Please use this identifier to cite or link to this item:
https://www.arca.fiocruz.br/handle/icict/19387
MODELAGEM ESTATÍSTICA DO FENÔMENO DE TROCA HIDROGÊNIO/DEUTÉRIO EM PROTEÍNAS ATRAVÉS DE PROPRIEDADES ESTRUTURAIS E DINÂMICAS
Machado, Lucas de Almeida | Date Issued:
2016
Author
Advisor
Comittee Member
Affilliation
Fundação Oswaldo Cruz. Instituto Oswaldo Cruz. Rio de Janeiro, RJ, Brasil
Abstract in Portuguese
O estudo da estrutura e da dinâmica de proteínas é de suma importância para a compreensão dos mecanismos funcionais das mesmas. Dentre os métodos experimentais disponíveis para realizar esse tipo de estudo, está a utilização da troca hidrogênio/deutério (HX). Este método consiste em expor a proteína à água deuterada e analisar através de ressonância magnética nuclear (NMR) ou espectrometria de massa (MS) quais dos hidrogênios amídicos foram trocados por deutérios do solvente, permitindo assim, inferir grau de exposição ao solvente, presença de ligações hidrogênio e flexibilidade da proteína. Diversos modelos foram criados nos últimos anos afim de explicar e predizer dados de HX, porém, nenhum deles foi capaz de explicar completamente o fenômeno. No presente trabalho foram construídos modelos estatísticos para explicar dados de troca obtidos por MS, utilizando parâmetros estruturais (número de contatos e ligações hidrogênio) e parâmetros que descrevem a dinâmica: como fatores B, flutuações obtidas por análise de modos normais (NMA) e por modelos de redes elásticas (ENM)
Empregando parâmetros estruturais, dinâmicos e informações acerca das condições experimentais, também foram construídos modelos preditivos lineares e baseados em machine learning para dados de troca obtidos por NMR. Observamos que a adição das variáveis dinâmicas aos modelos que utilizam apenas parâmetros estruturais aumenta as correlações entre os valores ajustados e os dados experimentais obtidos por MS. Além disso, o modelo preditivo baseado em machine learning construído para a predição de dados de HX obtidos por se mostrou eficaz na predição dos dados de diversas proteínas. Os resultados aqui mostrados realçam a influência dos movimentos de grande amplitude sobre os dados de HX, e a importância da dinâmica na modelagem desse tipo de dado, assim como a utilização de informações acerca das condições experimentais
Abstract
The study of protein structure and dynamics is an important step to understand its functional mechanisms. Hydrogen/deuterium exchange (HX) is one of the methods available for this kind of investigation. This method consist of exposing the protein to heavy water and analyzing through mass spectrometry (MS) or nuclear magnetic resonance (NMR) which amidic hydrogens exchanged with water\2019s deuterons, thus allowing to infer solvent exposure, presence of hydrogen bonds and protein flexibility. In the last years, several models were built in order to explain and predict HX data. However, none of them was able of explaining the data. In the present work, we built statistical models to explain HX data probed through MS, using structural parameters (number of contacts and hydrogen bonds) and dynamical parameters, such as B-factors, fluctuations obtained through normal mode analysis (NMA) and through elastic network model (ENM). Using information of experimental conditions in conjunction with structural and dynamical parameters, we built machine learning based models and linear models to predict HX data obtained through NMR. Here we observed that the inclusion of dynamical parameters in models built purely with structural parameters enhances the correlations between experimental data and the fitted values. Besides that, machine learning based predictive models for HX data obtained through NMR was efficient in predicting data of several proteins. The results shown here highlight the influence of large amplitude motions in the HX data and the importance of dynamics when modeling this kind of data, as well as the use of experimental condition information
Share