Z BioFizInfo
Skocz do: nawigacja, szukaj
 
(Nie pokazano 15 pośrednich wersji utworzonych przez tego samego użytkownika)
Linia 1: Linia 1:
'''Przewidywanie struktury białek.''' Obecnie najdokładniejszą metodą służącą do wyznaczania przestrzennej struktury białek jest krystalografia rentgenowska. Dzięki tej metodzie możemy otrzymać strukturę przestrzenną cząsteczek biologicznych o rozdzielczości dochodzącej do 1 Å [1]. Wysoka dokładność otrzymanych struktur białek jest niezwykle istotna szczególnie dla projektowania nowych leków [2-4], gdzie kluczową rolę pełnią oddziaływania pomiędzy poszczególnymi grupami atomów. Jednak otrzymanie kryształów nadających się do dalszych pomiarów jest bardzo kosztowne i czasochłonne, wymaga precyzyjnej aparatury oraz odpowiednich warunków. Ponadto, w przypadku białek błonowych sam proces krystalizacji jest niezwykle utrudniony [5], co dodatkowo komplikuje badania.
+
==Przewidywanie struktury białek==
  
W ostatnich latach nastąpił znaczny rozwój metod wyznaczania struktury białek w oparciu o techniki NMR (Jądrowy Rezonans Magnetyczny, ang. Nuclear Magnetic Resonance) [6-8]. Niektóre procedury pomiarowe są dużo tańsze oraz w przeciwieństwie do krystalografii rentgenowskiej, umożliwiają także badanie dynamiki białek w roztworach [9]. Pomimo tego, zastosowanie metod NMR jest ograniczone, ponieważ wyniki pomiarów są gorszej jakości, a ponadto poziom komplikacji widm rośnie tak bardzo z masą cząsteczkową białka, że wykorzystanie tej metody do struktur składających się z ponad 150-200 aminokwasów (o masie ponad 40 kDa) staje się problematyczne. Dodatkowo metody NMR wymagają roztworów o odpowiednio wysokim stężeniu.  
+
Obecnie najdokładniejszą metodą służącą do wyznaczania przestrzennej struktury białek jest krystalografia rentgenowska. Dzięki tej metodzie możemy otrzymać strukturę przestrzenną cząsteczek biologicznych o rozdzielczości dochodzącej do 1 Å [1]. Wysoka dokładność otrzymanych struktur białek jest niezwykle istotna szczególnie dla projektowania nowych leków [2-4], gdzie kluczową rolę pełnią oddziaływania pomiędzy poszczególnymi grupami atomów. Jednak otrzymanie kryształów nadających się do dalszych pomiarów jest bardzo kosztowne i czasochłonne, wymaga precyzyjnej aparatury oraz odpowiednich warunków. Ponadto, w przypadku białek błonowych sam proces krystalizacji jest niezwykle utrudniony [5], co dodatkowo komplikuje badania.
 +
 
 +
W ostatnich latach nastąpił znaczny rozwój metod wyznaczania struktury białek w oparciu o techniki NMR (Jądrowy Rezonans Magnetyczny, ''ang. Nuclear Magnetic Resonance'') [6-8]. Niektóre procedury pomiarowe są dużo tańsze oraz w przeciwieństwie do krystalografii rentgenowskiej, umożliwiają także badanie dynamiki białek w roztworach [9]. Pomimo tego, zastosowanie metod NMR jest ograniczone, ponieważ wyniki pomiarów są gorszej jakości, a ponadto poziom komplikacji widm rośnie tak bardzo z masą cząsteczkową białka, że wykorzystanie tej metody do struktur składających się z ponad 150-200 aminokwasów (o masie ponad 40 kDa) staje się problematyczne. Dodatkowo metody NMR wymagają roztworów o odpowiednio wysokim stężeniu.  
  
