Termiz davlat universiteti Tabiiy fanlar fakulteti Botanika kafedrasi

1.2. Oqsil strukturalarining turlari va tasniflari
Bu kabi sodda misollar yordamida funksional proteomikani to‘liq tavsiflab bo‘lmaydi. Organizmda oqsil va boshqa moddalarning o‘zoro ta'sirlanish tarmog‘i to‘g‘risidagi tushunchalarni yaratish katta mexnat kuchi va barcha zamonaviy bioinformasion vositalarni jalb etishni talab qiladi. Bu kabi tushunchalarni yaratish ustida ishlar boshlangan va yildan yilga boyitib borilmoqda.
Amaliy proteomika. Bitta organizmdagi barcha oqsil va peptidlarning o‘zoro ta'sir mexanizmlarini aniqlash proteomikaning asosiy vazifalaridan biri hisoblanadi. Bu kabi amaliy ishlardan ijobiy natijalarni qo‘lga kiritishdan farmakologiya va tibbiyot xodimlari manfaatdordirlar. Chunki, insondagi patologik holatlarning yuzaga chiqishi organizmdagi ba'zi oqsillar tarkibi o‘zgarishi bilan birga kechadi. Shuning uchun proteomika soxasida qo‘lga kiritilgan yutuqlar yangi dori vositalarini ishlab chiqish va ko‘p asrlar davomida davosi topilmay kelayotgan kasalliklarni davolash usullarini ishlab chiqishda qo‘llanib kelinmoqda. Bugungi kunda qo‘llanilayotgan dori vositalarining 95% oqsil moddalariga ta'sir etadi. Proteomika tizimli yondashuv orqali yangi oqsillarni paydo bo‘lishini identifikasiyalash va zarurlik darajasini effektiv baholash va shunga bog‘liq ravishda yangi diagnostik va terepevtik vositalarni ishlab chiqish tezligini oshirishi mumkin.
Proteomga bog‘liq bo‘lgan izlanishlar proteomika fanining paydo bo‘lishidan oldin, XX asrda insulinning qandli diabet kasalligini davolashdagi o‘rni kashf qilingan davrdayoq boshlangan edi. Insulin preparatlarining yaratilishi esa millionlab insonlarning hayotini saqlab qolgan.
Hozirgi kunda proteomika genomika va bioinformatika bilan birga yangi dori vositalarini ishlab chiqishga e'tibor qaratmoqda. Bunda oqsil moddalari molekulyar nishon vazifasini bajaradi. Dori vositalarining ta'siri uchun yangi nishonlarni topish bioinformatika usullari yordamida xal etiladi, bunda genom tahlil ob'ekti bo‘lib sanaladi. Ammo, genom tahlilidan keyin mazkur oqsil intensiv ekspressiyalanishi va hujayrada ish qobiliyatini saqlashi xaqida isbotlarga ega bo‘lish kerak. Bu masalani proteomika hal etadi. Shu tariqa dori vositasi uchun molekulyar genetik nishon aniqlanadi.
Proteomika o‘zi mustaqil ravishda nishonlarni izlash muammosini hal qilishi mumkin. Agar normal va potologik to‘qimaning proteom xaritalariga ega bo‘lsak, ular orasidagi farqqa asoslanib, u yoki bu patologik holatni rivojlanishida qaysi oqsil ahamiyatga ega ekanligi hususida tushunchaga ega bo‘lish va ulardan nishon sifatida foydalanish yoki bu bilimlarni diagnostikada qo‘llash mumkin bo‘ladi. Kelajakda oddiy qon analizi qatoriga qonning proteom haritalarini tuzish ham qo‘shilishi mumkin. Buning uchun poliklinikalarda davolanuvchilardan davriy ravishda qon olib turishga yordam beradigan maxsus qurilmalarni qo‘llash talab etiladi. Kasallik holati yuzaga kelganida esa bemorning proteome haritasi uning sog‘lom vaqtdagi proteom haritasi bilan solishtirish kerak bo‘ladi va qonning oqsil tarkibida yuzaga kelgan o‘zgarishlar va kasallik sababini aniqlash mumkin bo‘ladi. O‘sma va normal hujayralar, ma'lum bir faktorlar (fizik, kimyoviy) ta'siridan keyin hujayralarning holatini batafsil taqqoslash, diagnostika maqsadida biologic suyuqliklardan foydalanish –bularning barchasi katta qiziqish uyg‘otadi va tibbiyot, veterenariya, farmakologiya, oziq-ovqat sanoati kabi soxalarda yangi istiqbollarni ochadi. Buning uchun ulkan va qiziqarli ishlarni amalga oshirish kerak bo‘ladi.
