معلومة

هل هناك فرق بين القطبية والكارهة للماء؟

هل هناك فرق بين القطبية والكارهة للماء؟


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

من الأدبيات ، يبدو أن المصطلحين قابلين للتبادل عند مناقشة مجالات البروتين والزخارف. لكن من الناحية الكيميائية الحيوية ، ما هي الاختلافات المحددة بين هذين المصطلحين؟

على سبيل المثال ما هو الفرق في هذه الجمل:

  1. تحتوي نوى البروتينات الكروية بشكل عام على مناطق كارهة للماء بينما يحتوي السطح على بقايا خارجية محبة للماء.

  2. بشكل عام ، تحتوي نوى البروتين الكروية على مناطق غير قطبية بينما يحتوي السطح على بقايا خارجية قطبية.


الكراهية للماء تعني النفور من الماء الذي ينتج عن زيادة الانتروبيا في النظام بسبب تفاعل الماء "المذاب".

كما سبق أن أشرنا في inf3rno ، فإن قطبية الجزيء ترجع إلى عزمه الصافي ثنائي القطب. صحيح أن الجزيئات القطبية يمكن أن تذوب في الماء (لأنها يمكن أن تتفاعل مع الماء عبر قوى فان دير فالس وخاصة قوى كيسوم وديباي).

كو2 هو أبولار ولكنه يذوب في الماء (يتفاعل مع الماء في الواقع). لا يمكن أن تتفاعل معظم المواد القطبية مع الماء عبر قوى فان دير فال.

خلاصة القول ، عادة ما تكون المواد القطبية غير كارهة للماء (أي أنها محبة للماء) ، ولكن بعض الجزيئات القطبية مثل النتريل والكيتونات والإسترات يمكن أن تكون محايدة مائيًا (في منتصف المسافة بين كارهة للماء ومحبة للماء. انظر هنا). حتى الجزيئات القطبية الكبيرة غير قابلة للذوبان في الماء مثل 1،2 ثنائي كلورو بنزين ونيتروبنزين (لكي يكون الشيء قابلاً للذوبان ، يجب أن تكون تفاعلات المذيب المذاب أقوى من التفاعلات المذابة. "غير قابلة للذوبان في الماء" قد لا تكون مكافئة لـ "مسعور").

على العكس من ذلك ، فإن المواد القطبية كارهة للماء (ما لم تكن مواد مذابة تفاعلية مثل Cl2 وشارك2).


الماء يعني الانجذاب إلى الماء ، في حين أن القطبية تعني أن للجزيء قطب (أعمدة) كهربائي.

الجزيء المحب للماء أو جزء من الجزيء هو الذي يميل إلى التفاعل مع الماء والمواد القطبية الأخرى أو إذابته.

  • ويكيبيديا - ماء

يحتوي الجزيء القطبي على صافٍ ثنائي القطب نتيجة للشحنات المتعارضة (أي وجود شحنة جزئية موجبة وسالبة جزئية) من روابط قطبية مرتبة بشكل غير متماثل.

يمكن أن تقع الروابط بين أحد طرفي نقيض - كونها غير قطبية تمامًا أو قطبية تمامًا. تحدث الرابطة غير القطبية تمامًا عندما تكون الكهربية متطابقة وبالتالي تمتلك فرقًا قدره صفر. تسمى الرابطة القطبية تمامًا الرابطة الأيونية وتحدث عندما يكون الفرق بين الكهرسلبية كبيرًا بما يكفي بحيث تأخذ ذرة واحدة إلكترونًا من الأخرى. عادةً ما يتم تطبيق المصطلحين "قطبي" و "غير قطبي" على الروابط التساهمية ، أي الروابط التي لا تكتمل فيها القطبية. لتحديد قطبية الرابطة التساهمية باستخدام الوسائل العددية ، يتم أخذ الفرق بين كهرسلبية الذرات. على مقياس بولينج ، إذا كانت النتيجة أقل من 0.4 ، فإن الرابطة تكون بشكل عام غير قطبية تساهمية. إذا كانت النتيجة بين 0.4 و 1.7 ، تكون الرابطة تساهمية قطبية بشكل عام. إذا كانت النتيجة أكبر من 1.7 ، تعتبر الرابطة عمومًا أيونية.

  • ويكيبيديا - قطبية كيميائية

الماء قطبي. لأن الأكسجين (3.5) أكثر كهرسلبية من الهيدروجين (2.2) والفرق (1.3) بين 0.4 1.7. لذا فإن الأكسجين له شحنة سالبة طفيفة ، بينما للهيدروجين شحنة موجبة طفيفة في الماء.

الجزيئات القطبية هي ماء. على سبيل المثال NH3، EtOH ، إلخ ... جزيئات Apolar (أو غير القطبية) عادةً ما تكون مائي ، ولكن يمكن أن تكون هناك استثناءات ، على سبيل المثال Cl2 هو Apolar ، ولكنه أكثر قابلية للذوبان في الماء من CO أو CO2، بسبب تفاعل كيميائي (Cl2 + ح2O → HOCl + HCl). تحتوي الكحولات على المجموعة القطبية-أوه. الكحولات قصيرة السلسلة قابلة للذوبان في الماء وبالتالي قابلة للذوبان في الماء ، في حين أن الكحولات طويلة السلسلة أقل قابلية للذوبان في الماء ، فهي كارهة للماء ، لأن معظم الجزيء يحتوي على روابط قطبية. الجزيئات ذات الروابط الأيونية ، مثل كلوريد الصوديوم ، محبة للماء ، ولكنها ليست بالضرورة قابلة للذوبان في الماء (على سبيل المثال ، AgCl قليل الذوبان في الماء). لذلك أعتقد أن المحبة للماء والقطبية ليسا مرادفين. ومع ذلك ، هذه ليست سوى استثناءات ، فإن معظم المركبات المحبة للماء قطبية ومعظم المركبات الكارهة للماء هي قطبية.

بقايا الأحماض الأمينية (والسلاسل الجانبية) ليست استثناءات ، لذلك في حالة هذه المصطلحات تعتبر مرادفات (على الأقل من خلال 20 حمض أميني شائع بالتأكيد).

يأتي نموذج طي البروتين HP (مسعور-قطبي) من مقال الشبت. يتحدث في الغالب عن مخلفات الذوبان ومحلول الذوبان. في سياق استخدام المياه ، تستخدم مصطلحات الأحماض الأمينية الكارهة للماء والقطبية والمشحونة. قد يكون هذا النوع من تصنيف الأحماض الأمينية أقدم ، لكن (أفترض) لم يكن مهمًا جدًا قبل طراز HP.

مذيب لوسط يتكون من بقايا نقية مذيبة للذوبان. لمعالجة البروتينات القابلة للذوبان في الماء ، يصف - (q - 2) g بالتالي نقل المخلفات الكارهة للماء من الماء إلى بيئة كارهة للماء ؛ لمعالجة بروتينات الغشاء ، - (q - 2) g يميز نقل قيم الدقة القطبية أو المشحونة من وسط قطبي إلى بيئة قطبية.

  • 1985 - نظرية طي واستقرار البروتينات الكروية

وفقا لمقال ديل يمكن أن تكون بقايا

  • مشحونة (1 مرة)
  • قطبي (مرتين)
  • محبة للماء (0 مرات)
  • solvophilic (8 مرات)
  • أبولار (0 مرة)
  • غير قطبي (0 مرة)
  • غير قابل للذوبان في الماء (مرة واحدة)
  • كاره للماء (3 مرات)
  • solvophobic (23 مرة)

راجعت موقع جوجل إما:

  • متصفح الجوجل"* بقايا الأحماض الأمينية"بحث

    • الأيونية 7
    • اتهم 104000
    • قطبي 42000
    • محبة للماء 917000
    • أبولار 101000
    • غير قطبية 326000
    • غير قطبي 44000
    • مسعور 111000
  • متصفح الجوجلبروتين "* بقايا"بحث

    • الأيونية 2110
    • اتهم 120000
    • قطبي 53000
    • ماء 33000
    • أبولار 4690
    • غير قطبية 15600
    • غير قطبي 284000
    • مسعور 148000

لذلك يتم استخدام كل الكلمات المحبة للماء ، كارهة للماء ، غير القطبية ، القطبية ، المشحونة بشكل متكرر. لقد راجعت بعض الكتب والمقالات ، بعضها يستخدم تصنيف "كاره للماء-قطبي-مشحون +/-" (تمامًا مثل الشبت) والذي يبدو أنه أقدم من تصنيف "غير قطبي - قطبي (محايد ، حمضي ، قلوي)" في تصنيفات أخرى مقالات.

