Comprehensive Collection and Prediction of ABC Transmembrane Protein Structures in the AI Era of Structural Biology.
Comprehensive Collection and Prediction of ABC Transmembrane Protein Structures in the AI Era of Structural Biology.
复制标题
DOI：
10.3390/ijms23168877
复制
发表时间：
2022-08-09
影响因子：
5.6
通讯作者：
中科院分区：
文献类型：
--
作者：
独特的跨膜（TM）蛋白质结构的数量在过去四年中翻了一番，这可归因于冷冻电子显微镜的革命。此外，AlphaFold2（AF2）还提供了大量高质量的预测结构。然而，如果一个特定的蛋白质家族是研究的主题，尽管现有通用和蛋白质域特异性数据库，但收集该家族成员的结构仍具有很大的挑战性。在这里，我们证明了这一点，并评估了通过 ABC 蛋白质超家族自动收集和呈现蛋白质结构的适用性和可用性。我们的流程使用 PFAM 搜索对跨膜 ABC 蛋白质结构进行识别和分类，并旨在根据特殊的几何测量和 contor 确定其构象状态。由于 AlphaFold 数据库仅包含单个多肽链的结构预测，因此我们对作为二聚体发挥作用的人类 ABC 半转运蛋白进行了 AF2-Multimer 预测。我们的 AF2 预测警告有关相互作用伙伴的一些生化数据可能存在不明确的解释，并需要进一步的实验和实验结构确定。我们通过网络应用程序提供了预测的 ABC 蛋白质结构，并加入了 3D-Beacons Network，通过 PDBe-KB 等平台接触到更广泛的科学界。
The number of unique transmembrane (TM) protein structures doubled in the last four years, which can be attributed to the revolution of cryo-electron microscopy. In addition, AlphaFold2 (AF2) also provided a large number of predicted structures with high quality. However, if a specific protein family is the subject of a study, collecting the structures of the family members is highly challenging in spite of existing general and protein domain-specific databases. Here, we demonstrate this and assess the applicability and usability of automatic collection and presentation of protein structures via the ABC protein superfamily. Our pipeline identifies and classifies transmembrane ABC protein structures using the PFAM search and also aims to determine their conformational states based on special geometric measures, conftors. Since the AlphaFold database contains structure predictions only for single polypeptide chains, we performed AF2-Multimer predictions for human ABC half transporters functioning as dimers. Our AF2 predictions warn of possibly ambiguous interpretation of some biochemical data regarding interaction partners and call for further experiments and experimental structure determination. We made our predicted ABC protein structures available through a web application, and we joined the 3D-Beacons Network to reach the broader scientific community through platforms such as PDBe-KB.
登录
查看更多内容
影响因子：
56.9
作者：
Doyle, DA;Cabral, JM;MacKinnon, R
通讯作者：
MacKinnon, R
Alphafold2跨膜蛋白结构预测的INS和出现。
DOI：
10.1007/s00018-021-04112-1
发表时间：
2022-01-15
期刊：
Cellular and molecular life sciences : CMLS
影响因子：
--
作者：
Hegedűs T;Geisler M;Lukács GL;Farkas B
通讯作者：
Farkas B
影响因子：
13.6
作者：
Ghilarov D;Inaba-Inoue S;Stepien P;Qu F;Michalczyk E;Pakosz Z;Nomura N;Ogasawara S;Walker GC;Rebuffat S;Iwata S;Heddle JG;Beis K
通讯作者：
Beis K
影响因子：
64.8
作者：
Harris CR;Millman KJ;van der Walt SJ;Gommers R;Virtanen P;Cournapeau D;Wieser E;Taylor J;Berg S;Smith NJ;Kern R;Picus M;Hoyer S;van Kerkwijk MH;Brett M;Haldane A;Del Río JF;Wiebe M;Peterson P;Gérard-Marchant P;Sheppard K;Reddy T;Weckesser W;Abbasi H;Gohlke C;Oliphant TE
通讯作者：
Oliphant TE
Biopython：用于计算分子生物学和生物信息学的免费 Python 工具。
DOI：
10.1093/bioinformatics/btp163
发表时间：
2009-06-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Cock PJ;Antao T;Chang JT;Chapman BA;Cox CJ;Dalke A;Friedberg I;Hamelryck T;Kauff F;Wilczynski B;de Hoon MJ
通讯作者：
de Hoon MJ