Información

Cálculo de la fracción de proteína desarrollada a partir de datos de espectroscopía

Cálculo de la fracción de proteína desarrollada a partir de datos de espectroscopía


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Esta es una pregunta de una serie de tareas del año anterior. Se nos da la absorbancia a 222 nm de una proteína tanto de tipo salvaje como mutante a diferentes temperaturas. Luego se nos pide que calculemos varias cantidades termodinámicas a partir de estos datos. Lo primero que pidió es la Tm tanto de wt como de mutante. Para obtener la Tm, necesito la fracción de proteína desplegada, ya que Tm se define como la temperatura a la que la fracción desplegada es 0.5. Sin embargo, estoy confundido en cuanto a cómo calcular la fracción desplegada. En la clave de respuestas, el profesor usó una ecuación, f = 2 * (A222-0.5), sin ninguna explicación. ¿Alguien puede explicarme de dónde viene esta ecuación?

Editar: Lo siento, olvidé decirte que f significa fracción desplegada.

Muchas gracias Zeyuan


He trazado los datos para facilitar la respuesta, aunque no es necesario si sabe qué buscar en los datos.

Como se esperaba, las curvas de fusión son sigmoideas con asíntotas horizontales en aproximadamente 0,5 y 1. Debería poder ver esto también en los datos brutos: las absorbancias rondan alrededor de 0,5 antes de aumentar rápidamente y luego estabilizarse alrededor de 1.

Desea la fracción de proteína desplegada en función de la absorbancia, por lo que necesita normalizar estos datos en el rango de [0,1]. Hay una fórmula sencilla para esto que, expresada en los términos de su pregunta, sería:

$ f = frac {A_ {222} - mínimo (A_ {222})} {máximo (A_ {222}) - mínimo (A_ {222})} $

$ f = frac {A_ {222} - 0.5} {1 - 0.5} $

$ f = frac {A_ {222} - 0.5} {0.5} = 2 (A_ {222} - 0.5) $

Intuitivamente, podría pensarlo de la siguiente manera: a bajas temperaturas, cuando la proteína está plegada, la absorbancia es 0,5. Considérelo como una medida en blanco o de referencia que proporciona la absorbancia de la solución cuando no se despliega ninguna proteína. Dado que solo está interesado en la señal de la proteína desplegada, puede restar este valor (0.5) del resto de los datos.


Estabilización de la estructura de la proteína a través de la interacción π – π en la segunda esfera de coordinación de la pseudoazurina

Correspondencia a: Takamitsu Kohzuma, Institute of Quantum Beam Science, Ibaraki University, 2-1-1 Bunkyo, Mito, Ibaraki 310-8512, Japón. Correo electrónico: [email protected] Busque más artículos de este autor

Escuela de Graduados en Ciencias e Ingeniería, Instituto de Ciencia de Rayos Cuánticos, Universidad de Ibaraki, Mito, Ibaraki, 310-8512 Japón

Escuela de Graduados en Ciencias e Ingeniería, Instituto de Ciencia de Rayos Cuánticos, Universidad de Ibaraki, Mito, Ibaraki, 310-8512 Japón

Departamento de Biología, Universidad de Western Ontario, London, Ontario, Canadá

Departamento de Química, Universidad de Western Ontario, London, Ontario, Canadá

Departamento de Biología, Universidad de Western Ontario, London, Ontario, Canadá

Departamento de Química, Universidad de Western Ontario, London, Ontario, Canadá

Escuela de Graduados en Ciencias e Ingeniería, Instituto de Ciencia de Rayos Cuánticos, Universidad de Ibaraki, Mito, Ibaraki, 310-8512 Japón

Correspondencia a: Takamitsu Kohzuma, Institute of Quantum Beam Science, Ibaraki University, 2-1-1 Bunkyo, Mito, Ibaraki 310-8512, Japón. Correo electrónico: [email protected] Busque más artículos de este autor


ENTRADAS DEL BANCO DE DATOS

Cada entrada tiene un ID de acceso único de letras (L) y números (N) en el formato: LLNNNLLNN. Estos se asignan al azar y el usuario no puede solicitar un código de identificación específico. Sin embargo, si un usuario está depositando una serie de espectros en la misma proteína o proteínas relacionadas, puede reservar previamente una lista secuencial (hasta 100) de nombres de entrada que tienen los mismos siete caracteres iniciales (asignados).

