paroh: (Default)
[personal profile] paroh
анных

29 июня 2017 г.

Кратко
В этом письме к добровольцам д-р Алессандра Карбоун, главный исследователь проекта Help Cure Muscular Dystrophy ("помогите вылечить мышечную дистрофию") объявляет о выпуске двух новых инструментов в открытом доступе, которые могут ускорить работу исследователей, работающих над взаимодействием белков.

Картинка выше - рендеринг белковой структуры с тремя участками взаимодействия связывания (в центре, синий/оранжевый/желтый) и ее потенциальными партнерами. Круги представляют собой уровень связывания сродства белковых комплексов. Рисунок иллюстрирует сложность общей проблемы «идентификации белковых партнеров» в рамках проекта Help Cure Muscular Dystrophy - этап 2, где потенциальные партнеры должны быть идентифицированы и отобраны в очень большом пространстве взаимодействий.

Дорогие волонтеры проекта Help Cure Muscular Dystrophy (Phase 2),

Я пишу, чтобы известить об анализе набора данных стыковочных конформациях, созданных проектом Cure Muscular Dicrophy (HCMD2). Целью проекта было исследование белково-белковых взаимодействий для более чем 2200 белков, чьи структуры известны, с особым упором на те белки, которые играют роль в нервно-мышечных заболеваниях.

В настоящее время анализируется полный набор кросс-стыковочных данных, содержащий эти белок-белковые взаимодействия. Для этого мы используем различные вычислительные инструменты, которые мы разработали параллельно с расчетами, выполненными в World Community Grid.

JET2 Viewer: репозиторий белковых интерфейсов

Мы создали базу данных с белковыми интерфейсами для научного сообщества. Эта база данных, называемая JET2, является важной вехой для идентификации белковых партнеров. Почему это важно? Анализ данных HCMD1 и HCMD2 подчеркивает, что точное описание интерфейсов белка имеет решающее значение для распознавания партнеров по белкам, а база данных дает очень точный набор таких прогнозов. Улучшение по-прежнему необходимо, но результаты уже очень точны.

В настоящее время мы концентрируемся на извлечении полезной информации о мышечной дистрофии из набора данных JET2, которую ваша поддержка помогла построить. Как вы знаете, прогресс в исследованиях идет медленно, но мы делаем определенные успехи и ожидаем, что методологический подход, используемый в HCMD2, будет очень успешным в крупномасштабной идентификации белковых партнеров при разрушении на уровне белка-остатка! (Белок-остаток представляет собой часть белка. *)

BIS2Analyzer: сервер, помогающий нашему анализу данных

Мы выпустили сервер под названием BIS2Analyzer, чтобы помочь идентифицировать сигналы взаимодействия на основе анализа коэволюции в белках или между белковыми партнерами. Этот сервер, который также открыто доступен для научного сообщества, важен, поскольку он может помочь идентифицировать сигналы взаимодействия с белком. Было полезно восстановить первую сеть взаимодействия белка с белком для вирусов (см. Ссылку ниже о восстановлении сети для вируса гепатита C).

Поблагодарив вас снова за ваши вклады. Я буду держать вас в курсе наших результатов. Будьте уверены, что мы добиваемся прогресса, благодаря вашей поддержке!

С наилучшими пожеланиями,

Алессандра

JET2Viewer:

H. Ripoche, E. Laine, N. Ceres, A. Carbone. JET2 Viewer: база данных прогнозируемых множественных, возможно перекрывающихся сайтов белка-белка для структур PDB, исследование нуклеиновых кислот (2016) doi: 10.1093/nar/gkw1053
E.Laine, A.Carbone. Локальная геометрия и эволюционное сохранение белковых поверхностей показывают множественные пятна распознавания в белок-белковых взаимодействиях, PLoS Computational Biology, 11 (12), e1004580, 2015.

BIS2Analyzer:

F. Oteri, F. Nadalin, R. Champeimont, A. Carbone, BIS2Analyzer: сервер для совместного эволюционного анализа консервативных семейств белков, Nucleic Acids Research, 2017.
R. Champeimont, E. Laine, S.-W. Hu, F. Penin, A. Carbone, Анализ коэволюции генома вируса гепатита C для идентификации структурной и функциональной сети зависимостей вирусных белков, Scientific Reports, Nature Publishing Group, 6: 26401, 2016.

