تصميم البروتين

📅 آخر تحديث: ١٨ يوليو ٢٠٢٦
✍️ نُشر في: ١٨ يوليو ٢٠٢٦
📷 يحتوي على 18 صور
الموسوعة الحرة

تصميم البروتينات هو عملية تصميم منطقية لجزيئات بروتينية جديدة بهدف ابتكار أنشطة أو سلوكيات أو وظائف جديدة، وللارتقاء بالفهم الأساسي لوظائف البروتينات. [ 1 ] يمكن تصميم البروتينات من الصفر ( التصميم من الصفر ) أو عن طريق حساب متغيرات لبنية بروتينية معروفة وتسلسلها ( إعادة تصميم البروتين ). تعتمد مناهج التصميم المنطقي للبروتينات على التنبؤ بتسلسل البروتين الذي سيتخذ بنى محددة. ويمكن بعد ذلك التحقق من صحة هذه التسلسلات المتوقعة تجريبياً من خلال طرق مثل تخليق الببتيدات ، أو الطفرات الموجهة للموقع ، أو تخليق الجينات الاصطناعي .

يعود تاريخ التصميم العقلاني للبروتينات إلى منتصف سبعينيات القرن العشرين. [ 2 ] ومع ذلك، فقد ظهرت مؤخرًا العديد من الأمثلة الناجحة للتصميم العقلاني للببتيدات والبروتينات القابلة للذوبان في الماء وحتى الببتيدات والبروتينات عبر الغشاء، ويرجع ذلك جزئيًا إلى فهم أفضل للعوامل المختلفة التي تساهم في استقرار بنية البروتين وتطوير أساليب حسابية أفضل.

لمحة عامة وتاريخية

يهدف تصميم البروتينات العقلاني إلى التنبؤ بتسلسلات الأحماض الأمينية التي ستطوي لتكوين بنية بروتينية محددة. على الرغم من أن عدد تسلسلات البروتينات الممكنة هائل، ويتزايد بشكل كبير مع حجم سلسلة البروتين، إلا أن مجموعة فرعية منها فقط ستطوي بشكل موثوق وسريع إلى حالة طبيعية واحدة . يتضمن تصميم البروتينات تحديد تسلسلات جديدة ضمن هذه المجموعة الفرعية. الحالة الطبيعية للبروتين هي الحد الأدنى لطاقة التشكيل الحرة للسلسلة. وبالتالي، فإن تصميم البروتينات هو البحث عن تسلسلات تمتلك البنية المختارة كحد أدنى للطاقة الحرة. بمعنى آخر، هو عكس التنبؤ ببنية البروتين . في التصميم، يتم تحديد بنية ثلاثية الأبعاد ، ثم يتم تحديد تسلسل سيطوي إليها. ومن هنا، يُطلق عليه أيضًا اسم الطي العكسي . تصميم البروتينات هو إذًا مسألة تحسين: باستخدام معايير تقييم معينة، يتم اختيار تسلسل مُحسَّن سيطوي إلى البنية المطلوبة.

عندما صُممت البروتينات الأولى تصميمًا منطقيًا خلال سبعينيات وثمانينيات القرن العشرين، جرى تحسين تسلسلها يدويًا بناءً على تحليلات بروتينات أخرى معروفة، وتركيب التسلسل، وشحنات الأحماض الأمينية، وهندسة البنية المطلوبة. [ 2 ] يُنسب تصميم البروتينات الأولى إلى بيرند غوت، الذي صمم نسخة مُختزلة من مُحفز معروف، وهو ريبونوكلياز بقري، وبنى ثلاثية تتكون من صفائح بيتا وحلزونات ألفا، بما في ذلك رابط لـ DDT . لاحقًا، صمم أوري وزملاؤه ببتيدات ليفية شبيهة بالإيلاستين بناءً على قواعد تركيب التسلسل. صمم ريتشاردسون وزملاؤه بروتينًا مكونًا من 79 حمضًا أمينيًا لا يُظهر أي تشابه تسلسلي مع أي بروتين معروف. [ 2 ] في تسعينيات القرن العشرين، أتاح ظهور الحواسيب فائقة القدرة، ومكتبات تشكيلات الأحماض الأمينية ، ومجالات القوى التي طُورت أساسًا لمحاكاة الديناميكا الجزيئية، تطوير أدوات تصميم البروتينات الحاسوبية القائمة على البنية. بعد تطوير هذه الأدوات الحاسوبية، تحقق نجاح باهر في تصميم البروتينات على مدى الثلاثين عامًا الماضية. أُنجز أول تصميم ناجح لبروتين بالكامل من الصفر على يد ستيفن مايو وزملاؤه عام 1997، [ 3 ] وبعد ذلك بفترة وجيزة، في عام 1999، صمم بيتر إس. كيم وزملاؤه ثنائيات وثلاثيات ورباعيات من حلزونات ملفوفة يمينية غير طبيعية . [ 4 ] [ 5 ] وفي عام 2003، صمم مختبر ديفيد بيكر بروتينًا كاملًا ببنية لم يسبق لها مثيل في الطبيعة. [ 6 ] وفي وقت لاحق، عام 2008، صمم فريق بيكر حاسوبيًا إنزيمات لتفاعلين مختلفين. [ 7 ] وفي عام 2010، تم عزل أحد أقوى الأجسام المضادة واسعة النطاق من مصل مريض باستخدام مسبار بروتيني مصمم حاسوبيًا. [ ٨ ] في عام ٢٠٢٤، حصل بيكر على نصف جائزة نوبل في الكيمياء لإسهاماته في تطوير تصميم البروتينات الحاسوبي، بينما تقاسم النصف الآخر ديميس هاسابيس وجون جامبر من شركة ديب مايند لإسهاماتهما في التنبؤ ببنية البروتينات. [ ٩ ] بفضل هذه النجاحات وغيرها (انظر الأمثلة أدناه)، أصبح تصميم البروتينات أحد أهم الأدوات المتاحة لهندسة البروتينات.هناك أمل كبير في أن يكون لتصميم البروتينات الجديدة، الصغيرة والكبيرة، استخدامات في الطب الحيوي والهندسة الحيوية .

النماذج الأساسية لبنية البروتين ووظيفته

تستخدم برامج تصميم البروتينات نماذج حاسوبية للقوى الجزيئية التي تحرك البروتينات في البيئات الحيوية . ولتبسيط المشكلة، تُبسط هذه القوى بواسطة نماذج تصميم البروتينات. ورغم اختلاف برامج تصميم البروتينات اختلافًا كبيرًا، إلا أنها تجيب على أربعة أسئلة رئيسية في النمذجة: ما هو التركيب المستهدف للتصميم؟ ما هي المرونة المسموح بها في هذا التركيب؟ ما هي التسلسلات التي تُدرج في البحث؟ وما هو مجال القوى المستخدم لتقييم التسلسلات والتركيبات؟

الهيكل المستهدف

كان بروتين Top7 أحد البروتينات الأولى المصممة لطية لم يسبق رؤيتها من قبل في الطبيعة [ 6 ].

تعتمد وظيفة البروتين بشكل كبير على بنيته، ويستغل التصميم العقلاني للبروتينات هذه العلاقة لتصميم وظائفها من خلال تصميم بروتينات ذات بنية أو طي مستهدف. وبالتالي، بحكم التعريف، في التصميم العقلاني للبروتينات، يجب معرفة البنية المستهدفة أو مجموعة البنى مسبقًا. وهذا يختلف عن أشكال أخرى من هندسة البروتينات، مثل التطور الموجه ، حيث تُستخدم طرق متنوعة لإيجاد بروتينات تؤدي وظيفة محددة، وعن التنبؤ ببنية البروتين حيث يكون التسلسل معروفًا، لكن البنية غير معروفة.

في أغلب الأحيان، يُبنى الهيكل المستهدف على هيكل معروف لبروتين آخر. مع ذلك، أصبح من الممكن بشكل متزايد ابتكار طيات جديدة لم تُشاهد في الطبيعة. صمّم بيتر إس. كيم وزملاؤه ثلاثيات ورباعيات من حلزونات غير طبيعية، لم يسبق رؤيتها في الطبيعة. [ 4 ] [ 5 ] صُمّم بروتين Top7، الذي طُوّر في مختبر ديفيد بيكر ، بالكامل باستخدام خوارزميات تصميم البروتينات، ليُشكّل طيّة جديدة تمامًا. [ 6 ] في الآونة الأخيرة، طوّر بيكر وزملاؤه سلسلة من المبادئ لتصميم هياكل بروتينية كروية مثالية ، استنادًا إلى قنوات طي البروتين التي تربط بين التنبؤ بالبنية الثانوية والبنية الثالثية. استُخدمت هذه المبادئ، التي تعتمد على كلٍّ من التنبؤ ببنية البروتين وتصميمه، لتصميم خمسة تراكيب بروتينية جديدة مختلفة. [ 10 ]

فضاء التسلسل

كان FSD-1 (الموضح باللون الأزرق، معرف PDB: 1FSV) أول تصميم حاسوبي جديد لبروتين كامل. [ 3 ] كان الطي المستهدف هو طي إصبع الزنك في الأحماض الأمينية من 33 إلى 60 من بنية بروتين Zif268 (الموضح باللون الأحمر، معرف PDB: 1ZAA). لم يكن للتسلسل المصمم تطابق يُذكر مع أي تسلسل بروتيني معروف.

في تصميم البروتينات العقلاني، يمكن إعادة تصميم البروتينات انطلاقًا من تسلسل وبنية بروتين معروف، أو من الصفر تمامًا في تصميم البروتينات من الصفر . في إعادة تصميم البروتينات، تُحفظ معظم الأحماض الأمينية في التسلسل كما هي في حالتها الأصلية، بينما يُسمح لبعضها بالتحوّر. أما في تصميم البروتينات من الصفر ، فيُعاد تصميم التسلسل بأكمله دون الاعتماد على أي تسلسل سابق.

