MBV3070 Bioinformatikk; proteiner

1. MBV3070 Bioinformatikk; proteiner Lærer: Vincent Eijsink, Institutt for Kjemi, Bioteknologi og Matvitenskap, Norges landbrukshøgskole; Telefon: 64949472; E-post: Vincent.eijsink@ikbm.nlh.no; Web: kitin.nlh.no/enzymgruppa • Pensum: Tatt fra Lesk, side 31-53, 115-156, 187-196 og 216-271, med fokus På kapittel 5 (s 216-271) og utvidet med tilleggsinformasjon fra andre kilder. Pensumet består av: • Det som behandles under forelesningene (Lysbildene) • Øvelsene • Guex et al. Protein modelling for all TIBS 24:364-367 (1999) (om SwissModel) • Schonbrun et al., Protein structure prediction in 2002, Current Opinion in Structural Biology, 12:348-354 (2002) Les boka! Det er bra skrevet.

2. MBV3070 Bioinformatikk; proteiner Program: • Ti 20.04: forelesninger • Fre 30.04: forelesninger • Ti 04.05: forelesninger; øvelsene deles ut • Fre 07.05: forelesninger; diskusjon av de artikler som er pensum • Ti 18.05: gjennomgang av øvelsene; spørsmål, oppsummering

3. Tema • Protein struktur og folding, oversikt (repetisjon) • Strukturbestemmelse av proteiner • Protein struktur databaser (PDB og andre) • Visualisering av strukturer • Sammenligning og kategorisering av av strukturer • Multiple sequence alignments (MSAs) • Databaser av MSAs • Sekvens-basert prediksjon av funksjon, evolusjonær opphav, struktur, fysiske egenskaper • Fold recognition (”threading”) • Prediksjon av sekundær og tertiær struktur; bygging av tre-dimensjonale protein modeller • Proteomics, structural genomics • Bruk av proteinkunnskap i annotering av genomer • Avansert protein bioinformatikk (f eks molekylær dynamika, elektrostatika, protein design – stort sett bare eksempler)

4. Generelt om proteiner • Matthews, Van Holde & Ahern (KJB201) eller andre generelle biokjemi tekstbøker • C. Branden & J. Tooze, Introduction to Protein Structure (ISBN 0-8153-2305-0) • A. Lesk, Introduction to Protein Science (ISBN 0-19-926511-9) • G.A. Petsko, D. Ringe, Protein Structure and Function (ISBN: 0878936637)

5. Andre nyttige bioinformatikk bøker • Mount, D., Bioinformatics – Sequence and genome analysis (www.bioinformaticsonline.org) • Baxevanis, A.D. & Ouellette, B.F., Bioinformatics. A practical guide to the analysis of genes and proteins De som vil vite mer om model-bygging kan lese: Rodriguez & Vriend, ”Professional gambling”, http://www.cmbi.kun.nl/gv/articles/text/gambling.html (en detaljert og relativ enkel forklaring av prinsippene av ”model-building- by- homology” som programmet WHAT IF gjør det)

6. Bioinformatikk = modellering av protein struktur? Se C. Levinthal, Scientific American, juni 1966: ”Molecular Model-building by computer” (ikke pensum)

7. INTRODUKSJON

8. Protein struktur; terminologi • Primærstruktur: Aminosyrerekkefølge • Sekundærstruktur: Faste strukturelementer, karakterisert av standard type hydrogen bindinger mellom hovedkjede atomer: a-helix, b-sheet, turn, coil mfl. (ofte deler man i bare tre varianter: a-helix, b-sheet, rest) • Tertiær struktur: Hele strukturen, inklusive alle detaljer (= ”tertiære interaksjoner”) • Kvarternær struktur: multimere proteiner; hver subunit har sin tertiær struktur; hele komplekset har en kvarternær struktur

9. Amino acids OBS! Bilder av proteinstrukturer viser som oftest ikke hydrogen atomer

10. Amino acids

11. Amino acids Det finnes mange måter for å gruppere aminosyrer på, og dette er ikke triviell (jfr f eks sekvenssammenligning)

12. Alanine Oksygen Nitrogen Karbon Hydrogen Glycine (R = H) og proline (R kovalent bundet til N) er spesial

13. Stereokjemi: CORN-regelen All amino acids found in proteins encoded by the genome have the L-configuration at this chiral centre. This configuration can be remembered as the CORN law. When read clockwise, the groups attached to the Calpha spell the word CORN.

