modelagem_1
TRANSCRIPT
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 1/55
Modelagem molecular (Parte I)Predição da estrutura e aplicações em
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 2/55
Sumario
Métodos de determinação da estrutura de proteinas
Principios Fundamentais
Modelagem de Biomoléculas
ec nica mo ecu ar Métodos de otimização de estrutura
Predição de estrutura de Proteinas Modela em com arativa ou or homolo ia
Docking
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 3/55
Modelagem Vs Engenharia de proteinas
Métodos para alterar a função de uma proteina
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 4/55
MétodosMétodos dede obtençãoobtenção dada estruturaestrutura 33DD
Cristalografia de Raios-X
Espectroscopia de Ressonância Magnética Nuclear (RMN)
Métodos téoricos
n t o
Baseado em conhecimento
Montagem de fragmentos
econ ecimento e enove amento
Modelagem comparativa ou por homologia
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 5/55
CristalografiaCristalografia dede RaiosRaios--XX
Princípio do método
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 6/55
Cristalo rafiaCristalo rafia dede RaiosRaios--XX
Parâmetos de qualidade da estrutura:
Resolução:
Relacionada ao espaçamento dos planos de átomos na célula cristalina. Quantomaior a resolução, maior o detalhamento da informação estrutural;
Fator-R:
ma me a e quanto os a os or g na s o mo e o cr sta ogr co exp ca.O Fator-R é proporcional à resolução; Quanto maior o Fator-R maior a
qualidade do modelo.
Pontos fracos
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 7/55
RessonânciaRessonância Ma néticaMa nética NuclearNuclear
Princípio do Método
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 8/55
RessonânciaRessonância Ma néticaMa nética NuclearNuclear
Nuclear Overhauser effect (NOE)
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 9/55
RessonânciaRessonância MagnéticaMagnética NuclearNuclear
Determinação da estrutura
P nt Fr
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 10/55
Princípios fundamentais
Energia A análise energética permite predizer que
processos moleculares podem ocorrer sobdeterminadas condi ões
A energia é a soma da energia potencialcalculada a partir de forças inter- e intra-mo ecu ares atrativas ou repu sivas e aenergia cinética devida à movimentaçãomolecular.
Todas as técnicas de química computacionaldefinem energia de forma que o sistema de
menor ener ia é o mais estável
Desta forma, encontrar a conformação maisestável de uma molécula é encontrar suaorma e menor energia.
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 11/55
For as em biomoléculas Interações eletrostáticas:
A presença do solvente afeta enormemente esta interação;
uan o ma or a capac a e o so ven e em es a zar o s ons
separados (constante dielétrica – D) menor a energia de
As soluções aquosas que caracterizam os principais meios
biológicos possuem entre outras características a excelente
capacidade de estabilizar íons em solução (D ~ 80).
Em água, a energia de interação de dois íons, de carga oposta, a 3,0
Å de distância é 1,4 kcal/mol.
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 12/55
For as em biomoléculas Interações de van der Waals:
– Também conhecidas como forças (dispersão) de
London;
– Ocorrem devido flutuações na distribuição
eletrônica das moléculas, mesmo apolares; Rvdw (×2)
– A atração entre dois átomos varia com r -6
; – Torna-se muito importante entre moléculas
apo ares e.g. rocar onetos com extensa
superfície de contato (0,5-1,0 kcal/mol);
– A curva experimental é usualmente modelada como um potencial pareado onde a
repulsão entre dois átomos varia com r -12 e a atração varia com r –6 (potencial de
ennar - ones .
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 13/55
For as em biomoléculas Interações dipolo-dipolo:
A densidade eletrônica nas ligações C-X (X = N, O, S) é permanentemente
deslocada para o átomo mais eletronegativo;
Isto cria um dipolo elétrico permanente que pode interagir com íons, outrosdi olos ou ru os neutros. A ener ia aria com r –2 r –3 e r –6 res ectivamente
Dipolos induzidos podem ocorrer quando uma carga pontual ou um dipolo é
a roximado de uma molécula neutra. Neste caso a ener ia de intera ão tambémvaria aproximadamente com r –6;
São normalmente modeladas como um otencial Lennard-Jones a licando-se os
raios de van der Waals e a profundidade do poço adequada;
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 14/55
For as em biomoléculas Ligações de hidrogênio:
Talvez a mais estudada, porém menos
compreendida das interações
intermoleculares;
Possui componentes eletrostáticos e de
van der Waals;
Em proteínas, ocorre entre pares X-H¨¨¨X,
onde X= N, O, (S). A interação é
maximizada quando o ânguloXĤX é
180o e a distância X-X é 3,5 Å;
Cada ligação de hidrogênio coopera com
1-3 kcal/mol odendo totalizar centenas
em um proteína;
Satisfação do pares HBD-HBA =>
Estrut. Sec.