Cada entrada incluye información sobre las características de la muestra, incluido el nombre de la proteína (y nombres alternativos, si corresponde), la fuente de la proteína (y cualquier cambio de la secuencia de tipo salvaje), su concentración y pureza, y el contenido de tampón y línea base ( incluyendo ligandos, si los hay, y para complejos, sus compañeros de unión macromolecular). Incluye los datos espectrales de CD más el espectro de HT (alta tensión o alto voltaje, o pseudoabsorbancia) e información sobre las condiciones experimentales, como temperatura, longitud y tipo de trayectoria celular, instrumento utilizado, parámetros espectrales como longitud de onda mínima y máxima y intervalos de longitud de onda y número de exploraciones repetidas o acumulaciones.

Las entradas incluyen datos espectrales sin procesar tanto para la muestra como para la línea de base, así como información sobre el procesamiento de datos y los datos espectrales procesados ​​finales que se publican. También hay información opcional (pero muy recomendable) sobre los estándares de calibración de instrumentos y sus espectros.

Cada entrada normalmente incluye no solo un hipervínculo al archivo UniProt relevante (4), sino que también incluye una secuencia para la proteína (en un código de una letra) para que se puedan identificar las diferencias con la entrada UniProt.

Cuando hay una estructura cristalina disponible para la proteína, se incluye el ID de código PDB (3), al igual que los hipervínculos a esa entrada en los tres sitios de archivo: los sitios web RCSB (5), PDBj (6) y PDBe (7). La razón de los tres enlaces es que cada uno de los sitios de PDB tiene información y medios únicos y complementarios para mostrar y consultar los datos, y creemos que el fácil acceso a todos ellos beneficiará a los usuarios de PCDDB. Además, también se incluyen las estructuras secundarias derivadas de la estructura cristalina definida por el algoritmo DSSP (8).

Se incluye el número de la Comisión de Enzimas (EC) (9) y un hipervínculo al sitio web asociado para las enzimas con números EC asignados, como una guía de sus propiedades funcionales. Además, cuando esté disponible, también se incluye un enlace a la entrada en el sitio web de clasificación de pliegues de dominio CATH (10).

Cada entrada incluye la fecha de la deposición y el nombre del depositante y el laboratorio del que proceden, junto con la cita bibliográfica correspondiente y un enlace a su entrada de Medline. Todos los formatos de descarga incluyen la referencia bibliográfica, por lo que los usuarios de los datos pueden identificar y citar claramente a los productores de datos.

Estos contenidos han sido desarrollados y refinados luego de discusiones con miembros de la comunidad de usuarios como resultado de extensas consultas públicas y sugerencias de los miembros de la Junta Asesora Técnica de PCDDB, que representan a los fabricantes de todos los instrumentos comerciales de CD y científicos de todas las líneas de luz de SRCD en todo el mundo ( ver Agradecimientos para la lista).

El primer conjunto de entradas fueron las 71 proteínas solubles que componen el conjunto de datos de referencia SP175 (11) actualmente disponible para su uso con el servidor de análisis en línea DichroWeb (12). Estos fueron seguidos por las nueve proteínas en la base de datos de referencia CRYST175 (13). Después de eso, se han depositado espectros de proteínas adicionales enviados por el usuario (14), pero su liberación está prohibida hasta el lanzamiento de la versión de deposición completa a principios de 2011.


Información de soporte

Comparación de ΔΔGRAMOUNF y Δ & ltTmetro& gt dependencia de Δ & ltTmetro& gt (= & ltTmetro& gtVariante2 - & ltTmetro& gtVariante1) de intervariante R 2 -valores para cada par de variantes ajuste de dos modelos de reacción a la dependencia de las tasas iniciales de pérdida de monómero sobre la fracción desplegada a 37 ° C para variantes de GCSF en la selección de formulaciones cálculo de carga neta y pI para WT-GCSF usando PropKa y estructura de PDB : 2D9Q (PDF)


C: Archivos de programa (x86) Microsoft Office MEDIA OFFICE14 Bullets BD21300_.gif

El método utilizado para determinar la concentración de la proteína desconocida es mediante la ley de Beer: A = Ɛ x c x l (donde I = 1)

Ɛ es el gradiente de la línea y se puede determinar mediante el método

Los 2 puntos de datos utilizados son: (00) y (0.50 0.60)

Entonces el gradiente de la línea (Ɛ) = (0.60 - 0) / (0.50 - 0)

Entonces 0.35 = 1.2 x c (c = concentración)

Otra forma de determinar la concentración desconocida de la proteína es leer la absorbencia de la proteína desconocida del gráfico a la concentración de proteína específica.

Eso hace que la concentración de la proteína desconocida sea de alrededor de 0,29 mM.


