Bio-informatica
HC 2: Van sequentie naar functie en structuur van het
eiwit
De primaire eiwitstructuur
Def. de aminozuren en de volgorde waarin ze staan
- De eiwitsequentie
- De peptide kunnen draaien in hun vak → rond de C-C binding of C-N binding
o Vormt twee torsiehoeken: ψ en φ
Aminozuren binden = peptidebinding + water
- 1 aminozuur:
o Zijgroep bepaald over welk aminozuur het gaat
o Aminogroep: N-terminus van een peptide
o COO-groep: C-terminus van een peptide
- Eiwit heeft dus ook een N-terminus en C-terminus
o Links: N-terminus ; rechts: C-terminus
Eiwitsequenties → terugvinden in primaire databanken
- America: GenBank – Japan: DNA data bank – Europa: EMBL/EBI
o Verschillende databanken die gebruik maken van verschillende identifiers → niet
makkelijk hetzelfde eiwit in de verschillende databanken vinden
- Worden geüpdated → altijd goed de versie en datum opschrijven van de databank in een
verslag
TrEMB: een databank met superveel eiwitsequenties in
- Hypothetische sequenties: eiwitsequenties waarvan de eiwitten nog nooit zijn
waargenomen door onderzoekers
- Ook wel waargenomen sequenties
Informatie over 1 bepaald eiwit opzoeken:
- SWISS-Prot: een databank met enkel waargenomen eiwitsequenties
o De eiwitsequenties die een review hadden en geannoteerd zijn
- UniProt KB: de combinatie van SWISS-Prot en TrEMB
- Canonieke sequentie van een eiwit → alle afwijkingen zijn gedocumenteerd
o Alternatieve splicing, polymorfismen, conflicten
- Met annotatie op basis van:
o Data uit de literatuur
o 3D-data
- Met links naar gespecialiseerde DBases
NCBI_RefSeq_protein → de Amerikaanse versie
Canonieke eiwitsequentie: de eiwitsequentie die het meest voorkomt in de populatie
- In een eiwit kunnen er verschillen in de eiwitsequentie zijn door mutaties
- Voorwaarden voor de sequentie:
o De meest voorkomende sequentie
o Lijkt het meest op orthologe sequenties die in andere soorten worden
aangetroffen
o Door zijn lengte af AZ-samenstelling maakt het de duidelijkste beschrijving
mogelijk van domeinen, isovormen, polymorfismen, posttranslationele
modificaties, …
o Langste sequentie (bij gebrek aan informatie)
1
, o Genoomsequentie is voltooid → eiwitsequentie die is afgeleid van de
genoomtranslatie (tenzij duidelijk dat een ander polymorfisme vaker voorkomt)
De secundaire eiwitstructuur
Def. de eiwitsequentie die gevouwen worden in α-helix en β-ketens en hiertussen zitten niet-
geordende verbindingstukjes, loops genaamd
- Er is een rechtsdraaiende en linksdraaiende helix aanwezig
- De β-keten heeft een vouwblad structuur
- Zorgen voor stevigheid van het eiwit
- In de loops vaak mutaties
Op basis van de eiwitsequentie:
- De secundaire structuur bepalen
- Kijken of de stukjes hydrofoob of hydrofiel zijn → welk stuk zit in het membraan, welke
erbuiten
- Signaalpeptide aanwezig of niet → moet het eiwit na vouwing naar een andere plaats
getransporteerd worden
De tertiaire eiwitstructuur
Def. de α- en β-structuren vouwen zich verder in domeinen wat de structurele eenheid is van de
tertiaire structuur
- Domein: een compacte (folding) unit bestaande uit meer dan 50 aminozuren
opgebouwd uit secundaire structuurelementen α-helix en/of β-keten verbonden door
loops
o Hebben een functionaliteit
- 10.699 domeinen gedefinieerd
- Eiwit: 2 tot 3 domeinen
- Domeinen kunnen worden gerecombineerd
Eiwitten doen aan auto-assembling:
- Gaan vanzelf vouwen in de juiste structuur door fysica
- Sommige eiwitten → chaperon eiwitten nodig om de juiste structuur te krijgen
o Kost energie
Domeinsamenstelling en -organisatie → bepalen de functie van een eiwit