Protein tarkibidagi fermentativ funktsiyaga ega bo'lgan joylarni bashorat qilish olimlarga turli omillar uning funktsiyasiga qanday ta'sir qilishini taxmin qilish imkonini beradi. Harorat yoki pH o'rtasidagi farqlar oqsil tuzilishiga ham ta'sir qilishi mumkin va oqsillarning pH yoki harorat o'zgarishiga qarab qanday o'zgarishini tushunish olimlarga oqsilning o'ziga xos muhitda qanday ishlashini aniqlashga yordam beradi.
Savolingizga aniq dori dizayni kontekstida javob berish uchun: agar biz dori dizayni uchun protein tuzilishini bashorat qilishga tayansak, albatta yaxshi bo'lar edi, ammo tuzilmani bashorat qilish hali ham to'liq aniq emas. Dori-darmonlarni loyihalash loyihalari qimmat, shuning uchun birinchi navbatda pulni eksperimental tuzilmani aniqlashga sarflash oqilona bo'ladi, chunki u tuzilishga asoslangan dori dizayni uchun yanada ishonchli asosni ta'minlaydi (muqobil variant pulni loyihalashda muvaffaqiyatsiz urinishlarga sarflash bo'ladi) yaxshi dori, chunki bu urinishlar noto'g'ri bashorat qilingan tuzilma bilan boshqariladi).
Bundan tashqari, eksperimental tuzilmani aniqlash bashorat qilish uchun qimmatlidir, chunki u homologiyani modellashtirish uchun ma'lum tuzilmalar kutubxonasini oshiradi. Oqsil tuzilishini bashorat qilish hali boshlang'ich bosqichida, shuning uchun misollar yo'q, foyda juda katta, ammo oqsillar tuzilishi funktsiyasi va siz aytganingizdek, oqsillar tanadagi deyarli hamma narsani katalizlaydi yoki hosil qiladi. Biz tuzilmani ishonchsiz tarzda bilib olamiz, ammo strukturani bashorat qilish bizga buyurtma berish uchun oqsillarni yaratishga imkon beradi, chunki strukturani ketma-ketlikda bashorat qilish ko'p jihatdan zamonaviy biologiyaning muqaddas qismi bo'lgan oqsillarning katlanishini bashorat qilishni anglatadi. Buni ishonchli va murakkabroq oqsillar bilan bajara olish, buni bajaradigan odamga qoqilib ketishga umid qilish o'rniga, uni nusxalash uchun maxsus vazifalarni bajarish uchun oqsillarni yaratishga imkon beradi. SARS-CoV-2 nsp3 tuzilishini bashorat qilish uchun ansambl ish oqimi. Strukturani bashorat qilishning alohida protokollari o'z-o'zidan tartibsiz hududlar (IDR), transmembran mintaqalar (TM), signal peptidlari va shablonlarning holati haqidagi ma'lumotlardan foydalangan holda har bir protein ketma-ketligini sinchkovlik bilan tahlil qilish orqali aniqlanadi.
Bugungi kunga kelib, SARS-CoV-2 dan beshta oqsilning qisman yoki to'liq tuzilishi eksperimental ravishda hal qilindi. SARS-CoV-2 ning molekulyar mexanizmini tushunishning dolzarbligini hisobga olib, biz barcha hal qilinmagan strukturaviy va etuk strukturaviy bo'lmagan virusli oqsillarning strukturaviy modellarini yaratish uchun ansambl ish oqimidan foydalandik. Murakkabligi bo'yicha o'zgarib turadigan oqsil tuzilishini bashorat qilish usullarining ishlashi tufayli oqsillar ketma-ketligi oqsil tuzilishini bashorat qilishning zamonaviy usullari kombinatsiyasini optimallashtirish uchun diqqat bilan tahlil qilindi. Shunday qilib, natijada olingan modellar har bir oqsilning umumiy shakli bo'yicha maksimal aniqlik va maksimal ma'lumotga ega. Bu yerda biz 27 ta etuk virus oqsilining har biri uchun konspekt, ularning strukturaviy modellari va SARS-CoV-1ga nisbatan oʻzgaruvchanlik va SARS-CoV-2 ga potentsial funktsional ahamiyati kabi qoʻshimcha muhim maʼlumotlarni taqdim etamiz.