 
W obu metodach konieczne jest najpierw otrzymanie odpowiedniej ilości białka, co wymaga nadekspresji badanych białek, których zawartość w komórkach bywa często bardzo niewielka [10]. Jednak obecnie, przy zastosowania metod mikroogniskowania w krystalografii, do pomiarów wykorzystuje się kryształy białek wielkości zaledwie kilkunastu mikrometrów. Technikę tą zastosowano do wyznaczenia ostatnio opisanych struktur receptorów GPCR (receptor b1AR - kryształy o wymiarach średnio 30 mm na 15 mm na 27 mm [11], receptor b2AR - kryształy o wymiarach 240 mm na 40 mm na 10 mm [12], oraz receptor A2A adenozynowy - kryształy o wymiarach około 100 mm na 10 mm na 5 mm [13]).
 
W obu metodach konieczne jest najpierw otrzymanie odpowiedniej ilości białka, co wymaga nadekspresji badanych białek, których zawartość w komórkach bywa często bardzo niewielka [10]. Jednak obecnie, przy zastosowania metod mikroogniskowania w krystalografii, do pomiarów wykorzystuje się kryształy białek wielkości zaledwie kilkunastu mikrometrów. Technikę tą zastosowano do wyznaczenia ostatnio opisanych struktur receptorów GPCR (receptor b1AR - kryształy o wymiarach średnio 30 mm na 15 mm na 27 mm [11], receptor b2AR - kryształy o wymiarach 240 mm na 40 mm na 10 mm [12], oraz receptor A2A adenozynowy - kryształy o wymiarach około 100 mm na 10 mm na 5 mm [13]).
  
Obecnie w bazie danych PDB (ang. Protein Data Bank) dostępnych jest ponad 55 tysięcy struktur białek, co stanowi mniej niż 0.2% zidentyfikowanych obecnie sekwencji białkowych dostępnych w bazie Swiss-Prot [14]. Znaczny rozwój metod bioinformatycznych oraz wzrost mocy obliczeniowej komputerów sprawiły, że stało się możliwe również teoretyczne przewidywanie struktur. W niektórych przypadkach dokładność otrzymanego modelu jest porównywalna do struktur białek otrzymanych przy zastosowaniu technik NMR, czy krystalografii rentgenowskiej. Od 1994 roku, co dwa lata, organizowany jest ogólnoświatowy konkurs w przewidywaniu struktury trzeciorzędowej białek, CASP (Critical Assessment of Techniques for Protein Structure Prediction) [15]. Celem konkursu jest ocena skuteczności oraz weryfikacja dostępnych metod i algorytmów. Prezentowane tam wyniki badań wskazują na wyraźny rozwój oraz wzrost skuteczności stosowanych metod [16].
+
Obecnie w bazie danych PDB (''ang. Protein Data Bank'') dostępnych jest ponad 55 tysięcy struktur białek, co stanowi mniej niż 0.2% zidentyfikowanych obecnie sekwencji białkowych dostępnych w bazie Swiss-Prot [14]. Znaczny rozwój metod bioinformatycznych oraz wzrost mocy obliczeniowej komputerów sprawiły, że stało się możliwe również teoretyczne przewidywanie struktur. W niektórych przypadkach dokładność otrzymanego modelu jest porównywalna do struktur białek otrzymanych przy zastosowaniu technik NMR, czy krystalografii rentgenowskiej. Od 1994 roku, co dwa lata, organizowany jest ogólnoświatowy konkurs w przewidywaniu struktury trzeciorzędowej białek, CASP (''ang. Critical Assessment of Techniques for Protein Structure Prediction'') [15]. Celem konkursu jest ocena skuteczności oraz weryfikacja dostępnych metod i algorytmów. Prezentowane tam wyniki badań wskazują na wyraźny rozwój oraz wzrost skuteczności stosowanych metod [16].  
 
 
Dostępne obecnie metody teoretyczne, pozwalające na przewidywanie przestrzennej struktury białek, możemy podzielić: na '''metody de novo''' (metody przewidujące strukturę białka jedynie na postawie sekwencji aminokwasów) oraz '''modelowanie porównawcze''' (umożliwiające budowę modelu białka na podstawie innego białka o znanej strukturze przestrzennej).
 