Abstracto

Las proteínas anudadas y anudadas son topológicamente complejas. Comprender su mecanismo de plegado y despliegue ha despertado un interés considerable. Aquí combinamos ingeniería de proteínas, pinzas ópticas de molécula única y simulaciones de dinámica molecular dirigida (SMD) para investigar el despliegue mecánico y el plegado de una proteína arginina descarboxilasa dependiente de piruvoilo con nudos corredizos (PADC). En su estructura con nudos corredizos, PADC contiene un bucle de hilo largo (85 residuos), que es casi el doble del tamaño del bucle de anudado. Cuando se estira desde sus extremos N y C, la mayoría de PADC se puede desplegar fácilmente en dos estados y la estructura con nudos corredizos se desató. Un pequeño porcentaje de PADC se desarrolló siguiendo una vía de tres estados que implica la formación de un estado intermedio de despliegue. Estos estados intermedios desplegados mostraron una amplia distribución de incrementos de longitud de contorno, lo que sugiere que no tenían una estructura específica bien definida. Las simulaciones de SMD revelaron la principal barrera de energía libre para el despliegue de PADC y sugirieron que los estados intermedios de despliegue pueden originarse a partir de la fricación del deslizamiento de la cadena polipeptídica durante el proceso de sacar el bucle roscado del bucle de anudado. Tras la relajación, un pequeño porcentaje de la cadena polipeptídica PADC desplegada y desatada puede replegarse a su conformación nativa de nudos corredizos, pero una gran fracción solo puede alcanzar un estado de plegado incorrecto. Nuestros resultados revelaron la complejidad del despliegue mecánico y el replegamiento de una proteína con nudos corredizos con un bucle de hilo largo.


Cálculo de la fracción de proteína desarrollada a partir de datos de espectroscopia - Biología

QUÍMICA DE PROTEÍNA

INFORMACIÓN DE ANTECEDENTES: es posible que desee consultar la Guía de predicción de estructuras de Robert Russell. Para conocer las propiedades bioquímicas de los aminoácidos, consulte PROWL, Tabla de hidrofobicidad y aminoácidos de aminoácidos y tabla de referencia (GenScript). Si está específicamente interesado en los anticuerpos, le recomiendo que visite & quotLa página de recursos de anticuerpos & quot.

Composición de aminoácidos y amp Mass & ndash ProtParam (ExPASy, Suiza)
Punto isoeléctrico - Calcular herramienta pI / Mw (ExPASy, Suiza). Si desea un gráfico de la relación entre la carga y el pH, use ProteinChemist (ProteinChemist.com) o herramientas proteómicas JVirGel (PRODORIC Net, Alemania).
Masa, pI, composición y% mol de aminoácidos ácidos, básicos, aromáticos, polares, etc. - PEPSTATS (REALZAR). Bioquímica en línea (Vitalonic, Rusia) da un 1% de composición, peso molecular, pI y carga a cualquier pH deseado.

Calculadora de peso molecular de péptidos (GenScript) - la calculadora en línea determina la fórmula química y el peso molecular de su péptido de interés. También puede especificar modificaciones postraduccionales, como modificaciones de terminales N y C y posicionamiento de puentes disulfuro, para obtener resultados más precisos.

Calculadora de punto isoeléctrico 2.0 (IPC 2.0) - es un servidor para la predicción de puntos isoeléctricos ypKa valores utilizando una combinación de aprendizaje profundo y modelos de regresión vectorial de soporte. La precisión de predicción (RMSD) de IPC 2.0 para proteínas y péptidos supera a los algoritmos anteriores. (Referencia: Kozlowski LP (2021) Nucl. Acids Res. Problema del servidor web).

Composición / Cálculo del peso molecular (Centro Médico de la Universidad de Georgetown, EE. UU.) - el único problema con este sitio es que cuando se ejecuta en modo por lotes no identifica la secuencia por nombre, simplemente número secuencial

Calculadora de proteínas (C. Putnam, Instituto de Investigación Scripps, EE. UU.) - calcula la masa, pI, carga a un pH dado, cuenta los residuos de aminoácidos, etc.

Predictor de Tm (P.C. Lyu Lab., Universidad Nacional Tsing-Hua, Taiwán) - calcula la temperatura de fusión teórica de la proteína.

Antigenicidad y alergenicidad: un buen lugar para comenzar sería The Immune Epitope Database (IEDB)

Diseño de anticuerpos peptídicos Abie Pro (Chang Biociencia)

Servidores de alergenicidad: AllerTOP (Referencia: Dimitrov, I. et al. 2013. BMC Bioinformatics 14(Supl. 6): S4), AlgPred - predicción de proteínas alergénicas y mapeo de epítopos de IgE (Referencia: Saha, S. y Raghava, G.P.S. 2006. Nucleic Acids Research 34: W202-W209.) Y SDAP - Base de datos estructural de proteínas alergénicas (Referencia: Ivanciuc, O. et al. 2003. Nucleic Acids Res. 31: 359-362).

