывают умеренное влияние на стабильность (низкий ΔΔG⁠) и совместимы с заменами, наблюдаемыми в гомологичных белках (низкое ΔΔE⁠).Мы делаем аналогичные наблюдения для категории общих потерь, где расчетные оценки обычно выше порогового значения, и для категории с низкой активностью и высокой численностью, где вычислительный анализ обнаруживает низкие значения ΔΔG, но более высокие значения ΔΔE⁠. Несмотря на эти общие тенденции, мы находим различное согласие в классификации отдельных вариантов путем экспериментов и вычислений (дополнительный рис. S12, дополнительный материал онлайн), с наилучшим соответствием в категориях WT-подобных и общих потерь.Чтобы проверить, были ли результаты анализа сохранения специфичными для использования lbsDCA, мы также использовали алгоритм анализа эволюционных следов (Lichtarge et al., 1996; Lua et al., 2016) для анализа множественных выравниваний последовательностей и нашли аналогичные результаты (дополнительный рис. S13, Дополнительные материалы в Интернете).

    Рис. 3.

    Гистограммы двух расчетных оценок (⁠ΔΔG и ΔΔE⁠) в NUDT15 и PTEN. ΔΔG направлено на то, чтобы уловить влияние исключительно на термодинамическую стабильность, с высокими значениями, указывающими на дестабилизированные варианты.ΔΔE отражает эволюционное сохранение, рассчитанное с помощью модели, которая учитывает как локальную, так и попарную коэволюцию, и с высокими значениями, указывающими на неконсервативные замены. Таким образом, как для ΔΔG, так и для ΔΔE положительные значения указывают на вредные замены, тогда как в экспериментах низкие значения указывают на замены, которые вызывают потерю активности или изобилия. Для обоих белков мы разделили гистограммы в соответствии с четырьмя категориями вариантов, определенными в экспериментах, как показано осями с высокими и низкими экспериментальными оценками численности и активности.Таким образом, например, две зеленые гистограммы для NUDT15 показывают распределения значений ΔΔG и ΔΔE для тех вариантов, которые классифицируются как стабильные и активные MAVE, и действительно ясно, что большинство этих вариантов имеют оценки ниже порогового значения. (красные пунктирные линии). В дополнение к цветным гистограммам мы также показываем полную гистограмму всех проанализированных вариантов (серый цвет), чтобы облегчить сравнение между подмножествами и полным набором вариантов.

    Рис. 3.

    Гистограммы двух расчетных оценок (⁠ΔΔG и ΔΔE⁠) в NUDT15 и PTEN.ΔΔG направлено на то, чтобы уловить влияние исключительно на термодинамическую стабильность, с высокими значениями, указывающими на дестабилизированные варианты. ΔΔE отражает эволюционное сохранение, рассчитанное с помощью модели, которая учитывает как локальную, так и попарную коэволюцию, и с высокими значениями, указывающими на неконсервативные замены. Таким образом, как для ΔΔG, так и для ΔΔE положительные значения указывают на вредные замены, тогда как в экспериментах низкие значения указывают на замены, которые вызывают потерю активности или изобилия. Для обоих белков мы разделили гистограммы в соответствии с четырьмя категориями вариантов, определенными в экспериментах, как показано осями с высокими и низкими экспериментальными оценками численности и активности.Таким образом, например, две зеленые гистограммы для NUDT15 показывают распределения значений ΔΔG и ΔΔE для тех вариантов, которые классифицируются как стабильные и активные MAVE, и действительно ясно, что большинство этих вариантов имеют оценки ниже порогового значения. (красные пунктирные линии). В дополнение к цветным гистограммам мы также показываем полную гистограмму всех проанализированных вариантов (серый цвет), чтобы облегчить сравнение между подмножествами и полным набором вариантов.

    Мы приступили к созданию и исследованию взаимосвязей между структурой и функцией, которые мы извлекли из вычислительного анализа (дополнительный рис.S14, Дополнительные материалы онлайн). Мы использовали результаты вычислений, чтобы сгруппировать позиции в четыре категории и обнаружили существенное совпадение с теми, которые были обнаружены в экспериментах (дополнительный рис. S15, дополнительный материал онлайн), в частности, для категорий WT-подобных и общих потерь, примерно с 70% позиций, классифицируемых аналогичным образом. Этот результат предполагает, что вычислительный анализ лучше улавливает общие эффекты на позициях по сравнению с отдельными вариантами, как обсуждалось выше (рис.3). Мы снова использовали процедуру кластеризации в качестве альтернативного подхода для классификации позиций и нашли хорошее согласие как с классификацией расчетных данных на основе отсечения, так и с классификациями на основе экспериментов (дополнительный рис. S16, дополнительные материалы онлайн). Таким образом, вместе эти результаты показывают, что совместный вычислительный анализ стабильности и сохранения может быть использован для поиска положений в белке, где замены могут нарушить термодинамическую стабильность, и других положений, где они вызовут потерю активности за счет удаления функционально важных остатков.

    Выводы

    Крупномасштабный анализ белков с использованием мультиплексных анализов дает возможность получить глобальное представление о различных эффектах (Gray et al. 2017; Dunham and Beltrao 2020). Комбинируя различные анализы для считывания различных свойств белка, становится возможным проанализировать, какие позиции вносят наибольший вклад в какое свойство (Jepsen et al. 2020). Большинство белков необходимо свернуть, чтобы они были активными, и, таким образом, замены аминокислот, которые приводят к потере стабильности, часто приводят к потере функции.Таким образом, потеря стабильности, по-видимому, является важным фактором развития болезни (Yue et al. 2005; Stein et al. 2019) и детерминантом темпов эволюции (Echave et al. 2016), и наоборот, было показано, что остатки в активных центрах может быть неоптимальным для стабильности (Shoichet et al. 1995).

    Здесь мы использовали доступность данных, генерируемых MAVE для двух белков, при этом в одном эксперименте изучались общие эффекты на активность белка, а в другом - напрямую оценивалась численность клеток. Мы показываем, что глобальный анализ этих экспериментов может дать представление о том, как функционируют белки и как их активность может быть нарушена.С помощью рассмотренных здесь анализов мы обнаружили, что большинство вариантов оказывают самое умеренное влияние на активность белка. Мы обнаружили, что из примерно 30% вариантов, которые вызывают существенную потерю активности, примерно 50% также вызывают потерю численности. Таким образом, хотя неудивительно, что во многих случаях существует корреляция между потерей функции и потерей численности, мы здесь предоставляем количественные оценки относительной важности этих эффектов для широкого диапазона замен в двух неродственных белках.Относительное количество вариантов с «низкой активностью, высокой численностью» и «полной гибелью», которые мы находим, можно сравнить с нашим предыдущим анализом 42 болезнетворных вариантов в PTEN, где мы обнаружили сопоставимую долю (~ 60%). вызывающих заболевание вариантов, по-видимому, вызывает потерю функции из-за потери стабильности и, следовательно, изобилия клеточного белка (Jepsen et al. 2020). Действительно, большинство (но не все) патогенных вариантов в PTEN (Mighell et al.2018; Jepsen et al.2020) имеют низкие показатели в MAVE, основанном на активности, при этом значительная часть из них также имеет низкую численность (дополнительный рис.S17, Дополнительные материалы онлайн), тогда как ситуация с фармакогенетическими вариантами в NUDT15 (Suiter et al. 2020) более сложна (дополнительный рисунок S17, Дополнительные материалы онлайн). Аналогичным образом, в наших исследованиях патогенных миссенс-вариантов в гене MLh2 мы обнаружили низкие стабильные уровни белка (<50% от дикого типа) в семи из 16 патогенных вариантов (Abildgaard et al., 2019). Таким образом, по крайней мере в этих случаях, кажется, что доля вариантов, вызывающих заболевание посредством этого механизма, отражает общую долю вариантов «полной потери» в белке.Интересный вопрос для будущих экспериментов: сколько из этих вариантов будет активным, если уровни белка можно будет восстановить, например, с помощью химических шаперонов или модуляции аппарата контроля качества белка (Arlow et al.2013; Kampmeyer et al.2017). Действительно, известно, что шапероны помогают защитить от дестабилизирующих вариантов во время эволюции (Rutherford and Lindquist 1998; Tokuriki and Tawfik 2009).

