Base de datos de clasificación estructural de proteínas

En la versión 1.75 de SCOP, los grupos más amplios son las clases de plegamiento de proteínas . Estas clases agrupan estructuras con una composición de estructura secundaria similar, pero con estructuras terciarias generales y orígenes evolutivos diferentes. Este es el nivel superior de la clasificación jerárquica de SCOP.

1. Todas las proteínas alfa [46456] (284): Dominios que consisten en hélices α
2. Todas las proteínas beta [48724] (174): Dominios que consisten en láminas β
3. Proteínas alfa y beta (a/b) [51349] (147): Principalmente láminas beta paralelas (unidades beta-alfa-beta)
4. Proteínas alfa y beta (a+b) [53931] (376): Principalmente láminas beta antiparalelas (regiones alfa y beta segregadas)
5. Proteínas multidominio (alfa y beta) [56572] (66): Pliegues que constan de dos o más dominios pertenecientes a diferentes clases
6. Proteínas y péptidos de membrana y superficie celular [56835] (58): No incluye proteínas del sistema inmunitario.
7. Proteínas pequeñas [56992] (90): Generalmente dominadas por ligando metálico , cofactor y/o puentes disulfuro
8. Proteínas de hélice enrollada [57942] (7): No es una clase verdadera
9. Estructuras de proteínas de baja resolución [58117] (26): Péptidos y fragmentos. No es una clase verdadera.
10. Péptidos [58231] (121): péptidos y fragmentos. No es una clase propiamente dicha.
11. Proteínas diseñadas [58788] (44): Estructuras experimentales de proteínas con secuencias esencialmente no naturales. No es una clase verdadera.

El número entre corchetes, denominado "sunid", es un identificador entero único de SCOP para cada nodo en la jerarquía SCOP. El número entre paréntesis indica cuántos elementos hay en cada categoría. Por ejemplo, hay 284 pliegues en la clase "Todas las proteínas alfa". Cada miembro de la jerarquía es un enlace al siguiente nivel de la jerarquía.

Cada clase contiene varios pliegues distintos. Este nivel de clasificación indica una estructura terciaria similar, pero no necesariamente una relación evolutiva. Por ejemplo, la clase "Proteínas totalmente α" contiene más de 280 pliegues distintos, entre los que se incluyen: tipo globina (núcleo: 6 hélices; hoja plegada, parcialmente abierta), horquilla alfa larga (2 hélices; horquilla antiparalela, giro a la izquierda) y dominios dockerina de tipo I (repetición en tándem de dos motivos de bucle-hélice de unión al calcio, distintos del dominio EF-hand).

Los dominios dentro de un pliegue se clasifican además en superfamilias . Esta es la agrupación más grande de proteínas para la cual la similitud estructural es suficiente para indicar parentesco evolutivo y, por lo tanto, comparten un ancestro común. Sin embargo, se presume que este ancestro es distante, porque los diferentes miembros de una superfamilia tienen baja identidad de secuencia . Por ejemplo, las dos superfamilias del pliegue "similar a la globina" son: la superfamilia de la globina y la superfamilia de la ferredoxina alfa-helicoidal (que contiene dos grupos Fe4-S4).

Las familias de proteínas están más estrechamente relacionadas que las superfamilias. Los dominios se colocan en la misma familia si tienen alguna de las siguientes características:

1. >30% de identidad de secuencia
2. cierta identidad de secuencia (por ejemplo, 15%) y realizar la misma función