EpiToolKit: es un banco de trabajo virtual para preguntas inmunológicas con un enfoque en el diseño de vacunas. Ofrece una variedad de herramientas inmunoinformáticas que cubren el genotipado del MHC, la predicción de epítopos y neoepítopos, la selección de epítopos para el diseño de vacunas y el ensamblaje de epítopos. En su versión 2.0 recientemente re-implementada, EpiToolKit proporciona una gama de nuevas funcionalidades y por primera vez permite combinar herramientas en flujos de trabajo complejos. Para los usuarios sin experiencia, ofrece interfaces simplificadas para guiar a los usuarios a través del análisis de conjuntos de datos inmunológicos complejos. (Referencia: Schubert S et al. (2015) Bioinformática 31(13): 2211 y ndash2213).

VIOLÍN - Vaccine Iinvestigación y OnorteLine Iinformación norteetwork: permite una fácil conservación, comparación y análisis de datos de investigación relacionados con vacunas en varios patógenos humanos Se espera que VIOLIN se convierta en una fuente centralizada de información sobre vacunas y proporcione a los investigadores en ciencias básicas y clínicas datos seleccionados y herramientas bioinformáticas para la investigación y el desarrollo de vacunas. . VBLAST: Búsqueda BLAST personalizada para investigación de vacunas que permite varias estrategias de búsqueda contra 77 genomas de 34 patógenos. (Referencia: He, Y. et al. 2014. Nucleic Acids Res. 42 (problema de la base de datos): D1124-32).

SVMTriP: es un nuevo método para predecir el epítopo antigénico con la última secuencia de entrada de la base de datos IEDB. En nuestro método, la máquina de vectores de soporte (SVM) se ha utilizado combinando las puntuaciones de similitud de tri-péptidos y propensión (SVMTriP) para lograr un mejor rendimiento de predicción. Además, SVMTriP es capaz de reconocer péptidos virales de un fondo de secuencia de proteína humana. (Referencia: Yao B et al. (2012) PLoS One 7(9): e45152).

Solubilidad y capacidad de cristalización:

EnzymeMiner: ofrece extracción automatizada de enzimas solubles con diversas estructuras, propiedades catalíticas y estabilidades. La predicción de solubilidad emplea el predictor interno SoluProt desarrollado mediante aprendizaje automático (Referencia: Hon J et al. 2020. Nucl Acids Res 48 (W1): W104 y ndashW109).

CAFÉ EXPRÉS (EStiempo de PRotein mixpreSsion y ASI QUElubilidad) - es un predictor basado en secuencia para estimar la expresión y solubilidad de proteínas para tres sistemas de expresión de proteínas diferentes: in vivo Escherichia coli, Brevibacillusy libre de células de germen de trigo. (Referencia: Hirose S y Noguchi T. 2013. Proteomics. 13:1444-1456).

SABLE: predicción precisa basada en secuencias de accesos a disolventes relativos, estructuras secundarias y dominios transmembrana para proteínas de estructura desconocida. (Referencia: Adamczak R et al. 2004. Proteins 56:753-767).

SPpred (Soluble PAGpredicción de rutina) (Centro de Bioinformática, Instituto de Tecnología Microbiana, Chandigarh, India) - es un servidor web para predecir la solubilidad de una proteína en la sobreexpresión en E. coli. La predicción se realiza mediante un modelo híbrido de SVM entrenado en el perfil de PSSM generado por la búsqueda PSI-BLAST de la base de datos de proteínas & # 39nr & # 39 y la composición de aminoácidos divididos.

Protein & ndashSol: es un servidor web para predecir la solubilidad de las proteínas. Utilizando los datos disponibles para la solubilidad de la proteína de Escherichia coli en un sistema de expresión libre de células, se calculan 35 propiedades basadas en secuencias. Los pesos de las características se determinan a partir de la separación de subconjuntos de baja y alta solubilidad. El modelo devuelve una solubilidad prevista y una indicación de las características que se desvían más de los valores promedio. (Referencia: Hebditch M et al. 2017. Bioinformática 33(19): 3098 y ndash3100).