 
 
'''Przewidywanie struktury trzeciorzędowej białek metodami de novo''' oparte jest o hipotezę Anfinsena [17] stwierdzającą, iż struktura przestrzenna białka jest ściśle zdeterminowana przez jego sekwencję aminokwasów i struktura natywna odpowiada minimum energii swobodnej układu białko-rozpuszczalnik. Metody te mają głównie na celu: stworzenie uproszczonej reprezentacji białka o właściwościach zbliżonych do reprezentacji pełnoatomowej [18], znalezienie odpowiedniej funkcji dokładnie opisującej minimum energetyczne układu [19] oraz zaprojektowanie algorytmu pozwalającego na jak najlepsze próbkowanie przestrzeni konformacyjnej modelowanego białka [18, 20-22].  
 
  
'''Modelowanie porównawcze''' (nazywane także modelowaniem przez homologię) polega na przewidywaniu struktury białka, w oparciu o znaną strukturę białka do niego homologicznego. Białka homologiczne są kodowane przez geny mające wspólne ewolucyjne pochodzenie. Na ogół białka te wykazują podobieństwo pod względem sekwencji aminokwasów lub struktury przestrzennej oraz pełnionych funkcji [23, 24].
+
Dostępne obecnie metody teoretyczne, pozwalające na przewidywanie przestrzennej struktury białek, możemy podzielić: na '''metody de novo''' (metody przewidujące strukturę białka jedynie na postawie sekwencji aminokwasów) oraz '''[[modelowanie porównawcze]]''' (''ang. comparative modeling'', umożliwiające budowę modelu białka na podstawie innego białka o znanej strukturze przestrzennej).
  
 +
# Przewidywanie struktury trzeciorzędowej białek '''metodami de novo''' oparte jest o hipotezę Anfinsena [17] stwierdzającą, iż struktura przestrzenna białka jest ściśle zdeterminowana przez jego sekwencję aminokwasów i struktura natywna odpowiada minimum energii swobodnej układu białko-rozpuszczalnik. Metody te mają głównie na celu: stworzenie uproszczonej reprezentacji białka o właściwościach zbliżonych do reprezentacji pełnoatomowej [18], znalezienie odpowiedniej funkcji dokładnie opisującej minimum energetyczne układu [19] oraz zaprojektowanie algorytmu pozwalającego na jak najlepsze próbkowanie przestrzeni konformacyjnej modelowanego białka [18, 20-22].
 +
#'''[[Modelowanie porównawcze]]''' polega na przewidywaniu struktury białka, w oparciu o znaną strukturę białka do niego podobnego lub homologicznego. Białka homologiczne są kodowane przez geny mające wspólne ewolucyjne pochodzenie. Na ogół białka te wykazują podobieństwo pod względem sekwencji aminokwasów lub struktury przestrzennej oraz pełnionych funkcji [23, 24].
  
Literatura
+
== Zobacz też ==
 +
* [[CABS]]
 +
* [[Modelowanie porównawcze]]
 +
* [[GPCR – struktury krystaliczne]]
  
