Помощь в учёбе, очень быстро...
Работаем вместе до победы

Моделирование и предсказание укладок белковых цепей при помощи регулярных и нерегулярных пространственных решеток

Диссертация: Моделирование и предсказание укладок белковых цепей при помощи регулярных и нерегулярных пространственных решеток
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Классические исследования Анфинсена (Anfinsen, 1961) продемонстрировали, что сворачивание белковой глобулы в подходящих условиях происходит самопроизвольно, и что уникальная пространственная структура белка, и, следовательно, его биологическая функция, однозначно определяются его аминокислотной последовательностью. Следствием этого фундаментального открытия является вывод о термодинамической… Читать ещё >

Содержание

  • Глава 1. Обзор литературы
    • 1. 1. Решеточные модели белков как инструмент их исследования
    • 1. 2. Предсказание пространственной структуры белков: обзор современного состояния проблемы
  • Глава 2. Поиск (построение) конформации цепи на кубической решетке, наилучшим образом приближающей пространственную структуру белка
    • 2. 1. Моделирование хода главной цепи белка на решетке. Метод глобальной минимизации
    • 2. 2. Решеточные модели белковых цепей с боковыми группами
    • 2. 3. Построение решеточных моделей больших белков с применением теории самосогласованного поля
    • 2. 4. Построение решеточных моделей, оптимизированных по энергии парных взаимодействий.-.,. «'
  • Глава 3. Предсказание пространственной структуры белка по его аминокислотной последовательности
    • 3. 1. Поиск структуры с наименьшей энергией в молекулярном поле. Метод «протягивания»: модель и теория
    • 3. 2. Метод «протягивания»: результаты и обсуждение
    • 3. 3. Возможность предсказания новых мотивов укладки цепи
    • 3. 4. Использование гомологичных последовательностей и структурно похожих белков для улучшения качества предсказания

Моделирование и предсказание укладок белковых цепей при помощи регулярных и нерегулярных пространственных решеток (реферат, курсовая, диплом, контрольная)

Классические исследования Анфинсена (Anfinsen, 1961) продемонстрировали, что сворачивание белковой глобулы в подходящих условиях происходит самопроизвольно, и что уникальная пространственная структура белка, и, следовательно, его биологическая функция, однозначно определяются его аминокислотной последовательностью. Следствием этого фундаментального открытия является вывод о термодинамической природе стабильности структуры белка. В настоящее время термодинамическая гипотеза стабильности белковой структуры считается практически доказанной для небольших белков, не подвергшихся сильной посттрансляционной модификации (Creighton, 1993), и данная работа основывается именно на ее правомерности.

Понимание механизмов процессов самоорганизации белков, помимо своей фундаментальной значимости, имеет огромное значение для решения многих практических задач, таких, как разработка лекарств или создание новых белков с наперед заданными свойствами. Теоретическое моделирование процесса сворачивания полипептидной цепи в присущую ей уникальную нативную конформацию и предсказание результата такого процесса является важным инструментом в решении этой проблемы.

В связи с расшифровкой геномов человека и других организмов такое моделирование приобретает особую значимость {Jones, 2000), становясь важнейшим инструментом анализа и использования этой информации. Значительный прогресс в реализации проектов по секвенированию геномов различных организмов и даже завершение некоторых из них пока не привели к принципиальному прорыву в понимании детальной картины функционирования живой клетки. Прямое экспериментальное исследование функции белка, к сожалению, остается слишком трудоемким и медленным, и в обозримом будущем не сможет удовлетворить созданные расшифровкой геномов потребности в таком анализе. Альтернативой экспериментальному изучению является теоретическое предсказание функции белка. Хорошо известна достаточно тесная взаимосвязь между функцией и структурой. Поэтому успешное развитие методов предсказания пространственной структуры белков может дать инструмент для успешного решения проблемы функционального картирования геномов. Вслед за принципиальным соотнесением функции того или иного белка встает проблема выяснения детального механизма реализации этой функции, уже на физико-химическом уровне, и теоретическое моделирование этих процессов, несомненно, способно внести значительный вклад в ее решение.

