[論文レビュー] Identification of Amino Acid Sequences with Good Folding Properties

Anders Irbäck, Carsten Peterson+1 more|arXiv (Cornell University)|May 11, 1996

Protein Structure and Dynamics被引用数 3

ひとこと要約

本研究では、マルコフ連鎖モンテカルロ法を用いて2次元格子モデルにおけるエネルギー基底状態を特定し、折りたたみ特性に優れたアミノ酸配列を同定した。熱力学的安定性、特に小さなフラクチュエーションが良好なフォールディングを定義し、200アミノ酸から成るランダム配列の約10％が基準を満たすことが判明。統計的およびニューラルネットワークモデルを用いた予測可能性も示された。

ABSTRACT

Folding properties of a two-dimensional toy protein model containing only two amino-acid types, hydrophobic and hydrophilic, respectively, are analyzed. An efficient Monte Carlo procedure is employed to ensure that the ground states are found. The thermodynamic properties are found to be strongly sequence dependent in contrast to the kinetic ones. Hence, criteria for good folders are defined entirely in terms of thermodynamic fluctuations. With these criteria sequence patterns that fold well are isolated. For 300 chains with 20 randomly chosen binary residues approximately 10% meet these criteria. Also, an analysis is performed by means of statistical and artificial neural network methods from which it is concluded that the folding properties can be predicted to a certain degree given the binary numbers characterizing the sequences.

研究の動機と目的

• 簡略化された2次元タンパク質モデルにおいて、安定な基底状態に信頼性高く折りたたむことのできるアミノ酸配列を同定すること。
• フォールディング成功の予測に、熱力学的性質と動力学的性質のどちらがより適切な指標であるかを特定すること。
• 配列依存的な熱力学的フラクチュエーションに基づいて「良好なフォールダー」を定量化する基準を確立すること。
• 統計的および人工ニューラルネットワーク手法を用いて、配列データからフォールディング特性を予測できるかを評価すること。
• 20アミノ酸から成るバイナリーサイズの配列空間において、定義されたフォールディング基準を満たすランダム配列の割合を評価すること。

提案手法

• タンパク質の折りたたみを模倣するため、疎水性および親水性アミノ酸のみを含む2次元格子モデルを採用した。
• 各配列の基底状態構造を特定するために、効率的なモンテカルロ手順を用いた。
• フォールディング品質の主な指標として、熱力学的フラクチュエーションを計算した。
• 動力学的挙動とは独立して、低い熱力学的フラクチュエーションに基づいて「良好なフォールダー」と定義した。
• バイナリーサイズの配列表現からフォールディング特性を予測するために、統計解析および人工ニューラルネットワークを適用した。
• 300個のランダムに生成された20アミノ酸から成るバイナリーサイズの配列データセットを用いて、モデルの性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 簡略化された2次元タンパク質モデルにおいて、どの配列パターンが最も望ましい折りたたみ特性を示すか？
• RQ2 フォールディングの熱力学的性質と動力学的性質は、それぞれどのように配列依存的か？
• RQ3 熱力学的フラクチュエーションのみを用いて、良好なフォールダーを信頼性高く同定できるか？
• RQ4 統計的およびニューラルネットワークモデルを用いて、バイナリーサイズの配列符号化からフォールディング挙動をどの程度正確に予測できるか？
• RQ5 ランダムに生成されたバイナリーサイズの配列のうち、定義された最適な折りたたみ基準を満たす割合はどの程度か？

主な発見

• フォールディングの熱力学的性質は強く配列依存的である一方、動力学的性質はそれほど強くない。
• 低い熱力学的フラクチュエーションは、モデル内での「良好なフォールダー」を同定する信頼性の高い基準である。
• 300個のランダムに生成された20アミノ酸から成るバイナリーサイズの配列のうち、約10％が最適な折りたたみ基準を満たした。
• 統計的および人工ニューラルネットワークモデルは、配列データからフォールディング特性を測定可能な精度で予測する能力を示した。
• 本研究では、この簡略化モデルにおけるフォールディング挙動が、配列から著しく予測可能であることが確認された。
• 結果から、このモデル系において、フォールディング成功の主な要因は動力学的要因ではなく、熱力学的安定性であると考えられる。