- Eiwitten kunnen domeinen delen maar een heel andere functie hebben
Domeinorganisatie bepalen van een eiwit
Op basis van eiwitstructuur: goed bewaard in de tijd
- Bepalen van de structuur:
o X-stralen kristallografie → kristallijn eiwit
▪ Bekomen via een synchrotron: X-stralen bekomen door elektronen die
circuleren in de synchrotron
o Kernspinresonantie (NMR spectroscopie)
o Andere: elektronenmicroscopie
- Databanken → kwaliteit weergegeven door de resolutie
o Resolutie: een maatstaf voor de kwaliteit van de gegevens die zijn verzameld
over het kristal dat het eiwit of nucleïnezuur bevat → hoeveel details er zichtbaar
zijn
▪ Hoge resolutie (1Å): elk atoom zichtbaar in elektronendichtheidskaart
▪ Lage resolutie (3Å): enkel de basiscontouren van de eiwitketen zichtbaar
o Databanken voor volledige eiwitten
o Databanken voor domeinen
2
, ▪ Domein en functieonderzoek op basis van 3D-structuur en sequentie
homologie
▪ Vb. Class (secundaire structuren) Architecture (organisatie secundaire
structuren) Topology en homology (domeinstructuur en functie) => CATH
▪ Vb. SCOP (Structural Classification Of Proteins)
- De novo tertiaire structuur modellering vanaf sequentie → in silico modellering van de
eiwitstructuur vertrekkend van de sequentie
o Eiwit A en eiwit B hebben 40% sequentie-similariteit → structuur eiwit A is
gekend
▪ Structuur eiwit B modelleren via structuur eiwit A
o Kan nu goed via AI
Op basis van eiwitsequentie: ontstaan van mutaties door evolutie → kan sterk verschillen
tussen species
- Patroon databank: korte aminozuursequentie = signatuur
o Gemeenschappelijk voorkomend in eiwitten met dezelfde functie in
verschillende organismen = sterk geconserveerd
o Constructie gebeurt met behulp van multiple alignering
o Een consensuspatroon gemaakt (zie DIA 33 → examenvraag)
▪ […] : één van deze AZ moet er staan
▪ {…} : ieder AZ behalve dit AZ moet er staan
▪ x : om het even welke AZ moet er staan
- Profiel databank: een sterk uitgebreide aminozuursequentie (niet noodzakelijk sterk
geconserveerd)
o Voorkomend in eiwitten met dezelfde functie in verschillende organismen
o Opsporing gebeurt vanuit multiple alignering
o Een positie-specifieke scoringsmatrix gemaakt (zie DIA 35)
▪ Een tabel die scores geeft aan bepaalde AZ op bepaalde plaatsen in de
sequentie
DUS functie eiwit achterhalen: BLAST + analyse van domeinsamenstelling en -organisatie
De quaternaire structuur
Subeenheid is de eenheid van de quaternaire structuur:
- Covalentgebonden tertiaire structuren
- Homo-multimeren
- Hetero-multimeren
Eiwit-eiwit interacties => dynamische interacties
Samenvatting:
1. Eiwitten zijn opgebouwd uit minstens 1 domein
2. Een domein is een (semi-)autonoom structuurelement met een specifieke functie
3. In silico domeinanaylse is belangrijk om de functie van een eiwit te voorspellen
4. Analyse van de domeinsamenstelling/-organisatie gebeurt op:
a. Sequentieniveau: collecties van patronen of profielen
b. Structuurniveau: classificatie van structuurdomeinen
5. Eiwitsequentie DB: NCBI en Trembl, SwissProt
6. Eiwitstructuur DB (= PDB) en interactiedatabank (intact, string, …)
3
, HC 3: Op zoek naar algoritmes voor alignering van DNA-
sequenties
Biologie en sequentie informatie
Een gen in een chromosoom vinden → heel moeilijk door veranderingen in DNA
- Oorzaak: er moet veel gebeuren voor DNA gekopieerd kan worden
o Ontrafelen, verdubbelen, energie voorzien, …
- Mechanisme om veranderingen te induceren
o Inserties, deleties, substituties
o Genetische recombinatie
Hoe gelijkend zijn 2 sequenties?