    Основываясь на предыдущей работе (Cheng et al. 2005; Chiasson et al. 2020), мы также показываем, как мы можем использовать эффекты вариантов на активность и изобилие / стабильность белка, чтобы найти функционально важные остатки как с помощью экспериментов, так и с помощью вычислений.Для нескольких остатков, экспонированных на поверхности, многие варианты вызывают потерю активности, но без существенной потери численности. Мы обнаружили, что они включают активные сайты в NUDT15 и PTEN, но также обнаруживают функционально важные сайты, смежные с этими активными сайтами. Важность положений второй оболочки для модуляции структуры или динамики остатков активного сайта, например, также проявилась в исследованиях связывания лигандов (Tinberg et al., 2013), эволюции и дизайна ферментов (Campbell et al., 2016; Broom et al.2020). В нашем анализе функциональных остатков мы в основном сосредоточились на общих эффектах в каждой позиции, а не на конкретных эффектах отдельных замен. Мы сделали это, чтобы усреднить шум от отдельных измерений и найти общие закономерности, но с большим количеством данных было бы интересно выполнить такой анализ структуры – последовательности – функции на уровне индивидуальных замен.

    Относительно жесткое ограничение этих позиций с низкой активностью / высокой численностью может также объяснить, почему прогнозы изменений в стабильности белка могут использоваться для прогнозирования значительного числа вариантов заболевания: по крайней мере, в NUDT15 и PTEN количество позиций, в которых замены обычно вызывает потерю изобилия (и, следовательно, активности) больше, чем количество позиций, в которых замены вызывают потерю активности при сохранении изобилия белка.В самом деле, хотя функциональные сайты вызывают существенные ограничения на вариации аминокислот во время эволюции, наиболее сильные эффекты оказываются ближайшими к активным сайтам (Jack et al., 2016; Mayorov et al., 2019). Наша способность предсказывать эти сайты путем сочетания эволюционного анализа и расчетов стабильности также предлагает подход к обнаружению новых функционально важных сайтов с использованием комбинированного анализа структуры и последовательностей белков. Мы обнаружили, что приблизительно 12% вариантов в NUDT15 и PTEN, по-видимому, способны поддерживать рост, подобный дикому типу, в клеточных анализах даже при существенно сниженных уровнях белка.Ясно, что может существовать нелинейная связь между фенотипом роста и обилием белка (Jiang et al. 2013), и это может помочь объяснить некоторые из этих вариантов. Будущие эксперименты, которые исследуют взаимосвязь между уровнями экспрессии и вариантными эффектами в NUDT15 и PTEN, могут пролить свет на эти варианты. Кроме того, MAVE на основе численности для PTEN выполняли в культивируемой линии клеток млекопитающих (Matreyek et al. 2018), а MAVE на основе активности выполняли на дрожжах (Mighell et al.2018), что приводит к потенциальным различиям из-за различий в механизмах контроля качества и протеостаза в этих клетках.

    Таким образом, мы демонстрируем, как мультиплексные анализы и вычислительные анализы начинают обеспечивать последовательное и всестороннее представление о глобальных эффектах вариантов в белках. Результаты подчеркивают, что многие эффекты правильно предсказаны, и поэтому вычисления могут использоваться не только для прогнозирования того, вызовет ли вариант потерю активности или нет, но и для получения некоторого механистического понимания.Ясно, что есть возможности для улучшения, и дополнительные эксперименты с большим количеством белков и охват большего количества аспектов сложной взаимосвязи между последовательностью и функциями белков помогут расширить нашу способность предсказывать эти эффекты с помощью вычислений (Cheng et al. 2005).

    Материалы и методы

    Сохранение анализа различных эффектов

    Мы использовали статистический анализ множественного выравнивания последовательностей (MSA) двух белков для оценки устойчивости к конкретным заменам.Как и в предыдущей работе, мы используем метод, включающий как сохранение сайта, так и попарное сохранение (коэволюцию). Мы использовали последовательности WT из UniProt (P60484 и Q9NV35) в качестве входных данных для HHBlits (Remmert et al. 2011) для создания начальных MSA, которые мы отфильтровали перед расчетом вариантов эффектов. Первый фильтр удаляет последовательности (строки) в MSA с пропусками более 50%. Второй фильтр сохраняет только позиции (столбцы), которые присутствуют в человеческих целевых последовательностях NUDT15 или PTEN. Наконец, мы применяем фильтр подобия (Ekeberg et al.2013) для удаления повторяющихся последовательностей (более 80% идентичных). Мы используем модифицированную версию алгоритма lbsDCA (Ekeberg et al. 2014), основанную на регуляризованной максимизации l 2 с псевдосчетами, чтобы предсказать вероятность каждого варианта белка. Мы используем энергетический потенциал, генерируемый алгоритмом, для оценки разницы логарифма правдоподобия между последовательностями дикого типа и вариантными (⁠ΔΔE⁠). Мы проверили, что результат этих анализов существенно не зависит от параметров, используемых для построения MSA или фильтрации сопоставлений (дополнительный рис.S18, Дополнительные материалы онлайн). Мы выполнили расчеты Evolutionary Trace Analysis (Lichtarge et al. 1996; Lua et al. 2016) с использованием веб-сервера, доступного по адресу evolution.lichtargelab.org.

    Структурный анализ

    Мы использовали Rosetta (GitHub SHA1 99d33ec59ce9fcecc5e4f3800c778a54afdf8504) для прогнозирования изменений термодинамической стабильности (⁠ΔΔG⁠) на основе структуры NUDT15 и PTEN с использованием декартового протокола ddG (Park et al., 2016). В качестве отправных точек мы использовали кристаллические структуры NUDT15 (Valerie et al.2016) (PDB ID: 5LPG) и PTEN (Lee et al. 1999) (PDB ID: 1D5R). Значения, полученные из Rosetta, были разделены на 2,9, чтобы перевести их из энергетических единиц Rosetta в шкалу, соответствующую ккал / моль (Франк ДиМайо, Вашингтонский университет; личная переписка) (Jepsen et al.2020). Мы использовали DSSP-2.28 (Кабш и Сандер, 1983; Тоу и др., 2015) и те же кристаллические структуры, что и выше, для классификации захоронения с помощью модели трех состояний (Рост и Сандер, 1994) (погребенный, промежуточный или открытый).

    Определение пороговых значений для вариантов классификации

    Мы определили пороговые значения для оценок по обоим MAVE (дополнительный рис.S2, Дополнительный материал онлайн), подгоняя варианты распределения оценок с использованием минимального числа гауссиан (три), необходимого для получения разумного соответствия. Затем мы использовали пересечение первого и последнего гауссиана как обрезание для наших классификаций. Мы использовали пороговое значение в 2 ккал / моль (аналогично значению, используемому в нашем предыдущем исследовании; Jepsen et al.2020) для ΔΔG и варьировали пороговое значение для ΔΔE, чтобы максимизировать перекрытие в классификации позиций (дополнительный рис. S11, Дополнительный Материал онлайн).