К сожалению, точное решение таких задач невозможно, на практике же может быть реализован лишь поиск приближенного решения с применением различных вычислительных 4 моделей. Использование компьютерных моделей белков, в свою очередь, приводит к потребности в дискретизации пространства, то есть использования ограниченного набора особых точек пространства, каждая из которых выступает в роли представителя некоторой окружающей ее области, то есть, фактически, набора узлов некоторой пространственной решетки. Такие решетки могут быть как регулярными (например, кубическими), так и нерегулярными (задаваемыми структурами белковых глобул).

Целью данной работы является разработка методов построения моделей пространственных структур белков на регулярных решетках, способных максимально точно описывать как геометрию, так и энергетику моделируемой структуры, а также дальнейшее развитие методов «опознавания» и предсказания пространственной структуры белков по их аминокислотным последовательностям и исследование возможностей повышения точности получаемых предсказаний.

ВЫВОДЫ.

1. Предложен новый метод построения оптимальных моделей белков на регулярных решетках, основанный на методе динамического программирования. Показано, что модели, построенные этим методом, имеют более высокую точность по сравнению с моделями, получаемыми различными методами локальной минимизации. При этом применение теории самосогласованного поля позволяет строить решеточные модели, оптимальные не только геометрически, но и энергетически.

2. Предложенный ранее метод опознавания белковых структур путем «протягивания» (с использованием самосогласованного поля) заданной аминокислотной последовательности по идеализированным укладкам вторичных структур модифицирован таким образом, чтобы позволить протягивание цепи по структурным скелетам экспериментально определенных белковых структур.

3. Разработан метод получения множества «теоретически возможных» скелетов белковых глобул путем перебора различных ходов цепи через данную укладку вторичных структур. Продемонстрирована принципиальная возможность использования протягивания белковых цепей по множеству таких «возможных» скелетов для предсказания укладок белков ab initio.

4. Показано значительное улучшение качества распознавания укладок белковых цепей при использовании двойного усреднения вычисленных энергий этих цепей: (1)по гомологичным последовательностям и (2) по родственным укладкам.

В заключение я бы хотел выразить глубокую и искреннюю благодарность моему учителю, A.B. Финкелыптейнумоим коллегам и соавторам Б. А. Реве и М.Ю. ЛобановуЭ.А. Бурштейну, в лаборатории которого я сейчас работаювсем сотрудникам Лаборатории физики белка ИБ РАН и лаборатории функциональной биофизики белка ИТЭБ РАН за помощь, поддержку и теплое участие.

ЗАКЛЮЧЕНИЕ

.

Почти тридцатилетняя история исследований структуры и механизмов самоорганизации белков с помощью теоретических моделей продемонстрировала значительный прогресс, как в понимании фундаментальных аспектов этих проблем, так и в способах решения связанных с ними практических задач. Тем не менее, многие аспекты механизмов сворачивания глобулярных белков до сих пор остаются неизученными.

Разработка метода построения моделей пространственных структур белков на регулярных решетках, способных оптимально описывать как геометрию, так и энергетику моделируемой структуры, осуществленная в данной работе, дает надежный инструмент для продолжения исследований в этом направлении. При этом применение теории самосогласованного поля попутно открывает возможность изучения не только процессов самоорганизации белков, но и их функционирования, например, взаимодействия с различными лигандами.

Развитие методов предсказания пространственной структуры белков по их аминокислотным последовательностям, по-видимому, станет в ближайшие годы главным инструментом для успешного решения проблемы функционального картирования геномов. Развитый нами подход к использованию метода протягивания для предсказаний ab initio в состоянии, как мы надеемся, значительно расширить его возможности и внести определенный вклад в решение этой проблемы.

Существенным условием для достижения успеха на этом пути является повышение надежности предсказаний. Невозможность точного описания белковой структуры и формирующих ее энергетических взаимодействий является принципиальным препятствием в любом предсказательном методе. Один из наиболее прямых и эффективных подходов к решению этой задачи представляет собой использование в предсказании дополнительной информации о моделируемой структуре. Хотя такая информация, получаемая из множественного выравнивания последовательностей, гомологичных целевой, уже довольно давно и успешно используется в различных предсказательных методах (Rost, Sander, 1995; Defay, Cohen, 1996), получаемые результаты пока еще далеки от идеальных. Использованный нами независимый источник дополнительной информации, — структурно родственные белки, — и продемонстрированное с их помощью заметное улучшение качества опознавания белковых укладок, дают основания для оптимистичной оценки дальнейшего развития методов предсказания пространственной структуры белков, и, как мы надеемся, последующего моделирования функционирования белка в живой клетке.