يمكن لكل من التصميمات الجديدة وإعادة تصميم البروتينات وضع قواعد على فضاء التسلسل : الأحماض الأمينية المحددة المسموح بها في كل موقع من مواقع البقايا القابلة للتغيير. على سبيل المثال، تم تقييد تركيب سطح مسبار RSC3 لاختيار الأجسام المضادة واسعة النطاق لفيروس نقص المناعة البشرية بناءً على بيانات التطور وموازنة الشحنات. اعتمدت العديد من المحاولات المبكرة لتصميم البروتينات بشكل كبير على قواعد تجريبية على فضاء التسلسل. [ 2 ] علاوة على ذلك، عادةً ما يتبع تصميم البروتينات الليفية قواعد صارمة على فضاء التسلسل. تتكون البروتينات المصممة القائمة على الكولاجين ، على سبيل المثال، غالبًا من أنماط متكررة من Gly-Pro-X. [ 2 ] يسمح ظهور التقنيات الحاسوبية بتصميم البروتينات دون تدخل بشري في اختيار التسلسل. [ 3 ]

المرونة الهيكلية

تستخدم برامج تصميم البروتينات الشائعة مكتبات الروتامرات لتبسيط فضاء التشكيلات الفراغية للسلاسل الجانبية للبروتين. يعرض هذا الفيديو المتحرك جميع روتامرات حمض الإيزولوسين الأميني استنادًا إلى مكتبة الروتامرات قبل الأخيرة (إجمالي 7 روتامرات). [ 11 ]

في تصميم البروتينات، تكون البنية المستهدفة (أو البنى المستهدفة) معروفة. مع ذلك، يتطلب منهج التصميم العقلاني للبروتين مراعاة بعض المرونة في البنية المستهدفة لزيادة عدد التسلسلات التي يمكن تصميمها لتلك البنية، وتقليل احتمالية طي التسلسل إلى بنية مختلفة. على سبيل المثال، عند إعادة تصميم بروتين بحمض أميني صغير (مثل الألانين) في النواة المكتظة للبروتين، يتوقع منهج التصميم العقلاني أن عددًا قليلًا جدًا من الطفرات سيطوي إلى البنية المستهدفة، إذا لم يُسمح بإعادة ترتيب السلاسل الجانبية المحيطة.

لذا، يُعدّ مقدار المرونة المتاحة لكلٍّ من السلاسل الجانبية والهيكل الأساسي للبروتين أحد المعايير الأساسية في أي عملية تصميم. في أبسط النماذج، يُحافظ على صلابة الهيكل الأساسي للبروتين، بينما يُسمح لبعض السلاسل الجانبية بتغيير هيئتها. مع ذلك، تتمتع السلاسل الجانبية بدرجات حرية عديدة في أطوال روابطها وزواياها وزواياها ثنائية السطوح (χ) . ولتبسيط هذا النطاق، تستخدم طرق تصميم البروتينات مكتبات الروتامر التي تفترض قيمًا مثالية لأطوال الروابط وزواياها، مع تقييد زوايا ثنائية السطوح (χ) في عدد قليل من الهيئات منخفضة الطاقة الشائعة الملاحظة، والتي تُسمى الروتامرات .

تُستخلص مكتبات الروتامرات من التحليل الإحصائي للعديد من بنى البروتينات. تصف مكتبات الروتامرات المستقلة عن العمود الفقري جميع الروتامرات. [ 11 ] في المقابل، تصف مكتبات الروتامرات المعتمدة على العمود الفقري الروتامرات بناءً على احتمالية ظهورها تبعًا لترتيب العمود الفقري للبروتين حول السلسلة الجانبية. [ 12 ] تستخدم معظم برامج تصميم البروتينات شكلًا واحدًا (مثل القيمة النموذجية لزوايا الروتامر ثنائية السطوح في الفراغ) أو عدة نقاط في المنطقة التي يصفها الروتامر؛ بينما يقوم برنامج تصميم البروتينات OSPREY، على النقيض من ذلك، بنمذجة المنطقة المتصلة بأكملها. [ 13 ]

على الرغم من أن التصميم العقلاني للبروتينات يتطلب الحفاظ على البنية الأساسية العامة للبروتين، إلا أن السماح ببعض المرونة في هذه البنية يمكن أن يزيد بشكل ملحوظ من عدد التسلسلات التي تتخذ هذه البنية مع الحفاظ على بنيتها العامة. [ 14 ] وتُعد مرونة البنية الأساسية مهمة بشكل خاص في إعادة تصميم البروتينات، لأن الطفرات في التسلسل غالبًا ما تُؤدي إلى تغييرات طفيفة في بنية هذه البنية. علاوة على ذلك، قد تكون مرونة البنية الأساسية ضرورية لتطبيقات تصميم البروتينات الأكثر تقدمًا، مثل التنبؤ بالارتباط وتصميم الإنزيمات. تتضمن بعض نماذج مرونة البنية الأساسية في تصميم البروتينات حركاتٍ صغيرة ومستمرة للبنية الأساسية ككل، وعينات منفصلة من البنية الأساسية حول البنية المستهدفة، وحركات احتكاك البنية الأساسية، ومرونة حلقات البروتين. [ 14 ] [ 15 ]

دالة الطاقة

مقارنة بين دوال الطاقة الكامنة المختلفة. تُعدّ دوال الطاقة التي تستخدم حسابات ميكانيكا الكم الأكثر دقة، لكنها بطيئة للغاية بالنسبة لتصميم البروتينات. وعلى النقيض، تعتمد دوال الطاقة الاستدلالية على مصطلحات إحصائية وتتميز بسرعتها الفائقة. وفي المنتصف، توجد دوال طاقة الميكانيكا الجزيئية التي تستند إلى أسس فيزيائية، ولكنها أقل تكلفة حسابية من محاكاة ميكانيكا الكم. [ 16 ]

يجب أن تكون تقنيات تصميم البروتينات العقلانية قادرة على التمييز بين التسلسلات المستقرة في البنية المستهدفة وتلك التي تفضل حالات منافسة أخرى منخفضة الطاقة. لذا، يتطلب تصميم البروتينات دوال طاقة دقيقة قادرة على تصنيف التسلسلات وتقييمها بناءً على مدى توافقها مع البنية المستهدفة. في الوقت نفسه، يجب أن تراعي دوال الطاقة هذه التحديات الحسابية الكامنة وراء تصميم البروتينات. ومن أبرز متطلبات التصميم الناجح وجود دالة طاقة تتسم بالدقة والبساطة في آنٍ واحد، ما يسهل إجراء الحسابات الحاسوبية عليها.

تُعدّ دوال الطاقة الأكثر دقة تلك القائمة على محاكاة ميكانيكا الكم. مع ذلك، تتسم هذه المحاكاة ببطء شديد، وعادةً ما تكون غير عملية لتصميم البروتينات. لذا، تستخدم العديد من خوارزميات تصميم البروتينات إما دوال طاقة قائمة على الفيزياء مُقتبسة من برامج محاكاة الميكانيكا الجزيئية ، أو دوال طاقة قائمة على المعرفة ، أو مزيجًا هجينًا من الاثنين. وقد اتجهت الجهود نحو استخدام دوال طاقة كامنة قائمة على الفيزياء بشكل أكبر. [ 16 ]

تُستمد دوال الطاقة القائمة على الفيزياء، مثل AMBER و CHARMM ، عادةً من محاكاة ميكانيكا الكم، وبيانات تجريبية من الديناميكا الحرارية، وعلم البلورات، والتحليل الطيفي. [ 17 ] تُبسط هذه الدوال عادةً دالة الطاقة الفيزيائية وتجعلها قابلة للتحليل الثنائي، مما يعني أنه يمكن حساب الطاقة الكلية لبنية البروتين بجمع الطاقة الثنائية بين كل زوج من الذرات، وهو ما يجعلها جذابة لخوارزميات التحسين. تُنمذج دوال الطاقة القائمة على الفيزياء عادةً حد لينارد-جونز الجاذب-الدافع بين الذرات وحد كولوم الكهروستاتيكي الثنائي [ 18 ] بين الذرات غير المرتبطة.

تلعب الروابط الهيدروجينية التي تتوسطها جزيئات الماء دورًا رئيسيًا في ارتباط البروتينات. يوضح الشكل أحد هذه التفاعلات بين الأحماض الأمينية D457 وS365 في السلسلة الثقيلة للأجسام المضادة واسعة النطاق VRC01 المضادة لفيروس نقص المناعة البشرية (باللون الأخضر)، والأحماض الأمينية N58 وY59 في بروتين غلاف فيروس نقص المناعة البشرية GP120 (باللون الأرجواني). [ 19 ]

تتميز الكمونات الإحصائية، على عكس الكمونات القائمة على الفيزياء، بسرعة حسابها، وقدرتها على مراعاة التأثيرات المعقدة ضمنيًا، وقلة تأثرها بالتغيرات الطفيفة في بنية البروتين. [ 20 ] وتعتمد دوال الطاقة هذه على استخلاص قيم الطاقة من تردد ظهورها في قاعدة بيانات هيكلية.