    Чтобы изучить классификации на основе пороговых значений, мы использовали алгоритм иерархической кластеризации (Ward, 1963; Virtanen et al., 2020), чтобы сгруппировать позиции с аналогичными ответами на аминокислотные замены. Каждая позиция была представлена ​​вектором 40D, который содержит оценки для каждой из 20 возможных аминокислот в двух MAVE. Пропущенные значения были заменены средним баллом по этой позиции. Мы используем евклидово расстояние между этими векторами как показатель сходства в иерархической кластеризации (Ward, 1963).Для сравнения с классификацией на основе порогов мы проанализировали это с использованием четырех кластеров, хотя в случае PTEN мы также показываем результаты с использованием только трех кластеров.

    Классификация остатков

    Мы присвоили остаточным количествам категорию, по которой в обоих MAVE доступны данные по крайней мере для пяти вариантов. Мы использовали режим (наиболее распространенный класс вариантов в этой позиции) для присвоения категории остатка.

    Дополнительные материалы

    Дополнительные данные доступны в Интернете по адресу Molecular Biology and Evolution .

    Благодарности

    Эта работа является вкладом центра PRISM (Взаимодействие с белками и стабильность в медицине и геномике), финансируемого Фондом Ново Нордиск (для R.H.-P., D.M.F., A.S. и K.L.-L .; NNF18OC0033950). В КАЧЕСТВЕ. финансируется Фондом Лундбека (R272-2017-4528). Это исследование было частично поддержано грантом NIH (R01GM118578, J.J.Y.). Авторы несут полную ответственность за содержание, которое не обязательно отражает официальную точку зрения Национальных институтов здравоохранения.

    Доступность данных

    Код

    и данные для повторения нашего анализа доступны в Интернете по адресу https://github.com/KULL-Centre/papers/tree/master/2020/mave-analysis-cagiada-et-al (последний доступ 6 апреля 2021 г.).

    Список литературы

    Abildgaard

    AB

    ,

    Stein

    A

    ,

    Nielsen

    SV

    ,

    Schultz-Knudsen

    K

    ,

    Papaleo

    E

    khan

    Shriff

    ,

    Bernstein

    I

    ,

    Gerdes

    AM

    ,

    Takahashi

    M

    и др.

    2019

    .

    Вычислительные и клеточные исследования показывают структурную дестабилизацию и деградацию вариантов MLh2 при синдроме Линча

    .

    Элиф

    8

    :

    e49138

    .

    Аджубей

    IA

    ,

    Schmidt

    S

    ,

    Пешкин

    L

    ,

    Раменский

    VE

    ,

    Герасимова

    AS

    000

    000 P0005000

    000

    000 P0005000

    000 P0005

    Сюняев

    SR.

    2010

    .

    Метод и сервер для предсказания повреждающих миссенс-мутаций

    .

    Нат Методы

    .

    7

    (

    4

    ):

    248

    -

    249

    .

    Ancien

    F

    ,

    Pucci

    F

    ,

    Godfroid

    M

    ,

    Rooman

    M.

    2018

    .

    Прогнозирование и интерпретация вредоносных вариантов кодирования с точки зрения структурной стабильности белка

    .

    Научный сотрудник

    .

    8

    (

    1

    ):

    1

    -

    11

    .

    Araya

    CL

    ,

    Fowler

    DM

    ,

    Chen

    W

    ,

    Muniez

    I

    ,

    Kelly

    JW

    ,

    Фундаментальное свойство белка, термодинамическая стабильность, выявленное исключительно в результате крупномасштабных измерений функции белка

    .

    Proc Natl Acad Sci U S A

    .

    109

    (

    42

    ):

    16858

    -

    16863

    .

    Arlow

    T

    ,

    Scott

    K

    ,

    Wagenseller

    A

    ,

    Gammie

    A.

    2013

    .

    Ингибирование протеасом спасает клинически значимые нестабильные варианты белка репарации ошибочного спаривания MSh3

    .

    Proc Natl Acad Sci U S A

    .

    110

    (

    1

    ):

    246

    -

    251

    .

    Метла

    A

    ,

    Rakotoharisoa

    RV

    ,

    Thompson

    MC

    ,

    Zarifi

    N

    ,

    Nguyen

    E

    000

    000

    000 Luk4000

    ov Muk4000

    ov Muk4000

    Fraser

    JS

    ,

    Chica

    RA.

    2020

    .

    Конструкция ферментов на основе ансамблей может повторить эффекты лабораторной эволюции in silico

    .

    Нац Коммуна

    .

    11

    (

    1

    ):

    4808

    .

    Campbell

    E

    ,

    Kaltenbach

    M

    ,

    Correy

    GJ

    ,

    Carr

    PD

    ,

    Porebski

    BT

    ,

    Lingstone

    Livingstone

    EKurn

    ,

    Пряжка

    AM

    ,

    Weik

    M

    ,

    Hollfelder

    F

    и др.

    2016

    .

    Роль динамики белка в развитии новой функции фермента

    .

    Нат Хем Биол

    .

    12

    (

    11

    ):

    944

    -

    950

    .

    Carter

    M

    ,

    Jemth

    AS

    ,

    Hagenkort

    A

    ,

    Страница

    BDG

    ,

    Gustafsson

    R

    ,

    000

    000

    000 Griese

    0004 Griese

    0004 Griese

    0004 Griese

    000

    Валери

    NCK

    ,

    Desroses

    M

    ,

    Boström

    J

    и др.

    2015

    .

    Кристаллическая структура, биохимическая и клеточная активность демонстрируют отдельные функции MTh2 и MTh3

    .

    Нац Коммуна

    .

    6

    (

    1

    ):

    7871

    .

    Casadio

    R

    ,

    Vassura

    M

    ,

    Tiwari

    S

    ,

    Fariselli

    P

    ,

    Луиджи Мартелли

    P.

    2011

    9.

    Корреляция связанных с заболеванием мутаций с их влиянием на стабильность белка: крупномасштабный анализ протеома человека

    .

    Хум Мутат

    .

    32

    (

    10

    ):

    1161

    -

    1170

    .

    Chen

    L

    ,

    Brewer

    MD

    ,

    Guo

    L

    ,

    Wang

    R

    ,

    Jiang

    P

    ,

    Yang

    000

    0004 X.

    Усиленная деградация неправильно свернутых белков способствует онкогенезу

    .

    Cell Rep

    .

    18

    (

    13

    ):

    3143

    -

    3154

    .

    Cheng

    G

    ,

    Qian

    B

    ,

    Samudrala

    R

    ,

    Baker

    D.

    2005

    .

    Улучшение предсказания функционального сайта белка путем выделения структурных и функциональных ограничений на эволюцию семейства белков с использованием вычислительного дизайна

    .

    Nucleic Acids Res

    .

    33

    (

    18

    ):

    5861

    -

    5867

    .

    Chiasson

    MA

    ,

    Rollins

    NJ

    ,

    Stephany

    JJ

    ,

    Sitko

    KA

    ,

    Matreyek

    KA

    ,

    000

    0005,

    Verby

    Roth

    F

    ,

    DeSloover

    D

    ,

    Marks

    DS

    и др.

    2020

    .

    Мультиплексное измерение численности и активности вариантов выявляет топологию VKOR, активный сайт и влияние варианта на человека

    .

    eLife

    9

    :

    e58026

    .

    Цой

    Y

    ,

    Чан

    AP.

    2015

    .

    Веб-сервер Provean: инструмент для прогнозирования функционального эффекта аминокислотных замен и индексов

    .

    Биоинформатика

    31

    (

    16

    ):

    2745

    -

    2747

    .

