Modèle de template

Une méthode récemment développée M4T (méthode de mappage multiple avec plusieurs modèles) sélectionne et combine plusieurs structures de modèle par le biais d`une approche itérative de clustering qui prend en compte la contribution «unique» de chaque modèle, leur séquence similitude entre eux et à la séquence cible, et leur résolution expérimentale (13, 17). Les modèles résultants ont systématiquement dépassé les modèles qui étaient basés sur le modèle le plus simple. Trouver votre site ne sera pas trop difficile. Les modèles sont le moteur de recherche convivial, la restauration spécifique à ceux qui recherchent un collège de modélisation. Ils peuvent également découvrir le site à son maximum, peu importe quel navigateur ils utilisent en raison de la fonctionnalité de compatibilité crossbrowser. Faire le tour du site sera également une expérience fluide en raison des fonctionnalités de navigation telles que le bouton retour au haut et les menus déroulants. Une autre observation importante de la même étude a été que moins de 40% de l`identité de séquence, les modèles construits à l`aide de plusieurs modèles sont plus précis que ceux construits à l`aide d`un seul modèle, et cette tendance est accentuée comme on se déplace dans plus de cible à distance- cas de paires de modèles. Pendant ce temps, l`avantage de l`utilisation de plusieurs modèles disparaît progressivement au-dessus de 40% cible – cas d`identité de séquence de modèle. Cela suggère que dans cette fourchette, les différences moyennes entre le modèle et les structures cibles sont plus petites que les différences moyennes entre les structures de modèles alternatifs qui sont toutes très semblables à la cible (17).

Dès que vous ouvrez le fichier, vous remarquerez tout de suite qu`il a le style distinct CFI à elle-pas de quadrillage, la mise en page propre, et tout est sur une seule feuille de calcul. Dans les cours de la FCI, vous apprendrez pourquoi les modèles doivent toujours être mis en place de cette façon. L`identité de séquence supérieure à 30% est un prédicteur relativement bon de la précision attendue d`un modèle. Si l`identité de la séquence cible – modèle est inférieure à 30%, l`identité de la séquence devient nettement moins fiable en tant que mesure de la précision attendue d`un modèle unique (voir la note 2). C`est dans de tels cas que les méthodes d`évaluation des modèles sont les plus instructives. Pour surmonter les limitations des méthodes de recherche de base de données, des méthodes de recherche conformationnelles ont été développées. Il existe de nombreuses méthodes telles que l`exploitation de différentes représentations protéiques, des termes de fonction objective et des algorithmes d`optimisation ou d`énumération. Les stratégies de recherche comprennent la méthode de perturbation minimale (104), les simulations de dynamique moléculaire (92), les algorithmes génétiques (105), Monte Carlo et le recuit simulé (106, 107), la recherche simultanée à plusieurs copies (108), le champ auto-cohérent optimisation (109), et une énumération basée sur la théorie des graphes (110). La prédiction de boucle par optimisation s`applique à la fois à la modélisation simultanée de plusieurs boucles et aux boucles qui interagissent avec les ligands, dont aucune n`est simple pour les approches de recherche de base de données, où des fragments sont collectés à partir de structures avec des environnements différents.

Les méthodes de cette classe commencent par générer de nombreuses contraintes ou restrictions sur la structure de la séquence cible, en utilisant son alignement aux structures protéiques associées comme guide dans une procédure qui est conceptuellement similaire à celle utilisée dans la détermination de la protéine structures dérivées de dispositifs de contention dérivés de la RMN. Les contraintes sont généralement obtenues en supposant que les distances correspondantes entre les résidus alignés dans le gabarit et les structures cibles sont similaires. Ces restrictions d`origine homologique sont généralement complétées par des contraintes stéréochimiques sur les longueurs des liaisons, les angles de liaison, les angles diédriques et les contacts atome – atome non liés qui sont obtenus à partir d`un champ de force de mécanique moléculaire (76). Le modèle est ensuite dérivé en minimisant les violations de toutes les restrictions. La modélisation comparative par la satisfaction des contraintes spatiales est implémentée dans le programme d`ordinateur MODELLER (16, 77), actuellement le programme comparatif de modélisation protéique le plus populaire.

Print Friendly, PDF & Email