Dr. Guido Scarabelli ve Hongyang Li&#39;ye geliştirme süresince kapsamlı testlerin yanı sıra bu uygulamayı geliştiren geribildirim ve yorumlar için Bio3D kullanıcı topluluğu ve Bergen Üniversitesi Biyoinformatik yapım atölyesi katılımcılarına teşekkür ediyoruz.

NOT: Tipik bir Bio3D web oturumu beş ardışık ve bağımlı adımlarla ilerlemektedir (şematik bir gösterim için Şekil 1&#39;e bakınız). Her adım, web uygulamasının ardışık gezinme sekmesi, yani SEARCH, ALIGN, FIT, PCA ve eNMA olarak uygulanmaktadır. 1. Yapı Arama ve Seçme (SEARCH) <ol><li> Girdi yapısı <ol><li> Adenylat kinazın (Adk) PDB Kimliğini, örneğin PDB&#39;yi [http://www.rcsb.org/pdb] arayarak elde edin. Alternatif olarak, ilgi konusu protein amino asit sekansını, örneğin UniProt [http://uniprot.org] adresinden temin edebilirsiniz. </li><li> Adk için dört karakter uzunluğunda PDB kimliği girin ( örn., 1AKE) veya &quot;Giriş yapısı ya da sekans&quot; panelindeki metin kutusuna bir protein sekansı yapıştırın. </li></ol></li><li> Seçime bas <ol><li> İlk panelde mavi &quot;Sonraki&quot; (Hit seçimi) düğmesine tıklayın veya basitçe B) &quot;Hit seçme&quot; ye gidin.Daha fazla analiz için. </li><li> &quot;Dahil edilen yapıların toplam sayısını sınırla&quot; sürgüsünün tüm yapıların sınırın üst kısmına dahil edilebilmesi için maksimum değere ayarlandığından emin olun. </li><li> Daha uzakta ilgili isabetler eklemek için &quot;Dahil etme BitScore kesimini ayarla&quot; yı azaltın veya hariç tutmak için artırın. </li></ol></li><li> İsteğe bağlı vuruş filtreleme <ol><li> İlk panelde mavi &quot;Sonraki&quot; (Hit seçimi) butonuna tıklayın veya sadece panel C) &quot;Ayrıntılı analiz için ilgili yapıların isteğe bağlı filtreleme&quot; ne gidin. </li><li> Seçilen isabetlerin, örneğin PDB adı, türler ve bağlı ligandlar gibi tablonun ayrıntılarını inceleyerek ilgili yapıları temsil ettiğinden emin olun. </li><li> Tablonun satırlarını tıklayarak yapıların seçili alt kümesini manuel olarak rafine edin. NOT: Mavi bir renkle vurgulanan satırlar, sonraki sekmelerde daha ileri analiz için seçilen PDB kimliklerini gösterir. </li></ol></li></ol> 2. Çoklu Sıra Hizalama Analizi (ALIGN) <ol><li> SEARCH sekmesinden seçilen yapıların sıra hizalamasını yapmak için ALIGN (ALIGN) sekmesini tıklayın. </li><li> Hizalama özeti <ol><li> Panel A) &quot;Hizalama özeti&quot; &#39;ndaki hizalama özetini gözden geçirin. İlgi alanlarının bir veya daha fazla yapıdaki boşluklarla hizalandığını ve maskelenmediğinden emin olun. </li><li> Gerekirse, &quot;Ekran hizalama düzenleme seçenekleri&quot; ni değiştirin ve istenmeyen PDB kimliklerini ( örneğin eksik kalıntıları olan PDB&#39;ler) kaldırın. </li></ol></li><li> Sıra hizalama analizi <ol><li> Toplanan yapıların diziye dayalı kümeleme analizi yapmak için mavi &quot;Sonraki&quot; (Analiz) düğmesini tıklayın. </li><li> Arsa opsiyonu Dendrogram&#39;ı seçin. Yapıları k gruplarına bölmek için Kümeyi K gruplarına kaydırın. </li><li> İsteğe bağlı olarak Diğer kümeleme ve çıktı seçenekleri onay kutusunu değiştirerek kümeleme yöntemini değiştirin. </li></ol&gt; </li><li> Rezidü korunumu analizi <ol><li> Sütunu bilge kalıntı korumasını hesaplamak için mavi &quot;Sonraki&quot; (Koruma) düğmesini tıklayın. </li><li> Her hizalama konumunda kalıntı koruma konusunu oluşturmak için Hizalanmış yapı kümelerini seçin. </li><li> Ailenin temsili üyelerini içeren ilişkili PFAM tohumu hizalamasına göre hesaplanan korumayı göstermek için PFAM tohum hizalanması ile hizalanmış Yapılar seçin. </li></ol></li><li> Sıra hizalama ekranı <ol><li> Tarayıcı içi hizalama görselleştirme aracıyla tam sıra hizalamasını göstermek için mavi &quot;Sonraki&quot; (Hizalama) düğmesini tıklayın. </li></ol></li></ol> 3. Yapı Uyumu ve Analizi (FIT) <ol><li> FIT sekmesine girerek yapının üst üste binme işlemini gerçekleştirin. </li><li> Yapı üst üste binme <ol><li> Hizalanmış proteiyi görselleştirmek için &quot;Show PDBs&quot; onay kutusunu değiştirinN yapıları tarayıcıda. </li><li> Protein yapılarının görsel incelemelerle ilgili ve ilgili bölgelere eklendiğinden emin olun. Döndürmek için fareyi tıklatıp yapıların üzerine sürükleyin ve büyütmek için kaydırın. </li><li> Yapıların renklerini &quot;Renk seçenekleri&quot; ni tıklayarak ayarlayın. Renklendirme seçenekleri hizalama konumu, pozisyon başına yapısal değişkenlik, RMSD küme grupları, dizi küme grupları, hizalanmış bölgeler ve ikincil yapı içerir. </li><li> Örtüşen yapıları geleneksel PDB dosyaları olarak veya özel bir moleküler görüntüleyici programında görselleştirme için tek bir PyMOL oturum dosyası olarak indirin. </li></ol></li><li> Yapı analizi <ol><li> Toplanan PDB yapılarının yapı temelli kümeleme işlemini gerçekleştirmek için mavi &quot;Sonraki&quot; (Analiz) düğmesini tıklayın. </li><li> Plot seçenekleri açılır menüsündeki RMSD Heatmap&#39;ı açın veya kapatın. </li><li> Kümeleme yöntemlerini de dahil olmak üzere kümeleme seçeneklerini ayarlayın, &quot;Diğer kümeleme ve çıktı seçenekleri&quot; onay kutusunu değiştirerek. NOT: Çiftli RMSD verileri aynı zamanda bir dendrogram, histogram veya ısı haritası olarak da görülebilir. </li></ol></li><li> Kalıntı dalgalanmaları <ol><li> X-ekseni kenar bölgelerinde gösterilen başlıca ikincil yapı öğelerine sahip her artıkın (bir RMSF grafiği olarak gösterilir) yapısal değişkenliğini görüntülemek için mavi &quot;Sonraki&quot; (RMSF) düğmesini