الآن السؤال لا يزال قائما.

على سبيل المثال ما هو الفرق في هذه الجمل:

  1. تحتوي نوى البروتينات الكروية بشكل عام على مناطق كارهة للماء بينما يحتوي السطح على بقايا خارجية محبة للماء.

  2. بشكل عام ، تحتوي نوى البروتين الكروية على مناطق غير قطبية بينما يحتوي السطح على بقايا خارجية قطبية.

لا أعتقد أن هناك أي فرق بين معنى هاتين الجملتين.

أعتقد أن السؤال الأكثر إثارة للاهتمام هو ما هي الأحماض الأمينية في أي مجموعات. راجعت بعض مقاييس مقاومة الماء.

  • الشكل 1 - ملخص مقياس الكراهية للماء

    • كره الماء من الأحماض الأمينية لـ Kyte - Doolittle (kd) ، Wimley - White (ww) ، Hessa - Heijne (hh)
    • مؤشر كره الماء للأحماض الأمينية المشتركة للمؤشرين
    • tutorvista - الأحماض الأمينية لقيم pI (يمكن استخدام pI لتصفية القيم المشحونة)

يبدو أنه بعيد عن الوضوح. كما ذكرت من قبل ، فهو طيف مستمر ويصعب إنشاء مجموعات. كان من المثير للاهتمام أن Trp (وهو شديد القطبية) لديه أرقام سلبية على مقياسين (ربما لم تكن البيانات موثوقة). ما يمكنك أن تقوله ، أي الأحماض الأمينية هي بالتأكيد قطبية (ماء) وأيها قطبي قطبي (كاره للماء). بناءً على هذه المعلومات ، يمكنك معرفة البقايا التي ستكون في قلب قطبي (بقايا كارهة للماء) وأيها ستكون على السطح الخارجي القطبي (بقايا كارهة للماء) والتي ستنشئ روابط هيدروجينية أساسية (بقايا قطبية) وربما جسور ملحية (قطبية ، المخلفات المشحونة). أوقيانوسيا. كل هذه يمكن أن تعتمد بشكل أو بآخر على الرقم الهيدروجيني ...


مسعور ومحبة للماء

القوى الكارهة للماء والقوى المحبة للماء هي تفاعلات تعمل على إبقاء المجموعات الكيميائية في موقع قريب من بعضها البعض. مثل هذه الجمعيات حيوية لهيكل مكونات الكائنات الدقيقة .

تنشأ التفاعلات الكارهة للماء ("كره الماء") بسبب الطبيعة غير المشحونة للمجموعات الكيميائية المعنية. مثال على هذه المجموعة الكيميائية هو CH3. جميع الروابط حول ذرة الكربون مشغولة. توصف المجموعة الكيميائية بأنها غير قطبية. وبالتالي ، فإن جزيء الماء & # x2014 جزيء قطبي & # x2014 غير قادر على إنشاء ارتباط مع المجموعة الكيميائية غير القطبية. يؤدي هذا إلى خلق عدم استقرار في شبكة جزيئات الماء ، وبالتالي فهو غير مرغوب فيه. تعمل القوة الطاردة لجزيئات الماء المحيطة على إجبار المناطق الكارهة للماء على الارتباط بمناطق مماثلة. يميل التأثير إلى تكوين "جيب" أو "غلاف" كاره للماء في بروتين أو جزيء كربوهيدرات أو مصفوفة.

التفاعلات المائية (المحبة للماء) ممكنة مع المجموعة الكيميائية القطبية. الماء قطبي لأن الأكسجين أكثر كهرسلبية بكثير من الهيدروجين ، وبالتالي فإن الإلكترونات المشاركة في رابطة الأكسجين والهيدروجين تقضي وقتًا أطول بالقرب من ذرة الأكسجين. بسبب هذا غير المتكافئ مشاركة الإلكترون ، تأخذ ذرة الأكسجين شحنة سالبة جزئية وذرة الهيدروجين شحنة موجبة جزئية. بالإضافة إلى ذلك ، لا يمكن للروابط في جزيء الماء (الموجه عند 105 & # xB0 في شكل جزيئي "منحني") إلغاء بعضها البعض يمكن للمجموعات القطبية الأخرى تكوين روابط أيونية مع الماء ، وعادة ما تكون مناطق البروتينات والمواد البيولوجية الأخرى المعرضة للبيئة محبة للماء.

يمكن أن تؤثر التفاعلات الكارهة للماء والماء على شكل البروتين. بسبب الطبيعة القطبية أو غير القطبية لمكونات بناء الأحماض الأمينية ، وكذلك في مكونات الكربوهيدرات والدهون للكائنات الدقيقة ، يمكن للجزيئات وأحيانًا الكائنات الدقيقة الكاملة أن تتخذ أشكالًا وتوجهات تعتمد على البيئة داخل الخلايا أو خارج الخلية.

إن ميل المناطق الكارهة للماء لبروتين جزيء دهني للارتباط بعيدًا عن الماء هو القوة الدافعة الرئيسية في طي البروتينات في تكوين أبعادها. علاوة على ذلك ، فإن تكوين الأغشية البيولوجية سيكون صعبًا للغاية في غياب التفاعلات الكارهة للماء والماء. تعرف الجزيئات البيولوجية باسم الفسفوليبيد لها منطقة "رأس" محبة للماء و "ذيل" غير قطبي كاره للماء. تتسبب هذه القوى في تجمع جزيئات الفسفوليبيد معًا بحيث يتم توجيه الرؤوس القطبية نحو الماء ويتم دفن ذيول كارهة للماء بداخلها. التأثير هو إنشاء غشاء تلقائيًا. يعمل إدخال البروتينات المتخصصة وظيفيًا في ما يسمى بالطبقة الثنائية الفسفوليبيدية على تكوين غشاء بيولوجي شديد التعقيد.

أنظر أيضا الأغشية البكتيرية وجدار الخلية تقنيات التحليل البيوكيميائي الكيمياء الحيوية نقل غشاء الخلية سيولة الغشاء


  • الاختلاف في الكهربية بين ذرات الأكسجين والهيدروجين يخلق شحنة جزئية سالبة وموجبة ، على التوالي ، على الذرات.
  • تجذب جزيئات الماء الجزيئات القطبية الأخرى أو تنجذب إليها.
  • تُعرف الجزيئات التي لا تذوب في الماء بالجزيئات الكارهة للماء (خوف الماء).
  • محبة للماء: ذات صلة بالمياه القادرة على الامتصاص ، أو المبللة بالماء
  • نافرة من الماء: يفتقر إلى الانجذاب للماء غير القادر على الامتصاص أو أن يبلل بالماء
  • قطبية: القوى بين الجزيئات بين النهاية الموجبة قليلاً لجزيء واحد إلى الطرف السلبي لجزيء آخر أو نفس الجزيء.

من أهم خصائص الماء و rsquos أنه يتكون من جزيئات قطبية. ذرتا الهيدروجين وذرة أكسجين واحدة داخل جزيئات الماء (H2س) تشكل روابط تساهمية قطبية. على الرغم من عدم وجود شحنة صافية لجزيء الماء ، فإن قطبية الماء تخلق شحنة موجبة قليلاً على الهيدروجين وشحنة سالبة قليلاً على الأكسجين ، مما يساهم في الماء وخصائص التجاذب. يتم إنشاء شحنات الماء و rsquos لأن الأكسجين أكثر كهرسلبية ، أو محبًا للإلكترون ، من الهيدروجين. وبالتالي ، فمن المرجح أن يتم العثور على إلكترون مشترك بالقرب من نواة الأكسجين أكثر من نواة الهيدروجين. نظرًا لأن الماء جزيء غير خطي أو منحني ، فإن الاختلاف في الكهربية بين ذرات الأكسجين والهيدروجين يولد شحنة سالبة جزئية بالقرب من الأكسجين وشحنات موجبة جزئية بالقرب من كلا الهيدروجين.

