Language
Country/Area
No result found
驚異的な精度: 化学シフト指数はどのようにしてアルファヘリックスやベータシートを正確に識別するのでしょうか?
生化学および構造生物学の研究において、化学シフト指数 (CSI) は、特にタンパク質の核磁気共鳴 (NMR) 分光法の分析に広く使用されている手法です。この技術は、バックボーンの化学シフトデータのみを使用して、タンパク質の二次構造の位置（開始位置と終了位置など）とタイプ（βストランド、αヘリックス、ランダムコイル領域）を視覚化し、識別することができます。 David S. Wishart は 1992 年にこの技術の開発を開始し、当初は 1Hα 化学シフトの分析に重点を置き、1994 年に 13C バックボーン化学シフトも対象に拡張しました。
この方法の基本原理は、1Hα化学シフトが通常αヘリックスでは上方（すなわちNMRスペクトルの右側）にシフトし、βシートでは下方（すなわちNMRスペクトルの左側）にシフトするということである。 （左）。同様の傾向は背側 13C 化学シフトにも見られます。化学シフトインデックス技術の核心は、αヘリックスとβシート内のアミノ酸残基の化学シフト変化の特性を利用することです。
実装方法
CSI 法は、アミノ酸固有のデジタル フィルターを使用して、割り当てられた各バックボーンの化学シフト値を単純な 3 状態インデックス (-1、0、+1) に変換するグラフベースの手法です。この方法で生成されたグラフは視覚的に明確になり、理解しやすくなります。アミノ酸残基の1Hα化学シフトのアップシフト（アミノ酸固有のランダムコイル値に対する相対値）が0.1 ppmを超える場合、残基には-1の値が割り当てられ、ダウンシフトが0.1 ppmを超える場合、 + 1 の値が割り当てられます。化学シフトの変化が 0.1 ppm 未満の場合、0 が割り当てられます。
この3状態指数を棒グラフとしてプロットすると、βストランド（+1値のクラスター）、αヘリックス（-1値のクラスター）、ランダムコイルセグメント（0値のクラスター）を簡単に区別できます。特定されました。
このような図により、タンパク質の二次構造の識別が容易になります。二次構造の種類を識別する場合、簡単な観察でβ鎖やαヘリックスなどの構造を識別できます。
パフォーマンス評価
1Hα 化学シフトと単純なクラスタリング ルール (β ストランドの場合は 3 本以上の垂直バーのクラスター、α ヘリックスの場合は 4 本以上の垂直バーのクラスター) のみを使用すると、二次構造認識の精度は通常 75% から 80% になります。このパフォーマンスは、NMR データセットの品質と、タンパク質の二次構造を識別するために使用される手法 (手動またはプログラム) によって部分的に異なります。1H と 13C の化学シフトの CSI パターンを組み合わせることで、85% ～ 90% の精度で複合インデックスが生成されます。
研究が進むにつれて、科学者たちは、αヘリックスと二次構造の化学シフトの間に相関関係があるだけでなく、βシートの構造にもそのような化学シフトの変化が見られることを発見しました。
歴史的背景化学シフトとタンパク質の二次構造の関係は、1967 年にジョン・マークリーとその同僚によって初めて説明されました。現代の二次元 NMR 技術の発達により、より多くのタンパク質の化学シフトを測定できるようになりました。 1990 年代までに、十分な 13C および 15N の化学シフト割り当てを収集した後、科学者はこれらの化学シフトの変化の傾向が CSI の開発に強力なサポートを提供できることを発見しました。
制限要因
CSI 方式には独自の利点がありますが、いくつかの制限もあります。化学シフトの割り当てが不完全または誤っている場合、そのパフォーマンスは影響を受けます。さらに重要なことは、この方法はランダムコイル補正値の選択に非常に敏感であるということです。一般的に、CSI 法は、β シート (75% 未満の精度) よりも α ヘリックス (85% 以上の精度) の識別において優れたパフォーマンスを示しました。さらに、βターンなどの他のタイプの二次構造を認識できません。これらの欠陥のため、より包括的な二次構造識別方法を提供するために、多くの代替の CSI ベースの方法が提案されてきました。
適用範囲
CSI 法は 1992 年に初めて説明されて以来、何千ものペプチドやタンパク質の二次構造を特徴付けるために使用されてきました。理解しやすく、特殊なコンピューティング プログラムなしで実装できるため、科学界で人気があります。 NMRView やさまざまな Web サーバーなど、一般的に使用されている多くの NMR データ処理プログラムでは、アプリケーションを促進するために、これらのツール フレームワークに CSI メソッドが組み込まれています。
この方法は、タンパク質研究において幅広い応用が期待されています。二次構造の同定に限定されるだけでなく、タンパク質機能の理解と探究をさらに促進することもできます。将来的には、CSI 方式の欠点を補う新しい技術が開発されるでしょうか?
