ప్రస్తుత COVID-19 మహమ్మారి అనేక సమస్యలను సృష్టించింది, హ్యాకర్లు దాడి చేయడం సంతోషంగా ఉంది. 3D ప్రింటెడ్ ఫేస్ షీల్డ్లు మరియు ఇంట్లో తయారుచేసిన మెడికల్ మాస్క్ల నుండి పూర్తి మెకానికల్ వెంటిలేటర్ను భర్తీ చేయడం వరకు, ఆలోచనల ప్రవాహం స్ఫూర్తిదాయకంగా మరియు హృదయాన్ని వేడెక్కేలా చేసింది. అదే సమయంలో, మరొక ప్రాంతంలో ముందుకు సాగడానికి ప్రయత్నాలు జరిగాయి: వైరస్ను ఎదుర్కోవడానికి ఉద్దేశించిన పరిశోధనలో.
స్పష్టంగా, ప్రస్తుత మహమ్మారిని ఆపడానికి మరియు అన్ని తదుపరి వాటిని అధిగమించడానికి గొప్ప సంభావ్యత సమస్య యొక్క మూలాన్ని పొందడానికి ప్రయత్నించే విధానంలో ఉంది. ఈ "మీ శత్రువును తెలుసుకోండి" విధానం Folding@Home కంప్యూటింగ్ ప్రాజెక్ట్ ద్వారా తీసుకోబడింది. లక్షలాది మంది వ్యక్తులు ఈ ప్రాజెక్ట్కి సైన్ అప్ చేసారు మరియు వారి ప్రాసెసర్లు మరియు GPUల ప్రాసెసింగ్ పవర్లో కొంత భాగాన్ని విరాళంగా ఇస్తున్నారు, తద్వారా చరిత్రలో అతిపెద్ద [పంపిణీ చేయబడిన] సూపర్ కంప్యూటర్ను సృష్టించారు.
అయితే ఈ ఎక్సాఫ్లాప్లన్నీ సరిగ్గా దేనికి ఉపయోగించబడతాయి? అటువంటి కంప్యూటింగ్ శక్తిని ఎందుకు విసిరేయాలి
మొదటిది, అతి ముఖ్యమైన విషయం: ప్రోటీన్లు ఎందుకు అవసరం?
ప్రోటీన్లు ముఖ్యమైన నిర్మాణాలు. అవి కణాలకు నిర్మాణ సామగ్రిని అందించడమే కాకుండా, దాదాపు అన్ని జీవరసాయన ప్రతిచర్యలకు ఎంజైమ్ ఉత్ప్రేరకాలుగా కూడా పనిచేస్తాయి. ఉడుతలు, అవి కావచ్చు
ప్రొటీన్లు వాటి పనితీరును నిర్ణయించే నిర్మాణాన్ని ఎలా పొందుతాయో అర్థం చేసుకోవడానికి, మేము పరమాణు జీవశాస్త్రం యొక్క ప్రాథమికాలను మరియు సెల్లోని సమాచార ప్రవాహాన్ని పరిశీలించాలి.
ఉత్పత్తి, లేదా
రైబోజోమ్లు అసెంబ్లీ మెషీన్ల వలె పనిచేస్తాయి - అవి mRNA టెంప్లేట్ను తీసుకుని, RNAలోని ఇతర చిన్న ముక్కలతో సరిపోల్చుతాయి,
ఈ అమైనో ఆమ్లాల శ్రేణి ప్రోటీన్ స్ట్రక్చరల్ సోపానక్రమం యొక్క మొదటి స్థాయి, అందుకే దీనిని పిలుస్తారు
ప్రోటీన్ భాగాల దీర్ఘ-శ్రేణి బంధాలు
త్రీ-డైమెన్షనల్ స్ట్రక్చర్ యొక్క తదుపరి స్థాయి, ప్రాథమిక స్థాయికి మించి, ఒక తెలివైన పేరు పెట్టబడింది
ప్రోటీన్లలో ఆల్ఫా హెలిక్స్ మరియు బీటా షీట్లు. ప్రోటీన్ వ్యక్తీకరణ సమయంలో హైడ్రోజన్ బంధాలు ఏర్పడతాయి.
ఈ రెండు నిర్మాణాలు మరియు వాటి కలయికలు తదుపరి స్థాయి ప్రోటీన్ నిర్మాణాన్ని ఏర్పరుస్తాయి -
అలాగే, అమైనో ఆమ్లాల మధ్య దీర్ఘ-శ్రేణి బంధాల ద్వారా తృతీయ నిర్మాణాల స్థిరత్వం నిర్ధారిస్తుంది. అటువంటి కనెక్షన్లకు ఒక క్లాసిక్ ఉదాహరణ
హైడ్రోఫోబిసిటీ లేదా డైసల్ఫైడ్ బంధాలు వంటి దీర్ఘ-శ్రేణి పరస్పర చర్యల ద్వారా తృతీయ నిర్మాణం స్థిరీకరించబడుతుంది
మధ్య డైసల్ఫైడ్ బంధాలు ఏర్పడవచ్చు
వ్యాధికి నివారణ అన్వేషణలో మోడలింగ్ నిర్మాణాలు
పాలీపెప్టైడ్ గొలుసులు అనువాదం సమయంలో వాటి తుది ఆకారంలోకి మడవటం ప్రారంభిస్తాయి, పెరుగుతున్న గొలుసు రైబోజోమ్ నుండి నిష్క్రమిస్తుంది, మెమరీ-అల్లాయ్ వైర్ ముక్క వలె వేడిచేసినప్పుడు సంక్లిష్ట ఆకృతులను పొందవచ్చు. అయితే, జీవశాస్త్రంలో ఎప్పటిలాగే, విషయాలు అంత సులభం కాదు.