1. Eyal, E., et al., The limit of accuracy of protein modeling: influence of crystal packing on protein structure. J Mol Biol, 2005. 351(2): p. 431-42.
+
== Literatura ==
2. Sperandio, O., et al., Receptor-based computational screening of compound databases: the main docking-scoring engines. Curr Protein Pept Sci, 2006. 7(5): p. 369-93.
+
# Eyal, E., et al., The limit of accuracy of protein modeling: influence of crystal packing on protein structure. J Mol Biol, 2005. 351(2): p. 431-42.
3. Moore, J., et al., Leveraging structural approaches: applications of NMR-based screening and X-ray crystallography for inhibitor design. J Synchrotron Radiat, 2004. 11(Pt 1): p. 97-100.
+
# Sperandio, O., et al., Receptor-based computational screening of compound databases: the main docking-scoring engines. Curr Protein Pept Sci, 2006. 7(5): p. 369-93.
4. Lepre, C.A., et al., Applications of SHAPES screening in drug discovery. Comb Chem High Throughput Screen, 2002. 5(8): p. 583-90.
+
# Moore, J., et al., Leveraging structural approaches: applications of NMR-based screening and X-ray crystallography for inhibitor design. J Synchrotron Radiat, 2004. 11(Pt 1): p. 97-100.
5. Caffrey, M., Membrane protein crystallization. J Struct Biol, 2003. 142(1): p. 108-32.
+
# Lepre, C.A., et al., Applications of SHAPES screening in drug discovery. Comb Chem High Throughput Screen, 2002. 5(8): p. 583-90.
6. Maurer, T., NMR studies of protein-ligand interactions. Methods Mol Biol, 2005. 305: p. 197-214.
+
# Caffrey, M., Membrane protein crystallization. J Struct Biol, 2003. 142(1): p. 108-32.
7. Hilty, C., et al., Membrane protein-lipid interactions in mixed micelles studied by NMR spectroscopy with the use of paramagnetic reagents. Chembiochem, 2004. 5(4): p. 467-73.
+
# Maurer, T., NMR studies of protein-ligand interactions. Methods Mol Biol, 2005. 305: p. 197-214.
8. Wuthrich, K., NMR studies of structure and function of biological macromolecules. Biosci Rep, 2003. 23(4): p. 119-68.
+
# Hilty, C., et al., Membrane protein-lipid interactions in mixed micelles studied by NMR spectroscopy with the use of paramagnetic reagents. Chembiochem, 2004. 5(4): p. 467-73.
9. Igumenova, T.I., K.K. Frederick, and A.J. Wand, Characterization of the fast dynamics of protein amino acid side chains using NMR relaxation in solution. Chem Rev, 2006. 106(5): p. 1672-99.
+
# Wuthrich, K., NMR studies of structure and function of biological macromolecules. Biosci Rep, 2003. 23(4): p. 119-68.
10. Wagner, S., et al., Consequences of membrane protein overexpression in Escherichia coli. Mol Cell Proteomics, 2007. 6(9): p. 1527-50.
+
# Igumenova, T.I., K.K. Frederick, and A.J. Wand, Characterization of the fast dynamics of protein amino acid side chains using NMR relaxation in solution. Chem Rev, 2006. 106(5): p. 1672-99.
11. Warne, T., et al., Structure of a beta(1)-adrenergic G-protein-coupled receptor. Nature, 2008.
+
# Wagner, S., et al., Consequences of membrane protein overexpression in Escherichia coli. Mol Cell Proteomics, 2007. 6(9): p. 1527-50.
12. Cherezov, V., et al., High-resolution crystal structure of an engineered human beta2-adrenergic G protein-coupled receptor. Science, 2007. 318(5854): p. 1258-65.
+
