详细内容或原文请订阅后点击阅览
蛋白质：统治它们的马赛克模式？
几十年来，疏水核心（蛋白质 3D 结构中疏水性氨基酸聚集在一起的区域）的存在一直被认为是蛋白质的普遍特性。我们现在的发现可能会扩展该模型。特别是，其余氨基酸似乎也根据其化学类型（极性、酸性、碱性、特殊）聚集在一起，特别是以约 8 个单位为一组。这就是我们所说的 Mosaic Q 模型。以下是我们发现它的方法，以及用于其量化和可视化的工具。蛋白质：统治它们的马赛克模式？首先出现在《走向数据科学》上。
来源:走向数据科学TL;DR：为不断增加的不同目的而开发预测/预报应用程序。然而，机器学习也涉及数据挖掘，即识别数据本身隐藏的模式。从这个意义上说，RCSB PDB数据库构成了宝贵的生物数据资源，包含通过不同实验技术获得的数千个蛋白质3D结构。其中，X射线衍射是能够更准确地描述蛋白质结构中每个原子位置的方法。通过分析 X 射线确定的蛋白质结构数据集（超过 160,000 个结构），如果我们同时考虑氨基酸的位置及其化学类型，就可以找到一种模式。这种模式的生物学作用仍然没有被完全理解，但它似乎在非常不同的生物体的结构中得到很好的保守，从动物和植物到真菌和细菌。
从头开始
旅程始于几年前。当时，我正在研究细菌粘附素，这是细菌表面的蛋白质，负责相互作用，即将细菌固定在表面，例如我们的牙齿或其他细菌上，形成生物膜（细菌群落）。我记得当时我对多年前在大学学过的一门学科印象深刻：优雅而美丽的有机化学。因此，当我根据氨基酸（蛋白质的组成部分）的化学类型对其进行分类时，我很自然地尝试并以某种方式将粘附素的特性（它们对表面的粘性）与其结构中氨基酸的化学类型联系起来。
Mosaic Q 模型
在接下来的图片中，我们看到了分析的概述。以下是马赛克、通过 Q 进行的量化以及在超过 160,000 个实验结构中发现的保守曲线 (R= 0.979) 之间的关系。