Výrazné inovace a zlepšení v oblasti výzkumu vnitřního uspořádání proteinů umožní rozšířená verze databáze proteinových kanálů ChannelsDB 2.0, kterou vytvořil vědci z katedry fyzikální chemie přírodovědecké fakulty ve spolupráci s kolegy z Brna. Nová verze databáze, která je dostupná na webové adrese byla rozšířena o struktury předpovězené umělou inteligencí a následně analyzované pomocí algoritmů pro výpočet proteinových kanálů MOLE a CAVER. Aktualizovaná databáze ChannelsDB 2.0 tak rozšířila množství známých proteinových tunelů více než čtyřikrát oproti předchozí verzi. Rozšířenou databázi olomoučtí a brněnští vědci prezentovali v prestižním časopise Nucleic Acids Research.
Proteiny jsou základními stavebními bloky buněk a hrají klíčovou roli v mnoha biologických procesech. Aktivní místa proteinů jsou překvapivě často uvnitř struktury a s okolím jsou spojena prostřednictvím tunelů, pórů či kanálů. Výzkum tunelů tak může sehrát důležitou roli při snaze pochopit, které malé molekuly s proteiny budou interagovat a jak, což představuje klíčovou oblast vědeckého bádání.
Databáze ChannelsDB tato “tunelová” data schraňuje a prostřednictvím napojení na Protein Databank Europe je nepostradatelným nástrojem pro vědecký výzkum vlivu tunelů v oblasti biomakromolekul a proteinových struktur. „Databáze poskytuje komplexní informace o možných aktivních místech a přístupových cestách, což má zásadní význam pro vývoj nových léčiv a terapeutických přístupů,“ upozornil Karel Berka z katedry fyzikální chemie.
Pro každý tunel je v databázi dostupná jeho vizualizace v proteinové struktuře a také 2D zobrazení jeho průřezu, pomocí kterého jsou zobrazeny poloměry kanálu. „Podstatnou informací, kterou ChannelsDB zobrazuje, jsou aminokyseliny v okolí tunelů a fyzikálně chemické vlastnosti tunelu. Mezi ty patří hydrofobicita, polarita, hydropatie, mutabilita, náboj, a poloměr,“ uvedl Václav Bazgier z katedry fyzikální chemie.
ChannelsDB 2.0 je rozšířená varianta předešlé verze databáze, která již zaznamenala významný posun ve zkoumání struktury proteinů a jejich schopností přenášet malé molekuly. Nová verze se může pochlubit více než dvojnásobným nárůstem zkoumaných unikátních struktur, přičemž důraz je kladen na jednotlivé skupiny tunelů, které se odlišují podle startovacího bodu a aktivního místa. „Tyto skupiny zahrnují anotované kanály z literatury, kanály obsahující aktivní místo z databáze Catalytic Site Atlas, kanály spojené s kofaktory a póry,“ řekl Karel Berka.
Nově byly do databáze přidány skupiny napočítané na cognate ligandech a ve strukturách složených prostřednictvím umělé inteligence. Tyto nové skupiny byly vypočítány pomocí algoritmu MOLE a CAVER. „Klíčovou novinkou je možnost porovnávat výsledky dvou algoritmů – dlouhodobě využívaného MOLE i nově přidaného algoritmu CAVER. Tato inovace přináší vědcům možnost detailního srovnání výsledků a nahlédnutí do aktivních míst v proteinových strukturách s větší přesností,“ dodala Anna Špačková z katedry fyzikální chemie.