# Warne, T., et al., Structure of a beta(1)-adrenergic G-protein-coupled receptor. Nature, 2008.
13. Jaakola, V.P., et al., The 2.6 angstrom crystal structure of a human A2A adenosine receptor bound to an antagonist. Science, 2008. 322(5905): p. 1211-7.
+
# Cherezov, V., et al., High-resolution crystal structure of an engineered human beta2-adrenergic G protein-coupled receptor. Science, 2007. 318(5854): p. 1258-65.
14. Bairoch, A. and R. Apweiler, The SWISS-PROT protein sequence data bank and its supplement TrEMBL in 1999. Nucleic Acids Res, 1999. 27(1): p. 49-54.
+
# Jaakola, V.P., et al., The 2.6 angstrom crystal structure of a human A2A adenosine receptor bound to an antagonist. Science, 2008. 322(5905): p. 1211-7.
15. Kryshtafovych, A., et al., CASP6 data processing and automatic evaluation at the protein structure prediction center. Proteins, 2005. 61 Suppl 7: p. 19-23.
+
# Bairoch, A. and R. Apweiler, The SWISS-PROT protein sequence data bank and its supplement TrEMBL in 1999. Nucleic Acids Res, 1999. 27(1): p. 49-54.
16. Kryshtafovych, A., et al., Progress over the first decade of CASP experiments. Proteins, 2005. 61 Suppl 7: p. 225-36.
+
# Kryshtafovych, A., et al., CASP6 data processing and automatic evaluation at the protein structure prediction center. Proteins, 2005. 61 Suppl 7: p. 19-23.
17. Anfinsen, C.B., Principles that govern the folding of protein chains. Science, 1973. 181(96): p. 223-30.
+
# Kryshtafovych, A., et al., Progress over the first decade of CASP experiments. Proteins, 2005. 61 Suppl 7: p. 225-36.
18. Colubri, A., Prediction of protein structure by simulating coarse-grained folding pathways: a preliminary report. J Biomol Struct Dyn, 2004. 21(5): p. 625-38.
+
# Anfinsen, C.B., Principles that govern the folding of protein chains. Science, 1973. 181(96): p. 223-30.
19. Scheraga, H.A., et al., The protein folding problem: global optimization of the force fields. Front Biosci, 2004. 9: p. 3296-323.
+
# Colubri, A., Prediction of protein structure by simulating coarse-grained folding pathways: a preliminary report. J Biomol Struct Dyn, 2004. 21(5): p. 625-38.
20. Wu, S., J. Skolnick, and Y. Zhang, Ab initio modeling of small proteins by iterative TASSER simulations. BMC Biol, 2007. 5: p. 17.
+
# Scheraga, H.A., et al., The protein folding problem: global optimization of the force fields. Front Biosci, 2004. 9: p. 3296-323.
21. Srinivasan, R. and G.D. Rose, Ab initio prediction of protein structure using LINUS. Proteins, 2002. 47(4): p. 489-95.
+
# Wu, S., J. Skolnick, and Y. Zhang, Ab initio modeling of small proteins by iterative TASSER simulations. BMC Biol, 2007. 5: p. 17.
22. Osguthorpe, D.J., Ab initio protein folding. Curr Opin Struct Biol, 2000. 10(2): p. 146-52.
+
# Srinivasan, R. and G.D. Rose, Ab initio prediction of protein structure using LINUS. Proteins, 2002. 47(4): p. 489-95.
23. Lewin, R., When does homology mean something else? Science, 1987. 237(4822): p. 1570.
+
# Osguthorpe, D.J., Ab initio protein folding. Curr Opin Struct Biol, 2000. 10(2): p. 146-52.
24. Reeck, G.R., et al., "Homology" in proteins and nucleic acids: a terminology muddle and a way out of it. Cell, 1987. 50(5): p. 667.
+
# Lewin, R., When does homology mean something else? Science, 1987. 237(4822): p. 1570.
 +
# Reeck, G.R., et al., "Homology" in proteins and nucleic acids: a terminology muddle and a way out of it. Cell, 1987. 50(5): p. 667.

