Məlumat

Qütblə hidrofobluq arasında fərq varmı?

Qütblə hidrofobluq arasında fərq varmı?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Ədəbiyyatdan zülal sahələri və motivləri müzakirə edərkən iki termin bir-birini əvəz edə bilər. Biyokimyəvi olaraq, bu iki termin arasındakı spesifik fərqlər nələrdir?

Məsələn, bu cümlələrdə fərq nədir:

  1. Ümumiyyətlə, kürəcikli protein nüvələri hidrofob bölgələrə malikdir, səthində isə hidrofilik xarici üzlük qalıqları var.

  2. Ümumiyyətlə, kürəcikli zülal nüvələri qeyri-polar bölgələrə malikdir, səthində isə qütblü xarici üzlük qalıqları vardır.


Hidrofobiklik, suda "həll olunan" qarşılıqlı təsir səbəbiylə sistemin entropiyasının artması ilə nəticələnən suya nifrət deməkdir.

İnf3rno -da qeyd edildiyi kimi, bir molekulun polaritesi net dipol momentindən qaynaqlanır. Doğrudur, qütb molekulları suda həll oluna bilər (çünki su ilə van der Waals qüvvələri, xüsusən də Keesom və Debye qüvvələri vasitəsi ilə qarşılıqlı təsir edə bilərlər).

CO2 apolyardır, lakin suda həll olunur (əslində su ilə reaksiya verir). Apolar maddələrin çoxu van der Waals qüvvələri ilə su ilə qarşılıqlı təsir göstərə bilməz.

Ümumiyyətlə, polar maddələr hidrofob deyildir (yəni hidrofilikdir), lakin nitril, ketonlar və esterlər kimi bəzi qütb molekulları hidro-neytral ola bilər (hidrofob və hidrofilik arasındakı ortada. Bura baxın). Hətta böyük qütb molekulları 1,2 diklorobenzol və nitrobenzenlər kimi suda həll olunmur (Həll oluna bilən bir şey üçün həll olunan həlledici qarşılıqlı təsirlər həll olunan maddələrin qarşılıqlı təsirlərindən daha güclü olmalıdır. "Suda həll olunmayan" "hidrofobik" ə bərabər ola bilməz).

Əksinə, apolar maddələr hidrofobdur (Cl kimi reaktiv həlledicilər olmadıqda)2 və CO2).


Suya çəkilən hidrofilik vasitələr, qütblər isə molekulun elektrik dirəklərinə malik olması deməkdir.

Hidrofilik bir molekul və ya bir molekulun bir hissəsi su və digər qütblü maddələrlə qarşılıqlı təsir və ya həll olma meylinə malikdir.

  • vikipediya - hidrofil

Qütb molekulu, asimmetrik şəkildə düzülmüş qütb bağlarından əks yüklər (yəni qismən müsbət və qismən mənfi yüklərə malik olan) nəticəsində xalis dipola malikdir.

İstiqrazlar iki ifratdan biri arasında düşə bilər - tamamilə qeyri-qütblü və ya tamamilə qütblü olmaq. Tamamilə qeyri-qütblü rabitə elektronmənfiliklər eyni olduqda baş verir və buna görə də sıfır fərqə malikdir. Tamamilə qütblü bağ daha düzgün şəkildə ion bağı adlanır və elektronmənfiliklər arasındakı fərq bir atomun digərindən elektron alması kifayət qədər böyük olduqda baş verir. "Qütb" və "qeyri -polar" anlayışları ümumiyyətlə kovalent bağlara, yəni polaritesinin tam olmadığı bağlara tətbiq olunur. Kovalent bir bağın polaritesini ədədi vasitələrdən istifadə etməklə müəyyən etmək üçün atomların elektroneqativliyi arasındakı fərq götürülür. Pauling şkalasında, nəticə 0.4 -dən azdırsa, bağ ümumiyyətlə qeyri -polar kovalentdir. Nəticə 0,4 ilə 1,7 arasında olarsa, bağ ümumiyyətlə qütb kovalentdir. Nəticə 1.7 -dən çox olarsa, bağ ümumiyyətlə ion hesab olunur.

  • vikipediya - kimyəvi polarite

Su qütbdür. çünki oksigen (3,5) hidrogendən (2,2) daha çox elektronmənfidir və fərq (1,3) 0,4÷1,7 arasındadır. Beləliklə, oksigenin bir az mənfi yükü var, hidrojenlərin isə suda bir qədər müsbət yükü var.

Qütb molekulları hidrofildir. məsələn NH3, EtOH və s... Apolyar (və ya qeyri-qütblü) molekullar adətən hidrofob olur, lakin istisnalar ola bilər, məsələn. Cl2 apolyardır, lakin CO və ya CO-dan daha çox suda həll olur2, kimyəvi reaksiya səbəbiylə (Cl2 + H2O → HOCl + HCl). Spirtlərin tərkibində polar -OH qrupu var. Qısa zəncirli spirtlər suda həll olunan və belə hidrofildir, uzun zəncirli spirtlər suda daha az həll olunsa da, hidrofobdur, çünki molekulun əksəriyyətində apolyar bağlar var. NaCl kimi ion bağları olan molekullar hidrofilikdir, lakin suda həll olunmur (məsələn, AgCl suda zəif həll olunur). Ona görə də mən düşünürəm ki, hidrofillik və qütblük sinonim deyil. Ancaq bunlar yalnız istisnalardır, hidrofilik birləşmələrin çoxu qütbdür və hidrofob birləşmələrin çoxu apolardır.

Amin turşusu qalıqları (və digər yan zəncirlər) istisna deyil, buna görə də onların vəziyyətində bu terminlər sinonimdir (ən azı 20 ümumi amin turşusu ilə).

HP (hidrofob-polar) zülal qatlama modeli Dill məqaləsindən gəlir. Daha çox solvofob və solvofilik qalıqlardan bəhs edir. Su kontekstində hidrofobik, qütblü və yüklü amin turşusu qalıqları terminlərindən istifadə edin. Bu cür amin turşusu təsnifatı daha köhnə ola bilər, lakin (mən güman edirəm) HP modelindən əvvəl o qədər də vacib deyildi.

təmiz solvofob qalıqlardan ibarət olan bir mühitə qədər həlledicidir. Suda həll olunan zülalların müalicəsi üçün -(q -2) g beləliklə hidrofob qalıqların sudan hidrofob mühitə köçürülməsini təsvir edir; membran zülallarının müalicəsi üçün -(q - 2)g qütblü və ya yüklü qalıqların apolyar mühitdən qütb mühitinə köçürülməsini xarakterizə edir.

  • 1985 - Qlobulyar zülalların qatlanması və sabitliyi nəzəriyyəsi

Dill məqaləsinə görə qalıqlar ola bilər

  • ödənilir (1 dəfə)
  • qütb (2 dəfə)
  • hidrofilik (0 dəfə)
  • solvofilik (8 dəfə)
  • apolar (0 dəfə)
  • qeyri-polyar (0 dəfə)
  • suda həll olunmaz (1 dəfə)
  • hidrofobik (3 dəfə)
  • solvofobik (23 dəfə)

Mən də google-da yoxladım:

  • Google"* amin turşusu qalığı"axtarış

    • ion 7
    • 104 000 manat ödənilib
    • qütb 42000
    • hidrofilik 917 000
    • apolar 101 000
    • qeyri-qütblü 326 000
    • qeyri-qütblü 44 000
    • hidrofobik 111 000
  • Google"* qalıq" proteiniaxtarış

    • ion 2 110
    • 120 000 alinib
    • qütb 53 000
    • hidrofilik 33000
    • apolar 4 690
    • qeyri-qütblü 15 600
    • Qütb olmayan 284000
    • hidrofobik 148 000

Beləliklə, hidrofilik, hidrofobik, qeyri-qütblü, qütblü, yüklü sözlərin hamısı tez-tez istifadə olunur. Bəzi kitabları və məqalələri yoxladım, bəziləri "hidrofobik-qütblü yüklü +/-" təsnifatından istifadə edir (eynən Dill kimi) bu təsnifat digərlərində "qütbsüz - qütb (neytral, turşu, qələvi)" təsnifatından daha böyük görünür. məqalələr.

