상대 접근 가능 표면적
Relative accessible surface area단백질 잔류물의 상대적인 접근성 표면적 또는 상대적인 용매 접근성(RSA)은 잔류 용매 노출의 척도이다.다음 공식으로 계산할 수 있습니다.
여기서 ASA는 용제 접근 가능 표면적이고 MaxASA는 [1]잔류물에 대한 가능한 최대 용제 접근 가능 표면적입니다.ASA와 MaxASA는 모두 으로로 측정됩니다(\ \} {{
잔류물 측쇄의 상대적인 용매 접근성만을 측정하기 위해서는 보통 Gly-X-Gly gly gupptide에서 얻은 MaxASA 값을 취한다. 여기서 X는 관심의 잔류물이다.여러 MaxASA 척도가 공개되었으며[1][2][3] 일반적으로 사용됩니다(표 참조).
잔류물 | Tien et al. 2013 (이론)[1] | 천 외 2013년 (emp)[1] | 밀러 외 연구진[2] 1987년 | 로즈 외 연구진[3] 1985 |
---|---|---|---|---|
알라닌 | 129.0 | 121.0 | 113.0 | 118.1 |
아르기닌 | 274.0 | 265.0 | 241.0 | 256.0 |
아스파라긴 | 195.0 | 187.0 | 158.0 | 165.5 |
아스파르트 | 193.0 | 187.0 | 151.0 | 158.7 |
시스테인 | 167.0 | 148.0 | 140.0 | 146.1 |
글루탐산염 | 223.0 | 214.0 | 183.0 | 186.2 |
글루타민 | 225.0 | 214.0 | 189.0 | 193.2 |
글리신 | 104.0 | 97.0 | 85.0 | 88.1 |
히스티딘 | 224.0 | 216.0 | 194.0 | 202.5 |
이소류신 | 197.0 | 195.0 | 182.0 | 181.0 |
류신 | 201.0 | 191.0 | 180.0 | 193.1 |
리신 | 236.0 | 230.0 | 211.0 | 225.8 |
메티오닌 | 224.0 | 203.0 | 204.0 | 203.4 |
페닐알라닌 | 240.0 | 228.0 | 218.0 | 222.8 |
프롤린 | 159.0 | 154.0 | 143.0 | 146.8 |
세린 | 155.0 | 143.0 | 122.0 | 129.8 |
트레오닌 | 172.0 | 163.0 | 146.0 | 152.5 |
트립토판 | 285.0 | 264.0 | 259.0 | 266.3 |
티로신 | 263.0 | 255.0 | 229.0 | 236.8 |
발린. | 174.0 | 165.0 | 160.0 | 164.5 |
이 표에서 최근 발표된 MaxASA 값(Tien 등 2013년[1])은 이전 값(Miller 등 1987년[2] 또는 Rose 등 1985년[3])보다 체계적으로 크다.이 불일치는 Gly-X-Gly 곱창이 평가되어 MaxASA가 계산되는 Conformation으로 거슬러 올라갈 수 있습니다.이전 연구에서는 - \ = - 120 {\ \ phi = - display}} 및 140 {\ \ = [2][3]의 백본 각도로 확장된 배열을 사용하였으나, Tien et al. 2013은[1] 확장된 배열을 통해 최소 배열을 입증하였다.가장 큰 ASA 값은 알파 헬리크에서 일관되게 관찰되며, 골격 각도는 - µ { = - 및 - µ { =-이며, 2013년 Tien 등은 이론 MaxASA 값을 사용할 것을 권고하였다(2번째 열).가능한 모든 컨피규레이션의 결합 및 관찰 가능한 [1]ASA에 대한 진정한 상한을 나타낼 수 있습니다.
ASA 및 RSA 값은 일반적으로 소프트웨어 DSSP [4]등의 단백질 구조에서 계산됩니다.그러나 기계 학습 방식을 [5]사용하여 시퀀스 데이터에서 RSA 값을 예측하려는 방대한 문헌도 있습니다.[6]
예측 도구
RSA를 실험적으로 예측하는 것은 비용과 시간이 많이 드는 작업입니다.최근 수십 년 동안 RSA [7][8][9]예측을 위해 몇 가지 계산 방법이 도입되었습니다.
레퍼런스
- ^ a b c d e f g h Tien, M. Z.; Meyer, A. G.; Sydykova, D. K.; Spielman, S. J.; Wilke, C. O. (2013). "Maximum allowed solvent accessibilites of residues in proteins". PLOS ONE. 8 (11): e80635. arXiv:1211.4251. Bibcode:2013PLoSO...880635T. doi:10.1371/journal.pone.0080635. PMC 3836772. PMID 24278298.
- ^ a b c d Miller, S.; Janin, J.; Lesk, A. M.; Chothia, C. (1987). "Interior and surface of monomeric proteins". J. Mol. Biol. 196 (3): 641–656. doi:10.1016/0022-2836(87)90038-6. PMID 3681970.
- ^ a b c d Rose, G. D.; Geselowitz, A. R.; Lesser, G. J.; Lee, R. H.; Zehfus, M. H. (1985). "Hydrophobicity of amino acid residues in globular proteins". Science. 229 (4716): 834–838. Bibcode:1985Sci...229..834R. doi:10.1126/science.4023714. PMID 4023714. S2CID 22227053.
- ^ Kabsch, W.; Sander, C. (1983). "Dictionary of protein secondary structure: pattern recognition of hydrogen-bonded and geometrical features". Biopolymers. 22 (12): 2577–2637. doi:10.1002/bip.360221211. PMID 6667333. S2CID 29185760.
- ^ Hyunsoo, Kim; Haesun, Park (2003). "Prediction of Protein Relative Solvent Accessibility with Support Vector Machines and Long-range Interaction 3D Local Descriptor" (PDF). Retrieved 10 April 2015.
- ^ Rost, Burkhard; Sander, Chris (1994). "Conservation and prediction of solvent accessibility in protein families". Proteins. 20 (3): 216–26. doi:10.1002/prot.340200303. PMID 7892171. S2CID 19285647. Retrieved 10 April 2015.
- ^ Kaleel, Manaz; Torrisi, Mirko; Mooney, Catherine; Pollastri, Gianluca (2019-09-01). "PaleAle 5.0: prediction of protein relative solvent accessibility by deep learning". Amino Acids. 51 (9): 1289–1296. doi:10.1007/s00726-019-02767-6. hdl:10197/11324. ISSN 1438-2199. PMID 31388850. S2CID 199469523.
- ^ Wang, Sheng; Li, Wei; Liu, Shiwang; Xu, Jinbo (2016-07-08). "RaptorX-Property: a web server for protein structure property prediction". Nucleic Acids Research. 44 (W1): W430–W435. doi:10.1093/nar/gkw306. ISSN 0305-1048. PMC 4987890. PMID 27112573.
- ^ Magnan, Christophe N.; Baldi, Pierre (2014-09-15). "SSpro/ACCpro 5: almost perfect prediction of protein secondary structure and relative solvent accessibility using profiles, machine learning and structural similarity". Bioinformatics. 30 (18): 2592–2597. doi:10.1093/bioinformatics/btu352. ISSN 1367-4803. PMC 4215083. PMID 24860169.