miniatura|300px|dereita|Aliñamento estrutural de tiorredoxinas humanas e da mosca Drosophila melanogaster. As proteínas móstranse como fitas, coa proteína humana en vermello e a da mosca en amarelo. Xerado con PDB 3TRX e 1XWC.
Un aliñamento estrutural é un tipo de aliñamento de secuencias baseado na comparación da forma de moléculas. Estes aliñamentos intentan establecer equivalencias entre dúas ou máis estruturas de polímeros baseándose na súa forma e conformación tridimensional. O proceso aplícase normalmente ás estruturas terciarias das proteínas, mais tamén pode usarse para longas moléculas de ARN. A diferenza da simple superposición estrutural, onde polo menos se coñecen algúns residuos equivalentes das dúas estruturas, o aliñamento estrutural non require un coñecemento previo de posicións equivalentes. É unha valiosa ferramenta para a comparación de proteínas que teñen baixa similitude entre as súas secuencias, onde as relacións evolutivas entre proteínas non poden ser detectadas doadamente por técnicas estándares de aliñamento de secuencias. Por tanto, o aliñamento estrutural pode utilizarse para suxerir relacións evolutivas entre proteínas que comparten unha secuencia común moi curta. Porén, o uso dos resultados como evidencia dun antepasado evolutivo común debe realizarse con precaución dados os posibles efectos de confusión coa evolución converxente, segundo a cal múltiples secuencias de aminoácidos sen relación filoxenética entre eles converxen dando unha mesma estrutura terciaria.
Os aliñamentos estruturais poden comparar dúas ou múltiples secuencias. Como estes aliñamentos dependen da información sobre todas as conformacións tridimensionais das secuencias problema, o método só pode utilizarse para secuencias onde estas estruturas sexan coñecidas. Estas encóntranse normalmente por cristalografía de raios X ou espectroscopia de resonancia magnética nuclear. É posible realizar un aliñamento estrutural de estruturas producidas mediante métodos de predición de estrutura. Para a avaliación de tales predicións cómpre a miúdo facer un aliñamento estrutural entre o modelo e a estrutura real coñecida para avaliar a calidade do modelo. Os aliñamentos estruturais son especialmente útiles para analizar datos xurdidos dos campos da xenómica estrutural e a proteómica, e poden usarse como puntos de comparación para avaliar aliñamentos xerados por métodos bioinformáticos baseados exclusivamente en secuencias.Zhang Y, Skolnick J. (2005). The protein structure prediction problem could be solved using the current PDB library. Proc Natl Acad Sci USA 102(4):1029-34.
O resultado dun aliñamento estrutural é unha superposición dos conxuntos de coordenadas atómicas, e unha distancia media cadrática mínima (ou RMSD, de Root Mean Square Deviation, ou desviación da media cadrática) entre as estruturas básicas das proteínas superpostas. A RMSD de estruturas aliñadas indica as diverxencias entre elas. O aliñamento estrutural pode complicarse pola existencia de múltiples dominios proteicos no interior dunha ou máis das estruturas de entrada (input), xa que cambios na orientación relativa dos dominios entre dúas estruturas a aliñar poden esaxerar a RMSD artificialmente.
Datos producidos polo aliñamento estrutural
A información mínima producida por un aliñamento estrutural correcto é un conxunto de coordenadas tridimensionais superpostas para cada estrutura inicial. Nótese que un dos elementos de entrada pode estar fixado como referencia e que, por tanto, as súas coordenadas superpostas non cambiarán. As estruturas encaixadas poden usarse para calcular valores de RMSD mutuos, e outras medidas de similitude estrutural máis sofisticadas como o test de distancia global (GDT,Zemla A. (2003). LGA - A Method for Finding 3-D Similarities in Protein Structures. Nucleic Acids Research, 31(13):3370-3374. nas súas siglas en inglés, e que é a métrica utilizada en CASP, Critical Assessment of Techniques for Protein Structure Prediction). Un aliñamento estrutural tamén implica un aliñamento de secuencias unidimensional a partir do cal pode calcularse unha secuencia identidade, ou a porcentaxe de residuos que son idénticos entre as estruturas de entrada, como unha medida da proximidade á que se encontran ambas as secuencias.
Tipos de comparacións
Dado que as estruturas das proteínas se compoñen de aminoácidos cuxas cadeas laterais están ligadas por un esqueleto proteico común de enlaces peptídicos, pode utilizarse certo número de posibles subconxuntos dos átomos que conforman unha macromolécula de proteína para producir un aliñamento estrutural e calcular os correspondentes valores RMSD. Cando se aliñan estruturas con secuencias moi diferentes, os átomos da cadea lateral, xeralmente, non se teñen en conta, xa que as súas identidades difiren en moitos dos residuos aliñados. Por esta razón, nos métodos de aliñamento estrutural é común usar por defecto só os átomos do esqueleto incluídos no enlace peptídico. Por simplicidade e eficiencia a miúdo só se consideran as posicións do carbono alfa, xa que o enlace peptídico ten unha conformación planar mínimamente variante. Só cando as estruturas que se van aliñar son moi similares, e mesmo idénticas, é significativo aliñar posicións de átomos da cadea lateral, e nese caso a RMSD reflicte non só a conformación do esqueleto da proteína, senón tamén os estados das rotacións angulares nas cadeas laterais. Outros criterios de comparación que reducen o ruído e favorecen as coincidencias son: tomar en consideración a estrutura secundaria das proteínas, os mapas de contactos nativos ou patróns de interacción entre residuos, medidas do empaquetamento da cadea lateral, e medidas do mantemento dos enlaces de hidróxeno.Godzik A. (1996). The structural alignment of proteins: is there a unique answer? Protein Sci 5:1325-8.