İndi sual hələ də qalmaqdadır.

Məsələn, bu cümlələrdə fərq nədir:

  1. Ümumiyyətlə, kürəcikli protein nüvələri hidrofob bölgələrə malikdir, səthində isə hidrofilik xarici üzlük qalıqları var.

  2. Ümumiyyətlə, kürəcikli zülal nüvələri qeyri-polar bölgələrə malikdir, səthində isə qütblü xarici üzlük qalıqları vardır.

Bu iki cümlənin mənası arasında heç bir fərq olmadığını düşünürəm.

Düşünürəm ki, daha maraqlı sual hansı amin turşularının hansı qruplara aid olmasıdır. Bəzi hidrofobiklik tərəzilərini yoxladım.

  • Şəkil 1 - hidrofobluq miqyasının xülasəsi

    • Kyte üçün amin turşusu hidrofobikliyi - Doolittle (kd), Wimley - White (ww), Hessa - Heijne (hh)
    • İki indeks üçün ümumi amin turşuları üçün hidrofobiklik indeksi
    • tutorvista - pI dəyərləri üçün amin turşuları (pI yüklü olanları süzmək üçün istifadə edilə bilər)

Göründüyü kimi, aydın deyil. Artıq qeyd etdiyiniz kimi, bu, davamlı bir spektrdir və qruplar yaratmaq çətindir. Trp -in (çox apolar olan) iki tərəzidə mənfi ədədlərə sahib olması maraqlı idi (bəlkə də məlumatlar etibarlı deyildi). Nə deyə bilərsiniz, hansı amin turşuları qütblü (hidrofilik) və hansılar mütləq apolardır (hidrofob). Bu məlumatlara əsaslanaraq, hansı qalıqların apolyar nüvədə (hidrofobik qalıqlar) və hansının qütb xaricində (hidrofobik qalıqlar) olacağını və hansının onurğa hidrogen bağlarını (qütb qalıqları) və ehtimal ki, duz körpülərini (qütb, yüklənmiş qalıqlar). Ofc. bunların hamısı pH-dan az və ya çox asılı ola bilər...


Hidrofob və hidrofilik

Hidrofobik və hidrofilik qüvvələr kimyəvi qrupların bir-birinə yaxın yerləşdirilməsinə xidmət edən qarşılıqlı təsirlərdir. Bu cür birləşmələr komponentlərin quruluşu üçün həyati əhəmiyyət kəsb edir mikroorqanizmlər .

Hidrofobik ("suya nifrət edən") qarşılıqlı təsirlər, cəlb olunan kimyəvi qrupların yüksüz təbiəti səbəbindən yaranır. Belə bir kimyəvi qrupun nümunəsi CH-dir3. Karbon atomunun ətrafındakı bütün bağlar işğal olunur. Kimyəvi qrup qeyri -qütblü olaraq xarakterizə olunur. Beləliklə, bir su molekulu — bir qütb molekulu — qütb olmayan kimyəvi qrupla əlaqə qura bilmir. Bu, su molekulları şəbəkəsində qeyri-sabitlik yaratmağa meyllidir və buna görə də arzuolunmazdır. Ətrafdakı su molekullarının itələyici qüvvəsi hidrofobik bölgələri oxşar bölgələrlə birləşməyə məcbur edir. Təsiri, bir zülalda və ya bir karbohidrat molekulunda və ya matrisdə hidrofobik bir "cib" və ya "zərf" meydana gəlməsinə meyllidir.

Qütb kimyəvi qrupu ilə hidrofilik ("su sevən) qarşılıqlı təsirlər mümkündür. Su qütbdür, çünki oksigen hidrogendən daha çox elektronmənfidir və beləliklə, oksigen-hidrogen bağında iştirak edən elektronlar oksigen atomunun yaxınlığında daha çox vaxt keçirirlər. Bu qeyri-bərabərliyə görə elektron paylaşma, oksigen atomu qismən mənfi, hidrogen atomu isə qismən müsbət yük alır.Bundan əlavə, su molekulundakı bağlar ("əyilmiş" molekulyar formada 105 ºB0 istiqamətləndirilmişdir) bir-birini ləğv edə bilməz. Digər qütb qrupları daha sonra su ilə ion tipli bağlar yarada bilər.Ətraf mühitə məruz qalan zülalların və digər bioloji materialların bölgələri adətən hidrofilikdir.

Hidrofob və hidrofilik qarşılıqlı təsirlər zülalın formasını təsir edə bilər. Tərkibindəki amin turşularının, eləcə də mikroorqanizmlərin karbohidrat və lipid tərkib hissələrinin qütblü və ya qeyri-polyar təbiətinə görə molekullar və bəzən bütöv mikroorqanizmlər hüceyrədaxili və ya hüceyrədənkənar mühitdən asılı olan forma və istiqamətlər ala bilirlər.

Bir lipid molekulunun zülalının hidrofob bölgələrinin sudan uzaqlaşma tendensiyası, zülalların ölçülü konfiqurasiyasına qatlanmasında əsas hərəkətverici qüvvədir. Üstəlik, hidrofob və hidrofilik qarşılıqlı təsirlər olmadıqda bioloji membranların əmələ gəlməsi son dərəcə çətin olardı. Bioloji molekullar kimi tanınır fosfolipidlər hidrofilik "baş" bölgəsi və qeyri-polar, hidrofobik "quyruğu" var. Bu qüvvələr fosfolipit molekullarının bir yerə yığılmasına səbəb olur ki, qütb başları suya doğru yönəldilsin və hidrofob quyruqlar içəriyə basdırılsın. Təsiri kortəbii bir membran qurmaqdır. Bu fosfolipid iki qatlı funksional olaraq xüsusi zülalların daxil edilməsi, çox mürəkkəb bir bioloji membran meydana gətirir.

Həmçinin bax Bakterial membranlar və hüceyrə divarı Biokimyəvi analiz üsulları Biokimya Hüceyrə membranının nəqli Membran axıcılığı


  • Oksigen və hidrogen atomları arasındakı elektronegativlik fərqi, atomlarda müvafiq olaraq qismən mənfi və müsbət yüklər yaradır.
  • Su molekulları digər qütb molekullarını cəlb edir və ya cəlb edir.
  • Suda həll olunmayan molekullara hidrofobik (sudan qorxan) molekullar deyilir.
  • hidrofilik: suya hopmaq və ya su ilə islatmaq qabiliyyətinə malik olması
  • hidrofobik: suya hopmayan və ya su ilə islanmayan bir yaxınlığın olmaması
  • polarite: Bir molekulun bir az müsbət yüklü ucu ilə digərinin və ya eyni molekulun mənfi ucu arasındakı molekullararası qüvvələr.

Suyun vacib xüsusiyyətlərindən biri də qütb molekullarından ibarət olmasıdır. Su molekullarında iki hidrogen atomu və bir oksigen atomu (H2O) qütb kovalent bağlar əmələ gətirir. Su molekulunda heç bir net yük olmasa da, suyun qütblülüyü hidrogen üzərində bir qədər müsbət, oksigendə isə bir qədər mənfi yük meydana gətirərək suyun cazibə xüsusiyyətlərinə kömək edir. Su və rsquos yükləri oksigenin hidrogendən daha çox elektronegativ və ya elektron sevdiyi üçün yaranır. Beləliklə, ortaq bir elektronun hidrogen nüvəsindən daha çox oksigen nüvəsinin yaxınlığında tapılması ehtimalı daha yüksəkdir. Su qeyri -xətti və ya əyilmiş bir molekul olduğundan, oksigen və hidrogen atomları arasındakı elektronegativlik fərqi oksigen yaxınlığındakı qismən mənfi yükü və hər iki hidrojenin yanında qismən pozitiv yüklər yaradır.

