Точность предсказания вторичных структур

Ограниченность изложенных эмпирических методов предсказания связана с тем, что необходимая информация касается характера только непосредственного окружения аминокислотного остатка и не затрагивает дальних взаимодействий. Можно повысить точность предсказания вторичной структуры до 70%, если проводить сравнительный анализ близких по вторичной структуре последовательностей. [c.212]

ТОЧНОСТЬ ПРЕДСКАЗАНИЯ ВТОРИЧНЫХ СТРУКТУР [c.266]

В ряде работ второй половины 1970-х и начала 1980-х годов (например, [151, 157]) для предсказания вторичных структур одновременно привлекаются все имеющиеся алгоритмы и выводы делаются на основе усредненных результатов. Однако такая процедура не может повысить достоверность предсказания, точно так же как не может возрасти, например, точность измерений при использовании не одного, а нескольких приборов, каждый из которых не удовлетворяет требуемым условиям. [c.267]

Предел точности полуэмпирических методов пока трудно установить. Следует также помнить, что точное предсказание вторичной структуры белковой молекулы необходимо, но не достаточно для определения трехмерной конформации. Очень трудно представить себе, как зависит пространственная организация молекулы белка от тех структур, о которых говорят как о неупорядоченных (речь идет о структурах, которые нельзя отнести к а-спиралям, )8-слоям и т.д.). Неизвестно также, какую роль в формировании трехмерной конформации играют взаимодействия между далеко отстоящими вдоль белковой цепи остатками. Все эти факторы необходимо учесть, прежде чем приступать к предсказанию полной трехмерной структуры белка, исходя из его аминокислотной последовательности. [c.283]

Современные методы, по-видимому, позволяют предсказывать структурный класс белка. Достигнутая в настоящее время точность предсказаний позволяет отнести белок к одному из пяти классов, приведенных в табл. 5.2. Характер вторичной структуры в этих классах настолько различен, что даже при правильности предсказания б8 о в табл. 6.5) их можно отличить друг от друга. [c.154]

Используя теорию информации, авторы выполнили статистический анализ зависимости между порядком и структурой сначала у И, а позднее у 25 белков (около 4500 остатков). В результате аминокислотные остатки были количественно оценены мерой информации, характеризующей их способность входить во вторичные структуры и клубок. С помощью мер информации определены значения углов ф, ф у остатков ряда белков. Точность предсказания невысока. Так, совпадение значений ф, ф в пределах 40° у а-химотрипсина составило 31%, эластазы - 33%, цитохрома с - 50%, рибонуклеазы - 28%. [c.255]

В результате обращения к количественным оценкам эффективности предсказательных алгоритмов стала очевидной их малая достоверность. Примечательно, что при использовании более объективных оценочных характеристик точности и апробации эмпирических корреляций на большом экспериментальном материале низкий уровень предсказания был обнаружен у всех существующих методов. Это обстоятельство важно, поскольку поиски эмпирических корреляций велись в различных направлениях и отличались друг от друга в отношении объема и характера привлекавшихся опытных данных, методов их обработки, числа предсказываемых конформационных состояний остатков, трактовки факторов, ответственных за стабильность вторичной и третичной структур, и т.д. В таких условиях трудно объяснить низкие показатели качества во всех случаях методологическими особенностями используемого подхода. [c.272]

Рассмотренный метод дает предсказание вторичной структур (а, с) при учете лишь признаков отдельных аминокислот с точностью 57. Учет специфических дипептидов увеличивает точ ность расчета до 63. Данные тестирования метода на обучавие [c.122]

