Súčasná pandémia COVID-19 spôsobila množstvo problémov, na ktoré hackeri s radosťou útočili. Od 3D tlačených tvárových štítov a domácich lekárskych masiek až po výmenu úplného mechanického ventilátora, tok nápadov bol inšpirujúci a hrejivý pri srdci. Zároveň sa objavili pokusy o pokrok v inej oblasti: vo výskume zameranom na boj proti samotnému vírusu.
Zdá sa, že najväčší potenciál na zastavenie súčasnej pandémie a predbehnutie všetkých nasledujúcich pandémií spočíva v prístupe, ktorý sa snaží prísť na koreň problému. Tento prístup „poznaj svojho nepriateľa“ využíva výpočtový projekt Folding@Home. Do projektu sa prihlásili milióny ľudí, ktorí darujú časť výpočtového výkonu svojich procesorov a GPU, čím vytvorili najväčší [distribuovaný] superpočítač v histórii.
Ale na čo vlastne všetky tieto exaflopy slúžia? Prečo je potrebné hodiť taký výpočtový výkon
Po prvé, najdôležitejšia vec: prečo sú potrebné bielkoviny?
Proteíny sú životne dôležité štruktúry. Poskytujú nielen stavebný materiál pre bunky, ale slúžia aj ako enzýmové katalyzátory pre takmer všetky biochemické reakcie. Veveričky, nech sú
Aby sme pochopili, ako proteíny získavajú štruktúru, ktorá určuje ich funkciu, musíme si prejsť základy molekulárnej biológie a toku informácií v bunke.
Výroba, príp
Ribozómy fungujú ako montážne stroje – berú šablónu mRNA a spájajú ju s inými malými kúskami RNA,
Táto sekvencia aminokyselín je prvou úrovňou štrukturálnej hierarchie proteínov, preto sa nazýva
Diaľkové väzby proteínových častí
Ďalšia úroveň trojrozmernej štruktúry, ktorá presahuje tú primárnu, dostala šikovný názov
Alfa helixy a beta listy v proteínoch. Vodíkové väzby vznikajú počas expresie proteínov.
Tieto dve štruktúry a ich kombinácie tvoria ďalšiu úroveň proteínovej štruktúry -
Tiež stabilita terciárnych štruktúr je zabezpečená dlhými väzbami medzi aminokyselinami. Klasickým príkladom takýchto spojení je
Terciárna štruktúra je stabilizovaná interakciami s dlhým dosahom, ako je hydrofóbnosť alebo disulfidové väzby
Medzi nimi sa môžu vyskytovať disulfidové väzby
Modelovanie štruktúr pri hľadaní lieku na choroby
Polypeptidové reťazce sa počas translácie začínajú skladať do svojho konečného tvaru, keď rastúci reťazec opúšťa ribozóm, podobne ako kus drôtu z pamäťovej zliatiny môže po zahriatí nadobudnúť zložité tvary. Avšak, ako vždy v biológii, veci nie sú také jednoduché.
V mnohých bunkách prechádzajú transkribované gény pred transláciou rozsiahlou úpravou, čím sa výrazne mení základná štruktúra proteínu v porovnaní s čistou sekvenciou báz génu. V tomto prípade si translačné mechanizmy často vyzvedajú na pomoc molekulárne chaperóny, proteíny, ktoré sa dočasne naviažu na vznikajúci polypeptidový reťazec a zabránia tomu, aby nadobudol akúkoľvek medziformu, z ktorej potom nebudú môcť prejsť do konečnej.
To všetko znamená, že predpovedanie konečného tvaru proteínu nie je triviálna úloha. Po celé desaťročia bol jediný spôsob, ako študovať štruktúru proteínov, prostredníctvom fyzikálnych metód, ako je röntgenová kryštalografia. Až koncom 1960-tych rokov začali biofyzikálni chemici budovať výpočtové modely skladania proteínov, primárne sa sústreďujúce na modelovanie sekundárnej štruktúry. Tieto metódy a ich potomkovia si okrem primárnej štruktúry vyžadujú obrovské množstvo vstupných údajov – napríklad tabuľky uhlov väzieb aminokyselín, zoznamy hydrofóbnosti, nabitých stavov a dokonca zachovanie štruktúry a funkcie v evolučných časových intervaloch – to všetko preto, aby hádajte, čo sa stane, vyzerá ako konečný proteín.
Dnešné výpočtové metódy na predikciu sekundárnej štruktúry, ako napríklad tie, ktoré bežia na sieti Folding@Home, pracujú s presnosťou približne 80 %, čo je vzhľadom na zložitosť problému celkom dobré. Údaje generované prediktívnymi modelmi o proteínoch, ako je spike proteín SARS-CoV-2, sa porovnajú s údajmi z fyzikálnych štúdií vírusu. V dôsledku toho bude možné získať presnú štruktúru proteínu a možno pochopiť, ako sa vírus viaže na receptory
Výskum skladania proteínov je jadrom nášho chápania toľkých chorôb a infekcií, že aj keď používame sieť Folding@Home na to, aby sme zistili, ako poraziť COVID-19, ktorý sme v poslednej dobe videli explodovať, sieť nebude nebyť dlho nečinný.pracovať. Je to výskumný nástroj, ktorý sa dobre hodí na štúdium proteínových vzorcov, ktoré sú základom desiatok chorôb nesprávneho poskladania proteínov, ako je Alzheimerova choroba alebo variantná Creutzfeldt-Jakobova choroba, často nesprávne nazývaná choroba šialených kráv. A keď sa nevyhnutne objaví ďalší vírus, budeme pripravení začať proti nemu opäť bojovať.
Zdroj: hab.com