مع ذلك، يتطلب تصميم البروتينات متطلبات قد تكون محدودة أحيانًا في مجالات القوى الميكانيكية الجزيئية. فمجالات القوى الميكانيكية الجزيئية، المستخدمة في الغالب في محاكاة الديناميكا الجزيئية، مُحسَّنة لمحاكاة تسلسلات مفردة، بينما يبحث تصميم البروتينات في العديد من التكوينات للعديد من التسلسلات. لذا، يجب تعديل مجالات القوى الميكانيكية الجزيئية لتناسب تصميم البروتينات. عمليًا، غالبًا ما تتضمن دوال طاقة تصميم البروتينات حدودًا إحصائية وأخرى قائمة على الفيزياء. على سبيل المثال، تتضمن دالة طاقة Rosetta، وهي من أكثر دوال الطاقة استخدامًا، حدود طاقة قائمة على الفيزياء مستمدة من دالة طاقة CHARMM، وحدود طاقة إحصائية، مثل احتمالية الروتامر والكهروسكونية القائمة على المعرفة. عادةً ما تُخصَّص دوال الطاقة بشكل كبير بين المختبرات، وتُصمَّم خصيصًا لكل تصميم. [ 17 ]

تحديات تصميم وظائف الطاقة الفعالة

يشكل الماء معظم الجزيئات المحيطة بالبروتينات، وهو المحرك الرئيسي لبنيتها. لذا، يُعدّ نمذجة التفاعل بين الماء والبروتين أمرًا بالغ الأهمية في تصميم البروتينات. عدد جزيئات الماء التي تتفاعل مع البروتين في أي لحظة هائل، ولكل جزيء منها عدد كبير من درجات الحرية وشركاء التفاعل. لذا، تُنمذج برامج تصميم البروتينات معظم جزيئات الماء هذه كوسط متصل، حيث تُنمذج كلًا من التأثير الكاره للماء واستقطاب الذوبان. [ 17 ]

قد تلعب جزيئات الماء الفردية أحيانًا دورًا بنيويًا حاسمًا في لبّ البروتينات، وفي تفاعلات البروتين-بروتين أو البروتين-الرابط. وقد يؤدي إغفال نمذجة هذه الجزيئات إلى تنبؤات خاطئة بالتسلسل الأمثل لسطح التفاعل بين البروتينات. وكبديل، يمكن إضافة جزيئات الماء إلى المتصاوغات الدورانية. [ 17 ]

كمسألة تحسين

يوضح هذا الرسم المتحرك مدى تعقيد عملية البحث عن تصميم البروتين، والتي تقارن عادةً جميع التشكيلات الدورانية الناتجة عن جميع الطفرات الممكنة في جميع الأحماض الأمينية. في هذا المثال، يُسمح للحمضين الأمينيين فينيل ألانين 36 وهيستيدين 106 بالتحول إلى الحمضين الأمينيين تيروسين وأسباراجين على التوالي. يمتلك كل من فينيل ألانين وتيروسين 4 تشكيلات دورانية في مكتبة التشكيلات الدورانية، بينما يمتلك كل من أسباراجين وهيستيدين 7 و8 تشكيلات دورانية على التوالي في مكتبة التشكيلات الدورانية (من مكتبة التشكيلات الدورانية قبل الأخيرة لريتشاردسون [ 11 ] ). يستعرض الرسم المتحرك جميع الاحتمالات (4 + 4) × (7 + 8) = 120 احتمالًا. البنية المعروضة هي بنية الميوغلوبين، معرف بنك بيانات البروتين: 1mbn.

يهدف تصميم البروتينات إلى إيجاد تسلسل بروتيني يطوى إلى بنية مستهدفة. ولذلك، يجب على خوارزمية تصميم البروتينات البحث في جميع التكوينات لكل تسلسل، بالنسبة إلى الطي المستهدف، وترتيب التسلسلات وفقًا لأقل طاقة لكل منها، كما تحددها دالة طاقة تصميم البروتين. وبالتالي، فإن المدخلات النموذجية لخوارزمية تصميم البروتينات هي الطي المستهدف، ومساحة التسلسلات، والمرونة البنيوية، ودالة الطاقة، بينما يكون الناتج تسلسلًا واحدًا أو أكثر يُتوقع أن يطوى بثبات إلى البنية المستهدفة.

مع ذلك، يزداد عدد تسلسلات البروتين المرشحة بشكلٍ أُسّي مع ازدياد عدد بقايا البروتين؛ فعلى سبيل المثال، يوجد 20 × 100 تسلسل بروتيني بطول 100. علاوة على ذلك، حتى لو اقتصرت تشكيلات السلاسل الجانبية للأحماض الأمينية على عدد قليل من المتصاوغات الدورانية (انظر المرونة البنيوية )، فإن هذا ينتج عنه عدد أُسّي من التشكيلات لكل تسلسل. وبالتالي، في بروتيننا المكون من 100 بقية، وبافتراض أن لكل حمض أميني 10 متصاوغات دورانية بالضبط، فإن خوارزمية البحث التي تبحث في هذا الفضاء ستضطر إلى البحث في أكثر من 200 × 100 تشكيل بروتيني.

يمكن تحليل دوال الطاقة الأكثر شيوعًا إلى حدود ثنائية بين المتصاوغات الدورانية وأنواع الأحماض الأمينية، مما يجعل المسألة مسألة توافقية، ويمكن استخدام خوارزميات تحسين قوية لحلها. في هذه الحالات، يمكن صياغة الطاقة الكلية لكل بنية تنتمي إلى كل تسلسل كمجموع حدود فردية وثنائية بين مواقع البقايا. إذا كان المصمم مهتمًا فقط بأفضل تسلسل، فإن خوارزمية تصميم البروتين لا تتطلب سوى البنية ذات الطاقة الأدنى للتسلسل ذي الطاقة الأدنى. في هذه الحالات، يمكن تجاهل هوية الحمض الأميني لكل متصاوغ دوراني، ويمكن التعامل مع جميع المتصاوغات الدورانية التي تنتمي إلى أحماض أمينية مختلفة بنفس الطريقة. لنفترض أن rᵢ هو متصاوغ دوراني في موقع البقايا i في سلسلة البروتين، و E ( rᵢ ) هي طاقة الوضع بين الذرات الداخلية للمتصاوغ الدوراني. ولنفترض أن E ( rᵢ , rⱼ ) هي طاقة الوضع بين rᵢ والمتصاوغ الدوراني rⱼ في موقع البقايا j . عندئذٍ ، نُعرّف مسألة التحسين على أنها إيجاد البنية ذات الطاقة الدنيا ( ET ) .

تُعدّ مشكلة تقليل E T مشكلة صعبة من نوع NP . [ 15 ] [ 21 ] [ 22 ] على الرغم من أن فئة هذه المشاكل صعبة من نوع NP، إلا أنه في الواقع العملي يمكن حل العديد من حالات تصميم البروتين بدقة أو تحسينها بشكل مُرضٍ من خلال الطرق الاستدلالية.

الخوارزميات

طُوِّرت العديد من الخوارزميات خصيصًا لمشكلة تصميم البروتينات. يمكن تقسيم هذه الخوارزميات إلى فئتين رئيسيتين: الخوارزميات الدقيقة، مثل خوارزمية حذف المسارات المسدودة ، التي تفتقر إلى ضمانات وقت التشغيل ولكنها تضمن جودة الحل؛ والخوارزميات الاستدلالية ، مثل خوارزمية مونت كارلو، التي تُعد أسرع من الخوارزميات الدقيقة ولكنها لا تضمن مثالية النتائج. تضمن الخوارزميات الدقيقة أن عملية التحسين قد أنتجت الحل الأمثل وفقًا لنموذج تصميم البروتين. وبالتالي، إذا فشلت تنبؤات الخوارزميات الدقيقة عند التحقق منها تجريبيًا، فيمكن إرجاع مصدر الخطأ إلى دالة الطاقة، أو المرونة المسموح بها، أو فضاء التسلسل، أو البنية المستهدفة (على سبيل المثال، إذا تعذر تصميمها). [ 23 ]

فيما يلي بعض خوارزميات تصميم البروتينات. على الرغم من أن هذه الخوارزميات لا تعالج سوى أبسط صيغة لمشكلة تصميم البروتين، وهي المعادلة ( 1 )، إلا أنه عندما يتغير هدف التحسين نتيجةً لإدخال المصممين تحسينات وتوسعات على نموذج تصميم البروتين، مثل تحسين المرونة الهيكلية المسموح بها (كزيادة مرونة العمود الفقري للبروتين) أو تضمين حدود طاقة متطورة، فإن العديد من التوسعات في تصميم البروتينات التي تُحسّن النمذجة تُبنى على هذه الخوارزميات. على سبيل المثال، يدمج برنامج Rosetta Design حدود طاقة متطورة ومرونة العمود الفقري باستخدام خوارزمية مونت كارلو كخوارزمية تحسين أساسية. وتعتمد خوارزميات OSPREY على خوارزمية إزالة المسارات المسدودة وخوارزمية A* لدمج حركات العمود الفقري والسلاسل الجانبية بشكل مستمر. وبالتالي، تُقدّم هذه الخوارزميات منظورًا جيدًا لأنواع الخوارزميات المختلفة المتاحة لتصميم البروتينات.

في عام 2020، أعلن علماء عن تطوير عملية تعتمد على الذكاء الاصطناعي باستخدام قواعد بيانات الجينوم لتصميم بروتينات جديدة وفقًا لمنهجية التطور . وقد استخدموا التعلم العميق لتحديد قواعد التصميم. [ 24 ] [ 25 ] وفي عام 2022، نشرت دراسة أخرى برنامجًا للتعلم العميق قادرًا على تصميم بروتينات تحتوي على مواقع وظيفية محددة مسبقًا . [ 26 ] [ 27 ]

مع ضمانات رياضية

استبعاد الطريق المسدود

تعمل خوارزمية إزالة الطرق المسدودة (DEE) على تقليل مساحة البحث للمشكلة بشكل تكراري عن طريق إزالة المتصاوغات الدورانية التي يمكن إثبات أنها ليست جزءًا من التكوين ذي الطاقة الأدنى عالميًا (GMEC). في كل تكرار، تقارن خوارزمية إزالة الطرق المسدودة جميع أزواج المتصاوغات الدورانية الممكنة عند كل موضع من مواضع البقايا، وتزيل كل متصاوغ دوراني r′i يمكن إثبات أنه دائمًا ذو طاقة أعلى من متصاوغ دوراني آخر rᵢ ، وبالتالي فهو ليس جزءًا من GMEC.