На основе этих заключений были сформулированы многочисленные правила предсказания вторичных структур. О степени их надежности можно судить по результатам сопоставления предсказанных вторичных структур с наблюдаемыми в белках известного пространственного строения. Приведем несколько примеров. В карбоксипептидазе (307 остатков) в а-спиралях находится 115 остатков правильно предсказаны 86, неправильно — 43. В а-цепи гемоглобина (146 остатков) из 114 а-спиральных остатков идентифицированы 56 при 77 ошибках. В 20 рассмотренных Лимом белках содержится 3100 остатков в а-спирали входят 1145, правильно отнесены 590, неправильно — 555 в -структу-рах находится 425 остатков, 124 из них определены правильно, 351 — неправильно. Остатки в нерегулярных областях из 1540 случаев в 634 указаны как клубковые, а в 906 — отнесены к регулярным структурам. Эти данные взяты из работы Лима и касаются белков, использованных автором при выводе стереохимических правил. Если правила применяются к белкам, не вошедшим в состав базовых, то эффективность предсказания, как правило, значительно ниже. Например, согласно анализу Дж. Ленстры, точность предсказания методом Лима а-спирали [c.257]

С такой оценкой согласуются данные Робсона и соавт. [135], проанализ1фовавших надежность различных алгоритмов предсказания вторичных структур на 26 белках известного пространственного строения. Авторы пришли к выводу, что точность отнесения остатков к четырем конформационным состояниям (а-спираль, -структура, -изгиб и клубок) не превышает 49%. Приблизительно такую же точность (50%) имеют как старый метод [94], так и новый метод Нагано [136, 137], усовершенствованный включением корреляции между тремя остатками в спиральных областях, выведенной из анализа 36 белков. [c.265]

Оценка точности эмпирических предсказаний вторичных структур по аминокислотным последовательностям представляет собой непростую задачу. Многие авторы корреляционных методов в этом вопросе оказываются недостаточно объективными. Так, опробирование методов часто проводится на базовом наборе белков, что, очевидно, имеет огромное значение. При использовании многих правил и большого числа эмпирических параметров для ограниченного круга объектов можно получить удовлетворительное соответствие, которое, однако, не будет отражать реальную предсказательную ценность метода. Иллюстрацией сказанному служит табл. II.4, содержащая результаты различных методов предсказания вторичной структуры аденилаткиназы, о пространственном строении которой авторы не были информированы. В результате приблизительно в половине отнесений число ошибок превышает число правильных предсказаний в 1,5— [c.267]

Обстоятельный анализ предсказательных возможностей корреляционного подхода был проведен К. Нишикавой [165], который в качестве примера также рассмотрел уже упоминавшиеся три алгоритма. Оценка методов Чоу и Фасмана и Робсона проведена по 9, а метода Лима — по 11 белкам, не входившим в состав базовых наборов. При идентификации трех состояний (а-спираль, -структура, клубок) точность определялась по показателю качества Q3, дающего как отмечалось, сильно завышенные значения, а при идентификации четырех состояний (а-спираль, -структура, -изгиб, клубок) использовался показатель Q4, занижающий вклад отрицательного предсказания и более реально отражающий действительные возможности методов. При переводе эмпирических правил на язык ЭВМ, т.е. при компьютеризации методов предсказания, Нишикава столкнулся с большими трудностями. Так, в случае метода Чоу и Фасмана были обнаружены неопределенности при индивидуальном предсказании вторичных структур, несогласованность предсказаний -изгибов с предсказаниями а-спиралей и -структур, отсутствие эффективного критерия для разделения перекрываний предсказанных а-спиральных и -структурных областей. Помимо этого, оказалось невозможным воспроизвести на ЭВМ результаты, полученные первоначально Чоу и Фасманом для 25 базовых белков. Преодолев эти трудности, Нишикава показал, что предсказательные возможности трех проанализированных им методов находятся на почти одном и том же, довольно низком уровне рассчитанные Нишикавой показатели качества Q3 попали в интервал 50—53%, а Q4 [c.272]