Aktualna wersja na dzień 14:39, 27 sty 2012

Przewidywanie struktury białek

Obecnie najdokładniejszą metodą służącą do wyznaczania przestrzennej struktury białek jest krystalografia rentgenowska. Dzięki tej metodzie możemy otrzymać strukturę przestrzenną cząsteczek biologicznych o rozdzielczości dochodzącej do 1 Å [1]. Wysoka dokładność otrzymanych struktur białek jest niezwykle istotna szczególnie dla projektowania nowych leków [2-4], gdzie kluczową rolę pełnią oddziaływania pomiędzy poszczególnymi grupami atomów. Jednak otrzymanie kryształów nadających się do dalszych pomiarów jest bardzo kosztowne i czasochłonne, wymaga precyzyjnej aparatury oraz odpowiednich warunków. Ponadto, w przypadku białek błonowych sam proces krystalizacji jest niezwykle utrudniony [5], co dodatkowo komplikuje badania.

W ostatnich latach nastąpił znaczny rozwój metod wyznaczania struktury białek w oparciu o techniki NMR (Jądrowy Rezonans Magnetyczny, ang. Nuclear Magnetic Resonance) [6-8]. Niektóre procedury pomiarowe są dużo tańsze oraz w przeciwieństwie do krystalografii rentgenowskiej, umożliwiają także badanie dynamiki białek w roztworach [9]. Pomimo tego, zastosowanie metod NMR jest ograniczone, ponieważ wyniki pomiarów są gorszej jakości, a ponadto poziom komplikacji widm rośnie tak bardzo z masą cząsteczkową białka, że wykorzystanie tej metody do struktur składających się z ponad 150-200 aminokwasów (o masie ponad 40 kDa) staje się problematyczne. Dodatkowo metody NMR wymagają roztworów o odpowiednio wysokim stężeniu.

W obu metodach konieczne jest najpierw otrzymanie odpowiedniej ilości białka, co wymaga nadekspresji badanych białek, których zawartość w komórkach bywa często bardzo niewielka [10]. Jednak obecnie, przy zastosowania metod mikroogniskowania w krystalografii, do pomiarów wykorzystuje się kryształy białek wielkości zaledwie kilkunastu mikrometrów. Technikę tą zastosowano do wyznaczenia ostatnio opisanych struktur receptorów GPCR (receptor b1AR - kryształy o wymiarach średnio 30 mm na 15 mm na 27 mm [11], receptor b2AR - kryształy o wymiarach 240 mm na 40 mm na 10 mm [12], oraz receptor A2A adenozynowy - kryształy o wymiarach około 100 mm na 10 mm na 5 mm [13]).

Obecnie w bazie danych PDB (ang. Protein Data Bank) dostępnych jest ponad 55 tysięcy struktur białek, co stanowi mniej niż 0.2% zidentyfikowanych obecnie sekwencji białkowych dostępnych w bazie Swiss-Prot [14]. Znaczny rozwój metod bioinformatycznych oraz wzrost mocy obliczeniowej komputerów sprawiły, że stało się możliwe również teoretyczne przewidywanie struktur. W niektórych przypadkach dokładność otrzymanego modelu jest porównywalna do struktur białek otrzymanych przy zastosowaniu technik NMR, czy krystalografii rentgenowskiej. Od 1994 roku, co dwa lata, organizowany jest ogólnoświatowy konkurs w przewidywaniu struktury trzeciorzędowej białek, CASP (ang. Critical Assessment of Techniques for Protein Structure Prediction) [15]. Celem konkursu jest ocena skuteczności oraz weryfikacja dostępnych metod i algorytmów. Prezentowane tam wyniki badań wskazują na wyraźny rozwój oraz wzrost skuteczności stosowanych metod [16].

Dostępne obecnie metody teoretyczne, pozwalające na przewidywanie przestrzennej struktury białek, możemy podzielić: na metody de novo (metody przewidujące strukturę białka jedynie na postawie sekwencji aminokwasów) oraz modelowanie porównawcze (ang. comparative modeling, umożliwiające budowę modelu białka na podstawie innego białka o znanej strukturze przestrzennej).

  1. Przewidywanie struktury trzeciorzędowej białek metodami de novo oparte jest o hipotezę Anfinsena [17] stwierdzającą, iż struktura przestrzenna białka jest ściśle zdeterminowana przez jego sekwencję aminokwasów i struktura natywna odpowiada minimum energii swobodnej układu białko-rozpuszczalnik. Metody te mają głównie na celu: stworzenie uproszczonej reprezentacji białka o właściwościach zbliżonych do reprezentacji pełnoatomowej [18], znalezienie odpowiedniej funkcji dokładnie opisującej minimum energetyczne układu [19] oraz zaprojektowanie algorytmu pozwalającego na jak najlepsze próbkowanie przestrzeni konformacyjnej modelowanego białka [18, 20-22].
  2. Modelowanie porównawcze polega na przewidywaniu struktury białka, w oparciu o znaną strukturę białka do niego podobnego lub homologicznego. Białka homologiczne są kodowane przez geny mające wspólne ewolucyjne pochodzenie. Na ogół białka te wykazują podobieństwo pod względem sekwencji aminokwasów lub struktury przestrzennej oraz pełnionych funkcji [23, 24].