هـ(رأنا′)+∑ج≠أنامينرجهـ(رأنا′،رج)>هـ(رأنا)+∑ج≠أناالأعلىرجهـ(رأنا،رج){\displaystyle E(r_{i}^{\prime })+\sum _{j\neq i}\min _{r_{j}}E(r_{i}^{\prime },r_{j})>E(r_{i})+\sum _{j\neq i}\max _{r_{j}}E(r_{i},r_{j})}

تشمل الإضافات القوية الأخرى لخوارزمية إزالة الطرق المسدودة معيار إزالة الأزواج ، ومعيار إزالة الطرق المسدودة المعمم . وقد تم توسيع هذه الخوارزمية أيضًا للتعامل مع الروتامرات المستمرة بضمانات قابلة للإثبات.

على الرغم من أن خوارزمية إزالة المسارات المسدودة تعمل في وقت متعدد الحدود في كل تكرار، إلا أنها لا تضمن التقارب. فإذا لم تتمكن هذه الخوارزمية، بعد عدد معين من التكرارات، من حذف المزيد من الروتامرات، فسيتعين إما دمج الروتامرات أو استخدام خوارزمية بحث أخرى لاستكشاف المساحة المتبقية. في هذه الحالة، تعمل خوارزمية إزالة المسارات المسدودة كخوارزمية ترشيح مسبق لتقليص مساحة البحث، بينما تُستخدم خوارزميات أخرى، مثل A*، ومونت كارلو، والبرمجة الخطية، أو FASTER، لاستكشاف المساحة المتبقية. [ 15 ]

متفرع ومحدود

يمكن تمثيل فضاء التشكيلات البروتينية على شكل شجرة ، حيث تُرتّب بقايا البروتين بشكل عشوائي، وتتفرع الشجرة عند كل متماثل دوراني في البقايا. تستخدم خوارزميات التفرع والتقييد هذا التمثيل لاستكشاف شجرة التشكيلات بكفاءة: عند كل تفرع ، تُقيّد هذه الخوارزميات فضاء التشكيلات وتستكشف فقط الفروع الواعدة. [ 15 ] [ 28 ] [ 29 ]

تُعدّ خوارزمية البحث A* من الخوارزميات الشائعة في تصميم البروتينات . [ 15 ] [ 29 ] تحسب خوارزمية A* حدًا أدنى لكل مسار جزئي في الشجرة، وهو حد أدنى (مع ضمانات) لطاقة كل من المتماثلات الدورانية الموسعة. يُضاف كل شكل جزئي إلى قائمة انتظار ذات أولوية، وفي كل تكرار، يُسحب المسار الجزئي ذو الحد الأدنى الأدنى من القائمة ويُوسّع. تتوقف الخوارزمية بمجرد حصر جميع الأشكال الكاملة، مما يضمن أن هذا الشكل هو الأمثل.

تتكون قيمة A* في تصميم البروتينات من جزأين، f = g + h . يمثل g الطاقة الدقيقة للمتزامرات الدورانية التي تم تحديدها مسبقًا في التكوين الجزئي. أما h فيمثل الحد الأدنى لطاقة المتزامرات الدورانية التي لم يتم تحديدها بعد. ويتم تصميم كل متزامر على النحو التالي، حيث يمثل d فهرس آخر حمض أميني تم تحديده في التكوين الجزئي.

ز=∑أنا=1د(هـ(رأنا)+∑ج=أنا+1دهـ(رأنا،رج)){\displaystyle g=\sum _{i=1}^{d}(E(r_{i})+\sum _{j=i+1}^{d}E(r_{i},r_{j}))}
ح=∑ج=د+1ن[مينرج(هـ(رج)+∑أنا=1دهـ(رأنا،رج)+∑ك=ج+1نمينركهـ(رج،رك))]{\displaystyle h=\sum _{j=d+1}^{n}[\min _{r_{j}}(E(r_{j})+\sum _{i=1}^{d}E(r_{i},r_{j})+\sum _{k=j+1}^{n}\min _{r_{k}}E(r_{j},r_{k}))]}

البرمجة الخطية الصحيحة

يمكن صياغة مشكلة تحسين E T (المعادلة ( 1 )) بسهولة كبرنامج خطي صحيح (ILP). [ 30 ] إحدى أقوى الصيغ تستخدم متغيرات ثنائية لتمثيل وجود متماثل دوراني وحواف في الحل النهائي، وتقيد الحل بحيث يحتوي على متماثل دوراني واحد فقط لكل بقايا وتفاعل ثنائي واحد لكل زوج من البقايا:

 مين∑أنا∑رأناهـأنا(رأنا)qأنا(رأنا)+∑ج≠أنا∑رجهـأناج(رأنا،رج)qأناج(رأنا،رج){\displaystyle \ \min \sum _{i}\sum _{r_{i}}E_{i}(r_{i})q_{i}(r_{i})+\sum _{j\neq i}\sum _{r_{j}}E_{ij}(r_{i},r_{j})q_{ij}(r_{i},r_{j})\,}

شارع

∑رأناqأنا(رأنا)=1، ∀أنا{\displaystyle \sum _{r_{i}}q_{i}(r_{i})=1,\ \forall i}
∑رجqأناج(رأنا،رج)=qأنا(رأنا)،∀أنا،رأنا،ج{\displaystyle \sum _{r_{j}}q_{ij}(r_{i},r_{j})=q_{i}(r_{i}),\forall i,r_{i},j}
qأنا،qأناج∈{0،1}{\displaystyle q_{i},q_{ij}\in \{0,1\}}

تستطيع برامج حل مسائل البرمجة الخطية الصحيحة ، مثل CPLEX ، حساب الحل الأمثل الدقيق لحالات تصميم البروتينات الكبيرة. تستخدم هذه البرامج طريقةً مُبسّطةً للبرمجة الخطية ، حيث يُسمح لـ qᵢ و qᵢⱼ بأخذ قيم متصلة، بالإضافة إلى خوارزمية التفرع والقطع للبحث في جزء صغير فقط من فضاء التشكيل عن الحل الأمثل. وقد أثبتت برامج حل مسائل البرمجة الخطية الصحيحة قدرتها على حل العديد من حالات مسألة تحديد موضع السلاسل الجانبية. [ 30 ]

تقريبات قائمة على تمرير الرسائل للثنائية البرمجية الخطية

تعتمد حلول البرمجة الخطية الصحيحة (ILP) على خوارزميات البرمجة الخطية (LP)، مثل طريقة سيمبلكس أو الطرق القائمة على الحواجز ، لإجراء عملية استرخاء البرمجة الخطية عند كل فرع. طُوّرت هذه الخوارزميات كطرق تحسين عامة، وليست مُحسّنة لمسألة تصميم البروتين (المعادلة 1 ). ونتيجةً لذلك، يُصبح استرخاء البرمجة الخطية هو العائق الرئيسي أمام حلول البرمجة الخطية الصحيحة عندما يكون حجم المسألة كبيرًا. [ 31 ] مؤخرًا، صُمّمت عدة بدائل تعتمد على خوارزميات تمرير الرسائل خصيصًا لتحسين استرخاء البرمجة الخطية لمسألة تصميم البروتين. تستطيع هذه الخوارزميات تقريب كلٍ من الحالة الثنائية والحالة الأولية للبرمجة الخطية الصحيحة، ولكن لضمان الوصول إلى الحل الأمثل، تكون أكثر فائدة عند استخدامها لتقريب الحالة الثنائية لمسألة تصميم البروتين، لأن تقريب الحالة الثنائية يضمن عدم تفويت أي حلول. تشمل التقريبات القائمة على تمرير الرسائل خوارزمية تمرير الرسائل ذات الحد الأقصى المُعاد ترجيحها للشجرة ، [ 32 ] [ 33 ] وخوارزمية البرمجة الخطية لتمرير الرسائل . [ 34 ]

خوارزميات التحسين بدون ضمانات

محاكاة مونت كارلو والتلدين المحاكي

تُعدّ خوارزمية مونت كارلو من أكثر الخوارزميات استخدامًا في تصميم البروتينات. في أبسط صورها، تختار خوارزمية مونت كارلو بقايا حمض أميني عشوائيًا، ثم تُقيّم في تلك البقايا متماثلًا دورانيًا (لأي حمض أميني) تم اختياره عشوائيًا. [ 22 ] تُقارن الطاقة الجديدة للبروتين، E <sub>new </sub>، بالطاقة القديمة، E <sub>old </sub>، ويُقبل المتماثل الدوراني الجديد باحتمالية:

ص=هـ-β(هـجديد-هـقديم))،{\displaystyle p=e^{-\beta (E_{\text{new}}-E_{\text{old}}))},}

حيث β هو ثابت بولتزمان ، ويمكن اختيار درجة الحرارة T بحيث تكون عالية في الجولات الأولية، ثم يتم خفضها ببطء للتغلب على الحد الأدنى المحلي. [ 13 ]

أسرع

تستخدم خوارزمية FASTER مزيجًا من المعايير الحتمية والعشوائية لتحسين تسلسل الأحماض الأمينية. تستخدم FASTER أولًا خوارزمية DEE لاستبعاد المتصاوغات الدورانية التي لا تُعد جزءًا من الحل الأمثل. ثم، تعمل سلسلة من الخطوات التكرارية على تحسين تعيين المتصاوغات الدورانية. [ 35 ] [ 36 ]

نشر المعتقدات

في خوارزمية نشر المعتقدات لتصميم البروتينات، تتبادل الخوارزمية رسائل تصف اعتقاد كل حمض أميني حول احتمالية وجود كل متماثل دوراني في الأحماض الأمينية المجاورة. تُحدِّث الخوارزمية الرسائل في كل تكرار، وتستمر في التكرار حتى الوصول إلى التقارب أو حتى عدد محدد من التكرارات. مع العلم أن التقارب ليس مضمونًا في تصميم البروتينات. تُعرَّف الرسالة mᵢ → j ( rⱼ ) التي يرسلها الحمض الأميني i إلى كل متماثل دوراني (rⱼ ) في الحمض الأميني المجاور j على النحو التالي:

مأنا→ج(رج)=الأعلىرأنا(هـ-هـأنا(رأنا)-هـأناج(رأنا،رج)تي)∏ك∈شمال(أنا)∖جمك→أنا(رأنا){\displaystyle m_{i\to j}(r_{j})=\max _{r_{i}}{\Big (}e^{\frac {-E_{i}(r_{i})-E_{ij}(r_{i},r_{j})}{T}}{\Big )}\prod _{k\in N(i)\backslash j}m_{k\to i(r_{i})}}

تم استخدام كل من نشر الاعتقاد بالضرب الأقصى ونشر الاعتقاد بالضرب المجموعي لتحسين تصميم البروتين.