    De Baets

    G

    ,

    Van Durme

    J

    ,

    Reumers

    J

    ,

    Maurer-Stroh

    S

    ,

    Vanhee

    P

    000

    000 Durme

    000

    000 Doym000

    000 Doym0004

    J

    ,

    Руссо

    F.

    2012

    .

    SNPeffect 4.0: онлайн-прогнозирование молекулярных и структурных эффектов вариантов, кодирующих белок

    .

    Nucleic Acids Res

    .

    40

    (

    , выпуск

    ):

    D935

    -

    D939

    .

    DePristo

    MA

    ,

    Weinreich

    DM

    ,

    Hartl

    DL.

    2005

    .

    Несмысленные извилины в пространстве последовательностей: биофизический взгляд на эволюцию белка

    .

    Нат Рев Генет

    .

    6

    (

    9

    ):

    678

    -

    687

    .

    Després

    PC

    ,

    Dubé

    AK

    ,

    Seki

    M

    ,

    Yachie

    N

    ,

    Landry

    CR.

    2020

    .

    Возмущающие протеомы при разрешении одного остатка с использованием редактирования оснований

    .

    Нац Коммуна

    .

    11

    (

    1

    ):

    1

    -

    13

    .

    Dunham

    A

    ,

    Beltrao

    P.

    2020

    .

    Изучение функций аминокислот в глубоком мутационном ландшафте

    . BioRxiv. страница 2020.05.26.116756.

    Эчаве

    Дж.

    2019

    .

    За пределами ограничений стабильности: биофизическая модель эволюции фермента с отбором по стабильности и активности

    .

    Мол Биол Эвол

    .

    36

    (

    3

    ):

    613

    -

    620

    .

    Echave

    J

    ,

    Spielman

    SJ

    ,

    Wilke

    CO.

    2016

    .

    Причины изменения скорости эволюции сайтов белка

    .

    Нат Рев Генет

    .

    17

    (

    2

    ):

    109

    -

    121

    .

    Ekeberg

    M

    ,

    Hartonen

    T

    ,

    Aurell

    E.

    2014

    .

    Быстрая максимизация псевдоядности для анализа структуры белка с прямым связыванием из многих гомологичных аминокислотных последовательностей

    .

    Дж. Вычислительная физика

    .

    276

    :

    341

    -

    356

    .

    Ekeberg

    M

    ,

    Lövkvist

    C

    ,

    Lan

    Y

    ,

    Вес

    M

    ,

    Aurell

    E.

    2013

    .

    Улучшенное предсказание контактов в белках: использование псевдодостоверностей для вывода моделей Поттса

    .

    Phys Rev E Stat Nonlin Soft Matter Phys

    .

    87

    (

    1

    ):

    012707

    .

    Фернандес-де-Коссио-Диас

    J

    ,

    Uguzzoni

    G

    ,

    Pagnani

    A.

    2020

    .

    Неконтролируемый вывод о пригодности белков на основе глубокого мутационного сканирования

    .

    Мол Биол Эвол

    .

    38

    (1)

    :

    318

    -

    328

    .

    Ferrer-Costa

    C

    ,

    Orozco

    M

    ,

    de la Cruz

    X.

    2002

    .

    Характеристика полиморфизмов отдельных аминокислот, связанных с заболеванием, с точки зрения свойств последовательности и структуры

    .

    Дж Мол Биол

    .

    315

    (

    4

    ):

    771

    -

    786

    .

    Фершт

    А.

    1999

    .

    Структура и механизм в науке о белке: руководство по ферментному катализу и сворачиванию белка

    .

    Нью-Йорк

    : У. Х. Фриман.

    Гао

    M

    ,

    Zhou

    H

    ,

    Skolnick

    J.

    2015

    .

    Понимание связанных с заболеванием мутаций в протеоме человека с помощью структурного анализа белков

    .

    Структура

    23

    (

    7

    ):

    1362

    -

    1369

    .

    Герасимавичюс

    L

    ,

    Liu

    X

    ,

    Marsh

    JA.

    2020

    .

    Идентификация патогенных миссенс-мутаций с использованием предикторов стабильности белка

    .

    Научный сотрудник

    .

    10

    (

    1

    ):

    15387

    .

    Goldenzweig

    A

    ,

    Fleishman

    SJ.

    2018

    .

    Принципы стабильности белков и их применение в вычислительном дизайне

    .

    Анну Рев Биохим

    .

    87

    :

    105

    -

    129

    .

    Серый

    VE

    ,

    Hause

    RJ

    ,

    Fowler

    DM.

    2017

    .

    Анализ данных крупномасштабного мутагенеза для оценки влияния одиночных аминокислотных замен

    .

    Генетика

    207

    (

    1

    ):

    53

    -

    61

    .

    Hietpas

    RT

    ,

    Jensen

    JD

    ,

    Bolon

    DN.

    2011

    .

    Экспериментальное освещение фитнес-ландшафта

    .

    Proc Natl Acad Sci U S A

    .

    108

    (

    19

    ):

    7896

    -

    7901

    .

    Hopf

    TA

    ,

    Ingraham

    JB

    ,

    Poelwijk

    FJ

    ,

    Schärfe

    CP

    ,

    Springer

    M

    s.

    2017

    .

    Эффекты мутации, предсказанные на основе совместной вариации последовательности

    .

    Нат Биотехнология

    .

    35

    (

    2

    ):

    128

    -

    135

    .

    Ioannidis

    NM

    ,

    Rothstein

    JH

    ,

    Pejaver

    V

    ,

    Middha

    S

    ,

    McDonnell

    Mus4

    ,

    9000 S0005,

    Li

    Q

    ,

    Holzinger

    E

    ,

    Karyadi

    D

    и др.

    2016

    .

    Revel: метод ансамбля для прогнозирования патогенности редких миссенс-вариантов

    .

    Am J Hum Genet

    .

    99

    (

    4

    ):

    877

    -

    885

    .

    Джек

    BR

    ,

    Meyer

    AG

    ,

    Echave

    J

    ,

    Wilke

    CO.

    2016

    .

    Функциональные сайты вызывают эволюционные ограничения на большие расстояния в ферментах

    .

    ПЛоС Биол

    .

    14

    (

    5

    ):

    e1002452

    .

    Jepsen

    MM

    ,

    Fowler

    DM

    ,

    Hartmann-Petersen

    R

    ,

    Stein

    A

    ,

    Lindorff-Larsen

    K.

    2020

    Классификация вариантов, связанных с заболеванием, с использованием показателей активности и стабильности белка. В: Пей А.Л., редактор.

    Болезни белкового гомеостаза

    .

    Лондон, Соединенное Королевство

    : Academic Press.п.

    91

    -

    107

    .

    Jiang

    L

    ,

    Mishra

    P

    ,

    Hietpas

    RT

    ,

    Zeldovich

    KB

    ,

    Bolon

    DN.

    2013

    .

    Скрытые эффекты мутантов Hsp90 выявлены при пониженных уровнях экспрессии

    .

    PLoS Genet

    .

    9

    (

    6

    ):

    e1003600

    .

    Хименес

    MJ

    ,

    Arenas

    M

    ,

    Bastolla

    U.

    2018

    .

    Скорости замещения, предсказанные моделями эволюции белка с ограниченной стабильностью, не согласуются с эмпирическими данными

    .

    Мол Биол Эвол

    .

    35

    (

    3

    ):

    743

    -

    755

    .

    Kabsch

    W

    ,

    Шлифовальная машина

    C.

    1983

    .

    Словарь вторичной структуры белков: распознавание образов водородных связей и геометрических элементов

    .

    Биополимеры

    22

    (

    12

    ):

    2577

    -

    2637

    .

