Гомологічне моделювання третинної структури білків

Гомологіче моделювання базується на знаходженні білків, первинна структура яких схожа на структуру студійованого білка, і на створенні процедури групування. Остання може бути глобальною і локальною. Перша – це процедура глобальної оптимізації, яка намагається згрупувати кожну амінокислоту з кожною....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2010
1. Verfasser:	Горін, В.В.
Format:	Artikel
Sprache:	Ukrainian
Veröffentlicht:	Інститут кібернетики ім. В.М. Глушкова НАН України 2010
Schriftenreihe:	Теорія оптимальних рішень
Online Zugang:	http://dspace.nbuv.gov.ua/handle/123456789/46690
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Гомологічне моделювання третинної структури білків / В.В. Горін // Теорія оптимальних рішень: Зб. наук. пр. — 2010. — № 9. — С. 155-161. — Бібліогр.: 16 назв. — укр.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-46690
record_format	dspace
spelling	irk-123456789-466902013-07-07T03:03:22Z Гомологічне моделювання третинної структури білків Горін, В.В. Гомологіче моделювання базується на знаходженні білків, первинна структура яких схожа на структуру студійованого білка, і на створенні процедури групування. Остання може бути глобальною і локальною. Перша – це процедура глобальної оптимізації, яка намагається згрупувати кожну амінокислоту з кожною. Локальні групування виявляють схожі регіони всередині довгих послідовностей. Для розв’язання проблеми групування, використовуються точні методи, такі як динамічне програмування, та швидкі евристичні алгоритми або ймовірнісні методи. Гомологическое моделирование базируется на нахождении белков, первичная структура которых похожа на структуру изучаемого белка, и на создании процедуры группирования. Последняя может быть глобальной и локальной. Первая – это процедура глобальной оптимизации, стремящаяся сгруппировать каждую аминокислоту с каждой. Локальные группирования выявляют похожие регионы внутри длинных последовательностей. Для решения задачи группирования используются точные методы, такие как динамическое программирование и быстрые эвристические алгоритмы или вероятностные методы. Homology modeling relies on the identification of protein structures likely to resemble the structure of the query sequence, and on the production of an alignment. Alignment can be global or local. Global alignment is a procedure of global optimization and attempts to align every residue in every sequence. Local alignments reveal similar subsequences inside long amino acid sequences. Precise methods are used to make alignments; among them are slow dynamic programming and efficient heuristic algorithms or probabilistic methods. 2010 Article Гомологічне моделювання третинної структури білків / В.В. Горін // Теорія оптимальних рішень: Зб. наук. пр. — 2010. — № 9. — С. 155-161. — Бібліогр.: 16 назв. — укр. XXXX-0013 http://dspace.nbuv.gov.ua/handle/123456789/46690 51-76 uk Теорія оптимальних рішень Інститут кібернетики ім. В.М. Глушкова НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Ukrainian
description	Гомологіче моделювання базується на знаходженні білків, первинна структура яких схожа на структуру студійованого білка, і на створенні процедури групування. Остання може бути глобальною і локальною. Перша – це процедура глобальної оптимізації, яка намагається згрупувати кожну амінокислоту з кожною. Локальні групування виявляють схожі регіони всередині довгих послідовностей. Для розв’язання проблеми групування, використовуються точні методи, такі як динамічне програмування, та швидкі евристичні алгоритми або ймовірнісні методи.
format	Article
author	Горін, В.В.
spellingShingle	Горін, В.В. Гомологічне моделювання третинної структури білків Теорія оптимальних рішень
author_facet	Горін, В.В.
author_sort	Горін, В.В.
title	Гомологічне моделювання третинної структури білків
title_short	Гомологічне моделювання третинної структури білків
title_full	Гомологічне моделювання третинної структури білків
title_fullStr	Гомологічне моделювання третинної структури білків
title_full_unstemmed	Гомологічне моделювання третинної структури білків
title_sort	гомологічне моделювання третинної структури білків
publisher	Інститут кібернетики ім. В.М. Глушкова НАН України
publishDate	2010
url	http://dspace.nbuv.gov.ua/handle/123456789/46690
citation_txt	Гомологічне моделювання третинної структури білків / В.В. Горін // Теорія оптимальних рішень: Зб. наук. пр. — 2010. — № 9. — С. 155-161. — Бібліогр.: 16 назв. — укр.