Şəkil ( PageIndex <1> ): Qütb olmayan molekullar: Yağ və su qarışmır. Yağ və suyun bu makro görüntüsünün göstərdiyi kimi, neft suda həll olmur, əksinə damlalar əmələ gətirir. Bu, polar olmayan bir birləşmə olması ilə əlaqədardır.

Suyun qütbləşməsi nəticəsində hər bir su molekulu aralarındakı əks yüklər səbəbiylə digər su molekullarını cəlb edərək hidrogen bağları əmələ gətirir. Su, şəkər, nuklein turşuları və bəzi amin turşuları kimi bir çox biomolekullar da daxil olmaqla digər qütb molekullarını və ionlarını cəlb edir və ya cəlb edir. Su ilə asanlıqla qarşılıqlı əlaqədə olan və ya suda həll olunan qütblü maddə hidrofilik (hidro- = &ldquowater&rdquo -fil = &ldquoloving&rdquo) adlanır. Bunun əksinə olaraq, yağlar və yağlar kimi qeyri-qütb molekulları su ilə yaxşı qarşılıqlı əlaqədə deyillər. Bu molekullar suda həll olmaq əvəzinə ondan ayrılır, bunu yağ və sirkə (turşulu su məhlulu) olan salat soslarında görürük. . Bu polar olmayan birləşmələrə hidrofob (hidro- = & ldquowater & rdquo -phobic = & ldquofearing & rdquo) deyilir.

Hidrogen bağları: Bu interaktiv su molekulları arasında hidrogen bağlarının qarşılıqlı təsirini göstərir.


Öyrənmə nəticələrinin qiymətləndirilməsi

Ən sadə səviyyədə bu kurikulum uğurludur, bunu tələbələrin bu laboratoriyada işlərində qazandıqları yüksək ballar göstərir: mümkün 30 baldan orta bal 25,3 (n = 205). Bundan əlavə, bu laboratoriyanı yerinə yetirən qrupların server qeydləri əksər qrupların laboratoriyanın nəzərdə tutulan kursunu izləyən bir sıra strukturlar yaratdığını göstərdi (məlumatlar göstərilməyib). Maraqlıdır ki, bu jurnallar müxtəlif qrup tələbələrin müxtəlif strategiyalardan istifadə edərək problemləri həll etdiyini göstərir. Cədvəl I bunun bir nümunəsini göstərir ki, problem 4 -ün birinci hissəsini həll edərkən iki fərqli qrup tərəfindən hazırlanan strukturların zaman ardıcıllığını təqdim edir.

Cədvəl I-dəki ardıcıllıqlar göstərir ki, hər iki qrup müxtəlif yollarla getsələr də, hər ikisi problemi düzgün həll ediblər. 4-cü məsələ tələbələrdən əsas struktura hidrofilik qrup (bu halda -OH) əlavə etmələrini və sonra -OH-nin töhfəsini tarazlaşdırmaq və ilkin logP dəyərini bərpa etmək üçün nə qədər hidrofobik karbonun lazım olacağını müəyyən etməyi xahiş etdi. 1-ci qrup siklobutanla başladı. Onlar -OH əlavə etdilər və sonra üç karbonun kifayət etmədiyini gördülər, buna görə də istədiyiniz logP dəyərini aşaraq daha üç əlavə etdilər. Daha sonra, lazım olan logP əldə olunana qədər əlavə karbonları tez bir zamanda çıxardılar. Qrup 2, etan xətti bir quruluşla başladı və istədiyiniz logP əldə edənə qədər karbonları tək-tək əlavə edərək daha yavaş çalışdı. İki qrup fərqli yollar izləsələr də, eyni cavabı tapdılar: bir -OH qrupunun hidrofilik qatqısını aşmaq üçün təxminən dörd karbon lazımdır (Konsepsiya 4). Digər qruplar, laboratoriyadakı problemlərin hər birini həll etmək üçün müxtəlif fərqli strategiyalar göstərdilər.

Əlaqəli deyil: əlaqəsiz bir cavab

Atomlar: element adı ilə qeyd olunan xüsusi atomlar (“oksigen”, “C atomu” və s.)

Şarj: qeyd olunan ödəniş (“+”, “-,” “ion”, “yük”)

H-bağları: qeyd olunan hidrogen bağları

Bütün sorğular iki müstəntiq tərəfindən müstəqil olaraq qiymətləndirilmişdir. Qiymətləndiricilər arası etibarlılıq Cohen Kappa [9] istifadə edərək müəyyən edilmişdir. Bütün hallarda, Kappa ümumiyyətlə qəbul edilən 0.7 dəyərindən daha böyük idi.

Anket, digər tədqiqatlarda istifadə etdiyimiz dəyişdirilmiş əvvəlcədən/sonrakı təlimat protokolu ilə həyata keçirildi [8]. Tələbələr (cəmi 169: sinifdəki 205 şagirdin 82%-i) ilk üç kimya mühazirəsindən dərhal sonra bu mühazirələr atom quruluşu və kovalent əlaqəni əhatə edən təlimat öncəsi sorğunu geri qaytardılar. Qeyri-kovalent əlaqə haqqında mühazirələrdən sonra tələbələrin təxminən yarısı (n = 80) Kimya Xüsusiyyətləri Laboratoriyasının əvvəlində post-sorğunu tamamladı. Bu qrup yalnız "Yalnız mühazirə" qrupu adlanan mühazirələrə məruz qalmışdı. Sinifin digər yarısı (n = 89) Kimyəvi Xassələr Laboratoriyasının sonunda post-sorğunu tamamladı. Bu qrup həm mühazirə, həm də laboratoriya təcrübəsindən keçmişdir və “Mühazirə və laboratoriya” qrupu adlanır. Fərdi laboratoriya bölmələri təsadüfi olaraq hər bir qrupa təyin edildi ki, hər bir TA bir "Yalnız mühazirə" və bir "mühazirə və laboratoriya" bölməsi öyrədilsin. Bu protokol Şəkil 1 -də diaqramlaşdırılmışdır

Şəkil 2, bu şəkildəki çubuqların Şəkil 1 -dəki müvafiq çubuqlara uyğun olaraq kölgələndirildiyi bütün dörd qrupun anketlərinin nəticələrini göstərir. Bizim sorğu idarəetmə protokolumuz bu qruplar arasında bir neçə müvafiq müqayisə aparmağa imkan verir. Birincisi, iki hazırlıq qrupu (“Mühazirə öncəsi” və “Mühazirə öncəsi və Laboratoriya”) eyni vaxtda götürülmüş tələbə kütləsinin təsadüfi nümunələri olduğundan, onların balları əhəmiyyətli dərəcədə fərqlənməməlidir. Göstərilən bütün kateqoriyalar üçün χ 2 testindən istifadə edərək bunun doğru olduğu təsbit edildi.

“Mühazirə öncəsi” və “Mühazirədən sonrakı” qruplar arasındakı fərqlər mühazirələrin öz-özlüyündə təsirini göstərir (McNemarın əhəmiyyət testi səh & lt 0.05 ulduzla göstərilir). Buna əsaslanaraq, mühazirə təqdimatından sonra iki strukturun daha çox hidrofobik olduğunu (A Hissəsi) tanıyan və B hissəsində yaratdığı strukturlar üçün düzgün izahatlar yaradan tələbələrin faizi artdı. Cavab kateqoriyaları baxımından C hissəsinə "Boş" və "Müvafiq deyil" cavabları əhəmiyyətli dərəcədə azaldı və molekuldakı xüsusi atomların və hidrogen bağlarının qeyd edilməsi əhəmiyyətli dərəcədə artdı. Laboratoriya fəaliyyətlərinin bu reaksiya kateqoriyalarına heç bir əhəmiyyətli təsiri yoxdur.

