Η τρέχουσα πανδημία COVID-19 έχει δημιουργήσει πολλά προβλήματα στα οποία οι χάκερ ήταν πρόθυμοι να επιτεθούν. Από τις 3D εκτυπωμένες ασπίδες προσώπου και τις σπιτικές ιατρικές μάσκες μέχρι την αντικατάσταση ενός πλήρους μηχανικού αναπνευστήρα, η ροή των ιδεών ήταν εμπνευσμένη και συγκινητική. Ταυτόχρονα, έγιναν προσπάθειες για πρόοδο σε έναν άλλο τομέα: στην έρευνα που στοχεύει στην καταπολέμηση του ίδιου του ιού.
Προφανώς, το μεγαλύτερο δυναμικό για να σταματήσει η τρέχουσα πανδημία και να ξεπεράσει όλες τις επόμενες βρίσκεται σε μια προσέγγιση που προσπαθεί να φτάσει στην ίδια τη ρίζα του προβλήματος. Αυτή η προσέγγιση «γνώρισε τον εχθρό σου» υιοθετείται από το υπολογιστικό έργο Folding@Home. Εκατομμύρια άνθρωποι έχουν εγγραφεί στο έργο και δωρίζουν μέρος της επεξεργαστικής ισχύος των επεξεργαστών και των GPU τους, δημιουργώντας έτσι τον μεγαλύτερο [κατανεμημένο] υπερυπολογιστή στην ιστορία.
Αλλά σε τι ακριβώς χρησιμοποιούνται όλα αυτά τα exaflops; Γιατί είναι απαραίτητο να ρίξουμε τέτοια υπολογιστική ισχύ
Πρώτον, το πιο σημαντικό πράγμα: γιατί χρειάζονται οι πρωτεΐνες;
Οι πρωτεΐνες είναι ζωτικές δομές. Δεν παρέχουν μόνο δομικό υλικό για τα κύτταρα, αλλά χρησιμεύουν και ως ενζυμικοί καταλύτες για όλες σχεδόν τις βιοχημικές αντιδράσεις. Σκίουροι, είτε αυτοί
Για να κατανοήσουμε πώς οι πρωτεΐνες αποκτούν τη δομή που καθορίζει τη λειτουργία τους, πρέπει να εξετάσουμε τα βασικά της μοριακής βιολογίας και τη ροή των πληροφοριών στο κύτταρο.
Παραγωγή, ή
Τα ριβοσώματα λειτουργούν σαν μηχανές συναρμολόγησης - παίρνουν το πρότυπο mRNA και το ταιριάζουν με άλλα μικρά κομμάτια RNA,
Αυτή η αλληλουχία αμινοξέων είναι το πρώτο επίπεδο της δομικής ιεραρχίας των πρωτεϊνών, γι' αυτό και ονομάζεται
Δεσμοί μακράς εμβέλειας πρωτεϊνικών μερών
Στο επόμενο επίπεδο τρισδιάστατης δομής, που ξεπερνά το πρωτεύον, δόθηκε ένα έξυπνο όνομα
Άλφα έλικες και φύλλα βήτα σε πρωτεΐνες. Κατά την έκφραση της πρωτεΐνης σχηματίζονται δεσμοί υδρογόνου.
Αυτές οι δύο δομές και οι συνδυασμοί τους σχηματίζουν το επόμενο επίπεδο δομής πρωτεΐνης -
Επίσης, η σταθερότητα των τριτογενών δομών εξασφαλίζεται από δεσμούς μεγάλης εμβέλειας μεταξύ αμινοξέων. Ένα κλασικό παράδειγμα τέτοιων συνδέσεων είναι
Η τριτογενής δομή σταθεροποιείται από αλληλεπιδράσεις μεγάλης εμβέλειας όπως η υδροφοβία ή οι δισουλφιδικοί δεσμοί
Μπορούν να προκύψουν δισουλφιδικοί δεσμοί μεταξύ
Μοντελοποίηση δομών σε αναζήτηση θεραπείας για ασθένεια
Οι πολυπεπτιδικές αλυσίδες αρχίζουν να διπλώνουν στο τελικό τους σχήμα κατά τη μετάφραση, καθώς η αναπτυσσόμενη αλυσίδα εξέρχεται από το ριβόσωμα, όπως ένα κομμάτι σύρματος κράματος μνήμης μπορεί να πάρει πολύπλοκα σχήματα όταν θερμαίνεται. Ωστόσο, όπως πάντα στη βιολογία, τα πράγματα δεν είναι τόσο απλά.