tıklayın. </li><li> Referans yapısının kristalografik B faktörlerini RMSF arsa üzerine bindirmek için B faktörlerini göster onay kutusunu açın veya değiştirin. </li></ol></li></ol> 4. Temel Bileşen Analizi (PCA) <ol><li> &quot;PCA&quot; sekmesine girerek temel bileşen analizi yapın. </li><li> Ana bileşenlerin görselleştirilmesi <ol><li> PC&#39;ler tarafından tarıflı görselleştirme aracı ile tanımlanan hareketleri görselleştirmek için &quot;Show PC Trajectory&quot; onay kutusunu açın veya değiştirin. </li><li> Emin olun &quot;PrinCipal Bileşen 1 &quot;ilk açılır menüden seçilir. </li><li> Diğer bilgisayarlar tarafından tanımlanan hareketleri görselleştirmek için, &quot;Ana Bileşeni Seç&quot; açılır menüsünden istediğiniz PC&#39;yi seçin. </li><li> Yörüngenin renk ayarını &quot;Renk seçenekleri&quot; açılır menüsünden değiştirin. </li><li> &quot;Renk seçenekleri&quot; nden yer değiştirme büyüklüğüne göre &quot;Konum başına değişkenlik&quot; seçin. </li><li> PC&#39;ler tarafından tanımlanan hareket yörüngesel bir görünümünü elde etmek için &quot;Ana Bileşen Görselleştirme&quot; panelindeki &quot;Download PDB yörüngesi&quot; düğmesini tıklayın. </li><li> İşlemleri bir vektör alanı olarak veren bir PyMOL oturum dosyası oluşturmak için &quot;Download PyMOL&quot; oturum dosyasını tıklayın. </li></ol></li><li> Konformer analizi <ol><li> Bireysel yapıları mavi &quot;Sonraki&quot; (Çizim) düğmesine basarak seçilen iki PC&#39;ye projelendirin. </li><li> &quot;X ekseni üzerinde PC&quot; 1&#39;e ayarlandığından ve &quot;PC oN Y ekseni &quot;değerine 2 getirin. Yapıları diğer bilgisayarlara yansıtmak için PC numaralarını buna göre ayarlayın. </li><li> PC tabanlı kümeleme ile arsa içindeki yapıları renklendirmek için &quot;PC Altuzay Kümesi&quot; ni seçin; &quot;RMSD&quot;, &quot;RMSD tabanlı&quot; kümeleme ile renklendirir; Ve &quot;Sıra&quot;, sıralı kümeleme ile renklendirir. </li><li> Yapıları etiketlemek için arsa içindeki herhangi bir noktayı tıklayın. Alternatif olarak, arsa altındaki &quot;PCA konformer çizimi açıklaması&quot; tablosundaki bir veya daha fazla yapı vurgulayın. </li><li> Kümeleme algoritması için daha fazla / daha az PC&#39;ye yer vermek için alt uzay kaydırıcısındaki PC&#39;leri kaydırın. </li></ol></li><li> Artık katkı payı <ol><li> Mavi &quot;Sonraki&quot; (Kalıntı katkıları) düğmesini tıklatarak kalıcı katkıları tek tek PC&#39;lere hesaplayın. </li><li> PC Numarasını &quot;Ana Bileşeni Seç&quot; metin kutusuna ekleyerek ek PC&#39;lerin katkılarını çizin. </li><li> &quot;Spread li&#39;yi açın veya kapatın.Onay kutusu, kalıntı katkılarının birbirinin üstüne çizilmesini önler. </li><li> Kalıntı katkılarını ayrı parseller halinde çizmek için &quot;Çok çizgili plot&quot; onay kutusunu kapatın. </li><li> RMSF değerlerini (FIT sekmesinden) eklemek için &quot;Show RMSF&quot; &#39;i açın veya kapatın. </li></ol></li></ol> 5. Topluluk Normal Mod Analizi (eNMA) <ol><li> Normal mod (NM) hesaplamasını başlatmak için eNMA sekmesini tıklayın. </li><li> Filtre yapısı <ol><li> Yapıların eklenmesi / hariç tutulması için &quot;Kesme&quot; değerini düşürerek veya arttırarak yapı sayısını ayarlayın. </li><li> NMA hesaplamasını başlatmak için yeşil &quot;Run Ensemble NMA&quot; ya tıklayın. </li></ol></li><li> Normal mod görüntüleme <ol><li> NM&#39;lerin görselleştirilmesi için eNMA sekmesinin ikinci paneline gidin (Normal Mod Görselleştirme). NOT: Varsayılan olarak, PC-1&#39;e en yüksek örtüşme (benzerlik) olan NM, görseldeAyar penceresi. </li><li> Diğer NM&#39;ler veya diğer PDB yapıları tarafından tanımlanan hareketleri görselleştirmek için, sırasıyla &quot;Seç Modu&quot; ve &quot; Yapı için NM&#39;leri göster &quot; açılır menülerinden istediğiniz NM&#39;yi ve yapıyı seçin. </li></ol></li><li> Kalıntı dalgalanmaları <ol><li> ENMA için seçilen yapıların kalıntı yönlü dalgalanmalarını hesaplamak için mavi &quot;Sonraki&quot; (Dalgalanmalar) düğmesine tıklayın. </li><li> RMSD tabanlı kümeleme ile dalgalanma profillerini renklendirmek için &quot;Cluster by RMSD&quot; seçeneğini açın. </li><li> RMSIP tabanlı kümeleme ile dalgalanma profillerini renklendirmek için &quot;Cluster by RMSIP&quot; seçeneğini açın veya kapatın. </li><li> Gruplanmış dalgalanma profillerini birbirinden ayrı olarak çizmek için &quot;Spread lines&quot; onay kutusunu açın veya değiştirin. </li></ol></li><li> NMA ve PCA&#39;nın karşılaştırılması <ol><li> Tekli NM&#39;ler ve PC&#39;ler arasındaki benzerliği hesaplamak için mavi &quot;Sonraki&quot; (PCA-VS-NMA) düğmesini tıklayın. </li><li> Bir P seçinDB Yapılandırmasının NM&#39;leri ile PCA sekmesinde hesaplanan PC&#39;ler arasındaki benzerliği hesaplamak için &quot;Yapıların NM&#39;lerini karşılaştır&quot; açılır menüsünden DB kimliği. </li></ol></li><li> Çakışan analiz <ol><li> Hesaplanmış NM&#39;ler ile seçilen iki yapı arasında yapısal fark vektörü arasındaki çakışmayı hesaplamak için mavi &quot;Sonraki&quot; (Çakışan analiz) düğmesini tıklayın. </li><li> &quot;Yapıların NM&#39;lerini karşılaştır&quot; açılır menüsünden bir &quot;referans&quot; PDB KIMLIĞI seçin ve referans PDB ile çift karşılaştırması için yapı tablosundaki bir veya daha fazla PDB kimliği seçin. </li></ol></li><li> Kümeleme analizi <ol><li> Çiftli NM benzeşmesine (RMSIP) dayalı yapı kümelemesi yapmak için mavi &quot; Sonraki&quot; (Kümeleme) düğmesini tıklayın. </li></ol></li></ol>