series	Теорія оптимальних рішень
work_keys_str_mv	AT gorínvv gomologíčnemodelûvannâtretinnoístrukturibílkív
first_indexed	2025-07-04T06:07:42Z
last_indexed	2025-07-04T06:07:42Z
_version_	1836695435206459392
fulltext	Теорія оптимальних рішень. 2010, № 9 155 ÒÅÎÐ²ß ÎÏÒÈÌÀËÜÍÈÕ Ð²ØÅÍÜ Гомологіче моделювання базуєть- ся на знаходженні білків, первин- на структура яких схожа на структуру студійованого білка, і на створенні процедури групуван- ня. Остання може бути глобаль- ною і локальною. Перша – це про- цедура глобальної оптимізації, яка намагається згрупувати ко- жну амінокислоту з кожною. Ло- кальні групування виявляють схожі регіони всередині довгих послідовностей. Для розв’язання проблеми групування, використо- вуються точні методи, такі як динамічне програмування, та шви- дкі евристичні алгоритми або ймо- вірнісні методи.  В.В. Горін, 2010 ÓÄÊ 51-76 Â.Â. ÃÎÐ²Í ÃÎÌÎËÎÃ²×ÍÅ ÌÎÄÅËÞÂÀÍÍß ÒÐÅÒÈÍÍÎ¯ ÑÒÐÓÊÒÓÐÈ Á²ËÊ²Â Вступ. Передбачення трьохвимірної структу- ри білка на основі послідовності його аміно- кислот, іншими словами, передбачення тре- тинної структури білка на основі його пер- винної структури – це одна з найважливіших задач, яка стоїть перед біоінформатикою та теоретичною хімією. Незважаючи на сучас- ний прогрес експериментальної техніки, ви- значення структурних та динамічних власти- востей білків – дуже трудомістка задача, що відіймає немало часу [1]. Тому комп’ютерне моделювання відіграє ключову роль у розв’язанні таких задач. Водночас, практична роль моделювання структури білків сьогодні є важливішою ніж будь-коли. Величезні обсяги даних первин- них структур білків створюються сьогодні великими, сучасними проектами по вивчен- ню послідовностей ДНК, такими як, напри- клад, проект геному людини. Незважаючи на великі зусилля в області структурної геномі- ки, швидкість отримання третинних структур (як правило, експериментальними методами) дуже сильно відстає від швидкості отриман- ня первинних структур. Оптимальним вирі- шенням проблеми відставання отримання третинних структур від первинних є побудо- ва моделей та обчислювальних систем, здат- них передбачувати третинну структуру білків на основі існуючих структурних даних уже вивчених білків. Існує ряд факторів, які роблять передба- чення структури білка дуже непростою зада- чею. Дві основні проблеми – це надзвичайно велика кількість можливих третинних В.В. ГОРІН 156 Теорія оптимальних рішень. 2010, № 9 структур, і те, що фізичні основи структурної стабільності білка досі не відомі в повній мірі. Як наслідок, будь-який метод передбачення третинної структури по- винен мати механізм, що дозволяв би вивчати простір можливих структур ефек- тивно (стратегія пошуку) та спосіб ідентифікації найбільш правдоподібних стру- ктур (функція енергії). При порівняльному передбаченні (також відомому як гомологічне моделю- вання), пошук скорочується шляхом припущення, що студійований білок част- ково запозичує свою структуру в хоча б одного відомого білка. В методах «de novo» або «ab initio» (без використання відомих структур) таке припущення не використовується, і як результат задача стає набагато важчою. В обох випадках функція енергії потрібна для того, щоб вибрати найбільш ймовірну структуру. Нажаль, пошук цієї функції є у великій мірі відкритою проблемою. Гомологічне моделювання, по-перше, базується на знаходженні одного або декількох відомих структур білків (структур-зразків), первинна структура яких схожа на структуру студійованого білка, по-друге – на створенні процедури групування (alignment), яка зіставляє залишки амінокислотної послідовності сту- дійованого білка із залишками у структурі зразка. Процедура групування і зразки використовуються потім для створення структурної моделі студійованого білка. У зв’язку з тим, що білкові структури є більш консервативними ніж структури ДНК, знайдені подібності у первинній структурі білків, як правило, означають суттєві по- дібності у третинній структурі [2]. Якість гомологічної моделі залежить від якості процедури групування та від самої структури зразка (ступені її