تطبيقات وأمثلة على البروتينات المصممة

تصميم الإنزيم

يُعدّ تصميم الإنزيمات الجديدة أحد تطبيقات تصميم البروتينات، وله تطبيقات واسعة في الهندسة الحيوية والطب الحيوي. وبشكل عام، قد يختلف تصميم بنية البروتين عن تصميم الإنزيم، إذ يتطلب تصميم الإنزيمات مراعاة العديد من الحالات المشاركة في آلية التحفيز . ومع ذلك، يُعدّ تصميم البروتين شرطًا أساسيًا لتصميم الإنزيمات من الصفر ، لأنه على الأقل، يتطلب تصميم المحفزات وجود هيكل أساسي يُمكن إدخال آلية التحفيز فيه. [ 37 ]

شهد العقد الأول من القرن الحادي والعشرين تقدماً كبيراً في تصميم الإنزيمات الجديدة وإعادة تصميمها. ففي ثلاث دراسات رئيسية، صمم ديفيد بيكر وزملاؤه إنزيمات جديدة لتفاعل الألدول العكسي [ 38 ] ، وتفاعل كيمب [ 39 ] ، وتفاعل ديلز-ألدر [ 40 ] . علاوة على ذلك، طور ستيفن مايو وزملاؤه طريقة تكرارية لتصميم الإنزيم الأكثر كفاءة المعروف لتفاعل كيمب [ 41 ] . وفي مختبر بروس دونالد ، استُخدم تصميم البروتينات الحاسوبي لتغيير خصوصية أحد نطاقات البروتين في إنزيم ببتيد سينثاز غير ريبوسومي ، الذي ينتج غراميسيدين إس ، من ركيزته الطبيعية فينيل ألانين إلى ركائز أخرى غير متجانسة، بما في ذلك الأحماض الأمينية المشحونة؛ وقد أظهرت الإنزيمات المُعاد تصميمها نشاطاً قريباً من نشاط النوع البري [ 42 ] .

التصميم شبه العقلاني

التصميم شبه العقلاني هو أسلوب تعديل هادف يعتمد على فهم دقيق لتسلسل الإنزيمات وبنيتها وآلية عملها التحفيزية. يقع هذا الأسلوب بين التصميم غير العقلاني والتصميم العقلاني، إذ يستخدم المعلومات والوسائل المعروفة لإجراء تعديل تطوري على وظائف محددة للإنزيم المستهدف. يتميز التصميم شبه العقلاني بأنه لا يعتمد فقط على الطفرات العشوائية والفحص، بل يجمع بين مفهوم التطور الموجه. فهو يُنشئ مكتبة من الطفرات العشوائية ذات التسلسلات المتنوعة من خلال الطفرات ، وتفاعل تضخيم الحمض النووي الدائري المعرض للخطأ ، وإعادة تركيب الحمض النووي ، والطفرات المشبعة للموقع . وفي الوقت نفسه، يستخدم فهم الإنزيمات ومبادئ التصميم لفحص الطفرات ذات الخصائص المرغوبة بشكل هادف.

تُركز منهجية التصميم شبه العقلاني على الفهم العميق للإنزيمات والتحكم في عملية التطور. فهي تُمكّن الباحثين من استخدام المعلومات المعروفة لتوجيه عملية التطور، مما يُحسّن الكفاءة ونسبة النجاح. وتلعب هذه المنهجية دورًا هامًا في تعديل وظائف البروتينات، إذ تجمع بين مزايا التصميم غير العقلاني والتصميم العقلاني، وتُمكّن من استكشاف مجالات غير معروفة وتوظيف المعرفة المعروفة لإجراء تعديلات مُوجّهة.

يتمتع التصميم شبه العقلاني بنطاق واسع من التطبيقات، بما في ذلك على سبيل المثال لا الحصر تحسين الإنزيمات، وتعديل أهداف الأدوية، وتطوير المحفزات الحيوية، وغيرها. ومن خلال هذه الطريقة، يستطيع الباحثون تحسين الخصائص الوظيفية للبروتينات بشكل أكثر فعالية لتلبية احتياجات محددة في مجال التكنولوجيا الحيوية أو الطب. ورغم أن هذه الطريقة تتطلب معلومات وتقنيات متقدمة، وتُعد صعبة التطبيق نسبيًا، إلا أن آفاق تطبيق التصميم شبه العقلاني في هندسة البروتينات تتسع بشكل متزايد مع تطور تكنولوجيا الحوسبة والمعلوماتية الحيوية. [ 43 ]

تصميم من أجل التقارب

تُعدّ التفاعلات بين البروتينات جزءًا أساسيًا من معظم العمليات الحيوية. فالعديد من الأمراض المستعصية، مثل مرض الزهايمر ، وأنواع عديدة من السرطان (مثل سرطان TP53 )، وعدوى فيروس نقص المناعة البشرية (HIV)، تعتمد على هذه التفاعلات. لذا، لعلاج هذه الأمراض، يُفضّل تصميم علاجات بروتينية أو شبيهة بالبروتينات ترتبط بأحد البروتينات المتفاعلة، وبالتالي تُعطّل التفاعل المُسبّب للمرض. ويتطلب ذلك تصميم علاجات بروتينية ذات ألفة عالية تجاه البروتين المُتفاعل.

يمكن تصميم التفاعلات بين البروتينات باستخدام خوارزميات تصميم البروتينات، لأن المبادئ التي تحكم استقرار البروتين تحكم أيضًا ارتباط البروتينات ببعضها. مع ذلك، يطرح تصميم التفاعلات بين البروتينات تحديات غير شائعة في تصميم البروتينات. أحد أهم هذه التحديات هو أن الأسطح البينية بين البروتينات، بشكل عام، أكثر قطبية من لب البروتين، وأن الارتباط ينطوي على مفاضلة بين إزالة المذيبات وتكوين الروابط الهيدروجينية. [ 44 ] وللتغلب على هذا التحدي، طور بروس تيدور وزملاؤه طريقة لتحسين ألفة الأجسام المضادة بالتركيز على المساهمات الكهروستاتيكية. ووجدوا أنه بالنسبة للأجسام المضادة المصممة في الدراسة، فإن تقليل تكاليف إزالة المذيبات من البقايا في السطح البيني يزيد من ألفة الزوج المرتبط. [ 44 ] [ 45 ] [ 46 ]

توقعات تسجيل الارتباط

يجب تكييف وظائف طاقة تصميم البروتين لتقييم تنبؤات الارتباط لأن الارتباط ينطوي على مقايضة بين أدنى تكوينات الطاقة للبروتينات الحرة ( EP و EL ) وأدنى تكوين طاقة للمركب المرتبط ( PL ) :

Δجي=هـPل-هـP-هـل{\displaystyle \Delta _{G}=E_{PL}-E_{P}-E_{L}}.

تقوم خوارزمية K* بتقريب ثابت الارتباط الخاص بالخوارزمية عن طريق تضمين إنتروبيا التشكيل في حساب الطاقة الحرة. وتأخذ خوارزمية K* في الاعتبار فقط التشكيلات ذات الطاقة الأدنى للمركبات الحرة والمرتبطة (المشار إليها بالمجموعات P و L و PL ) لتقريب دوال التوزيع لكل مركب: [ 15 ]

ك*=∑x∈Pلهـ-هـ(x)/Rتي∑x∈Pهـ-هـ(x)/Rتي∑x∈لهـ-هـ(x)/Rتي{\displaystyle K^{*}={\frac {\sum \limits _{x\in PL}e^{-E(x)/RT}}{\sum \limits _{x\in P}e^{-E(x)/RT}\sum \limits _{x\in L}e^{-E(x)/RT}}}}

التصميم من أجل التخصيص

يجب أن يكون تصميم تفاعلات البروتين-بروتين شديد التخصص، لأن البروتينات قادرة على التفاعل مع عدد كبير من البروتينات؛ ويتطلب التصميم الناجح روابط انتقائية. لذا، يجب أن تكون خوارزميات تصميم البروتين قادرة على التمييز بين الارتباط بالهدف (أو التصميم الإيجابي ) والارتباط خارج الهدف (أو التصميم السلبي ). [ 2 ] [ 44 ] ومن أبرز الأمثلة على التصميم من أجل التخصص، تصميم ببتيدات محددة ترتبط ببروتينات bZIP بواسطة آمي كيتينغ وزملاؤها لـ 19 من أصل 20 عائلة من عائلات bZIP؛ 8 من هذه الببتيدات كانت متخصصة في الارتباط بشريكها المقصود دون غيرها من الببتيدات المنافسة. [ 44 ] [ 47 ] [ 48 ] علاوة على ذلك، استخدم أندرسون وزملاؤه التصميم الإيجابي والسلبي للتنبؤ بالطفرات في الموقع النشط لهدف دوائي تُكسب مقاومة لدواء جديد؛ استُخدم التصميم الإيجابي للحفاظ على النشاط الأصلي، بينما استُخدم التصميم السلبي لتعطيل ارتباط الدواء. [ 49 ] كما أن إعادة التصميم الحسابي الحديثة التي قام بها كوستاس ماراناس وزملاؤه كانت قادرة أيضًا على تغيير خصوصية العامل المساعد لإنزيم مختزلة الزيلوز من كانديدا بويديني من NADPH إلى NADH تجريبيًا . [ 50 ]

