Trenutna pandemija COVID-19 stvorila je mnoge probleme koje hakeri rado napadaju. Od 3D tiskanih štitnika za lice i medicinskih maski domaće izrade do zamjene potpunog mehaničkog ventilatora, tijek ideja bio je inspirativan i draži srce. Istodobno, bilo je pokušaja napredovanja na drugom području: u istraživanju usmjerenom na borbu protiv samog virusa.
Čini se da najveći potencijal za zaustavljanje sadašnje pandemije i prestizanje svih sljedećih leži u pristupu koji pokušava doći do samog korijena problema. Ovaj pristup "upoznaj svog neprijatelja" koristi računalni projekt Folding@Home. Milijuni ljudi su se prijavili na projekt i doniraju dio procesorske snage svojih procesora i GPU-a, stvarajući tako najveće [distribuirano] superračunalo u povijesti.
Ali za što se točno koriste svi ti eksaflopi? Zašto je potrebno bacati toliku računalnu snagu
Prvo, ono najvažnije: zašto su proteini potrebni?
Proteini su vitalne strukture. Oni ne samo da pružaju građevni materijal za stanice, već služe i kao enzimski katalizatori za gotovo sve biokemijske reakcije. Vjeverice, bile one
Da bismo razumjeli kako proteini dobivaju strukturu koja određuje njihovu funkciju, moramo proći kroz osnove molekularne biologije i protoka informacija u stanici.
Proizvodnja, odn
Ribosomi se ponašaju poput strojeva za sastavljanje - uzimaju predložak mRNA i spajaju ga s drugim malim dijelovima RNA,
Ovaj slijed aminokiselina je prva razina proteinske strukturne hijerarhije, zbog čega se i naziva
Dugoročne veze proteinskih dijelova
Sljedeća razina trodimenzionalne strukture, koja ide dalje od primarne, dobila je pametno ime
Alfa spirale i beta ploče u proteinima. Vodikove veze nastaju tijekom ekspresije proteina.
Ove dvije strukture i njihove kombinacije tvore sljedeću razinu proteinske strukture -
Također, stabilnost tercijarnih struktura osiguravaju dugotrajne veze između aminokiselina. Klasičan primjer takvih veza je
Tercijarna struktura je stabilizirana interakcijama dugog dometa kao što su hidrofobnost ili disulfidne veze
Disulfidne veze mogu nastati između
Modeliranje struktura u potrazi za lijekom za bolest
Polipeptidni lanci počinju se savijati u svoj konačni oblik tijekom translacije, kako rastući lanac izlazi iz ribosoma, slično kao što komad žice od legure memorije može poprimiti složene oblike kada se zagrije. Međutim, kao i uvijek u biologiji, stvari nisu tako jednostavne.
U mnogim stanicama, transkribirani geni prolaze opsežno uređivanje prije translacije, značajno mijenjajući osnovnu strukturu proteina u usporedbi s čistom baznom sekvencom gena. U tom slučaju translacijski mehanizmi često angažiraju pomoć molekularnih šaperona, proteina koji se privremeno vežu za novonastali polipeptidni lanac i sprječavaju ga da preuzme bilo kakav međuoblik, iz kojeg se onda neće moći prijeći u konačni.
Ovo sve govori da predviđanje konačnog oblika proteina nije trivijalan zadatak. Desetljećima su jedini način proučavanja strukture proteina bile fizikalne metode kao što je rendgenska kristalografija. Tek kasnih 1960-ih biofizički kemičari počeli su graditi računalne modele savijanja proteina, prvenstveno se koncentrirajući na modeliranje sekundarne strukture. Ove metode i njihovi potomci zahtijevaju ogromne količine ulaznih podataka uz primarnu strukturu - na primjer, tablice veznih kutova aminokiselina, popise hidrofobnosti, nabijenih stanja, pa čak i očuvanje strukture i funkcije tijekom evolucijskih vremenskih skala - sve kako bi se pogodi što će se dogoditi izgleda kao konačni protein.
Današnje računalne metode za predviđanje sekundarne strukture, poput onih koje se izvode na mreži Folding@Home, rade s približno 80% točnosti—što je prilično dobro s obzirom na složenost problema. Podaci generirani prediktivnim modelima na proteinima kao što je šiljasti protein SARS-CoV-2 uspoređivat će se s podacima iz fizičkih studija virusa. Kao rezultat toga, bit će moguće dobiti točnu strukturu proteina i, možda, razumjeti kako se virus pričvršćuje na receptore
Istraživanje savijanja proteina u središtu je našeg razumijevanja toliko mnogo bolesti i infekcija da čak i kada koristimo mrežu Folding@Home da bismo otkrili kako pobijediti COVID-19, za koji smo vidjeli da u posljednje vrijeme eksplodira, mreža neće uspjeti nemoj dugo biti besposlen.rad. To je istraživački alat koji je vrlo prikladan za proučavanje uzoraka proteina koji leže u pozadini desetaka bolesti pogrešnog savijanja proteina, kao što je Alzheimerova bolest ili varijanta Creutzfeldt-Jakobove bolesti, koja se često netočno naziva bolešću kravljeg ludila. A kada se neizbježno pojavi još jedan virus, bit ćemo spremni ponovno se s njim boriti.
Izvor: www.habr.com