Quería comparar la secuencia de aminoácidos de las enzimas para este proyecto en el que estoy trabajando y necesito compararlas en su sitio catalítico. Para eso, fui al Catalitic Site Atlas para obtener la información sobre el sitio catalítico, pero como no ofrecen una manera fácil de descargar los datos de la estructura mediante programación, los descargué del RSCB PDB descargando la secuencia fasta. Al verificar los sitios catalíticos, no coincidía con lo que me decía la CSA y fue entonces cuando me di cuenta de que son archivos diferentes. Tomemos por ejemplo los 3nos, el CSA presenta la siguiente secuencia :
MGNLKS...
Mientras que el PDB presenta la siguiente secuencia :
PKFPRV...
¿Por qué no son la misma secuencia si es la misma proteína?
Lo siento si es una pregunta novata, no soy biólogo, solo un científico informático al que le gusta la bioinformática.
Informacion IMPORTANTE:
Los datos de CSA provienen de aquí mientras que los datos de PDB provienen de aquí
Los resultados de la cristalografía (archivos pdb) casi siempre contienen una secuencia truncada.
Ambos extremos de una proteína a menudo son flexibles (incluso en un cristal) y no dan como resultado suficientes datos para un buen ajuste. Los residuos correspondientes se eliminan del modelo y la secuencia, y solo quedan los residuos que muestran una densidad de electrones definida.
Una secuencia está parcialmente contenida en la otra (resaltada).
Entonces, la secuencia CSA es (formato FASTA, truncada):
>sp|P29474|NOS3_HUMAN Nitric oxide synthase, endothelial OS=Homo sapiens GN=NOS3 PE=1 SV=3
MGNLKSVAQEPGPPCGLGLGLGLGLCGKQGPATPAPEPSRAPASLLPPAPEHSPPSSPLT QPPEG PKFPRVKNWEVGSITYDTLSAQAQQDGPCTPRRCLGSLVFPRKLQGRPSPGPPAP EQLLSQARDFINQYYSSIKRSGSQAHEQRLQEVEAEVAATGTYQLRESELVFGAKQAWRN ...
tomado de http://www.uniprot.org/uniprot/P29474 para mayor comodidad.
Mientras que el PDB uno es:
>3NOS:A|PDBID|CHAIN|SEQUENCE PKFPRVKNWEVGSITYDTLSAQAQQDGPCTPRRCLGSLVFPRKLQGRPSPGPPAPEQLLSQARDFINQYYSSIKRSGSQA HEQRLQEVEAEVAATGTYQLRESELVFGAKQAWRNAPRCVGRIQWGKLQVFDARDCRSAQEMFTYICNHIKYATNRGNLR SAITVFPQRCPGRGDFRIWNSQLVRYAGYRQQDGSVRGDPANVEITELCIQHGWTPGNGRFDVLPLLLQAPDEPPELFLL...
La entrada de Uniprot menciona 3 isoformas diferentes debido al empalme alternativo, así que tal vez eso es lo que está pasando aquí. Aquí está el resultado de una alineación de secuencia (usando https://www.ebi.ac.uk/Tools/psa/emboss_matcher/ ):
#=======================================
#
# Secuencias_alineadas: 2
# 1: NOS3_HUMANO
# 2: SECUENCIA
# Matriz: EBLOSUM62
# Gap_penalty: 14\
# Extender_penalización: 4
#
# Longitud: 240
# Identidad: 240/240 (100,0%)
# Similitud: 240/240 (100,0%)
# Brechas: 0/240 ( 0.0%)
# Puntuación: 1294
#
#
#=======================================
NOS3_HUMAN 66 PKFPRVKNWEVGSITYDTLSAQAQQDGPCTPRRCLGSLVFPRKLQGRPSP 115
|||||||||||||||||||||||||||||||||||||||||||||||||||
SECUENCIA 1 PKFPRVKNWEVGSITYDTLSAQAQQDGPCTPRRCLGSLVFPRKLQGRPSP 50
NOS3_HUMANO 116 GPPAPEQLLSQARDFINQYYSSIKRSGSQAHEQRLQEVEAEVAATGTYQL 165
|||||||||||||||||||||||||||||||||||||||||||||||||||
SECUENCIA 51 GPPAPEQLLSQARDFINQYYSSIKRSGSQAHEQRLQEVEAEVAATGTYQL 100
NOS3_HUMAN 166 RESELVFGAKQAWRNAPRCVGRIQWGKLQVFDARDCRSAQEMFTYICNHI 215
|||||||||||||||||||||||||||||||||||||||||||||||||||
SECUENCIA 101 RESELVFGAKQAWRNAPRCVGRIQWGKLQVFDARDCRSAQEMFTYICNHI 150
NOS3_HUMANO 216 KYATNRGNLRSAITVFPQRCPGRGDFRIWNSQLVRYAGYRQQDGSVRGDP 265
|||||||||||||||||||||||||||||||||||||||||||||||||||
SECUENCIA 151 KYATNRGNLRSAITVFPQRCPGRGDFRIWNSQLVRYAGYRQQDGSVRGDP 200
NOS3_HUMAN 266 ANVEITELCIQHGWTPGNGRFDVLPLLLQAPDEPPELFLL 305
||||||||||||||||||||||||||||||||||||||||
SECUENCIA 201 ANVEITELCIQHGWTPGNGRFDVLPLLLQAPDEPPELFLL 240
Esta respuesta es correcta, solo quería agregar que la numeración de secuencia correcta se conserva en el archivo PDB en el registro DBREF (que puede ver al abrir el PDB en un editor de texto):
DBREF 3NOS A 66 492 UNP P29474 NOS3_HUMAN 66 492
En lenguaje sencillo, la secuencia presentada en este archivo ( 3NOScadena A) corresponde a los residuos 66- de la entrada492 asociada UniProt ( UNP) (acceso: ).P29474
terdón
João Areias