1 / 17

Clase # 6: Potencial Estadístico (II)

Clase # 6: Potencial Estadístico (II). Prof. Ramón Garduño Juárez Modelado Molecular Diseño de Fármacos. Enfoque de Manfred Sippl et al. “ ¿Cuál es la probabilidad de observar C a de Leu a 5 Å de un C a de Ala?”

robyn
Download Presentation

Clase # 6: Potencial Estadístico (II)

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Clase # 6: Potencial Estadístico (II) Prof. Ramón Garduño Juárez Modelado Molecular Diseño de Fármacos

  2. Enfoque de Manfred Sippl et al. • “¿Cuál es la probabilidad de observar Ca de Leu a 5 Å de un Ca de Ala?” • f (s) : probabilidad para un par de residuos para estar separados por una distancia s. • fab(s) : probabilidad para el residuo ab que ocurra a la distancia s. • Potencial: Se requiere además que los residuos a, b son k residuos fuera de la secuencia primaria. • Datos muy dispersos: 7 tipos de interacciones atómicas entre N, O, de la cadena principal y Cb. 20 de 20 residuos, más 20 intervalos para la distancia de secuencia k. • Corrección de tamaño menor ad hoc : no muy diferente de una pseudo cuenta. Hendlicsh JMB 1990 216:167-80 Sippl JMB 1990 213:859-883

  3. Ejemplo del modelo HP en una malla

  4. Construcción: Potencial Atómico Extraer las distancias observadas entre pares de átomos N(observada) E(i,j,distancia) = -log N(random) N(random) = N(total) Mi Mj Base de datos de estructuras nativas no redundantes Mi, Mj son la fracción molar de i y j

  5. El potencial atómico tuvo éxito en escoger las estructuras nativas de todos los señuelos de Park-Levitt. Las correlaciones de energía-RMSD son más altas de 0.6 en todos los casos. Validación: Potencial Atómico RMSD (Å)

  6. Potencial de unión proteína-proteína

  7. 20 x 20 potencial en la interfase

  8. Aplicar el potencial

  9. Potencial estadístico de unión Proteína-DNA • Los potenciales se construyen a partir de los complejos proteína-DNA • Su desempeño se revisa en una validación cruzada y z-score de secuencias azarosas de ADN • Aplicar el potencial a casos de prueba reales

  10. Conjunto de Datos - ComplejosProteína-DNA • Resolución<=3 Angstrom • Doble cadena ADN • Semejanza de secuencias de proteína <= 35% • 132 PDB estructuras de Rayos-X

  11. Propensidades de los amino ácidos • Residuos de la Superficie área de superficie expuesta > 40% del área de superficie total del residuo (DSSP) • Residuos enterrados = residuos totales – residuos de superficie • Residuos interfaciales d < 4.5 A

  12. PROPENSIDADES DEL PUENTE DE HIDROGENO

  13. Distribuciones espaciales de amino ácidos alrededor de bases Arg-A-CB Arg-C-CB Arg-G-CB Arg-T-CB

  14. Derivación de un potencial estadístico Grid-based • Para un par de amino ácido a y base b en un punto de la malla s, el potencial está dado por • Donde Nabes el numero de pares ab observados, w es el peso dado a cada observación, f(s) es la frecuencia relativa de la ocurrencia de cualquier amino ácido en los puntos de la malla contra cualquiera de las bases , gab (s)es la frecuencia relativa equivalente a la ocurrencia del amino ácido contra la base b, K y T son las constantes de los gases y la temperatura absoluta respectivamente.

  15. Derivación de un potencial estadístico Grid-based • Para un par de amino ácido i y base j en un punto r de la malla, el potencial está dado por

  16. PDB Ranking Zscore PDB Ranking Zscore Comparación con 50000 secuencias azarosas 1CGP 142 -2.813 LacZ 612 -2.291 1TF3 3 -3.345 LacZ 3 -2.345 1FJL 1 -4.28 LacZ 1 -4.062 1PDN 1 -4.819 malE 24 -3.951 1GLU 905 -2.241 malT 702 -3.369 1LAT 2 -3.874 araC 70 -2.309 1HCQ 1 -5.167 araE 5 -3.194 1OCT 1 -3.823 crp 522 -3.821 1AAY 1 -4.047 crp 2 -2.442 1MEY 1 -4.43 deoC 5 -4.346 1PYI 1053 -2.1 deoC 11 -3.968 1APL 1 -3.451 exuT 60 -3.693 1SVC 21 -3.365 fur 612 -3.179 1NFK 468 -2.289 galE 2562 -1.714 1YRN 2 -4.413 tnaA 15410 -0.492 glpD 37 -3.365 melR 99 -3.016

  17. Puntos Clave • Selección de la Base de Datos. • Estado de Referencia. • Validación.

More Related