- Kijken naar de orde = heel belangrijk
o De volgorde van de nucleotide is heel belangrijk
- Op basis van 2 sequenties kan je niet zien of er een nucleotide is bijgekomen of
verdwenen door evolutie
o DAAROM insertie/deletie => indel genoemd
Homologie: beschrijft de relatie tussen genen en hoe ze worden overgeërfd van voorouders
- Homoloog gen: een gen dat in twee soorten is overgeërfd door een gemeenschappelijke
voorouder
o Homologe genen zijn qua sequentie gelijk, maar gelijkende sequenties zijn niet
homologe genen
- Orthologen: homologe genen waarbij een gen na een soortvorming afwijkt, maar het gen
zijn belangrijkste functie behouden blijven
- Paralogen: als een gen in een soort wordt gedupliceerd => genen die hun functie wijzigen
binnen het organisme
o Vb. verschillende soorten hemoglobine in het lichaam
Waarom homologen gebruikt?
- Phylogenetische boom bouwen → kijken hoe dicht soorten verwant zijn
- Gen functie achterhalen → kijken naar de functie van homologe genen
- Structuur achterhalen
- Genen en overerving
- Intronen/exonen
- Zoeken voor opern reading frames
- Zoeken naar promotor regio’s
- PCR primer design
Formalisering van sequentie aligneren
Aligneren: een hypothese vormen over hoe de sequenties zijn geëvolueerd vanuit hun
dichtstbijzijnde gemeenschappelijke voorouder
- Welke soort alignering gebruiken?
o Globaal, lokaal, overlap, repeated
- Welk scoringssysteem gebruikt?
o PAM, BLOSSUM, gap penalty, …
- Welk algoritme gebruikt voor de optimale score?
o HMM, dynamic programming, …
- Welk statistisch model gebruikt om de significantie van de alignerings score te vinden?
o Extreme waarde, Bit score
Aligneren → met behulp van Graaf theorie
4
HC 2: Van sequentie naar functie en structuur van het
eiwit
De primaire eiwitstructuur
Def. de aminozuren en de volgorde waarin ze staan
- De eiwitsequentie
- De peptide kunnen draaien in hun vak → rond de C-C binding of C-N binding
o Vormt twee torsiehoeken: ψ en φ
Aminozuren binden = peptidebinding + water
- 1 aminozuur:
o Zijgroep bepaald over welk aminozuur het gaat
o Aminogroep: N-terminus van een peptide
o COO-groep: C-terminus van een peptide
- Eiwit heeft dus ook een N-terminus en C-terminus
o Links: N-terminus ; rechts: C-terminus
Eiwitsequenties → terugvinden in primaire databanken
- America: GenBank – Japan: DNA data bank – Europa: EMBL/EBI
o Verschillende databanken die gebruik maken van verschillende identifiers → niet
makkelijk hetzelfde eiwit in de verschillende databanken vinden
- Worden geüpdated → altijd goed de versie en datum opschrijven van de databank in een
verslag
TrEMB: een databank met superveel eiwitsequenties in
- Hypothetische sequenties: eiwitsequenties waarvan de eiwitten nog nooit zijn
waargenomen door onderzoekers
- Ook wel waargenomen sequenties
Informatie over 1 bepaald eiwit opzoeken:
- SWISS-Prot: een databank met enkel waargenomen eiwitsequenties
o De eiwitsequenties die een review hadden en geannoteerd zijn
- UniProt KB: de combinatie van SWISS-Prot en TrEMB
- Canonieke sequentie van een eiwit → alle afwijkingen zijn gedocumenteerd
o Alternatieve splicing, polymorfismen, conflicten
- Met annotatie op basis van:
o Data uit de literatuur
o 3D-data
- Met links naar gespecialiseerde DBases
NCBI_RefSeq_protein → de Amerikaanse versie
Canonieke eiwitsequentie: de eiwitsequentie die het meest voorkomt in de populatie
- In een eiwit kunnen er verschillen in de eiwitsequentie zijn door mutaties
- Voorwaarden voor de sequentie:
o De meest voorkomende sequentie
