Base de données sur la classification structurale des protéines

La base de données SCOP (Structural Classification of Proteins) est une classification essentiellement manuelle des domaines structuraux des protéines basée sur les similitudes de leurs structures et de leurs séquences d'acides aminés . L'une des motivations de cette classification est de déterminer la relation évolutive entre les protéines. Les protéines ayant la même forme mais ayant peu de similitudes de séquence ou de fonction sont placées dans différentes superfamilles et sont supposées n'avoir qu'un ancêtre commun très éloigné. Les protéines ayant la même forme et une certaine similitude de séquence et/ou de fonction sont placées dans des « familles » et sont supposées avoir un ancêtre commun plus proche.

Similaire aux bases de données CATH et Pfam , SCOP fournit une classification des domaines structurels individuels des protéines, plutôt qu'une classification des protéines entières qui peuvent inclure un nombre important de domaines différents.

La base de données SCOP est librement accessible sur Internet. SCOP a été créée en 1994 au Centre d'ingénierie des protéines et au Laboratoire de biologie moléculaire . Elle a été gérée par Alexey G. Murzin et ses collègues au Centre d'ingénierie des protéines jusqu'à sa fermeture en 2010, puis au Laboratoire de biologie moléculaire de Cambridge, en Angleterre.

Les travaux sur SCOP 1.75 ont été interrompus en 2014. Depuis lors, l'équipe SCOPe de l'UC Berkeley est chargée de mettre à jour la base de données de manière compatible, avec une combinaison de méthodes automatisées et manuelles. En avril 2019 , la dernière version est SCOPe 2.07 (mars 2018).

La nouvelle base de données SCOP2 (Structural Classification of Proteins version 2) a été publiée début 2020. La nouvelle mise à jour comprenait un schéma de base de données amélioré, une nouvelle API et une interface Web modernisée. Il s'agissait de la mise à jour la plus importante du groupe de Cambridge depuis SCOP 1.75 et s'appuyait sur les avancées du schéma du prototype SCOP 2.

La source des structures protéiques est la Protein Data Bank . L'unité de classification de la structure dans SCOP est le domaine protéique . Ce que les auteurs de SCOP entendent par « domaine » est suggéré par leur déclaration selon laquelle les petites protéines et la plupart des protéines de taille moyenne n'ont qu'un seul domaine, et par l'observation selon laquelle l'hémoglobine humaine, qui a une structure α ₂ β ₂ , se voit attribuer deux domaines SCOP, un pour la sous-unité α et un pour la sous-unité β.

Les formes des domaines sont appelées « plis » dans SCOP. Les domaines appartenant au même pli ont les mêmes structures secondaires majeures dans le même arrangement avec les mêmes connexions topologiques. 1195 plis sont donnés dans la version SCOP 1.75. De courtes descriptions de chaque pli sont données. Par exemple, le pli « de type globine » est décrit comme suit : noyau : 6 hélices ; feuille pliée, partiellement ouverte . Le pli auquel appartient un domaine est déterminé par inspection, plutôt que par logiciel.

Les niveaux de la version SCOP 1.75 sont les suivants.

1. Classe : Types de plis, par exemple, feuillets bêta.
2. Plier : Les différentes formes de domaines au sein d'une classe.
3. Superfamille : Les domaines d'un pli sont regroupés en superfamilles, qui ont au moins un ancêtre commun éloigné.
4. Famille : Les domaines d'une superfamille sont regroupés en familles, qui ont un ancêtre commun plus récent.
5. Domaine protéique : Les domaines des familles sont regroupés en domaines protéiques, qui sont essentiellement la même protéine.
6. Espèce : Les domaines dans « domaines protéiques » sont regroupés selon les espèces.
7. Domaine : partie d'une protéine. Pour les protéines simples, il peut s'agir de la protéine entière.

Les groupes les plus larges de la version SCOP 1.75 sont les classes de replis protéiques . Ces classes regroupent des structures ayant une composition de structure secondaire similaire, mais des structures tertiaires globales et des origines évolutives différentes. Il s'agit de la « racine » de niveau supérieur de la classification hiérarchique SCOP.