Показать весь текст

Список литературы

  1. В.Г. Решеточная модель трехмерной структуры глобулярных белков. -Молекулярная биология, т. 14: с. 105−117, 1980.
  2. М.Ю., Рыкунов Д. С., Финкелыптейн А. В. Оценка качества приближения атом-атомных контактов аминокислотных остатков в белках контактами силовых центров этих остатков. — Биофизика, т. 43, с. 215−222, 1998.
  3. О.Б., Рашин А. А. Самоорганизация молекулы миоглобина. — Доклады АН СССР, т. 213, с. 473−475, 1973.
  4. М.А., Галактионов С. Г. Анализ пространственной структуры белков в терминах матриц остаток-остаточных контактов. II. Координационные числа. -Молекулярная биология, т. 26, с. 777−783, 1992.
  5. Д.С., РеваБ.А., Финкельштейн А. В. Быстрый и точный метод решеточной аппроксимации хода белковой цепи, основанный на алгоритме динамического программирования. — Молекулярная биология, т. 28, с. 855−864,1994.
  6. Д.С., Лобанов М. Ю., Финкельштейн А. В. Применение структурных каркасов глобулярных белков для опознавания укладки белковых цепей по их аминокислотным последовательностям. — Молекулярная биология, т. 32, с. 530−541, 1998.
  7. ФинкельштейнА.В., РеваБ.А. Определение хода цепи глобулярных белков методом самосогласованного поля. — Биофизика, т. 35, с. 402−406, 1990.
  8. Altsehul S.F., GishW., Miller W., Myers E.W., LipmanD.J. Basic local alignment search tool. -J. Mol. Biol., v. 215, pp. 403−410, 1990.
  9. Altsehul S.F., MaddenT.L., Schaffer A.A., Zhang J., ZhangZ., Miller W, LipmanD.J. Gapped BLAST and PSI-BLAST: a new generation of protein database search programs. -Nucleic Acids Res., v. 25, pp. 3389−3402, 1997.
  10. Anfinsen C.B., Haber E., Sela M., White F.H. Kinetics of formation of native ribonuclease during oxidation of the reduced polypeptide chain. — Proc. Natl. Acad. Sci. USA, v. 47, pp. 1309−1314, 1961.
  11. Angel E., Bellman R. Dynamic programming and partial differential equations. — Acad. Press. N.Y., rji. 3,1972.
  12. Badretdinov A.Ya., Finkelstein A.V. How homologs can help to predict protein folds even though they cannot be predicted for individual sequences. — J. Comp. Biol., v. 5, pp. 369−376, 1998.
  13. Bernstein F.C., KoetzleT.F., Williams G.J.B., Meyer E.F., BriceM.D., Rodgers J.R., Kennard O., Shimanouchi T., Tasumi M. The protein databank: a computer-based archive file for macromolecular structures. —, J. Mol. Biol., v. 112, pp. 535−542,1977.
  14. Bowie J.U., Luthy R., Eisenberg D. A method to identify protein sequences that fold into a known three-dimensional structure. — Science, v. 253, pp. 164−170, 1991.
  15. Bryant S.H., Lawrence C.E. An empirical energy function for threading protein sequence through folding motif. — Proteins, v. 16, p. 92−112, 1993.
  16. Chan H.S., Dill K.A. Compact polymers. — Macromolecules, v. 22, pp. 4559−4573, 1989.
  17. ChanH.S., Dill K.A. Origins of structure in globular proteins. — Proc. Natl. Acad. Sci. USA, v. 87, pp.6388−6392, 1990.
  18. Chothia C., Lesk A.M. The relation between the divergence of sequence and structure in proteins. -EMBO J., v. 5, pp. 823−826, 1986.
  19. Chothia C. Proteins. One thousand families for the molecular biologist. — Nature, v. 357, pp. 543−544, 1992.
  20. Covell D.G., Jernigan R.L. Conformations of folded proteins in restricted spaces. — Biochemistry, v. 29, pp. 3287−3294, 1990.
  21. Covell D.G. Folding protein a-carbon chains into compact forms by Monte Carlo methods. -Proteins, v. 14, pp. 409−420, 1992.
  22. Creighton T.E. Proteins. Structures and molecular properties. — 2nd ed., W.H.Freeman and Company. N.Y., pp. 244−253, 1993.
  23. Defay T. R, Cohen F.E. Multiple sequence information for threading algorithms. — J Mol. Biol., v. 262, pp. 314−323, 1996.