подібності до структури студійованого білка). Гомологічний підхід може бути ускладнений наявністю, по-перше, інделів (indels – групувальні шпарини, вставки або пропуски), які представляють собою струк- турну область, яка присутня в шуканій структурі і відсутня у структурі зразка, і, по-друге – структурних шпарин у структурі зразка на тій чи іншій ділянці, які виникають внаслідок низької роздільної здатності експериментального методу (наприклад, рентгенівської кристалографії). Регіони моделі, сконструйовані без використання зразку, як правило методом циклічного моделювання, є менш то- чними. Помилки у розрахунках структури заступних груп і їх розташування та- кож зростають із зменшенням ступені ідентичності між студійованою структу- рою і зразком; є припущення, що різні види конфігурацій цих угрупувань – ос- новна причина низької якості моделі при низьких ступенях ідентичності конфі- гурацій [3]. Гомологічне моделювання може дати структурні моделі високої якості у ви- падку, коли шукана структура і структура зразка дуже схожі. Це стало спонука- льним мотивом для створення консорціуму структурної геноміки, присвяченого створенню експериментальних структур типових класів білків. Процедура гомологічного моделювання може бути розбита на чотири етапи: ГОМОЛОГІЧНЕ МОДЕЛЮВАННЯ ТРЕТИННОЇ СТРУКТУРИ БІЛКІВ Теорія оптимальних рішень. 2010, № 9 157 вибір структури-зразка, групування шуканої структури до структури зразка, по- будова моделі та оцінка її якості [2]. Вибір структури-зразка, процедура групування. Перший вирішальний крок у гомологічному моделюванні – це знаходження найкращої структури- зразка, якщо взагалі така доступна. Найпростіший спосіб ідентифікації структу- ри-зразка базується на попарних групуваннях послідовності амінокислот пер- винної структури студійованого та структур потенційних зразків. Пошукові ме- тоди FASTA, BLAST, та інші, серед яких одночасне групування декількох стру- ктур (наприклад, PSI-BLAST), метод розпізнавання згорток білків (protein threading), тут дуже корисні [4–7]. Якщо дві послідовності при групуванні мають спільне походження, їх роз- біжності можуть бути трактовані як точкові мутації, а шпарини – як індели (indels – вставки чи пропуски), що з часом виникли в одній або в обох послідов- ностях, оскільки вони обидві пішли одна від одної, або від спільного предка. При вирівнюванні білків, рівень схожості між амінокислотами послідовностей може бути розцінений як груба оцінка того, на скільки консервативним щодо мутацій є той чи інший регіон послідовності. Дуже короткі або дуже схожі послідовності можуть бути згруповані вручну. Проте, найбільша кількість цікавих проблем вимагає групування довгих або ба- гатьох послідовностей, що дуже відрізняються одна від одної, і не можуть бути згруповані вручну. Локальне та глобальне групування. Обчислювальні підходи до вирівню- вання послідовностей, як правило, поділяють на дві категорії: глобальні та лока- льні. Розрахунок глобального вирівнювання – це різновид глобальної оптиміза- ції, яка «змушує» групування розповсюджуватись на всю довжину послідовності (амінокислот первинної структури). Напроти, локальні групування виявляють схожі регіони всередині довгих послідовностей, які часто несхожі загалом. Лока- льні групування дають завжди більш якісну картину, але можуть бути більш складними з точки зору розрахунків через необхідність розв’язувати додаткову задачу із виявлення схожих регіонів. Велика кількість алгоритмів була викорис- тана для розв’язання проблеми групування послідовностей, включаючи повільні методи, такі як динамічне програмування, та швидкі, але не такі точні евристич- ні алгоритми або імовірнісні методи, спроектовані для широкомасштабного по- шуку за базами даних. Глобальні вирівнювання, які прагнуть знайти пару кожному залишку в ко- жній послідовності, найбільш продуктивні, коли послідовності в наборі схожі одна на одну і приблизно однакової довжини. Типовим прикладом глобального вирівнювання є алгоритм Нідлмана – Вунча (Needleman – Wunsch), який базу- ється на динамічному програмуванні [8]. Локальні вирівнювання найбільш під- ходять для несхожих у цілому послідовностей, які, як очікується, мають схожі регіони. Прикладом методу локального групування може слугувати алгоритм В.