선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 새로운 형태의 단편조립과 이를 이용한 구조예측의 방법을 제시한다. 제안된 방법은 기존의 단편조립법에 널리 사용되는 15개 아미노산 정도의 단편(9)이 아닌 매우 짧은 단편을 사용한다.
- 본 연구에서는 아미노산의 배열에 대한 단백질 3차원 분자구조 예측의 방법으로 새로운 단편조립과 접힘 최적화를 제안하였다. 제안된 단편조립은 단편간의 기하학적인 편차인 결합오차를 사용하여 구조를 형성하였다.
- 6의 좌측그림과 같이 구조적으로 풀어진(unfolded) 형태를 가질 수 있다. 본 연구에서는 자연 상태의 단백질 구조처럼 예측된 단백질 3차원 구조의 내부 원자들이 매우 작은 공간에 밀집되도록 접힘 최적화를 고려하였다. 따라서 최종 예측구조를 만들기 위해서 단백질 접힘 상태에 대한 에너지 방정식을 구성하고, 이 에너지 방정식을 최소화시키는 구조를 찾는 최적알고리즘을 구성하였다.
- 개발된 최적알고리즘은 기억세포를 사용하여 기억세포에 저장된 공간을 제외한 나머지 공간을 탐색한다. 이러한 방법으로 전체적인 최적구조를 탐색하도록 하였다.
- 함수공간을 구성한다. 이러한 복잡한 함수공간에서 최적 접힘구조를 찾기 위해 최적알고리즘을 개발하였다. 에너지 방정식에 대한 변수는 각 아미노산의 N-Ca, CQ-C 두 결합축의 0에서 360°의 회전각으로 정의된다.
제안 방법
- 지정하였다. 4개의 Glycine 아미노산이 회전의 대상으로 지정되었고 이 아미노산들의 Φ와ψ를 사용하여 3차원 구조를 회전시켜 탐색을 위한 개체군을 만들었다. 개체군의 크기는 반복과정에서 100으로 일정하게 유지되었고 최대 1,000번의 반복을 탐색조건으로 하였다.
- Evolumee 전체 6간의 거리들 중 가장 먼 거리를 정육면체의한 변의 길이로 고려하고 이때의 정육면체 체적을 계산하여 사용하였다. 따라서 이 항목은 구해진 3차원 구조가 작은 체적을 갖도록 하여 접힘이 잘 되는데 큰 영향을 준다.
- 개발된 접힘 최적화를 이용하여 ab initio 예측실험을 실시하였다. Ab initio 예측의 계산실험을 위하여 3개의 나선구조와 2개의 평판구조를 갖는 72개의 아미노산으로 구성된 단백질의 아미노산 배열을 사용하였다.
- 기억세포는 최적화 과정이 일정 수 이상 반복해서 같은 함수공간을 찾을 경우, 즉 국부최적화에 빠졌을 경우 찾아진 함수공간을 저장하는 기능을 한다. 개발된 최적알고리즘은 기억세포를 사용하여 기억세포에 저장된 공간을 제외한 나머지 공간을 탐색한다. 이러한 방법으로 전체적인 최적구조를 탐색하도록 하였다.
- 4개의 Glycine 아미노산이 회전의 대상으로 지정되었고 이 아미노산들의 Φ와ψ를 사용하여 3차원 구조를 회전시켜 탐색을 위한 개체군을 만들었다. 개체군의 크기는 반복과정에서 100으로 일정하게 유지되었고 최대 1,000번의 반복을 탐색조건으로 하였다. 100번 이상의 반복에서도 더 이상 최적구조의 변화가 없을 경우 최적알고리즘이 수렴하였다고 고려하였다.
- 가장 많은 단편을 갖는 3-아미노산 배열은 3,237개의 Arginine-Tyrosine-Proline이고 Cystine-Methionine-Cystine의 배열은 단편이 형성되지 않았다. 구해진 모든 단편의 3차원 분자구조는 첫 번째 아미노산의 알파 탄소(Cc)를 원점으로 하여 Ca-C-0 평면이 일치하도록 모두 좌표 변환하여 저장하였다. Fig.