  24. Dubchack I., Holbrook S.R., Kim S.H. Prediction of protein folding class from amino acid composition. — Proteins, v. 16, pp. 79−91, 1993.
  25. Dubchack I., MuchnikL, Holbrook S.R., Kim S.H. Prediction of protein folding class using global description of amino acid sequence. — Proc. Natl. Acad. Sci. USA, v. 92, pp. 8700−8704, 1995.
  26. Dubchak I., Muchnik I., Mayor C., Dralyuk I., Kim S.H. Recognition of a protein fold in the context of the Structural Classification of Proteins (SCOP) classification. — Proteins, v. 35, pp. 401−407, 1999.
  27. Fauchere 1.1., Pliska V. Hydrophobic parameters of amino-acid side chains from partitioning of N-acetyl-amino-acid amides. — Eur. J. Med. Chem. Chim. Ther.,. 18, pp. 369−375, 1983.
  28. Finkelstein A.V., Ptitsyn O.B. Why do globular proteins fit the limited set of folding patterns? -Prog. Biophys. Molec. Biol, v. 50, pp. 171−190, 1987.
  29. Finkelstein A.V., Reva B.A. A search for the most stable folds of protein chains. — Nature, v. 351, pp. 497−499,1991.
  30. Finkelstein A.V., Badretdinov A.Y., Ptitsyn O.B. Physical reasons for secondary structure stability: a-helices in short peptides. — Proteins, v. 10, pp. 287−299, 1991.
  31. Finkelstein A.V., Reva B.A. Search for a Stable State of a Short Chain in a Molecular Field. -Protein Eng., v. 5, pp. 617−624, 1992.
  32. Finkelstein A.V., Badretdinov A.Ya., GutinA.M. Why do protein architectures have a Boltzmann-like statistics? — Proteins, v. 23, pp. 142−150,1995a.
  33. Finkelstein A.V., Gutin A.M., Badretdinov A.Ya. Perfect temperature for protein structure prediction and folding. — Proteins, v. 23, pp. 151−162, 19 956.
  34. Finkelstein A.V., Reva B.A. Search for the most stable folds of protein chains. I. Application of a self-consistent molecular field theory to a problem of protein three-dimensional structure prediction. — Protein Eng.,. v. 9, pp. 387−397,1996.
  35. Finkelstein A.V., LobanovM.Y., Khlebalov M.E., RykunovD.S. Prediction of 3D-folds of protein chains. — Proc. of XIIInternational Biophysics Congress, Aug 11−16, Amsterdam, p. 4, 1996.
  36. A.Y. 3D protein folds: Homologos against errors — a simple estimate based on the random energy model. -Phys. Rev. Lett., v. 80, pp. 4823−4825, 1998.
  37. Finkelstein A.V., Badretdinov A.Ya., RevaB.A., RykunovD.S. 3D protein folds: why and how homologs can help to predict them. — Proc. of 3rd meeting on Critical Assessment of Protein Structure Prediction (CASP3). Dec. 13−17, Asilomar, USA, p. 44, 1998.
  38. Finkelstein A.V., Lobanov M.Yu., RykunovD.S., Badretdinov A.Ya., RevaB.A., SkolnickJ., Mirny L.A., Shakhnovich E.I. Homologs against errors protein structure prediction and folding.
  39. Proc. of the Pacific Symposium on Biocomputong'2000 (Altman R.B., Dunker A.K., Hunter L., Klein T.E., eds.). World Scientific, Singapore New Jersey — London — Hong Kong, p. 51, 2000.
  40. Fischer D., Eisenberg D. Protein fold recognition using sequence-derived predictions. — Prot. Sei., v. 5, pp. 947−955, 1996.
  41. Flockner H., Braxenthaler M., Lackner P., Jaritz M., Ortner M., Sippl M.J. Progress in fold recognition. — Proteins, v. 23, pp. 376−386, 1995.
  42. Go N., Taketomi H. Respective roles of short- and long-range interactions in protein folding. -Proc. Natl. Acad. Sei. USA, v. 75, pp. 559−563, 1978.
  43. Go N., Abe H., Mizuno H., Taketomi H. Local structures in the process of protein folding. — In: JaenickeN, ed. Protein Folding. Amsterdam: Elsevier/North Holland, pp. 167−181, 1980.
  44. Gobel U., Sander C., Schneider R., Valencia A. Correlated mutations and residue contacts in proteins. -Proteins, v. 18, pp. 309−317, 1994.