    Kampmeyer

    C

    ,

    Nielsen

    SV

    ,

    Clausen

    L

    ,

    Stein

    A

    ,

    Gerdes

    AM

    ,

    Lindorff-

    Lindorff-

    Lindorff

    Р.

    2017

    .

    Блокирование контроля качества белка для противодействия наследственному раку

    .

    Гены Хромосомы Рак

    .

    56

    (

    12

    ):

    823

    -

    831

    .

    Карран

    P

    ,

    Attard

    N.

    2008

    .

    Тиопурины в современной медицинской практике: молекулярные механизмы и вклад в развитие рака, связанного с терапией

    .

    Нат Рев Рак

    .

    8

    (

    1

    ):

    24

    -

    36

    .

    Кинни

    JB

    ,

    McCandlish

    DM.

    2019

    .

    Массивно параллельные анализы и количественные взаимосвязи «последовательность – функция»

    .

    Анну Рев Геномикс Хум Генет

    .

    20

    (

    1

    ):

    99

    -

    127

    .

    Kircher

    M

    ,

    Witten

    DM

    ,

    Jain

    P

    ,

    O’Roak

    BJ

    ,

    Cooper

    GM

    ,

    ,

    ,

    Общая схема оценки относительной патогенности генетических вариантов человека

    .

    Нат Генет

    .

    46

    (

    3

    ):

    310

    -

    315

    .

    Kumar

    P

    ,

    Henikoff

    S

    ,

    Ng

    шт.

    2009

    .

    Прогнозирование влияния кодирования несинонимичных вариантов на функцию белка с использованием алгоритма сортировки

    .

    Nat Protoc

    .

    4

    (

    7

    ):

    1073

    -

    1081

    .

    Lapedes

    A

    ,

    Giraud

    B

    ,

    Jarzynski

    C.

    2012

    .

    Использование выравнивания последовательностей для прогнозирования структуры и стабильности белка с высокой точностью

    . arXiv Препринт arXiv: 1207.2484.

    Lee

    JO

    ,

    Yang

    H

    ,

    Georgescu

    MM

    ,

    Di Cristofano

    A

    ,

    Maehama

    T

    000

    000

    000

    Shi ,

    Пандольфи

    П

    ,

    Павлетич

    НП.

    1999

    .

    Кристаллическая структура опухолевого супрессора PTEN: влияние на его фосфоинозитид-фосфатазную активность и мембранную ассоциацию

    .

    Ячейка

    99

    (

    3

    ):

    323

    -

    334

    .

    Liberles

    DA

    ,

    Teichmann

    SA

    ,

    Bahar

    I

    ,

    Bastolla

    U

    ,

    Bloom

    J

    ,

    00050004 Bornberg

    -Bauer

    0004 Bornberg 9J0004

    ,

    de Koning

    APJ

    ,

    Dokholyan

    NV

    ,

    Echave

    J

    и др.

    2012

    .

    Интерфейс структуры белка, биофизики белка и молекулярной эволюции

    .

    Protein Sci

    .

    21

    (

    6

    ):

    769

    -

    785

    .

    Lichtarge

    O

    ,

    Bourne

    HR

    ,

    Cohen

    FE.

    1996

    .

    Метод эволюционного отслеживания определяет поверхности связывания, общие для семейств белков

    .

    Дж Мол Биол

    .

    257

    (

    2

    ):

    342

    -

    358

    .

    Livesey

    BJ

    ,

    Marsh

    JA.

    2020

    .

    Использование глубокого мутационного сканирования для сравнительного анализа предикторов эффектов вариантов и выявления мутаций болезней

    .

    Мол Сист Биол

    .

    16: e9380

    .

    Lua

    RC

    ,

    Wilson

    SJ

    ,

    Konecki

    DM

    ,

    Wilkins

    AD

    ,

    Venner

    E

    DH,

    Morgan

    2016

    .

    UET: база данных эволюционно предсказанных функциональных детерминант белковых последовательностей, которые группируются как функциональные сайты в белковых структурах

    .

    Nucleic Acids Res

    .

    44

    (

    D1

    ):

    D308

    -

    D312

    .

    Луи

    S

    ,

    Тиана

    г.

    2013

    .

    Сеть стабилизирующих контактов в белках, изученная по коэволюционным данным

    .

    Дж. Хим. Физ.

    .

    139

    (

    15

    ):

    155103

    .

    Матрейек

    KA

    ,

    Старита

    LM

    ,

    Стефани

    JJ

    ,

    Мартин

    B

    ,

    Чиассон

    MA

    ,

    V

    Серый

    Хечадури

    A

    ,

    Dines

    JN

    ,

    Hause

    RJ

    и др.

    2018

    .

    Мультиплексная оценка численности вариантов белка путем массового параллельного секвенирования

    .

    Нат Генет

    .

    50

    (

    6

    ):

    874

    -

    882

    .

    Майоров

    A

    ,

    Даль Пераро

    M

    ,

    Abriata

    LA.

    2019

    .

    Эволюционные ограничения, вызванные активным сайтом, следуют принципам полярности складок в растворимых глобулярных ферментах

    .

    Мол Биол Эвол

    .

    36

    (

    8

    ):

    1728

    -

    1733

    .

    Meacham

    GC

    ,

    Patterson

    C

    ,

    Zhang

    W

    ,

    Younger

    JM

    ,

    Cyr

    DM.

    2001

    .

    Ко-шаперонный чип hsc70 нацелен на незрелые cftr для протеасомной деградации

    .

    Nat Cell Biol

    .

    3

    (

    1

    ):

    100

    -

    105

    .

    Mighell

    TL

    ,

    Evans-Dutson

    S

    ,

    O’Roak

    BJ.

    2018

    .

    Подход с использованием мутагенеза насыщения для понимания активности липидной фосфатазы PTEN и взаимосвязи генотип-фенотип

    .

    Am J Hum Genet

    .

    102

    (

    5

    ):

    943

    -

    955

    .

    Мирный

    ЛА

    ,

    Шахнович

    Э.И.

    1999

    .

    Универсально консервативные позиции в белковых складках: считывание эволюционных сигналов о стабильности, кинетике складывания и функции

    .

    Дж Мол Биол

    .

    291

    (

    1

    ):

    177

    -

    196

    .

    Морияма

    T

    ,

    Nishii

    R

    ,

    Lin

    TN

    ,

    Kihira

    K

    ,

    Toyoda

    H

    ,

    Nersting

    Nersting

    Ко

    K

    ,

    Inaba

    H

    ,

    Manabe

    A

    и др.

    2017

    .

    Влияние наследственных полиморфизмов NUDT15 на активные метаболиты тиопурина у японских детей с острым лимфобластным лейкозом

    .

    Pharmacogenet Genomics

    .

    27

    (

    6

    ):

    236

    -

    239

    .

    Морияма

    T

    ,

    Nishii

    R

    ,

    Perez-Andreu

    V

    ,

    Ян

    W

    ,

    Klussmann

    FA

    ,

    000 TN

    0005,

    Zha

    ,

    Hoshitsuki

    K

    ,

    Nersting

    J

    ,

    Kihira

    K

    и др.

    2016

    .

    Полиморфизм NUDT15 изменяет метаболизм тиопурина и гемопоэтическую токсичность

    .

    Нат Генет

    .

    48

    (

    4

    ):

    367

    -

    373

    .

    Nielsen

    SV

    ,

    Schenstrøm

    SM

    ,

    Christensen

    CE

    ,

    Stein

    A

    ,

    Lindorff-Larsen

    K

    0004 R 9000art5,

    Петер

    ,

    ,

    ,

    .Дестабилизация и деградация белков как механизм наследственного заболевания. В:

    Заболевания белкового гомеостаза

    .

    Эльзевьер

    . п.