* Примечание: «Уровень остатка» означает, что мы не только идентифицируем, является ли белок P партнером белка Q (ответ да/нет), но и в каком положении они взаимодействуют, определяя, какой остаток белка P может взаимодействовать с каким остатком белка Q.

новость на англ.
[identity profile] thundersnatch.livejournal.com
13 февраля 2017

Кратко:
Какие белки наиболее вероятно взаимодействуют с другими белками и каким образом эти взаимодействия влияют на болезнь и на саму жизнь? Результаты данных, вычисленных World Community Grid используются, чтобы помочь создать индекс социабельности белков, который мог бы помочь в будущих достижениях в области биологии и медицины.

Доктор Алессандра Карбоне, главный исследователь проекта Help Cure Muscular Dystrophy (помогите вылечить мышечную дистрофию) , в настоящее время стала соавтором статьи, которая обращается к одному из фундаментальных вопросов о взаимодействии белок-белок. Используя данные из проекта, который проводился в два этапа на World Community Grid, исследователи разработали метод, чтобы определить, какие белки, скорее всего, будут взаимодействовать с другими белками. Доктор Карбоне говорит: "Идею можно суммировать как: скажите мне, что белок социабелен и я скажу вам, кто его друзья."

Приведенные выше рисунки представляют собой стыковочные протоколы белок-белок, которые обсуждаются в статье. Индекс социабельности белка был показан, чтобы применить к простым и сложным белковым стыковочными протоколам.

Как различные белки взаимодействуют друг с другом имеет важное значение для понимания хода развития жизни и болезни. Первые шаги идентификации белковых взаимодействий включают вычислительный поиск комплементарных поверхностей среди коллекции белков, потому что они с большей долей вероятности взаимодействуют между собой, как это было сделано с помощью World Community Grid для проекта Help Cure Muscular Dystrophy.

Тем не менее, некоторые белки как правило оценивают как прилипшие ко многим белкам, скрывая свои истинные взаимодействия. Доктор Карбоне и ее коллеги исследователи обнаружили алгоритм для повышения точности определения истинных взаимодействий белков с использованием коэффициента социабельности, чтобы компенсировать очевидную "липкость" некоторых белков.

Концепция социабельности вместе с правильными предсказаниями белковых участков связывания и соответствующей количественной оценки энергии взаимодействия, оказывается одним из важнейших компонентов для опознания партнеров белка. Доказано, что социабельность лучше опознает партнеров белка, чем геометрические формы взаимодействующих поверхностей. Эта работа приводит к свету новые направления исследований о принципах взаимодействия белков, которые могли бы стать основой для решения этой трудной вычислительной проблемы, представляющую наибольший интерес для биологии и медицины.

Спасибо всем волонтерам World Community Grid, которые внесли вклад в проект Help Cure Muscular Dystrophy!

Техническая аннотация:

Клетки представляют собой интерактивные живые системы, где движение белков, взаимодействие и регулирование являются по существу свободными от централизованного управления. Как физико-химические и геометрические свойства белка определяют что с чем взаимодействует остается далеким от полного понимания.

Мы показали, что охарактеризование поведения белка со многими потенциальными взаимодействователями в полном перекрестном стыковочном исследовании приводит к отточенной идентификации его клеточных/истинных/родных (партнеров). Определяем индекс социабельности, или S-индекс, отражающий нравится ли белку или нет спариваться с другими белками. Формально, мы предлагаем подходящую функцию нормализации, которая учитывает социабельность белка и комбинирует его с помощью простого интерфейса на основе (ранжирования) балла, чтобы опознать невзаимодействующих партнеров.

Мы показали, что социальность является важным фактором и что нормализация позволяет достичь значительно большей мощности опознания, чем тождество форм стыковочных баллов. Социальный эффект наблюдается также с более сложными алгоритмами стыковки. Стыковочные конформации оцениваются с использованием экспериментальных участков связывания. Эти последние приближения наилучшим образом связывают предсказанные участки, что достигло высокой точности в последние годы. Это делает наш анализ полезным для понимания глобальной идентификации партнера и предлагая опознавательные стратегии. Эти результаты противоречат ранее полученные данным, утверждающим, что проблемы определения партнера решаема через геометрическую стыковку.