1. Toutes les protéines alpha [46456] (284) : domaines constitués d' hélices α
2. Toutes les protéines bêta [48724] (174) : domaines constitués de feuillets β
3. Protéines alpha et bêta (a/b) [51349] (147) : Principalement des feuillets bêta parallèles (unités bêta-alpha-bêta)
4. Protéines alpha et bêta (a+b) [53931] (376) : Principalement des feuillets bêta antiparallèles (régions alpha et bêta séparées)
5. Protéines multi-domaines (alpha et bêta) [56572] (66) : replis constitués de deux ou plusieurs domaines appartenant à des classes différentes
6. protéines et peptides de la membrane et de la surface cellulaire [56835] (58) : N'inclut pas les protéines du système immunitaire
7. Petites protéines [56992] (90) : Généralement dominées par un ligand métallique , un cofacteur et/ou des ponts disulfures
8. protéines spiralées [57942] (7) : pas une vraie classe
9. Structures protéiques à faible résolution [58117] (26) : Peptides et fragments. Pas une vraie classe
10. Peptides [58231] (121) : peptides et fragments. Pas une vraie classe.
11. Protéines conçues [58788] (44) : structures expérimentales de protéines avec des séquences essentiellement non naturelles. Pas une vraie classe

Le nombre entre parenthèses, appelé « sunid », est un identifiant entier unique S COP pour chaque nœud de la hiérarchie SCOP. Le nombre entre parenthèses indique le nombre d'éléments dans chaque catégorie. Par exemple, il y a 284 replis dans la classe « Toutes les protéines alpha ». Chaque membre de la hiérarchie est un lien vers le niveau suivant de la hiérarchie.

Chaque classe contient un certain nombre de replis distincts. Ce niveau de classification indique une structure tertiaire similaire, mais pas nécessairement une parenté évolutive. Par exemple, la classe des « protéines All-α » contient plus de 280 replis distincts, dont : des domaines de type globine (noyau : 6 hélices ; feuille pliée, partiellement ouverte), des domaines en épingle à cheveux alpha longue (2 hélices ; épingle à cheveux antiparallèle, torsion vers la gauche) et des domaines de type I dockerine (répétition en tandem de deux motifs en boucle-hélice de liaison au calcium, distincts de la main EF).

Les domaines d'un pli sont ensuite classés en superfamilles . Il s'agit du plus grand groupe de protéines pour lesquelles la similarité structurelle est suffisante pour indiquer une parenté évolutive et donc partager un ancêtre commun. Cependant, cet ancêtre est présumé distant, car les différents membres d'une superfamille ont de faibles identités de séquence . Par exemple, les deux superfamilles du pli « de type globine » sont : la superfamille des globines et la superfamille des ferredoxines alpha-hélicoïdales (contient deux clusters Fe4-S4).

Les familles de protéines sont plus étroitement liées que les superfamilles. Les domaines sont placés dans la même famille s'ils présentent l'une des caractéristiques suivantes :

1. >30% d'identité de séquence
2. une certaine identité de séquence (par exemple, 15 %) et remplissent la même fonction

La similarité de séquence et de structure est la preuve que ces protéines ont une relation évolutive plus étroite que les protéines de la même superfamille. Des outils de séquençage, tels que BLAST , sont utilisés pour aider à placer les domaines dans des superfamilles et des familles. Par exemple, les quatre familles de la superfamille « de type globine » du repli « de type globine » sont l'hémoglobine tronquée (sans première hélice), la mini-hémoglobine du tissu nerveux (sans première hélice mais autrement plus semblable aux globines conventionnelles que les tronquées), les globines (protéine de liaison à l'hémoglobine) et les protéines phycobilisomes de type phycocyanine (oligomères de deux types différents de sous-unités de type globine contenant deux hélices supplémentaires à l' extrémité N-terminale se liant à un chromophore de biline ). Les familles dans SCOP se voient chacune attribuer une chaîne de classification concise, sccs , où la lettre identifie la classe à laquelle appartient le domaine ; les entiers suivants identifient respectivement le pli, la superfamille et la famille (par exemple, a.1.1.2 pour la famille « Globin »).

Un « TaxId » est le numéro d'identification de la taxonomie et renvoie au navigateur de taxonomie NCBI , qui fournit plus d'informations sur l'espèce à laquelle appartient la protéine. Cliquer sur une espèce ou une isoforme fait apparaître une liste de domaines. Par exemple, la protéine « Hémoglobine, chaîne alpha de l'homme (Homo sapiens) » a >190 structures protéiques résolues, telles que 2dn3 (complexée avec cmo) et 2dn1 (complexée avec hem, mbn, oxy). Cliquer sur les numéros PDB est censé afficher la structure de la molécule, mais les liens sont actuellement rompus (les liens fonctionnent dans la version pré-SCOP).

La plupart des pages de SCOP contiennent une boîte de recherche. La saisie de « trypsine + humaine » permet de récupérer plusieurs protéines, notamment la protéine trypsinogène humaine. La sélection de cette entrée affiche une page comprenant la « lignée », qui se trouve en haut de la plupart des pages SCOP.