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 15/55
For as em biomoléculas
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 16/55
Forças em biomoléculasy Efeito Hidrofóbico:
-
(ligações de Hidrogênio).
y Regra de Solubilidade:
y -
y Apolar-Apolar
– ran e mpor nc a na ormaç o e o cerne e pro e nas g o u ares e
no processo de enovelamento;
– Somente corretamente mo e a o com a nc usão exp c ta e
moléculas de água no sistema.
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 17/55
Forças em biomoléculasO efeito hidrofóbico em proteínas:
• Efeito hidrofóbico é considerado uma das principais forças atuantesno enovelamento de proteínas
• Resulta no empacotamento dos resíduos apolares no cerne dasproteínas
Água
Resíduoshidrofóbicos
Resíduoshidrofílicos
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 18/55
For as em biomoléculasImportância da solvatação:Interações intermoleculares são determinadas por contatos hidrofóbicos
Ligações dehidrogênio sãocompensadaspelo solvente
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 19/55
Modelagem de biomoléculas
Mecânica molecular A expressão de energia da mecânica molecular consiste de um simples equação
algébrica da energia de um composto.
Não usa uma função de onda ou densidade eletrônica total.
– As constantes nessa equação
são obtidas de dadosespectroscopicos ou de calculosab initio.
– Um conjunto de equações esuas constantes associadas é
chamado de “campo de força”.
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 20/55
Modelagem de biomoléculas
• Termos do Campo de Força da Mecânica Molecular – Estiramento de ligação e ângulos planares.
– Ângulos de torção (proprios) – v
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 21/55
Modelagem de biomoléculas
• Termos do Campo de Força da Mecânica Molecular – ngulos de Torção (improprios)
– Termos cruzados
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 22/55
Modelagem de biomoléculas
• Termos do Campo de Força da Mecânica Molecular –Interações eletrostáticas
• As propriedades eletrostáticas de uma molécula são conseqüência da distribuição de elétrons e
núcleos, sendo desta forma razoável considerar que se deve ser capaz de encontrar um conjunto decargas atômicas parciais usando mecânica quântica.
• Infelizmente, a carga parcial não é uma quantidade observável experimentalmente e não pode
ser obtida de forma obvia a partir da função de onda. Isto explica porque inúmeras formas de,
melhor método para derivá-las.
•Cargas derivadas do potencial eletrostático molecular
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 23/55
Modelagem de biomoléculas
• Termos do Campo de Força da Mecânica Molecular – Van der Waals
• Potencial Lennard-Jones
“O potencial LJ é caracterizado
por uma parte atrativa que variacom r- e uma par e repu s va quevaria com r-12”
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 24/55
Modelagem de biomoléculas
• Campos de força populares
y AMBER (Assisted model building with energy refinement)
y É tanto um campo de força como um programa de mecânica molecular. Foi parametrizado especificamentepara pro e nas e c os nuc cos. usa somen e ermos cova en es e n o-cova en es un amen e
com um sofisticado tratamento eletrostático. Nenhum termo cruzado esta presente. Resultados são
excelentes para proteínas e ácidos nucléicos, mas podem ser errôneos para outros sistemas.
y CHARMM (Chemistry at Harvard macromolecular mechanics)
y Foi originalmente vislumbrado para proteinas e acidos nucleicos. Tem sido aplicado para uma
, , , ,
vibracional, e estudos QM/MM. CHARMM usa cinco termos, um dos quais é um termo
eletrostatico.
y GROMOS (Gronigen molecular simulation)
y O campo de força GROMOS é popular para a predição do movimento dinâmico de
mo cu as e e qu o. am m usa o para mo e agem e omo cu as, usan o ermos ,
um dos quais é um termo eletrostático.