- 이때 중복되는 아미노산의 두 개의 N(질소원자)의 상호간의 거리를 측정하여 이를 결합오차로 정의하였다. 따라서 가능한 모든 단편에 대하여 모든 결합오차를 측정하고 이 중 가장 작은 결합오차 값을 보이면서 원자간 충돌이 없는 단편을 선택하여 연결하였다. 이때 단편의 조립을 시작하는 처음 단편의 선택은 참고가 될 커플링오차를 구할 수 없으므로 고려 가능한 모든 단편을 모두 선택하였고, 조립의 처음 시작은 아미노산 배열의 첫 번째부터 n번째까지 모두에 걸쳐서 실시하였다.
- 본 연구에서는 자연 상태의 단백질 구조처럼 예측된 단백질 3차원 구조의 내부 원자들이 매우 작은 공간에 밀집되도록 접힘 최적화를 고려하였다. 따라서 최종 예측구조를 만들기 위해서 단백질 접힘 상태에 대한 에너지 방정식을 구성하고, 이 에너지 방정식을 최소화시키는 구조를 찾는 최적알고리즘을 구성하였다.
- 본 논문에서 제시된 방법은 아직 몇 가지 개선점을 가지고 있으나 본문에서 보여준 예측결과와 같이 처음으로부터의 예측의 새로운 방법으로 제시될 수 있을 것이다.
- 본 연구에서는 진화전략법(Evolutionary S* trategy)(13, 14)에 기초하여 교배, 돌연변이, 선택의 과정을 거치고, 반복적으로 최적화 구조를 찾게 된다. 그러나 함수공간의 복잡성으로 인하여 국부최적화(local optimum) 지점에 수렴되어 최적화 진행이 안 될 수 있다.
- 따라서 가능한 모든 단편에 대하여 모든 결합오차를 측정하고 이 중 가장 작은 결합오차 값을 보이면서 원자간 충돌이 없는 단편을 선택하여 연결하였다. 이때 단편의 조립을 시작하는 처음 단편의 선택은 참고가 될 커플링오차를 구할 수 없으므로 고려 가능한 모든 단편을 모두 선택하였고, 조립의 처음 시작은 아미노산 배열의 첫 번째부터 n번째까지 모두에 걸쳐서 실시하였다. 제안된 단편조립에 따라서 100여개의 아미노산을 갖는 단백질에 대하여 수천개의 초기구조가 형성되게 된다.
- 본 연구에 사용된 단편 라이브러리로부터 SCOP에서 검사된 단백질과 관련이 있는 모든 단편들을 제거 하였다. 이렇게 정리된 단편 라이브러리를 사용하여 다시 단편조립을 이용한 초기구조 형성을 실시하였다.
- 제안된 구조예측법이 ab initio 예측을 할 수 있는지 검증하기 위해서 1LEB 자신을 포함한 모든 관련된 단백질을 공개 단백질 검색엔진인 SCOP(17)에서 검사하였다. 본 연구에 사용된 단편 라이브러리로부터 SCOP에서 검사된 단백질과 관련이 있는 모든 단편들을 제거 하였다.
- 접힘 최적화를 제안하였다. 제안된 단편조립은 단편간의 기하학적인 편차인 결합오차를 사용하여 구조를 형성하였다. 이러한 단편조립은 기존의 단편조립의 구조 유사성 탐색이 필요하지 않는다.
- 이러한 짧은 단편은 상대적으로 긴 단편에 비하여 단편을 만들기 위한 구조 유사성 검색 등의 복잡한 과정이 생략되게 하는 장점이 있다. 제안된 방법에서는 3-아미노산(3-residue) 단편들을 이용하여 주어진 아미노산 배열의 요구에 따라 초기구조를 만든다. 이러한 초기구조는 추가적인 단편 교환은 필요 없다.
- 구조예측의 방법을 제시한다. 제안된 방법은 기존의 단편조립법에 널리 사용되는 15개 아미노산 정도의 단편(9)이 아닌 매우 짧은 단편을 사용한다. 이러한 짧은 단편은 상대적으로 긴 단편에 비하여 단편을 만들기 위한 구조 유사성 검색 등의 복잡한 과정이 생략되게 하는 장점이 있다.