إعادة تشكيل البروتين

تتضمن عملية إعادة تشكيل سطح البروتين تصميم سطح البروتين مع الحفاظ على بنيته العامة، وجزئه المركزي، ومناطقه الطرفية سليمة. وتُعدّ هذه العملية مفيدة بشكل خاص لتغيير ارتباط البروتين ببروتينات أخرى. ومن أهم تطبيقاتها تصميم مسبار RSC3 لاختيار أجسام مضادة واسعة النطاق لفيروس نقص المناعة البشرية في مركز أبحاث اللقاحات التابع للمعاهد الوطنية للصحة. في البداية، تم اختيار بقايا الأحماض الأمينية خارج منطقة الارتباط بين بروتين غلاف فيروس نقص المناعة البشرية gp120 والجسم المضاد b12 المكتشف سابقًا لتصميمها. ثم تم اختيار تسلسل الأحماض الأمينية بناءً على معلومات تطورية، وذوبانية، وتشابه مع النمط البري، واعتبارات أخرى. بعد ذلك، استُخدم برنامج RosettaDesign لإيجاد التسلسلات المثلى في نطاق التسلسل المُختار. لاحقًا، استُخدم مسبار RSC3 لاكتشاف الجسم المضاد واسع النطاق VRC01 في مصل شخص مصاب بفيروس نقص المناعة البشرية لفترة طويلة ولم تظهر عليه أعراض المرض. [ 51 ]

تصميم البروتينات الكروية

البروتينات الكروية هي بروتينات تحتوي على لب كاره للماء وسطح محب للماء. غالبًا ما تتخذ البروتينات الكروية بنية مستقرة، على عكس البروتينات الليفية التي تتخذ أشكالًا متعددة. عادةً ما يكون تحديد البنية ثلاثية الأبعاد للبروتينات الكروية أسهل باستخدام علم البلورات بالأشعة السينية والرنين المغناطيسي النووي مقارنةً بالبروتينات الليفية والبروتينات الغشائية ، مما يجعل البروتينات الكروية أكثر جاذبية لتصميم البروتينات من الأنواع الأخرى. وقد شملت معظم تصميمات البروتينات الناجحة بروتينات كروية. كان كل من RSD-1 و Top7 تصميمين جديدين لبروتينات كروية. في عام 2012، صممت مجموعة بيكر خمسة هياكل بروتينية أخرى، وقامت بتصنيعها والتحقق منها. لا تؤدي هذه البروتينات الجديدة أي وظيفة حيوية، ولكن تهدف هياكلها إلى أن تكون بمثابة لبنات بناء يمكن توسيعها لتشمل مواقع نشطة وظيفية. تم التوصل إلى هذه الهياكل حسابيًا باستخدام طرق استدلالية جديدة تعتمد على تحليل الحلقات الرابطة بين أجزاء التسلسل التي تحدد البنى الثانوية. [ 52 ]

تصميم البروتينات الغشائية

تم تصميم العديد من البروتينات الغشائية بنجاح، [ 53 ] إلى جانب العديد من الببتيدات والبروتينات الأخرى المرتبطة بالغشاء. [ 54 ] ومؤخراً، طور كوستاس ماراناس وزملاؤه أداة آلية [ 55 ] لإعادة تصميم حجم مسام بروتين بورين الغشاء الخارجي من النوع F (OmpF) من بكتيريا الإشريكية القولونية إلى أي حجم مرغوب فيه دون النانومتر، وقاموا بتجميعها في أغشية لإجراء فصل دقيق على مستوى الأنجستروم.

تطبيقات أخرى

يُعدّ تصميم البروتينات أحد أكثر الاستخدامات المرغوبة في مجال أجهزة الاستشعار الحيوية ، وهي بروتينات تستشعر وجود مركبات محددة. وتشمل بعض المحاولات في تصميم أجهزة الاستشعار الحيوية أجهزة استشعار لجزيئات غير طبيعية، بما في ذلك مادة TNT . [ 56 ] وفي الآونة الأخيرة، صمّم كولمان وزملاؤه جهاز استشعار حيويًا لبروتين PAK1 . [ 57 ]

بمعنى ما، يُعد تصميم البروتين جزءًا من تصميم البطاريات .