CamSol: para el diseño racional de variantes de proteínas con mayor solubilidad. El método funciona mediante la realización de un cribado computacional rápido de decenas de miles de mutaciones para identificar las que tienen el mayor impacto en la solubilidad de la proteína diana mientras se mantiene su estado nativo y actividad biológica. (Referencia: Sormanni P et al. (2015) J Molec Biol 427(2): 478-490). nótese bien Requiere registro.

STu cara mintropía Reducción pag redicción (SERp): esta herramienta exploratoria tiene como objetivo ayudar a identificar los sitios más adecuados para la mutación diseñada para mejorar la cristalización mediante un enfoque de reducción de la entropía superficial. (Referencia: Goldschmidt L. et al. 2007. Protein Science. 16:1569-1576)

CRYSTALP2 - para in-silico predicción de la propensión a la cristalización de proteínas. (Referencia: Kurgan L, et al. 2009. BMC Structural Biology 9: 50) y PPCpred: predicción basada en secuencias de la propensión a la producción de cristales con calidad de difracción, producción de cristales, purificación y producción del material proteico (Referencia: M.J. Mizianty & amp L. Kurgan. 2011. Bioinformatics 27: i24-i33).

Péptidos, vacunas y toxinas antimicrobianos:

APD (Aantimicrobiano PAGéptido Database) (Referencia: Wang, Z. y Wang, G 2004. Nucl. Acids Res.32: D590-D592)

El sistema de secreción de tipo III (T3SS) es un mecanismo esencial para la interacción huésped-patógeno en el proceso de infección. Las proteínas secretadas a través de la maquinaria T3SS de muchas bacterias gramnegativas se conocen como efectores T3SS (T3SE). Estos pueden estar localizados subcelularmente en el huésped o ser parte de la punta de la aguja del T3SS que interactúa directamente con la membrana del huésped para llevar otros efectores a la célula diana. T3SEdb representa un esfuerzo de este tipo para reunir una base de datos completa de todos los T3SE supuestos y determinados experimentalmente en un sitio web accesible. La búsqueda BLAST está disponible. (Referencia: Tay DM et al. 2010. BMC Bioinformatics. 11 Supl 7: S4).

Eficaz (Universidad de Viena, Austria y Universidad Técnica de Munich, Alemania) - La secreción de proteínas bacterianas es el mecanismo de virulencia clave de las bacterias simbióticas y patógenas. De ese modo, las proteínas efectoras se transportan desde el citosol bacteriano al medio extracelular o directamente a la célula huésped eucariota. El portal Effective proporciona predicciones precalculadas sobre efectores bacterianos en todos los genomas patógenos y simbiónicos disponibles públicamente, así como la posibilidad de que el usuario prediga los efectores en los datos de la propia secuencia de proteínas.

Vaxign es el primer sistema de diseño de vacunas basado en la web que predice los objetivos de las vacunas en función de las secuencias del genoma utilizando la estrategia de vacunación inversa. Las características pronosticadas en la tubería de Vaxign incluyen ubicación subcelular de proteínas, hélices transmembrana, probabilidad de adhesina, conservación de proteínas humanas y / o de ratón, exclusión de secuencias del genoma (s) de cepas no patógenas y unión del epítopo a MHC de clase I y clase II. . La base de datos de Vaxign precalculada contiene la predicción de los objetivos de la vacuna para los genomas & gt350. (Referencia: He Y et al. 2010. J Biomed Biotechnol. 2010: 297505). Una versión más reciente de Vaxign 2 Beta está disponible aquí.

VacTarBac es una plataforma que almacena candidatas a vacuna contra varias bacterias patógenas. Las vacunas están diseñadas sobre la base de su probabilidad de actuar como epítopo, por lo que tienen el potencial de inducir cualquiera de los varios brazos del sistema inmunológico. Estos epítopos se han predicho contra el factor de virulencia y los genes esenciales de 14 especies bacterianas. (Referencia: Nagpal G et al. (2018) Front Immunol. 9: 2280).

Abpred: tomará una única secuencia de aminoácidos para un Fv y calculará el rendimiento previsto en 12 plataformas biofísicas (Referencia: Hebditch M & amp J Warwicker (2019) PeerJ. 7: e8199).

T3SE: predicción del efector del sistema de secreción de tipo III (Referencia: L & oumlwer M, & amp Schneider G. 2009. PLoS One. 4:e5917. Errata en: PLoS One. 20094 (7).

SIEVE Server es una herramienta web pública para la predicción de efectores secretados de tipo III. El servidor SIEVE puntúa los efectores secretados potenciales de los genomas de patógenos bacterianos con sistemas de secreción de tipo III utilizando un modelo aprendido de proteínas secretadas conocidas. El servidor SIEVE requiere que solo se analicen las secuencias de proteínas de las proteínas y devuelve una probabilidad conservadora de que cada proteína de entrada sea un efector secretado de tipo III. (Referencia: McDermott JE et al. 2011. Infect Immun. 79:23-32).

