Strukturní alignment

Schéma porovnání struktur proteinů

U 3D reprezentace se měří rozdíly v pozici ekvivalentních atomů, buď při pevně daném přiřazení k sobě (statické porovnání), nebo při možnosti natočení určitých oblastí (flexibilní porovnání). Flexibilní způsob umožňuje otočit určité úseky v rámci molekul blíže k sobě, čímž je umožněno určit podobnost mezi proteiny s konformační odlišností. Díky tomu podává přesnější informace a je v současnosti nejvíce využíván.[2][3][4][5][6] Samotné hodnocení podobnosti závisí na několika faktorech – rozdílu v počtu společných domén (${\displaystyle N_{e}}$), rozdílu v pozicích atomů (root mean square deviation - ${\displaystyle \textstyle \surd {{\frac {\sum _{i=1}^{N_{e}}d_{i}^{2}}{N_{e}}}\displaystyle }}$) a v penalizování mezer.[1]

Zjednodušení struktury pomocí ekvivalence reziduí, na základě totožných terciárních interakcí. Interakce mezi rezidui je popsána pomocí kontaktních map, grafů, nebo vzdálenostních matic. Využívá se topologické analýzy proteinů.[7][8][9] Oproti 3D reprezentacím nejsou vyhodnocovány vzdálenosti mezi terciárními strukturami, ale pouze mezi páteří jednotlivých proteinů.[1]

1D reprezentaci se také říká strukturní profil. Jedná se o klasifikaci každého rezidua na základě typu aminokyseliny a konformačním stavu páteře. Celý protein je zredukován do řetězce symbolů, na který lze jednoduše aplikovat optimalizované algoritmy,[10][11][9] avšak taková redukce sebou nese limitované možnosti detekce podobnosti proteinů, které mají rozdílnou nadstavbu na základní kostře.

Redukce celého proteinu do jedné hodnoty, popřípadě histogramu.[12][13] Podobné struktury generují stejné, nebo přibližně stejné hodnoty. Uložení v tabulkách (databázích) a nahlížení na hodnoty pomocí indexu poskytuje nejrychlejší způsob hledání. Problémem je nemožnost porovnání podoblastí proteinů.[1]

Algoritmus CE byl vymyšlen již v roce 1998. Algoritmus nejprve rozdělí proteiny na fragmenty, ze kterých vytvoří sub alignmenty AFP (z angl. Alignment Fragment Pairs). Postupných přidáváním dalších párů dochází k vytvoření úplného alignmentu. Délka AFP je v ideálním případě 8 aminokyselin. Uživatel si však může ovlivňovat konečný výsledek pomocí volby parametrů, dle kterých bude algoritmus pracovat. Kromě délky AFP to může být třeba délka možné mezery mezi jednotlivými AFP. CE je využíván např. v databázi PDB pro porovnávání proteinů.[14]

Schéma tvorby vektorů u algoritmu SSAP. Z těchto vektorů se zkonstruuje série rozdílů vektorů, např. mezi FA v proteinu 1 a SI v proteinu 2.

Podobně jako CE je založen na fragmentaci struktury proteiny, ale ideálně na hexapeptidové úseky. Následně vytvoří vzdálenostní matici vyhodnocením kontaktů mezi fragmenty jednotlivých proteinů. Na hlavní diagonále jsou obsaženy rezidua, které tvoří určitou sekundární struktury a nacházejí se vedle sebe v sekvenci. Na vedlejších diagonálách jsou reprezentovány úseky, které se prostorově dotýkají, ale nenacházejí se vedle sebe v sekvenci. Pokud jsou diagonály rovnoběžné, jedná se o typ sekundární struktury, která se vyskytuje paralelně. V případě, že jsou diagonály kolmé, jsou sekundární struktury antiparalelní. Taková matice je vytvořena pro každý protein a dále jsou analyzovány jejich podobnosti.[15] DALI je možné využívat na webu.

Využívá dvojité dynamické programování k vytvoření alignmentu. Na rozdíl od většiny algoritmů nepracuje s alfa uhlíky pro lokalizaci aminokyselin, ale s beta uhlíky. Tímto je umožněno při porovnávání zahrnout rotaci daného rezidua. Nejprve dojde ke konstrukci vzdálenostních vektorů mezi každým reziduem a jeho nejbližším sousedem, který se nenachází hned vedle v sekvenci. Z vektorů je následně vytvořena matice, ze které je pomocí dynamického programování získán ideální alignment. Původně byl algoritmus využit pouze pro párový alignment, ale je již optimalizován i pro vícenásobný.[16] Je využíván např. v databázi CATH.