La similitud en secuencia y estructura es evidencia de que estas proteínas tienen una relación evolutiva más cercana que las proteínas de la misma superfamilia. Las herramientas de secuenciación, como BLAST , se utilizan para ayudar a colocar dominios en superfamilias y familias. Por ejemplo, las cuatro familias en la superfamilia "similar a la globina" del pliegue "similar a la globina" son hemoglobina truncada (carece de la primera hélice), minihemoglobina del tejido nervioso (carece de la primera hélice pero por lo demás es más similar a las globinas convencionales que a las truncadas), globinas (proteína de unión al hemo) y proteínas ficobilisómicas similares a la ficocianina (oligómeros de dos tipos diferentes de subunidades similares a la globina que contienen dos hélices adicionales en el extremo N se unen a un cromóforo de bilina ). A cada familia en SCOP se le asigna una cadena de clasificación concisa, sccs , donde la letra identifica la clase a la que pertenece el dominio; Los siguientes números enteros identifican el pliegue, la superfamilia y la familia, respectivamente (por ejemplo, a.1.1.2 para la familia "Globin"). ^{[ 10 ]}

Un "TaxId" es el número de identificación taxonómica y enlaza con el navegador de taxonomías del NCBI , que proporciona más información sobre la especie a la que pertenece la proteína. Al hacer clic en una especie o isoforma, se muestra una lista de dominios. Por ejemplo, la proteína "Hemoglobina, cadena alfa del ser humano (Homo sapiens)" tiene más de 190 estructuras proteicas resueltas, como 2dn3 (en complejo con cmo) y 2dn1 (en complejo con hem, mbn y oxy). Se supone que al hacer clic en los números PDB se muestra la estructura de la molécula, pero los enlaces están rotos actualmente (los enlaces funcionan en versiones anteriores a SCOP).

Para 2009, la base de datos SCOP original clasificaba manualmente 38 000 entradas PDB en una estructura estrictamente jerárquica. Con el ritmo acelerado de las publicaciones sobre estructuras de proteínas, la limitada automatización de la clasificación no pudo mantenerse al día, lo que dio lugar a un conjunto de datos incompleto. La base de datos Structural Classification of Proteins extended (SCOPe) se publicó en 2012 con una automatización mucho mayor del mismo sistema jerárquico y es totalmente compatible con versiones anteriores de SCOP 1.75. En 2014, se reintrodujo la curación manual en SCOPe para mantener una asignación precisa de la estructura. En febrero de 2015, SCOPe 2.05 clasificaba 71 000 de las 110 000 entradas PDB totales. ^{[ 11 ]}

El prototipo SCOP2 fue una versión beta de la Clasificación Estructural de Proteínas y un sistema de clasificación que buscaba representar la complejidad evolutiva inherente a la evolución de la estructura proteica. ^{[ 12 ]} Por lo tanto, no se trata de una jerarquía simple, sino de una red gráfica acíclica dirigida que conecta superfamilias de proteínas que representan relaciones estructurales y evolutivas como permutaciones circulares , fusión de dominios y degradación de dominios. En consecuencia, los dominios no están separados por límites fijos estrictos, sino que se definen por sus relaciones con las estructuras más similares. El prototipo se utilizó para el desarrollo de la base de datos SCOP versión 2. ^{[ 7 ]} La versión 2 de SCOP, publicada en enero de 2020, contiene 5134 familias y 2485 superfamilias en comparación con las 3902 familias y 1962 superfamilias de SCOP 1.75. Los niveles de clasificación organizan más de 41 000 dominios no redundantes que representan más de 504 000 estructuras proteicas.

La base de datos Evolutionary Classification of Protein Domains (ECOD), publicada en 2014, es una expansión de SCOP versión 1.75 similar a SCOPe. A diferencia de SCOPe, compatible con esta última, renombra la jerarquía clase-pliegue-superfamilia-familia en una agrupación arquitectura-X-homología-topología-familia (A-XHTF), con el último nivel definido principalmente por Pfam y complementado por la agrupación HHsearch para secuencias no categorizadas. ^{[ 13 ]} ECOD tiene la mejor cobertura de PDB de los tres sucesores: cubre todas las estructuras de PDB y se actualiza quincenalmente. ^{[ 14 ]} El mapeo directo a Pfam ha demostrado ser útil para los curadores de Pfam que utilizan la categoría de nivel de homología para complementar su agrupación de "clanes". ^{[ 15 ]}