Войти
Топология трансмембранного белка относится к расположению N- и C-концов трансмембранной полипептидной цепи по отношению к внутренней или внешней сторонам биологической мембраны, занятой белком.
Трансмембранные белки групп I и II имеют противоположную конечную топологию. Белки группы I имеют N-конец на дальней стороне и C-конец на цитозольной стороне. Белки группы II имеют С-конец на дальней стороне и N-конец в цитозоле. Однако окончательная топология - не единственный критерий для определения групп трансмембранных белков, в классификации учитывается скорее расположение топогенных детерминант и механизм сборки. Несколько баз данных предоставляют экспериментально определенные топологии мембранных белков. К ним относятся Uniprot, TOPDB, OPM и ExTopoDB. Также существует база данных доменов, консервативно расположенных на определенной стороне мембран, TOPDOM.
Несколько вычислительных методов были разработаны с ограниченным успехом для предсказания трансмембранных альфа-спиралей и их топологии. Первоначальные методы использовали тот факт, что области, охватывающие мембрану, содержат больше гидрофобных остатков, чем другие части белка, однако применение других гидрофобных шкал изменило результаты прогноза. Позже было разработано несколько статистических методов для улучшения прогноза топографии и был введен специальный метод выравнивания. Согласно правилу положительного внутреннего, цитозольные петли около липидного бислоя содержат больше положительно заряженных аминокислот. Применение этого правила привело к появлению первых методов прогнозирования топологии. Также существует правило отрицательного внешнего отношения в трансмембранных альфа-спиралях из однопроходных белков, хотя отрицательно заряженные остатки встречаются реже, чем положительно заряженные остатки в трансмембранных сегментах белков. По мере определения большего количества структур появились алгоритмы машинного обучения. Контролируемые учебные методы обучаются на множестве экспериментально определенных структур, однако, эти методы сильно зависят от обучающего набора. Методы неконтролируемого обучения основаны на том принципе, что топология зависит от максимального расхождения распределений аминокислот в различных структурных частях. Также было показано, что фиксация местоположения сегмента на основе предварительных знаний о структуре улучшает точность прогноза. Эта функция была добавлена к некоторым из существующих методов прогнозирования. Самые последние методы используют консенсусное прогнозирование (т. Е. Используют несколько алгоритмов для определения окончательной топологии) и автоматически включают ранее определенную экспериментальную информацию. База данных HTP предоставляет набор топологий, которые предсказываются с помощью вычислений для трансмембранных белков человека.
Различение сигнальных пептидов и трансмембранных сегментов представляет собой дополнительную проблему при прогнозировании топологии, которую с ограниченным успехом решают различными методами. И сигнальные пептиды, и трансмембранные сегменты содержат гидрофобные участки, которые образуют α-спирали. Это вызывает перекрестное предсказание между ними, что является слабым местом многих предикторов трансмембранной топологии. За счет одновременного прогнозирования сигнальных пептидов и трансмембранных спиралей (Phobius) ошибки, вызванные перекрестным предсказанием, уменьшаются, а производительность существенно увеличивается. Еще одна функция, используемая для повышения точности прогнозов, - это гомология (PolyPhobius) ».
Также возможно предсказать топологию мембранных белков бета-ствола.