В. ГОРІН 158 Теорія оптимальних рішень. 2010, № 9 Сміта – Вотермана (Smith – Waterman) і також базується на динамічному про- грамуванні [9]. У випадку достатньо схожих послідовностей немає принципової різниці між локальним та глобальним вирівнюваннями. Гібридні методи, також відомі як напівглобальні, намагаються знайти най- краще можливе вирівнювання, що включає у себе початок і кінець однієї чи ін- шої послідовності. Це може бути особливо корисно коли нижній потік однієї по- слідовності перекривається з верхнім потоком іншої. У цьому випадку, ні глоба- льне, ні локальне вирівнювання не є підходящим: глобальне вирівнювання буде намагатися розширити себе за межі регіону перекриття, водночас, як локальне може не охопити цей регіон повністю [10]. Попарне групування. Методи попарного групування використовуються для знаходження схожих ділянок лише двох послідовностей. Ці методи ефектив- ні та часто використовуються для випадків коли не потрібна дуже висока точ- ність (наприклад, пошук послідовностей з високим ступенем гомологічності до даної). Основні три методи попарного групування – це растрові (dot-matrix) ме- тоди, динамічне програмування, та «словесні» методи (word methods) [11]. Хоча всі три методи мають свої сильні і слабкі сторони, всі вони мають проблеми з послідовностями, що мають ділянки з низьким рівнем інформації, які часто по- вторюються, особливо, коли кількість таких ділянок неоднакова у двох послідо- вностей, що групуються. Растровий підхід – якісний і простий, але повільний, якщо послідовність ве- лика. Щоб сконструювати растр, дві послідовності записуються одна в горизон- тальний ряд зверху двовимірної матриці, інша у вертикальний – зліва від неї. Матриця заповнюється крапками у клітинах, що знаходяться на перетині коло- нок і рядків з однаковими літерами. Растри схожих послідовностей будуть ви- глядати як лінія, яка проходить неподалік від основної діагоналі матриці. Техніка динамічного програмування може бути застосована для створення глобальних групувань за методом Нідлмана – Вунча і локальних групувань за методом Сміта – Вотермана. Як правило, використовується матриця підстановок щоб призначити питому вагу фактам збіжності чи розбіжності амінокислот у по- слідовності й штраф на прогалини для сполучення амінокислоти в одній послі- довності з прогалиною в іншій. Загальноприйнятим розширенням стандартних лінійних штрафів на прогалини – використання двох різних штрафів на відкри- ваючу прогалину (першу) і на її продовження (прогалини, що слідують зразу за першою). Як правило, перший набагато більший за другий. Це має сенс з біоло- гічної точки зору, бо прогалини і залишки при використанні такої моделі три- маються поруч. «Словесні» методи, також відомі як k-tuple методи – це евристичні методи, які не гарантують знаходження оптимального розв’язку задачі групування, але працюють набагато швидше ніж методи динамічного програмування. Вони осо- бливо корисні для пошуку за великими базами даних, де зрозуміло, що переваж- на більшість послідовностей-кандидатів не матиме суттєвих сполучень із студі- ГОМОЛОГІЧНЕ МОДЕЛЮВАННЯ ТРЕТИННОЇ СТРУКТУРИ БІЛКІВ Теорія оптимальних рішень. 2010, № 9 159 йованою послідовністю. «Словесні» методи реалізовані в таких алгоритмах як FASTA і BLAST. Ці методи виявляють серії коротких підпослідовностей, що не перекриваються («слів») у студійовані послідовності, які потім зіставляються з послідовностями-кандидатами із баз даних. Метод FASTA дозволяє задати параметр k – довжину слова, яка використо- вується при пошуку по базі. Метод працює повільніше і більш точно при мен- ших значеннях k. FASTA швидкий і селективний; методи FASTP і FASTA були розроблені для знаходження білкових послідовностей, які походять від спільного предка і вони довели свою виняткову корисність для цієї задачі [4]. Метод BLAST був розроблений щоб надати більш