o Lijkt het meest op orthologe sequenties die in andere soorten worden
aangetroffen
o Door zijn lengte af AZ-samenstelling maakt het de duidelijkste beschrijving
mogelijk van domeinen, isovormen, polymorfismen, posttranslationele
modificaties, …
o Langste sequentie (bij gebrek aan informatie)
1
, o Genoomsequentie is voltooid → eiwitsequentie die is afgeleid van de
genoomtranslatie (tenzij duidelijk dat een ander polymorfisme vaker voorkomt)
De secundaire eiwitstructuur
Def. de eiwitsequentie die gevouwen worden in α-helix en β-ketens en hiertussen zitten niet-
geordende verbindingstukjes, loops genaamd
- Er is een rechtsdraaiende en linksdraaiende helix aanwezig
- De β-keten heeft een vouwblad structuur
- Zorgen voor stevigheid van het eiwit
- In de loops vaak mutaties
Op basis van de eiwitsequentie:
- De secundaire structuur bepalen
- Kijken of de stukjes hydrofoob of hydrofiel zijn → welk stuk zit in het membraan, welke
erbuiten
- Signaalpeptide aanwezig of niet → moet het eiwit na vouwing naar een andere plaats
getransporteerd worden
De tertiaire eiwitstructuur
Def. de α- en β-structuren vouwen zich verder in domeinen wat de structurele eenheid is van de
tertiaire structuur
- Domein: een compacte (folding) unit bestaande uit meer dan 50 aminozuren
opgebouwd uit secundaire structuurelementen α-helix en/of β-keten verbonden door
loops
o Hebben een functionaliteit
- 10.699 domeinen gedefinieerd
- Eiwit: 2 tot 3 domeinen
- Domeinen kunnen worden gerecombineerd
Eiwitten doen aan auto-assembling:
- Gaan vanzelf vouwen in de juiste structuur door fysica
- Sommige eiwitten → chaperon eiwitten nodig om de juiste structuur te krijgen
o Kost energie
Domeinsamenstelling en -organisatie → bepalen de functie van een eiwit
- Eiwitten kunnen domeinen delen maar een heel andere functie hebben
Domeinorganisatie bepalen van een eiwit
Op basis van eiwitstructuur: goed bewaard in de tijd
- Bepalen van de structuur:
o X-stralen kristallografie → kristallijn eiwit
▪ Bekomen via een synchrotron: X-stralen bekomen door elektronen die
circuleren in de synchrotron
o Kernspinresonantie (NMR spectroscopie)
o Andere: elektronenmicroscopie
- Databanken → kwaliteit weergegeven door de resolutie
o Resolutie: een maatstaf voor de kwaliteit van de gegevens die zijn verzameld
over het kristal dat het eiwit of nucleïnezuur bevat → hoeveel details er zichtbaar
zijn
▪ Hoge resolutie (1Å): elk atoom zichtbaar in elektronendichtheidskaart
▪ Lage resolutie (3Å): enkel de basiscontouren van de eiwitketen zichtbaar
o Databanken voor volledige eiwitten
o Databanken voor domeinen
2
, ▪ Domein en functieonderzoek op basis van 3D-structuur en sequentie
homologie
▪ Vb. Class (secundaire structuren) Architecture (organisatie secundaire
structuren) Topology en homology (domeinstructuur en functie) => CATH
▪ Vb. SCOP (Structural Classification Of Proteins)
- De novo tertiaire structuur modellering vanaf sequentie → in silico modellering van de
eiwitstructuur vertrekkend van de sequentie
o Eiwit A en eiwit B hebben 40% sequentie-similariteit → structuur eiwit A is
gekend
▪ Structuur eiwit B modelleren via structuur eiwit A
o Kan nu goed via AI
Op basis van eiwitsequentie: ontstaan van mutaties door evolutie → kan sterk verschillen
tussen species
- Patroon databank: korte aminozuursequentie = signatuur
o Gemeenschappelijk voorkomend in eiwitten met dezelfde functie in
verschillende organismen = sterk geconserveerd
o Constructie gebeurt met behulp van multiple alignering