    111

    -

    125

    .

    Nielsen

    SV

    ,

    Stein

    A

    ,

    Dinitzen

    AB

    ,

    Papaleo

    E

    ,

    Tatham

    MH

    , 9000 Kas4M 9G5000

    000 9000 Kas4m 9G5000 9G0005

    Rasmussen

    LJ

    ,

    Lindorff-Larsen

    K

    ,

    Hartmann-Petersen

    R.

    2017

    .

    Прогнозирование влияния миссенс-мутаций, вызывающих синдром Линча, на основе структурных расчетов

    .

    PLoS Genet

    .

    13

    (

    4

    ):

    e1006739

    .

    Nishii

    R

    ,

    Moriyama

    T

    ,

    Janke

    LJ

    ,

    Yang

    W

    ,

    Suiter

    CC

    ,

    Lin

    Kihira

    K

    ,

    Toyoda

    H

    ,

    Hofmann

    U

    и др.

    2018

    .

    Доклиническая оценка тиопуриновой терапии под контролем NUDT15 и ее влияния на токсичность и противолейкемическую эффективность

    .

    Кровь

    131

    (

    22

    ):

    2466

    -

    2474

    .

    Olzmann

    JA

    ,

    Коричневый

    K

    ,

    Wilkinson

    KD

    ,

    Rees

    HD

    ,

    Huai

    Q

    ,

    AI

    AI

    Ke

    Li

    L

    ,

    Подбородок

    LS.

    2004

    .

    Семейная мутация l166p, связанная с болезнью Паркинсона, нарушает фолдинг и функцию белка dj-1

    .

    Дж. Биол. Хим.

    .

    279

    (

    9

    ):

    8506

    -

    8515

    .

    Park

    H

    ,

    Bradley

    P

    ,

    Greisen

    P

    Jr,

    Liu

    Y

    ,

    Mulligan

    VK

    ,

    9000 Daker

    DE

    Kim

    Kim

    ,

    DiMaio

    F.

    2016

    .

    Одновременная оптимизация функций энергии биомолекул по характеристикам малых молекул и макромолекул

    .

    Дж. Химическая теория вычислений

    .

    12

    (

    12

    ):

    6201

    -

    6212

    .

    Reeb

    J

    ,

    Wirth

    T

    ,

    Rost

    B.

    2020

    .

    Прогнозы вариативных эффектов отражают некоторые аспекты экспериментов по глубокому мутационному сканированию

    .

    BMC Bioinformatics

    21

    (

    1

    ):

    1

    -

    12

    .

    Реллинг

    MV

    ,

    Schwab

    M

    ,

    Whirl-Carrillo

    M

    ,

    Suarez-Kurtz

    G

    ,

    Pui

    CH

    ,

    AM

    ,

    Evans

    WE

    ,

    Klein

    TE

    ,

    Antillon-Klussmann

    FG

    и др.

    2019

    .

    Руководство консорциума по внедрению клинической фармакогенетики для дозирования тиопурина на основе генотипов TPMT и NUDT 15: обновление 2018 г.

    .

    Clin Pharmacol Ther

    .

    105

    (

    5

    ):

    1095

    -

    1105

    .

    Remmert

    M

    ,

    Biegert

    A

    ,

    Hauser

    A

    ,

    Söding

    J.

    2011

    .

    HHblits: молниеносный итеративный поиск белковой последовательности с помощью выравнивания HMM-HMM

    .

    Нат Методы

    .

    9

    (

    2

    ):

    173

    -

    175

    .

    Рон

    I

    ,

    Горовиц

    М.

    2005

    .

    Удержание и деградация Er как молекулярная основа гетерогенности болезни Гоше

    .

    Хум Мол Генет

    .

    14

    (

    16

    ):

    2387

    -

    2398

    .

    Рост

    Б

    ,

    Шлифовальная машина

    С.

    1994

    .

    Сохранение и прогнозирование доступности растворителей в семействах белков

    .

    Белки

    20

    (

    3

    ):

    216

    -

    226

    .

    Резерфорд

    SL

    ,

    Линдквист

    С.

    1998

    .

    Hsp90 как конденсатор для морфологической эволюции

    .

    Природа

    396

    (

    6709

    ):

    336

    -

    342

    .

    Саркисян

    КС

    ,

    Болотин

    ДА

    ,

    Меер

    М.В.

    ,

    Усманова

    ДР

    ,

    Мишин

    АС

    000

    000

    000

    000 Д.Н.

    Божанова

    НГ

    ,

    Баранов

    МС

    ,

    Сойлемез

    О

    и др.

    2016

    .

    Местный фитнес-ландшафт зеленого флуоресцентного белка

    .

    Природа

    533

    (

    7603

    ):

    397

    -

    401

    .

    Scheller

    R

    ,

    Stein

    A

    ,

    Nielsen

    SV

    ,

    Marin

    FI

    ,

    Gerdes

    AM

    ,

    Di Marco

    000 E 9000 9000 Papa4 9000 ,

    Lindorff-Larsen

    K

    ,

    Hartmann-Petersen

    R.

    2019

    .

    К механистическим моделям корреляций генотип-фенотип при фенилкетонурии с использованием расчетов стабильности белков

    .

    Хум Мутат

    .

    40

    (

    4

    ):

    444

    -

    457

    .

    Шин

    H

    ,

    Чо

    B-K.

    2015

    .

    Рациональная белковая инженерия на основе глубокого мутационного сканирования

    .

    Int J Mol Sci

    .

    16

    (

    9

    ):

    23094

    -

    23110

    .

    Shoichet

    BK

    ,

    Baase

    WA

    ,

    Kuroki

    R

    ,

    Matthews

    BW.

    1995

    .

    Взаимосвязь между стабильностью белка и функцией белка

    .

    Proc Natl Acad Sci U S A

    .

    92

    (

    2

    ):

    452

    -

    456

    .

    Starita

    LM

    ,

    Young

    DL

    ,

    Islam

    M

    ,

    Kitzman

    JO

    ,

    Gullingsrud

    J

    ,

    000 DM

    Hause

    Парвин

    JD

    ,

    Shendure

    J

    ,

    Поля

    S.

    2015

    .

    Массивно-параллельный функциональный анализ вариантов кольцевого домена brca1

    .

    Genetics

    200

    (

    2

    ):

    413

    -

    422

    .

    Stein

    A

    ,

    Fowler

    DM

    ,

    Hartmann-Petersen

    R

    ,

    Lindorff-Larsen

    K.

    2019

    .

    Биофизические и механистические модели болезнетворных вариантов белков

    .

    Trends Biochem Sci

    .

    44

    (

    7

    ):

    575

    -

    588

    .

    Steward

    RE

    ,

    MacArthur

    MW

    ,

    Laskowski

    RA

    ,

    Thornton

    JM.

    2003

    .

    Молекулярные основы наследственных болезней: структурная перспектива

    .

    Trends Genet

    .

    19

    (

    9

    ):

    505

    -

    513

    .

    Suiter

    CC

    ,

    Moriyama

    T

    ,

    Matreyek

    KA

    ,

    Yang

    W

    ,

    Scaletti

    ER

    ,

    9000 R 9000 R

    9000 R

    9000 R

    9000 R 9000 R

    Hoshitsuki

    K

    ,

    Singh

    M

    ,

    Trehan

    A

    и др.

    2020

    .

    Массивно параллельная характеристика вариантов идентифицирует аллели NUDT15, связанные с токсичностью тиопурина

    .

    Proc Natl Acad Sci U S A

    .

    117: 201

    0

    .