“Mühazirədən sonrakı” və “Mühazirədən sonrakı və laboratoriya” qrupları arasındakı fərqlər mühazirələrdən sonra laboratoriyanın artan təsirini əks etdirir (əhəmiyyət üçün χ 2 testindən istifadə etməklə). səh & lt 0.05 "+" işarəsi ilə göstərilir). Mühazirələrdən sonra bəzi tələbələr bu problemlə əlaqəli olmasa da cavablarında ittihamı (Konsepsiya 2) qeyd etdilər. Bu uyğun olmayan izahat verən şagirdlərin sayı laboratoriyadan sonra əhəmiyyətli dərəcədə azaldı. Ən əhəmiyyətlisi, şagirdlərin orta hidrofobikliyin kimyəvi cəhətdən düzgün quruluşlarını (B hissəsi) çəkmə qabiliyyəti yalnız şagirdlər laboratoriyanı yerinə yetirdikdən sonra artdı. Bu nəticələr göstərir ki, mühazirələr terminologiyanı təmin edərkən, tələbələr bu anlayışları praktikada tətbiq etmələri üçün laboratoriya lazım idi. Bu nəticələr laboratoriyanın strukturların rəsmiləşdirilməsinə və onların logP dəyərlərinin tədqiqinə verdiyi vurğu ilə uyğun gəlir və onun kurrikulumun vacib komponentini təmin etdiyini göstərir. Şagirdlər laboratoriya vaxtlarının çox hissəsini kompüter təlimləri üzərində işlədikləri üçün, ehtimal ki, bunların öyrənmələrinə əhəmiyyətli bir töhfə verir.


Bir lipid şəkərdən necə fərqlənir?

Veb saytımız ziyarətçilərimizə onlayn reklamlar göstərməklə mümkün olur. Zəhmət olmasa reklam blokerinizi deaktiv edərək bizə dəstək olmağı düşünün.

(Son Yenilənmə: 20 İyul 2020) Bir lipidin (məsələn, Tryasilqliserol) və şəkərin (məsələn, qlükoza) struktur xüsusiyyətləri

Əsas mövzuya keçməzdən əvvəl “lipidi şəkərdən necə ayırd etmək olar”, bunların nə olduğunu və nədən ibarət olduğunu bilməlisiniz. Lipid və şəkər hər ikisi də biomoleküllərdir və özünəməxsus şəkildə mühüm rol oynayır. Bununla birlikdə, şəkər molekulları polisaxaridlər adlanan polimer formada mövcuddur, lipid molekulları isə təbiətdə polimer deyil.

Lipidi şəkərdən necə ayırd etmək sualına cavab verə biləcək əsas xüsusiyyət hidrofobiklikdir. Hidrofobikliyin nə olduğunu soruşa bilərsiniz. Sadə bir şəkildə başa düşmək üçün hidrofobiklik və ya hidrofobiklik suda həll olunmayan və su molekulları ilə qarşılıqlı təsir göstərməyən biomolekulların bir xüsusiyyətidir. Bu cür hidrofob molekullar suya və ya sulu bir həllediciyə qoyulduqda birləşməyə meyllidirlər. Eyni şəkildə, suda həll olunan və sulu bir mühitə qoyulduqda su molekulları ilə qarşılıqlı təsir göstərən biomolekullar var.

İndi gələk məsələyə. Beləliklə, hidrofobiklik lipidləri şəkərdən ayırd etməyimizə necə kömək edir. Polihidrik birləşmələr olan şəkərlər və ya karbohidratlar. karbon hidratları olduğu üçün onlara karbohidratlar deyilir. Əgər karbohidratın empirik düsturunu görsəniz, karbohidratların C ilə təmsil olunduğunu görə bilərsinizn(H2O)n. Karbon atomlarının çoxunda bir hidroksi qrupunun olması şəkər molekulunu hidrofilik edir və bütün bu -OH qrupları sulu bir mühitdə su molekulları ilə bir Hidrogen bağı qura bilir. Buna görə şəkər molekulları suda və bütün digər qütb həlledicilərdə həll olunur.

Bir lipidin quruluşunu görürsünüzsə, lipidlərin çoxu bir ester bağlantısı vasitəsilə qliserinə bağlanmış uzun zəncirli sərbəst yağ turşularından ibarətdir. Şəkər molekullarını ehtiva edən glikolipidlər və fosfat baş qrupu olan fosfolipidlər kimi bəzi lipidlər olsa da, suda az həll olunur və ya həll olunmur. Suda həll olunmamağın əsas səbəbi sərbəst yağ turşusu qalıqlarının əmələ gətirdiyi hidrofobiklikdir.

Efir bağı qütblü olsa da və su molekulları ilə Hidrogen bağı qura bilsə də, lipidlər həll olunmur. Sərbəst yağlı asil qruplarının qatqı təmin etdiyi hidrofobiklik, ester bağlarının qatqı təmin etdiyi polariteyi üstələyir və buna görə də ümumi nəticə həll olunmazlıqdır.


Hidrofobiklik və Hidrofobiklik – Qida Suyunun Əhəmiyyəti

Bəzən bir termin sizin üçün o qədər tanış ola bilər ki, hər zaman istifadə edirsiniz, halbuki bu termini bilməyən başqa bir adamın nədən danışdığınızı heç bir fikri yoxdur. Elmdən bəhs edərkən bu olduqca ümumi bir problem ola bilər. Yazılarımızın səviyyəsini qeyri-elm adamları üçün də əlçatan edəcək səviyyədə saxlamağa çalışsaq da, bir anda çox terminlərin olduğu anlar olacaq. Buna görə də biz qida elminin əsaslarına kifayət qədər çoxlu yazılar həsr edirik. Və bu, polariteyi və elektroneqativliyi tanıdan yol boyunca hidrofilik və hidrofobik terminləri müzakirə edən onlardan biridir.

Yeməkdə suyun əhəmiyyəti

Yeməkdə su olduqca yaygındır, baxmayaraq ki, bu çox azdır, amma çox yaygındır. Və molekulların su ilə qarşılıqlı əlaqəsi tez -tez təsvir etdiyimiz bir şeydir. Bəzi molekullar suda həll ola bilər, digərləri isə yox, bəzi komponentlər suda oturmağı sevir, digərləri isə yox. Bu davranışları su ilə təsvir etmək üçün müvafiq terminologiya lazımdır. Xüsusilə su ilə ən əsas əlaqə su sevən və ya nifrət edən bir molekuldur. Burada hidrofilik və hidrofobik meydana gəlir.

Su, elektromənfilik və polarite

Bir molekulun suda oturmağı sevib-sevməməsinin molekulun polaritesi ilə çox əlaqəsi var. Su qütb deyilən bir molekuldur.

Atomların hamısının mərkəzinin nüvəsi ətrafında elektronları var. Bu elektronlar mənfi yüklüdür. Atomun mərkəzi elektronları özünə tərəf çəkəcək. Bir atomun bunu etdiyi güc hər bir atom üçün fərqlənir və elektronmənfilik termini ilə ifadə edilir. Oksigen və azot, atomları çox sıxan atomların nümunələridir, daha yüksək elektronegativlik dəyərinə malikdirlər.