Σε πολλά κύτταρα, τα μεταγραφέντα γονίδια υφίστανται εκτενή επεξεργασία πριν από τη μετάφραση, αλλάζοντας σημαντικά τη βασική δομή της πρωτεΐνης σε σύγκριση με την καθαρή αλληλουχία βάσεων του γονιδίου. Σε αυτή την περίπτωση, οι μεταφραστικοί μηχανισμοί συχνά επιστρατεύουν τη βοήθεια μοριακών συνοδών, πρωτεϊνών που δεσμεύονται προσωρινά στην εκκολαπτόμενη πολυπεπτιδική αλυσίδα και την εμποδίζουν να πάρει οποιαδήποτε ενδιάμεση μορφή, από την οποία στη συνέχεια δεν θα μπορούν να προχωρήσουν στην τελική.
Αυτό σημαίνει ότι η πρόβλεψη του τελικού σχήματος μιας πρωτεΐνης δεν είναι μια ασήμαντη εργασία. Για δεκαετίες, ο μόνος τρόπος μελέτης της δομής των πρωτεϊνών ήταν μέσω φυσικών μεθόδων όπως η κρυσταλλογραφία ακτίνων Χ. Μόλις στα τέλη της δεκαετίας του 1960 οι βιοφυσικοί χημικοί άρχισαν να κατασκευάζουν υπολογιστικά μοντέλα αναδίπλωσης πρωτεϊνών, επικεντρώνοντας κυρίως στη μοντελοποίηση δευτερογενών δομών. Αυτές οι μέθοδοι και οι απόγονοί τους απαιτούν τεράστιες ποσότητες δεδομένων εισόδου εκτός από την πρωτογενή δομή - για παράδειγμα, πίνακες γωνιών δεσμών αμινοξέων, λίστες υδροφοβικότητας, φορτισμένες καταστάσεις, ακόμη και διατήρηση της δομής και της λειτουργίας σε εξελικτικά χρονικά διαστήματα - όλα για να μαντέψτε τι θα συμβεί μοιάζει με την τελική πρωτεΐνη.
Οι σημερινές υπολογιστικές μέθοδοι για την πρόβλεψη δευτερογενών δομών, όπως αυτές που εκτελούνται στο δίκτυο Folding@Home, λειτουργούν με περίπου 80% ακρίβεια—πράγμα που είναι αρκετά καλό λαμβάνοντας υπόψη την πολυπλοκότητα του προβλήματος. Τα δεδομένα που δημιουργούνται από προγνωστικά μοντέλα για πρωτεΐνες όπως η πρωτεΐνη ακίδας SARS-CoV-2 θα συγκριθούν με δεδομένα από φυσικές μελέτες του ιού. Ως αποτέλεσμα, θα είναι δυνατό να ληφθεί η ακριβής δομή της πρωτεΐνης και, ίσως, να κατανοηθεί πώς προσκολλάται ο ιός στους υποδοχείς
Η έρευνα για την αναδίπλωση πρωτεϊνών βρίσκεται στο επίκεντρο της κατανόησής μας για τόσες πολλές ασθένειες και λοιμώξεις που ακόμη και όταν χρησιμοποιούμε το δίκτυο Folding@Home για να καταλάβουμε πώς να νικήσουμε τον COVID-19, τον οποίο έχουμε δει να εκρήγνυται σε ανάπτυξη τον τελευταίο καιρό, το δίκτυο θα κερδίσει». να μην μείνεις για πολύ ώρα σε αδράνεια. Είναι ένα ερευνητικό εργαλείο που είναι κατάλληλο για τη μελέτη των πρωτεϊνικών μοτίβων που αποτελούν τη βάση δεκάδων ασθενειών λανθασμένης αναδίπλωσης πρωτεϊνών, όπως η νόσος του Αλτσχάιμερ ή η παραλλαγή της νόσου Creutzfeldt-Jakob, που συχνά λανθασμένα ονομάζεται νόσος των τρελών αγελάδων. Και όταν αναπόφευκτα εμφανιστεί ένας άλλος ιός, θα είμαστε έτοιμοι να αρχίσουμε να τον πολεμάμε ξανά.
Πηγή: www.habr.com