protein data bank (pdb) : 46818 structures (oct 2007) scop (structural classification of proteins):...

Protein data bank (PDB) : 46818 structures (oct 2007)

SCOP (Structural Classification Of Proteins): • 971 folds (major structural similarity)• 1586 super-families (probable common evolutionary origin)• 3004 families (clear evolutionary relationship, ~ 30% identity)

Nearly all folds are known (?)

But 5 millions known protein sequences (trEMBL) 

-> needs for structure prediction

Protein structure prediction

Usually, structure-activity relationships : site-directed mutagenesis, pharmacologic studies, drug design,…But also:• genomic studies : recognizing orphan genes• distant evolution studies

Structure prediction: what for ?

QuickTime™ et undécompresseur TIFF (non compressé)

sont requis pour visionner cette image.

Sequences diverge more than structures

Known structures :

Simulations at the atom level:

molecular modelling (enthalpic energy) /

molecular dynamics /normal modes

Methods for protein structural studies

Unknown structures :

Before using molecular mechanics, one

must have a « realistic » structure.

3D structure prediction :1) homology modelling2) ab initio folding3) threading

Methods for protein structural studies

Needs to know a 3D structure that is homolog to the query sequence

e.g.: Modeller web server (http://www.salilab.org/modeller)

Homology modelling

e.g.: Modeller web server (http://www.salilab.org/modeller)

Homology modelling

AGVLVAGHM

. . .

generation

Minimisation - energy evaluation

Target sequence:

Protein Data Bank (PDB)

Ab initio folding

Baker et al.

Threading (1)

Protein Data Bank (PDB)families

Threading (1)

family family core + interactions

Protein Data Bank -> library of cores

Threading (2)

Protein Data Bank (PDB)Statistics for 3D neighboring residue pairs -> Energy

A L = -1.2A I = -2.2.

..

Other characteristics:residue accessibility, secondary structure,…

Threading (3)

core

V I = -2.3L N = -4.2

L G = -5.1

Threading (3)

Thread the sequence onto the core

N G = -1.3V I = -2.2

S A = -4.2

Threading (3)

Thread the sequence onto the core

I G = -3.3N G = -3.0

G L = -2.1Compute energy for every alignment of the sequence onto the core (many alignments, gaps…)

Threading (3)

Thread the sequence onto the core

-> choose the best core (low energy)

Thread the sequence onto all cores

Threading

Threading methods are under developments :- optimisation of 3D alignments- better core definition- statistical assessment for results

Can be used when sequence tools (BLAST or PSIBLAST) cannot find simlarities

Threading

Robetta : http://robetta.bakerlab.org/

3DPSSM : http://www.sbg.bio.ic.ac.uk/∼3dpssm/

bioinbgu : http://www.cs.bgu.ac.il/∼bioinbgu/form.html

GenTHREADER : http://bioinf.cs.ucl.ac.uk/psipred/psiform.html

FROST :http://genome.jouy.inra.fr/frost/

The end…

QuickTime™ et undécompresseur TIFF (non compressé)sont requis pour visionner cette image.

A) La quantification des similarités des paires de structures (comparaison «~tout contre tout~») donne la position d'une structure dans un espace abstrait de hautes dimensions. La hauteur des pics reflète la densité de population de repliements, les axes horizontaux sont les axes des deux premiers vecteurs propres (i.e. associés aux deux plus grandes valeurs propres), l'axe vertical donne le nombre de repliements. La distribution des architectures est donnée par la projection sur le plan (la proximité sur ce plan donne une indication sur la similarité structurale entre 2 protéines)

B) 40% de tous les domaines connus sont couverts par 16 classes de repliements. Ces 16 repliements sont montrés ici sous forme de diagrammes topologiques de structures secondaires dans la classe de leur attracteur (le numéro d'attracteur est le même que dans la figure A).

Figures tirées de Holm et Sander (1996) "Mapping the protein universe"

Threading: fonction d’évaluation

Méthode d’alignement séquence/structure

Méthode d’alignement séquence/structure (2)

Normalisation des scores