<ol>
	<li>Kornev, A. P., Taylor, S. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dynamics-Driven+Allostery+in+Protein+Kinases.">Dynamics-Driven Allostery in Protein Kinases.</a> Trends Biochem. Sci. 40 (11), 628-647 (2015).</li><li>Yao, X. -. Q., Grant, B. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Domain-opening+and+dynamic+coupling+in+the+&#945;-subunit+of+heterotrimeric+G+proteins.">Domain-opening and dynamic coupling in the &#945;-subunit of heterotrimeric G proteins.</a> Biophys. J. 105 (2), L08-L10 (2013).</li><li>Henzler-Wildman, K. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intrinsic+motions+along+an+enzymatic+reaction+trajectory.">Intrinsic motions along an enzymatic reaction trajectory.</a> Nature. 450 (7171), 838-844 (2007).</li><li>Boehr, D., Nussinov, R., Wright, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+role+of+dynamic+conformational+ensembles+in+biomolecular+recognition.">The role of dynamic conformational ensembles in biomolecular recognition.</a> Nat. Chem. Biol. 5 (11), 789-796 (2009).</li><li>Teilum, K., Olsen, J. G., Kragelund, B. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+aspects+of+protein+flexibility.">Functional aspects of protein flexibility.</a> Cell Mol Life Sci. 66 (14), 2231-2247 (2009).</li><li>Henzler-Wildman, K., Kern, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dynamic+personalities+of+proteins.">Dynamic personalities of proteins.</a> Nature. 450 (7172), 964-972 (2007).</li><li>Grant, B. J., Gorfe, A. A., McCammon, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Large+conformational+changes+in+proteins:+signaling+and+other+functions.">Large conformational changes in proteins: signaling and other functions.</a> Curr. Opin. Struct. Biol. 20 (2), 142-147 (2010).</li><li>Grant, B. J., Rodrigues, A. P. C., ElSawy, K. M., McCammon, J. A., Caves, L. S. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Bio3d:+an+R+package+for+the+comparative+analysis+of+protein+structures.">Bio3d: an R package for the comparative analysis of protein structures.</a> Bioinformatics. 22 (21), 2695-2696 (2006).</li><li>Bakan, A., Meireles, L. M., Bahar, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=ProDy:+protein+dynamics+inferred+from+theory+and+experiments.">ProDy: protein dynamics inferred from theory and experiments.</a> Bioinformatics. 27 (11), 1575-1577 (2011).</li><li>Zimmermann, M. T., Kloczkowski, A., Jernigan, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MAVENs:+motion+analysis+and+visualization+of+elastic+networks+and+structural+ensembles.">MAVENs: motion analysis and visualization of elastic networks and structural ensembles.</a> BMC Bioinformatics. 12 (1), 264 (2011).</li><li>Yang, L. -. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=oGNM:+online+computation+of+structural+dynamics+using+the+Gaussian+Network+Model.">oGNM: online computation of structural dynamics using the Gaussian Network Model.</a> Nucleic Acids Res. 34, 24-31 (2006).</li><li>Suhre, K., Sanejouand, Y. -. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=ElNemo:+a+normal+mode+web+server+for+protein+movement+analysis+and+the+generation+of+templates+for+molecular+replacement.">ElNemo: a normal mode web server for protein movement analysis and the generation of templates for molecular replacement.</a> Nucleic Acids Res. 32, W610-W614 (2004).</li><li>Tiwari, S. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=WEBnm@+v2.0:+Web+server+and+services+for+comparing+protein+flexibility.">WEBnm@ v2.0: Web server and services for comparing protein flexibility.</a> BMC Bioinformatics. 15 (1), 427 (2014).</li><li>Hrabe, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=PDBFlex:+exploring+flexibility+in+protein+structures.">PDBFlex: exploring flexibility in protein structures.</a> Nucleic Acids Res. 44, D423-D428 (2016).</li><li>Skj&#230;rven, L., Jariwala, S., Yao, X. -. Q., Grant, B. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Online+interactive+analysis+of+protein+structure+ensembles+with+Bio3D-web.">Online interactive analysis of protein structure ensembles with Bio3D-web.</a> Bioinformatics. , (2016).</li><li>Skj&#230;rven, L., Yao, X., Scarabelli, G., Grant, B. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Integrating+protein+structural+dynamics+and+evolutionary+analysis+with+Bio3D.">Integrating protein structural dynamics and evolutionary analysis with Bio3D.</a> BMC Bioinformatics. 15 (399), 1-11 (2014).</li><li>Eddy, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Accelerated+Profile+HMM+Searches.">Accelerated Profile HMM Searches.</a> PLoS Comput. Biol. 7 (10), (2011).</li><li>Edgar, R. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MUSCLE:+multiple+sequence+alignment+with+high+accuracy+and+high+throughput.">MUSCLE: multiple sequence alignment with high accuracy and high throughput.</a> Nucleic Acids Res. 32 (5), 1792-1797 (2004).</li><li>Berman, H. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Protein+Data+Bank.">The Protein Data Bank.</a> Nucleic Acids Res. 28 (1), 235-242 (2000).</li><li>Finn, R. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pfam:+the+protein+families+database.">Pfam: the protein families database.</a> Nucleic Acids Res. 42, D222-D230 (2014).</li><li>Kerns, S. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+energy+landscape+of+adenylate+kinase+during+catalysis.">The energy landscape of adenylate kinase during catalysis.</a> Nat. Struct. Mol. Biol. 22 (2), 124-131 (2015).</li></ol>