Atomlar bir -birinə bağlandıqda, hamısı ətrafdakı atomları o qədər güclü çəkməzlər. Yalnız öz elektronlarını deyil, ətrafdakı bütün elektronları da çəkəcəklər. Beləliklə, yüksək elektronmənfiliyə malik bir atom ətrafındakı bütün elektronları bir az daha özlərinə doğru çəkəcəkdir. Nəticədə, elektron buludu bir az dəyişə bilər və bərabər yayılmır. Bu baş verərsə, molekula qütb deyilir.

Buludun bir az mərkəzdən kənarda hərəkət etməsi üçün bir atomun fərqli qüvvələri bir-birini ləğv etməməlidir. Məsələn, bir molekulun həm sol, həm də sağ tərəfində güclü bir şəkildə dartılan bir atom varsa, qalanları cüt olmaqla, bu iki qüvvə bir-birini məhv edəcək. Ancaq bunların hər ikisi bir tərəfdə otursa, qazana bilməzlər.

Su qütbdür

Su belə bir qütb molekuluna misaldır. Su bir oksigen atomundan və iki hidrogen atomundan ibarətdir. Oksigen, elektronlara hidrogen atomlarından bir az daha ağır şəkildə çəkilir. Bundan əlavə, su molekulu tam simmetrik deyil. Başqa sözlə, qüvvələr ləğv olunmur. Aşağıdakı şəkildə bu, təsvir edilmişdir, çünki hidrogen atomları bir qədər aşağıya doğru yönəldildiyi üçün yuxarı tərəfdə aşağı tərəfə nisbətən bir qədər çox elektron var. Bu, Yunan delta simvolu və hər iki tərəfdəki yük növü ilə göstərilir.

Su qütb molekuludur.

Hidrofilik

Bir molekul suda oturmağı sevdiyi zaman ona hidrofilik (= su sevən) deyilir. Hidrofilik molekullar su kimi qütb molekulları olmağa meyllidirlər, lakin ionlar da ola bilərlər (məsələn, həll olunmuş duzlar). Onların əksəriyyətində ortaq cəhət var ki, onların bir növ sıfırdan fərqli elektrik yükü var. Bu yüklər bir-biri ilə qarşılıqlı əlaqədə ola bilər.

Qida məhsullarında hidrofilik molekulların ən çox yayılmış nümunələri şəkərlərdir (oksigen qrupuna malikdirlər, bu da onları qütb halına gətirir və asimmetrik olurlar), həm də duz və ya müəyyən amin turşularıdır.

Hidrofobik

Əksinə, bir molekul suda oturmaq istəmədikdə buna hidrofobik deyilir. Bir hidrofobik molekul su ilə qarışdırılarsa, ikisi ayrılmaq və iki ayrı faza çevrilməyə meyllidir.

Hidrofobik molekullar ümumiyyətlə qütb olmayan molekullardır, onlar bu qədər qeyri-bərabər yük paylanmasına malik deyillər. Qidalarda hidrofob molekulların ən çox yayılmış nümunəsi yağlar və yağlardır.

Hidrofilik və hidrofobik

Bəzi molekulların quruluşunda həm hidrofilik, həm də hidrofobik hissələr vardır. Bu xüsusilə zülallar üçün yaygındır, eyni zamanda sözdə emulsifikatorlar üçün də ümumi bir xüsusiyyətdir. Emulqatorlar neft və suyu qarışdırmaq üçün istifadə edilə bilər və bu halda onlar molekulun fərqli bir hissəsi ilə həm su, həm də yağ fazasında oturaraq bunu edirlər. Bu yolla ikisini bir yerdə saxlayır və ayrılmalarının qarşısını alırlar! Mayonezdə yumurta sarısı buna gözəl nümunədir.

Yuxarı sağ küncdəki mayonez suyun və yağın ayrılmasının qarşısını almaq üçün emulqator kimi yumurta sarısından istifadə edir.


Karbohidratlar

Karbo- Latınca kömür sözündən, hidr- su sözündən gəlir (hudōr) Yunan dilində və -ate Kimyada çoxlu oksigen atomları sözündən gəlir. Beləliklə, karbohidratlar oksigenlərlə dolu yaş kömürdür! Yaxşı.. təxminən.

Karbohidratlara karbonhidrat deyilir, çünki onlar karbon, hidrogen və oksigen atomlarından ibarətdir və bir çox formada dəyişir. Ən sadə formada karbohidratlar kimi tapılır monosaxaridlər (tək şəkərlər). Siz yəqin ki, qlükoza haqqında eşitmisiniz - bu onlardan biridir. Fruktoza, qalaktoz və riboz monosakkararsdis monosakkaridlərin digər nümunələridir (ilk cəhddə düzgün yazım əldə etməlisiniz, narahat olmayın). İki monosaxarid birləşdikdə - bir disakarid alırıq (iki şəkər, yəqin ki, indi bir nümunə görə bilərsiniz). Qamış şəkəri (və ya sadəcə .. İngilis dilində şəkər) bir -birinə bağlı qlükoza və fruktozadan hazırlanır. Laktoza (süddə tapdığınız asiyalıları və yaşlı insanları xəstələndirən şey) [2] bir-birinə bağlı qlükoza və qalaktozadan hazırlanır. Nişasta və lif var polisaxaridlər və bir-birinə bağlı bir çox belə monosaxaridlərdən ibarətdir.

Karbohidratlar həyatın enerji mənbəyidir. Sizinkini bitkilərdən alan heyvanlardan alırsınız (ya da vasitəçini kəsib birbaşa bitkilərdən tuta bilərsiniz). Bitkilər, elm (və) və sehr vasitəsilə, karbohidratlarını havadan, sudan və GÜNƏŞLİDƏN hazırlayın (bu, sərin deyil). Yeməyinizin dadını verən karbohidratlardır belə ki yaxşı (işarə: pizza, kartof qızartması, biryani, pad thai, kekslər, tortlar, donuts, şokoladlar, dondurma və siyahı sonsuz olaraq uzanır), yəqin ki, siz onları bəyənmək üçün inkişaf etdiyinizə görə. Karbohidratlar mədənizdə sadə şəkərlərə (monosakkaridlərə) parçalanır və sonra bu sadə şəkərlər mitoxondriyanızda daha da parçalanır və nəfəs almaq, düşünmək, qan pompalamaq, həzm etmək, hərəkət etmək, qaçmaq, döyüşmək üçün istifadə etdiyiniz böyük miqdarda enerji buraxır. danışın, böyüdün, təmir edin və əsasən sizi edən hər şeyi edin, Sən. Bu, bu bloqun hüdudlarından kənarda olan hüceyrəli tənəffüs adlanan bir proseslə əldə edilir (bu mənim istədiyim şeylərdən biridir. yox izah etməyə həvəsli olun. Burada ’s bir etiraf- Kimya və Virologiyanı sevirəm, Biologiyanı deyil).


Hidrofob öz -özünə montaj edən bir qatlı təbəqələr

Şüşə əslində bağlı Silikon və Oksigen atomlarının bir şəbəkəsidir. Hərdən bir məruz qalmış OH və ya hidroksil qrupu var [1]. Bu hidroksil qrupu, oksigenin elektronegativ olması səbəbiylə su kimi güclü bir polariteye malikdir. Açığa çıxan hidroksil qrupları su kimi qütblü olduğundan, su bu qruplara əslində cəlb olunur. Bu cazibə suyun şüşəyə yapışmasına və yuvarlanmaq əvəzinə yayılmasına səbəb olur. Rain-X və Aquapel, suyun dərhal axmasına imkan verən bu qarşılıqlı əlaqəni maneə törədir. Kimyəvi quruluşların necə araşdırıldığını başa düşmək üçün.

PDMS, silikon, oksigen və karbondan ibarət olan “metil ” qruplarından ibarət sadə bir polimerdir. Bu karbon tərkibli metil qrupları, bu karbonların yağdakı karbonlar kimi polar olmadığı üçün polimeri yağlara bənzədir.