Lignée du trypsonogène humain

1. Racine : scop
2. Classe : Toutes les protéines bêta [48724]
3. Pli : Protéases à sérine de type trypsine [50493]

   tonneau, fermé ; n=6, S=8 ; clé grecque

   duplication : se compose de deux domaines du même pli

4. Superfamille : Protéases à sérine de type trypsine [50494]
5. Famille : Protéases eucaryotes [50514]
6. Protéine : Trypsine (ogène) [50515]
7. Espèce : Humain (Homo sapiens) [TaxId: 9606] [50519]

La recherche de « Subtilisine » renvoie la protéine « Subtilisine de Bacillus subtilis, carlsberg », avec la lignée suivante.

Subtilisine de Bacillus subtilis, lignée Carlsberg

1. Racine : scop
2. Classe : Protéines alpha et bêta (a/b) [51349]

   Principalement des feuillets bêta parallèles (unités bêta-alpha-bêta)

3. Pli : de type subtilisine [52742]

   3 couches : a/b/a, feuillet bêta parallèle de 7 brins, ordre 2314567 ; connexion croisée gauche entre les brins 2 et 3

4. Superfamille : Subtilisine-like [52743]
5. Famille : Subtilases [52744]
6. Protéine : Subtilisine [52745]
7. Espèce : Bacillus subtilis, Carlsberg [TaxId: 1423] [52746]

Bien que ces deux protéines soient des protéases, elles n'appartiennent même pas au même groupe, ce qui est cohérent avec le fait qu'elles soient un exemple d' évolution convergente .

La classification SCOP repose davantage sur des décisions manuelles que la classification semi-automatique de CATH , sa principale rivale. L'expertise humaine est utilisée pour décider si certaines protéines sont liées par l'évolution et doivent donc être assignées à la même superfamille , ou si leur similarité est le résultat de contraintes structurelles et donc elles appartiennent au même groupe . Une autre base de données, FSSP , est générée de manière purement automatique (y compris des mises à jour automatiques régulières) mais n'offre aucune classification, permettant à l'utilisateur de tirer ses propres conclusions quant à l'importance des relations structurelles en se basant sur les comparaisons par paires de structures protéiques individuelles.

En 2009, la base de données SCOP originale classait manuellement 38 000 entrées PDB dans une structure strictement hiérarchique. Avec le rythme accéléré des publications sur la structure des protéines, l'automatisation limitée de la classification n'a pas pu suivre, ce qui a conduit à un ensemble de données non exhaustif. La base de données étendue SCOPe (Structural Classification of Proteins extended) a été publiée en 2012 avec une automatisation beaucoup plus poussée du même système hiérarchique et est entièrement rétrocompatible avec la version 1.75 de SCOP. En 2014, la conservation manuelle a été réintroduite dans SCOPe pour maintenir une attribution de structure précise. En février 2015, SCOPe 2.05 a classé 71 000 des 110 000 entrées PDB au total.

Le prototype SCOP2 était une version bêta de la classification structurale des protéines et du système de classification qui visait à mieux comprendre la complexité évolutive inhérente à l'évolution de la structure des protéines. Il ne s'agit donc pas d'une simple hiérarchie, mais d'un réseau de graphes acycliques dirigés reliant des superfamilles de protéines représentant des relations structurelles et évolutives telles que les permutations circulaires , la fusion de domaines et la dégradation de domaines. Par conséquent, les domaines ne sont pas séparés par des limites fixes strictes, mais sont plutôt définis par leurs relations avec les autres structures les plus similaires. Le prototype a été utilisé pour le développement de la base de données SCOP version 2. La ​​version 2 de SCOP, sortie en janvier 2020, contient 5134 familles et 2485 superfamilles contre 3902 familles et 1962 superfamilles dans SCOP 1.75. Les niveaux de classification organisent plus de 41 000 domaines non redondants qui représentent plus de 504 000 structures protéiques.

La base de données de classification évolutive des domaines protéiques (ECOD) publiée en 2014 est une extension similaire à SCOPe de la version 1.75 de SCOP. Contrairement à la SCOPe compatible, elle renomme la hiérarchie classe-pli-superfamille-famille en un groupement architecture-X-homologie-topologie-famille (A-XHTF), le dernier niveau étant principalement défini par Pfam et complété par le clustering HHsearch pour les séquences non catégorisées. ECOD a la meilleure couverture PDB des trois successeurs : elle couvre toutes les structures PDB et est mise à jour toutes les deux semaines. Le mappage direct vers Pfam s'est avéré utile aux conservateurs Pfam qui utilisent la catégorie de niveau d'homologie pour compléter leur groupement « clan ».