Yazarlar rakip mali çıkarlarının olmadığını beyan ettiler.

Bio3D-web mevcut kristalografik yapılardan proteinlerin yapısal, dinamik ve fonksiyonel durumlarını interaktif olarak keşfetmek ve haritalamak için kullanılabilir. Ayrıca, NMA ve PCA tabanlı kümeleme sonuçları, ek açıklamalar ve dizi temelli analiz ile birlikte, topluluk küçük molekül yerleştirme veya moleküler dinamik simülasyonları gibi daha zaman alan analizler için temsili yapıları seçmek için özellikle yararlı olabilir. Bio3D-web, gerekli teknik uzmanlık seviyesini azaltarak daha geniş bir araştırmacı aralığı için gelişmiş yapısal biyoenformatik analizini kolaylaştırır. Bio3D-web&#39;in mevcut tasarımı, bağımsız bağımsız Bio3D paketinde bulunan birçok analiz yönteminin kapsamlı bir şekilde dahil edilmesindeki basitliği vurgular. Çoğu durumda, araştırmacıların, daha özel analizleri bildirebilecekleri, protein ailesindeki veya aile üstü sü- rümündeki genel eğilimleri anlamak için Bio3D-web&#39;i kullanmaları öngörülmektedir. Bio3D-webBiyomoleküler yapı veri setlerini hızla keşfetmek ve hipotez üreten bir araç olarak hareket etmek için tasarlanmıştır. Kullanıcıları, tüm sorgu ayrıntılarını ve analiz sonuçlarını da saklayan yeniden üretilebilir raporda örnek Bio3D kodu sağlayarak verilerini daha ayrıntılı araştırmaya teşvik ediyoruz. Yukarıdaki temsili örnek protokolde, Bio3D-web&#39;in Adk&#39;ın fonksiyonel konformasyonel geçişlerinin yapısal özelliklerini ortaya koyma kabiliyetini gösteriyoruz. Bio3D-web&#39;in ek uygulamaları, kullanıcı tarafından yüklenen PDB yapılarının yapısal ve dinamik analizini içerir. Örneğin, kullanıcı analiz için yeni yapılar veya gerçekten protein dizileri yükleyebilir. Daha önce bahsedilen analiz adımları, özellikle de eNMA basamağı, protein hareketi içindeki hem yerel hem de küresel eğilimleri ortaya çıkarabilir, toplu hareketler fonksiyonel öneme sahiptir. Apo yapılarıyla karşılaştırma, bağlı olmayan konformasyonel geçişlere ait özellikleri de ortaya çıkarabilir. Için uygulama için ek örneklerBir dizi farklı protein ailesi çevrimiçi olarak sağlanmaktadır. Tüm proteinler esnek ve dinamik varlıklar olmasına rağmen, tüm proteinlerin bir dizi farklı durumda ( örneğin, aktif ve aktif olmayan durumlar) mevcut olan atomik çözünürlük yapıları yoktur. Protein yapı alanı konusundaki görüşümüz sınırlıdır ve dolayısıyla Bio3D-web gibi araçlardan elde edilen bilgiler belirli proteinler için de sınırlıdır. Bununla birlikte, mevcut teknolojik ilerlemeler ve yapısal genomik için yeni girişimler ile burada sunulan protokol, önemli yapısal-işlev ilişkileri hakkında fikir edinmek için giderek daha önemli bir rota haline gelecektir. Daha uzakta bulunan ilgili proteinleri analiz ederken özellikle önemli olan kritik bir adım ALIGN sekmesindeki hizalama hatalarının ortaya çıkmasıdır. Sıralama benzerlikleri% 30&#39;un altına düştüğünde hizalama hataları kaçınılmaz olarak ortaya çıkacak ve kullanıcı bu gibi durumlarda sıralı hizalamayı iki kez kontrol etmeli ve düzeltmelidirALIGN sekmesinde. Hizalama hataları, muhtemelen FIT sekmesindeki hatalı üst üste binmiş yapılarla sonuçlanır ve sonraki PCA için en uygun konformasyonel varyasyonları maskeleyebilir. Buna ek olarak, kullanıcı geçerli uygulanmış olduğu gibi seçilen PDB yapılarında eksik kalıntılardan haberdar olmalıdır. PCA yalnızca tüm yapıların karşılık gelen karbon alfa atomu çözülmüş olan protein kalıntıları üzerinde gerçekleştirilebilir. Sonuç olarak, seçilen bir PDB, proteinin belirli bir bölgesi için çözülmemiş artıkları varsa, bu bölge PCA&#39;dan çıkarılacaktır. Bio3D-web halihazırda tek zincirli PDB yapılarının analizi ile sınırlıdır. Sonuç olarak, kuaterner düzeyde meydana gelen işlevsel hareketler, mevcut protokol kullanılarak araştırılamaz. Bu tür analizleri Bio3D-web&#39;e eklemek için şu anda yeni algoritmalar geliştiriyoruz, ancak tek geçerli seçenek geleneksel Bio3D kullanımı içindir. Bio3D-web, yalnızca çevrimiçi başvuru kaynağıdırYapı kümelerini sorgulayıp tanımlamayı, dizi ve yapısal değişkenlik modellerini yorumlamayı ve yapısal esnekliğin hem analizinden hem de öngörülmesinden mekanistik bilgi çıkarmasını mümkün kılar. Geniş bir moleküler görselleştirme araçları ve çevrimiçi sunucular, araştırmacıların bireysel biyomoleküler yapıları keşfetmelerini ve analiz etmelerini sağlar. Bununla birlikte, büyük heterojen protein ailelerinin dizilimini, yapısını ve dinamiklerini analiz etmek için mevcut araçlar genellikle önemli hesaplama uzmanlığı gerektirir ve yalnızca ilgili programlama becerilerine sahip kullanıcılar tarafından erişilebilir olmaya devam eder. Örneğin, Bio3D paketi R 8 gerektirir, ProDy python gerektirir ve Maven Matlab bilgisi 9 , 10 gerektirir. Buna karşılık Bio3D-web programlama bilgisi gerektirmez ve böylece erişilebilirliği arttırır ve gelişmiş karşılaştırmalı dizi, yapı ve dy&#39;yi gerçekleştirmek için giriş engelini azaltırAd analizleri. Ayrıca, verimli analiz için sıklıkla gerekli olan moleküler yapıların hazırlanması, küratörlüğü, açıklaması ve temizlenmesi Bio3D web servisine dahildir. Ayrıca, yetenekli hesaplama kaynakları üzerinde böyle bir analiz gerçekleştirme kısıtlaması, herhangi bir modern web tarayıcısından başlatılabilen ve kontrol edilebilen birçok yapıların geniş ölçekli analizini sağlayan sunucu örneğimiz tarafından hafifletilir. Bio3D-web&#39;in açık geliştirme süreci devam etmektedir (bkz. Https://bitbucket.org/Grantlab/bio3d). Yeni analiz işlevleri eklemeye ve mevcut yöntemleri geliştirmeye devam ediyoruz. Gelecekteki gelişme, mesafe matrisi tabanlı PCA ve burulma PCA, filogenetik bir bileşen, topluluk bağlama bölgesi tanımlama ve protein aileleri arasında dinamik ağ analizi için yeni yaklaşımlar içeren daha kapsamlı dizi koruma yaklaşımlarının eklenmesine odaklanacaktır. Bu bağlamda, mevcut web uygulaması, başlangıç ​​poini temsil ederKullanıcı tanımlı deneysel yapı setleri üzerinde tekrarlanabilir ve paylaşılabilir adımlar atarak diğer birçok işbirliğine dayalı yapısal biyoinformatik analiz akışları. Ayrıca PDB yapılarının asimetrik birimi içerisindeki bireysel ve çoklu zincirlerin yanı sıra yeniden yapılandırılmış biyolojik birim koordinat setlerinin gelecekte desteklenmesini planlıyoruz. Ek özellikler arasında, geri alma olasılığı ile birlikte, ortak çalışma alanlarının daha iyi kaydedilmesi ve yüklenmesi yer alıyor. Bio3D-web, biyomoleküler yapı verilerinin etkileşimli analizi için çevrimiçi bir uygulamadır. Bio3D-web, herhangi bir modern web tarayıcısında çalışır ve aşağıdakiler için işlevsellik sağlar: (1) İlgili protein yapısının belirlenmesi, kullanıcıya belirtilen benzerlik eşiklerine ayarlanır; (2) Çoklu hizalama ve yapı üst üste binme; (3) Dizinin ve yapıların korunum analizi; (4) Ana bileşen analizi ile inter-konformer ilişki haritalaması ve (5) tahmin edilen iç dinamiklerin topluluk vasıtasıyla karşılaştırılması,Mal mod analizi. Bu entegre işlevsellik, protein aileleri ve süper aileler arasındaki sekans yapısı-dinamik ilişkilerin araştırılması için eksiksiz bir iş akışı sağlar. Bio3D-web, parametre ve yöntem seçeneklerinin etkilerini keşfetmek için kullanımı kolay bir dinamik arayüze ek olarak kullanıcının oturumu ve sonraki oturumun grafik sonuçlarını da kaydeder. Bu, kullanıcıların sonuçlarını oluşturan analiz adımlarının dizisini kolayca paylaşmasına ve çoğaltmasına olanak tanır. Bio3D-web tamamen R dilinde uygulanmaktadır ve Bio3D ve Shiny R paketlerine dayanmaktadır. Online sunucudan çalıştırılabilir veya yerel olarak R çalıştıran herhangi bir bilgisayara yüklenebilir. Bu, ilaç endüstrisinde yaygın olanlar gibi öncelikli yapısal veri setlerine erişimi olan özelleştirilmiş bir çoklu kullanıcı örneğini sağlamak için yerel sunucu kurulumunu içerir. Http://thegrantlab.org adresinden bir GPL-3 açık kaynak lisansıyla tam kaynak kodu ve geniş kapsamlı belgeler sağlanmaktadır./ Bio3d / webapps