швидкий альтернативний алгоритм з меншою точністю; так само, як і FASTA, BLAST використовує «словесний» по- шук довжини k, але оцінює тільки найбільш значимі збіги слів, на відміну від FASTA. Більша частина реалізацій BLAST використовує фіксовану стандартну довжину слова, яка оптимізована під запит і тип бази даних, і змінюється тільки в залежності від деяких особливих обставин, таких як пошук дуже коротких по- слідовностей [7]. Реалізації цих алгоритмів можуть бути знайдені в мережі Інте- рнет, наприклад EMBL FASTA, NCBI BLAST, EMBOSS-Align та ін [5, 6]. Оцінка ваги гомологічного моделювання. Вирівнювання послідовностей є корисним у біоінформатиці для з’ясування ступеню схожості послідовностей амінокислот, для створення пілогенетичних дерев [12] та для розробки гомологі- чних моделей структури білків. Тим не менше, біологічна значимість вирівню- вання послідовностей не завжди чітко зрозуміла. Вирівнювання часто розгляда- ються як спосіб відображення еволюційних змін, що відбулися у двох білків, які мають спільного предка; але формально можливо, також, що конвергентна ево- люція може спричинити до виникнення схожостей у білків, що не мають спіль- ного предка, але виконують схожі функції [13]. При використанні пошукових систем по базам даних, таких як BLAST, ре- зультати вирівнювання можуть відрізнятися в залежності від складу бази даних, по якій проводиться пошук. Ймовірність знаходження хорошого вирівнювання тим збільшується, якщо база даних складається тільки з послідовностей того ж самого організму, що й шукана послідовність. Послідовності, які повторюються (в базі чи в запиті), також можуть викривляти отримані результати або оцінку їх важливості; BLAST автоматично фільтрує такі послідовності-повтори у запиті щоб уникнути видимих збігів, які є штучними (статистичними артефактами). Методи оцінки статистичної ваги для вирівнювання послідовностей з прогалинами доступні в літературі, наприклад в [14]. Функції підрахунку. Вибір функції підрахунку ступені подібності двох по- слідовностей (біологічних чи статистичних) є дуже важливим для побудови які- сних вирівнювань. Білкові послідовності часто вирівнюються за допомогою під- становочних матриць, які відображають ймовірності даних «символ-до-сиволу» замін. Ряд матриць PAM (Point Accepted Mutation matrices – матриці точкових В.В. ГОРІН 160 Теорія оптимальних рішень. 2010, № 9 мутацій, уперше визначені Маргаретою Дейхоф; інколи їх називають матрицями «Дейхов») явно кодують еволюційні апроксимації щодо частот та ймовірностей мутацій окремих амінокислот [15]. Інший розповсюджений клас матриць підра- хунку, відомий як BLOSUM (Blocks Substitution Matrix – матриця заміни блоків), кодує ймовірності заміни, отримані емпірично. Варіації обох видів матриць ви- користовуються для знаходження послідовностей з різним рівнем невідповіднос- ті, таким чином, даючи можливість користувачам BLAST або FASTA обмежити пошуки до більш близьких степеней відповідності або навпаки розширити по- шук для знаходження більш далеких за схожістю послідовностей [16]. Дуже корисним може бути використання декількох матриць для одного ви- рівнювання. Порівнюючи результати, можна визначити регіони, в яких знайдене рішення є неточним або не єдиним – це регіони де вирівнювання дуже відрізня- ються в залежності від використаних матриць оцінки та їх параметрів. Висновки. Використання вищезгаданих методів не вимагає наявності бази білкових структур або технічної наявності доступу до неї, оскільки багато з них впроваджені й доступні як відкриті інтернет-сервери розпізнавання структур. Використання таких серверів дозволяє скоротити зусилля на пошук структур- зразків і зосередитись на побудові моделі білків. Одним з таких серверів є FASTA-сервер Європейського Інституту Біоінформатики. За його допомогою планується створити алгоритм для побудови третинних білкових структур на ба- зі первинних. Очікується, що алгоритм матиме хорошу точність для структур, близьких за походженням до вивчених нині експериментально. Послідуючим кроком може бути вдосконалення алгоритму шляхом викорис- тання інших методів попарного групування, також доступних як відкриті Web- сервіси (наприклад, EMBOSS-Align). Також планується використання методів структурного вирівнювання на базі вторинних структур білків. В.