14. Peptidbindingen

15. Peptidbindingen er plan R O O- - N – C - -+N = C - H H H C-a C-a N H R H

16. Rotasjonsakser i peptider R R H H H y f N C-a C-a C-a N H R H Phi og Psi begrenses av generell kjemiske prinsipper (”staggered” er bedre enn ”eclipsed”); variasjon i R påvirker mulighetene.

17. Torsion Angles • Ingen vesentlig rotasjon om omega. • Bindingsvinkler og lengder viser ingen vesentlig variasjon • Phi & Psi avgjør strukturen

18. Ramachadran plot • Ramachadranplott viser kombinasjoner av f og y som fore-kommer i protein strukturer • Dette er dermed ener-getisk gunstige kombi-nasjoner av f og y • I slike plots skiller glysin og proline seg ut

19. Side Chain Conformation

20. Sekundær struktur (side 40, Fig. 1.7) • Strukturelementer med karakteristiske mønstre med • hydrogenbruer: • alpha-helix • 310 helix • b-flak (sheet, strand) • Diverse typer ”turns” Ofte snakker man bare om 3 ”states”: helix, strand, coil

21. Properties of the alpha-helix • Regelmessig hydrogenbru mønster • ”Overskudd” av N-H på N-terminus og av C=O på C-terminus -> Dipol

22. a-helix

23. En a-helix er ofte amfipatisk: Helical wheel

24. b-strand Sidegruppene peker vekselvis ut på hver side av beta-flaket; en enkel beta-strand kan også være amfipatisk En beta-”strand” har karakteristiske phi og psi vinkler. Flere beta-strands kan gå sammen og danne en beta-”sheet”

25. b-sheet types

26. Beta sheets are usually twisted

27. b-sheet

28. Vesentlig forskjell mellom a og b: • Helikser stabiliseres av interaksjoner som er ”lokal” i sekvensen. • b-sheets stabiliseres av interaksjoner mellom hovedkjedeatomer som kan ligge langt fra hverandre i sekvensen (Hvilke av disse to typer struktur vil være letter å predikere på basis av kun aminosyresekvensen?)

29. “Supersekundærstruktur” (“motifs”) • Kombinasjoner av påfølgende sekundær-strukturelementer (SSEer), f eks bab, b-hårnål, aa, b-tønne

30. Helix-turn-helix

31. b-tønne

32. (ba)8 barrel

33. Protein struktur og folding • For å bli til et funksjonelt protein må den • nysyntetiserte aminosyrekjeden få en tertiær • struktur. Denne strukturen må være: • Tilstrekkelig stabil • Oppnåelig Oppnåelig vil si: • Det må finnes en folding ”pathway” som fører til at strukturen blir dannet • ”Off-pathway” prosesser (f eks utfelling / aggregering) må motarbeides

34. Chaperones (ikke pensum) Chaperoner og chaperoniner beskytter mot ”off-pathway” prosesser, f eks GroEL/ES systemet [bildet er fra Science 284:822-825 (1999)]

35. Protein folding (side 224-225) The Levinthal paradox is more or less solved: Local (secondary) interactions and an intrinsic tendency of unfolded proteins to form (transient) elements of secondary structure steer the protein into a ”folding funnel”. D. Baker, Nature 405:39-42 (2000)

36. Protein folding (side 224-225) • Three steps: Transient elements of secondary structure Hydrophobic collapse, sekundær struktur dannelse Completion of folding (tertiary interactions) The rate-limiting step is between phase 2 and 3 and is the same for all molecules Names for this mechanism: ”nucleation condensation” (Fersht), ”extended nucleus”, framework model (Kim & Baldwin)

37. Protein struktur og stabilitet (side 221- 224) • For (nesten) hvert protein finnes det en unik struktur som er den energetisk mest gunstige. • Stabilitet er marginal og er summen av store negative effekter og store positive effekter av folding • Negativ effekt av folding: tap av entropi • Positiv effekt av folding: hydrofob effekt • Det finnes mange ”restraints” som begrenser hva som er mulig i naturen (se side 223-224; eksempel: Ramachandran plott)

38. PROTEIN STRUKTUR: • Eksperimentelle metoder • Databaser • Visualisering

39. Eksperimentell bestemmelse av proteinstruktur • Lav-resolusjons teknikker: • Circulær dikroisme sepktroskopi (sekundær struktur, stort sett ”all-or-nothing”) • Fluorescence (tertiær struktur – ”all-or-nothing”) • Elektronmikroskopi (brukes av og til for å få et lav-resolusjonsbilde av store proteinkomplekser) • Röntgenkrystallografi • Proteinet må krystalliseres • Elektrontettheten bestemmes • Atomkoordinatene utledes • Gir statiske modeller • Bottle neck: krystallisering • NMR • Analyserer kjernespinnsresonnans • Utleder (flere) modeller som er konsistente med resonnansmønsteret • Viser reell variasjon for peptider i løsning, men også alternative modeller man ikke kan skille mellom • Bottle neck: complexity, solubility, labour power (but things are improving!)