Karbon və flüorun uzun zənciri Rain-X kimi qeyri-qütblü kimyəvi maddə yaradır.

Material nə qədər hidrofob olsa, təmas bucağı nə qədər böyük olarsa, təmas bucağı nə qədər böyük olarsa, suyun sürüşməsi o qədər asan olar. Bunun mənası var, çünki su böyük bir açıya malik olduqda, su damlasında daha az səth var.

Kamitani [8] tərəfindən edilən bir araşdırmaya görə, PDMS daha kiçik bir sürüşmə bucağına malikdir (daha asan sürüşür), lakin daha kiçik bir əlaqə bucağı, halbuki FAS kimyəvi maddələri daha böyük bir təmas bucağına malikdir, lakin daha böyük sürüşmə bucağına malikdir. Bu vəziyyətdə uyğunsuzluq kimyəvi maddələrin fiziki xüsusiyyətlərindən qaynaqlanır. Perfluorokarbon zəncirləri su molekulu ilə daha çox qarşılıqlı təsir göstərir və yerində qalmağa səbəb olur [9]. Laboratoriya, PDMS -ə uyğun gələn daha təsirli bir FAS kimyəvi hazırlaya bildi. Bu, gələcəkdə daha yaxşı bir ön şüşə itələyici yaratmaq üçün istifadə edilə bilər.

FAS kimi şüşə kimyəvi maddələrə bağlana bilmək üçün bir az dəyişdirilməlidir. Oksigen tərkibli qrup şüşə ilə əla birləşir, lakin yalnız oksigen məruz qaldıqda. FAS vəziyyətində, bütün oksigenlər karbonlarla bağlıdır və məruz qalmır. Bu oksigenləri ifşa etmək üçün FAS17 monomeri müəyyən miqdarda azot turşusuna məruz qalır. Bu nitrat turşusu oksigen və karbon arasındakı əlaqəni kəsərək oksigen qruplarının ifşa olunmasına imkan verir [10]. Açıq oksigen daha sonra şüşə üzərindəki məruz qalan hidroksil qruplarına asanlıqla bağlanır. Bu turşunun əlavə məhsulu, FAS monomerlərinin polimerləşməsidir. Əvvəlki tədqiqatlar göstərdi ki, dimerlər (birləşdirilmiş iki monomer) və trimerlər (üç monomer birləşdirilmiş) şüşə ilə bağlanmada ən təsirli idi. Daha çox polimerləşmə ilə polimer şüşəyə yapışa bilməyəcək qədər həcmli oldu. Aşağıdakı sxem FAS kimyəvi maddələrinin aktivləşdirilməsi prosesini göstərir [11]:


Müzakirə

Hidrofobiklik uzun müddət zülalların qatlanmasında əsas hərəkətverici qüvvələrdən biri hesab edilmişdir. It has been shown, and reconfirmed by our results, that the hydrophobicity of an amino acid is, indeed, correlated with its average surface exposure. However, the degree to which this correlation extends to the relationship between specific amino acid sequences and surface patterns has received little investigation. We have now quantified this correlation for several widely used hydrophobicity scales, and have shown that amino acid hydrophobicity does play a statistically significant role in shaping the surface-exposure pattern of a structure. However the distributions of correlation coefficients are broad, and remain far from the optimal case in which the surface-exposure pattern would show a perfect correlation with the hydrophobicity pattern.

The origin of this suboptimal correlation may lie in the fact that there are factors other than hydrophobicity that contribute to the determination of a protein's final fold. There are clearly other forces at work in determining a protein's ultimate fold, for example, a recent study suggested that hydrophobicity alone cannot account for the observed thermodynamics of protein folding (Chan 2000 ). Thus, some residues' behavior may not be solely dictated by hydrophobicity. Using updated data, we carried out an analysis similar to Rose et al. ( 1985 ) to determine the surface-exposure distributions of each of the amino acids, and found that many were rather broad. Indeed, several amino acids have essentially flat distributions, and hence their exposure seems to be uncorrelated with their hydrophobicity. Such broad distributions are in part responsible for the less than optimal correlation, and we showed that using only a subset of amino acids that have more peaked distributions led to improved correlations. The exposure distributions reflect all of the forces that are involved in the folding process, and we have found several discrepancies between the most likely exposure of an individual amino acid and its hydrophobicity. An example is provided by cysteine, for which the ability to form disulfide bonds with other cysteine residues constitutes a factor independent of hydrophobicity that influences surface exposure. From the distributions we computed a scale that reflects the surface-exposure propensities of the amino acids. This goes beyond just hydrophobicity and leads to an improvement in the correlation between sequence and the surface-exposure pattern of a fold. Hence, for folding studies that use energy models that are based solely on side-chain solvation, using these database-derived distributions (or the ASAs computed from them) over the empirical hydrophobicity scales should lead to a better performance.

By far the greatest improvement was achieved when we computed the correlation coefficients between average hydrophobicity sequences and structures. The average hydrophobicity sequence gives a better measure of the sequence that best matches the structure (Finkelstein 1998 ). The low correlation observed at the single-sequence level shows that there can be a broad variation from that of the “best match” sequence. From theoretical models, it is predicted that thermodynamically stable folds are those that are also highly designable that is, they have a large number of sequences that fold into them (Li et al. 1996 Emberly et al. 2002 Miller et al. 2002 ). This large degree of mutational stability for designable folds means that there can be significant departures from the lowest energy sequence. In fact, if sequences were selected at random from a large pool of sequences that fold into a designable structure, it would be more likely to select a sequence far from the central “best match” sequence than not. Even if a sequence started near the “center” (best match sequence), its “neutral” evolution would lead it to somewhere farther away from the center in the sequence space owing to the sequence entropy (Li et al. 1998 Taverna and Goldstein 2002a ). Hence, the lack of strong correlation between sequence and structure found in the database could be a signature of designability in nature. It has also been postulated that it may even be advantageous for sequences to select against being near the “best match,” as such selection helps to improve plasticity in sequence space (Taverna and Goldstein 2002b ).

We have shown that the correlation improves when one uses the average hydrophobicity sequence however, we have also found that even the average sequence is not perfectly correlated with the surface-exposure pattern. This could simply be because of insufficient sampling of sequence space or could be evidence of something more fundamental. It has been argued that having a suboptimal correlation between a protein's amino acid sequence and surface-exposure pattern may help to improve the thermodynamic stability of the fold and “design out” competing folds (DeGrado 1997 ). All of the average hydrophobicity patterns for the most designable model helix structures have “misspellings” at various locations, where a misspelling involves the placement of a hydrophobic residue on an exposed site or a polar residue in the core. These departures from the optimal pairing of hydrophobicity with exposure have been shown in other theoretical studies (Emberly et al. 2002 ) to help increase the energy gap between the ground state and competing structures. If the hypothesis of designing out competing structures through suboptimal correlation is valid, this has important consequences for structural design based on binary patterning (Kamtekar et al. 1993 ). The surface pattern of the structure may act as a starting point for the selection of an amino acid sequence, but it may then prove advantageous to depart from this blueprint to improve thermodynamic stability. Database analysis of the type performed here may form the basis for advanced techniques to detect further correlations between sequence and structure that would help to better design sequences in protein design.


Nəticələr

Assessing Topology-Prediction Accuracy.

