[논문 리뷰] Quantitative Molecular Scaling Theory of Protein Amino Acid Sequences, Structure, and Functionality

J. C. Phillips|arXiv (Cornell University)|2016. 10. 13.

Protein Structure and Dynamics참고 문헌 58인용 수 14

한 줄 요약

이 논문은 90,000개의 PDB 구조를 활용한 생물정보학적 분석을 통해 단백질 아미노산 서열, 구조 및 기능을 지배하는 보편적인 스케일링 원리를 규명하는 정량적 분자 스케일링 이론을 제안한다. 막과 관련된 길이 척도에서 수용성 상호작용과 베타 나선 경향성을 활용함으로써, 이 이론은 단백질 네트워크, 자가조직화 임계점, 질병 관련 기능에 대한 예측 가능성을 제공하며, 개인 맞춤 의료 응용을 위한 확장 가능한 프레임워크를 제공한다.

ABSTRACT

Here we review the development of protein scaling theory, starting from backgrounds in mathematics and statistical mechanics, and leading to biomedical applications. Evolution has organized each protein family in different ways, but scaling theory is both simple and effective in providing readily transferable dynamical insights complementary for many proteins represented in the 90 thousand static structures contained in the online Protein Data Base (PDB). Scaling theory is a simplifying magic wand that enables one to search the hundreds of millions of protein articles in the Web of Science, and identify those proteins that present new cost-effective methods for early detection and/or treatment of disease through individual protein sequences (personalized medicine). Critical point theory is general, and recently it has proved to be the most effective way of describing protein networks that have evolved towards nearly perfect functionality in given environments (self-organized criticality). Evolutionary patterns are governed by common scaling principles, which can be quantified using scales that have been developed bioinformatically by studying thousands of PDB structures. The most effective scales involve either hydropathic globular sculpting interactions averaged over length scales centered on membrane dimensions, or exposed beta strand propensities associated with aggregative (strong) protein-protein interactions.

연구 동기 및 목표

• 다양한 단백질 가족 간의 진화적 및 기능적 패턴을 포괄하는 일반화 가능한 스케일링 이론을 개발하기 위해.
• 대규모 PDB 데이터 생물정보학적 분석을 통해 단백질 서열과 구조의 보편적 스케일링 원리를 규명하기 위해.
• 서열 기반 단백질 기능 예측을 통해 조기 질병 탐지 및 치료 전략을 가능하게 하기 위해.
• 임계점 이론과 자가조직화 임계점을 단백질 네트워크 진화 및 기능성과 연결하기 위해.
• 기능 예측을 위한 이동 가능하고 정량적인 척도를 수용성 및 베타 나선 경향성 기반으로 수립하기 위해.

제안 방법

• 통계역학 및 수학 원리를 적용하여 단백질 서열과 구조의 스케일링 법칙을 유도한다.
• 막의 특성과 관련된 길이 척도에서 평균화된 수용성 상호작용을 핵심 스케일링 변수로 사용한다.
• 집합적 네트워크에서 강한 단백질-단백질 상호작용을 대체로 노출된 베타 나선 경향성을 활용한다.
• 수천 개의 PDB 구조를 분석하여 스케일링 매개변수를 경험적으로 校정하고 예측 능력을 검증한다.
• 임계점 이론을 통합하여 특정 환경에서 최적의 기능성을 향해 진화하는 단백질 네트워크를 모델링한다.
• 웹 오브 사이언스 논문 데이터베이스의 대규모 데이터 마이닝을 활용하여 비용 효율적인 생물의학적 응용 가능성이 있는 단백질을 식별한다.

실험 결과

연구 질문

• RQ1 다양한 단백질 서열과 구조의 다양성에서 보편적 스케일링 원리를 어떻게 도출할 수 있는가?
• RQ2 특히 수용성 또는 베타 나선 관련 상호작용 중에서 단백질의 기능적 및 구조적 조직을 가장 잘 반영하는 것은 무엇인가?
• RQ3 임계점 이론은 단백질 네트워크가 기능 최적화 향해 진화하는 과정을 어느 정도 정확하게 기술할 수 있는가?
• RQ4 스케일링 이론을 통해 서열 데이터만으로도 질병 관련 단백질을 식별할 수 있는가?
• RQ5 다양한 생물학적 맥락에서 단백질 기능을 예측할 수 있는 이동 가능하고 확장 가능한 척도를 개발할 수 있는가?

주요 결과

• 스케일링 이론은 정적 PDB 단백질 구조에서 동적 인사이트를 추출할 수 있는 단순화된 강력한 프레임워크를 제공한다.
• 막과 관련된 길이 척도에서 평균화된 수용성 상호작용이 단백질 접힘과 안정성에서 주요한 요소로 나타난다.
• 노출된 베타 나선 경향성은 네트워크 형성에 필수적인 고친결성 단백질-단백질 상호작용과 강하게 상관된다.
• 임계점 이론은 자가조직화 임계점과 최대 기능성을 향해 진화한 단백질 네트워크를 효과적으로 모델링한다.
• 이 이론은 수백만 개의 단백질 논문을 효율적으로 선별하여 조기 질병 탐지 및 개인 맞춤 의료의 후보를 식별하는 데 기여한다.
• 개발된 척도는 단백질 가족 간에 이동 가능하며, 전통적인 서열-구조-기능 모델을 초월한 예측 능력을 제공한다.