O banco de dados de Classificação Estrutural de Proteínas (SCOP) é uma classificação amplamente manual de domínios estruturais de proteínas baseada em semelhanças das suas estruturas e sequências de aminoácidos. Uma motivação para esta classificação é determinar a relação evolutiva entre as proteínas. Proteínas com os mesmos formatos, mas com pouca semelhança de sequência ou funcional, são colocadas em diferentes superfamílias, e assume-se que possuem apenas um ancestral comum muito distante. Proteínas que possuem o mesmo formato e alguma semelhança de sequência e/ou função são colocadas em "famílias", e assume-se que possuem um ancestral comum mais próximo.
Semelhante aos bancos de dados CATH e Pfam, o SCOP fornece uma classificação de domínios estruturais individuais de proteínas, em vez de uma classificação das proteínas inteiras, que podem incluir um número significativo de domínios diferentes.
O banco de dados SCOP é de livre acesso na internet. O SCOP foi criado em 1994 no Centro de Engenharia de Proteínas e no Laboratório de Biologia Molecular. Foi mantido por Alexey G. Murzin e os seus colegas no Centro de Engenharia de Proteínas até ao seu encerramento em 2010 e, posteriormente, no Laboratório de Biologia Molecular em Cambridge, Inglaterra.
O trabalho no SCOP 1.75 foi interrompido em 2014. Desde então, a equipa do SCOPe da UC Berkeley tem sido responsável por atualizar o banco de dados de maneira compatível, com uma combinação de métodos automatizados e manuais. Desde abrilde 2019(2019 -04)[update], a versão mais recente é o SCOPe 2.07 (Março de 2018).
A nova versão 2 do banco de dados de Classificação Estrutural de Proteínas (SCOP2) foi lançada no início de 2020. A nova atualização apresentou um esquema de banco de dados aprimorado, uma nova API e uma interface web modernizada. Esta foi a atualização mais significativa do grupo de Cambridge desde o SCOP 1.75 e baseia-se nos avanços de esquema do protótipo SCOP 2.
Organização hierárquica
A fonte das estruturas proteicas é o Protein Data Bank. A unidade de classificação de estrutura no SCOP é o domínio proteico. O que os autores do SCOP querem dizer com "domínio" é sugerido pela sua afirmação de que proteínas pequenas e a maioria das médias possuem apenas um domínio, e pela observação de que a hemoglobina humana, que possui uma estrutura α2β2, recebe dois domínios SCOP, um para a subunidade α e outro para a β.
Os formatos dos domínios são chamados de "dobras" (folds) no SCOP. Domínios pertencentes à mesma dobra possuem as mesmas estruturas secundárias principais no mesmo arranjo com as mesmas conexões topológicas. São fornecidas 1195 dobras na versão 1.75 do SCOP. Breves descrições de cada dobra são fornecidas. Por exemplo, a dobra "tipo globina" é descrita como núcleo: 6 hélices; folha dobrada, parcialmente aberta. A dobra à qual um domínio pertence é determinada por inspeção, e não por software.
Os níveis da versão 1.75 do SCOP são os seguintes:
Classe: Tipos de dobras, por exemplo, folhas beta.
Dobra (Fold): Os diferentes formatos de domínios dentro de uma classe.
Superfamília: Os domínios numa dobra são agrupados em superfamílias, que possuem pelo menos um ancestral comum distante.
Família: Os domínios numa superfamília são agrupados em famílias, que possuem um ancestral comum mais recente.
Domínio proteico: Os domínios em famílias são agrupados em domínios proteicos, que são essencialmente a mesma proteína.
Espécie: Os domínios em "domínios proteicos" são agrupados de acordo com a espécie.
Domínio: parte de uma proteína. Para proteínas simples, pode ser a proteína inteira.
Classes
Os grupos mais amplos na versão 1.75 do SCOP são as classes de dobras de proteínas. Estas classes agrupam estruturas com composição de estrutura secundária semelhante, mas diferentes estruturas terciárias globais e origens evolutivas. Este é o nível superior "raiz" da classificação hierárquica do SCOP.