Dicroísmo circular:

Dicroísmo circular (Birkbeck College, Escuela de Cristalografía, Inglaterra) DICHROWEB es un sitio web interactivo que permite la deconvolución de datos de experimentos de espectroscopía de dicroísmo circular. Ofrece una interfaz para una variedad de algoritmos de deconvolución (CONTINLL, SELCON3, CDSSTR, VARSLC, K2D).

K2D2: Predicción de porcentajes de estructura secundaria de proteínas a partir de espectros de CD: permite el análisis de 41 puntos de datos del espectro de CD que van desde 200 nm a 240 nm o 51 puntos de datos para el rango de 190-240 nm (Referencia: Perez-Iratxeta C & amp Andrade- Navarro MA.2008. BMC Structural Biology 2008, 8:25)

K2D3 es un servidor web para estimar el contenido de las cadenas a helix y & szlig de una proteína a partir de su espectro de dicroísmo circular. K2D3 utiliza una base de datos de espectros teóricos derivados con Dichrocalc (Referencia: Louis-Jeune C et al. 2012. Proteínas: estructura, función y bioinformática 80: 374 y ndash381)

Residuos de cisteína:

DiANNA: predecirá el estado de oxidación de la cisteína (76% de precisión), los pares de cisteína (81% de precisión) y la conectividad del enlace disulfuro (86% de precisión). (Referencia: Nucl. Acids Res. 33: W230-W232).

CYSREDOX (Universidad Rockefeller, Estados Unidos) y CYSPRED (CIRB Biocomputing Group, Universidad de Bolonia, Italia) calcular el estado redox de los residuos de cisteína en las proteínas.

Trazador de hidrofobicidad ( Innovagen ) - y Protein Hydroplotter - seleccione en Herramientas (ProteinLounge, San Diego, CA ).

Proteólisis y espectrometría de masas:

Proteólisis - Cortador de péptidos (ExPASy, Suiza) que también predice los sitios de escisión de enzimas y productos químicos. Un sitio de proteólisis alternativo es Mobility_plot 4.1 (Toma de huellas proteolíticas avanzadas, IGH, Francia).
Para un análisis de proteínas más sofisticado con espectroscopia de masas, ExPasy ha introducido FindMod para predecir posibles modificaciones postraduccionales de proteínas en péptidos y GlycoMod, que puede predecir las posibles estructuras de oligosacáridos que se producen en proteínas a partir de sus masas determinadas experimentalmente.

ProFound: es una herramienta para buscar una base de datos de secuencias de proteínas utilizando información de espectros de masas de mapas de péptidos. Se utiliza un algoritmo bayesiano para clasificar las secuencias de proteínas en la base de datos de acuerdo con su probabilidad de producir el mapa de péptidos. Se puede acceder a una versión simplificada aquí (Universidad Rockefeller, Nueva York, EE. UU.). No se puede utilizar la propia base de datos de proteínas.

ProteínaProspector (Universidad de California) - ofrece una amplia variedad de herramientas (por ejemplo, MS-Fit, MS-Tag, MS-Seq, MS-Pattern, MS-Homology) para el espectroscopista de masas de proteínas.

Las repeticiones en las secuencias de proteínas se pueden descubrir usando Radar ( R apid A utomático D detección y A alineación de R epeats, Instituto Europeo de Bioinformática) o REPRO (Referencia: George RA. & amp Heringa J. 2000. Trends Biochem. Sci. 25: 515-517).

REPPER (REPScome y su PORiodicities): detecta y analiza regiones con repeticiones cortas sin espacios en proteínas. Encuentra periodicidades por Transformada de Fourier (FTwin) y análisis de similitud interna (REPwin). FTwin asigna valores numéricos a los aminoácidos que reflejan ciertas propiedades, por ejemplo, la hidrofobicidad, y proporciona información sobre las periodicidades correspondientes. REPwin utiliza autoalineaciones y muestra repeticiones que revelan similitudes internas significativas. Se complementan con PSIPRED y predicción de bobinas en espiral (COILS), lo que convierte al servidor en una herramienta analítica útil para proteínas fibrosas. (Referencia: M. Gruber y col. 2005. Nucl. Acids Res. 33: W239-W243).

