Pandemi COVID-19 saat ini telah menciptakan banyak masalah yang dengan senang hati diserang oleh para peretas. Mulai dari pelindung wajah cetak 3D dan masker medis buatan sendiri hingga penggantian ventilator mekanis lengkap, aliran idenya sangat menginspirasi dan menghangatkan hati. Pada saat yang sama, ada upaya untuk maju di bidang lain: dalam penelitian yang bertujuan memerangi virus itu sendiri.
Rupanya, potensi terbesar untuk menghentikan pandemi saat ini dan melampaui pandemi berikutnya terletak pada pendekatan yang mencoba menyentuh akar masalahnya. Pendekatan “kenali musuh Anda” ini diambil oleh proyek komputasi Folding@Home. Jutaan orang telah mendaftar ke proyek ini dan menyumbangkan sebagian dari kekuatan pemrosesan prosesor dan GPU mereka, sehingga menciptakan superkomputer [terdistribusi] terbesar dalam sejarah.
Tapi untuk apa sebenarnya semua exaflop ini digunakan? Mengapa perlu menggunakan kekuatan komputasi seperti itu
Pertama, hal terpenting: mengapa protein dibutuhkan?
Protein adalah struktur penting. Mereka tidak hanya menyediakan bahan pembangun sel, tetapi juga berfungsi sebagai katalis enzim untuk hampir semua reaksi biokimia. Tupai, jadilah mereka
Untuk memahami bagaimana protein memperoleh struktur yang menentukan fungsinya, kita perlu mempelajari dasar-dasar biologi molekuler dan aliran informasi di dalam sel.
Produksi, atau
Ribosom bertindak seperti mesin perakitan - mereka mengambil templat mRNA dan mencocokkannya dengan potongan kecil RNA lainnya,
Urutan asam amino ini adalah tingkat pertama dari hierarki struktur protein, itulah sebabnya disebut demikian
Ikatan jangka panjang bagian protein
Struktur tiga dimensi tingkat berikutnya, yang melampaui struktur utama, diberi nama yang cerdas
Heliks alfa dan lembaran beta dalam protein. Ikatan hidrogen terbentuk selama ekspresi protein.
Kedua struktur ini dan kombinasinya membentuk struktur protein tingkat berikutnya -
Selain itu, stabilitas struktur tersier dijamin oleh ikatan jangka panjang antara asam amino. Contoh klasik dari hubungan tersebut adalah
Struktur tersier distabilkan oleh interaksi jangka panjang seperti hidrofobisitas atau ikatan disulfida
Ikatan disulfida dapat terjadi antara
Memodelkan struktur untuk mencari obat penyakit
Rantai polipeptida mulai terlipat menjadi bentuk akhirnya selama translasi, saat rantai yang tumbuh keluar dari ribosom, seperti sepotong kawat paduan memori yang dapat berubah bentuk menjadi rumit saat dipanaskan. Namun, seperti biasa dalam biologi, segala sesuatunya tidak sesederhana itu.
Di banyak sel, gen yang ditranskripsi mengalami pengeditan ekstensif sebelum translasi, sehingga secara signifikan mengubah struktur dasar protein dibandingkan dengan urutan basa murni gen. Dalam hal ini, mekanisme translasi sering kali memerlukan bantuan molekul pendamping, protein yang mengikat sementara rantai polipeptida yang baru lahir dan mencegahnya mengambil bentuk peralihan apa pun, yang kemudian tidak dapat berpindah ke bentuk akhir.
Hal ini menunjukkan bahwa memprediksi bentuk akhir suatu protein bukanlah tugas yang mudah. Selama beberapa dekade, satu-satunya cara untuk mempelajari struktur protein adalah melalui metode fisik seperti kristalografi sinar-X. Baru pada akhir tahun 1960-an ahli kimia biofisik mulai membangun model komputasi pelipatan protein, terutama berkonsentrasi pada pemodelan struktur sekunder. Metode-metode ini dan turunannya memerlukan sejumlah besar data masukan selain struktur primer - misalnya, tabel sudut ikatan asam amino, daftar hidrofobisitas, keadaan muatan, dan bahkan konservasi struktur dan fungsi sepanjang rentang waktu evolusi - semuanya agar dapat coba tebak apa yang akan terjadi seperti protein terakhir.
Metode komputasi saat ini untuk prediksi struktur sekunder, seperti yang berjalan di jaringan Folding@Home, bekerja dengan akurasi sekitar 80%—yang cukup bagus mengingat kompleksitas masalahnya. Data yang dihasilkan oleh model prediktif pada protein seperti protein lonjakan SARS-CoV-2 akan dibandingkan dengan data dari studi fisik virus tersebut. Hasilnya, struktur protein yang tepat dapat diperoleh dan, mungkin, memahami bagaimana virus menempel pada reseptor.
Penelitian pelipatan protein adalah inti dari pemahaman kita tentang begitu banyak penyakit dan infeksi, bahkan ketika kita menggunakan jaringan Folding@Home untuk mencari tahu cara mengalahkan COVID-19, yang pertumbuhannya kita lihat meningkat pesat akhir-akhir ini, jaringan tersebut menang. jangan bermalas-malasan kerja. Ini adalah alat penelitian yang sangat cocok untuk mempelajari pola protein yang mendasari lusinan penyakit yang terkait dengan kesalahan pelipatan protein, seperti penyakit Alzheimer atau varian penyakit Creutzfeldt-Jakob, yang sering disalahartikan sebagai penyakit sapi gila. Dan ketika virus lain muncul, kita akan siap untuk mulai melawannya lagi.
Sumber: www.habr.com