Proteínas todas alfa [46456] (284): Domínios consistindo de hélices-α
Proteínas todas beta [48724] (174): Domínios consistindo de folhas-β
Proteínas alfa e beta (a/b) [51349] (147): Principalmente folhas beta paralelas (unidades beta-alfa-beta)
Proteínas alfa e beta (a+b) [53931] (376): Principalmente folhas beta antiparalelas (regiões alfa e beta segregadas)
Proteínas de múltiplos domínios (alfa e beta) [56572] (66): Dobras consistindo de dois ou mais domínios pertencentes a classes diferentes
Proteínas de hélice superenrolada (coiled-coil) [57942] (7): Não é uma classe verdadeira
Estruturas proteicas de baixa resolução [58117] (26): Peptídeos e fragmentos. Não é uma classe verdadeira
Peptídeos [58231] (121): peptídeos e fragmentos. Não é uma classe verdadeira.
Proteínas projetadas [58788] (44): Estruturas experimentais de proteínas com sequências essencialmente não naturais. Não é uma classe verdadeira
O número entre colchetes, chamado de "sunid", é um identificador inteiro único do SCOP (SCOP unique integer identifier) para cada nó na hierarquia. O número entre parênteses indica quantos elementos existem em cada categoria. Por exemplo, existem 284 dobras na classe "Proteínas todas alfa". Cada membro da hierarquia é uma ligação para o próximo nível da hierarquia.
Dobras (Folds)
Cada classe contém um número de dobras distintas. Este nível de classificação indica estrutura terciária semelhante, mas não necessariamente parentesco evolutivo. Por exemplo, a classe "Proteínas todas-α" contém >280 dobras distintas, incluindo: tipo Globina (núcleo: 6 hélices; folha dobrada, parcialmente aberta), grampo alfa longo (2 hélices; grampo antiparalelo, torção para a esquerda) e domínios de dockerina Tipo I (repetição em tandem de dois motivos hélice-alça de ligação ao cálcio, distintos da mão EF).
Superfamílias
Domínios dentro de uma dobra são ainda classificados em superfamílias. Este é o maior agrupamento de proteínas para o qual a semelhança estrutural é suficiente para indicar parentesco evolutivo e, portanto, compartilhar um ancestral comum. No entanto, presume-se que este ancestral seja distante, porque os diferentes membros de uma superfamília têm baixas identidades de sequência. Por exemplo, as duas superfamílias da dobra "tipo globina" são: a superfamília da globina e a superfamília da ferredoxina alfa-helicoidal (contém dois aglomerados Fe4-S4).
Famílias
Famílias de proteínas são mais estreitamente relacionadas do que superfamílias. Domínios são colocados na mesma família se tiverem:
>30% de identidade de sequência
alguma identidade de sequência (ex: 15%) e realizarem a mesma função
A semelhança na sequência e na estrutura é evidência de que estas proteínas têm uma relação evolutiva mais próxima do que proteínas na mesma superfamília. Ferramentas de sequência, como o BLAST, são usadas para auxiliar na colocação de domínios em superfamílias e famílias. Por exemplo, as quatro famílias na superfamília "tipo globina" da dobra "tipo globina" são hemoglobina truncada (carece da primeira hélice), mini-hemoglobina de tecido nervoso (carece da primeira hélice, mas de resto é mais semelhante às globinas convencionais do que as truncadas), globinas (proteína de ligação ao heme) e proteínas de ficobilissomo do tipo ficocianina (oligômeros de dois tipos diferentes de subunidades do tipo globina contendo duas hélices extras no N-terminal que ligam um cromóforobilina). Às famílias no SCOP é atribuída uma string de classificação concisa, sccs, onde a letra identifica a classe à qual o domínio pertence; os inteiros seguintes identificam a dobra, superfamília e família, respectivamente (ex: a.1.1.2 para a família "Globina").
Domínios de entrada PDB
Um "TaxId" é o número de ID de taxonomia e liga-se ao navegador de taxonomia do NCBI, que fornece mais informações sobre a espécie à qual a proteína pertence. Clicar numa espécie ou isoforma abre uma lista de domínios. Por exemplo, a proteína "Hemoglobina, cadeia alfa de Humano (Homo sapiens)" possui >190 estruturas proteicas resolvidas, como 2dn3 (complexada com cmo) e 2dn1 (complexada com hem, mbn, oxy). Clicar nos números do PDB deveria exibir a estrutura da molécula, mas as ligações estão atualmente quebradas (ligações funcionam no pré-SCOP).