Protein veri bankası (PDB) şu anda 120.000&#39;den fazla protein yapısı içeriyor - bunların çoğu aynı protein ailesindendir ancak farklı deney koşulları altında çözülmüştür. Bu çoklu yapılar protein formunun ve işlevinin karmaşıklığını anlamak için paha biçilemez bir kaynaktır. Örneğin, bu yapı topluluklarının titiz karşılaştırması, önemli moleküler mekanizmalar 1 , 2 , 3&#39;ü açığa çıkarabilir ve ligand bağlama, enzimatik kataliz ve bi-moleküler tanıma 4 , 5 , 6 , 7 dahil süreçlerle ilgili konformasyonal dinamikler hakkında bilgi verebilir. Yeni görüşler, sıklıkla protein ailelerinin dizilişinin, yapısının ve dinamiklerinin ayrıntılı geniş ölçekli analizinden elde edilebilir. Bununla birlikte, bu genellikle büyük bioinf gerektirirOrmatik ve bilgisayar programlama uzmanlığı ile birlikte çalışılan protein sistemleri ile aşinalık. Örneğin, Bio3D, ProDy ve Maven gibi yazılım paketleri sırasıyla 8 , 9 , 10 numaralı R, python ve Matlab programlamalarını gerektirir. Tersine, yapısal esneklik analizi için çevrimiçi araçlar genellikle bireysel yapılar 11 soruşturma, 12 ile sınırlıdır. Bu bağlamda bir istisna, yakın geçmişte geliştirilmiş WebNM @ sunucusudur ve önceden belirlenmiş birkaç kullanıcı tarafından belirlenen yapıların normal mod analizi (NMA) &#39;ndan elde edilen esneklik kalıplarının karşılaştırılmasına izin verir 13 . Bununla birlikte, bu sunucu, karşılaştırma için yapıların tanımlanması için otomatik bir prosedürden yoksundur, bunların hizalanması veya NMA&#39;nın ötesinde analizi. Yakın bir diğer katkı, çevrimiçi PDBFlex veritabanında ön-c% 95 veya daha fazla dizi kimliği paylaşan PDB yapılarının omputed analizi 14 . Bununla birlikte, daha çeşitli yapı kümelerinin analizi şu anda mevcut değildir. Daha önce Bio3D-web sunmuşlardır - kolay bir protein dizi-yapı-dinamik ilişkiler 15 analizi için web uygulaması kullanmak. Bio3D-web, büyük homolog yapı gruplarının çevrimiçi tanımlanması, karşılaştırılması ve detaylı analizi için kullanımı kolay entegre işlevsellik sağlamada benzersizdir. Burada, Bio3D-web kullanılarak protein dizisi-yapısal-dinamik ilişkisinin çevrimiçi incelenmesi için ayrıntılı bir protokol sunmaktayız. Bio3D-web, Şekil 1&#39;de gösterilen ve aşağıda detaylı olarak tartışılan beş büyük veri analiz aşamasını desteklemek için çeşitli işlevler sunmaktadır. Bu adımlar, sorgu diziliminden veya yapı girdisinden, çoklu düzey dizisi yapısı-dinamik çözümlemeden, özet akışına kadar uzanan bir iş akışı oluştururRapor oluşturma. Sonuçlar, kapsamlı tarayıcı içi görselleştirme ve çizim cihazlarıyla yanı sıra, yaygın olarak kullanılan formatlarda sonuç dosyalarını indirerek kullanılabilir. Bio3D-web, parametre ve yöntem seçeneklerinin etkilerini keşfetmek için kullanışlı bir dinamik arayüze ek olarak kullanıcı oturumunun tamamındaki kullanıcı girişini ve sonraki grafik sonuçlarını, PDF, DOC ve HTML formatlarında paylaşılabilir bir tekrarlanabilir rapor olarak kaydeder. Kullanıcı oturumları gelecek zamanlarda kaydedilebilir ve yeniden yüklenebilir ve sonuçların indirilmesi ve bir kullanıcının yerel makinesinde Bio3D R paketi tarafından daha fazla yorumlanması sağlanabilir. Bio3D-web, biyomoleküler yapı, sekans ve moleküler simülasyon verilerini analiz etmek için Bio3D R paketiyle güçlendirilmiştir 8 , 16 . Özellikle, katı-çekirdek tanımlama için Bio3D algoritmaları 8 , süperpozisyon, ana bileşen analizi(PCA) 8 ve topluluk normal mod analizi (eNMA) 16 uygulaması temelini oluşturmaktadır. Ayrıca çoklu dizi hizalama için ilgili protein yapılarının tanımlanması ve kas 18 için pHMMER 17 bağlıdır Bio3D protokollerini kullanmaktadır. Yapı ve sekans açıklamaları, RCSB PDB 19 ve PFAM veritabanlarından 20 Bio3D araçları kullanılarak türetilir. Bio3D-web çevrimiçi sunucumuzdan çalıştırılabilir veya yerel olarak R çalıştıran herhangi bir bilgisayara yüklenebilir. Bio3D-web tüm kullanıcılara açıktır ve http: // thegrantlab adresinden bir GPL-3 açık kaynak lisansıyla ücretsiz olarak sağlanır. org / bio3d / webapps

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Bio3D-web</td>
			<td></td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Web-site</td>
			<td>http://thegrantlab.org/bio3d-web/</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Requirements</td>
			<td>Web browser</td>
			<td></td>
			<td></td>
		</tr>
	</tbody>
</table>

investigating protein sequence-structure-dynamics relationships with bio3d-web

Biyomoleküler yapı verilerinin etkileşimli analizi için Bio3D-web kullanımını gösteriyoruz. Bio3D-web uygulaması, aşağıdakiler için çevrimiçi işlevsellik sağlar: (1) İlgili protein yapısının belirlenmesi, kullanıcıya belirtilen benzerlik eşiklerine ayarlanır; (2) Çoklu hizalama ve yapı üst üste binme; (3) Dizinin ve yapıların korunum analizi; (4) Temel bileşen analizi ile inter-konformer ilişki haritalama ve (5) topluluk normal mod analizi yoluyla öngörülen iç dinamiklerin karşılaştırılması. Bu entegre işlevsellik, protein aileleri ve süper aileler arasındaki sekans yapısı-dinamik ilişkileri araştırmak için eksiksiz bir çevrimiçi iş akışı sağlar.