В. Горин ГОМОЛОГИЧЕСКОЕ МОДЕЛИРОВАНИЕ ТРЕТИЧНОЙ СТРУКТУРЫ БЕЛКОВ Гомологическое моделирование базируется на нахождении белков, первичная структура кото- рых похожа на структуру изучаемого белка, и на создании процедуры группирования. По- следняя может быть глобальной и локальной. Первая – это процедура глобальной оптимиза- ции, стремящаяся сгруппировать каждую аминокислоту с каждой. Локальные группирования выявляют похожие регионы внутри длинных последовательностей. Для решения задачи груп- пирования используются точные методы, такие как динамическое программирование и быст- рые эвристические алгоритмы или вероятностные методы. V.V. Gorin ГОМОЛОГІЧНЕ МОДЕЛЮВАННЯ ТРЕТИННОЇ СТРУКТУРИ БІЛКІВ Теорія оптимальних рішень. 2010, № 9 161 HOMOLOGICAL MODELING OF TERTIARY PROTEIN STRUCTURE Homology modeling relies on the identification of protein structures likely to resemble the structure of the query sequence, and on the production of an alignment. Alignment can be global or local. Global alignment is a procedure of global optimization and attempts to align every residue in every sequence. Local alignments reveal similar subsequences inside long amino acid sequences. Precise methods are used to make alignments; among them are slow dynamic programming and efficient heuristic algorithms or probabilistic methods. 1. Slabinski L., Jaroszewski L., Rodrigues A.P.C. and other. The challenge of protein structure determination – lessons from structural genomics // Protein Sci. – 2007. – 16 (11). – P. 2472–2482. 2. Marti-Renom M.A., Stuart A.C., Fiser A. and other. Comparative protein structure modeling of genes and genomes // Annu Rev Biophys Biomol Struct. – 2000. – 29. – P. 291–325. 3. Chung S.Y., Subbiah S. A structural explanation for the twilight zone of protein sequence homology // Structure. – 1996. – 4 (10). – P. 1123–1127. 4. Pearson W.R. Rapid and Sensitive Sequence Comparison with FASTP and FASTA // Methods in Enzymology. – 1990. – 183. – P. 63–98. 5. Pearson W.R., Lipman D.J. Improved Tools for Biological Sequence Comparison // Proceedings of the National Academy of Sciences. – 1988. – 85 (8). – P. 2444–2448. 6. Altschul S.F., Madden T.L., Schaffer A.A. and other. Gapped BLAST and PSI-BLAST: a new generation of protein database search programs // Nucleic Acids Research. – 1997. – 25 (17). – P. 3389–3402. 7. Altschul S.F., Warren G., Miller W. And other. Basic local alignment search tool // J. Mol. Biol. – 1990. – 215. – P. 403–410. 8. Needleman S.B., Wunsch C.D. A general method applicable to the search for similarities in the amino acid sequence of two proteins // J. Mol. Biol. – 1970. – 48 (3). – P. 443–53. 9. Smith T.F., Waterman M.S. Identification of Common Molecular Subsequences // J. Mol. Biol. – 1981. – 147. – P. 195–197. 10. Brudno M., Malde S., Poliakov A. and other. Glocal alignment: finding rearrangements during alignment // Bioinformatics. – 2003. – 19, Suppl. 1 – P. 54–62. 11. Mount D.M. Bioinformatics: Sequence and Genome Analysis. – NY: Cold Spring Harbor Laboratory Press, 2004. – 600 p. 12. Felsenstein J. Inferring Phylogenies. – Sunderland, MA: Sinauer Associates, 2004. – 580 p. 13. Zhang, J., Kumar S. Detection of convergent and parallel evolution at the amino acid sequence level // Mol. Biol. Evol. – 1997. – 14. – P. 527–536. 14. Newberg L.A. Significance of gapped sequence alignments // J. Comput Biol. – 2008. – 15. – P. 1187–1194. 15. Dayhoff M.O., Schwartz R., Orcutt B.C. A model of Evolutionary Change in Proteins // Atlas of protein sequence and structure. – 1978. –5 (3). – P. 345–358. 16. Henikoff S., Henikoff J.G. Amino Acid Substitution Matrices from Protein Blocks // PNAS. – 1992. – 89 (22). – P. 10915–10919. Отримано 02.04.2010

Гомологічне моделювання третинної структури білків

Institution

Ähnliche Einträge