We used three published datasets to test topology-prediction accuracy. First, prediction accuracy of membrane-span locations was assessed using the Reeb dataset, which is based on a nonredundant set of 188 high-resolution structures (with a pairwise sequence-identity cutoff of 20% ref. 16). For each of the query sequences in the Reeb dataset we defined “overlap10” to represent whether the correct number of membrane-spanning segments was predicted, and whether at least 10 residues of each predicted segment overlapped with an inserted segment in the experimentally determined structure. Second, to assess orientation-prediction accuracy we used a set of 609 Escherichia coli inner membrane proteins, for which the location of the C terminus (cytoplasmic or periplasmic) was experimentally determined (24). Third, we assessed discrimination of soluble and membrane-spanning proteins using an annotated nonredundant set (<30% pairwise sequence identity) of 3,400 soluble proteins and 311 membrane proteins of known structure (13, 25). We compared the performance of TopGraph and TOPCONS, a topology predictor that uses the consensus of five statistical predictors (13, 26), in these three tests, and additionally analyzed the overlap10 performance of the Lep scale on the Reeb dataset.

A Graphical Algorithm for Membrane-Topology Prediction.

We set ourselves the goal of predicting membrane-protein topology based on insertion energies and without invoking statistical inference to predict insertion propensities. Given a query sequence we start by using a sliding window to extract all subsequences of lengths 21–30 amino acid residues. The dsTβL scales (21) do not report on secondary-structure propensity nor on the existence of signal peptides, which are often cleaved post translationally. We therefore eliminate all signal peptides predicted by TOPCONS (13) and any subsequence that is predicted to be nonhelical (27), as well as subsequences that contain several charged or polar residues (SI Metodları). To the remaining segments we assign apparent insertion free energies according to the dsTβL scale (21) in each of the two orientations relative to the membrane (locating the C-terminus either in the cytoplasm or outside). Because segments vary in length, we estimate the location z of every amino acid position i in the segment relative to the membrane midplane: z ( i ) = 30 n i − 15 , [1] where n is the total number of residues in the segment and i is the amino acid position relative to the segment’s start z(i) ranges from −15 to +15 Å, for cytoplasmic and extracellular locations, respectively. The segment’s apparent insertion free energy is then given by: Δ G insertion app = ∑ i = 1 n Δ G AA z ( i ) , [2] where Δ G A A z ( i ) is the apparent insertion free energy for amino acid type AA at location z(i) according to dsTβL.

Before running predictions, we modified the dsTβL profiles for the positively charged residue Lys and for the hydrophobic residues Val, Leu, Ile, and Met (Fig. S1 and Table S1). Specifically, in the original dsTβL report (21), Val, Leu, and Met showed slightly nonsymmetric profiles, whereas the other hydrophobics, Ile and Phe, were close to symmetric, as expected. We therefore changed the hydrophobic residues’ profiles so that all were symmetric, and maintained the insertion energy at the membrane midplane as in the original dsTβL scales. Furthermore, the energy contribution of Lys at the cytoplasmic side of the membrane in the original dsTβL scale was slightly positive (+0.2 kcal/mol), thereby penalizing lysine-containing membrane-spanning segments. We therefore modified the Lys profile to be slightly negative (−0.1 kcal/mol) at the cytoplasm interface. These corrections increase the deviation between the polynomial functions used to fit the dsTβL data, but the most extreme deviation is only 0.84 kcal/mol (Leu at the membrane–cytoplasm interface Fig. S1 and Table S1). In preliminary prediction runs we noticed that these changes do not affect prediction accuracy significantly.

Corrections to the dsTβL insertion energies. (A) The dsTβL insertion profiles for hydrophobic residues normalized to the interval 0 (most hydrophobic) to 1 (least hydrophobic). Whereas the Ile and Phe profiles are nearly symmetric, as expected, the other profiles are not. (B) The insertion profiles of Ile, Leu, Val, and Met were corrected to be symmetric, and maintain the same insertion energy at the membrane midplane as measured in the original dsTβL experiment. The profile for Lys was modified to be slightly negative at the cytoplasmic side (−15 Å) this change favors the extension of hydrophobic segment to include cytoplasmic Lys residues. Equations for the modified profiles are provided in Table S1. The corrected profiles (red) are different from the original profiles (blue) by at most 0.84 kcal/mol (Leu at the cytoplasm–membrane interface Table S1).

Polynomial fit for the insertion profiles of amino acids that were modified relative to the dsTβL measurements (21)

We represent subsequences in the query and their apparent insertion energies as a graph, where nodes N. stand for each subsequence (Fig. 1A). Qovşaqlar N.iN.j are connected with a directed edge N.iN.j if and only if N.i precedes and does not overlap with N.j in the query sequence and the two segments are inverted with respect to one another that is, one segment’s N terminus is cytoplasmic, and the other’s C terminus is cytoplasmic. In addition, a virtual source node is connected to all other nodes, and every edge is weighted according to its successor node’s Δ G i n s e r t i o n a p p (Eq. 2) that is, the weight of edge N.iN.j is the insertion energy of the segment represented by N.j plus the contributions from positive residues (Lys, Arg, and His) within a five amino acid stretch C terminal to N.i, and similarly, five amino acids N terminal to N.j (SI Metodları). In this graphical representation, the minimum-energy path starting from the source predicts not only the location of membrane-spanning segments, as in previous predictors, but also the orientation of the protein with respect to the membrane and the length of each inserted segment. To search for the minimum-energy path we use the Bellman–Ford algorithm (28), which takes under 10 s to find minimal paths on a representative 265 amino acid protein using a standard CPU.

Schematic representation of the graphical topology-prediction algorithm TopGraph. (A) Cylinders represent sequence segments (nodes in the graph) in either insertion orientation. Curved gray arrows represent edges connecting nodes curved black arrows denote the minimum-energy path. Faded cylinders represent nodes not in the minimum-energy path. (B) A constraint (dashed lines) eliminates all edges bypassing it, guaranteeing, by construction, that only segments satisfying the constraint are chosen. Daxildir show final predicted topology.

Constraints on the locations of membrane-spanning segments within the query can improve prediction accuracy. In the benchmark below we test the unconstrained prediction as well as two types of constraints: from multiple-sequence alignments (MSA) of homologous sequences, and from the TOPCONS predictor (13). To maintain the validity of the apparent insertion energies we do not use information other than from the query sequence itself to assign segment energies rather, we use the information from MSAs or from TOPCONS only to determine where membrane spans are likely to be located, and compute the query’s insertion energy by optimizing the inserted segments’ precise locations and orientations within a stretch that includes five positions on either side of the segment determined using the MSA or TOPCONS. TopGraph MSA conducts the search in two steps: it first predicts membrane-spanning locations using the MSA, and subsequently uses this information as location constraints in a search for minimum-energy paths in the query sequence (Fig. S2). In TopGraph TOPCONS , by contrast, the locations of membrane-spanning segments are predicted using TOPCONS (13), and are then used to constrain the locations of membrane-spanning segments in a search for minimum-energy paths in the query (Fig. 1B). Alternative predictors could be used to constrain the locations of membrane-spanning segments with no loss in generality.

TopGraph MSA algorithm flowchart. (A) Nonredundant MSA is generated for a query sequence using BLAST, CD-HIT clustering, and MUSCLE alignment. For every possible segment Δ G i n s e r t i o n a p p is calculated. Values different from the query’s Δ G i n s e r t i o n a p p by more than 5 kcal/mol are discarded. The minimal value found is used as the weight for all edges leading to the segment’s node. The Bellman–Ford algorithm is applied to find the minimum energy topology. Using the minimal topology, constraints are derived for every chosen segment. A graph is rebuilt such that every segment found in the MSA is a constraint, and weights are assigned as the Δ G i n s e r t i o n a p p of the corresponding query sequence. The Bellman–Ford algorithm (28) is used again to find the minimal energy topology.

