タンパク質の安定性に対するプロリン変異の影響を予測する立体化学的基準

ポリペプチド鎖に組み込まれると、Proline（Pro）は、2つの重要な点で他のすべての自然に発生するアミノ酸残基とは異なります。PROのファイ二面角は、-65度に近い値に制約されており、PROはアミドの水素を欠いています。その結果、Proの導入をもたらす変異は、タンパク質の安定性に大きな影響を与える可能性があります。現在の研究では、タンパク質熱力学の安定性に対するPRO導入の効果を正確に予測する手順について説明します。モデルタンパク質CCDBの97の非プロアミノ酸残基のうち77はProに個別に変異し、各変異体のin vivo活性が特徴付けられました。突然変異を摂動または非摂動として分類する決定ツリーは、変異体の立体化学的特性を活性データと相関させることによって作成されました。メインチェーン二面角PhiおよびメインチェーンアミドH結合（水素結合）を含む立体化学的特性は、モデラーを使用して構築された変異タンパク質の3Dモデルから決定されました。T4 Lysozyme、74 NSSNP、および52の他のPro置換の163個の単一サイトPro変異の大きなデータセットで決定ツリーのパフォーマンスを評価しました。このアルゴリズムの全体的な精度は、CCDBの場合は81％、リゾチームの場合は77％、NSSNPSの場合は76％、他の促進データの場合は71％であることがわかりました。二次構造割り当てのためのプロスキャン変異誘発の精度も評価され、せいぜい69％であることがわかりました。予測手順は、疾患関連タンパク質の特性化されていないNSSNPにタンパク質工学と設計に注釈を付けるのに役立ちます。

When incorporated into a polypeptide chain, proline (Pro) differs from all other naturally occurring amino acid residues in two important respects. The phi dihedral angle of Pro is constrained to values close to -65 degrees and Pro lacks an amide hydrogen. Consequently, mutations which result in introduction of Pro can significantly affect protein stability. In the present work, we describe a procedure to accurately predict the effect of Pro introduction on protein thermodynamic stability. Seventy-seven of the 97 non-Pro amino acid residues in the model protein, CcdB, were individually mutated to Pro, and the in vivo activity of each mutant was characterized. A decision tree to classify the mutation as perturbing or nonperturbing was created by correlating stereochemical properties of mutants to activity data. The stereochemical properties including main chain dihedral angle phi and main chain amide H-bonds (hydrogen bonds) were determined from 3D models of the mutant proteins built using MODELLER. We assessed the performance of the decision tree on a large dataset of 163 single-site Pro mutations of T4 lysozyme, 74 nsSNPs, and 52 other Pro substitutions from the literature. The overall accuracy of this algorithm was found to be 81% in the case of CcdB, 77% in the case of lysozyme, 76% in the case of nsSNPs, and 71% in the case of other Pro substitution data. The accuracy of Pro scanning mutagenesis for secondary structure assignment was also assessed and found to be at best 69%. Our prediction procedure will be useful in annotating uncharacterized nsSNPs of disease-associated proteins and for protein engineering and design.