- 총 6,111개의 초기구조가 형성되었고 이들의 아미노산 배열에 대한 나선구조 위치를 각각 파악하였다. 그 결과 가장 빈도가 높은 나선구조의 위치를 갖는 3차원 구조를 접힘 최적화의 초기구조로 선택하였다.
대상 데이터
- 실시하였다. Ab initio 예측의 계산실험을 위하여 3개의 나선구조와 2개의 평판구조를 갖는 72개의 아미노산으로 구성된 단백질의 아미노산 배열을 사용하였다. 이 단백질의 Protein Data Bank(PDB)(16)ID는 1LEB이다.
- PDB-REPRDB에 2004년 6월까지 등록된 단백질을 대상으로 4167개의 대표적인 단백질을 찾았다. 검색된 단백질들을 가능한 모든 3-아미노산의 아미노산 배열에 대하여 분해한 결과 1,267,745개의 단편이 형성되었다.
- 그 결과 가장 빈도가 높은 나선구조의 위치를 갖는 3차원 구조를 접힘 최적화의 초기구조로 선택하였다. 구해진 초기구조는 32개의 서로 다른 단백질로부터 만들어진 단편으로 구성되었다.
- 본 연구에 사용된 단편은 3개 아미노산의 고정된 아미노산 길이를 갖고 있으며 Fig. 3과 같이 아미노산 배열의 입력에 따라 3개 아미노산씩 연결해 가며 이때 전후 1개의 아미노산은 중복되게 된다.
- 4에 본 연구에 사용된 일부 단편의 시각화를 나타내었다. 본 연구에서 사용된 단편에는 N-Cα-C-O(backbone) 및 베타탄소(Cp)의 3차원 구조정보가 저장되었다.
- 본 연구에서 사용된 접힘을 위한 에너지 함수는 비선형적이고 Ehydrobcmd 에서 보이는 것과 같이 불연속적인 함수공간을 구성한다. 이러한 복잡한 함수공간에서 최적 접힘구조를 찾기 위해 최적알고리즘을 개발하였다.
- 사용된 단편은 PDB-REPRDB(ll)라고 하는 대표적인 단백질을 검색해 주는 데이터베이스를 이용하였다. PDB-REPRDB에 2004년 6월까지 등록된 단백질을 대상으로 4167개의 대표적인 단백질을 찾았다.
- 6과 7과 같은 접힘의 계산실험을 하였다. 이 실험에 사용된 접힘 최적화의 실험모델은 자연구조의 단백질 3차원 분자구조에서 일부 아미노산의 $(N-Ca 결합축의 회전각)와 ψ(Ca-C 결합축의 회전각)를 임의로 변형시켜서 전체 3차원 구조를 펼친 형태이다. Fig.
- 접힘이 된 최적구조를 찾기 위해서 구해진 초기구조에서 결합오차가 상대적으로 크고 분자구조상 회전이 용이한 Glycine 아미노산을 회전의 대상으로 지정하였다. 4개의 Glycine 아미노산이 회전의 대상으로 지정되었고 이 아미노산들의 Φ와ψ를 사용하여 3차원 구조를 회전시켜 탐색을 위한 개체군을 만들었다.
이론/모형
- 그러나 함수공간의 복잡성으로 인하여 국부최적화(local optimum) 지점에 수렴되어 최적화 진행이 안 될 수 있다. 따라서 이러한 국부최적화를 최대한 방지하기 위해서 면역알고리즘(ImmuneAlgorithm)(15)의 기억세포(Memory Cell)를 도입하였다. 기억세포는 최적화 과정이 일정 수 이상 반복해서 같은 함수공간을 찾을 경우, 즉 국부최적화에 빠졌을 경우 찾아진 함수공간을 저장하는 기능을 한다.
성능/효과
- 9에 표시하였다. 51번의 반복에서 최적 접힘구조가 탐색 되었으며 200번 이상의 반복에서 최적화 과정이 수렴됨을 알 수 있다. 최종적으로 얻어진 구조는 자연구조와 6.