Zobacz też

Literatura

  1. Eyal, E., et al., The limit of accuracy of protein modeling: influence of crystal packing on protein structure. J Mol Biol, 2005. 351(2): p. 431-42.
  2. Sperandio, O., et al., Receptor-based computational screening of compound databases: the main docking-scoring engines. Curr Protein Pept Sci, 2006. 7(5): p. 369-93.
  3. Moore, J., et al., Leveraging structural approaches: applications of NMR-based screening and X-ray crystallography for inhibitor design. J Synchrotron Radiat, 2004. 11(Pt 1): p. 97-100.
  4. Lepre, C.A., et al., Applications of SHAPES screening in drug discovery. Comb Chem High Throughput Screen, 2002. 5(8): p. 583-90.
  5. Caffrey, M., Membrane protein crystallization. J Struct Biol, 2003. 142(1): p. 108-32.
  6. Maurer, T., NMR studies of protein-ligand interactions. Methods Mol Biol, 2005. 305: p. 197-214.
  7. Hilty, C., et al., Membrane protein-lipid interactions in mixed micelles studied by NMR spectroscopy with the use of paramagnetic reagents. Chembiochem, 2004. 5(4): p. 467-73.
  8. Wuthrich, K., NMR studies of structure and function of biological macromolecules. Biosci Rep, 2003. 23(4): p. 119-68.
  9. Igumenova, T.I., K.K. Frederick, and A.J. Wand, Characterization of the fast dynamics of protein amino acid side chains using NMR relaxation in solution. Chem Rev, 2006. 106(5): p. 1672-99.
  10. Wagner, S., et al., Consequences of membrane protein overexpression in Escherichia coli. Mol Cell Proteomics, 2007. 6(9): p. 1527-50.
  11. Warne, T., et al., Structure of a beta(1)-adrenergic G-protein-coupled receptor. Nature, 2008.
  12. Cherezov, V., et al., High-resolution crystal structure of an engineered human beta2-adrenergic G protein-coupled receptor. Science, 2007. 318(5854): p. 1258-65.
  13. Jaakola, V.P., et al., The 2.6 angstrom crystal structure of a human A2A adenosine receptor bound to an antagonist. Science, 2008. 322(5905): p. 1211-7.
  14. Bairoch, A. and R. Apweiler, The SWISS-PROT protein sequence data bank and its supplement TrEMBL in 1999. Nucleic Acids Res, 1999. 27(1): p. 49-54.
  15. Kryshtafovych, A., et al., CASP6 data processing and automatic evaluation at the protein structure prediction center. Proteins, 2005. 61 Suppl 7: p. 19-23.
  16. Kryshtafovych, A., et al., Progress over the first decade of CASP experiments. Proteins, 2005. 61 Suppl 7: p. 225-36.
  17. Anfinsen, C.B., Principles that govern the folding of protein chains. Science, 1973. 181(96): p. 223-30.
  18. Colubri, A., Prediction of protein structure by simulating coarse-grained folding pathways: a preliminary report. J Biomol Struct Dyn, 2004. 21(5): p. 625-38.
  19. Scheraga, H.A., et al., The protein folding problem: global optimization of the force fields. Front Biosci, 2004. 9: p. 3296-323.
  20. Wu, S., J. Skolnick, and Y. Zhang, Ab initio modeling of small proteins by iterative TASSER simulations. BMC Biol, 2007. 5: p. 17.
  21. Srinivasan, R. and G.D. Rose, Ab initio prediction of protein structure using LINUS. Proteins, 2002. 47(4): p. 489-95.
  22. Osguthorpe, D.J., Ab initio protein folding. Curr Opin Struct Biol, 2000. 10(2): p. 146-52.
  23. Lewin, R., When does homology mean something else? Science, 1987. 237(4822): p. 1570.
  24. Reeck, G.R., et al., "Homology" in proteins and nucleic acids: a terminology muddle and a way out of it. Cell, 1987. 50(5): p. 667.