modelagem_1

7/16/2019 modelagem_1

http://slidepdf.com/reader/full/modelagem1 1/55

Modelagem molecular (Parte I)Predição da estrutura e aplicações em



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



Modelagem Vs Engenharia de proteinas

Métodos para alterar a função de uma proteina



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



CristalografiaCristalografia dede RaiosRaios--XX

Princípio do método



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



RessonânciaRessonância Ma néticaMa nética NuclearNuclear

Princípio do Método



RessonânciaRessonância Ma néticaMa nética NuclearNuclear

Nuclear Overhauser effect (NOE)



RessonânciaRessonância MagnéticaMagnética NuclearNuclear

Determinação da estrutura

P nt Fr



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.



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.



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 .



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;



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.



For as em biomoléculas



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.



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



For as em biomoléculasImportância da solvatação:Interações intermoleculares são determinadas por contatos hidrofóbicos

Ligações dehidrogênio sãocompensadaspelo solvente



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”.




• Termos do Campo de Força da Mecânica Molecular – Estiramento de ligação e ângulos planares.

– Ângulos de torção (proprios) – v




• Termos do Campo de Força da Mecânica Molecular – ngulos de Torção (improprios)

– Termos cruzados




• 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




• 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”




• 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.



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 ∂

−



Predição da estrutura de proteínas

y Tudo que você precisa é a seqüência de uma proteína com homologia. ...



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



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 -



Modelagem comparativa



Etapas em comumEtapas em comum

• Identificação dos moldes (templates)

• Alinhamento da sequência alvo com a sequência do molde



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




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;



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.



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.




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




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.




Contatos no cristal




Mutações de resíduos pequenosÅÆ volumosos

Mutação XÅÆPro

Ri id b d bl S i M d l



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.




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.




Modelagem das cadeias laterais

A solução do jogador profissional




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



SwissPDB Viewer



i M l i PDBi M l i PDB i ri r _ _

Satisfaction of spatial restraints



Satisfaction of spatial restraints



Programas e servidores úteis em modelagem

por homologia de proteínas

D ki



Dockin

Aspectos teóricos

Docking



Docking

spectos teóricos: imitaç esIm ortância da entro ia

Docking



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



g

spectos teóricos: imitaç esFlexibilidade do rece tor

Docking



g

reparaç oRe resenta ão do sítio de li a ão

Docking



g

reparaçãoE t r t n m m r



Softwares de Docking disponíveis

Pacotes de modelagem disponíveis para download



Bibliografia



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.

modelagem_1

Documents