Har bir ketma-ketlikdan ikkita asosiy omildan iborat bo'lgan profil asosida alohida protokollar yaratildi:
Birlamchi ketma-ketlikka asoslangan ma'lumotlar. Konservalangan domenlardagi qoldiqla va ichki tartibsiz hududlar IuPred2 yordamida aniqlandi, bu aminokislotalar segmentlarining tarkibiga va ularning barqaror strukturaviy motivlarni shakllantirish tendentsiyasiga tayanadi. TMHMM yashirin Markov modeliga asoslangan spiral transmembran oqsil hududlarini bashorat qilish uchun ishlatilgan. SARS-CoV-2 da b-barrel transmembran oqsillari mavjud emas.
Eksperimental tarzda aniqlangan tuzilmalarning mavjudligi. PSI-BLAST, modellashtirish uchun shablon sifatida ishlatilishi mumkin bo'lgan Protein ma'lumotlar bankida (PDB) mavjud bo'lgan qisman yoki to'liq tuzilmalar bilan gomologlarni aniqlash uchun ishlatilgan. Yuqori darajada saqlanib qolgan bir nechta SARS-CoV-1 oqsillari eksperimental ravishda echilgan va bizning tahlilimiz uchun mavjud. Ushbu tuzilmalardan ma'lumotlarni to'g'ri tarjima qilishni maksimal darajada oshirish uchun aminokislotalarning o'rnini bosuvchi moddalar oqsil konformatsiyasiga ta'sir qilishi mumkin bo'lganlarni aniqlash uchun tahlil qilindi. Protein tuzilishiga ta'sir etuvchi o'zgarishlarga misol qilib, gidrofobik yon zanjirning oqsil yadrosida zaryadlangan aminokislota bilan almashtirilishi yoki spiral strukturada prolin (spiral "uzuvchi") bilan almashishi mumkin. Agar bunday almashtirishlar topilmasa va oqsil shablonga 70% dan ortiq o'ziga xoslikka ega bo'lsa, halqalar va almashtirishlar Rosetta remodel va fixbb yordamida mahalliy modellashtiriladi ilovalari mos ravishda. Yaqinda chiqarilgan kristallografik tuzilmalarni sinchkovlik bilan tahlil qilingan oqsil ketma-ketligi va tanlangan hududlar uchun LM yordamida yaratilgan modellar bilan taqqoslash samarali yondashuv bo'lib ko'rinadi. Yuqori mahalliy rezolyutsiyaga erishish, ayniqsa substrat/ligand bog'lanish joylarida molekulyar docking yordamida kichik molekula nomzodlarini aniqlash bo'yicha keyingi tadqiqotlar natijalarini sezilarli darajada oshirishi mumkin. Ansamblni joylashtirish yondashuvlari ko'pincha oqsil nishonining konformatsion moslashuvchanligi bilan kurashish uchun qo'llanilsa-da, agar mavjud bo'lsa, holo shaklidagi homologlarning tizimli ma'lumotlari asosida bog'lanish joyini tozalash funktsional komplekslarni aniqlash uchun ko'proq mos keladi.
Gomologiyaga asoslangan modellashtirish odatda shablonning identifikatsiyasi 30% dan yuqori bo'lgan holatlar uchun optimal yondashuv hisoblanadi. I-TASSER ish jarayonining fragmentga asoslangan (FB) yondashuvi identifikatsiya diapazoni 30-70% bo'lgan hollarda va o'rnini bosuvchi oqsillarni o'z ichiga olgan hududlarda LMga muqobil modelni taqdim etish uchun ishlatilgan. Bu protein konformatsiyasiga sezilarli ta'sir ko'rsatishi kutilmoqda. Gomologning kristalli tuzilishi mavjud bo'lmagan oqsillar tuzilmalarini bashorat qilish uchun biz trRosetta ish jarayonini qo'lladik. Protein tuzilishini bashorat qilish texnikasini tanqidiy baholash (CASP13) mezonlariga asoslanib, trRosetta energiyani minimallashtirishni boshqaradigan qoldiqlararo masofa va yo'nalishni bashorat qilish uchun chuqur qoldiq tarmog'idan foydalangan holda yangi burmalarni modellashtirishda yaxshi samaradorlikka erishish uchun ishlab chiqilgan. Prates va boshqalarda. 2020 yilda biz ish jarayonini tasvirlash uchun misol sifatida SARS-CoV-2 ning eng katta etuk oqsili nsp3 tahlilidan foydalanamiz
Proteinlardagi qoldiq aloqalarini aniq prognoz qilish ilmiy hamjamiyat oldida turgan uzoq davom etadigan muammodir. Bugungi kunda qoldiq kontaktlarini bashorat qilish odatda ikkita algoritmdan biri yoki ikkalasini qo'llaydigan dasturlar yordamida amalga oshiriladi: evolyutsion ulanish (EC) tahlili va nazorat ostida mashinani o'rganish (SML).