    Tinberg

    CE

    ,

    Khare

    SD

    ,

    Dou

    J

    ,

    Doyle

    L

    ,

    Nelson

    JW

    ,

    A0005,

    Schena

    0004

    Kalodimos

    CG

    ,

    Johnsson

    K

    ,

    Stoddard

    BL

    и др.

    2013

    .

    Расчетный дизайн лиганд-связывающих белков с высоким сродством и селективностью

    .

    Природа

    501

    (

    7466

    ):

    212

    -

    216

    .

    Tokuriki

    N

    ,

    Tawfik

    DS.

    2009

    .

    Сверхэкспрессия шаперонина способствует генетической изменчивости и эволюции ферментов

    .

    Природа

    459

    (

    7247

    ):

    668

    -

    673

    .

    Touw

    WG

    ,

    Baakman

    C

    ,

    Черный

    J

    ,

    Te Beek

    TA

    ,

    Krieger

    E

    ,

    000 RP4

    000 RP4 Goosten

    G.

    2015

    .

    Серия связанных с PDB банков данных для повседневных нужд

    .

    Nucleic Acids Res

    .

    43

    (

    , выпуск базы данных

    ):

    D364

    -

    D368

    .

    Валери

    NCK

    ,

    Хагенкорт

    A

    ,

    Стр.

    BDG

    ,

    Masuyer

    G

    ,

    Rehling

    D

    ,

    9000 L

    ,

    9000 M, Carter 9000

    Herr

    P

    ,

    Homan

    E

    ,

    Sheppard

    NG

    и др.

    2016

    .

    NUDT15 гидролизует 6-тио-дезокси-GTP, чтобы опосредовать противораковую эффективность 6-тиогуанина

    .

    Cancer Res

    .

    76

    (

    18

    ):

    5501

    -

    5511

    .

    Valiente

    M

    ,

    Andrés-Pons

    A

    ,

    Gomar

    B

    ,

    Torres

    J

    ,

    Gil

    A

    ,

    000

    000 Tappare

    ,

    000

    000 CAP

    ,

    Пулидо

    р.

    2005

    .

    Связывание PTEN со специфическими доменами PDZ способствует стабильности белка PTEN и фосфорилированию с помощью связанных с микротрубочками серин / треониновых киназ

    .

    Дж. Биол. Хим.

    .

    280

    (

    32

    ):

    28936

    -

    28943

    .

    Виртанен

    P

    ,

    Gommers

    R

    ,

    Oliphant

    TE

    ,

    Haberland

    M

    ,

    Reddy

    T

    ,

    000

    000 Durnapeau

    000, Курнапау

    Peterson

    P

    ,

    Weckesser

    W

    ,

    Bright

    J

    и др.

    2020

    .

    SciPy 1.0: фундаментальные алгоритмы для научных вычислений на Python

    .

    Нат Методы

    .

    17

    (

    3

    ):

    261

    -

    272

    .

    Wagih

    O

    ,

    Galardini

    M

    ,

    Busby

    BP

    ,

    Memon

    D

    ,

    Typas

    A

    ,

    Beltrao

    Ресурс предсказаний вариантных эффектов однонуклеотидных вариантов в модельных организмах

    .

    Мол Сист Биол

    .

    14

    (

    12

    ):

    e8430

    .

    Ван

    Z

    ,

    Линия

    Дж.

    2001

    .

    Snps, структура белка и болезнь

    .

    Хум Мутат

    .

    17

    (

    4

    ):

    263

    -

    270

    .

    Палата

    JH

    мл.

    1963

    .

    Иерархическая группировка для оптимизации целевой функции

    .

    J Am Stat Assoc

    .

    58

    (

    301

    ):

    236

    -

    244

    .

    Weile

    J

    ,

    Roth

    FP.

    2018

    .

    Мультиплексные анализы вариантов эффектов вносят вклад в рост атласа генотип-фенотип

    .

    Хум Генет

    .

    137

    (

    9

    ):

    665

    -

    678

    .

    Yaguchi

    H

    ,

    Ohkura

    N

    ,

    Takahashi

    M

    ,

    Nagamura

    Y

    ,

    Kitabayashi

    I

    kada

    Tsu

    2004

    .

    Миссенс-мутанты менина, ассоциированные с множественной эндокринной неоплазией типа 1, быстро деградируют через убиквитин-протеасомный путь

    .

    Mol Cell Biol

    .

    24

    (

    15

    ):

    6569

    -

    6580

    .

    Янг

    C

    ,

    Asthagiri

    AR

    ,

    Iyer

    RR

    ,

    Lu

    J

    ,

    Xu

    DS

    ,

    00050005, Brady4000 9000 RO0004000 RO0005,

    000 RO0005

    Zhuang

    Z

    ,

    Lonser

    руб.

    2011

    .

    Миссенс-мутации в гене NF2 приводят к количественной потере белка мерлина и минимально влияют на внутреннюю функцию белка

    .

    Proc Natl Acad Sci U S A

    .

    108

    (

    12

    ):

    4980

    -

    4985

    .

    Yang

    C

    ,

    Huntoon

    K

    ,

    Ksendzovsky

    A

    ,

    Zhuang

    Z

    ,

    Lonser

    RR.

    2013

    .

    Модуляторы протеостаза продлевают активность миссенс-белка VHL и останавливают прогрессирование опухоли

    .

    Cell Rep

    .

    3

    (

    1

    ):

    52

    -

    59

    .

    Ян

    SK

    ,

    Hong

    M

    ,

    Baek

    J

    ,

    Choi

    H

    ,

    Zhao

    W

    ,

    Jung

    000

    Y4 Yung

    000

    Y4

    Ye

    BD

    ,

    Kim

    KJ

    ,

    Park

    SH

    и др.

    2014

    .

    Распространенный миссенс-вариант NUDT15 придает чувствительность к лейкопении, индуцированной тиопурином.

    .

    Нат Генет

    .

    46

    (

    9

    ):

    1017

    -

    1020

    .

    Yehia

    L

    ,

    Ngeow

    J

    ,

    Eng

    C.

    2019

    .

    PTEN-хирургии: от биологических открытий до точной медицины, основанной на доказательствах

    .

    Дж. Клин Инвест

    .

    129

    (

    2

    ):

    452

    -

    464

    .

    Юэ

    P

    ,

    Li

    Z

    ,

    Линия

    J.

    2005

    .

    Потеря стабильности структуры белка как основной причинный фактор моногенного заболевания

    .

    Дж Мол Биол

    .

    353

    (

    2

    ):

    459

    -

    473

    .

    © Автор (ы) 2021. Опубликовано Oxford University Press от имени Общества молекулярной биологии и эволюции.

    Это статья в открытом доступе, распространяемая в соответствии с условиями некоммерческой лицензии Creative Commons Attribution (http: // creativecommons.org / licenses / by-nc / 4.0 /), который разрешает некоммерческое повторное использование, распространение и воспроизведение на любом носителе при условии правильного цитирования оригинальной работы. По вопросам коммерческого повторного использования обращайтесь по адресу [email protected]

    Структура и функции белка

    Структура белка закладывает основу для его взаимодействия с другими молекулами организма и, следовательно, определяет его функцию. В этой статье будут рассмотрены структурные принципы белков и их влияние на функцию белка.

    Первичная структура белка

    Белки состоят из длинной цепи аминокислот. Даже при ограниченном количестве аминокислотных мономеров - в организме человека обычно встречается только 20 аминокислот - их можно расположить множеством способов, чтобы изменить трехмерную структуру и функцию белка. Простое секвенирование белка известно как его первичная структура.

