Homologiemodellierung

Was muss ich über Homologiemodellierung wissen?

KONSERVIERUNGDie Struktur ist konservierter als die Sequenz (vgl. stumme Mutation, AS-Austausch, ...)

TWILIGHT ZONE= Bereich, in welchem Proteine noch per Zufall hohe Sequenz-IDs habenJe länger eine Sequenz, desto kleiner die benötigte Sequenz-ID um aus der Twilight Zone auszutreten und zu homologen Proteinen zu gehörenSequenz-IDs sollten mind. 25 % sein, besser 50 oder 75 %

RMSDsinkt bei nah verwandten Proteinen

ABLAUF Vorlagenerkennung/ initiales Alignment mit BLAST/ FASTA, dieses darf nicht in der Twilight Zone liegen Alignmentkorrektur: ein optimales Alignment das zur Struktur passt wird ausgewählt, dabei wird auf ähnliche Koordinaten geachtet Rückgratgenerierung: Passende Koordinaten des Rückgrats kopieren Schleifenmodellierung: Die Gaps mit Schleifen füllen, diese werden entweder auch von anderen Alignments kopiert oder selbst ermittelt Seitenkettenmodellierung: AS bevorzugen gewisse Rotamere Modelloptimierung (iterativer Prozess) Modellvalidierung (letzte Korrektur)

ALTERNATIVENNMRKristallographie

Ich möchte eine Sekundärstrukturen vorhersagen. Was mache ich?

HMM

SLIDING WINDOWFenster, die Neigungen der AS werden in Relation zu der Neigung der mittleren AS gesetzt

NEURONALES NETZWERKInput, nur ein Output, Hidden layerdient der Entscheidungshilfewird mit Machine Learning erstellt

SEKUNDÄRSTRUKTURELEMENTEH: HelixE: b-FaltblattC: CoilJeder AS hat andere Neigungen

CHOU FASMANist ein Sliding Window, Genauigkeit: 50-60 %beginnt bei der Suche nach Sekundärstrukturen immer an der günstigsten Stelle und beruft sich dabei auf eine NeigungsmatritzeNeigung = P (x)-Wert a-Helix-Region suchen: 4 von 6 AS haben P(H)>100 Region in beide Richtungen erweitern bis 4 AS hintereinander P(H) b-Faltblatt-Region suchen: 3 von 5 AS haben P(E)>100 Region in beide Richtungen erweitern bis 4 AS hintereinander P(H) UND P(E)>P(H) UND im Durchschnitt P(E)>105

GOR

GORwie Chou Fasman, hat aber einSliding Window der Länge 17Genauigkeit: 65 %Score S = log[Neigung/???]

SPRILE/ HELIXRADalle 100° eine AS

MACHINE LEARNINGTrainingsdaten -> Parameter werden eingestelltBekannte Testdaten zur Kontrolle

Q3-WERTbeurteilt VorhersagenQ3 = [Richtig vorhergesagte Strukturen/#AS] * 100

SOVbeurteilt Vorhersagen, betrachtet die Enden von Sekundärstrukturen (da kritisch)

Neue Seite