o Een consensuspatroon gemaakt (zie DIA 33 → examenvraag)
▪ […] : één van deze AZ moet er staan
▪ {…} : ieder AZ behalve dit AZ moet er staan
▪ x : om het even welke AZ moet er staan
- Profiel databank: een sterk uitgebreide aminozuursequentie (niet noodzakelijk sterk
geconserveerd)
o Voorkomend in eiwitten met dezelfde functie in verschillende organismen
o Opsporing gebeurt vanuit multiple alignering
o Een positie-specifieke scoringsmatrix gemaakt (zie DIA 35)
▪ Een tabel die scores geeft aan bepaalde AZ op bepaalde plaatsen in de
sequentie
DUS functie eiwit achterhalen: BLAST + analyse van domeinsamenstelling en -organisatie
De quaternaire structuur
Subeenheid is de eenheid van de quaternaire structuur:
- Covalentgebonden tertiaire structuren
- Homo-multimeren
- Hetero-multimeren
Eiwit-eiwit interacties => dynamische interacties
Samenvatting:
1. Eiwitten zijn opgebouwd uit minstens 1 domein
2. Een domein is een (semi-)autonoom structuurelement met een specifieke functie
3. In silico domeinanaylse is belangrijk om de functie van een eiwit te voorspellen
4. Analyse van de domeinsamenstelling/-organisatie gebeurt op:
a. Sequentieniveau: collecties van patronen of profielen
b. Structuurniveau: classificatie van structuurdomeinen
5. Eiwitsequentie DB: NCBI en Trembl, SwissProt
6. Eiwitstructuur DB (= PDB) en interactiedatabank (intact, string, …)
3
, HC 3: Op zoek naar algoritmes voor alignering van DNA-
sequenties
Biologie en sequentie informatie
Een gen in een chromosoom vinden → heel moeilijk door veranderingen in DNA
- Oorzaak: er moet veel gebeuren voor DNA gekopieerd kan worden
o Ontrafelen, verdubbelen, energie voorzien, …
- Mechanisme om veranderingen te induceren
o Inserties, deleties, substituties
o Genetische recombinatie
Hoe gelijkend zijn 2 sequenties?
- Kijken naar de orde = heel belangrijk
o De volgorde van de nucleotide is heel belangrijk
- Op basis van 2 sequenties kan je niet zien of er een nucleotide is bijgekomen of
verdwenen door evolutie
o DAAROM insertie/deletie => indel genoemd
Homologie: beschrijft de relatie tussen genen en hoe ze worden overgeërfd van voorouders
- Homoloog gen: een gen dat in twee soorten is overgeërfd door een gemeenschappelijke
voorouder
o Homologe genen zijn qua sequentie gelijk, maar gelijkende sequenties zijn niet
homologe genen
- Orthologen: homologe genen waarbij een gen na een soortvorming afwijkt, maar het gen
zijn belangrijkste functie behouden blijven
- Paralogen: als een gen in een soort wordt gedupliceerd => genen die hun functie wijzigen
binnen het organisme
o Vb. verschillende soorten hemoglobine in het lichaam
Waarom homologen gebruikt?
- Phylogenetische boom bouwen → kijken hoe dicht soorten verwant zijn
- Gen functie achterhalen → kijken naar de functie van homologe genen
- Structuur achterhalen
- Genen en overerving
- Intronen/exonen
- Zoeken voor opern reading frames
- Zoeken naar promotor regio’s
- PCR primer design
Formalisering van sequentie aligneren
Aligneren: een hypothese vormen over hoe de sequenties zijn geëvolueerd vanuit hun
dichtstbijzijnde gemeenschappelijke voorouder
- Welke soort alignering gebruiken?
o Globaal, lokaal, overlap, repeated
- Welk scoringssysteem gebruikt?
o PAM, BLOSSUM, gap penalty, …
- Welk algoritme gebruikt voor de optimale score?
o HMM, dynamic programming, …
- Welk statistisch model gebruikt om de significantie van de alignerings score te vinden?
o Extreme waarde, Bit score
Aligneren → met behulp van Graaf theorie
4