الشكل ( PageIndex <1> ): جزيئات غير قطبية: الزيت والماء لا يختلطان. كما تظهر هذه الصورة الكلية للزيت والماء ، لا يذوب الزيت في الماء ولكنه يشكل قطرات بدلاً من ذلك. هذا بسبب كونه مركب غير قطبي.

نتيجة لقطبية الماء و rsquos ، يجذب كل جزيء ماء جزيئات الماء الأخرى بسبب الشحنات المعاكسة بينهما ، مما يؤدي إلى تكوين روابط هيدروجينية. يجذب الماء أيضًا الجزيئات والأيونات القطبية الأخرى أو ينجذب إليها ، بما في ذلك العديد من الجزيئات الحيوية ، مثل السكريات والأحماض النووية وبعض الأحماض الأمينية. يشار إلى المادة القطبية التي تتفاعل بسهولة مع الماء أو تذوب فيه بأنها محبة للماء (hydro- = & ldquowater & rdquo -philic = & ldquoloving & rdquo). في المقابل ، لا تتفاعل الجزيئات غير القطبية ، مثل الزيوت والدهون ، بشكل جيد مع الماء ، كما هو موضح في. تنفصل هذه الجزيئات عنه بدلاً من أن تذوب فيه ، كما نرى في تتبيلات السلطة المحتوية على الزيت والخل (محلول مائي حمضي) . تسمى هذه المركبات غير القطبية كارهة للماء (hydro- = & ldquowater & rdquo -phobic = & ldquofearing & rdquo).

روابط هيدروجينية: يوضح هذا التفاعلي تفاعل الروابط الهيدروجينية بين جزيئات الماء.


تقييم نتائج التعلم

في المستوى الأساسي ، يكون هذا المنهج ناجحًا ، كما يتضح من الدرجات العالية التي يكسبها الطلاب من عملهم في هذا المختبر: من أصل 30 نقطة ممكنة ، كان المتوسط ​​25.3 (ن = 205). بالإضافة إلى ذلك ، أظهرت سجلات الخادم من المجموعات التي تقوم بإجراء هذا المختبر أن معظم المجموعات أنشأت سلسلة من الهياكل التي اتبعت المسار المقصود للمختبر (البيانات غير معروضة). ومن المثير للاهتمام أن هذه السجلات توضح أن مجموعات مختلفة من الطلاب قد حلوا المشكلات باستخدام استراتيجيات مختلفة. يوضح الجدول الأول مثالًا واحدًا على ذلك ، حيث يعرض التسلسل الزمني للهياكل التي ابتكرتها مجموعتان مختلفتان أثناء قيامهما بحل الجزء الأول من المشكلة 4.

توضح التسلسلات الواردة في الجدول الأول أنه على الرغم من أن كلتا المجموعتين اتبعتا مسارات مختلفة ، إلا أنهما حلا المشكلة بشكل صحيح. طلبت المشكلة 4 من الطلاب إضافة مجموعة محبة للماء (في هذه الحالة ، -OH) إلى بنية أساسية ثم تحديد عدد الكربون الكاردي للماء الذي سيكون مطلوبًا لتحقيق التوازن بين مساهمة -OH واستعادة قيمة logP الأصلية. بدأت المجموعة 1 مع السيكلوبوتان. أضافوا -OH ثم وجدوا أن ثلاثة ذرات كربون غير كافية ، لذلك أضافوا ثلاثة أخرى ، متجاوزين قيمة logP المرغوبة. ثم قاموا بسرعة بإزالة الكربون الإضافي واحدًا تلو الآخر حتى يحصلوا على تسجيل الدخول المطلوب. بدأت المجموعة 2 بهيكل خطي ، الإيثان ، وعملت بشكل أبطأ ، مضيفة الكربون واحدًا تلو الآخر حتى يكون لديهم logP المطلوب. على الرغم من أن المجموعتين اتبعتا مسارات مختلفة ، فقد وجدا نفس الإجابة: يلزم ما يقرب من أربعة ذرات كربون للتغلب على المساهمة المحبة للماء لمجموعة واحدة أوه (المفهوم 4). أظهرت مجموعات أخرى مجموعة متنوعة من الاستراتيجيات المختلفة لحل كل مشكلة في المختبر.

غير ذي صلة: رد غير ذي صلة

الذرات: ذرات محددة حسب اسم العنصر ("الأكسجين" ، "ذرة C ،" إلخ.)

المسؤول: الشحنة المذكورة ("+" ، "-" ، "أيون" ، "المسؤول")

روابط H: روابط الهيدروجين المذكورة

تم تسجيل جميع الاستطلاعات بشكل مستقل من قبل اثنين من المحققين تم تحديد الموثوقية بين المقيمين باستخدام Cohen's Kappa [9]. في جميع الحالات ، كان Kappa أكبر من القيمة المقبولة عادة وهي 0.7.

تم إجراء المسح باستخدام بروتوكول تعليمات قبل / بعد تعديل استخدمناه في دراسات أخرى [8]. أعاد الطلاب (169 إجمالاً: 82٪ من 205 طالب في الفصل) استبيان ما قبل التدريس مباشرة بعد المحاضرات الثلاثة الأولى في الكيمياء ، وغطت هذه المحاضرات التركيب الذري والترابط التساهمي. بعد محاضرات حول الترابط غير التساهمي ، ما يقرب من نصف الطلاب (ن = 80) الانتهاء من المسح اللاحق في بداية مختبر الخصائص الكيميائية. كانت هذه المجموعة قد تعرضت فقط للمحاضرات وتسمى مجموعة "المحاضرات فقط". النصف الآخر من الفصل (ن = 89) الانتهاء من المسح اللاحق في نهاية معمل الخصائص الكيميائية. هذه المجموعة قد اختبرت محاضرة ومختبر تسمى مجموعة "المحاضرة والمختبر". تم تخصيص أقسام المختبر الفردية بشكل عشوائي لأي من المجموعتين بحيث يقوم كل مساعد تدريس بتدريس قسم "محاضرة فقط" وقسم "محاضرة ومختبر" واحد. تم رسم هذا البروتوكول في الشكل 1

يوضح الشكل 2 نتائج تسجيل المسوحات لجميع المجموعات الأربع ، حيث يتم تظليل الأعمدة في هذا الشكل لتتناسب مع الأشرطة المقابلة في الشكل 1. يسمح بروتوكول إدارة المسح الخاص بنا بالعديد من المقارنات ذات الصلة بين هذه المجموعات. أولاً ، نظرًا لأن مجموعتي ما قبل التعليم ("ما قبل المحاضرة" و "ما قبل المحاضرة والمختبر") هي عينات عشوائية من مجتمع الطلاب تم أخذها في نفس الوقت ، فلا ينبغي أن تختلف درجاتهم بشكل كبير. ثبت أن هذا صحيح ، باستخدام اختبار χ 2 ، لجميع الفئات المعروضة.

تظهر الفروق بين مجموعتي "ما قبل المحاضرة" و "ما بعد المحاضرة" تأثير المحاضرات في حد ذاتها (اختبار ماكنيمار للأهمية ص & lt 0.05 بعلامة النجمة). بناءً على ذلك ، زادت النسبة المئوية للطلاب الذين تمكنوا من التعرف على الهيدروفوبيك من الهيكلين (الجزء أ) وإنشاء تفسيرات صحيحة للهياكل التي أنشأوها في الجزء ب بعد عرض المحاضرة. فيما يتعلق بفئات الاستجابة ، انخفضت استجابات "فارغة" و "غير ذات صلة" للجزء C بشكل ملحوظ وزاد ذكر ذرات معينة في الجزيء والروابط الهيدروجينية بشكل ملحوظ. ليس للأنشطة المختبرية أي تأثير كبير آخر على فئات الاستجابة هذه.