EK usullari oqsil oilalaridagi qoldiq juftlarining muvofiqlashtirilgan o'zgarishlarini aniqlash uchun faqat ketma-ketlik ma'lumotlaridan foydalanadi. Ishtirokchi qoldiqlar orasidagi bu muvofiqlashtirilgan o'zgarishlar odatda oqsilning tuzilishi va funktsiyasini saqlab qolish uchun evolyutsion bosim bilan ta'minlanadi. Ko'p yillar davomida oqsillar oilasidagi aminokislotalarning birgalikdagi evolyutsion naqshini tahlil qilish orqali qoldiq juftliklari bilan aloqa qilishni bashorat qilish (1-rasm) qo'llaniladigan statistik model bilan cheklangan. Mahalliy statistik model deb ataladigan aniq kontakt bashoratlarini ajrata olmadi, ya'ni bevosita ( A – B va B – C ) bilvosita dan aloqa qoldiqlarining kovaring juftlari A – C ) kovaradigan, lekin aloqada bo'lmagan juft qoldiqlar. Bir necha yil o'tgach, lekin yaqin vaqtgacha unutilgan, Lapedes va hamkasblari ushbu to'siqni muvaffaqiyatli yengib o'tish uchun birinchi bo'lib global statistik modelni qo'llashdi . Yaqinda turli tadqiqot guruhlari ushbu kontseptsiyani qayta ko'rib chiqdilar va bir xil global modelning turli xil o'rganish tartib-qoidalari orqali kontakt bashoratlarining aniqligini sezilarli darajada yaxshilashga muvaffaq bo'lishdi. Ba'zilar teskari kovariatsiya matritsasini baholash printsipiga tayanadi psevdo-ehtimolga asoslangan yondashuvlar eng aniq bashoratlarga olib kelishi ko'rsatilgan. Biroq, bu usullar samarali bo'lishi uchun etarli ketma-ketlik gomologlarining mavjudligiga qat'iy tayanadi. Shunga qaramay, oqsillar ketma-ketligi ma'lumotlar bazalari hajmining tezlashishi bilan birga bu kontaktlarning aniq prognozini haqiqatga aylantirdi.
SML usullari bir vaqtning o'zida qoldiq juftlarini o'rganganligi va bashorat qilganligi sababli, ular to'g'ridan-to'g'ri va bilvosita kovaring qoldiq juftlarini ajrata olishda mahalliy statistik modellarni qo'llagan eski EK usullarida ko'rinib turganidek, xuddi shunday qobiliyatsizligidan aziyat chekmoqda. Biroq, ushbu potentsial qimmatli ma'lumotni ko'rib chiqish uchun so'nggi yondashuvlar ikkala toifadagi usullarni birlashtiradi: EC va SML. SML bashoratlari EC usullaridan oldingi sifatida ishlatilishi mumkin, bunga misol bo'lishi mumkin GREMLIN yoki ketma-ketlik profillari bilan birga bir nechta EC usullarining chiqishi SML usullarida xususiyat sifatida ishlatilishi mumkin, masalan MetaPSICOV va PconsC 2 . Turli xil EC va SML usullarini birlashtirgan quvurlar ko'pincha metaprediktorlar deb ataladi va eng yaxshi usullarning foydali taqqoslanishi yaqinda nashr etilgan. Ko'pgina hollarda, metaprediktorlar kontaktni bashorat qilishning aniqligi bo'yicha individual EC yoki SML usullaridan ustun turadi, ammo strukturani bashorat qilishning yaxshilanishi unchalik aniq emas. Kontaktni bashorat qilish aniqligining yaxshilanishi, ayniqsa, mavjud ketma-ketliklar kamroq yoki kamroq xilma-xil bo'lgan hollarda sezilarli bo'ladi.