Methods for prediction of amyloid structure and prion properties of proteins: current state and perspectives

Abstract

Амилоиды - фибриллярные белковые агрегаты, обладающие кросс-бета структурой. Существование амилоидов неразрывно связано с рядом патологий человека и животных. Кроме того, в последние десятилетия амилоиды рассматривают и как функциональные белковые агрегаты, участвующие в выполнении важных биологических функций у представителей всех доменов живых организмов. При этом, кросс-бета структура делает эти агрегаты чрезвычайно устойчивыми механически и термодинамически, что усложняет их исследование in vitro и in vivo. В связи с этим особый интерес представляет возможность предсказывать амилоидные свойства белков на основе уже известных последовательностей при помощи биоинформатических подходов. Целью нашего исследования является сравнительный анализ эффективности существующих инструментов предсказания амилоидных и прионных свойств белков. На основе анализа литературы мы выявили четыре группы подходов, которые используются при предсказании амилоидогенных свойств белков: это машинное обучение, композиционный подход, использование индивидуальных свойств аминокислот или консенсусное использование сразу нескольких подходов. Мы протестировали 14 различных предикторов на последовательностях выборок амилоидных и неамилоидных белков. Согласно полученным результатам, существующие предикторы неспособны отличить на основе полной последовательности амилоидогенные белки от неамилоидогенных. Вероятно, это связано с тем, что почти все эти предикторы были разработаны на основе анализа последовательностей амилоидогенных участков, а не полноразмерных белков, в которых амилоидогенные участки чередуются с неамилоидогенными. Дальнейшее накопление экспериментальных данных об амилоидах у различных организмов и их использование при разработке перспективных предикторов может помочь решить проблему эффективного предсказания амилоидных свойств полноразмерных белков.

Amyloids – are fibrillar proteins with cross-beta structure. Existence of amyloids are tightly connected with different human and animal pathologies. Moreover, in the last decades amyloids were considered as functional protein aggregates, which participate in the essential biological functions in life of all domains of organisms. At the same time, cross-beta structure makes these compounds highly resistant both mechanically and thermodynamically, thus complicating their investigation in vitro and in vivo. Thereby, opportunity to predict amyloid properties of the proteins based only on the known sequences by bioinformatic approaches seems to be very attractive. The goal of our study is a comparative analysis of efficiencies of the existing amyloid and prion properties prediction tools. Based on literature review, we defined four different groups of approaches for prediction of amyloidogenic properties in proteins: machine learning, compositional approaches, individual amino acid properties, and consensus usage of different approaches. We tested 14 different prediction tools against sequences of amyloid and non-amyloid proteins. As a result, existing prediction tools failed to distinguish full-length amyloids from non-amyloid proteins. Probably, this is due fact that almost all of these tools were developed based on the data obtained from the amyloidogenic regions but not from the full-length amyloids, in which amyloidogenic regions alternate with non-amyloidogenic. Further accumulation of experimental data on the amyloid properties of full-length proteins of different organisms and their usage in development of perspective prediction tools can help solve this problem.