Geles bidimensionales:

Cálculo de JVirGel de geles de proteínas virtuales bidimensionales: crea proteomas virtuales 2D a partir de una enorme lista de eucariotas y procariotas (o una proteína individual). Dos versiones: html (limitada) y applet de Java (increíble pero necesitas instalar Java Runtime Environment. (Referencia: K. Hiller et al. 2003. Nucl. Acids Res. 31: 3862-3865).

Dibujar geles proteicos virtuales bidimensionales (PRODORIC Net, Alemania) - utilizando sus propios datos de secuencia de proteínas o para diferentes organismos.

Predictor de proteína de raspado - (Instituto de Genómica y Bioinformática, Universidad de California, Irvine) - los programas incluyen: ACCpro: la accesibilidad relativa a los disolventes de los residuos de proteínas CMAPpro: Predicción de mapas de contacto de aminoácidos COBEpro: Predicción de epítopos continuos de células B CONpro: predice si el número de contactos de cada residuo en una proteína está por encima o por debajo del promedio para ese residuo. Initio).

Mutagénesis:

Diseñador de mutagénesis genética (GenScript) está desarrollado para hacer que su diseño de mutagénesis de ADN puntual sea sencillo para facilitar la mutación genética. Para realizar la mutagénesis de ADN de tipo salvaje, simplemente ingrese su secuencia inicial del gen de tipo salvaje en el campo a continuación, y luego haga clic en el botón & ldquofrom selection & rdquo para seleccionar los aminoácidos de interés. En consecuencia, la nueva secuencia de genes que codifica la proteína mutada se generará con un clic & ldquosubmit & rdquo. Puede seleccionar varios sistemas de expresión.

I-Mutant2.0: predictor de cambios en la estabilidad de la proteína tras la mutación: elija un número de referencia de PDB o pegue su propia proteína. La respuesta (por correo electrónico) indica si la proteína es más o menos estable, un hecho que podría ser útil para diseñar proteínas "mejores". (Referencia: E. Capriotti y col. 2005. Nucl. Acids Res. 33: W306-W310).

SIFT - El Sorting Itolerante FROM TEl algoritmo olerant (SIFT) predice el efecto de las variantes de codificación en la función de la proteína, es decir, predice si una sustitución de aminoácidos afecta la función de la proteína basándose en la homología de secuencia y las propiedades físicas de los aminoácidos. SIFT se puede aplicar a polimorfismos no sinónimos naturales y mutaciones sin sentido inducidas por laboratorio. (Referencia: N-L Sim et al. 2012. Investigación de ácidos nucleicos 40(1): W452 y ndashW457).

Membrana mCSM: predice los efectos de las mutaciones en las proteínas transmembrana. (Referencia: Pires DEV et al. 2020. Nucl Acids Res 48 (W1): W147 y ndashW153).


Cálculo de la fracción de proteína desarrollada a partir de datos de espectroscopía - Biología

Se recomienda encarecidamente a los depositantes de depósitos de proteínas que utilicen los distintos programas de validación que se enumeran a continuación para comprobar sus datos experimentales de RMN y los archivos de estructura antes de cargarlos.

Informes de validación

Informes de validación: colecciones de archivos generados por AVS, LACS y SPARTA para entradas BMRB publicadas

wwPDB ValidationService verificará su modelo y los archivos experimentales antes de enviar una estructura a wwPDB.

Protein Structure Validation Suite (PSVS) es una herramienta útil para la evaluación de estructuras de proteínas generadas por métodos de rayos X y RMN. PSVS es ampliamente aplicable para la evaluación de la calidad de estructuras en proyectos de biología de estructuras.

CheckShift: verificación de referencia de desplazamiento químico en el Centro de Ingeniería Molecular Aplicada de la Universidad de Salzburgo, Austria. Funciona en archivos NMR-STAR 2.1, SHIFTX o TALOS.

[ocurrió un error al procesar esta directriz]

Software de validación de datos descargable

Binario de Linux LACS de 64 bits (requiere tiempo de ejecución de Matlab), código fuente de Matlab y envoltorios de Python. (Referencia: PubMed.)

Wattos es un paquete de software que consta de programas para analizar, anotar, analizar, archivar y difundir datos experimentales de RMN depositados por autores de todo el mundo en el PDB.


Los autores declaran que la investigación se llevó a cabo en ausencia de relaciones comerciales o financieras que pudieran interpretarse como un posible conflicto de intereses.

Este trabajo fue apoyado por la Fundación Nacional de Ciencias Naturales de China (NSFC 62075177) la Fundación de Ciencias Naturales de la Provincia de Shaanxi (2020JM-193, 2020JQ-324) la Fundación de Ciencias Postdoctorales de China (2017M610623) la Fundación Nacional de Ciencias Naturales de China (91750106), y el Fondo de Investigación del Laboratorio Estatal Clave de Óptica Transitoria y Fotónica.


