Ikhtisar

Prediksi situs pengikatan mengidentifikasi region pada permukaan protein yang cenderung berinteraksi dengan molekul kecil, substrat, atau protein lain. Situs-situs ini sering terkonservasi sepanjang evolusi, menunjukkan sifat geometris dan fisikokimia yang khas, dan sering dikaitkan dengan kepentingan fungsional. Prediksi situs pengikatan yang akurat merupakan langkah kritis dalam anotasi fungsional protein baru, desain obat berbasis struktur, dan pemahaman mekanisme pengenalan molekuler. Dengan bertambahnya struktur protein yang diprediksi, prediksi situs pengikatan komputasional telah menjadi alat yang semakin penting.

Metode

Pendekatan geometris mendeteksi rongga, kantong, atau celah pada permukaan protein menggunakan algoritme seperti CASTp, Fpocket, dan PASS. Pendekatan evolusioner mengidentifikasi tambalan permukaan yang terkonservasi dengan memetakan konservasi sekuens ke dalam struktur tiga dimensi, dengan asumsi bahwa situs yang penting secara fungsional berevolusi lebih lambat. Metode pembelajaran mesin: termasuk hutan acak, mesin vektor dukung, dan jaringan saraf konvolusional dalam, mengintegrasikan fitur geometris, fisikokimia, dan evolusioner untuk memprediksi residu situs pengikatan. Metode berbasis templat mentransfer anotasi situs pengikatan dari struktur protein homolog yang diketahui.

Aplikasi

Prediksi situs pengikatan digunakan untuk memandu eksperimen docking molekuler dengan memfokuskan pencarian pada region yang relevan dari permukaan protein. Ini memfasilitasi desain inhibitor rasional dengan mengidentifikasi kantong yang dapat dijadikan target obat dan mendukung studi mekanisme katalisis enzim dengan mencari residu situs aktif. Prediksi diinterpretasikan dalam konteks kimia asam amino yang melapisi kantong dan dihubungkan ke struktur protein untuk memahami bagaimana arsitektur menentukan fungsi. Pendekatan ini juga mendukung studi kinetika enzim dengan mengungkap bagaimana geometri pengikatan substrat memengaruhi efisiensi katalitik.