  45. Godzik A., Skolnick J., Kolinski A. Simulations of the folding pathway of TIM type a/? barrel proteins. — Proc. Natl. Acad. Sei. USA, v. 89, pp. 2629−2633, 1992.
  46. Godzik A., Kolinski A., Skolnick J. Lattice representation of globular proteins: How good are they? — J. Comp. Chem.,. 14, pp. 1194−1202, 1993.
  47. Gregoret L.M., Cohen F.E. Protein folding: Effect of packing density on chain conformation. -J. Mol. Biol., v. 219, pp. 109−122, 1991.
  48. Hagler A.T., Honig B. On the formation of protein tertiary structure on a computer. — Proc. Natl. Acad. Sei. USA, v. 75, pp. 554−558, 1978.
  49. Hao M.H., Rackovsky S., Liwo A., Pincus M.R., Scheraga H.A. Effect of compact volume and chain stiffness on the conformations of native proteins. — Proc. Natl. Acad. Sei. USA, v. 89, pp. 6614−6618, 1992.
  50. Hinds D.A., Levitt M. A lattice model for protein structure prediction at low resolution. -Proc. Natl. Acad. Sei. USA, v. 89, pp. 2536−2540, 1992.
  51. Honeycutt J.D., ThirumalaiD. Metastability of the folded states of globular proteins. -Proc. Natl. Acad. Sci. USA, v. 87, pp. 3526−3529, 1990.
  52. Hubbard T.J., Park J. Fold recognition and ab initio structure predictions using hidden Markov models and P-strand pair potentials. — Proteins, v. 23, pp. 398−402, 1995.
  53. Hunt G.N., Gregoret L.M., Cohen F.E. The origins of protein secondary structure: Effects of packing density and hydrogen bonding studied by a fast conformational search. — J. Mol. Biol., v. 241, pp. 214−225, 1994.
  54. Jones D.T., Taylor W.R., Thornton J.M. A new approach to protein fold recognition. — Nature, v. 358, pp. 86−89, 1992.
  55. Jones D.T. Private communication. 1997.
  56. Jones D.T. Protein structure prediction in the postgenomic era. — Curr. Opin. Struct. Biol., v. 10, pp. 371−379, 2000.
  57. Kabsch W., Sander C. Dictionary of protein secondary structure: pattern recognition of hydrogen bonded and geometrical features. — Biopolymers, v. 22, pp. 2577−2637, 1983.
  58. Karplus K., Barrett C., Hughey R. Hidden Markov models for detecting remote protein homologies. -Bioinformatics, v. 14, pp. 846−856, 1998.
  59. Karplus K., Barrett C., ClineM., DiekhansM., Grate L., Hughey R. Predicting protein structure using only sequence information. — Proteins, Suppl. 3, pp. 121−125, 1999.
  60. Knapp E.W. Long time dynamics of a polymer with rigid body monomer unit relating to a protein model: Comparison with the Rouse model. — J. Comp. Chem., v. 13, pp. 793−798,1992.
  61. Kolinski A., Skolnick J. Discretized model of proteins. I. Monte Carlo study of cooperativity in homopolypeptides. — J. Phys. Chem., v. 97, pp. 9412−9426, 1992.
  62. Kolinski A., Skolnick J. Lattice models of protein folding, dynamics, and thermodynamics. — Austin: R.G.Landes company/Chapman&Hall, 1996.
  63. Kraulis P.J. MOLSCRIPT: A program to produce both detailed and schematic plots of protein structures. — J. Appl. Cryst., v. 24, pp. 946−950, 1991.
  64. Krigbaum W.R., Lin S.F. Monte Carlo simulation of protein folding using a lattice model. -Macromolecules, v. 15, pp. 1135−1145,1982.
  65. Madej T., Gibart J.F., Bryant S.H. Threading a database of protein cores. — Proteins, v. 23, pp. 356−369, 1995.
  66. Mehta P.K., Argos P., Barbour A.D., Christen P. Recognizing very distant sequence relationships among proteins by family profile analysis. — Proteins, v. 35, pp. 387−400, 1999.
  67. Metropolis N., Rosenbluth A.W., Rosenbluth M.N., Teller A., Teller E. Equation of state calculations by fast computing machines. — J. Chem. Phys.,. 51, pp. 1087−1092,1953.