новость на англ.
[identity profile] thundersnatch.livejournal.com
19 августа 2016

Кратко:
Доктор Алессандра Карбоне, ведущий исследователь проекта Help Stop Muscular Dystrophy (помогите остановить мышечную дистрофию), не так давно создала в соавторстве документ, который использует данные World Community Grid, чтобы пролить свет на то как белки функционируют и взаимодействуют друг с другом.

Доктор Алессандра Карбоне, возглавлявшая Help Stop Muscular Dystrophy, недавно опубликовала статью, которая использовала данные проекта для изучения принципа действия белка и белок-белкового взаимодействия.

Белками являются крайне важные молекулы, участвующие в биологических процессах и механизмах в клетках. Их взаимодействие друг с другом и другими молекулами контроль и выполнение своих функций. Таким образом, важно понять взаимодействуют ли они и, в частности, как они взаимодействуют. Сложные поверхности белков представляют паттерны притяжения и отталкивания электрических зарядов, которые соответствуют в той или иной степени противоположной картине зарядов на других поверхностях молекул. Понимание того, какие из возможно многих участков поверхности белка являются наиболее ответственными за реакции с другими молекулами и белками является ключевым для понимания их функций.

Эта статья в открытом доступе описывает усилия исследователей и полезные методы в идентификации и классификации участков поверхностного взаимодействия белков с использованием результатов, рассчитанных в рамках первого этапа проекта Help Cure Muscular Dystrophy, который работал на World Community Grid с декабря 2006 года по июнь 2007 года.

Информация

Название доклада: Продолжительные взаимодействия: Как связывание некорректных партнеров может научить нас о распознавании и функции белка.

Авторы: Лиди Vamparys, Benoist Laurent, Алессандра Карбоне, Софи Sacquin-Mora

"Так же как мы не можем ожидать от каждого члена группы одинакового поведения, белок не всегда поступает и связывается способом, который мы ожидаем, неважно насколько точной или детализированной может быть наша модель"

Цитата выше из статьи. Для дальнейшего изучения, исследователи планируют применять инструменты анализа из этого эксперимента с результатами от 2-го этапа проекта Help Cure Muscular Dystrophy.

Авторское краткое изложение содержания

Белок-белковые взаимодействия играют ключевую роль в большинстве биологических процессов и понимание их механизма является фундаментальной проблемой приводящей к многочисленным практическим применениям. Предсказание белковых участков связывания, в частности, имеет первостепенное значение, так как белки в настоящее время представляют собой важный класс терапевтических мишеней. Среди других методов, моделирование стыковки между двумя белками, известными по взаимодействию, может быть полезным инструментом для предсказания вероятных лоскутков связывания на поверхности белка. Из анализа белковых интерфейсов, сгенерированных массивным кросс-стыковочным экспериментом с использованием 168-ти белков Docking Benchmark 2.0, где все возможные пары белков, а не только экспериментальные, были пристыкованы вместе, мы показали, что также возможно предсказать связывающие остатки белка не имея каких-либо предварительных знаний о его потенциальных партнерах по взаимодействию. Оценка эффективности кросс-докинг прогнозирования с использованием области под специфично-чувствительной ROC кривой (AUC) приводит к AUC значению 0.77 для полного теста (по сравнению с 0,5 AUC значением, полученным для случайных предсказаний). Кроме того, новый кластерный анализ выполняется на связывание патчей (лоскутков), которые разбросаны на поверхности белка, показывает, что их распределение и рост будет зависеть от функциональной группы белка. Наконец, в ряде случаев, предсказания связывающих участков, вытекающие из кросс-докинг моделирования, приводят к идентификации альтернативного интерфейса, который соответствует взаимодействию с биомолекулярным партнером, не включенным в первоначальный тест.

новость на англ.

Profile

Volunteer Computing ( добровольные вычисления )

July 2017

S M T W T F S
      1
2345678
9 101112131415
16171819202122
23242526272829
3031     

Syndicate

RSS Atom

Most Popular Tags

Style Credit

Expand Cut Tags

No cut tags
Page generated Jul. 20th, 2017 02:36 pm
Powered by Dreamwidth Studios