Three-dimensional structures of membrane proteins from genomic sequencing.
Three-dimensional structures of membrane proteins from genomic sequencing.
复制标题
DOI：
10.1016/j.cell.2012.04.012
复制
发表时间：
2012-06-22
期刊：
影响因子：
64.5
通讯作者：
Marks DS
中科院分区：
文献类型：
--
作者：
Hopf TA;Colwell LJ;Sheridan R;Rost B;Sander C;Marks DS
我们发现，从进化序列记录中提取的蛋白质中的氨基酸共变异可以用于折叠跨膜蛋白。我们使用这种技术来预测以前未知的，3D结构的11个跨膜蛋白（最多14个螺旋）从他们的序列单独。预测方法（EVfold_membrane）应用最大熵方法来推断蛋白质家族内序列位置对中的进化共变，然后生成具有导出的成对距离约束的全原子模型。我们基准的方法与盲，从头计算已知的跨膜蛋白结构从23个家庭，展示了前所未有的准确性的方法为大型跨膜蛋白。我们展示了该方法如何预测跨膜蛋白的寡聚化、功能位点和构象变化。随着大规模测序的迅速兴起，可以从遗传变异中解码出关于进化约束的更准确和更全面的信息，从而极大地扩展了可通过这种方法建模的跨膜蛋白的库。
We show that amino acid co-variation in proteins, extracted from the evolutionary sequence record, can be used to fold transmembrane proteins. We use this technique to predict previously unknown, 3D structures for 11 transmembrane proteins (with up to 14 helices) from their sequences alone. The prediction method (EVfold_membrane), applies a maximum entropy approach to infer evolutionary co-variation in pairs of sequence positions within a protein family and then generates all-atom models with the derived pairwise distance constraints. We benchmark the approach with blinded, de novo computation of known transmembrane protein structures from 23 families, demonstrating unprecedented accuracy of the method for large transmembrane proteins. We show how the method can predict oligomerization, functional sites, and conformational changes in transmembrane proteins. With the rapid rise in large-scale sequencing, more accurate and more comprehensive information on evolutionary constraints can be decoded from genetic variation, greatly expanding the repertoire of transmembrane proteins amenable to modelling by this method.
登录
查看更多内容
DOI：
10.1083/jcb.201109008
发表时间：
2012-02-20
期刊：
The Journal of cell biology
影响因子：
--
作者：
Fernandez-Martinez J;Phillips J;Sekedat MD;Diaz-Avalos R;Velazquez-Muriel J;Franke JD;Williams R;Stokes DL;Chait BT;Sali A;Rout MP
通讯作者：
Rout MP
影响因子：
3.7
作者：
Fatakia, Sarosh N.;Costanzi, Stefano;Chow, Carson C.
通讯作者：
Chow, Carson C.
影响因子：
64.8
作者：
Choe, Hui-Woog;Kim, Yong Ju;Ernst, Oliver P.
通讯作者：
Ernst, Oliver P.
影响因子：
64.8
作者：
Efremov, Rouslan G.;Sazanov, Leonid A.
通讯作者：
Sazanov, Leonid A.
影响因子：
64.8
作者：
Efremov, Rouslan G.;Baradaran, Rozbeh;Sazanov, Leonid A.
通讯作者：
Sazanov, Leonid A.