تعكس الفروق بين مجموعتي "ما بعد المحاضرة" و "ما بعد المحاضرة والمختبر" التأثير المتزايد للمختبر بعد المحاضرات (باستخدام اختبار χ 2 للأهمية ص & lt 0.05 يشار إليها بعلامة "+"). بعد المحاضرات ، ذكر بعض الطلاب تهمة (المفهوم 2) في إجاباتهم ، على الرغم من أنها ليست ذات صلة بهذه المشكلة. انخفض جزء الطلاب الذين قدموا هذا التفسير غير المناسب بشكل ملحوظ بعد المختبر. الأهم من ذلك ، أن قدرة الطلاب على رسم الهياكل الصحيحة كيميائيًا من الكراهية المتوسطة للماء (الجزء ب) زادت فقط بعد أن قام الطلاب بإجراء المختبر. تشير هذه النتائج إلى أنه في حين قدمت المحاضرات المصطلحات ، كان المختبر ضروريًا للطلاب لوضع هذه المفاهيم موضع التنفيذ. تتوافق هذه النتائج مع تركيز المختبر على رسم الهياكل واستكشاف قيم تسجيل الدخول الخاصة بها وتشير إلى أنها توفر عنصرًا أساسيًا في المنهج الدراسي. نظرًا لأن الطلاب يقضون معظم وقتهم في المختبر في العمل من خلال تمارين الكمبيوتر ، فمن المحتمل أن تقدم مساهمة مهمة في تعلمهم.


كيف يمكن تمييز الدهن عن السكر؟

أصبح موقعنا الإلكتروني ممكنًا من خلال عرض إعلانات عبر الإنترنت لزوارنا. يرجى النظر في دعمنا من خلال تعطيل مانع الإعلانات الخاص بك.

(آخر تحديث في: 20 يوليو 2020) السمات الهيكلية للدهون (مثل Tryacylglycerol) والسكر (مثل الجلوكوز)

قبل الذهاب إلى الموضوع الرئيسي & # 8220 كيف يمكن تمييز الدهون عن السكر & # 8221 ، عليك أن تعرف ما هي وما تتكون منها. الدهون والسكر كلاهما جزيئات حيوية وتلعبان أدوارًا مهمة بطريقتهما الخاصة. ومع ذلك ، فإن جزيئات السكر موجودة في شكل بوليمري يسمى السكريات بينما جزيئات الدهون ليست بوليمرية في الطبيعة.

الخاصية الأساسية التي يمكن أن تجيب على سؤال كيف يمكن تمييز الدهون عن السكر هي كره الماء. قد تسأل عن ماهية كره الماء. لكي نفهم بطريقة بسيطة ، فإن الكراهية للماء أو الكارهة للماء هي خاصية للجزيئات الحيوية غير القابلة للذوبان في الماء ولا تتفاعل مع جزيئات الماء. تميل هذه الجزيئات الكارهة للماء إلى التجمع عند وضعها في الماء أو مذيب مائي. بالطريقة نفسها ، هناك جزيئات حيوية قابلة للذوبان في الماء وقادرة على التفاعل مع جزيئات الماء عند وضعها في بيئة مائية.

الآن ، دعنا نصل إلى النقطة. لذا ، كيف تساعدنا كره الماء على التمييز بين الدهون والسكر. السكريات أو الكربوهيدرات وهي مركبات متعددة الهيدروجين. يطلق عليهم الكربوهيدرات لأنها هيدرات الكربون. إذا رأيت الصيغة التجريبية للكربوهيدرات ، فقد ترى أن الكربوهيدرات يتم تمثيلها على أنها Cن2س)ن. إن وجود مجموعة هيدروكسي على معظم ذرات الكربون يجعل جزيء السكر محببًا للماء وكل مجموعات -OH يمكن أن تشكل رابطة هيدروجينية مع جزيئات الماء في بيئة مائية. هذا هو السبب في أن جزيئات السكر قابلة للذوبان في الماء وجميع المذيبات القطبية الأخرى.

إذا رأيت بنية الدهون ، فإن معظم الدهون تتكون من سلسلة طويلة من الأحماض الدهنية الحرة المرتبطة بالجلسرين من خلال ارتباط استر. على الرغم من وجود بعض الدهون مثل الجليكوليبيدات التي تحتوي على جزيئات السكر والفوسفوليبيدات التي تحتوي على مجموعة رأس الفوسفات إلا أنها قليلة الذوبان أو غير قابلة للذوبان في الماء. السبب الرئيسي وراء عدم قابلية الذوبان في الماء هو الكراهية للماء التي تساهم بها بقايا الأحماض الدهنية الحرة.

على الرغم من أن رابطة الإستر قطبية وقادرة على تكوين رابطة هيدروجينية مع جزيئات الماء ، إلا أن الدهون غير قابلة للذوبان. الكراهية للماء التي تساهم بها مجموعات الأسيل الدهنية الحرة تفوق القطبية التي تساهم بها روابط الإستر ، وبالتالي ، فإن النتيجة الإجمالية هي عدم الذوبان.


المحبة للماء مقابل كره الماء & # 8211 أهمية الماء في الغذاء

في بعض الأحيان ، قد يكون مصطلح ما مألوفًا لك لدرجة أنك تستخدمه طوال الوقت ، في حين أن شخصًا آخر ، لا يعرف هذا المصطلح ، ليس لديه فكرة عما تتحدث عنه. عند الحديث عن العلم يمكن أن يكون ذلك مشكلة شائعة. وعلى الرغم من أننا نحاول الحفاظ على مستوى منشوراتنا بحيث تكون متاحة أيضًا لغير العلماء ، ستكون هناك لحظات عندما يكون هناك عدد كبير جدًا من المصطلحات دفعة واحدة. هذا هو السبب في أننا & # 8217 نكرس الكثير من المشاركات لأساسيات علوم الغذاء. وهذا واحد آخر منهم ، يناقش المصطلحات المحبة للماء والطارئة للماء ، على طول الطريق تقديم القطبية والكهربائية.

أهمية الماء في الغذاء

يعد الماء في الطعام شائعًا جدًا ، على الرغم من أن هذا & # 8217s بخس ، إلا أنه شائع جدًا. وبالتالي ، فإن تفاعل الجزيئات مع الماء هو شيء غالبًا ما نصفه. قد تذوب بعض الجزيئات في الماء ، في حين أن البعض الآخر لا يذوب & # 8217t ، تحب بعض المكونات الجلوس في الماء ، في حين أن البعض الآخر لا & # 8217t. من أجل وصف هذه السلوكيات بالماء ، فإن المصطلحات المناسبة مطلوبة. العلاقة الأساسية مع الماء على وجه الخصوص ، هي جزيء محب للماء أو يكره الماء. هذا هو المكان الذي يأتي فيه الماء والطارد للماء.

الماء والكهرباء والقطبية

سواء أحب الجزيء الجلوس في الماء أم لا ، فإن له علاقة كبيرة بقطبية الجزيء. الماء يسمى جزيء قطبي.

تحتوي جميع الذرات على إلكترونات & # 8216 عائمة & # 8217 حول قلب مركزها. هذه الإلكترونات مشحونة سالبة. سوف يسحب مركز الذرة الإلكترونات تجاه نفسها. تختلف القوة التي تقوم بها الذرة بذلك لكل ذرة ويتم التعبير عنها باستخدام مصطلح الكهربية الكهربية. الأكسجين والنيتروجين أمثلة على الذرات التي تسحب الذرات بشدة ، ولديها قيمة كهرسلبية أعلى.

