Модель анизотропной сети - Википедия - Anisotropic Network Model

Модель анизотропной сети использует сеть упругих масс и пружин для представления биологических макромолекул (Модель эластичной сети )

В Модель анизотропной сети (ANM) - простой, но мощный инструмент, созданный для Нормальный режим Анализ белков, который успешно применялся для изучения взаимосвязи между функцией и динамикой многих белки. По сути, это модель эластичной сети для Атомы Cα со ступенчатой ​​функцией зависимости силовых постоянных от расстояния между частицами.

Теория

Модель анизотропной сети была представлена ​​в 2000 году (Atilgan et al., 2001; Doruker et al., 2000), вдохновленная новаторской работой Тириона (1996), за которой последовала разработка Гауссова сетевая модель (GNM) (Bahar et al., 1997; Haliloglu et al., 1997), а также работой Hinsen (1998), который впервые продемонстрировал обоснованность выполнения EN NMA на уровне остатков.
Он представляет биологическую макромолекулу как упругую сеть масс и пружин, чтобы объяснить внутренние движения белка, подверженного гармоническому потенциалу. В сети каждый узел представляет собой атом Cα остатка, а пружины представляют собой взаимодействия между узлами. Общий потенциал - это сумма гармонических потенциалов между взаимодействующими узлами. Чтобы описать внутренние движения пружины, соединяющей два атома, есть только один степень свободы. Качественно это соответствует сжатию и расширению пружины в направлении, определяемом расположением двух атомов. Другими словами, ANM является расширением модели гауссовой сети до трех координат на атом, что позволяет учитывать направленность.

Сеть включает в себя все взаимодействия в пределах расстояния отсечения, которое является единственным предопределенным параметром в модели. Информация об ориентации каждого взаимодействия относительно глобальной системы координат учитывается в матрице констант силы (H) и позволяет прогнозировать анизотропные движения. Рассмотрим подсистему, состоящую из узлов i и j, пусть r_я = (х_я у_я z_я) и пусть r_j = (х_j у_j z_j) - мгновенные положения атомов i и j. Равновесное расстояние между атомами представлено как s_ij^О а мгновенное расстояние определяется как s_ij. Для пружины между i и j гармонический потенциал в терминах неизвестной жесткости пружины γ определяется как:

${ displaystyle V_ {ij} = { gamma over 2} {(s_ {ij} - {s_ {ij}} ^ {o})} ^ {2}}$

Вторые производные потенциала V_ij по компонентам r_я оцениваются в положении равновесия, т. е. s_ij^О = s_ij, находятся

${ Displaystyle { partial ^ {2} V_ {ij} over partial {x_ {i}} ^ {2}} = { partial ^ {2} V_ {ij} over partial {x_ {j} } ^ {2}} = { gamma over {s_ {ij}} ^ {2}} {(x_ {j} -x_ {i})} ^ {2}}$

${ displaystyle { partial ^ {2} V_ {ij} over partial x_ {i} partial y_ {j}} = {- gamma over {s_ {ij}} ^ {2}} {(x_ {j} -x_ {i})} {(y_ {j} -y_ {i})}}$

Вышеизложенное является прямым результатом одного из ключевых предположений, лежащих в основе ANM, - что данная кристаллическая структура является энергетическим минимумом и не требует минимизации энергии.

Силовая постоянная системы может быть описана Матрица Гессе - (вторая частная производная потенциала V):

${ displaystyle mathrm {H} = { begin {bmatrix} {H_ {ii}} & {H_ {ij}} {H_ {ji}} & {H_ {jj}} end {bmatrix}}}$

Каждый элемент Hi, j представляет собой матрицу 3 × 3, которая содержит информацию об анизотропии, касающуюся ориентации узлов i, j. Каждая такая подматрица (или «суперэлемент» гессиана) определяется как:

${ Displaystyle H_ {ij} = { begin {bmatrix} { partial ^ {2} V_ {ij} over partial x_ {i} partial x_ {j}} & { partial ^ {2} V_ { ij} over partial x_ {i} partial y_ {j}} & { partial ^ {2} V_ {ij} over partial x_ {i} partial z_ {j}} { partial ^ {2} V_ {ij} over partial y_ {i} partial x_ {j}} & { partial ^ {2} V_ {ij} over partial y_ {i} partial y_ {j}} & { partial ^ {2} V_ {ij} over partial y_ {i} partial z_ {j}} { partial ^ {2} V_ {ij} over partial z_ {i} partial x_ {j}} & { partial ^ {2} V_ {ij} over partial z_ {i} partial y_ {j}} & { partial ^ {2} V_ {ij} over partial z_ {i } partial z_ {j}} end {bmatrix}}}$