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 25/55
Métodos de Otimização
O problema ∂ Métodos não-derivativos
Métodos derivativos
=∂ i x
Sinal da função
Primeira derivada Steepest descent 0
2
2
>∂ f
Curvatura
Conjugated gradients
Segunda derivada
i
Critério de terminação
V ∂
r ∂
−
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 26/55
Predição da estrutura de proteínas
y Tudo que você precisa é a seqüência de uma proteína com homologia. ...
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 27/55
Um projeto de predição de estruturaUm projeto de predição de estrutura
Nova
Seqüênc ia
Busca em
Bancos
Assinalamento
de Domínios
Alinhamento
Homólogo
No PDB ?Não
n se a
Família 3DPredição de
Enovelamento
MúltiploSim
Modelagem Alinha mento
Se -Estrutura
Enovelamento
Reconhec ido ?Sim
Dados
Alinha mentoNão
Experimentais. .
Pred. Estrutu ra
Sec undáriaPredição
3D Estrutural Ab initio
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 28/55
Modelagem comparativa
g o y assem y - omposer w ss o e
• Segment matching - SEGMOD Vriend et al. (1994)
• a s ac on o spa a res ra n s -
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 29/55
Modelagem comparativa
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 30/55
Etapas em comumEtapas em comum
• Identificação dos moldes (templates)
• Alinhamento da sequência alvo com a sequência do molde
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 31/55
mm r tr t m l mm l m rr h m l ih m l i
Obtenção do Alinhamento estrutural
Caracterização da família
usca por s m ar a e em ancos e seq nc as
Identificação da função/domínios da PTN;
Retirada de sequências de PTNs homólogas (mesma família) paraalinhamento múltiplo;
Alinhamento múltiplo de seqüências homólogas;
Assinalamento de regiões conservadas/funcionais
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 32/55
mm r tr t m l mm l m rr h m l ih m l i
Otimização do alinhamento com auxílio do modelo
(Threading)
Discriminação da probabilidade de uma mutação em
:
Mutações hidrofóbico Æ hidrofílico no cerne na proteína são
improváveis;
raras;
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 33/55
M l mM l m rr h m l ih m l i
O processo de modelagem por corpos rigidos
Reconhecimento/seleção dos moldes;
Alinhamento: Correção/otimização;
Geração da cadeia principal (backbone);
Construção dos alças (loops) canônicos (busca em bancos de dados); Geração/otimização das cadeias laterais (side chains);
Modelagem ab initio de alças;
Otimiza ão eral minimiza ão de ener ia
Verificação do modelo.
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 34/55
Rigid body assembly: SwissModel
• Construção do arcabouço –
na seqüência alvo, baseado na localização dos átomoscorrespondentes no molde.
– Quando mais de um molde esta dis onível a contribui ãorelativa ou peso de cada estrutura é determinada pelo seugrau local de similaridade na seqüência com o molde.
ças n o-conserva as
– Algoritmo “Spare part" busca por fragmentos que poderiamser acomodados nos arcabouços das entradas do PDBe erm na as com reso uç o me or que . .
– Cada alça é definida pelo seu comprimento e seus “apoios",ou seja, as coordenadas de carbono alfa (Ca) dos quatro
. – As “partes avulsas” (spare parts) aceitas são ordenadas
conforme seus rmsd, e o arcabouço de Ca é adicionado aomodelo baseado nos cinco melhores fragmentos.
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 35/55
mm r tr t m l mm l m rr h m l ih m l i
Modelando alças
Indels são esperadas quando a identidade entre duas
Quando inserções ocorrem, não há um molde no qual se
basear;
Canônicos: identificação através de busca em bancos de dados
u zan o a mesma a or agem para mo e agem e ro meros;
Não-conservados: modelagem ab initio
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 36/55
mm r tr t m l mm l m rr h m l ih m l i
Modelando alças
A maior fonte de erros durante o processo de modelagem;
Fontes de alterações na conformação de alças em
proteínas homólogas:
Contatos no cristal – 75%
Mutações envolvendo prolina.
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 37/55
mm r tr t m l mm l m rr h m l ih m l i
Contatos no cristal
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 38/55
mm r tr t m l mm l m rr h m l ih m l i
Mutações de resíduos pequenosÅÆ volumosos
Mutação XÅÆPro
Ri id b d bl S i M d l
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 39/55
Rigid body assembly: SwissModel
• Completando a cadeia principal – – Realizado usando uma biblioteca de fragmentos de cadeia principal
pentapeptidicos derivados de entradas do PDB determinadas com resolução
melhor que 2.0 Å – Estes fragmentos são então ajustados a seqüências sobrepostas de cinco
átomos Ca do modelo alvo. – Em seguida, adiciona-se ao modelo as coordenadas de cada tripeptideo
– Este processo fornece cadeias principais modeladas que diferem dascoordenadas experimentais por aprox. 0.2 Å rms.