عندما تتصل الذرات ببعضها البعض ، فإنهم جميعًا يسحبون الذرات من حولهم بنفس القوة. ربحوا & # 8217t يسحبون إلكتروناتهم فقط ، لكن كل الإلكترونات في محيطهم. وهكذا فإن الذرة ذات القدرة الكهربية العالية ستجذب كل الإلكترونات من حولها قليلاً نحوها. نتيجة لذلك ، يمكن أن تنتقل سحابة الإلكترونات قليلاً ولا تنتشر بالتساوي. إذا حدث هذا يسمى الجزيء القطبي.

من أجل نقل السحابة بعيدًا عن المركز قليلاً ، يجب ألا تلغي القوى المختلفة للذرة بعضها البعض. على سبيل المثال ، إذا كانت هناك ذرة تسحب بقوة على كلا الجانبين الأيسر والأيمن من الجزيء ، والباقي متساوي ، فمن المحتمل أن تلغي هاتان القوتان بعضهما البعض. ومع ذلك ، إذا كان كلاهما يجلس على جانب واحد ، فإنهما سيفوزان بـ & # 8217t.

الماء قطبي

الماء مثال على مثل هذا الجزيء القطبي. يتكون الماء من ذرة أكسجين واحدة وذرتين هيدروجين. يسحب الأكسجين الإلكترونات بقوة أكبر من ذرات الهيدروجين. ما هو أكثر من ذلك ، أن جزيء الماء ليس متماثلًا تمامًا. بمعنى آخر ، لا تلغي القوات & # 8217t. في الصورة أدناه ، تم توضيح & # 8217s ، نظرًا لأن ذرات الهيدروجين متجهة إلى أسفل قليلاً ، فإن الجانب العلوي يحتوي على إلكترونات أكثر قليلاً من الجانب السفلي. يشار إلى ذلك باستخدام رمز دلتا اليوناني ونوع الشحنة على كل جانب.

الماء جزيء قطبي.

محبة للماء

عندما يحب الجزيء الجلوس في الماء ، فإنه يطلق عليه ماء (= محب للماء). تميل الجزيئات المحبة للماء إلى أن تكون جزيئات قطبية ، تمامًا مثل الماء ، ولكنها يمكن أن تكون أيضًا أيونات (مثل الأملاح المذابة). يشترك معظمهم في أن لديهم نوعًا من الشحنة الكهربائية غير الصفرية. يمكن أن تتفاعل هذه الرسوم مع بعضها البعض.

الأمثلة الشائعة للجزيئات المحبة للماء في الطعام هي السكريات (تحتوي على مجموعة أكسجين تجعلها قطبية وتميل إلى أن تكون غير متماثلة) ولكن أيضًا الملح أو بعض الأحماض الأمينية.

نافرة من الماء

على العكس من ذلك ، عندما لا يرغب الجزيء في الجلوس في الماء ، يطلق عليه اسم كاره للماء. إذا تم خلط جزيء كاره للماء مع الماء ، فسيميل الاثنان إلى الانفصال وتشكيل مرحلتين فرديتين.

الجزيئات الكارهة للماء هي بشكل عام جزيئات غير قطبية ، وليس لديها توزيع شحنة غير متساوٍ قليلاً. المثال الأكثر شيوعًا للجزيئات الكارهة للماء في الأطعمة هو الدهون والزيوت.

محبة للماء ومضادة للماء في واحد

تحتوي بعض الجزيئات على أقسام محبة للماء وكذلك كارهة للماء في هيكلها. هذا شائع بشكل خاص بالنسبة للبروتينات ، ولكنه أيضًا سمة مشتركة لما يسمى بالمستحلبات. يمكن استخدام المستحلبات لخلط الزيت والماء وفي هذه الحالة يقومون بذلك عن طريق الجلوس في كل من طور الماء والزيت مع جزء مختلف من الجزيء. بهذه الطريقة ، يحافظون على الاثنين معًا ويمنعونهم من الانفصال! يعد صفار البيض في المايونيز مثالًا رائعًا على ذلك.

يستخدم المايونيز الموجود في الزاوية اليمنى العلوية صفار البيض كمستحلب للمساعدة في منع فصل الماء عن الدهون.


الكربوهيدرات

Carbo- تأتي من كلمة فحم في اللاتينية ، hydr- تأتي من كلمة ماء (الحدير) في اليونانية ، وتأتي كلمة -ate من كلمة ذرات الأكسجين المتعددة في الكيمياء. لذلك ، الكربوهيدرات عبارة عن فحم رطب مليء بالأكسجين! حسنا.. تقريبيا.

يطلق على الكربوهيدرات اسم الكربوهيدرات لأنها تتكون من ذرات الكربون والهيدروجين والأكسجين ، وتتنوع في العديد والعديد من الأشكال. في أبسط أشكال الكربوهيدرات توجد السكريات الأحادية (سكريات مفردة). ربما سمعت & # 8217 عن الجلوكوز الذي & # 8217s واحد منهم. يعد الفركتوز والجالاكتوز والريبوز أمثلة أخرى على السكريات الأحادية أحادية السكريات (لا يتعين عليك الحصول على التهجئة الصحيحة في المحاولة الأولى ، ولا تقلق). عندما يتحد اثنان من السكريات الأحادية معًا - نحصل على ثنائي السكاريد (نوعان من السكريات ، ربما يمكنك رؤية نمط الآن). يصنع سكر القصب (أو السكر باللغة الإنجليزية فقط) من الجلوكوز والفركتوز المرتبطين معًا. اللاكتوز (الشيء الذي تجده في الحليب يجعل الآسيويين وكبار السن مرضى) [2] مصنوع من الجلوكوز والجلاكتوز المرتبطين معًا. النشا والألياف السكريات ومصنوعة من العديد من هذه السكريات الأحادية مرتبطة ببعضها البعض.

الكربوهيدرات هي مصادر الطاقة للحياة. تحصل على خاصتك من الحيوانات التي تحصل عليها من النباتات (أو يمكنك قطع الوسيط والاستيلاء عليه مباشرة من النباتات). ومع ذلك ، فإن النباتات ، من خلال العلم (.) والسحر ، تصنع الكربوهيدرات من الهواء والماء وضوء الشمس (هذا أمر رائع للغاية). الكربوهيدرات هي التي تجعل طعم طعامك وبالتالي حسن (تلميح: بيتزا ، بطاطا مقلية ، برياني ، باد تاي ، مافن ، كعك ، دونات ، شوكولاتة ، آيس كريم ، والقائمة تطول إلى ما لا نهاية) ، ربما لأنك & # 8217 تطورت لتصبح تحبهم. يتم تقسيم الكربوهيدرات داخل معدتك إلى سكريات بسيطة (السكريات الأحادية) ، ثم يتم تفكيك هذه السكريات البسيطة في الميتوكوندريا الخاصة بك لإطلاق كميات هائلة من الطاقة التي تستخدمها للتنفس والتفكير وضخ الدم والهضم والتحرك والركض والقتال والتحدث والنمو والإصلاح والقيام بشكل أساسي بكل ما يجعلك ، أنت. يتم تحقيق ذلك من خلال عملية تسمى التنفس الخلوي ، وهي خارج نطاق هذه المدونة (وهذا أحد الأشياء التي أود ليس كن متحمسًا للشرح. هنا & # 8217s اعتراف - أحب الكيمياء وعلم الفيروسات ، وليس علم الأحياء).


أحادي الطبقات ذاتية التجميع كارهة للماء

الزجاج أساسًا عبارة عن شبكة من ذرات السيليكون والأكسجين المترابطة. بين الحين والآخر هناك مجموعة مكشوفة من الهيدروكسيل أو الهيدروكسيل [1]. تتمتع مجموعة الهيدروكسيل هذه بقطبية قوية تمامًا مثل الماء نظرًا لحقيقة أن الأكسجين كهرسلبي. نظرًا لأن مجموعات الهيدروكسيل المكشوفة قطبية تمامًا مثل الماء ، فإن الماء ينجذب بالفعل إلى هذه المجموعات. يتسبب هذا الانجذاب في التصاق الماء بالزجاج وانتشاره بدلاً من التدحرج. يمنع Rain-X و Aquapel هذا التفاعل مما يسمح للماء بالتدحرج مباشرة. لفهم كامل كيف يجب فحص الأعمال على الرغم من الهياكل الكيميائية.

