Aggregation Score

简介

该模块用于预测蛋白质结构中的聚集倾向和蛋白质溶解度，通过考虑序列和结构来预测蛋白质中易聚集的位点，这对于球状蛋白质特别有用，其中容易聚集的位点可能埋藏在天然结构内并且序列不连续。通过考虑天然氨基酸的实验聚集倾向尺度，该方法可以准确预测蛋白质聚集倾向，也可用于预测构象紊乱中家族性突变的致病作用。任何已知或预测的蛋白质结构都是适用的，它具备其他基于序列的算法未考虑的特性，例如蛋白质动态波动和蛋白质序列中距离较远的残基的空间聚类，这对于从初始折叠状态准确预测蛋白质聚集非常重要。
底层算法Aggrescan3D（A3D）旨在预测蛋白质在其折叠状态下的聚集倾向。为了实现这个目标，A3D使用蛋白质的三维结构作为输入，这些结构可以通过X射线衍射、溶液NMR或建模方法得到，并以pdb格式表示。在分析之前，这些结构会经过能量最小化处理。该方法利用了实验得出的天然氨基酸内在聚集倾向尺度，并将这个尺度应用于蛋白质的三维结构中。在A3D方法中，结构中每个特定氨基酸的内在聚集倾向会受到其特定的结构环境的调节。聚集倾向是通过以每个残基Cα碳为中心的球形区域计算得出的。这为结构中每个氨基酸提供了一个独特的经过结构修正的聚集值（A3D分数），其公式如下：

其中：Aggi是球心处残基的内在聚集倾向；RSAi是其相对于溶剂暴露的表面积；Agge是包括在球体中的每个额外残基的内在聚集倾向，RSAe是其相对于溶剂暴露的表面积，dist是到中心残基i的距离。

参数说明

Structure PDB File

蛋白质结构文件（PDB 格式）。
支持上传包含多个结构文件的压缩包进行批量处理，包括 .zip、.tar、.tar.gz、.tgz、.tar.bz2、.tbz2、.tar.xz、.txz格式

注意

• 系统默认最多处理 500 个结构。
• 如果没有已知结构，可以用结构预测模块预测。

结果说明

输出结果包括：

其中 result_A3D.csv 包括信息如下：

其中 score_statistics.csv 包括信息如下：

使用场景

场景一：针对点突变、蛋白质改造的课题（提高溶解度/防止沉淀）
以 Maximal Score为准。蛋白质的聚集往往是由一两个暴露在表面的“聚集核心（Aggregation-prone patches）”像胶水一样粘在一起引发的，即所谓的“木桶效应”。只要把最危险的突变位点通过人工设计拉下来，整个蛋白的稳定性就能大幅跃升。
场景二：需要比对野生型与突变体差异的情形
以 Average Score 或 Total Score 为准。
①如果是完全相同分子量的突变体对比，一般看Total Score。若突变体的 Total Score 比野生型更低(更负)，说明改造成功整体提升了它的溶解度。
②若是不同长度的蛋白质之间相互比较，则看 Average Score。平均分更负的蛋白在溶液中更不易发生沉淀。

参考文献

• Zambrano R, Jamroz M, Szczasiuk A, Pujols J, Kmiecik S, Ventura S. AGGRESCAN3D (A3D): server for prediction of aggregation properties of protein structures. Nucleic Acids Res. 2015 Jul 1;43(W1):W306-13.
• Aleksander Kuriata, Valentin Iglesias, Jordi Pujols, Mateusz Kurcinski, Sebastian Kmiecik, Salvador Ventura, Aggrescan3D (A3D) 2.0: prediction and engineering of protein solubility, Nucleic Acids Research, Volume 47, Issue W1, 02 July 2019, Pages W300–W307