【화학정보학】 프로테오믹스 분석 파이프라인

프로테오믹스 분석 파이프라인

 

추천글 : 【생물정보학】 생물정보학 분석 목차 

---

1. 단백질-단백질 상호작용 [본문]

2. 단백질 변이 기능 예측 [본문]

---

 

1. 단백질-단백질 상호작용(protein-protein interaction; PPI) [목차]

⑴ 주요 사항

① 결합 친화도(결합세기, BA, binding affinity)는 일반적으로 해리 상수(K_d) 또는 억제 상수(K_i)에 의해 정량화됨

② PPI의 일반 고려 사항

○ 일반적인 특성 (예 : 원자 유형)

○ 물리화학적 특성 (예 : 제외된 부피, 부분 전하, 무거운 원자 이웃, 이종 원자 이웃, 혼성화)

○ 약리학적 특성 (예 : 소수성, 방향성, 산/염기, 고리 형태)

③ 데이터셋

○ PDBbind database of version 2016 

○ 부분집합 1. general set : 모든 데이터, 즉 13,285개의 protein-ligand complex를 포함 

○ 부분집합 2. refined set : general subset의 부분집합. 4,057개의 high-quality complex를 포함

○ 부분집합 3. core 2016 set : refined set으로부터 추출한 290 complex. 벤치마킹 데이터로 자주 활용됨

○ CASF-2013

○ CSAR-HiQ

○ CSAR-HiQ_51 : 원래 176개의 protein-ligand complex로 구성된 집합에서 추출한 부분집합

○ CSAR-HiQ_36 : 원래 167개의 protein-ligand complex로 구성된 집합에서 추출한 부분집합

○ Biolip

④ 단백질-리간드 상호작용 모델은 좀 있지만, 단백질-단백질 상호작용 모델은 여전히 상대적으로 드묾

⑵ 모델

① 결합 위치 예측 모델

○ 예 : AlphaFold2 multimer

○ 일반적으로 리간드, 수용체 간 결합 위치가 3 Å 이하이면 결합세기가 높다고 여겨짐

② 결합 친화도 예측 모델 

○ 종류 1. sequence-based method

○ 예 : DeepDTA, DeepDTAF, DeepFusionDTA, GraphDTA, CAPLA

○ 종류 2. structure-based method

○ 예 : DeepDTA, DeepDTAF, DeepFusionDTA, GraphDTA, CAPLA

 

출처 : 이미지 클릭

Table. 1. structure-based method의 분류

 

○ 퍼포먼스 비교

 

출처 : 이미지 클릭

Table. 2. 결합 친화도 예측 모델의 퍼포먼스 비교

 

 

2. 단백질 변이 기능 예측 [목차]

⑴ PolyPhen-2 (Adzhubei et al., 2013)

⑵ SIFT (Kumar et al., 2009)

⑶ Mutation Taster (Schwarz et al., 2014)

⑷ Mutation Assessor (Reva et al., 2011)

⑸ LR 및 LRT (Chun 및 Fay, 2009)

 

입력: 2024.03.31 01:08

수정: 2024.09.29 15:40