[논문 리뷰] 3D Protein Structure Predicted from Sequence

Debora S. Marks, Lucy J. Colwell외 5명|arXiv (Cornell University)|2011. 10. 23.

Protein Structure and Dynamics참고 문헌 67인용 수 4

한 줄 요약

이 논문은 아미노산 서열에서 3차원 단백질 구조를 예측하기 위한 신규 방법을 제시한다. 다중 서열 정렬에 기반한 데이터 제약 최대 엔트로피 모델을 적용하여 통계적으로 결합된 잔기 쌍(EICs)을 식별하고, 이를 장거리 제약 조건으로 사용하여 구조 예측을 수행한다. 이로 인해 동일한 단백질 가족에 대해 2.7–5.1 Å의 Cα-RMSD 오차를 달성하였으며, 동일한 단백질의 구조 모델링이나 알려진 구조 템플릿 없이도 성공적으로 예측하였다.

ABSTRACT

The evolutionary trajectory of a protein through sequence space is constrained by function and three-dimensional (3D) structure. Residues in spatial proximity tend to co-evolve, yet attempts to invert the evolutionary record to identify these constraints and use them to computationally fold proteins have so far been unsuccessful. Here, we show that co-variation of residue pairs, observed in a large protein family, provides sufficient information to determine 3D protein structure. Using a data-constrained maximum entropy model of the multiple sequence alignment, we identify pairs of statistically coupled residue positions which are expected to be close in the protein fold, termed contacts inferred from evolutionary information (EICs). To assess the amount of information about the protein fold contained in these coupled pairs, we evaluate the accuracy of predicted 3D structures for proteins of 50-260 residues, from 15 diverse protein families, including a G-protein coupled receptor. These structure predictions are de novo, i.e., they do not use homology modeling or sequence-similar fragments from known structures. The resulting low Cα-RMSD error range of 2.7-5.1Å, over at least 75% of the protein, indicates the potential for predicting essentially correct 3D structures for the thousands of protein families that have no known structure, provided they include a sufficiently large number of divergent sample sequences. With the current enormous growth in sequence information based on new sequencing technology, this opens the door to a comprehensive survey of protein 3D structures, including many not currently accessible to the experimental methods of structural genomics. This advance has potential applications in many biological contexts, such as synthetic biology, identification of functional sites in proteins and interpretation of the functional impact of genetic variants.

연구 동기 및 목표

• 서열 데이터와 진화 정보만을 사용하여 신규 3차원 단백질 구조 예측 방법을 개발한다.
• 다중 서열 정렬에서의 통계적 공진화 분석을 통해 접힘된 단백질 내에서 공간적으로 가까운 잔기 쌍을 식별한다.
• 공진화하는 잔기 쌍에 기록된 진화적 제약 조건이 정확한 3차원 구조를 재구성하는 데 충분한지 평가한다.
• 특히 동족 단백질 템플릿이 없는 단백질 가족에 대해도 구조 예측을 가능하게 한다.
• 빠르게 증가하는 서열 데이터를 활용해 단백질 전체 게놈의 광범위한 구조 조사에 적용 가능한 확장 가능한 프레임워크를 제공한다.

제안 방법

• 다중 서열 정렬에서 관측된 잔기 쌍 빈도에 제약을 두어 최대 엔트로피 모델을 구축한다.
• 역 이징 모델(Potts 모델)을 사용하여 쌍별 상호작용을 추론하고, 통계적으로 결합된 잔기 쌍—즉, 진화 정보 접촉(EICs)—를 식별한다.
• 추론된 EICs를 3차원 구조 예측 파이프라인에 장거리 거리 제약 조건으로 적용한다.
• EIC 제약 조건과 서열 선호도에 부합하는 3차원 구조를 생성하기 위해 몬테카를로 기반 샘플링 방법을 사용한다.
• 기존 템플릿, 동족 모델링, 조각 라이브러리에 의존하지 않고 신규 접힘(folding)을 수행한다.
• 실험적으로 결정된 구조와의 Cα-루트 평균 제곱 오차(RMSD)를 사용하여 예측 결과를 검증한다.

실험 결과

연구 질문

• RQ1 다중 서열 정렬에서의 진화적 공진화 패턴이 3차원 단백질 구조를 완전히 새로운 방식으로 재구성하는 데 충분한 정보를 제공할 수 있는가?
• RQ2 추론된 잔기 접촉(EICs)이 실제로 접힌 단백질 내에서의 공간적 가까움을 어느 정도 반영하는가?
• RQ3 이 방법을 사용하여 알려진 구조 동족체가 없는 단백질의 정확한 3차원 구조를 예측할 수 있는가?
• RQ4 이러한 방법의 구조 예측 정확도는 GPCR와 같은 막 단백질을 포함한 다양한 단백질 가족 간에 어떻게 달라지는가?
• RQ5 이 접근법을 사용해 신뢰할 수 있는 3차원 구조 예측을 달성하기 위해 필요한 최소한의 다양성이 있는 서열 수는 얼마인가?

주요 결과

• 이 방법은 최소한 단백질 배경의 75% 이상에서 2.7 Å에서 5.1 Å의 Cα-RMSD 오차 범위로 3차원 단백질 구조를 성공적으로 예측하였다.
• 이 방법은 G-단백질 결합 수용체를 포함한 15개의 다양한 단백질 가족에 대해 정확한 예측을 달성하였으며, 특히 도전적인 막 단백질 가족에 적용 가능함을 보여주었다.
• 예측된 구조는 알려진 템플릿이나 조각 라이브러리를 사용하지 않고 진화적 공진화 데이터에 기반하여 유일하게 유도되었다.
• 이 연구는 다중 서열 정렬에 기록된 진화적 제약 조건이 3차원 접힘 구조의 위상 정보를 추론하는 데 충분한 정보를 포함하고 있음을 보여주었다.
• 충분한 서열 다양성이 확보될 경우, 이 방법을 통해 수천 개의 미해결 단백질 가족에 대해 대규모, 고속 예측이 가능할 것임을 시사한다.
• 이 방법은 50–260 잔기의 다양한 단백질 크기와 접힘 유형에 대해 뛰어난 내구성을 보이며, 미해결 단백질 전체 게놈에 광범위하게 적용 가능함을 나타낸다.