PROFbval：预测蛋白质中的柔性和刚性残基

摘要

总结：蛋白质表面残基的流动性与其功能密切相关。因此，识别极为刚性或柔性的表面残基可以为解决识别蛋白质中功能重要残基的复杂问题提供至关重要的信息。流动性通常由以下指标衡量B-高分辨率三维X射线结构的价值数据。很少有方法预测B-序列中的值。这里，我们介绍了PROFbval，它是第一个预测标准化的web服务器B-氨基酸序列的值。服务器将氨基酸序列（或比对）作为输入和输出进行规范化处理B-值和两种状态（柔性/刚性）预测。服务器还为每个预测分配一个可靠性指数。例如，PROFbval正确地将酶表面活性位点中的残基识别为特别刚性。

可利用性： 作者网页

联系人： profbval@rostlab.org

补充信息：补充数据可在生物信息学在线。

与功能相关的蛋白质柔韧性和刚性蛋白质的功能通常由其天然三维结构的特定细节决定。这些细节可能与刚性区域和柔性区域有关。结构刚性的重要性通过β-螺旋桨褶皱中的“隧道”来说明，它对配体配位和催化活性至关重要(Fulop，1999年). 许多生物过程都说明了灵活性的重要性，包括分子识别和催化活性(Demchenko，2001年；Dunker公司等., 2002；戴森和赖特，2005年；线路接口单元等., 2002；帕尔默，2001年；泰纳等., 1984；Tompa，2005年)例如，Ras中开关II区域的灵活性对其GTPase活性至关重要(斯普朗，1997年). 此外，一些研究小组表明，酶在催化过程中发生运动，可能是通过降低过渡状态屏障(Huang和Montelione，2005年). 这种运动甚至以自由形式在亲环素A酶中发生(艾森梅瑟等., 2005). 有趣的是，这些运动并不局限于活性位点，而是涉及许多核心残基，从而形成一个广泛的动态网络(艾森梅瑟等., 2005；Huang和Montelione，2005年).

流动性和紊乱在过去的十年中，已经积累了证据，证明许多蛋白质的区域孤立地呈现出非结构化(Dunker和Obradovic，2001年；戴森和赖特，2005年；线路接口单元等2002年；Tompa，2005年；Wright和Dyson，1999年). 一种假设认为，不单独采用特定形状可以适应许多不同的结合界面，即增加单个分子可实现的复杂性。许多这样的“天然非结构化”或“无序”残基即使与它们的结合伙伴共结晶也相当松散(富克斯里特等2004年). 此外，一些疾病预测因子与B-因子值(Jin和Dunbrack，2005年)但专为预测灵活性而开发的方法有望优于更一般的紊乱预测因子。然而，总的来说，柔性和本机非结构化之间的概念联系仍然不明确。显然，预测紊乱的方法无法预测刚性活性位点的残留。

预测的B值等.流动性某些方面的预测方法已经存在多年(Karplus和Schultz，1985年；Vihinen，1994年)；最近，三个小组开发了明确优化预测的预测方法B-序列中的值(拉迪沃亚茨等2004年；施莱辛格和罗斯特，2005年；元等., 2005). 在这里，我们介绍了第一个基于web的界面，用于基于B-值。该方法可以帮助预测蛋白质的结构和功能。例如，生物学家可以通过识别蛋白质表面最灵活的残基来定位潜在的抗原决定簇。此外，晶体学家可以定位可能具有高实验性的残留物B-值。

预测方法.PROFbval是一种基于神经网络的预测方法(施莱辛格和罗斯特，2005年). 该网络在取自EVA服务器的一组大型非冗余高分辨率（≤2.5μl）蛋白质结构上进行了训练和测试(施莱辛格和罗斯特，2005年). 实验B-根据方程式（1）该网络经过训练，可以从其一级氨基酸序列获得属性：PROFsec预测的二级结构(罗斯特，2005)PROFacc预测的溶剂可及性(罗斯特，2005). 使用进化图谱而不是原始序列大大提高了性能，使用全局信息，例如预测的规则二级结构中的含量、表面预测的残基比率和蛋白质长度，略微提高了性能。

评估绩效。我们已根据多项指标对PROFbval进行了评估(施莱辛格和罗斯特，2005年). 简单地说，PROFbval预测不如基于同源性的预测对非常相似的蛋白质的预测准确，并且比将所有表面残基视为灵活的方法更准确。观测值与预测值归一化的皮尔逊相关系数B-数值达到0.49左右。更重要的是，我们通过尝试解决简单的生物任务来验证我们的预测方法(施莱辛格和罗斯特，2005年)（新发现见补充在线材料）。

输入到服务器用户可以提交原始蛋白质序列或序列比对。此外，服务器允许指定一些可选参数，例如作业名称（用于控制/轻松检索）、严格或非严格输出模式和窗口大小（用于平滑图形输出；默认窗口为1；只接受奇数值）。

来自服务器的输出.PROFbval以ASCII（原始文本）和/或HTML（默认）格式返回结果。这两种格式要么直接通过用于提交的web浏览器/协议返回，要么通过电子邮件返回。将显示三种类型的信息。第一种是两种状态的预测（柔性/刚性）。这种预测类型有两种模式：非严格模式和严格模式，具体取决于“灵活”阈值中的特定选择。在非严格模式下，大多数残差是灵活的；因此，表面上被预测为刚性的残留物可能具有功能作用。相反，在严格模式下，只有大约三分之一的残基是灵活的；因此，一段被预测为柔性的残基对功能可能很重要。第二个输出给出了预测的可靠性：可靠性指数越高，预测就越强越好。第三个输出提供标准化B-每个残留物的预测值。预测值与实验归一化值在相同的尺度上B-值。这种类型的输出也可以以图形格式查看(图1A). 此外，结果页面将可从我们的网站下载，并且只有URL通过电子邮件发送给用户，除非用户要求直接发送完整的结果。

PROFbval应用程序示例残留物流动性和溶剂可及性高度相关。有趣的是，刚性酶的表面残基通常具有功能性作用(施莱辛格和罗斯特，2005年；元，2003). RNaseH的PROFbval结果表明，尽管活性位点残基相对暴露，但预测其为刚性残基(图1).

作者感谢Jinfeng Liu（哥伦比亚）提供的计算机帮助，Andrew Kernytsky（哥伦比亚）提出的宝贵建议，以及Henry Bigelow提供的初步信息、程序和对手稿的有益评论。作者还感谢匿名评论员的有益评论。最后，同样重要的是，感谢所有将实验数据存放在公共数据库中的人以及维护这些数据库的人。这项工作得到了美国国立卫生研究院（NIH）拨款RO1-GM64633-01和美国国家医学图书馆（NLM）拨款R01-LM07329-01的支持。支付开放存取出版费用的资金由荷兰国立医学院拨款NIH-R01-LM07329提供。

利益冲突：没有声明。

参考文献

作者注释