Б. Рост и К. Сандер решение видят в отказе от предсказания конформационных состояний отдельных остатков последовательности в пользу вторичных структур у целых сегментов, используя данные о гомологичном белке, трехмерная структура которого известна [222]. Сравнение 130 пар структурно гомологичных белков с отличающимися аминокислот-яыми порядками показало, что значительное отклонение в положениях и цлинах сегментов вторичных структур во многих случаях может происходить в пределах приблизительно одинаковых пространственных форм свернутых цепей. Иными словами, отличия в двух близких аминокислотных последовательностях в большей мере отражаются на вторичных структурах, чем на третичных. Поэтому, полагают авторы, важна не локализация а-спиралей, -складчатых листов, -изгибов и Р-петель с точностью до одного аминокислотного остатка, а их ориентировочное отнесение, совместимое с нативной конформацией гомологичного белка, установленной экспериментально. Включение информации о белковых семействах ведет к увеличению показателя качества Q3 до 70,8%, что соответствует точности экспериментального определения вторичных структур с помощью спектров КД. Однако в развитом Ростом и Сандером методе упрощение проблемы предсказания вторичных (ГГруктур и на их основе третичной столь велико и бесконтрольно, что грани между благими желаниями авторов, субъективным восприятием полученных результатов и декларируемыми количественными показателями точности становятся неразличимы. [c.519]

Простейший статистический подход, не учитывающий взаимодействий даже между смежными остатками, был использован Ф. Бегхином и Дж. Дирксом, Дж. Кроуфордом и соавт. [82, 83]. Алгоритмы предсказания строились по статистическим оценкам склонностей остатков входить в а-спирали, -структуры и -изгибы. Соответствующие потенциалы рассчитывались из частот встречаемости каждого из 20 стандартных остатков в перечисленных вторичных структурах. Точность предсказания алгоритмов Диркса и Кроуфорда невысока. [c.253]

В связи с тем, что существуют группы белков с преимущественным содержанием а-спиралей и -структур, можно изучать их пространственную организацию, или вовсе не предсказывая конформационных состояний отдельных остатков, что не удается делать правильно, а беря вторичные структуры прямо из опыта, или оценивая брутто содержание последних с помощью известных статистических методов, что автоматически увеличивает точность предсказания на несколько десятков процентов, поскольку в этом случае приходится идентифицировать состояния не 20 аминокислотных остатков, а лишь трех-четырех структурных групп Левитта и Чотиа. При изменении постановки задачи и неизбежном снижении требований к ожидаемой информации появляется возможность решения других вопросов, правда, менее важных. Например, можно сфокусировать внимание на определении общего процентного содержания аминокислотных остатков в последовательности, находящихся в а- и -областях, и полученные результаты сравнивать с аналогичными данными спектральных методов. Можно поставить вопрос о том, каков порядок взаимодействий вторичных структур друг с другом и какие в принципе возможны способы укладки а-спиралей относительно -структур и последних друг относительно друга, и о частоте их встречаемости в белках. Можно, наконец, разрабатывать новые предсказательные алгоритмы, классифицирующие белки по группам (а), ( ), (а + ) и (a/ ). Подобные вопросы, до работы Левитта и Чотиа, представлялись частными случаями. Теперь же анализ укладки, например, полипептидной цепи апомиоглобина — это уже исследование белка, не случайно взятого из множества других, а планомер-316 [c.316]

Представления, рассмотренные нами в данном разделе, сформировались за последние десять лет. Смысл их состоит в том, что, используя значения параметров, приведенные в табл. 23.4 и 23.5, можно предсказать наиболее стабильные вторичные структуры для молекул РНК с определенными последовательностями. Хотя точность этих предсказаний пока не вполне ясна, в тех случаях, когда результаты удавалось проверить, они оказывались довольно хорошими. Важным является то обстоятельство, что по мере увеличения количества данных для модельных соединений, которые позвЬлят более четко разграничить вклады отдельных взаимодействий в свободную энергию, точность будет повышаться. [c.330]

Справочник химика 21

Химия и химическая технология