Adenilat kinaz (Adk), birçok hücre prosesi için gerekli olan sitoplazmik nükleotidler arasındaki dengesini korumak için işlev gören her yerde bulunan bir enzimdir. Adk, bir fosforil grubunun ATP&#39;den AMP&#39;ye reversibl transferini katalize ederek çalışır. Bu reaksiyona, iyi çalışılan hız sınırlayıcı konformasyonel geçişler 3 , 21 eşlik eder. Burada, bu önemli geçişlerin detaylı özelliklerini ve mekanik ilkelerini ortaya çıkarmak için halihazırda mevcut olan tüm Adk yapılarını Bio3D web ile analiz ederiz. Bilinen herhangi bir Adk yapısının RCSB PDB kodunu girerek Adk Bio3D-web analizimize başlayabiliriz. Örneğin, SEARCH sekmesinin A paneline PDB ID 1AKE girildiğinde, üst 26&#39;nın daha ileri analiz için otomatik olarak seçildiği 167 dizi benzer yapılar döndürülür (bkz. Panel B). Ek açıklama mevcutC panelinde, bu seçilmiş yapıların hepsinin E. coli&#39;den geldiğini ve bir dizi uzay grubu içinde x-ışını kırınımı ile çözüldüğünü belirtir; 1.63 ila 2.8 Â çözünürlük aralığına sahiptir ve bir dizi farklı ligand (ligandlar, AMP, ADP, MG ve inhibitör AP5 dahil olmak üzere) ile birlikte kristalleştirilmiştir. Ek açıklama ayrıntılarının, panel C&#39;deki &quot;Sütunları Göster / Gizle&quot; seçeneğini tıklayarak görüntülenebileceğini unutmayın. ALIGN sekmesine girdikten sonra çoklu dizi hizalaması yapılır. ALIGN sekmesinin ilk paneli, sıralama satırlarının sayısı (PDB yapılarının sayısıyla eşdeğer) ve konumların sayısı ( yani hizalama sütunları) hakkında bilgi sağlayan hizalama özetini görüntüler. Bu boşluk ve boşluk içermeyen sütunların sayısının bir tanımlamasını içerir. İlk satırın sağ tarafındaki şekil, dizi hizalamasını şematik olarak gösterir. Işte thE gri alanlar boşluk olmayan konumları temsil ederken, hizalardaki beyaz alanlar boşluklara karşılık gelir. Sekans koruma konusunun bir gösterimi, iyi korunmuş konumları belirten kırmızı alanlarla hizalama üzerinde gösterilir ve beyaz daha az korunmuş gösterir. Bu şekildeki dizilerin, sol taraftaki kümeleme dendrogramı tarafından sağlanan benzerliklerine dayanarak sıralandığını unutmayın. Bu sekmenin ikinci paneli, seçilen PDB&#39;lerin çift-durum sırası benzerliklerine dayalı olarak kümelenmesini kolaylaştırır ve bunlar bir dendrogram veya ısı haritası olarak görülebilir. Varsayılan olarak, kümelerin düzenini temsil eden bir dendrogram (veya ağaç şeması) gösterilir. Dendrogramın y ekseni, kümeler arasındaki mesafeyi (dizi kimliği açısından) temsil eder. Yapı üst üste binme, FIT sekmesine girdikten sonra otomatik olarak gerçekleştirilir. Panel A&#39;da etkileşimli olarak görüntülenen üst üste binmiş yapılar, indica(1-29, 68-117 ve 161-214 tortularını kapsayan nispeten katı bir çekirdek bölgesinin varlığı; ayrıntılar için FIT sekmesinin altındaki &#39;opsiyonel çekirdek ve RMSD ayrıntıları&#39; paneline bakın). İki değişken nükleotid bağlayıcı bölge (kalıntılar 30-67 ve 118-167) de açıkça görülmektedir ( Şekil 2 ). RMSD tabanlı kümeleme bu yapıları iki ayrı düzenle gruplar. PCA sekmesine tıklamak, ilgili yapılardaki bağlı nükleotid türleri üzerinde etkili bir şekilde kapanan bu bölgelerin yer değiştirmeleri açısından yapılar arasındaki ilişkiyi daha net bir şekilde gösterir ( Şekil 2B ve 2C ). Yapıların çoğunluğu &#39;kapalı&#39; formdadır ( Şekil 2C&#39;de mavi) ve bağlı bir ligand veya inhibitör ile bağlantılıdır. Buna karşılık daha &#39;açık&#39; konformasyonlar nükleotid ve inhibitör içermez. Bu tutarlıdırAdk yapısı ve dinamikleriyle ilgili kapsamlı araştırma grubu, nükleotid bağlanması için bu bölgelerin açık bir konfigürasyonunun gerekli olduğunu ve etkili fosforil transferi ve zararlı hidroliz olaylarının bastırılması için kapalı bir konformasyonun gerekli olduğunu belirtir. Tek bir PC&#39;nin bu Adk yapısındaki toplam ortalama karesi yer değiştirmesinin% 97&#39;sini yakalaması dikkat çekicidir ve bu işlevsel yerinden çıkmaya tek tek kalıntı katkıları ile birlikte kapalıdan açık geçişin net ve çekici bir açıklaması sağlar (uygulamanın C paneline) Ve Şekil 2 ). NMA sekmesini ziyaret etmek ve hesaplama için düşünülen yapıların sayısını arttırmak (benzer yapıların filtrelenmesine yönelik kesintiyi azaltmak yoluyla), açık yapıdaki yapıların kapalı form yapılarına kıyasla gelişmiş yerel ve global dinamikleri gösterdiğini gösterir (Uygulamanın Şekil 2D ve C panelinde) . Için PCA ve NMA sonuçlarını karşılaştırmaBireysel yapılar (panel D) tüm açık form yapılarının ilk modunun PC1&#39;e nispeten yüksek örtüşme sergilediğini (ortalama değeri 0.37 ± 0.04) gösterir. Bunun aksine, kapalı form yapıları daha düşük değerler (ortalama 0.30 ± 0.01) gösterir. Açık form yapıları için RMSIP değerleri (0.62 ± 0.003) kapalı yapıdakilere (0.56 ± 0.008) göre daha yüksektir. Buna ek olarak, örtüşme analizi, açık durumun ilk modlarının açık ve kapalı durumların farkını açıklayan konformasyonal değişimle (panel E) iyi bir uyum içinde olduğunu göstermektedir. RMSIP değerlerine dayalı kümeleme, yine açık ve kapalı durum yapılarının tutarlı bir şekilde bölünmesini görüntüler (panel F). Topluca bu sonuçlar, Adk için iki büyük konformasyonel durumun varlığına işaret etmektedir. Bunlar, farklı esneklik gösteren iki nükleotid bağlama bölgesi bölgelerinin kolektif bir düşük frekanslı yer değiştirmesi ile farklılık gösterirlerNükleotid bağlama üzerine. <img alt="Şekil 1" src="/files/ftp_upload/55640/55640fig1.jpg" /> Şekil 1: PCA ve NMA sekmelerinin ekran görüntüleriyle Bio3D-web&#39;e genel bakış. Bio3D-web, kullanıcı tarafından sağlanan protein yapısı veya sekansı SEARCH sekmesindeki girdi olarak alır ( 1 ). Sunucu, daha ayrıntılı analiz için seçilebilecek ilgili yapıların bir listesini sağlar. ( 2 ) ALIGN sekmesi SEARCH sekmesinde seçilen yapıların dizilim hizalamasını ve analizini sağlar. ( 3 ) FIT sekmesinde, tüm yapılar, geleneksel çift-bilge yapı analizi sonuçları ile birlikte üç boyutlu olarak görüntülenir ve görselleştirilir. ( 4 ) Yapısal kümenin temel bileşen analizi PCA sekmesinde birbirleriyle uyumlu ilişkileri karakterize etmek için yapılır. ( 5 ) Her yapı üzerinde normal mod analizi, eNMA sekmesinde gerçekleştirilebilirMevcut yapısal devletler için dinamik eğilimleri keşfetmek. <a href="https://ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55640/55640fig1large.jpg" target="_blank">Bu rakamın daha büyük bir versiyonunu görmek için lütfen tıklayınız.</a> <img alt="şekil 2" src="/files/ftp_upload/55640/55640fig2.jpg" /> Şekil 2: Adenylat kinazın Bio3D-web analizinin sonuçları. ( A ) Tanımlanmış değişmez çekirdek üzerine konan adenilat kinazın mevcut PDB yapıları. Yapılar, FIT sekmesinde sağlanan RMSD tabanlı kümelenmeye göre renklendirilir. ( B ) Temel bileşenlerin görselleştirilmesi, veri setindeki temel konformasyonel çeşitlemeleri karakterize etmek için PCA sekmesinden edinilebilir. Burada, birinci ana bileşene karşılık gelen yörünge, proteinin geniş ölçekli kapanış hareketini gösteren tüp görünümünde gösterilir. ( C ) Yapılar prKonformasyonel değişkenliğin düşük boyutlu bir temsilini gösteren bir konformer çizimde iki ana ilke bileşenine atıldı. Her nokta (veya yapı) kullanıcı tarafından belirlenen ölçütlere göre renklendirilir, bu durumda PCA tabanlı kümeleme sonuçları. ( D ) eNMA sekmesindeki Normal mod analizi, açık haldeki yapılar için (kırmızı) kapalı form (mavi) yapılarla karşılaştırıldığında geliştirilmiş yerel ve global dinamikleri göstermektedir. <a href="https://ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55640/55640fig2large.jpg" target="_blank">Bu rakamın daha büyük bir versiyonunu görmek için lütfen tıklayınız.</a>

Watch this Scientific Journal Video about Investigating Protein Sequence-structure-dynamics Relationships with Bio3D-web at JoVE.com

Investigating Protein Sequence-structure-dynamics Relationships with Bio3D-web

Bio3D-web kullanılarak protein dizisi-yapı-dinamikleri ilişkilerinin çevrimiçi incelenmesi için bir protokol sunulmuştur.

Bio3D-web ile Protein Dizisi-yapı-dinamikleri İlişkilerinin İncelenmesi

We demonstrate the usage of Bio3D-web for the interactive analysis of biomolecular structure data. The Bio3D-web application provides online functionality ...

investigating-protein-sequence-structure-dynamics-relationships-with

Research

JoVE Journal

Biochemistry

15.3K Görüntüleme.  University of Michigan Medical School.  Bio3D-web kullanılarak protein dizisi-yapı-dinamikleri ilişkilerinin çevrimiçi incelenmesi için bir protokol sunulmuştur. 

Video: Investigating Protein Sequence-structure-dynamics Relationships with Bio3D-web

Synthesis of 1,2-Azaborines and the Preparation of Their Protein Complexes with T4 Lysozyme Mutants

We describe a general synthesis of 1,2-azaborines using standard air-free techniques and protein complex preparation with T4 lysozyme mutants by vapor diffusion. Oxygen- and moisture-sensitive compounds are prepared and isolated under an inert atmosphere (N2) using either a vacuum gas manifold or a glove box. As an example of azaborine synthesis, we demonstrate the synthesis and purification of the volatile N-H-B-ethyl-1,2-azaborine by a five-step sequence involving distillation and column chromatography for the isolation of products. T4 lysozyme mutants L99A and L99A/M102Q are expressed with Escherichia coli RR1 strain. Standard protocols for chemical cell lysis followed by purification using carboxymethyl ion exchange column affords protein of sufficiently high purity for crystallization. Protein crystallization is performed in various concentrations of precipitant at different pH ranges using the hanging drop vapor diffusion method. Complex preparation with the small molecules is carried out by vapor diffusion method under an inert atmosphere. X-ray diffraction analysis of the crystal complex provides unambiguous structural evidence of binding interactions between the protein binding site and 1,2-azaborines.