PDMS عبارة عن بوليمر بسيط يتكون من السيليكون والأكسجين والكربون التي تحتوي على مجموعات & # 8220 ميثيل & # 8221. تجعل مجموعات الميثيل المحتوية على الكربون البوليمر مشابهًا للزيوت نظرًا لحقيقة أن هذه الكربونات غير قطبية تمامًا مثل الكربون في الزيت.

تخلق السلسلة الطويلة من الكربون والفلور # 8217s مادة كيميائية غير قطبية مماثلة لـ Rain-X

كلما زادت المواد الكارهة للماء ، زادت زاوية التلامس ، وكلما زادت زاوية التلامس ، كلما كان من الأسهل انزلاق الماء. هذا منطقي لأنه عندما يكون للمياه زاوية كبيرة ، يكون هناك سطح أقل & # 8220 التمسك & # 8221 على قطرة الماء.

وفقًا لدراسة أجراها Kamitani [8] ، فإن PDMS لديه زاوية انزلاق أصغر (مما يعني أنه ينزلق بسهولة) ولكن زاوية تلامس أصغر ، في حين أن المواد الكيميائية الحالية FAS لها زاوية تلامس أكبر ولكن زاوية انزلاق أكبر. في هذه الحالة يرجع التناقض إلى الطبيعة الفيزيائية للمواد الكيميائية. تتفاعل سلاسل الكربون المشبع بالفلور مع جزيء الماء مما يؤدي إلى البقاء في مكانه [9]. كان المختبر أيضًا قادرًا على تصميم مادة كيميائية أكثر فاعلية من FAS تتطابق مع PDMS. يمكن استخدام هذا في المستقبل لإنشاء طارد أفضل للزجاج الأمامي.

لتكون قادرًا على الارتباط بمواد كيميائية زجاجية مثل FAS ، يجب تعديلها قليلاً. تعتبر المجموعة التي تحتوي على الأكسجين ممتازة في الارتباط بالزجاج ولكن فقط في حالة تعرض الأكسجين & # 8217s. في حالة FAS ، كل الأكسجين & # 8217s مرتبطة بالكربون ولا تتعرض. لفضح هذه الأكسجين ، يتعرض مونومر FAS17 لكميات محددة من حمض النيتريك. يشق حمض النيتريك هذا الرابطة بين الأكسجين والكربون مما يسمح بتعريض مجموعات الأكسجين [10]. ثم يرتبط الأكسجين المكشوف بسهولة بمجموعات الهيدروكسيل المكشوفة على الزجاج. نتيجة ثانوية لهذه الإضافة للحمض هو أن مونومرات FAS تتبلور. أظهرت الأبحاث السابقة أن الثنائيات (اثنان من المونومرات معًا) والقلادات (ثلاثة مونومرات مجتمعة) كانت أكثر فاعلية في الالتصاق بالزجاج. مع المزيد من البلمرة ، يصبح البوليمر ضخمًا جدًا بحيث يتعذر ربطه بالزجاج. يوضح المخطط أدناه عملية تنشيط المواد الكيميائية FAS [11]:


مناقشة

لطالما اعتبرت مقاومة الماء كواحدة من القوى الدافعة الأساسية في طي البروتينات. It has been shown, and reconfirmed by our results, that the hydrophobicity of an amino acid is, indeed, correlated with its average surface exposure. However, the degree to which this correlation extends to the relationship between specific amino acid sequences and surface patterns has received little investigation. We have now quantified this correlation for several widely used hydrophobicity scales, and have shown that amino acid hydrophobicity does play a statistically significant role in shaping the surface-exposure pattern of a structure. However the distributions of correlation coefficients are broad, and remain far from the optimal case in which the surface-exposure pattern would show a perfect correlation with the hydrophobicity pattern.

The origin of this suboptimal correlation may lie in the fact that there are factors other than hydrophobicity that contribute to the determination of a protein's final fold. There are clearly other forces at work in determining a protein's ultimate fold, for example, a recent study suggested that hydrophobicity alone cannot account for the observed thermodynamics of protein folding (Chan 2000 ). Thus, some residues' behavior may not be solely dictated by hydrophobicity. Using updated data, we carried out an analysis similar to Rose et al. ( 1985 ) to determine the surface-exposure distributions of each of the amino acids, and found that many were rather broad. Indeed, several amino acids have essentially flat distributions, and hence their exposure seems to be uncorrelated with their hydrophobicity. Such broad distributions are in part responsible for the less than optimal correlation, and we showed that using only a subset of amino acids that have more peaked distributions led to improved correlations. The exposure distributions reflect all of the forces that are involved in the folding process, and we have found several discrepancies between the most likely exposure of an individual amino acid and its hydrophobicity. An example is provided by cysteine, for which the ability to form disulfide bonds with other cysteine residues constitutes a factor independent of hydrophobicity that influences surface exposure. From the distributions we computed a scale that reflects the surface-exposure propensities of the amino acids. This goes beyond just hydrophobicity and leads to an improvement in the correlation between sequence and the surface-exposure pattern of a fold. Hence, for folding studies that use energy models that are based solely on side-chain solvation, using these database-derived distributions (or the ASAs computed from them) over the empirical hydrophobicity scales should lead to a better performance.

By far the greatest improvement was achieved when we computed the correlation coefficients between average hydrophobicity sequences and structures. The average hydrophobicity sequence gives a better measure of the sequence that best matches the structure (Finkelstein 1998 ). The low correlation observed at the single-sequence level shows that there can be a broad variation from that of the “best match” sequence. From theoretical models, it is predicted that thermodynamically stable folds are those that are also highly designable that is, they have a large number of sequences that fold into them (Li et al. 1996 Emberly et al. 2002 Miller et al. 2002 ). This large degree of mutational stability for designable folds means that there can be significant departures from the lowest energy sequence. In fact, if sequences were selected at random from a large pool of sequences that fold into a designable structure, it would be more likely to select a sequence far from the central “best match” sequence than not. Even if a sequence started near the “center” (best match sequence), its “neutral” evolution would lead it to somewhere farther away from the center in the sequence space owing to the sequence entropy (Li et al. 1998 Taverna and Goldstein 2002a ). Hence, the lack of strong correlation between sequence and structure found in the database could be a signature of designability in nature. It has also been postulated that it may even be advantageous for sequences to select against being near the “best match,” as such selection helps to improve plasticity in sequence space (Taverna and Goldstein 2002b ).

We have shown that the correlation improves when one uses the average hydrophobicity sequence however, we have also found that even the average sequence is not perfectly correlated with the surface-exposure pattern. This could simply be because of insufficient sampling of sequence space or could be evidence of something more fundamental. It has been argued that having a suboptimal correlation between a protein's amino acid sequence and surface-exposure pattern may help to improve the thermodynamic stability of the fold and “design out” competing folds (DeGrado 1997 ). All of the average hydrophobicity patterns for the most designable model helix structures have “misspellings” at various locations, where a misspelling involves the placement of a hydrophobic residue on an exposed site or a polar residue in the core. These departures from the optimal pairing of hydrophobicity with exposure have been shown in other theoretical studies (Emberly et al. 2002 ) to help increase the energy gap between the ground state and competing structures. If the hypothesis of designing out competing structures through suboptimal correlation is valid, this has important consequences for structural design based on binary patterning (Kamtekar et al. 1993 ). The surface pattern of the structure may act as a starting point for the selection of an amino acid sequence, but it may then prove advantageous to depart from this blueprint to improve thermodynamic stability. Database analysis of the type performed here may form the basis for advanced techniques to detect further correlations between sequence and structure that would help to better design sequences in protein design.


نتائج

Assessing Topology-Prediction Accuracy.