Superposición estrutural
A comparación máis sinxela posible entre estruturas de proteínas non intenta aliñar as estruturas de entrada, senón que necesita un aliñamento precalculado como input para determinar que residuos da secuencia deben considerarse para o cálculo da RMSD. A superposición estrutural úsase comunmente para comparar conformacións múltiples da mesma proteína (nese caso non é necesario o aliñamento, xa que a secuencia é a mesma) e para avaliar a calidade dos aliñamentos producidos usando só información das secuencias entre dúas ou máis secuencias de estruturas coñecidas. Este método utiliza tradicionalmente un sinxelo algoritmo de axuste por mínimos cadrados, no que as rotacións e translacións óptimas encóntranse minimizando a suma dos cadrados das distancias entre todas as estruturas da superposición.Martin ACR. http://www.bioinf.org.uk/software/profit/doc/ The software package ProFit (implements McLachlan, AD (1982). Rapid Comparison of Protein Structures. Acta Cryst A38, 871-873.) Máis recentemente, os métodos bayesianos e de máxima verosimilitude incrementaron enormemente a precisión das rotacións, translacións e matrices de covarianza estimadas para a superposición.Theobald DL, Wuttke DS (2006). Empirical Bayes hierarchical models for regularizing maximum likelihood estimation in the matrix Gaussian Procrustes problem. Proceedings of the National Academy of Sciences 103(49):18521-18527. Open Access Theobald DL, Wuttke DS (2006). THESEUS: Maximum likelihood superpositioning and analysis of macromolecular structures. Bioinformatics 22(17):2171-2172. Open Access http://www.theseus3d.org/
Desenvolvéronse algoritmos baseados en rotacións multidimensionais e cuaternións modificados para identificar relacións topolóxicas entre estruturas proteicas sen a necesidade dun aliñamento predeterminado. Tales algoritmos identificaron exitosamente pregamentos canónicos tales como o feixe de catro hélices alfa.Diederichs K. (1995). Structural superposition of proteins with unknown alignment and detection of topological similarity using a six-dimensional search algorithm. Proteins 23(2):187-95. O método SuperPose é suficientemente extensible de axustar para rotacións de dominios relativos e outros problemas estruturais.Maiti R, Van Domselaar GH, Zhang H, Wishart DS. (2004). SuperPose: a simple server for sophisticated structural superposition. Nucleic Acids Res 32(Web Server issue):W590-4.
Complexidade algorítmica
Tanto o enfiado óptimo dunha secuencia dunha proteína nunha estrutura coñecidaLathrop RH. (1994). The protein threading problem with sequence amino acid interaction preferences is NP-complete. Protein Eng 7(9):1059-68. coma a xeración dun aliñamento múltiple de secuencias óptimoWang L, Jiang T. (1994) On the complexity of multiple sequence alignment. J Comput Biol 1:337-348. demostraron ser problemas NP-completos. Porén, isto non significa que o problema do aliñamento estrutural sexa NP-completo. Baseándose no argumento de que unha solución óptima verdadeira non é bioloxicamente significativa debido ao erro experimental inherente na determinación da estrutura proteica, desenvolveuse un algoritmo de tempo polinómico aproximado para o aliñamento de estruturas que produce unha familia de solucións "óptimas" dentro dun parámetro de aproximación para unha función de puntuación dada.Kolodny R, Linial N. (2004). Approximate protein structural alignment in polynomial time PNAS 101(33): 12201-12206. Non obstante, ao ser o custo computacional para unha proteína globular de n residuos de aminoácidos , o algoritmo é aínda demasiado custoso computacionalmente para que teña un uso práctico. Como consecuencia, non existen algoritmos prácticos que converxan ás soluciones globais do aliñamento dada unha función de puntuación. A maioría dos algoritmos son, por tanto, heurísticos, pero desenvolvéronse algúns que garanten a converxencia a (polo menos) maximizadores locais das funcións de puntuación, e que son prácticos.Martinez L, Andreani, R, Martinez, JM. (2007). Convergent algorithms for protein structural alignment BMC Bioinformatics 8:306.
Representación de estruturas
As estruturas das proteínas deben ser representadas nalgún espazo de coordenadas independentes para facelas comparables. Normalmente conséguese construíndo unha matriz ou serie de matrices de secuencia-a-secuencia, e que abrangan métricas comparativas en lugar de distancias absolutas relativas a un espazo de coordenadas fixas. Unha representación intuitiva é a matriz de distancias, que é unha matriz bidimensional que contén as distancias de todos os emparellamentos entre algún subconxunto dos átomos de cada estrutura (por exemplo, o carbono alfa). A matriz increméntase dimensionalmente segundo se incrementa o número de estruturas a aliñar simultaneamente. Reducindo a proteína a unha métrica máis basta, tal como elementos da súa estrutura secundaria ou fragmentos estruturais, poden tamén producirse aliñamentos prácticos, malia a perda de información ocasionada polas distancias descartadas, xa que tamén se descarta ruído.Mount DM. (2004). Bioinformatics: Sequence and Genome Analysis 2nd ed. Cold Spring Harbor Laboratory Press: Cold Spring Harbor, NY. A elección dunha representación que facilite a computación é esencial para o desenvolvemento de mecanismos de aliñamento eficientes.
Métodos
As técnicas de aliñamento estrutural utilizáronse na comparación de estruturas individuais ou conxuntos de estruturas, e na produción de bases de datos de comparacións "todos contra todos" que miden a diverxencia entre cada par de estruturas presente no Protein Data Bank (PDB). Tales bases de datos úsanse para clasificar proteínas de acordo ao seu pregamento.