  68. Miller R.T., Jones D.T., Thornton J.M. Protein fold recognition by sequence threading: tools and assessment techniques. — FASEB J., v. 10, pp. 171−178, 1996.
  69. Miyazawa S., Jernigan R.L. Estimation of effective interresidue contact energies from protein crystal structures: quasi-chemical approximation. — Macromolecules, v. 18, pp. 534−552, 1985.
  70. Moult J., Judson R., Fidelis K., Pedersen J.T. A large-scale experiment to assess protein structure prediction methods. — Proteins, v. 23(3), pp. ii-iv, 1995.
  71. Moult J., Hubbard T., Bryant S.H., Fidelis K., Pedersen J.T. Critical assessment of methods of protein structure prediction (CASP): round II. — Proteins, Suppl. l, pp. 2−6, 1997.
  72. Moult J., Hubbard T., Fidelis K., Pedersen J.T. Critical assessment of methods of protein structure prediction (CASP): round III. — Proteins, Suppl. 3, pp. 2−6, 1999.
  73. MurzinA.G., Brenner S.E., Hubbard T., ChothiaC. SCOP: A structural classification of protein database for the investigation of sequences and structures. — J. Mol. Biol, v. 247, pp. 536−540, 1995.
  74. Park J., KarplusK., Barrett C., HugheyR., HausslerD., Hubbard T., ChothiaC. Sequence comparisons using multiple sequences detect three times as many remote homologues as pairwise methods. -J. Mol. Biol.,. 284, pp. 1201−1210, 1998.
  75. Reva B.A., Rykunov D.S., Olson A.J., Finkelstein A.V. Constructing of lattice models of protein chains with side groups. — J. Comp. Biol., v. 2, pp. 527−535, 1995.
  76. RevaB.A., Finkelstein A.V. Search for the most stable folds of protein chains. II. Application of a self-consistent molecular field theory to a problem of protein three-dimensional structure prediction. — Protein Eng., v. 9, pp. 399−411,1996.
  77. RevaB.A., Finkelstein A.V., Rykunov D.S., Olson A.J. Building self-avoiding lattice models of protein chains using a SCF-optimization. — Proteins, v. 26, pp. 1−8, 1996a.
  78. Reva B.A., Finkelstein A.V., Sanner M.F., Olson A. J., Skolnick J. Recognition of protein structure on coarse lattices with residue-residue energy functions. — Protein Eng., v. 10, pp. 1123−1130, 1997.
  79. Reva B.A., Rykunov D.S., Finkelstein A.V., Skolnick J. Optimization of protein structure on lattices using a self-consistent field approach. — J. Comp. Biol, x. 5, pp. 531−538, 1998.
  80. Reva B.A., Skolnick J., Finkelstein A.V. Averaging of interaction energies over homologs improves protein fold recognition in gapless threading. — Proteins, v. 35, pp. 353−359, 1999.
  81. RiceD., Eisenberg D.J. A 3D-1D substitution matrix for protein fold recognition that includes predicted secondary structure of the sequence. — J. Mol. Biol., v. 267, pp. 1026−1037,1997.
  82. Rosenbluth M.N., Rosenbluth A.W. Monte Carlo calculations of the average extension of molecular chains. — J. Chem. Phys., v. 23, pp. 356−359, 1955.
  83. Rost B., Sander C. Progress of ID protein structure prediction at last. — Proteins, v. 23, pp. 295−300,1995.
  84. RostB., Schneider R., Sander C. Protein fold recognition by prediction-based threading. -J. Mol. Biol., v. 270, pp. 471−480, 1997.
  85. Russell R.B., Barton G.J. STAMP: Structural Alignment of Multiple Proteins. — Proteins, v. 14, pp. 309−323, 1991.
  86. Russell R.B., Copley R.R., Barton G.J. Protein fold recognition by mapping predicted secondary structures. — J. Mol. Biol., v. 259, pp. 349−365, 1996.
  87. RykunovD.S., RevaB.A., Finkelstein A.V. Accurate general method for lattice approximation of three-dimensional structure of a chain molecule. — Proteins, v. 22, pp. 100−109, 1995.
  88. RykunovD.S., Lobanov M.Yu., RevaB.A., Finkelstein A.V. How homologs help to predict protein folds. — Theor. Biophys. Int. School Abstracts, June 15−20, Moscow, p. 96,1998.
