PSIPRED

La predicción de la estructura secundaria basada en PSI-blast ( PSIPRED ) es un método utilizado para investigar la estructura de las proteínas . Utiliza métodos de aprendizaje automático de redes neuronales artificiales en su algoritmo. ^{[ 2 ] [ 3 ] [ 4 ]} Es un programa del lado del servidor , con un sitio web que sirve como interfaz de usuario, que puede predecir la estructura secundaria de una proteína ( láminas beta , hélices alfa y bucles ) a partir de la secuencia primaria.

PSIPRED está disponible como servicio web y como software. El software se distribuye como código fuente y, técnicamente, se licencia como software propietario . Permite su modificación, pero aplica las disposiciones de software libre prohibiendo la distribución con fines de lucro del software y sus resultados.

La estructura secundaria es la forma tridimensional general de segmentos locales de biopolímeros como proteínas y ácidos nucleicos ( ADN , ARN ). Sin embargo, no describe posiciones atómicas específicas en el espacio tridimensional, que se consideran la estructura terciaria . La estructura secundaria puede definirse formalmente mediante los enlaces de hidrógeno del biopolímero, tal como se observa en una estructura de resolución atómica. En las proteínas, la estructura secundaria se define por los patrones de enlaces de hidrógeno entre los grupos amino y carboxilo del esqueleto . Por el contrario, en los ácidos nucleicos, la estructura secundaria consiste en los enlaces de hidrógeno entre las bases nitrogenadas . Los patrones de enlaces de hidrógeno pueden estar significativamente distorsionados, lo que dificulta la determinación automática de la estructura secundaria. Desde la década de 1970 se han realizado esfuerzos para utilizar computadoras para predecir estructuras secundarias de proteínas , basándose únicamente en sus secuencias de estructura primaria . ^{[ 5 ]}

La predicción de la estructura secundaria comprende un conjunto de métodos bioinformáticos que buscan predecir las estructuras secundarias locales de proteínas y secuencias de ARN basándose únicamente en el conocimiento de su estructura primaria : la secuencia de aminoácidos o de nucleótidos , respectivamente. En el caso de las proteínas, la predicción consiste en asignar regiones de la secuencia de aminoácidos como hélices alfa , láminas beta (a menudo denominadas conformaciones extendidas ) o giros de alta probabilidad. El éxito de la predicción se determina comparándola con los resultados del algoritmo DSSP aplicado a la estructura cristalina de la proteína; en el caso de los ácidos nucleicos, puede determinarse a partir del patrón de enlaces de hidrógeno. Se han desarrollado algoritmos especializados para detectar patrones específicos bien definidos, como hélices transmembrana y estructuras de hélice enrollada en proteínas, o estructuras canónicas de microARN en ARN.

La idea de este método es utilizar la información de proteínas evolutivamente relacionadas para predecir la estructura secundaria de una nueva secuencia de aminoácidos. Se utiliza PSI BLAST para encontrar secuencias relacionadas y construir una matriz de puntuación específica de posición. Esta matriz es procesada por una red neuronal artificial , ^{[ 3 ] [ 6 ]} que fue construida y entrenada para predecir la estructura secundaria de la secuencia de entrada; ^{[ 7 ]} en resumen, es un método de aprendizaje automático . ^{[ 8 ]}

El método o algoritmo de predicción se divide en tres etapas: generación de un perfil de secuencia , predicción de la estructura secundaria inicial y filtrado de la estructura predicha . ^{[ 9 ]} PSIPRED trabaja para normalizar el perfil de secuencia generado por PSIBLAST. ^{[ 3 ]} Luego, mediante el uso de redes neuronales, se predice la estructura secundaria inicial. Para cada aminoácido en la secuencia, la red neuronal se alimenta con una ventana de 15 ácidos. Se adjunta información adicional que indica si la ventana abarca el extremo N o C de la cadena. Esto da como resultado una capa de entrada final de 315 unidades de entrada, divididas en 15 grupos de 21 unidades. La red tiene una capa oculta de 75 unidades y 3 nodos de salida (uno para cada elemento de estructura secundaria: hélice, lámina, bucle). ^{[ 6 ]}

Se utiliza una segunda red neuronal para filtrar la estructura predicha por la primera red. Esta red también se alimenta con una ventana de 15 posiciones. El indicador de la posible posición de la ventana en el extremo de una cadena también se transmite. Esto da como resultado 60 unidades de entrada, divididas en 15 grupos de cuatro. La red tiene una capa oculta de 60 unidades y produce tres nodos de salida (uno para cada elemento de estructura secundaria: hélice, lámina, bobina). ^{[ 9 ]}

Los tres nodos de salida finales proporcionan una puntuación para cada elemento de estructura secundaria en la posición central de la ventana. Utilizando la estructura secundaria con la puntuación más alta, PSIPRED genera la predicción de la proteína. ^{[ 9 ]} El valor Q3 es la fracción de residuos predichos correctamente en los estados de estructura secundaria, a saber, hélice, hebra y bucle. ^{[ 9 ]}

• Jpred
• Diseño de proteínas
• predicción de la función de las proteínas
• Predicción de la estructura de proteínas de novo
• Software de diseño molecular
• Lista de software de predicción de estructura de proteínas
• Comparación de software para modelado de mecánica molecular
• Modelado de sistemas biológicos
• Biblioteca de fragmentos de proteínas
• Proteínas reticulares
• Potencial estadístico