Nykyinen COVID-19-pandemia on luonut monia ongelmia, joihin hakkerit ovat hyökänneet mielellään. 3D-tulostetuista kasvonsuojaimista ja kotitekoisista lääkinnällisistä naamareista täydellisen mekaanisen hengityslaitteen korvaamiseen – ideavirta oli inspiroivaa ja sydäntä lämmittävää. Samaan aikaan yritettiin edetä toisella alueella: itse viruksen torjuntaan tähtäävässä tutkimuksessa.
Ilmeisesti suurin potentiaali nykyisen pandemian pysäyttämiseksi ja kaikkien myöhempien pandemioiden ohittamiseksi piilee lähestymistavassa, joka yrittää päästä ongelman ytimeen. Folding@Home-laskentaprojekti käyttää tätä "tunne vihollisesi" -lähestymistapaa. Miljoonat ihmiset ovat liittyneet projektiin ja lahjoittavat osan prosessoriensa ja grafiikkasuorittimiensa prosessointitehosta luoden näin historian suurimman [hajautetun] supertietokoneen.
Mutta mihin kaikkia näitä exaflopseja oikein käytetään? Miksi on tarpeen heittää niin laskentatehoa
Ensinnäkin tärkein asia: miksi proteiineja tarvitaan?
Proteiinit ovat tärkeitä rakenteita. Ne eivät ainoastaan tarjoa rakennusmateriaalia soluille, vaan toimivat myös entsyymikatalyytteinä lähes kaikissa biokemiallisissa reaktioissa. Oravia, olkoon niitä
Ymmärtääksemme, kuinka proteiinit hankkivat rakenteensa, joka määrää niiden toiminnan, meidän täytyy käydä läpi molekyylibiologian perusteet ja tiedonkulku solussa.
Tuotanto tai
Ribosomit toimivat kuin kokoonpanokoneet – ne ottavat mRNA-templaatin ja yhdistävät sen muihin pieniin RNA-paloihin,
Tämä aminohapposekvenssi on proteiinin rakenteellisen hierarkian ensimmäinen taso, minkä vuoksi sitä kutsutaan
Proteiiniosien pitkän kantaman sidokset
Kolmiulotteisen rakenteen seuraavalle tasolle, joka ylittää ensisijaisen rakenteen, annettiin näppärä nimi
Alfaheliksit ja beetalevyt proteiineissa. Vetysidoksia muodostuu proteiinin ilmentymisen aikana.
Nämä kaksi rakennetta ja niiden yhdistelmät muodostavat proteiinirakenteen seuraavan tason -
Myös tertiääristen rakenteiden stabiilisuus varmistetaan aminohappojen välisillä pitkän kantaman sidoksilla. Klassinen esimerkki tällaisista yhteyksistä on
Tertiääristä rakennetta stabiloivat pitkän kantaman vuorovaikutukset, kuten hydrofobisuus tai disulfidisidokset
Disulfidisidoksia voi esiintyä välillä
Rakenteiden mallinnus etsiessään parannuskeinoa sairauteen
Polypeptidiketjut alkavat laskostua lopulliseen muotoonsa translaation aikana, kun kasvava ketju poistuu ribosomista, aivan kuten muistiseoslangan pala voi saada monimutkaisia muotoja kuumennettaessa. Kuten aina biologiassa, asiat eivät kuitenkaan ole niin yksinkertaisia.
Monissa soluissa transkriptoidut geenit läpikäyvät laajan muokkauksen ennen translaatiota, mikä muuttaa merkittävästi proteiinin perusrakennetta verrattuna geenin puhtaaseen emässekvenssiin. Tällöin translaatiomekanismit käyttävät usein avuksi molekyylikaperoneja, proteiineja, jotka sitoutuvat tilapäisesti syntyvään polypeptidiketjuun ja estävät sitä saamasta mitään välimuotoa, josta ne eivät sitten voi siirtyä lopulliseen muotoon.
Tämä kaikki tarkoittaa, että proteiinin lopullisen muodon ennustaminen ei ole triviaali tehtävä. Vuosikymmenien ajan ainoa tapa tutkia proteiinien rakennetta oli fysikaalisilla menetelmillä, kuten röntgenkristallografia. Vasta 1960-luvun lopulla biofysikaaliset kemistit alkoivat rakentaa proteiinien laskostumisen laskennallisia malleja keskittyen ensisijaisesti sekundaarirakenteen mallintamiseen. Nämä menetelmät ja niiden jälkeläiset vaativat valtavia määriä syöttödataa primäärirakenteen lisäksi – esimerkiksi aminohapposidoskulmien taulukoita, luetteloita hydrofobisuudesta, varautuneista tiloista ja jopa rakenteen ja toiminnan säilymistä evoluution aikaskaaloilla – arvaa mitä tapahtuu, näyttää lopulliselta proteiinilta.
Nykyiset sekundaarirakenteen ennustamisen laskentamenetelmät, kuten Folding@Home-verkossa toimivat, toimivat noin 80 %:n tarkkuudella – mikä on melko hyvä ongelman monimutkaisuus huomioon ottaen. Proteiinien, kuten SARS-CoV-2-piikkiproteiinin, ennustavien mallien tuottamia tietoja verrataan viruksen fyysisten tutkimusten tietoihin. Tuloksena on mahdollista saada proteiinin tarkka rakenne ja ehkä ymmärtää kuinka virus kiinnittyy reseptoreihin
Proteiinin laskostumistutkimus on keskeinen ymmärryksemme niin monista sairauksista ja infektioista, että vaikka käytämme Folding@Home-verkkoa selvittääksemme, kuinka kukistamme viime aikoina räjähdysmäisesti kasvavan COVID-19:n, verkosto ei t olla toimettomana pitkään. Se on tutkimustyökalu, joka soveltuu hyvin useiden kymmenien proteiinien väärinlaskostumissairauksien taustalla olevien proteiinikuvioiden tutkimiseen, kuten Alzheimerin taudin tai muunnelman Creutzfeldt-Jakobin taudista, jota usein virheellisesti kutsutaan hullun lehmän taudiksi. Ja kun uusi virus väistämättä ilmaantuu, olemme valmiita taistelemaan sitä vastaan uudelleen.
Lähde: will.com