El Centro de datos de espectrometría de masas del NIST, un grupo de la División de medición biomolecular (BMD), desarrolla bibliotecas espectrales de masas evaluadas y proporciona herramientas de software relacionadas. Estos productos están destinados a ayudar a la identificación de compuestos al proporcionar espectros de masas de referencia para GC / MS (por ionización electrónica) y LC-MS / MS (por espectrometría de masas en tándem), así como índices de retención de fase gaseosa para GC. El Centro está ubicado en el campus principal de NIST en Gaithersburg, MD.

Colaboramos con muchas entidades comerciales, gubernamentales y académicas en un esfuerzo por proporcionar productos de software y datos de referencia de alta calidad para espectrometristas de masas.

Este sitio describe y proporciona acceso a productos de datos espectrales de masas y actualizaciones de NIST. Hay una variedad de productos de datos disponibles, que incluyen bibliotecas de EI y MS en tándem (molécula pequeña y péptido), una colección de índice de retención de GC, así como ciertas bibliotecas espectrales especializadas y disponibles de forma gratuita. Las herramientas de análisis de datos disponibles de forma gratuita incluyen AMDIS (Sistema automatizado de identificación y deconvolución espectral de masas para GC / MS), MS Interpreter (para análisis de fragmentación) y Glyco Mass Calculator (para análisis de glicoformas).

NIST está desarrollando una biblioteca espectral de masas de péptidos como una extensión de la biblioteca espectral de masas NIST / EPA / NIH. El propósito de la biblioteca es proporcionar datos de referencia de péptidos para los laboratorios que emplean métodos proteómicos basados ​​en espectrometría de masas para el análisis de proteínas. Las bibliotecas de espectros de masas identifican estos compuestos de una manera más sensible y robusta que los métodos alternativos. Estas bases de datos están disponibles gratuitamente para probar y desarrollar nuevas aplicaciones.


Análisis FRET citométrico de flujo de interacciones proteicas

En las últimas décadas, la investigación de las interacciones proteína-proteína in situ en células vivas o intactas ha ganado una importancia cada vez mayor, ya que las relaciones estructura / función propuestas a partir de la bioquímica general y los experimentos de modelado molecular requerían confirmación a nivel celular. Los métodos basados ​​en transferencia de energía por resonancia (FRET) de Förster (fluorescencia) son herramientas excelentes para determinar la proximidad y la organización supramolecular de biomoléculas en la superficie celular o dentro de la célula. Esta podría ser la base de la creciente popularidad de FRET. De hecho, el número de publicaciones que explotan FRET se ha disparado desde el cambio de milenio. Curiosamente, la mayoría de las aplicaciones se basan en microscopios y solo una fracción emplea la citometría de flujo, a pesar de que esta última ofrece un gran poder estadístico debido al número potencialmente enorme de células medidas individualmente. Sin embargo, con la mayor disponibilidad de los citómetros de flujo multi-láser, las estrategias para obtener eficiencias absolutas de FRET ahora se pueden implementar con relativa facilidad. En este capítulo, pretendemos proporcionar protocolos de uso general para medir FRET en citometría de flujo. Después de una introducción teórica concisa, se proporcionan recetas para técnicas de etiquetado y enfoques de medición exitosos. Se describen la simple medición de nivel de población basada en extinción, la técnica radiométrica clásica basada en intensidad que proporciona eficiencias reales de FRET celda por celda, y una versión más avanzada de esta última, que permite la corrección de autofluorescencia celda por celda. También se proporciona una macro de Excel precargada con datos espectrales de los fluoróforos más utilizados para calcular fácilmente las eficiencias promedio de FRET. Finalmente, se dan puntos de precaución para ayudar a diseñar experimentos adecuados e interpretar críticamente los resultados.

Palabras clave: FCET Citometría de flujo Transferencia de energía de resonancia de fluorescencia Transferencia de energía de resonancia Förster Proximidad molecular Interacciones de proteínas.


Ver el vídeo: Ejercicios resueltos de Espectrofotometría (Mayo 2022).


Comentarios:

  1. Tantalus

    Está de acuerdo, una opinión bastante divertida

  2. Ulrich

    Felicito que simplemente fuiste visitado con la brillante idea

  3. Avichai

    ¿Serás capaz de encontrar rápidamente una frase así?

  4. Tygoshura

    exactamente en el objetivo :)



Escribe un mensaje