అనేక కణాలలో, అనువాదానికి ముందు లిప్యంతరీకరించబడిన జన్యువులు విస్తృతమైన సవరణకు లోనవుతాయి, జన్యువు యొక్క స్వచ్ఛమైన బేస్ సీక్వెన్స్తో పోలిస్తే ప్రోటీన్ యొక్క ప్రాథమిక నిర్మాణాన్ని గణనీయంగా మారుస్తుంది. ఈ సందర్భంలో, అనువాద మెకానిజమ్లు తరచుగా మాలిక్యులర్ చాపెరోన్ల సహాయాన్ని పొందుతాయి, ఇవి తాత్కాలికంగా కొత్త పాలీపెప్టైడ్ గొలుసుతో బంధిస్తాయి మరియు ఏదైనా ఇంటర్మీడియట్ రూపాన్ని తీసుకోకుండా నిరోధించాయి, దాని నుండి అవి చివరిదానికి వెళ్లలేవు.
ప్రోటీన్ యొక్క తుది ఆకారాన్ని అంచనా వేయడం సామాన్యమైన పని కాదని చెప్పడానికి ఇదంతా. దశాబ్దాలుగా, ఎక్స్-రే క్రిస్టల్లాగ్రఫీ వంటి భౌతిక పద్ధతుల ద్వారా ప్రోటీన్ల నిర్మాణాన్ని అధ్యయనం చేసే ఏకైక మార్గం. 1960ల చివరి వరకు జీవభౌతిక రసాయన శాస్త్రవేత్తలు ప్రోటీన్ మడత యొక్క గణన నమూనాలను రూపొందించడం ప్రారంభించారు, ప్రధానంగా ద్వితీయ నిర్మాణ నమూనాపై దృష్టి పెట్టారు. ఈ పద్ధతులు మరియు వాటి వారసులకు ప్రాథమిక నిర్మాణంతో పాటుగా అపారమైన ఇన్పుట్ డేటా అవసరం - ఉదాహరణకు, అమైనో యాసిడ్ బాండ్ కోణాల పట్టికలు, హైడ్రోఫోబిసిటీ జాబితాలు, చార్జ్డ్ స్టేట్లు మరియు పరిణామ సమయ ప్రమాణాలపై నిర్మాణం మరియు పనితీరును కూడా పరిరక్షించడం - అన్నింటికీ చివరి ప్రోటీన్ లాగా ఏమి జరుగుతుందో ఊహించండి.
సెకండరీ స్ట్రక్చర్ ప్రిడిక్షన్ కోసం నేటి గణన పద్ధతులు, ఫోల్డింగ్@హోమ్ నెట్వర్క్లో నడుస్తున్నవి, దాదాపు 80% ఖచ్చితత్వంతో పని చేస్తాయి-ఇది సమస్య యొక్క సంక్లిష్టతను పరిగణనలోకి తీసుకుంటే చాలా మంచిది. SARS-CoV-2 స్పైక్ ప్రోటీన్ వంటి ప్రొటీన్లపై ప్రిడిక్టివ్ మోడల్ల ద్వారా ఉత్పత్తి చేయబడిన డేటా వైరస్ యొక్క భౌతిక అధ్యయనాల డేటాతో పోల్చబడుతుంది. ఫలితంగా, ప్రోటీన్ యొక్క ఖచ్చితమైన నిర్మాణాన్ని పొందడం సాధ్యమవుతుంది మరియు వైరస్ గ్రాహకాలకు ఎలా జోడించబడుతుందో అర్థం చేసుకోవచ్చు.
ప్రోటీన్ ఫోల్డింగ్ పరిశోధన చాలా వ్యాధులు మరియు ఇన్ఫెక్షన్ల గురించి మనకున్న అవగాహనలో ఉంది, మనం ఇటీవల వృద్ధిలో పేలుతున్న COVID-19ని ఎలా ఓడించాలో గుర్తించడానికి Folding@Home నెట్వర్క్ని ఉపయోగించినప్పుడు కూడా, నెట్వర్క్ గెలిచింది. ఎక్కువసేపు ఖాళీగా ఉండకండి, పని చేయండి. ఇది అల్జీమర్స్ వ్యాధి లేదా క్రూట్జ్ఫెల్డ్-జాకోబ్ వ్యాధి వంటి డజన్ల కొద్దీ ప్రోటీన్ మిస్ఫోల్డింగ్ వ్యాధులకు కారణమయ్యే ప్రోటీన్ నమూనాలను అధ్యయనం చేయడానికి బాగా సరిపోయే ఒక పరిశోధనా సాధనం, దీనిని తరచుగా పిచ్చి ఆవు వ్యాధి అని తప్పుగా పిలుస్తారు. మరియు మరొక వైరస్ అనివార్యంగా కనిపించినప్పుడు, మేము మళ్ళీ దానితో పోరాడటానికి సిద్ధంగా ఉంటాము.
మూలం: www.habr.com