Exemplo
A maioria das páginas no SCOP contém uma caixa de pesquisa. Inserir "tripsina +humano" recupera várias proteínas, incluindo a proteína tripsinogênio de humanos. Selecionar essa entrada exibe uma página que inclui a "linhagem" (lineage), que está no topo da maioria das páginas do SCOP.
Linhagem do tripsinogênio humano
Raiz: scop
Classe: Proteínas todas beta [48724]
Dobra: Proteases de serina do tipo tripsina [50493]
barril, fechado; n=6, S=8; greek-key
duplicação: consiste em dois domínios da mesma dobra
Superfamília: Proteases de serina do tipo tripsina [50494]
Embora ambas as proteínas sejam proteases, elas nem sequer pertencem à mesma dobra, o que é consistente com serem um exemplo de evolução convergente.
Comparação com outros sistemas de classificação
A classificação SCOP é mais dependente de decisões manuais do que a classificação semiautomática pelo CATH, seu principal rival. A perícia humana é usada para decidir se certas proteínas são evolutivamente relacionadas e, portanto, devem ser atribuídas à mesma superfamília de proteínas, ou se a sua semelhança é resultado de restrições estruturais e, portanto, pertencem à mesma dobra. Outro banco de dados, FSSP, é gerado de forma puramente automática (incluindo atualizações automáticas regulares), mas não oferece classificação, permitindo que o utilizador tire a sua própria conclusão quanto à significância das relações estruturais com base nas comparações pareadas de estruturas proteicas individuais.
Sucessores do SCOP
Em 2009, o banco de dados SCOP original classificou manualmente 38.000 entradas PDB numa estrutura estritamente hierárquica. Com o ritmo acelerado de publicações de estruturas de proteínas, a automação limitada da classificação não conseguiu acompanhar, levando a um conjunto de dados não abrangente. O banco de dados de Classificação Estrutural de Proteínas estendido (SCOPe) foi lançado em 2012 com automação muito maior do mesmo sistema hierárquico e é totalmente compatível com a versão 1.75 do SCOP. Em 2014, a curadoria manual foi reintroduzida no SCOPe para manter a atribuição precisa da estrutura. Em fevereiro de 2015, o SCOPe 2.05 classificava 71.000 das 110.000 entradas totais do PDB.
O protótipo SCOP2 era uma versão beta da Classificação estrutural de proteínas e sistema de classificação que visava mover a complexidade evolutiva inerente à evolução da estrutura proteica. Portanto, não é uma hierarquia simples, mas uma rede de grafo acíclico dirigido conectando superfamílias de proteínas que representam relações estruturais e evolutivas, tais como permutações circulares, fusão de domínios e decaimento de domínios. Consequentemente, os domínios não são separados por fronteiras fixas estritas, mas são definidos pelas suas relações com as outras estruturas mais semelhantes. O protótipo foi utilizado para o desenvolvimento da base de dados SCOP versão 2. A versão 2 do SCOP, lançada em janeiro de 2020, contém 5134 famílias e 2485 superfamílias.
O banco de dados de Classificação Evolutiva de Domínios de Proteínas (ECOD), lançado em 2014, é uma expansão do SCOP versão 1.75 semelhante ao SCOPe. Ao contrário do compatível SCOPe, ele renomeia a hierarquia classe-dobra-superfamília-família num agrupamento arquitetura-X-homologia-topologia-família (A-XHTF). ECOD cobre cada estrutura PDB e é atualizado quinzenalmente.
↑
Murzin AG, Brenner SE, Hubbard T, Chothia C (abril de 1995). «SCOP: a structural classification of proteins database for the investigation of sequences and structures». Journal of Molecular Biology. 247 (4): 536–40. PMID7723011. doi:10.1016/S0022-2836(05)80134-2
↑PDB2DN1; Park SY, Yokoyama T, Shibayama N, Shiro Y, Tame JR (julho de 2006). «1.25 A resolution crystal structures of human haemoglobin in the oxy, deoxy and carbonmonoxy forms». Journal of Molecular Biology. 360 (3): 690–701. PMID16765986. doi:10.1016/j.jmb.2006.05.036
. PMID 9847194. doi:10.1093/nar/27.1.254