GA ja proteiinit

GA ja proteiinit

Suvi Karhu

AUTO3070 Geneettiset algoritmit

Proteiinit Aminohapoista koostuvia orgaanisia

yhdisteitä, jotka toimivat mm.Kudosten rakennusaineina, esim. kollageeniEntsyymeinä, esim. laktaasiAineiden kuljettajina: esim. hemoglobiiniVasta-aineina, esim. immunoglobuliinitReseptoreinaMyrkkyinä, esim. botuliiniHormoneina, esim. insuliiniGeenien säätelijöinä

Proteiinisynteesi Proteiinisynteesissä solu valmistaa proteiineja

DNA:ssa olevan informaation perusteella Vaiheet:

1. Transkriptiossa DNA:n nukleotidijärjestys kopioidaan lähetti-RNA:han

2. Lähetti-RNA siirtyy ribosomiin, missä nukleotidien järjestys käännetään polypeptidiketjun aminohappojärjestykseksi. (=Translaatio)

3. Proteiini laskostuu 3-ulotteiseen muotoonsa

GA ja proteiinit

Seuraavaksi muutama esimerkki proteiineihin liittyvistä GA:n sovelluksista…

Aminohappoaakkoston yksinkertaistaminen

Aminohappoaakkoston yksinkertaistaminen Proteiinit muodostuvat 20 eri

aminohaposta

-> proteiinin aminohapposekvenssi voidaan kuvata käyttämällä 20 kirjainta…

Alaniini (Ala / A) Arginiini (Arg / R) Asparagiini (Asn / N) Asparagiinihappo (Asp / D) Kysteiini (Cys / C) Glutamiinihappo (Glu / E) Glutamiini (Gln / Q) Glysiini (Gly / G) Histidiini (His / H) Isoleusiini (Ile / I) Leusiini (Leu / L) Lysiini (Lys / K) Metioniini (Met / M) Fenyylialaniini (Phe / F) Proliini (Pro / P) Seriini (Ser / S) Treoniini (Thr / T) Tryptofaani (Trp / W) Tyrosiini (Tyr / Y) Valiini (Val / V)

…mutta Erilaisia aminohapposekvenssejä on

enemmän kuin erilaisia proteiinirakenteita Kaksi eri sekvenssiä saattaa tuottaa

samanlaisen proteiininEsim. …SKA… (seriini, lysiini, alaniini)

…TKA… (treoniini, lysiini, alaniini)

Seriinillä ja treoniinilla on samantapaiset kemialliset ominaisuudet -> ei välttämättä ole väliä kumpi niistä esiintyy sekvenssissä

Aminohappojen ominaisuuksia: http://fi.wikipedia.org/wiki/Aminohappo#Aminohappojen_ryhmittely

…joten

Proteiinin rakenne voidaan kuvata vähemmällä kuin 20 kirjaimella

Miksi tarvitaan?Proteiinin rakenteen kuvaamisen

yksinkertaistamiseksi->Helpompi vertailla, miten eri aminohapot

vaikuttavat proteiinin toimintaan

Ratkaisu? Samankaltaisten aminohappojen ryhmittely

(klusterointi, clustering)

Esim. yhdistetään seriini ja treoniini:

merkitään X:llä {S tai T} Ongelma:

Mikä on optimaalinen ryhmittely?

~ Lukujen ositusongelma. NP-täydellinen eli laskennallisesti erittäin vaativa ongelma.

GA:ta on kokeiltu ongelman ratkaisemiseen…

GA Aloituspopulaatio:

Luodaan satunnainen joukko ryhmittelyjä Cross-over:

Valitaan satunnainen aminohappo, esim. a Etsitään vanhemmilta ne klusterit, joissa äsken

valittu aminohappo esiintyy

esim. {almrq}, {aps} Yhdistetään nämä klusterit uudeksi klusteriksi ->{almpqs}

GA Ei mutaatiota, koska satunnaisuus haitallista Tulokset:

Suunnilleen yhtä hyviä kuin muilla menetelmillä saadut GA nopeampi

Lähde Palensky, M.; Ali, H.; , "A genetic algorithm for simplifying the amino acid

alphabet," Bioinformatics Conference, 2003. CSB 2003. Proceedings of the 2003 IEEE , vol., no., pp. 598- 599, 11-14 Aug. 2003doi: 10.1109/CSB.2003.1227418URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1227418&isnumber=27543

Motiivien etsintä

Motiivien etsintä Motiivit ovat lyhyehköjä nukleotidijaksoja tai

aminohappojaksoja, jotka toistuvat usein DNA-sekvenssissä tai aminohapposekvenssissä

Motiiveilla on jokin tärkeä biologinen merkitys, esim. DNA-motiivit määrittelevät proteiinisynteesin aloittamisessa tarvittavien transkriptiofaktoreiden kiinnittymiskohdan DNA-kierteessä

Motiivien ei ole pakko toistua aina täysin samanlaisina, vaan ne voivat erota muutaman nukleotidin/aminohapon osalta

Esimerkki (koskee DNA:ta)sekvenssi1 CTAGCGGACTAGG

sekvenssi2 TAGCTGGACTACT sekvenssi3 CATCAGGAATAAG

->motiivi on GGAMTA, missä M tarkoittaa ”C tai A”

IUPAC ambiguity codes

Motiivien löytämiseksi on kehitetty erilaisia algoritmeja

Myös GA:ta voidaan käyttää

GA ja motiivien etsintä

Generoidaan satunnaisia motiiveja, lasketaan mitkä niistä parhaiten kuvaavat sekvenssissä toistuvia jaksoja, ja risteytetään parhaita yritteitä

Mutaatiossa vältetään muuttamasta motiivin ”parhaita kohtia”

Lähde:Liu, F.F.M.; Tsai, J.J.P.; Chen, R.M.; Chen, S.N.; Shih, S.H.; , "FMGA: finding motifs by genetic algorithm," Bioinformatics and Bioengineering, 2004. BIBE 2004. Proceedings. Fourth IEEE Symposium on , vol., no., pp. 459- 466, 19-21 May 2004doi: 10.1109/BIBE.2004.1317378URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1317378&isnumber=29175

Proteiinin rakenteen ennustaminen


Proteiinin rakenteet:Primäärirakenne = aminohappojärjestysSekundäärirakenne muodostuu, kun

aminohappoketjuun tulee paikallisia rakenteita, kuten α-heliksi ja β-laskos.


Tertiäärirakenne on proteiinin lopullinen 3-ulotteinen muoto, joka muodostuu mm. α-heliksien ja β-laskosten välisestä vuorovaikutuksesta.

Proteiinin 3-ulotteinen rakenne määrää proteiinin toiminnan.


Laskostumisesta ollaan kiinnostuneita mm. siksi, että monet sairaudet johtuvat virheistä proteiinin laskostumisessa,esim. Alzheimer, Parkinson, hullun lehmän tauti, allergioita


Lääkkeiden teho perustuu yleensä jonkin proteiinin aktiivisuuden muuttamiseen elimistössä

Tietoa proteiinin 3-ulotteisesta rakenteesta voidaan hyödyntää lääkkeiden suunnittelussa


3-ulotteinen rakenne voidaan selvittää kokeellisin menetelmin, mutta se on työlästä.Röntgensädekristallografia Ydinmagneettinen resonanssi (NMR)

Olisi helpompaa jos tertiäärirakenne voitaisiin ennustaa suoraan primäärirakenteesta.


Tertiäärirakenteen ennustaminen aminohapposekvenssistä on vaikeaa.

N aminohappoa -> 10N eri konformaatiota


Ennustamisessa voidaan käyttää tietoa, että tertiäärirakenteessa proteiinin potentiaalienergia on minimissään

GA:ta voidaan käyttää minimoimaan energiaa Yritteet ovat geometrisia esityksiä mahdollisista

proteiinin rakenteista Hyvyysfunktio on rakenteen potentiaalienergia Yritteitä, joilla on pienin energia, risteytetään ja

mutatoidaan, kunnes saadaan mahdollisimman pienienergiainen yrite

Documents

GA ja proteiinit