상대 접근 가능 표면적

Relative accessible surface area

단백질 잔류물의 상대적인 접근성 표면적 또는 상대적인 용매 접근성(RSA)잔류 용매 노출의 척도이다.다음 공식으로 계산할 수 있습니다.

[1]

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] 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 { = - - 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

  1. ^ 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.
  2. ^ 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.
  3. ^ 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.
  4. ^ 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.
  5. ^ 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.
  6. ^ 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.
  7. ^ 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.
  8. ^ 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.
  9. ^ 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.