近年来,随着计算机技术的发展和人们对生物学的深入探究,预测蛋白质结构的方法也得到了快速的发展。其中基于abinitio软件的Rosetta从头预测蛋白结构的方法备受研究者的关注。该方法利用物理化学原理和大量的统计学习方法,通过蛋白质的氨基酸序列预测蛋白质的三维结构,实现了从蛋白质序列到蛋白质结构的全覆盖预测。本文将围绕该方法展开研究,探索其具体的算法原理和应用价值,并对其未来的发展进行展望。
Rosetta从头预测蛋白结构的方法学研究
一、概述简单说就是:仅根据蛋白质的氨基酸序列预测其3D结构的应用(实际上仍然要依赖于片段库)。关于两个术语:“Ab initio prediction”和“De novo prediction”中文意思都是“从头预测”,严格意义上前者是真正的从头预测,而后者是基于fragments的预测。但在rosetta的“字典”里,二者是同一个protocol——基于fragments的从头预测。二、算法原理总的来说,AbinitioRelax应用程序包括两个主要步骤:第一步,使用基于知识的“质心”评分函数(Abinitio)对构象空间进行粗粒度片段搜索;第二步(可选),使用Rosetta全原子力场(Relax)进行全原子细化。
三、AbinitioRelax用法【demos/public/abinitio/】1、输入文件(所有文件【input_files/】路径均有提供)
2、参数介绍(通过 -help 查看所有可接受的参数)
-in:file:native ./input_files/1elw.pdb Native structure (optional) (or -in:file:fasta ./input_files/1elwA.fasta) Protein sequence in fasta format (required if native structure is not provided) -in:file:frag3 ./input_files/aa1elwA03_05.200_v1_3 3-residue fragments (fragments file) -in:file:frag9 ./input_files/aa1elwA09_05.200_v1_3 9-residue fragments (fragments file) -database path/to/rosetta/main/database Path to rosetta database -abinitio:relax Do a relax after abinitio ("abrelax" protocol), default=false. -nstruct 1 Number of output structures -out:file:silent 1elwA_silent.out Use silent file output, use filename after this flag, default=default.out (or -out:pdb) Use PDB file output, default=false -out:path /my/path Path where PDB output files will be written to, default '.'-nstruct 的建议值
-abinitio::rg_reweight 0.5 以下翻译可能有误
-abinitio::rsd_wt_helix 0.5 以下翻译可能有误
-abinitio::rsd_wt_loop 0.5 以下翻译可能有误
-use_filters true 启用回转半径(RG)、接触顺序和折叠片过滤器。这个参数通过在筛选器失败时停止优化来节省计算。对于某些序列, 可能会有很大一部分模型无法通过筛选。无法通过筛选的模型的名称以F_开头。 -psipred_ss2 ./input_files/1elwA.psipred_ss2 psipred_ss2 二级结构预测文件,当使用了 -use_filters 时为必填。 -abinitio::increase_cycles 10 从头计算时每阶段所增加的循环次数。 -abinitio::rg_reweight 0.5 使用此值作为 RG 的权重重新计算。 -abinitio::rsd_wt_helix 0.5 对于“helix”中的残基,使用此值作为 env,pair,cb 的权重。 -abinitio::rsd_wt_loop 0.5 对于“loop”中的残基,使用此值作为 env,pair,cb 的权重。 -relax::fast 使用性能无显著损失的快速relax算法。 -kill_hairpins ./input_files/1elwA.psipred_ss2 由于β或α-β蛋白会频繁采样到发夹结构,通过这个参数可以 kill 发夹。
-constant_seed 以下翻译可能有误
-constant_seed 使用一个常量“1111111”作为随机种子 -jran 1234567 指定一个随机种子,对于所有job应该具有唯一性。(要求指定 -constant_seed) -seed_offset 10 这个值将被加到随机种子上。当使用时间作为种子的集群计算时会非常有用。如果 使用Condor作为调度器,则参数值也可以填写为“$(Process)”
$ROSETTA/bin/AbinitioRelax.linuxgccrelease \ -database /path/to/rosetta/main/database \ -in:file:fasta ./input_files/1elwA.fasta \ -in:file:native ./input_files/1elw.pdb \ -in:file:frag3 ./input_files/aa1elwA03_05.200_v1_3 \ -in:file:frag9 ./input_files/aa1elwA09_05.200_v1_3 \ -abinitio:relax \ -relax:fast \ -abinitio::increase_cycles 10 \ -abinitio::rg_reweight 0.5 \ -abinitio::rsd_wt_helix 0.5 \ -abinitio::rsd_wt_loop 0.5 \ -use_filters true \ -psipred_ss2 ./input_files/1elwA.psipred_ss2 \ -kill_hairpins ./input_files/1elwA.psipred_ss2 \ -out:file:silent 1elwA_silent.out \ -nstruct 10
3、输出结果的处理
生成的主要文件有以下几种
output_files/S_00000001.pdb, output_files/score.fsc, output_files/default.out(silent output file).