Используя определение потенциала, гессиан можно разложить как

${ displaystyle H_ {ij} = {- gamma over {s_ {ij}} ^ {2}} { begin {bmatrix} {(x_ {j} -x_ {i}) (x_ {j} -x_ {i})} & {(x_ {j} -x_ {i}) (y_ {j} -y_ {i})} & {(x_ {j} -x_ {i}) (z_ {j} -z_ {i})} {(y_ {j} -y_ {i}) (x_ {j} -x_ {i})} & {(y_ {j} -y_ {i}) (y_ {j} - y_ {i})} & {(y_ {j} -y_ {i}) (z_ {j} -z_ {i})} {(z_ {j} -z_ {i}) (x_ {j} -x_ {i})} & {(z_ {j} -z_ {i}) (y_ {j} -y_ {i})} & {(z_ {j} -z_ {i}) (z_ {j} -z_ {i})} end {bmatrix}}}$

что тогда можно записать как,

${ displaystyle H_ {ij} = {- gamma over {s_ {ij}} ^ {2}} { begin {bmatrix} x_ {j} -x_ {i} y_ {j} -y_ {i } z_ {j} -z_ {i} end {bmatrix}} { begin {bmatrix} x_ {j} -x_ {i} & y_ {j} -y_ {i} & z_ {j} -z_ {i } end {bmatrix}}}$

Здесь матрица силовых констант или матрица гессиана H содержит информацию об ориентации узлов, но не о типе взаимодействия (например, является ли взаимодействие ковалентным или нековалентным, гидрофобным или негидрофобным и т. Д. ). Кроме того, непосредственно не учитывается расстояние между взаимодействующими узлами. Чтобы учесть расстояние между взаимодействиями, мы можем взвесить каждое взаимодействие между узлами i, j по расстоянию sp. Новые недиагональные элементы матрицы Гессе принимают следующий вид, где p - эмпирический параметр:
${ displaystyle H_ {ij} = {- 1 over {s_ {ij}} ^ {p + 2}} { begin {bmatrix} {(X_ {j} -X_ {i}) (X_ {j} - X_ {i})} & {(X_ {j} -X_ {i}) (Y_ {j} -Y_ {i})} & {(X_ {j} -X_ {i}) (Z_ {j} - Z_ {i})} {(Y_ {j} -Y_ {i}) (X_ {j} -X_ {i})} & {(Y_ {j} -Y_ {i}) (Y_ {j} -Y_ {i})} & {(Y_ {j} -Y_ {i}) (Z_ {j} -Z_ {i})} {(Z_ {j} -Z_ {i}) (X_ {j } -X_ {i})} & {(Z_ {j} -Z_ {i}) (Y_ {j} -Y_ {i})} & {(Z_ {j} -Z_ {i}) (Z_ {j } -Z_ {i})} end {bmatrix}}}$

Аналог Матрица Кирхгофа Γ GNM - это просто (1 / γ) Η в ANM. Его разложение дает 3N - 6 ненулевых собственные значения, и 3N - 6 собственных векторов, которые отражают соответствующие частоты и формы отдельных мод. Обратный к, который содержит желаемую информацию о флуктуациях, состоит из N x N суперэлементов, каждый из которых масштабируется с помощью матрицы корреляций 3 x 3 между компонентами пар векторов флуктуаций. Гессиан, однако, не является обратимым, поскольку его ранг равен 3N-6 (6 переменных, отвечающих за движение твердого тела). Другими словами, собственные значения, соответствующие жесткому движению, равны 0, в результате чего определитель равен 0, что делает матрицу необратимой. Для получения псевдообратного решения получается решение задачи на собственные значения:

${ displaystyle H = U Lambda {U ^ {T}}}$

Псевдо-обратный составлен из собственных векторов 3N-6 и их соответствующих ненулевых собственных значений. Где λi - собственные значения H, отсортированные по размеру от малого к большому, а Ui - соответствующие собственные векторы. Собственные векторы (столбцы матрицы U) описывают направление колебаний и относительную амплитуду в различных модах.

Сравнение ANM и GNM

И ANM, и GNM основаны на модели эластичной сети. GNM доказал, что точно описывает колебательную динамику белков и их комплексов в многочисленных исследованиях. Принимая во внимание, что GNM ограничивается оценкой среднеквадратичные смещения и взаимные корреляции между флуктуациями, движение проецируется в пространство мод N измерений, подход ANM позволяет нам оценивать предпочтения направления и, таким образом, обеспечивает трехмерное описание внутренних мод 3N - 6.