We used three published datasets to test topology-prediction accuracy. First, prediction accuracy of membrane-span locations was assessed using the Reeb dataset, which is based on a nonredundant set of 188 high-resolution structures (with a pairwise sequence-identity cutoff of 20% ref. 16). For each of the query sequences in the Reeb dataset we defined “overlap10” to represent whether the correct number of membrane-spanning segments was predicted, and whether at least 10 residues of each predicted segment overlapped with an inserted segment in the experimentally determined structure. Second, to assess orientation-prediction accuracy we used a set of 609 الإشريكية القولونية inner membrane proteins, for which the location of the C terminus (cytoplasmic or periplasmic) was experimentally determined (24). Third, we assessed discrimination of soluble and membrane-spanning proteins using an annotated nonredundant set (<30% pairwise sequence identity) of 3,400 soluble proteins and 311 membrane proteins of known structure (13, 25). We compared the performance of TopGraph and TOPCONS, a topology predictor that uses the consensus of five statistical predictors (13, 26), in these three tests, and additionally analyzed the overlap10 performance of the Lep scale on the Reeb dataset.

A Graphical Algorithm for Membrane-Topology Prediction.

We set ourselves the goal of predicting membrane-protein topology based on insertion energies and without invoking statistical inference to predict insertion propensities. Given a query sequence we start by using a sliding window to extract all subsequences of lengths 21–30 amino acid residues. The dsTβL scales (21) do not report on secondary-structure propensity nor on the existence of signal peptides, which are often cleaved post translationally. We therefore eliminate all signal peptides predicted by TOPCONS (13) and any subsequence that is predicted to be nonhelical (27), as well as subsequences that contain several charged or polar residues (طرق SI). To the remaining segments we assign apparent insertion free energies according to the dsTβL scale (21) in each of the two orientations relative to the membrane (locating the C-terminus either in the cytoplasm or outside). Because segments vary in length, we estimate the location ض of every amino acid position أنا in the segment relative to the membrane midplane: z ( i ) = 30 n i − 15 , [1] where ن is the total number of residues in the segment and أنا is the amino acid position relative to the segment’s start ض(أنا) ranges from −15 to +15 Å, for cytoplasmic and extracellular locations, respectively. The segment’s apparent insertion free energy is then given by: Δ G insertion app = ∑ i = 1 n Δ G AA z ( i ) , [2] where Δ G A A z ( i ) is the apparent insertion free energy for amino acid type AA at location ض(أنا) according to dsTβL.

Before running predictions, we modified the dsTβL profiles for the positively charged residue Lys and for the hydrophobic residues Val, Leu, Ile, and Met (Fig. S1 and Table S1). Specifically, in the original dsTβL report (21), Val, Leu, and Met showed slightly nonsymmetric profiles, whereas the other hydrophobics, Ile and Phe, were close to symmetric, as expected. We therefore changed the hydrophobic residues’ profiles so that all were symmetric, and maintained the insertion energy at the membrane midplane as in the original dsTβL scales. Furthermore, the energy contribution of Lys at the cytoplasmic side of the membrane in the original dsTβL scale was slightly positive (+0.2 kcal/mol), thereby penalizing lysine-containing membrane-spanning segments. We therefore modified the Lys profile to be slightly negative (−0.1 kcal/mol) at the cytoplasm interface. These corrections increase the deviation between the polynomial functions used to fit the dsTβL data, but the most extreme deviation is only 0.84 kcal/mol (Leu at the membrane–cytoplasm interface Fig. S1 and Table S1). In preliminary prediction runs we noticed that these changes do not affect prediction accuracy significantly.

Corrections to the dsTβL insertion energies. (أ) The dsTβL insertion profiles for hydrophobic residues normalized to the interval 0 (most hydrophobic) to 1 (least hydrophobic). Whereas the Ile and Phe profiles are nearly symmetric, as expected, the other profiles are not. (ب) The insertion profiles of Ile, Leu, Val, and Met were corrected to be symmetric, and maintain the same insertion energy at the membrane midplane as measured in the original dsTβL experiment. The profile for Lys was modified to be slightly negative at the cytoplasmic side (−15 Å) this change favors the extension of hydrophobic segment to include cytoplasmic Lys residues. Equations for the modified profiles are provided in Table S1. The corrected profiles (red) are different from the original profiles (blue) by at most 0.84 kcal/mol (Leu at the cytoplasm–membrane interface Table S1).

Polynomial fit for the insertion profiles of amino acids that were modified relative to the dsTβL measurements (21)

We represent subsequences in the query and their apparent insertion energies as a graph, where nodes ن stand for each subsequence (Fig. 1أ). العقد نأنا و ني are connected with a directed edge نأناني if and only if نأنا precedes and does not overlap with ني in the query sequence and the two segments are inverted with respect to one another that is, one segment’s N terminus is cytoplasmic, and the other’s C terminus is cytoplasmic. In addition, a virtual source node is connected to all other nodes, and every edge is weighted according to its successor node’s Δ G i n s e r t i o n a p p (Eq. 2) that is, the weight of edge نأناني is the insertion energy of the segment represented by ني plus the contributions from positive residues (Lys, Arg, and His) within a five amino acid stretch C terminal to نأنا, and similarly, five amino acids N terminal to ني (طرق SI). In this graphical representation, the minimum-energy path starting from the source predicts not only the location of membrane-spanning segments, as in previous predictors, but also the orientation of the protein with respect to the membrane and the length of each inserted segment. To search for the minimum-energy path we use the Bellman–Ford algorithm (28), which takes under 10 s to find minimal paths on a representative 265 amino acid protein using a standard CPU.

Schematic representation of the graphical topology-prediction algorithm TopGraph. (أ) Cylinders represent sequence segments (nodes in the graph) in either insertion orientation. Curved gray arrows represent edges connecting nodes curved black arrows denote the minimum-energy path. Faded cylinders represent nodes not in the minimum-energy path. (ب) A constraint (dashed lines) eliminates all edges bypassing it, guaranteeing, by construction, that only segments satisfying the constraint are chosen. أقحم show final predicted topology.

Constraints on the locations of membrane-spanning segments within the query can improve prediction accuracy. In the benchmark below we test the unconstrained prediction as well as two types of constraints: from multiple-sequence alignments (MSA) of homologous sequences, and from the TOPCONS predictor (13). To maintain the validity of the apparent insertion energies we do not use information other than from the query sequence itself to assign segment energies rather, we use the information from MSAs or from TOPCONS only to determine where membrane spans are likely to be located, and compute the query’s insertion energy by optimizing the inserted segments’ precise locations and orientations within a stretch that includes five positions on either side of the segment determined using the MSA or TOPCONS. TopGraph MSA conducts the search in two steps: it first predicts membrane-spanning locations using the MSA, and subsequently uses this information as location constraints in a search for minimum-energy paths in the query sequence (Fig. S2). In TopGraph TOPCONS , by contrast, the locations of membrane-spanning segments are predicted using TOPCONS (13), and are then used to constrain the locations of membrane-spanning segments in a search for minimum-energy paths in the query (Fig. 1ب). Alternative predictors could be used to constrain the locations of membrane-spanning segments with no loss in generality.

TopGraph MSA algorithm flowchart. (أ) Nonredundant MSA is generated for a query sequence using BLAST, CD-HIT clustering, and MUSCLE alignment. For every possible segment Δ G i n s e r t i o n a p p is calculated. Values different from the query’s Δ G i n s e r t i o n a p p by more than 5 kcal/mol are discarded. The minimal value found is used as the weight for all edges leading to the segment’s node. The Bellman–Ford algorithm is applied to find the minimum energy topology. Using the minimal topology, constraints are derived for every chosen segment. A graph is rebuilt such that every segment found in the MSA is a constraint, and weights are assigned as the Δ G i n s e r t i o n a p p of the corresponding query sequence. The Bellman–Ford algorithm (28) is used again to find the minimal energy topology.