A protocol for the synthesis of 1,2-azaborines and the preparation of their protein complexes with T4 lysozyme mutants is presented.

1,2-Azaborines Sentezi ve T4 Lizozim Mutants ile Bunların Protein Kompleksleri hazırlanması

We describe a general synthesis of 1,2-azaborines using standard air-free techniques and protein complex preparation with T4 lysozyme mutants by vapor ...

Biyokimya

Assaying Protein Kinase Activity with Radiolabeled ATP

Protein kinases are able to govern large-scale cellular changes in response to complex arrays of stimuli, and much effort has been directed at uncovering allosteric details of their regulation. Kinases comprise signaling networks whose defects are often hallmarks of multiple forms of cancer and related diseases, making an assay platform amenable to manipulation of upstream regulatory factors and validation of reaction requirements critical in the search for improved therapeutics. Here, we describe a basic kinase assay that can be easily adapted to suit specific experimental questions including but not limited to testing the effects of biochemical and pharmacological agents, genetic manipulations such as mutation and deletion, as well as cell culture conditions and treatments to probe cell signaling mechanisms. This assay utilizes radiolabeled [&#947;-32P] ATP, which allows for quantitative comparisons and clear visualization of results, and can be modified for use with immunoprecipitated or recombinant kinase, specific or typified substrates, all over a wide range of reaction conditions.

Protein kinases are highly evolved signaling enzymes and scaffolds that are critical for inter- and intracellular signal transduction. We present a protocol for measuring kinase activity through the use of radiolabeled adenosine triphosphate ([&#947;-32P] ATP), a reliable method to aid in elucidation of cellular signaling regulation.

Protein Kinaz Aktivitesini Radyoaktif Etiketli ATP ile Tahlil

Protein kinases are able to govern large-scale cellular changes in response to complex arrays of stimuli, and much effort has been directed at uncovering ...

Growing Protein Crystals with Distinct Dimensions Using Automated Crystallization Coupled with In Situ Dynamic Light Scattering

The automated crystallization device is a patented technique1 especially developed for monitoring protein crystallization experiments with the aim to precisely maneuver the nucleation and crystal growth towards desired sizes of protein crystals. The controlled crystallization is based on sample investigation with in situ Dynamic Light Scattering (DLS) while all visual changes in the droplet are monitored online with the help of a microscope coupled to a CCD camera, thus enabling a full investigation of the protein droplet during all stages of crystallization. The use of in situ DLS measurements throughout the entire experiment allows a precise identification of the highly supersaturated protein solution transitioning to a new phase &#8211; the formation of crystal nuclei. By identifying the protein nucleation stage, the crystallization can be optimized from large protein crystals to the production of protein microcrystals. The experimental protocol shows an interactive crystallization approach based on precise automated steps such as precipitant addition, water evaporation for inducing high supersaturation, and sample dilution for slowing induced homogeneous nucleation or reversing phase transitions.

Growing Protein Crystals with Distinct Dimensions Using Automated Crystallization Coupled with In Situ Dynamic Light Scattering

Here we present a protocol for controlled production of protein microcrystals. The process uses an automated device allowing controlled manipulation of several crystallization parameters. The protein crystallization is carried-out by controlled and automated addition of crystallization solutions while monitoring and investigating the radius distribution of particles in the crystallization droplet.

Situ dinamik ışık saçılma ile birleştiğinde kristalizasyon büyüyen Protein kristalleri kullanarak farklı boyutları ile otomatik

The automated crystallization device is a patented technique1 especially developed for monitoring protein crystallization experiments with the aim to ...

High Sensitivity Measurement of Transcription Factor-DNA Binding Affinities by Competitive Titration Using Fluorescence Microscopy

Accurate quantification of transcription factor (TF)-DNA interactions is essential for understanding the regulation of gene expression. Since existing approaches suffer from significant limitations, we have developed a new method for determining TF-DNA binding affinities with high sensitivity on a large scale. The assay relies on the established fluorescence anisotropy (FA) principle but introduces important technical improvements. First, we measure a full FA competitive titration curve in a single well by incorporating TF and a fluorescently labeled reference DNA in a porous agarose gel matrix. Unlabeled DNA oligomer is loaded on the top as a competitor and, through diffusion, forms a spatio-temporal gradient. The resulting FA gradient is then read out using a customized epifluorescence microscope setup. This improved setup greatly increases the sensitivity of FA signal detection, allowing both weak and strong binding to be reliably quantified, even for molecules of similar molecular weights. In this fashion, we can measure one titration curve per well of a multi-well plate, and through a fitting procedure, we can extract both the absolute dissociation constant (KD) and active protein concentration. By testing all single-point mutation variants of a given consensus binding sequence, we can survey the entire binding specificity landscape of a TF, typically on a single plate. The resulting position weight matrices (PWMs) outperform those derived from other methods in predicting in vivo TF occupancy. Here, we present a detailed guide for implementing HiP-FA on a conventional automated fluorescent microscope and the data analysis pipeline.

Here we present a novel method for determining binding affinities at equilibrium and in solution with high sensitivity on a large scale. This improves the quantitative analysis of transcription factor-DNA binding. The method is based on automated fluorescence anisotropy measurements in a controlled delivery system.

Transkripsiyon faktörü-DNA bağlayıcı Affinities floresans mikroskobu kullanarak rekabet titrasyon tarafından yüksek hassasiyet ölçümü

Accurate quantification of transcription factor (TF)-DNA interactions is essential for understanding the regulation of gene expression. Since existing ...

Analysis of Protein Folding, Transport, and Degradation in Living Cells by Radioactive Pulse Chase

Radioactive pulse-chase labeling is a powerful tool for studying the conformational maturation, the transport to their functional cellular location, and the degradation of target proteins in live cells. By using short (pulse) radiolabeling times (&lt;30 min) and tightly controlled chase times, it is possible to label only a small fraction of the total protein pool and follow its folding. When combined with nonreducing/reducing SDS-polyacrylamide gel electrophoresis (SDS-PAGE) and immunoprecipitation with (conformation-specific) antibodies, folding processes can be examined in great detail. This system has been used to analyze the folding of proteins with a huge variation in properties such as soluble proteins, single and multi-pass transmembrane proteins, heavily N- and O-glycosylated proteins, and proteins with and without extensive disulfide bonding. Pulse-chase methods are the basis of kinetic studies into a range of additional features, including co- and posttranslational modifications, oligomerization, and polymerization, essentially allowing the analysis of a protein from birth to death. Pulse-chase studies on protein folding are complementary with other biochemical and biophysical methods for studying proteins in vitro by providing increased temporal resolution and physiological information. The methods as described within this paper are adapted easily to study the folding of almost any protein that can be expressed in mammalian or insect-cell systems.

Here we describe a protocol for a general pulse-chase method that allows the kinetic analysis of folding, transport, and degradation of proteins to be followed in live cells.

Protein katlanması, taşıma ve canlı hücreler radyoaktif darbe Chase tarafından bozulması Analizi

Radioactive pulse-chase labeling is a powerful tool for studying the conformational maturation, the transport to their functional cellular location, and ...