انظر أيضاً

مراجع

  1. ↑ كوريندوفيتش، إيفان (19 مارس 2018). "التصميم البسيط لمحفزات الببتيد والبروتين" . الجمعية الكيميائية الأمريكية . تم الاطلاع عليه في 22 مارس 2018 .
  2. 1 2 3 4 5 6 ريتشاردسون، جيه إس؛ ريتشاردسون، دي سي (يوليو 1989). "التصميم الجديد لهياكل البروتين". اتجاهات في العلوم البيوكيميائية . 14 (7): 304-309 . doi : 10.1016/0968-0004(89)90070-4 . PMID 2672455 . 
  3. 1 2 3 داهيات، بي آي؛ مايو، إس إل (3 أكتوبر 1997). "تصميم البروتين من الصفر: اختيار التسلسل المؤتمت بالكامل". مجلة ساينس . 278 (5335): 82-87 . CiteSeerX 10.1.1.72.7304 . doi : 10.1126/science.278.5335.82 . PMID 9311930 .  
  4. 1 2 غوردون، د.ب.؛ مارشال، س.أ.؛ مايو، س.ل. (أغسطس 1999). "وظائف الطاقة لتصميم البروتين". الرأي الحالي في البيولوجيا الهيكلية . 9 (4): 509-13 . doi : 10.1016/s0959-440x(99)80072-4 . PMID 10449371 . 
  5. هاربري ، بي . بي.؛ بليكس، جيه. جيه.؛ تيدور، بي.؛ ألبر، تي.؛ كيم، بي. إس. (20 نوفمبر 1998). "تصميم بروتين عالي الدقة مع حرية في هيكل البروتين". مجلة ساينس . 282 (5393): 1462-1467 . doi : 10.1126/science.282.5393.1462 . PMID 9822371 . 
  6. 1 2 3 كولمان، ب؛ دانتاس، ج؛ إيريتون، ج.س؛ فاراني، ج؛ ستودارد، ب.ل؛ بيكر، د (21 نوفمبر 2003). "تصميم طية بروتينية كروية جديدة بدقة على المستوى الذري". مجلة ساينس . 302 (5649): 1364-1368 . رمز Bibcode : 2003Sci...302.1364K . doi : 10.1126/science.1089427 . PMID 14631033. S2CID 1939390 .  
  7. ↑ ستيرنر، ر؛ ميركل، ر؛ راوشيل، ف.م. (مايو 2008). "التصميم الحاسوبي للإنزيمات" . الكيمياء والبيولوجيا . 15 (5): 421-423 . doi : 10.1016/j.chembiol.2008.04.007 . PMID 18482694 . 
  8. ↑ وو، إكس؛ يانغ، زد واي؛ لي، واي؛ هوغركورب، سي إم؛ شيف، دبليو آر؛ سيمان، إم إس؛ تشو، تي؛ شميدت، إس دي؛ وو، إل؛ شو، إل؛ لونغو، إن إس؛ ماكي، كيه؛ أوديل، إس؛ لاودر، إم كيه؛ ويكوف، دي إل؛ فينغ، واي؛ نيسون، إم؛ دوريا-روز، إن؛ كونورز، إم؛ كوونغ، بي دي؛ رودرير، إم؛ وايت، آر تي؛ نابل، جي جيه ؛ ماسكولا، جيه آر (13 أغسطس/آب 2010). "التصميم العقلاني للغلاف يحدد الأجسام المضادة وحيدة النسيلة البشرية واسعة النطاق المعادلة لفيروس نقص المناعة البشرية من النوع الأول" . مجلة ساينس . 329 (5993): 856-861 . Bibcode : 2010Sci...329..856W . doi : 10.1126/ science.1187659 . PMC 2965066. PMID 20616233 .  
  9. ↑ "بيان صحفي: جائزة نوبل في الكيمياء 2024" . جائزة نوبل. 9 أكتوبر 2024. تم الاطلاع عليه في 31 مارس 2025 .
  10. ↑ هوكر، ب (8 نوفمبر 2012). "علم الأحياء البنيوي: مجموعة أدوات لتصميم البروتينات" . مجلة نيتشر . 491 (7423): 204-205 . Bibcode : 2012Natur.491..204H . doi : 10.1038/491204a . PMID: 23135466. S2CID : 4426247 .  
  11. 1 2 3 لوفيل، إس سي؛ وورد، جيه إم؛ ريتشاردسون، جيه إس؛ ريتشاردسون، دي سي (15 أغسطس 2000). "مكتبة الروتامر قبل الأخيرة". البروتينات . 40 (3): 389-408 . CiteSeerX 10.1.1.555.4071 . doi : 10.1002/1097-0134(20000815)40:3 < 389::AID- PROT50 > 3.0.CO ; 2-2 . PMID 10861930. S2CID 3055173 .   
  12. ↑ شابوفالوف، إم في؛ دنبراك، آر إل، الابن (8 يونيو 2011). "مكتبة روتامرات بروتينية مُنعّمة تعتمد على العمود الفقري، مُستمدة من تقديرات كثافة النواة التكيفية والانحدارات" . ستراكشر . 19 ( 6): 844-858 . doi : 10.1016/j.str.2011.03.019 . PMC 3118414. PMID 21645855 .  
  13. 1 2 ساميش، آي؛ ماكديرميد، سي إم؛ بيريز-أغويلار، جي إم؛ سافين، جي جي (2011). "التصميم النظري والحسابي للبروتينات". المراجعة السنوية للكيمياء الفيزيائية . 62 : 129-149 . Bibcode : 2011ARPC...62..129S . doi : 10.1146/annurev-physchem-032210-103509 . PMID 21128762 . 
  14. 1 2 مانديل، دي جيه؛ كورتيمي، تي (أغسطس 2009). "مرونة الهيكل الأساسي في تصميم البروتينات الحاسوبي" (ملف PDF) . الرأي الحالي في التكنولوجيا الحيوية . 20 (4): 420-428 . doi : 10.1016/j.copbio.2009.07.006 . PMID 19709874 . 
  15. 1 2 3 4 5 6 دونالد، بروس ر. (2011). الخوارزميات في علم الأحياء الجزيئي الهيكلي . كامبريدج، ماساتشوستس: مطبعة معهد ماساتشوستس للتكنولوجيا.
  16. 1 2 بواس، إف إي وهاربري، بي بي (2007). "دوال الطاقة الكامنة لتصميم البروتين". الرأي الحالي في البيولوجيا الهيكلية . 17 (2): 199-204 . doi : 10.1016/j.sbi.2007.03.006 . PMID 17387014 . 
  17. 1 2 3 4 بواس، إف إي؛ هاربري، بي بي (أبريل 2007). "دوال الطاقة الكامنة لتصميم البروتين". الرأي الحالي في البيولوجيا الهيكلية . 17 (2): 199-204 . doi : 10.1016/j.sbi.2007.03.006 . PMID 17387014 . 
  18. ↑ فيزكارا، سي إل؛ مايو، إس إل (ديسمبر 2005). "الكهروستاتيكية في تصميم البروتينات الحاسوبي". الرأي الحالي في البيولوجيا الكيميائية . 9 (6): 622-626 . doi : 10.1016/j.cbpa.2005.10.014 . PMID 16257567 . 
  19. ↑ تشو، ت؛ جورجيف، إ؛ وو، ش؛ يانغ، ز.ي؛ داي، ك؛ فينزي، أ؛ كوون، ي.د؛ شيد، ج.ف؛ شي، و؛ شو، ل؛ يانغ، ي؛ تشو، ج؛ نوسنزويغ، م.س؛ سودروسكي، ج؛ شابيرو، ل؛ نابل، ج.ج؛ ماسكولا، ج.ر؛ كوونغ، ب.د (13 أغسطس/آب 2010). "الأساس البنيوي للتحييد الواسع والفعال لفيروس نقص المناعة البشرية من النوع الأول بواسطة الجسم المضاد VRC01" . مجلة ساينس . 329 (5993): 811-817 . Bibcode : 2010Sci...329..811Z . doi : 10.1126 /science.1192819 . PMC 2981354. PMID 20616231 .  
  20. ↑ مينديز، ج؛ غيروا، ر؛ سيرانو، ل (أغسطس 2002). "تقدير الطاقة في تصميم البروتين". الرأي الحالي في البيولوجيا الهيكلية . 12 (4): 441-446 . doi : 10.1016/s0959-440x(02)00345-7 . PMID 12163065 . 
  21. ↑ بيرس، ن.أ.؛ وينفري، إ. (أكتوبر 2002). "تصميم البروتين مسألة صعبة حسابيًا" . هندسة البروتين . 15 (10): 779-82 . doi : 10.1093/protein/15.10.779 . PMID 12468711 . 
  22. 1 2 فويغت، سي. أ.؛ غوردون، دي. بي.؛ مايو، إس. إل. (9 يونيو 2000). "المفاضلة بين الدقة والسرعة: مقارنة كمية لخوارزميات البحث في تصميم تسلسل البروتين". مجلة البيولوجيا الجزيئية . 299 (3): 789-803 . CiteSeerX 10.1.1.138.2023 . doi : 10.1006/jmbi.2000.3758 . PMID 10835284 .  
  23. ↑ هونغ، إي جيه؛ ليبو، إس إم؛ تيدور، بي؛ لوزانو-بيريز، تي (سبتمبر 2009). " تحسين الروتامر لتصميم البروتين من خلال تقدير MAP وتقليل حجم المشكلة" . مجلة الكيمياء الحاسوبية . 30 (12): 1923-1945 . doi : 10.1002/jcc.21188 . PMC 3495010. PMID 19123203 .  
  24. ↑ "التعلم الآلي يكشف عن وصفة لبناء بروتينات اصطناعية" . phys.org . تم الاطلاع عليه بتاريخ 17 أغسطس 2020 .
  25. ^ روس ، ويليام ب. فيجليوزي، ماتيو؛ ستوكر، كريستيان؛ بارات شارليه، بيير؛ سوكوليتش، مايكل. كاست، بيتر. هيلفرت، دونالد. موناسون، ريمي؛ كوكو، سيمونا؛ ويجت، مارتن؛ رانجاناثان ، راما (2020). “نموذج قائم على التطور لتصميم إنزيمات الكوريزماتيموتاز”. علوم . 369 (6502): 440– 445. بيب كود : 2020Sci...369..440R . دوى : 10.1126/science.aba3304 . بميد 32703877 . S2CID 220714458 .  
  26. ↑ "علماء الأحياء يدربون الذكاء الاصطناعي لإنتاج الأدوية واللقاحات" . المركز الطبي بجامعة واشنطن - هاربورفيو.
  27. ↑ وانغ، جو؛ ليسانزا، سيدني؛ يورغنز، ديفيد؛ تيشير، دوغ؛ واتسون، جوزيف ل.؛ كاسترو، كارلا م.؛ راغوت، روبرت؛ ساراغوفي، أميجاي؛ ميلز، لوكاس ف.؛ بايك، مينكيونغ؛ أنيشينكو، إيفان؛ يانغ، وي؛ هيكس، ديريك ر.؛ إكسبوسيت، مارك؛ شليشتهايرل، توماس؛ تشون، جونغ-هو؛ دوباراس، جوستاس؛ بينيت، ناثانيال؛ ويكي، باسيل آي إم؛ مونكس، أندرو؛ ديمايو، فرانك؛ كوريا، برونو؛ أوفشينيكوف، سيرجي؛ بيكر، ديفيد (22 يوليو 2022). "بناء مواقع وظيفية للبروتين باستخدام التعلم العميق" (ملف PDF) . مجلة ساينس . 377 (6604 ) : 387– 394. Bibcode : 2022Sci...377..387W . doi : 10.1126/science.abn2100 . ISSN 0036-8075 . PMC 9621694. PMID 35862514 .   
  28. ↑ غوردون، د.ب.؛ مايو، س.ل. (15 سبتمبر 1999). "التفرع والإنهاء: خوارزمية تحسين توافقية لتصميم البروتين" . ستراكشر . 7 (9): 1089-98 . doi : 10.1016/s0969-2126(99)80176-2 . PMID 10508778 . 
  29. 1 2 ليتش، أ.ر.؛ ليمون، أ.ب. (1 نوفمبر 1998). "استكشاف الفضاء التوافقي للسلاسل الجانبية للبروتين باستخدام حذف النهايات المسدودة وخوارزمية A*". البروتينات . 33 (2): 227-39 . CiteSeerX 10.1.1.133.7986 . doi : 10.1002/(sici)1097-0134(19981101)33:2 < 227::aid-prot7 > 3.0.co ; 2- f . PMID 9779790. S2CID 12872539 .   