All three TopGraph variants predict the locations, lengths, orientations, and insertion energies of the query sequence. We note, additionally, that the graphical representation lends itself to imposing other types of constraints, which may be inferred from experimental or computational data for instance, if a certain segment N.k is known to span the membrane, all edges N.iN.j that bypass N.k may be eliminated (Fig. 1B). Conversely, nodes representing segments that are known not to cross the membrane may be eliminated, and prior data regarding the orientation of the protein in the membrane can be used to select the lowest-energy path through the graph in the known orientation. The ability to define a variety of topological constraints could aid the study of membrane proteins with incomplete structural data, such as on probe accessibility or proteolysis resistance (29), and we implemented a webserver providing free access to TopGraph including such manually constrained prediction (topgraph.weizmann.ac.il).

Prediction Accuracy Increases with Use of Prior Data.

The purist TopGraph predictor, with no use of prior data predicts the locations of membrane segments in single-span proteins with high accuracy (94% Fig. 2A). This high accuracy is not surprising given that the dsTβL scale is based on experimental data on a single-span membrane protein (21). Multispan membrane proteins are accordingly predicted less accurately, and above four segments prediction accuracy drops to 46% the overall prediction accuracy across the entire set is 78%. When either of the two lowest-energy predicted paths is compared with the known topology, prediction accuracy increases from 70% to 80% for proteins with two to four membrane spans, and more modestly for larger membrane domains. The preprocessing filters that remove signal peptides, highly charged and nonhelical segments make a substantial contribution to prediction accuracy by eliminating, on average, two-thirds of the segments with Δ G insertion app < 5 kcal/mol in each target sequence (Fig. S3). Nevertheless, prediction accuracy is high even in proteins, in which less than 20% of the sequence is eliminated by these filters specifically, all of these proteins are predicted correctly according to the overlap10 metric.

Topology-prediction benchmark. (A, Sol) Fraction of proteins where all predicted membrane spans overlap with experimentally observed membrane-spanning segments over at least 10 residues (overlap10) and there are no additional predicted segments. The number of proteins in each group is noted above the bars dashed lines represent accuracy when considering either of the two best-energy predictions. (Sağ) Orientation-prediction accuracy of the C-terminal position (cytoplasmic or extracellular). (B) Distribution of insertion energies in individual membrane-spanning segments. Natural TMs reports the insertion-energy distribution of membrane-spanning segments annotated by the structure-based PDBTM (31). (C) Experimentally determined structure (PDB entry: 4K1C ref. 42) annotated according to the TopGraph MSA prediction: thin ribbon, extramembrane thick ribbon, membrane spanning two membrane-spanning segments with minimal and maximal predicted lengths are colored in turquoise and purple, respectively, and their lengths are noted.

Percent of segments eliminated by the secondary-structure and polar-residues filters in sequences from all four datasets. The percent of segments with Δ G i n s e r t i o n a p p < 5 kcal/mol, which pass the secondary-structure and polar-residues filters is calculated for every sequence in each dataset. Reeb dataset in red (16) experimentally determined C-terminus orientation dataset in blue (24) soluble and transmembrane datasets in yellow and green, respectively (13). The two filters prune over half of the segments, particularly in the nonredundant set of soluble proteins, where, on average >99% of each sequence is eliminated. (Daxili) The distribution of Δ G i n s e r t i o n a p p for every segment in the Reeb dataset that passes the PSIPRED and charges prefilters. Also 74% of the segments eliminated by the two filters also have very high apparent insertion energy Δ G i n s e r t i o n a p p > 5 kcal/mol (noted by the dashed vertical line).

For comparison, we replaced the dsTβL profiles with those from the Lep study (9) and tested prediction accuracy using the same algorithm as used for dsTβL (Fig. 2A). Bernsel et al. previously noted that the average energy assigned to single-spanning domains by the Lep scales is only slightly negative (approximately −0.3 kcal/mol) and that segments in multispanning domains are assigned positive energies on average (10), TopGraph Lep prediction accuracy is correspondingly modest (56%) for single-spanning domains it drops to 20% for proteins with two to four membrane spans, and there are nearly no correct predictions (3%) for larger membrane domains, with 34% overall prediction accuracy. These results are consistent with previous observations that the Lep insertion energetics are small for hydrophobic residues (9, 10, 17 ⇓ –19, 21, 30) because single-span membrane domains are typically more hydrophobic than multispan domains (10), the Lep scale predicts location more accurately in the former than in the latter.

We hypothesized that TopGraph MSA may improve prediction accuracy relative to the purist TopGraph. The basis for this hypothesis is that homologous proteins are likely to have the same topology. Furthermore, although any given membrane protein must encode sufficiently favorable membrane-insertion free energy, individual segments in any protein may have lower insertion propensity than aligned segments in homologs. TopGraph MSA retains TopGraph’s high accuracy in single-pass membrane proteins (95%) and indeed improves on unconstrained TopGraph, reaching 61% accuracy for membrane proteins with more than four spans and overall prediction accuracy of 84% (Fig. 2A). Furthermore, when considering either of the two lowest-energy paths, prediction accuracy improves to 87%, on par with TOPCONS (89%). TopGraph TOPCONS shows nearly identical performance to TopGraph MSA with overall prediction accuracy of 89%.

Energy-Based Prediction of Protein Orientation with Respect to the Membrane Plane.

The dsTβL scale differs from other scales in showing large asymmetries for the localization of the positively charged residues, Arg, Lys, and His, in the cytoplasm compared with the extracellular space (21) this asymmetry is a prerequisite for energy-based prediction of membrane-protein orientation. Indeed, TopGraph correctly predicts orientation in 84% of the proteins in a benchmark of 609 bacterial proteins of experimentally determined orientation (24) overall accuracy is 82% and 90%, for TopGraph MSA and TopGraph TOPCONS , respectively, compared with 90% for TOPCONS (Fig. 2A).

The three TopGraph variants output apparent insertion free energies that are based on the dsTβL scale (21). Applied to the Reeb dataset (16), nearly all segments (99%) predicted using the purist TopGraph exhibit negative apparent insertion energies with a mean of −6.9 kcal/mol (Fig. 2B). Using the more accurate predictors TopGraph MSA and TopGraph TOPCONS the mean shifts to −6.4 and −5.7 kcal/mol, respectively, and 95% of segments exhibit negative insertion energies. We computed the per-segment insertion free energies of verified membrane-spanning segments, by constraining locations to those observed in membrane–protein structures (31), and derived a very similar distribution of insertion energies (Fig. 2B), and further found that 98% of the membrane spans had apparent insertion energies below +5 kcal/mol. Our analysis suggests that individual membrane spans, even in large domains in which intersegment interactions can drive insertion, must encode sufficiently high insertion propensity. These insertion energies are in agreement with theoretical treatments, which predict an average of approximately −5 kcal/mol for membrane insertion of a single segment (1, 32). The values stand, furthermore, in contrast to the analysis of membrane segments using the Lep insertion scale (9), which computes average insertion energy of +0.8 kcal/mol (10).

The relatively large magnitude of per-helix insertion energies predicted by TopGraph implies that it may discriminate soluble from membrane-spanning proteins. Indeed, in a set of 3,400 proteins (13), we find that a cutoff of Δ G i n s e r t i o n a p p = −3 kcal/mol correctly discriminates membrane from soluble proteins with sensitivity of 96% and specificity of 93% (Table S2), comparable to other predictors (10, 33). We note that on average 99% of the sequence in soluble proteins is eliminated by the secondary-structure and polar-residues filters (Fig. S3), drastically simplifying prediction. We further find that individual membrane-spanning segments differ from segments in soluble proteins in that a large majority encode both hydrophobicity and orientation preference (the positive-inside rule Fig. S4).

Discrimination of membrane from extra membrane proteins in a set of 3,710 annotated proteins ref. 13


Videoya baxın: ذائبية المركبات العضوية. الكيمياء. حالات المادة والقوى البين جزيئية (Yanvar 2023).