Multiscale Approaches to Protein Modeling: Structure Prediction, Dynamics, Thermodynamics and Macromolecular Assemblies

رویکردهای چند مقیاسی برای مدل‌سازی پروتئین، بررسی جامعی از پیشرفته‌ترین روش‌های چند مقیاسی برای پیش‌بینی ساختار پروتئین، مطالعات محاسباتی دینامیک پروتئین، مکانیسم‌های تاشو و برهمکنش‌های ماکرومولکولی است. این رویکردها طیف گسترده‌ای از سطوح نمایش‌های درشت دانه، تکنیک‌های مختلف نمونه‌برداری و کاربردهای متنوع برای مشکلات بیوپزشکی و بیوفیزیکی را در بر می‌گیرد. به لطف پیشرفت عظیم در تعیین توالی داده های ژنومی، ما در حال حاضر میلیون ها توالی پروتئین را می شناسیم. در عین حال، تعداد ساختارهای پروتئینی حل شده تجربی بسیار کمتر است، حدود. 60000. این به دلیل هزینه زیاد تعیین ساختار است. بنابراین، در سیلیکو، پیش‌بینی ساختارها و دینامیک پروتئین برای درک پایه‌های مولکولی عمل دارو، مسیرهای متابولیک و سیگنال در سلول‌های زنده، طراحی فناوری‌های جدید در علوم زیستی و علوم مواد ضروری است. متأسفانه، رویکرد «نیروی بی رحم» غیرعملی باقی مانده است. تا کردن یک پروتئین معمولی (in vivo یا in vitro) میلی‌ثانیه تا چند دقیقه طول می‌کشد، در حالی که شبیه‌سازی‌های پیشرفته مکانیک مولکولی تمام اتمی سیستم‌های پروتئینی می‌توانند تنها یک بازه زمانی نانوثانیه تا میکروثانیه را پوشش دهند. این دلیل پیشرفت عظیم در توسعه تکنیک‌های مختلف مدل‌سازی در مقیاس چندگانه است که برای پیش‌بینی ساختار پروتئین، مدل‌سازی دینامیک پروتئین و مسیرهای تاشو، در مهندسی پروتئین سیلیکو، تفسیر داده‌های تجربی به کمک مدل، مدل‌سازی مجموعه‌های ماکرومولکولی و مطالعات نظری به کار می‌رود. ترمودینامیک پروتئین دانه بندی درشت فضای ساختاری پروتئین ها ویژگی مشترک همه این رویکردها است، اگرچه جزئیات و مدل های فیزیکی زیربنایی طیف بسیار گسترده ای را در بر می گیرند.

Multiscale Approaches to Protein Modeling is a comprehensive review of the most advanced multiscale methods for protein structure prediction, computational studies of protein dynamics, folding mechanisms and macromolecular interactions. The approaches span a wide range of the levels of coarse-grained representations, various sampling techniques and variety of applications to biomedical and biophysical problems. Thanks to enormous progress in sequencing of genomic data, we presently know millions of protein sequences. At the same time, the number of experimentally solved protein structures is much smaller, ca. 60,000. This is because of the large cost of structure determination. Thus, theoretical, in silico, prediction of protein structures and dynamics is essential for understanding the molecular basis of drug action, metabolic and signaling pathways in living cells, designing new technologies in the life science and material sciences. Unfortunately, a “brute force” approach remains impractical. Folding of a typical protein (in vivo or in vitro) takes milliseconds to minutes, while state-of-the-art all-atom molecular mechanics simulations of protein systems can cover only a time period range of nanosecond to microseconds. This is the reason for the enormous progress in development of various mutiscale modeling techniques, applied to protein structure prediction, modeling of protein dynamics and folding pathways, in silico protein engineering, model-aided interpretation of experimental data, modeling of macromolecular assemblies and theoretical studies of protein thermodynamics. Coarse-graining of the proteins’ conformational space is a common feature of all these approaches, although the details and the underlying physical models span a very broad spectrum.