All three TopGraph variants predict the locations, lengths, orientations, and insertion energies of the query sequence. We note, additionally, that the graphical representation lends itself to imposing other types of constraints, which may be inferred from experimental or computational data for instance, if a certain segment نك is known to span the membrane, all edges نأناني that bypass نك may be eliminated (Fig. 1ب). Conversely, nodes representing segments that are known not to cross the membrane may be eliminated, and prior data regarding the orientation of the protein in the membrane can be used to select the lowest-energy path through the graph in the known orientation. The ability to define a variety of topological constraints could aid the study of membrane proteins with incomplete structural data, such as on probe accessibility or proteolysis resistance (29), and we implemented a webserver providing free access to TopGraph including such manually constrained prediction (topgraph.weizmann.ac.il).

Prediction Accuracy Increases with Use of Prior Data.

The purist TopGraph predictor, with no use of prior data predicts the locations of membrane segments in single-span proteins with high accuracy (94% Fig. 2أ). This high accuracy is not surprising given that the dsTβL scale is based on experimental data on a single-span membrane protein (21). Multispan membrane proteins are accordingly predicted less accurately, and above four segments prediction accuracy drops to 46% the overall prediction accuracy across the entire set is 78%. When either of the two lowest-energy predicted paths is compared with the known topology, prediction accuracy increases from 70% to 80% for proteins with two to four membrane spans, and more modestly for larger membrane domains. The preprocessing filters that remove signal peptides, highly charged and nonhelical segments make a substantial contribution to prediction accuracy by eliminating, on average, two-thirds of the segments with Δ G insertion app < 5 kcal/mol in each target sequence (Fig. S3). Nevertheless, prediction accuracy is high even in proteins, in which less than 20% of the sequence is eliminated by these filters specifically, all of these proteins are predicted correctly according to the overlap10 metric.

Topology-prediction benchmark. (أ, Left) Fraction of proteins where all predicted membrane spans overlap with experimentally observed membrane-spanning segments over at least 10 residues (overlap10) and there are no additional predicted segments. The number of proteins in each group is noted above the bars dashed lines represent accuracy when considering either of the two best-energy predictions. (حق) Orientation-prediction accuracy of the C-terminal position (cytoplasmic or extracellular). (ب) Distribution of insertion energies in individual membrane-spanning segments. Natural TMs reports the insertion-energy distribution of membrane-spanning segments annotated by the structure-based PDBTM (31). (ج) Experimentally determined structure (PDB entry: 4K1C ref. 42) annotated according to the TopGraph MSA prediction: thin ribbon, extramembrane thick ribbon, membrane spanning two membrane-spanning segments with minimal and maximal predicted lengths are colored in turquoise and purple, respectively, and their lengths are noted.

Percent of segments eliminated by the secondary-structure and polar-residues filters in sequences from all four datasets. The percent of segments with Δ G i n s e r t i o n a p p < 5 kcal/mol, which pass the secondary-structure and polar-residues filters is calculated for every sequence in each dataset. Reeb dataset in red (16) experimentally determined C-terminus orientation dataset in blue (24) soluble and transmembrane datasets in yellow and green, respectively (13). The two filters prune over half of the segments, particularly in the nonredundant set of soluble proteins, where, on average >99% of each sequence is eliminated. (أقحم) The distribution of Δ G i n s e r t i o n a p p for every segment in the Reeb dataset that passes the PSIPRED and charges prefilters. Also 74% of the segments eliminated by the two filters also have very high apparent insertion energy Δ G i n s e r t i o n a p p > 5 kcal/mol (noted by the dashed vertical line).

For comparison, we replaced the dsTβL profiles with those from the Lep study (9) and tested prediction accuracy using the same algorithm as used for dsTβL (Fig. 2أ). Bernsel et al. previously noted that the average energy assigned to single-spanning domains by the Lep scales is only slightly negative (approximately −0.3 kcal/mol) and that segments in multispanning domains are assigned positive energies on average (10), TopGraph Lep prediction accuracy is correspondingly modest (56%) for single-spanning domains it drops to 20% for proteins with two to four membrane spans, and there are nearly no correct predictions (3%) for larger membrane domains, with 34% overall prediction accuracy. These results are consistent with previous observations that the Lep insertion energetics are small for hydrophobic residues (9, 10, 17 ⇓ –19, 21, 30) because single-span membrane domains are typically more hydrophobic than multispan domains (10), the Lep scale predicts location more accurately in the former than in the latter.

We hypothesized that TopGraph MSA may improve prediction accuracy relative to the purist TopGraph. The basis for this hypothesis is that homologous proteins are likely to have the same topology. Furthermore, although any given membrane protein must encode sufficiently favorable membrane-insertion free energy, individual segments in any protein may have lower insertion propensity than aligned segments in homologs. TopGraph MSA retains TopGraph’s high accuracy in single-pass membrane proteins (95%) and indeed improves on unconstrained TopGraph, reaching 61% accuracy for membrane proteins with more than four spans and overall prediction accuracy of 84% (Fig. 2أ). Furthermore, when considering either of the two lowest-energy paths, prediction accuracy improves to 87%, on par with TOPCONS (89%). TopGraph TOPCONS shows nearly identical performance to TopGraph MSA with overall prediction accuracy of 89%.

Energy-Based Prediction of Protein Orientation with Respect to the Membrane Plane.

The dsTβL scale differs from other scales in showing large asymmetries for the localization of the positively charged residues, Arg, Lys, and His, in the cytoplasm compared with the extracellular space (21) this asymmetry is a prerequisite for energy-based prediction of membrane-protein orientation. Indeed, TopGraph correctly predicts orientation in 84% of the proteins in a benchmark of 609 bacterial proteins of experimentally determined orientation (24) overall accuracy is 82% and 90%, for TopGraph MSA and TopGraph TOPCONS , respectively, compared with 90% for TOPCONS (Fig. 2أ).

The three TopGraph variants output apparent insertion free energies that are based on the dsTβL scale (21). Applied to the Reeb dataset (16), nearly all segments (99%) predicted using the purist TopGraph exhibit negative apparent insertion energies with a mean of −6.9 kcal/mol (Fig. 2ب). Using the more accurate predictors TopGraph MSA and TopGraph TOPCONS the mean shifts to −6.4 and −5.7 kcal/mol, respectively, and 95% of segments exhibit negative insertion energies. We computed the per-segment insertion free energies of verified membrane-spanning segments, by constraining locations to those observed in membrane–protein structures (31), and derived a very similar distribution of insertion energies (Fig. 2ب), and further found that 98% of the membrane spans had apparent insertion energies below +5 kcal/mol. Our analysis suggests that individual membrane spans, even in large domains in which intersegment interactions can drive insertion, must encode sufficiently high insertion propensity. These insertion energies are in agreement with theoretical treatments, which predict an average of approximately −5 kcal/mol for membrane insertion of a single segment (1, 32). The values stand, furthermore, in contrast to the analysis of membrane segments using the Lep insertion scale (9), which computes average insertion energy of +0.8 kcal/mol (10).

The relatively large magnitude of per-helix insertion energies predicted by TopGraph implies that it may discriminate soluble from membrane-spanning proteins. Indeed, in a set of 3,400 proteins (13), we find that a cutoff of Δ G i n s e r t i o n a p p = −3 kcal/mol correctly discriminates membrane from soluble proteins with sensitivity of 96% and specificity of 93% (Table S2), comparable to other predictors (10, 33). We note that on average 99% of the sequence in soluble proteins is eliminated by the secondary-structure and polar-residues filters (Fig. S3), drastically simplifying prediction. We further find that individual membrane-spanning segments differ from segments in soluble proteins in that a large majority encode both hydrophobicity and orientation preference (the positive-inside rule Fig. S4).

Discrimination of membrane from extra membrane proteins in a set of 3,710 annotated proteins ref. 13


شاهد الفيديو: ذائبية المركبات العضوية. الكيمياء. حالات المادة والقوى البين جزيئية (قد 2022).


تعليقات:

  1. Blair

    لم يفهم كل شيء.

  2. Brenton

    موضوع رائع

  3. Njau

    رأيك هذا رأيك

  4. Milaan

    قد يكون هناك خيار آخر

  5. Sherwin

    لا يعمل



اكتب رسالة