40. Experimentell struktur bestemmelse • Gir oss strukturdatabasen som er grunnlaget for mange prediksjonsmetoder • Tar mye mer tid enn ”bioinformatisk struktur bestemmelse” (f. eks. modell bygging) • Men ”bioinformatisk struktur bestemmelse” er ikke alltid mulig og gir dessuten mindre nøyaktige resultater

41. Hvordan beskriver man en struktur? • Kjemisk sammensetning • Forbindelser mellom atomene (”chemical connectivity”) • Atom koordinater, x, y og z • Vann molekyler og ligander • Chemical bonds in structures: • Chemistry rules approach: man bruker kjemiske regler for å rekonstruere bindinger i et bilde • Explicit bonding approach: all informasjon om ”bonds” ligger i koordinatfilen • Nb. ”Completeness”: strukturfiler er som oftest ikke komplett: • Små deler av proteinet mangler; i nesten alle krystalstrukturer • har man ikke protoner med

42. Mer avansert søk

43. Stadig flere strukturer -> en stadig bedre database for å oppnå forståelse og for å utvikle prediksjonsmetoder OBS! Mange ”redundant” structures……………

44. Søk på 8tln

47. The Contents of a PDB File • HEADER: containing the file name and date. • TITLE: usually of a publication • COMPND: containing the name of the protein. • SOURCE: the organism from which the protein was obtained. • KEYWORDS • EXPDTA: method used • AUTHORS: persons who placed this data in the PDB • REVDAT: revision dates for data on this protein. • JRNL: relevant publications • REMARK: various types of information about the experiments, the file, symmetry, missing residues, quality checks (REMARK is usually many lines)

48. The Contents of a PDB File • DBREF: accession codes for this protein in other databases • SEQRES: explicit amino-acid sequence of the protein. • HET, HETNAM, FORMUL; information on cofactors, prosthetic groups, inhibitors or other nonprotein substances present in the structure. • HELIX, SHEET: elements of secondary structure in the protein. • LINK: contacts between heteroatoms and amino acids • CISPEP: peptide bonds in cis • SITE: information of binding sites and active sites • CRYST, ORIGX, SCALE: technical information on the coordinates, symmetry operations • ATOM and HETATM: atomic coordinate data

49. The Contents of a PDB File • SEQRES 8 129 VAL ASN CYS ALA LYS LYS ILE VAL SER ASP GLY ASN GLY 1HEW 67 • SEQRES 9 129 MET ASN ALA TRP VAL ALA TRP ARG ASN ARG CYS LYS GLY 1HEW 68 • SEQRES 10 129 THR ASP VAL GLN ALA TRP ILE ARG GLY CYS ARG LEU 1HEW 69 • HET NAG 201 15 N-ACETYL-D-GLUCOSAMINE 1HEW 70 • HET NAG 202 14 N-ACETYL-D-GLUCOSAMINE 1HEW 71 • HET NAG 203 14 N-ACETYL-D-GLUCOSAMINE 1HEW 72 • FORMUL 2 NAG 3(C8 H15 N1 O6) 1HEW 73 • FORMUL 3 HOH *103(H2 O1) 1HEW 74 • HELIX 1 A ARG 5 HIS 15 1 1HEW 75 • HELIX 2 B LEU 25 GLU 35 1 1HEW 76 • HELIX 3 C CYS 80 LEU 84 5 1HEW 77 • HELIX 4 D THR 89 ILE 98 1 1HEW 78 • HELIX 5 E VAL 109 ASN 113 1 1HEW 79 • SHEET 1 S1 2 LYS 1 PHE 3 0 1HEW 80 • SHEET 2 S1 2 PHE 38 THR 40 -1 N THR 40 O LYS 1 1HEW 81 OBS! Assignment av sekundær struktur er ikke triviell.

50. The Contents of a PDB File • The number and type of items/subjects in the header may vary. • The PBD keeps the actual X-ray data, the BioMagRes bank (Wisconsin) keeps the data for NMR structures • Keep in mind that the entry names (4 characters) are not ”logical” (that is usually not like e.g. ”8tln” for thermolysin) • See also in the book, page 125 – 131.