    Вторичная структура белка

    Вторичная структура белка зависит от локальных взаимодействий между частями белковой цепи, которые могут влиять на укладку и трехмерную форму белка.Есть две основные вещи, которые могут изменить вторичную структуру:

    • α-спираль: группы N-H в основной цепи образуют водородную связь с группой C = O четырех аминокислотных остатков ранее в спирали.
    • β-складчатый лист: группы N-H в основной цепи одной цепи образуют водородные связи с группами C = O в основной цепи полностью вытянутой цепи рядом с ней.

    Также может быть несколько функциональных групп, таких как спирты, карбоксамины, карбоновые кислоты, тиоэфиры, тиолы и другие основные группы, связанные с каждым белком.Эти функциональные группы также влияют на складывание белков и, следовательно, на их функцию в организме.

    Третичная структура

    Третичная структура белков относится к общей трехмерной форме после вторичных взаимодействий. К ним относится влияние полярных, неполярных, кислотных и основных R-групп, которые существуют на белке.

    Четвертичный белок

    Четвертичная структура белка относится к ориентации и расположению субъединиц в белках с мульти-субъединицами.Это актуально только для белков с несколькими полипептидными цепями.

    Белки складываются в определенные формы в соответствии с последовательностью аминокислот в полимере, и функция белка напрямую связана с полученной трехмерной структурой.

    Белки также могут взаимодействовать друг с другом или с другими макромолекулами в организме, создавая сложные сборки. В этих сборках белки могут развивать функции, которые были невозможны в автономном белке, такие как выполнение репликации ДНК и передача клеточных сигналов.

    Природа белков также сильно варьируется. Например, некоторые из них довольно жесткие, а другие несколько гибкие. Эти характеристики также соответствуют функции белка. Например, более жесткие белки могут играть роль в структуре цитоскелета или соединительных тканей. С другой стороны, те, у кого есть некоторая гибкость, могут действовать как шарниры, пружины или рычаги, помогая в работе других белков.

    Функции белков

    Белки играют важную роль во многих важных биологических процессах и функциях.Они очень универсальны и выполняют множество различных функций в организме, как указано ниже:

    • Действовать как катализатор
    • Транспорт других молекул
    • Хранить другие молекулы
    • Обеспечить механическую поддержку
    • Обеспечивают иммунную защиту
    • Создать движение
    • Передавать нервные импульсы
    • Контроль роста и дифференцировки клеток

    Степень, в которой структура белков влияет на их функцию, демонстрируется влиянием изменений в структуре белка.Любое изменение белка на любом структурном уровне, включая небольшие изменения в укладке и форме белка, может сделать его нефункциональным.

    Список литературы

    1. https://www.ncbi.nlm.nih.gov/books/NBK21177/
    2. http://genome.tugraz.at/MolecularBiology/WS11_Chapter03.pdf
    3. https://www.boundless.com/biology/textbooks/boundless-biology-textbook/biological-macromolecules-3/proteins-56/protein-structure-304-11437/

    Произошла ошибка при настройке пользовательского файла cookie

    Этот сайт использует файлы cookie для повышения производительности.Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт.


    Настройка вашего браузера для приема файлов cookie

    Существует множество причин, по которым cookie не может быть установлен правильно. Ниже приведены наиболее частые причины:

    • В вашем браузере отключены файлы cookie. Вам необходимо сбросить настройки вашего браузера, чтобы он принимал файлы cookie, или чтобы спросить вас, хотите ли вы принимать файлы cookie.
    • Ваш браузер спрашивает вас, хотите ли вы принимать файлы cookie, и вы отказались.Чтобы принять файлы cookie с этого сайта, используйте кнопку «Назад» и примите файлы cookie.
    • Ваш браузер не поддерживает файлы cookie. Если вы подозреваете это, попробуйте другой браузер.
    • Дата на вашем компьютере в прошлом. Если часы вашего компьютера показывают дату до 1 января 1970 г., браузер автоматически забудет файл cookie. Чтобы исправить это, установите правильное время и дату на своем компьютере.
    • Вы установили приложение, которое отслеживает или блокирует установку файлов cookie.Вы должны отключить приложение при входе в систему или проконсультироваться с системным администратором.

    Почему этому сайту требуются файлы cookie?

    Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу. Чтобы предоставить доступ без файлов cookie потребует, чтобы сайт создавал новый сеанс для каждой посещаемой страницы, что замедляет работу системы до неприемлемого уровня.


    Что сохраняется в файле cookie?

    Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в cookie; никакая другая информация не фиксируется.

    Как правило, в файлах cookie может храниться только информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта. Например, сайт не может определить ваше имя электронной почты, пока вы не введете его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступа к остальной части вашего компьютера, и только сайт, который создал файл cookie, может его прочитать.

    UniProt

    UniProt

    Свидетельство описывает источник аннотации, например.грамм. эксперимент, опубликованный в научной литературе, ортологичный белок, запись из другой базы данных и т. д.

    Еще ...

    Пропустить заголовок

    Вы используете версию браузера, которая может не отображать все функции этого веб-сайта. Пожалуйста, подумайте об обновлении вашего браузера. Миссия UniProt - обеспечить научное сообщество с комплексным, качественным и свободно доступный ресурс белковых последовательностей и функциональных Информация.

    UniProtKB

    База знаний UniProt

    Swiss-Prot (565 254)
    Аннотирование и рецензирование вручную.

    Записи с информацией, извлеченной из литературы, и проведенным куратором компьютерным анализом.

    TrEMBL (219 174 961)
    Автоматически аннотируется и не рецензируется.

    Записи, ожидающие полной ручной аннотации.

    UniRef

    Кластеры последовательностей

    y

    Справочные кластеры UniProt (UniRef) предоставляют кластеризованные наборы последовательностей из базы знаний UniProt (включая изоформы) и выбранные записи UniParc.

    UniParc

    Архив последовательностей

    D

    UniParc - это всеобъемлющая и неизбыточная база данных, которая содержит большинство общедоступных белковых последовательностей в мире.

    Протеомы

    Наборы протеомов

    FHL

    Протеом - это набор белков, которые, как считается, экспрессируются организмом. UniProt предоставляет протеомы для видов с полностью секвенированным геномом.

    Вспомогательные данные

    Новый портал UniProt для новейших записей и рецепторов коронавируса SARS-CoV-2, обновляемых независимо от общего цикла выпуска UniProt.

    Новости

    • Предстоящие изменения
      В настоящее время изменений не запланировано

    • Выпуск UniProt 2021_03
      Важность беспорядка | Прогнозы MobiDB-lite для регионов с внутренней неупорядоченностью | UniProtKB через AWS Open Data и Amazo ...

    • Версия UniProt 2021_02
      С небольшой помощью моего друга | SwissBioPics визуализация субклеточного местоположения | Изменение кодов доказательств для комбинаторных доказательств

    • UniProt release 2021_01
      (Почти) все об этом CBASS | Перекрестные ссылки на VEuPathDB | Изменения в хумсаваре.txt и связанные ключевые слова | Справочные протеомы скачать ...

    • UniProt release 2020_06
      Яды, золотые прииски для новых противопротозойных препаратов | Удаление перекрестных ссылок на КО.


    Архив новостей

    Начало работы

    • Текстовый поиск
      Наш основной текстовый поиск позволяет вам искать все доступные ресурсы

    • BLAST
      Найти области сходства между вашими последовательностями

    • Выравнивания последовательностей
      Выровнять два или несколько белковых последовательностей с использованием программы Clustal Omega

    • Получение / сопоставление идентификаторов
      Пакетный поиск с идентификаторами UniProt или преобразование их в другой тип идентификатора базы данных (или наоборот)

    • Поиск пептидов
      Найдите последовательности, которые точно соответствуют запрос пептидной последовательности

    Данные UniProt

    Прожектор по белкам

    о преимуществах расстройства

    Июль 2021 г.


    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *

    *
    *