  89. Rykunov D.S., Lobanov M.Yu., Finkelstein A.V. Search for the most stable folds of protein chains. III. Improvement in fold recognition by averaging over homologous sequences and 3D structures. -Proteins, v. 40, pp. 494−501, 2000.
  90. Sali A., Shakhnovich E., Karplus M. How does a protein fold? — Nature, v. 369, pp. 248−251, 1994.
  91. Sander C., Schneider R. Database of homology-derived protein structures and the structural meaning of sequence alignment. — Proteins, v. 9, pp. 56−68, 1991.
  92. Shakhnovich E.I., Gutin A.M. Formation of unique structure in polypeptide chains. Theoretical investigation with the aid of a replica method. — Biophys. Chem., v. 34, pp. 187−199, 1989.
  93. Shakhnovich E.I., Gutin A.M. Enumeration of all compact conformations of copolymers with random sequence of links. — J. Chem. Phys., v. 93, pp. 5967−5971, 1990a.
  94. Shakhnovich E.I., Gutin A.M. Implications of thermodynamics of protein folding for evolution of primary sequences. — Nature, v. 346, pp. 773−775, 19 906.
  95. Shimada J., Kussel E.L., Shakhnovich E.I. The folding thermodynamics and kinetics of crambin using a Monte Carlo simulation at atomic resolution — J. Mol. Biol., v. 308, pp. 79−95, 2001.
  96. Simons K.T., Kooperberg C., Huang E., Baker D. Assembly of protein tertiary structures from fragments with similar local sequences using simulated annealing and Bayesian scoring functions. -J. Mol. Biol., v. 268, pp. 209−225, 1997.
  97. Simons K.T., Bonneau R., Ruczinski I.I., Baker D. Ab initio protein structure prediction of CASP III targets using ROSETTA. — Proteins, Suppl. 3, pp. 171−176, 1999.
  98. Sippl M.J., Weitckus S. Detection of native-like models for amino acid sequences of unknown three-dimensional structure in a data base of known protein conformations. — Proteins, v. 13, pp.258−271,1992.
  99. Skolnick J., Kolinski A. Dynamic Monte Carlo simulations of a new lattice model of globular protein folding, structure, and dynamics. — J. Mol. Biol., v. 221, pp. 499−531, 1991.
  100. SocciN.D., Onuchic J.N. Folding kinetics of protein-like heteropolymers. — J. Chem. Phys., v. 100, pp. 1519−1528, 1994.
  101. Sun S. Reduced representation model of protein structure prediction: Statistical potential and genetic algorithms. —Prot. Sci., v. 2, pp. 762−785, 1993.
  102. Taketomi H., Kano F., Go N. The effect of amino acid substitution on protein folding and unfolding transition studied by computer simulation. — Biopolymers, v. 27, pp. 527−559, 1988a.
  103. Taketomi H., UedaY., GoN. Studies of protein folding, unfolding and fluctuations by computer simulations. — Int. J. Pept. Protein Res.,. 7, pp. 445−449, 19 886.
  104. Taylor W.R. Multiple sequence threading: an analysis of alignment quality and stability. -J. Mol. Biol., v. 269, pp. 902−943, 1997.88
  105. Ueda Y., Taketomi H., Go N. Studies on protein folding, unfolding, and fluctuations by computer simulation. II. A three-dimensional lattice model of lysozyme. — Biopolymers, v. 17, pp. 1531−1548, 1978.
  106. Wallqvist A., Ullner M. A simplified amino acid potential for use in structure prediction of proteins. — Proteins, v. 18, pp. 267−289, 1994.
  107. Wilmanns M., Eisenberg D. Three-dimensional profiles from residue-pair preferences: Identification of sequences with p/a-barrel fold.-Proc. Natl. Acad. Sci. USA, v. 90, pp. 1379−1383, 1993.
  108. Wilson C., Doniach S. A computer model to dynamically simulate protein folding: studies with crambin. — Proteins, v. 6, pp. 193−209, 1989.
Заполнить форму текущей работой

Пора сдавать?