3.1、从silent中解出pdb(若输入参数未指明 -out:pdb,则最终输出的是一个 silent 文件)
生成的silent文件后缀为“.out”,里面包含了生成的pdb模型,以及打分数据。使用打分应用 score.linuxgccrelease 可以从 silent 解析出pdb文件。
3.2、使用聚类程序对结果进行聚类
cluster.linuxgccrelease 可对silent或pdb格式的模型进行聚类。当结构集过大时,建议使用优化过的聚类程序——Calibur(参考 http://www.biomedcentral.com/1471-2105/11/25和http://sourceforge.net/projects/calibur/)。
四、一些注意事项或技巧1、AbinitioRelax的第二步(Relax)花费的时间略长,对于demo(117个残基),普通计算机运行大约需要8分钟。
2、由于全原子能量函数对原子间相互作用力非常敏感,加之理论上给定序列的蛋白质构象空间巨大。因此应尽可能多的提高采样点才更有可能覆盖到天然态构象,受算力的约束,一般正式预测时,需要生成50000到100000个模型,才能达到较为理想的结果。
3、AbinitioRelax能够很好地预测长度小于100个残基的小单体蛋白,也有一定几率精准预测达到150个残基的蛋白质,但更大的蛋白质因构象空间骤增,需要更多的算力。以下参考资料提供了与采样问题相关的信息:
Bradley P, Misura KM, Baker D (2005). Toward high-resolution de novo structure prediction for small proteins. Science 309, 1868-71. Kim DE, Blum B, Bradley P, Baker D (2009). Sampling bottlenecks in de novo protein structure prediction. J Mol Biol 393, 249-60.
4、Rosetta可以很好地利用你的实验数据进行约束性预测,为此你需要提供参数 -cst_file 和 -cst_weight 所需的文件,文件说明可参考 contraint files。
5、使用同源序列运行AbinitioRelax是很有用的,例如可通过PSI-BLAST搜索(NCBI nr数据库)或Pfam获取同源序列。使用类似Jaliew的序列比对查看器可以帮助选择要运行的最佳同源序列集,还可以帮助选择模型。
6、为了增加采样到正确拓扑的机会,也可以运行一组非同源序列,因为选一组同源序列一定程度上意味着选了一个较窄的采样域,因此降低了收敛到天然态的概率。通常我们寻找一组不同的同源序列(最多10个),它们在保守位置和缺失上存在差异,这些序列可能代表一个截断环或无序区域(truncated loop or disordered region)。
7、使用诸如Disopred或metaPrDOS之类的公共程序(publicly available programs)识别和修剪无序的端序列(disordered termini)也很重要。
8、信号序列也应该使用像SignalP这样的公共程序来识别和裁剪。该方案不适用于膜蛋白。如果使用TMHMM等程序预测跨膜螺旋,请参阅Membrane ab initio 程序。
五、其他建议官方建议生成20000到30000个目标序列模型和多至10个同系物模型,然后使用聚类应用程序或Calibur来识别最常采样的构象(most frequently sampled conformations)。在一般情况下,按大小排列的前5-10个集群中,至少有一个存在RMSD最低的模型(相对本征结构)。
在理想的情况下,你的序列应该是由一些同源序列识别搜索工具得到,如PSI-BLAST。序列比对在模型选择中非常有用。例如,保守的疏水位置很可能代表蛋白质的核心,因此在这些位置暴露有侧链的模型可能被丢弃。同样的逻辑也适用于最有可能出现在表面的保守的极性位点(conserved polar positions)。此外,保守的半胱氨酸对可能代表二硫化物。具有序列比对功能的Jalview和模型可视化的PyMOL等工具对模型选择非常有用。
分数-RMSD散点图(plots)可能有助于识别目标序列和同源序列向本征结构的收敛性。例如,当使用score.linuxgccrelease打分程序重新排序模型时,最低评分模型可作为 -in:file:native 的值。从得到的score文件画出的score-RMSD图可能会呈现出一个朝向最低得分模型的收敛(能量漏斗)。如果存在能量漏斗,得分最低的模型有更大的机会接近本征结构。有关创建分数-RMSD散点图(Score vs RMSD plots)的讨论,请参见https://m.rosettacommons.org/node/3813 和 https://m.rosettacommons.org/content/how-make-benchmark。PyRosetta工具包GUI也可以用于Score-RMSD输出,并在运行期间发现最低能量结构集。
集群中的得分最低的模型以及在PDB中表示拓扑的模型也更有可能是正确的。可以用结构-结构比对工具,如Dali或Mammoth,来搜索PDB数据库。
综上所述,基于Abinitio软件Rosetta从头预测蛋白结构的方法学是一项非常重要的研究工作,可以帮助我们更深入地了解蛋白质的结构及其功能。通过不断地优化算法和模型,这一方法将在未来的生物医学研究中发挥越来越重要的作用。
相关教程
2024-11-21
2024-11-17
2024-11-01
2024-10-29
2024-10-24
2024-10-23
copyright © 2012-2024 win10系统家园 qdhuajin.com 版权声明