  30. كينغسفورد ، سي إل؛ شازيل، بي؛ سينغ، إم (1 أبريل 2005). "حل وتحليل مشاكل تحديد مواقع السلاسل الجانبية باستخدام البرمجة الخطية والبرمجة العددية الصحيحة" . المعلوماتية الحيوية . 21 (7): 1028-36 . doi : 10.1093/bioinformatics/bti144 . PMID 15546935 . 
  31. ↑ يانوفير، تشين؛ تاليا ميلتزر؛ يائير فايس (2006). "استرخاءات البرمجة الخطية وانتشار المعتقدات - دراسة تجريبية". مجلة أبحاث تعلم الآلة . 7 : 1887-1907 .
  32. ↑ واينرايت، مارتن جيه؛ تومي إس. جاكولا؛ آلان إس. ويلسكي (2005). "تقدير MAP عبر الاتفاق على الأشجار: تمرير الرسائل والبرمجة الخطية". معاملات IEEE في نظرية المعلومات . 51 (11): 3697-3717 . CiteSeerX 10.1.1.71.9565 . doi : 10.1109/tit.2005.856938 . S2CID 10007532 .  
  33. ↑ كولموغوروف، فلاديمير (28 أكتوبر 2006). "تمرير الرسائل المُعاد ترجيحها باستخدام الأشجار المتقاربة لتقليل استهلاك الطاقة". معاملات IEEE في تحليل الأنماط والذكاء الآلي . 28 (10): 1568-1583 . doi : 10.1109/TPAMI.2006.200 . PMID 16986540. S2CID 8616813 .  
  34. ↑ غلوبيرسون، أمير؛ تومي س. جاكولا (2007). "إصلاح الحد الأقصى للضرب: خوارزميات تمرير الرسائل المتقاربة لاسترخاءات MAP LP". التقدم في أنظمة معالجة المعلومات العصبية .
  35. ↑ ألين، ب.د.؛ مايو، س.ل. (30 يوليو 2006). "تحسينات جذرية في أداء خوارزمية التحسين FASTER". مجلة الكيمياء الحاسوبية . 27 (10): 1071-1075 . CiteSeerX 10.1.1.425.5418 . doi : 10.1002/jcc.20420 . PMID 16685715. S2CID 769053 .   
  36. ↑ ديسميت، ج؛ سبريت، ج؛ لاسترز، إ (1 يوليو 2002). "تحسين سريع ودقيق لبنية السلسلة الجانبية وطاقتها (FASTER) كطريقة جديدة لتحسين بنية البروتين". البروتينات . 48 ( 1): 31-43 . doi : 10.1002/prot.10131 . PMID 12012335. S2CID 21524437 .  
  37. ↑ بيكر، د. (أكتوبر 2010). " طريق مثير ولكنه مليء بالتحديات أمام تصميم الإنزيمات الحاسوبي" . علم البروتين . 19 (10): 1817-1819 . doi : 10.1002/pro.481 . PMC 2998717. PMID 20717908 .  
  38. ↑ جيانغ، لين؛ ألتوف، إريك أ.؛ كليمنتي، فرناندو ر.؛ دويل، ليندسي؛ روثليسبيرغر، دانييلا؛ زانغيليني، ألكسندر؛ غالاير، ياسمين ل.؛ بيتكر، جيمي ل.؛ تاناكا، فوجي (2008). "التصميم الحاسوبي من الصفر لإنزيمات ريترو-ألدول" . مجلة ساينس . 319 (5868): 1387-1391 . Bibcode : 2008Sci...319.1387J . doi : 10.1126/science.1152692 . PMC 3431203. PMID 18323453 .  
  39. ^ روثليسبيرجر ، دانييلا. خيرسونسكي، أولغا؛ وولاكوت، أندرو م. جيانغ، لين؛ ديشانسي، جايسون؛ بيتكر، جيمي؛ غالاهر، ياسمين ل.؛ ألتوف، إريك أ. زانغيليني ، الكسندر (2008). "محفزات إزالة كيمب عن طريق تصميم الإنزيم الحسابي" . طبيعة . 453 (7192): 190– 5. بيب كود : 2008Natur.453..190R . دوى : 10.1038 / طبيعة06879 . بميد 18354394 . 
  40. ↑ سيجل، جيه بي؛ زانجيليني، إيه؛ لوفيك، إتش إم؛ كيس، جي؛ لامبرت، إيه آر؛ سانت كلير، جيه إل؛ جالاير، جيه إل؛ هيلفرت، دي؛ جيلب، إم إتش؛ ستودارد، بي إل؛ هوك، كيه إن؛ مايكل، إف إي؛ بيكر، دي (16 يوليو 2010). "التصميم الحاسوبي لمحفز إنزيمي لتفاعل ديلز-ألدر ثنائي الجزيئات الانتقائي فراغيًا" . مجلة ساينس . 329 (5989): 309-313 . Bibcode : 2010Sci...329..309S . doi : 10.1126/science.1190239 . PMC 3241958. PMID 20647463 .  
  41. ↑ بريفيت، إتش كيه؛ كيس، جي؛ لي، تي إم؛ بلومبيرغ، آر؛ تشيكا، آر إيه؛ توماس، إل إم؛ هيلفرت، دي؛ هوك، كيه إن؛ مايو، إس إل (6 مارس 2012). "نهج تكراري لتصميم الإنزيمات الحاسوبي" . وقائع الأكاديمية الوطنية للعلوم في الولايات المتحدة الأمريكية . 109 (10): 3790-3795 . Bibcode : 2012PNAS..109.3790P . doi : 10.1073/ pnas.1118082108 . PMC 3309769. PMID 22357762 .  
  42. ↑ تشين، سي واي؛ جورجيف، آي؛ أندرسون، إيه سي؛ دونالد، بي آر (10 مارس 2009). " إعادة تصميم النشاط الإنزيمي باستخدام البنية الحاسوبية" . وقائع الأكاديمية الوطنية للعلوم في الولايات المتحدة الأمريكية . 106 (10): 3764-3769 . Bibcode : 2009PNAS..106.3764C . doi : 10.1073/pnas.0900266106 . PMC 2645347. PMID 19228942 .  
  43. ↑ كوريندوفيتش، إيفان ف. (2018). "التصميم العقلاني وشبه العقلاني للبروتين". هندسة البروتين . مناهج في البيولوجيا الجزيئية (كليفتون، نيوجيرسي). المجلد 1685. الصفحات 15-23 . doi : 10.1007/978-1-4939-7366-8_2 . ISBN   978-1-4939-7364-4ISSN 1064-3745 . PMC 5912912. PMID 29086301 .​​   
  44. 1 2 3 4 كارانيكولاس، ج؛ كولمان، ب (أغسطس 2009). "التصميم الحاسوبي للتقارب والنوعية عند واجهات البروتين-بروتين" . الرأي الحالي في البيولوجيا الهيكلية . 19 (4): 458-63 . doi : 10.1016/j.sbi.2009.07.005 . PMC 2882636. PMID 19646858 .  
  45. ↑ شويتشيت، ب.ك. (أكتوبر 2007). "لا غداء طاقة مجاني". مجلة نيتشر للتكنولوجيا الحيوية . 25 (10): 1109-1110 . doi : 10.1038/nbt1007-1109 . PMID 17921992. S2CID 5527226 .  
  46. ↑ ليبو، إس إم؛ ويتروب، كيه دي؛ تيدور، بي (أكتوبر 2007). "التصميم الحاسوبي لتحسين ألفة الأجسام المضادة بما يتجاوز النضج في الجسم الحي" . مجلة نيتشر للتكنولوجيا الحيوية . 25 (10): 1171-1176 . doi : 10.1038/nbt1336 . PMC 2803018. PMID 17891135 .  
  47. ↑ شريبر، ج؛ كيتينغ، أ. إي. (فبراير 2011). " خصوصية ارتباط البروتين مقابل التعددية" . الرأي الحالي في البيولوجيا الهيكلية . 21 (1): 50-61 . doi : 10.1016/j.sbi.2010.10.002 . PMC 3053118. PMID 21071205 .  
  48. ↑ غريغوريان، جي؛ رينكه، إيه دبليو؛ كيتينغ، إيه إي (16 أبريل 2009). "تصميم خصوصية تفاعل البروتين يُنتج ببتيدات انتقائية ترتبط بـ bZIP" . نيتشر . 458 ( 7240): 859-64 . Bibcode : 2009Natur.458..859G . doi : 10.1038/nature07885 . PMC 2748673. PMID 19370028 .  
  49. ↑ فراي، ك.م.؛ جورجيف، إ.؛ دونالد، ب.ر.؛ أندرسون، أ.س. (3 أغسطس/آب 2010). " التنبؤ بطفرات المقاومة باستخدام خوارزميات تصميم البروتين" . وقائع الأكاديمية الوطنية للعلوم في الولايات المتحدة الأمريكية . 107 (31): 13707-13712 . Bibcode : 2010PNAS..10713707F . doi : 10.1073/pnas.1002162107 . PMC 2922245. PMID 20643959 .  
  50. ↑ خوري، غ. أ.؛ فازلينيا، هـ.؛ تشين، ج. و.؛ بانتازيس، ر. ج.؛ سيرينو، ب. س.؛ ماراناس، س. د. (أكتوبر 2009). "التصميم الحاسوبي لإنزيم اختزال الزيلوز من فطر كانديدا بويديني لتغيير خصوصية العامل المساعد" . علم البروتين . 18 (10): 2125-2138 . doi : 10.1002/pro.227 . PMC 2786976. PMID 19693930 .  
  51. ↑ بيرتون، د. ر.؛ وايس، ر. أ. (13 أغسطس/آب 2010). "الإيدز/فيروس نقص المناعة البشرية: دفعة لتصميم لقاح فيروس نقص المناعة البشرية". مجلة ساينس . 329 (5993): 770-773 . رمز Bibcode : 2010Sci...329..770B . doi : 10.1126/science.1194693 . PMID 20705840. S2CID 206528638 .  
  52. ↑ جيسيكا مارشال (7 نوفمبر 2012). "بروتينات مُصنّعة حسب الطلب" . أخبار الطبيعة . تم الاطلاع عليه في 17 نوفمبر 2012 .
  53. ↑ تم تصميم بروتينات ألفا-هيربين عبر الغشاء في قاعدة بيانات OPM
  54. ↑ تم تصميم الببتيدات والبروتينات المرتبطة بالغشاء في قاعدة بيانات OPM
  55. ↑ تشودري، راتول؛ كومار، مانيش؛ ماراناس، كوستاس د.؛ غولبيك، جون هـ.؛ بيكر، كارول؛ برابهاكار، جيفان؛ غريسوود، ماثيو؛ ديكر، كارل؛ شانكلا، مانيش (10 سبتمبر 2018). "مصمم المسام لضبط انتقائية المذاب في مسام غشاء خارجي قوي وعالي النفاذية" . مجلة نيتشر كوميونيكيشنز . 9 (1): 3661. Bibcode : 2018NatCo...9.3661C . doi : 10.1038/ s41467-018-06097-1 . ISSN 2041-1723 . PMC 6131167. PMID 30202038 .   
  56. ↑ لوغر، لورين ل.؛ دوير، ماري أ.؛ سميث، جيمس ج.؛ وهيلينغا، هوم و. (2003) . "التصميم الحاسوبي لبروتينات المستقبلات والمستشعرات ذات الوظائف الجديدة". مجلة نيتشر . 423 (6936): 185-190 . Bibcode : 2003Natur.423..185L . doi : 10.1038/nature01556 . PMID 12736688. S2CID 4387641 .  
  57. ↑ جها، آر كيه؛ وو، واي آي؛ زاوستوفسكي، جيه إس؛ ماكنفين، سي؛ هان، كيه إم؛ كولمان، بي (21 أكتوبر 2011). "إعادة تصميم نطاق التثبيط الذاتي لبروتين PAK1 لتعزيز الاستقرار والتقارب في تطبيقات أجهزة الاستشعار الحيوية" . مجلة البيولوجيا الجزيئية . 413 (2): 513-522 . doi : 10.1016 / j.jmb.2011.08.022 . PMC 3202338. PMID 21888918 .  

للمزيد من القراءة