Было замечено, что предсказания флуктуаций GNM лучше согласуются с экспериментами, чем рассчитанные с помощью ANM. Более высокая производительность GNM может быть связана с его основным потенциалом, который учитывает ориентационные деформации в дополнение к изменениям расстояния.

Оценка модели

ANM был оценен на большом наборе белков, чтобы установить оптимальные параметры модели, которые достигают максимальной корреляции с экспериментальными данными и его пределами точности и применимости. ANM оценивается путем сравнения флуктуаций, предсказываемых теорией, и флуктуаций, наблюдаемых экспериментально (B-факторы, хранящиеся в PDB). Во время оценки были сделаны следующие наблюдения за поведением моделей.

• ANM проявляет нечувствительность к выбору расстояния отсечки в определенном диапазоне, как GNM.
• Взвешивание взаимодействий по расстоянию улучшает корреляцию.
• Показано, что колебания остатков в глобулярных белках предсказываются более точно, чем в неглобулярных белках.
• Существенное улучшение согласия с экспериментами наблюдается с увеличением разрешения исследуемой структуры.
• Понимая, как точность предсказываемых колебаний связана с доступностью растворителя, предсказания для захороненных остатков, как показано, значительно лучше согласуются с экспериментальными данными по сравнению с данными, полученными при воздействии растворителя.
• Полярные / заряженные остатки предсказываются более точно, чем гидрофобные, что является возможным следствием вовлечения поверхностных гидрофобных остатков в контакты кристаллов.

Приложения ANM

Недавние заметные применения ANM, где он оказался многообещающим инструментом для описания коллективной динамики биомолекулярной системы, включают исследования:
- Гемоглобин, Автор Чунян и др., 2003.
- Вирус гриппа Гемагглютинин А, Исин и др., 2002.
- Тубулин, Автор: Кескин и др., 2002.
- ВИЧ-1 обратная транскриптаза в комплексе с различными ингибиторами, по Temiz и Bahar, 2002.
- Протеаза ВИЧ-1, Micheletti et al., 2004; Винченцо и др., 2006.
- ДНК-полимераза, Делар и Санеджуанд, 2002.
- Моторные белки Чжэн и Брукс, 2005; Чжэн и Брукс, 2005; Чжэн и Донич, 2003.
- Мембранные белки включая калиевые каналы, Шривастава и Бахар, 2006 г.
- Родопсин, Rader et al., 2004.
- Никотиновый рецептор ацетилхолина Автор: Hung et al., 2005; Тали и др., 2005.
- Семейство дополнительных видов деятельности 9 и Семейство вспомогательных мероприятий 10 семейство литических полисахаридных монооксигеназ, Arora et al., 2019 [1] и еще несколько.

Веб-серверы ANM

Веб-сервер ANM, разработанный Eyal E, Yang LW, Bahar I. в 2006 году, представляет собой веб-интерфейс для выполнения расчетов ANM, основными достоинствами которого являются быстрые вычислительные возможности и удобные графические возможности для анализа и интерпретации. выходы.
- Веб-сервер анизотропной сетевой модели. [2]
- Сервер ANM. [3]

Рекомендации

1. Анизотропия флуктуационной динамики белков с моделью упругой сети, А. Atilgan et al., Biophys. J. 80, 505 (2001).
2. Анизотропная сетевая модель: систематическая оценка и новый веб-интерфейс, Эяль Э., Ян Л.В., Бахар И. Биоинформатика. 22, 2619–2627, (2006).
3. Динамика белков, предсказанная с помощью моделирования молекулярной динамики и аналитических подходов: применение к ингибитору альфа-амилазы, Дорукер, П., Атилган, А. Р. и Бахар, I., Proteins, 15, 512-524, (2000).
4. Хинсен, К. (1998) Анализ движений доменов с помощью приблизительных расчетов в нормальном режиме, Proteins, 33, 417-429. PMID  11159421
5. Бахар, И. и другие. (1997) Прямая оценка тепловых флуктуаций белков с помощью однопараметрического гармонического потенциала. Фолд Дес, 2, 173-181
6. Ченнубхотла, С. и другие. (2005) Эластичные сетевые модели для понимания биомолекулярных механизмов: от ферментов до супрамолекулярных ансамблей. Phys Biol, 2, S173-S180.
7. Цуй, К. и Бахар, I. (2006) Анализ нормального режима: теория и приложения к биологическим и химическим системам. Chapman & Hall / CRC, Бока-Ратон, Флорида.
8. Arora et al. (2019) Структурная динамика литических полисахаридных моноксигеназ выявляет очень гибкую область связывания субстрата. J. Mol Graph Model, 88, 1-10. [4]

Смотрите также

• Гауссова сетевая модель