- PDB-REPRDB에 2004년 6월까지 등록된 단백질을 대상으로 4167개의 대표적인 단백질을 찾았다. 검색된 단백질들을 가능한 모든 3-아미노산의 아미노산 배열에 대하여 분해한 결과 1,267,745개의 단편이 형성되었다. 예를 들어 Alanine-Alanine-Alanine의 배열에 대하여 종 1,552개의 단편이, Tyrosine-Tyrosine-Tyrosine에 대해서는 3개의 단편이 형성되었다.
- 그 결과 가장 빈도가 높은 나선구조의 위치를 갖는 3차원 구조를 접힘 최적화의 초기구조로 선택하였다. 구해진 초기구조는 32개의 서로 다른 단백질로부터 만들어진 단편으로 구성되었다.
- 이는 사용된 단편 라이브러리에 1LEB와 3차원 분자구조가 유사한 PDB ID 1JHF의 단편이 존재하였고 제안된 단편조립법이 이를 사용하여 구조를 생성한 것이 원인으로 확인되었다. 따라서 제안된 단편조립만으로도, 만일 구조적으로 유사한 단백질구조가 단편 라이브러리에 있을 경우, 상당히 정확한 구조를 생성할 수 있음을 알 수 있다.
- 본 연구에서는 원자들의 기하학적 거리만을 이용하는 결합오차(coupling error)를 정의하였고, 이를 이용하여 아미노산 배열에 대한 다수의 단편으로부터 적절한 단편을 선택할 수 있었다. 단편 선택과 이를 이용한 초기 3차원 구조형성의 자세한 내용은 다음과 같다.
- 아미노산 배열만을 입력하여 제안된 단편조립에 의해 구해진 초기구조에서 자연 상태의 3차원 구조와 거의 동일한 구조가 생성되었다. 이는 사용된 단편 라이브러리에 1LEB와 3차원 분자구조가 유사한 PDB ID 1JHF의 단편이 존재하였고 제안된 단편조립법이 이를 사용하여 구조를 생성한 것이 원인으로 확인되었다.
- 거의 동일한 구조가 생성되었다. 이는 사용된 단편 라이브러리에 1LEB와 3차원 분자구조가 유사한 PDB ID 1JHF의 단편이 존재하였고 제안된 단편조립법이 이를 사용하여 구조를 생성한 것이 원인으로 확인되었다. 따라서 제안된 단편조립만으로도, 만일 구조적으로 유사한 단백질구조가 단편 라이브러리에 있을 경우, 상당히 정확한 구조를 생성할 수 있음을 알 수 있다.
- 6과 같이 100번의 반복을 통하여 자연 상태에 매우 유사한 구조를 찾아감을 알 수 있다. 이러한 계산실험을 통하여 정의된 접힘을 위한 에너지 방정식과 이를 최적화하는 최적알고리즘의 타당성이 검증되었다.
- 접힘 최적화를 위하여 새로운 에너지 방정식과 최적알고리즘이 제안되었다. 제안돤 예측방법을 사용하여 ab initio 예측을 실시한 결과, 예측된 3차원 구조와 자연 상태의 3차원 구조가 RMSD 6.08A의 근사성을 나타내었다.
- 51번의 반복에서 최적 접힘구조가 탐색 되었으며 200번 이상의 반복에서 최적화 과정이 수렴됨을 알 수 있다. 최종적으로 얻어진 구조는 자연구조와 6.08A의 RMSD를 보였다. 100 아미노산 이하의 구형 단백질의 경우 예측구조와 자연 상태의 3차원 구조의 RMSD가 약 6.
후속연구
- 제안된 예측방법은 아직 개발단계에 있으며, 특히 단편조립으로부터 형성된 다수의 초기 구조에서 어떤 구조를 접힘의 후보로 선택할 것인지에 관한 고려가 필요하다. 현재 이러한 다수의 초기 구조를 한국과학기술정보연구원의 그리드 컴퓨팅 자원"아을 이용하여 모두 해석하려는 방법이 시도되고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.