• Adicionando cadeias laterais
– Para muitas das cadeias laterais da roteína não hainformação estrutural disponível nos moldes.
– Os rotâmeros mais prováveis de cada cadeia lateraldependem da conformação da cadeia principal.
– Os átomos definindo os ângulos χ1 e χ2 de cadeias laterais
incompletas podem ser usados para restringir a escolha derotâmeros.
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 40/55
mm r tr t m l mm l m rr h m l ih m l i
Modelagem das cadeias laterais
Quando o número de mutações é pequeno (seqID > 95%) estas podem
ser modeladas manualmente a partir de uma biblioteca de rotâmeros
que eva em consi eração o am iente con ormação a ca eia
principal);
Essa abordagem é capaz de predizer a conformação local de um
resíduo com até 85% de acerto.
Na maioria dos casos, muitas mutações ocorrerão ao mesmo tempo,
então não é possível determinar o ambiente espacial de um resíduo
;
Quando mais de dois resíduos influenciam a cadeia lateral a ser
mo e a a, uma exp os o com na r a po e ocorrer.
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 41/55
mm r tr t m l mm l m rr h m l ih m l i
Modelagem das cadeias laterais
A solução do jogador profissional
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 42/55
mm r tr t m l mm l m rr h m l ih m l i
Modelagem de mutações pontuais
90% das cadeias laterais em estruturas homólogas, não
Uma mutação pontual pode causar dramáticas alterações
na função ou estabilidade de uma proteínas, mas
Somente resíduos não-conservados têm suas cadeias
laterais adicionadas;
S i PDB Vi
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 43/55
SwissPDB Viewer
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 44/55
i M l i PDBi M l i PDB i ri r _ _
Satisfaction of spatial restraints
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 45/55
Satisfaction of spatial restraints
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 46/55
Programas e servidores úteis em modelagem
por homologia de proteínas
D ki
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 47/55
Dockin
Aspectos teóricos
Docking
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 48/55
Docking
spectos teóricos: imitaç esIm ortância da entro ia
Docking
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 49/55
Docking
spectos teóricos: a gorítimosInteração hidrofóbica
FLExX
Ligação de hidrogênio
encaixe e tri ngu os esítios de interação doreceptor em átomoscomp emen ares
(quimicamente) do ligante”
DOCK“encaixe geométrico decentro de esferas quepreenchem o sítio deinteração com átomos do
ligante”
Docking
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 50/55
g
spectos teóricos: imitaç esFlexibilidade do rece tor
Docking
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 51/55
g
reparaç oRe resenta ão do sítio de li a ão
Docking
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 52/55
g
reparaçãoE t r t n m m r
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 53/55
Softwares de Docking disponíveis
Pacotes de modelagem disponíveis para download
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 54/55
Bibliografia
7/16/2019 modelagem_1
http://slidepdf.com/reader/full/modelagem1 55/55
g
• Frenkel, D. e B. Smit. Understanding molecular simulation: from algorithms to applications.. . , . .
• Leach, A. R. Molecular modelling: principles and applications. Harlow, England; New York:Prentice Hall. 2001. xxiv, 744 p., [16] p. of plates p.
• Schleyer, P. V. R. Encyclopedia of computational chemistry. Chichester: New York: J. Wiley.1998. 5 v. (xxix, 3429 p.) p.
• , . .Springer. 2002. xliii, 634 p. p. (Interdisciplinary applied mathematics; v. 21)
• Young, D. C. Computational Chemistry. A Pratical guide for applying techiniques to real-wor pro ems. ew or . ey. . p.
• Cramer C.J. Essentials of computational Chemistry. Theory and Models. Wiley (2002).550p.
• Becker, O.M.; MacKerrell A.D.; Roux, B.; Watanabe, M. Computational Biochemistry andBiophysics. Marcel Dekker Inc. (2001). 512p.
e, - .; pp .; ognan, .; o ers, . o ecu ar o e ng: as c r nc p es anApplications. Wiley-VCH; 2 Sub edition (2003). 240p.