Creating Highly Specific Chemically Induced Protein Dimerization Systems by Stepwise Phage Selection of a Combinatorial Single-Domain Antibody Library

Protein dimerization events that occur only in the presence of a small-molecule ligand enable the development of small-molecule biosensors for the dissection and manipulation of biological pathways. Currently, only a limited number of chemically induced dimerization (CID) systems exist and engineering new ones with desired sensitivity and selectivity for specific small-molecule ligands remains a challenge in the field of protein engineering. We here describe a high throughput screening method, combinatorial binders-enabled selection of CID (COMBINES-CID), for the de novo engineering of CID systems applicable to a large variety of ligands. This method uses the two-step selection of a phage-displayed combinatorial nanobody library to obtain 1) &#34;anchor binders&#34; that first bind to a ligand of interest and then 2) &#34;dimerization binders&#34; that only bind to anchor binder-ligand complexes. To select anchor binders, a combinatorial library of over 109 complementarity-determining region (CDR)-randomized nanobodies is screened with a biotinylated ligand and hits are validated with the unlabeled ligand by bio-layer interferometry (BLI). To obtain dimerization binders, the nanobody library is screened with anchor binder-ligand complexes as targets for positive screening and the unbound anchor binders for negative screening. COMBINES-CID is broadly applicable to select CID binders with other immunoglobulin, non-immunoglobulin, or computationally designed scaffolds to create biosensors for in vitro and in vivo detection of drugs, metabolites, signaling molecules, etc.

Creating chemically induced protein dimerization systems with desired affinity and specificity for any given small molecule ligand would have many biological sensing and actuation applications. Here, we describe an efficient, generalizable method for de novo engineering of chemically induced dimerization systems via the stepwise selection of a phage-displayed combinatorial single-domain antibody library.

Bir Kombinatoryal Tek Etki Alanı Antikor Kütüphanesi adım wise Faj Seçimi ile Son Derece Spesifik Kimyasal Kaynaklı Protein Dimerization Sistemleri Oluşturma

Protein dimerization events that occur only in the presence of a small-molecule ligand enable the development of small-molecule biosensors for the ...

Derivatization of Protein Crystals with I3C using Random Microseed Matrix Screening

Protein structure elucidation using X-ray crystallography requires both high quality diffracting crystals and computational solution of the diffraction phase problem. Novel structures that lack a suitable homology model are often derivatized with heavy atoms to provide experimental phase information. The presented protocol efficiently generates derivatized protein crystals by combining random microseeding matrix screening with derivatization with a heavy atom molecule I3C (5-amino-2,4,6-triiodoisophthalic acid). By incorporating I3C into the crystal lattice, the diffraction phase problem can be efficiently solved using single wavelength anomalous dispersion (SAD) phasing. The equilateral triangle arrangement of iodine atoms in I3C allows for rapid validation of a correct anomalous substructure. This protocol will be useful to structural biologists who solve macromolecular structures using crystallography-based techniques with interest in experimental phasing.

This article presents a method to generate protein crystals derivatized with I3C (5-amino-2,4,6-triiodoisophthalic acid) using microseeding to generate new crystallization conditions in sparse matrix screens. The trays can be set up using liquid dispensing robots or by hand.

Rastgele Mikrotohum Matris Taraması Ile Protein Kristallerinin I3C ile Türevleştirilmesi

Protein structure elucidation using X-ray crystallography requires both high quality diffracting crystals and computational solution of the diffraction ...

Density Gradient Ultracentrifugation for Investigating Endocytic Recycling in Mammalian Cells

Endosomal trafficking is an essential cellular process that regulates a broad range of biological events. Proteins are internalized from the plasma membrane and then transported to the early endosomes. The internalized proteins could be transited to the lysosome for degradation or recycled back to the plasma membrane. A robust endocytic recycling pathway is required to balance the removal of membrane materials from endocytosis. Various proteins are reported to regulate the pathway, including ADP-ribosylation factor 6 (ARF6). Density gradient ultracentrifugation is a classical method for cell fractionation. After the centrifugation, organelles are sedimented at their isopycnic surface. The fractions are collected and used for other downstream applications. Described here is a protocol to obtain a recycling endosome-containing fraction from transfected mammalian cells using density gradient ultracentrifugation. The isolated fractions were subjected to standard Western blotting for analyzing their protein contents. By employing this method, we identified that the plasma membrane targeting of engulfment and cell motility 1 (ELMO1), a Ras-related C3 botulinum toxin substrate 1 (Rac1) guanine nucleotide exchange factor, is through ARF6-mediated endocytic recycling.

This paper aims to present a protocol for preparing recycling endosomes from mammalian cells using sucrose density gradient ultracentrifugation.

Memeli Hücrelerinde Endosit Geri Dönüşümü Araştırmak için Yoğunluk Gradyan Ultracentrifugation

Endosomal trafficking is an essential cellular process that regulates a broad range of biological events. Proteins are internalized from the plasma ...

Extraction and Visualization of Protein Aggregates after Treatment of Escherichia coli with a Proteotoxic Stressor

The exposure of living organisms to environmental and cellular stresses often causes disruptions in protein homeostasis and can result in protein aggregation. The accumulation of protein aggregates in bacterial cells can lead to significant alterations in the cellular phenotypic behavior, including a reduction in growth rates, stress resistance, and virulence. Several experimental procedures exist for the examination of these stressor-mediated phenotypes. This paper describes an optimized assay for the extraction and visualization of aggregated and soluble proteins from different Escherichia coli strains after treatment with a silver-ruthenium-containing antimicrobial. This compound is known to generate reactive oxygen species and causes widespread protein aggregation. 
The method combines a centrifugation-based separation of protein aggregates and soluble proteins from treated and untreated cells with subsequent separation and visualization by sodium dodecyl sulfate-polyacrylamide gel electrophoresis (SDS-PAGE) and Coomassie staining. This approach is simple, fast, and allows a qualitative comparison of protein aggregate formation in different E. coli strains. The methodology has a wide range of applications, including the possibility to investigate the impact of other proteotoxic antimicrobials on in vivo protein aggregation in a wide range of bacteria. Moreover, the protocol can be used to identify genes that contribute to increased resistance to proteotoxic substances. Gel bands can be used for the subsequent identification of proteins that are particularly prone to aggregation.

Extraction and Visualization of Protein Aggregates after Treatment of Escherichia coli with a Proteotoxic Stressor

This protocol describes the extraction and visualization of aggregated and soluble proteins from Escherichia coli after treatment with a proteotoxic antimicrobial. Following this procedure allows a qualitative comparison of protein aggregate formation in vivo in different bacterial strains and/or between treatments.

Proteotoksik Stresör ile Escherichia coli Tedavisinden Sonra Protein Agregalarının Ekstraksiyonu ve Görselleştirilmesi

The exposure of living organisms to environmental and cellular stresses often causes disruptions in protein homeostasis and can result in protein ...

An Integrated Workflow of Identification and Quantification on FDR Control-Based Untargeted Metabolome

Untargeted metabolomics techniques are being widely used in recent years. However, the rapidly increasing throughput and number of samples create an enormous amount of spectra, setting challenges for quality control of the mass spectrometry spectra. To reduce the false positives, false discovery rate (FDR) quality control is necessary. Recently, we developed a software for FDR control of untargeted metabolome identification that is based on a Target-Decoy strategy named XY-Meta. Here, we demonstrated a complete analysis pipeline that integrates XY-Meta and metaX together. This protocol shows how to use XY-meta to generate a decoy database from an existing reference database and perform FDR control using the Target-Decoy strategy for large-scale metabolome identification on an open-access dataset. The differential analysis and metabolites annotation were performed after running metaX for metabolites peaks detection and quantitation. In order to help more researchers, we also developed a user-friendly cloud-based analysis platform for these analyses, without the need for bioinformatics skills or any computer languages.

We constructed an untargeted metabolomic workflow that integrated XY-Meta and metaX together. In this protocol, we displayed how to use XY-Meta to generate a decoy spectral library from open access spectra reference, and then performed FDR control and used the metaX to quantitate the metabolites after identifying the metabolomics spectra.

FDR Kontrol Tabanlı Hedefsiz Metabolom Üzerinde Entegre Bir Tanımlama ve Niceleme İş Akışı

Untargeted metabolomics techniques are being widely used in recent years. However, the rapidly increasing throughput and number of samples create an ...