Cấu trúc bậc hai là gì? Các nghiên cứu khoa học liên quan

Định nghĩa cấu trúc bậc hai

Cấu trúc bậc hai của protein mô tả cách sắp xếp cục bộ các đoạn chuỗi polypeptide dựa trên liên kết hydrogen giữa nhóm carbonyl (C=O) của một amino acid và nhóm amide (N–H) của amino acid kế tiếp. Ở cấp độ này, protein hình thành các motif lặp lại với hình dạng nhận dạng dễ dàng như xoắn α (α-helix) hay tấm β (β-sheet), khác biệt hẳn với cấu trúc bậc nhất chỉ tính đến trình tự amino acid và hoàn toàn tách bạch với cấu trúc bậc ba, bốn liên quan đến gấp khúc không gian và tổ hợp đa phân tử.

Cấu trúc bậc hai không phụ thuộc vào tương tác giữa chuỗi bên (side chains) mà do các liên kết hydrogen nội chuỗi chi phối, tạo ra độ ổn định cục bộ và khuôn khổ cho việc gấp khối ở các cấp cao hơn. Mỗi motif α-helix và β-sheet đóng vai trò như “gạch” để xây dựng cấu trúc bậc ba phức tạp hơn, đồng thời quyết định tính cơ học, tính ổn định và khả năng tương tác với ligand hoặc enzym khác.

Cấu trúc bậc hai còn được xem như tấm bản đồ phân bố góc dihedral φ và ψ—được mô tả trong biểu đồ Ramachandran—cho phép dự đoán những vùng đặc biệt ưu tiên hình thành motif nhất định. Sự hiểu biết rõ ràng về cấu trúc bậc hai là nền tảng để giải mã chức năng protein, thiết kế peptide tổng hợp và phân tích bệnh liên quan đến nếp gấp sai (như bệnh Alzheimer, Parkinson).

Các loại cấu trúc bậc hai

α-helix là motif phổ biến nhất, có đặc trưng là chuỗi xoắn phải với mỗi vòng xoắn gồm 3.6 residue. Liên kết hydrogen hình thành giữa nhóm C=O của residue i và nhóm N–H của residue i+4, tạo góc xoắn (~100°) và bước xoắn (~5.4 Å). Xoắn α ổn định nhờ các tương tác nội chuỗi, thường xuất hiện trong vùng xuyên màng và cấu trúc khung của enzyme.

β-sheet bao gồm các mạch peptide song song (parallel) hoặc chống song song (antiparallel), trong đó các liên kết hydrogen liên kết chéo giữa các mạch kế cận. Khoảng cách giữa các mạch peptide thường ~4.7 Å, tạo thành tấm phẳng chịu lực tốt. β-sheet chịu trách nhiệm tạo ra lõi cứng của các protein sợi và khung nối cánh cho các enzyme như thioredoxin.

Turn và loop là các đoạn nối ngắn, thường chứa glycine hoặc proline để tạo góc gấp mạnh, thay đổi hướng chuỗi polypeptide một cách linh hoạt. Turns (ví dụ β-turns) kéo dài 4 residue, cho phép chuỗi gấp lại gần nhau, trong khi loops không tuân theo quy luật liên kết hydrogen cố định, thường nằm trên bề mặt protein, tham gia vào liên kết ligand và tương tác protein-protein.

Nguyên lý hình thành

Liên kết hydrogen nội chuỗi đóng vai trò chủ đạo trong việc ổn định cấu trúc bậc hai. Oxy của nhóm carbonyl và hydro của nhóm amide tạo góc và khoảng cách lý tưởng giúp tối ưu hóa năng lượng liên kết. Tổng quan năng lượng cho mỗi liên kết hydrogen thường vào khoảng 1–5 kcal/mol, đủ mạnh để duy trì cấu trúc cục bộ trong khi vẫn cho phép linh động khi gấp protein cấp cao hơn.

Góc xoắn φ và ψ xác định phạm vi hình thành motif. Biểu đồ Ramachandran thể hiện vùng cho phép cho mỗi góc dihedral, với α-helix chiếm vùng khoảng φ≈–60°, ψ≈–45° và β-sheet ở φ≈–135°, ψ≈135°. Các amino acid như glycine với góc xoắn linh hoạt hoặc proline với vòng pyrrolidine giới hạn góc φ thường tập trung ở vùng loops và turns.

Tương tác kỵ nước (hydrophobic interactions) và hiệu ứng màn chắn (shielding) từ chuỗi bên cũng ảnh hưởng thứ cấp lên cấu trúc bậc hai. Các residue ưa nước hướng ra ngoài tiếp xúc với môi trường, trong khi residue kỵ nước ẩn vào bên trong, tạo môi trường bán kín cho liên kết hydrogen cục bộ được ổn định lâu dài.

Phương pháp xác định cấu trúc bậc hai

Quang phổ phân tử như Circular Dichroism (CD) đo sự khác biệt hấp thụ ánh sáng phân cực thuận và nghịch, cho phổ đặc trưng phân bố α-helix, β-sheet và random coil. Spektral vùng amide I (1.600–1.700 cm⁻¹) trong FTIR cũng cung cấp thông tin tỉ lệ cấu trúc motif dựa vào đỉnh tần số riêng của liên kết C=O.

X-ray crystallography cung cấp tọa độ nguyên tử chính xác, từ đó dễ dàng xác định liên kết hydrogen và motif bậc hai. Tuy nhiên phương pháp này phụ thuộc vào khả năng kết tinh. NMR spectroscopy giải quyết giới hạn kết tinh, cho phép xác định cấu trúc bậc hai trong dung dịch nhưng giới hạn khối lượng và yêu cầu đo nhiều phổ đa chiều.

Thuật toán dự đoán cấu trúc bậc hai như PSIPRED, JPred sử dụng bảo tồn chuỗi và mô hình hóa xác suất để đưa ra dự đoán cho từng residue. Phương pháp này đã đạt độ chính xác >80% nhờ tích hợp dữ liệu từ vị trí bảo tồn và thông tin Ramachandran. Công cụ DSSP gán cấu trúc bậc hai tự động dựa trên tọa độ PDB, cho phép phân tích hàng loạt protein một cách hiệu quả (PSIPRED, RCSB PDB).

Mô hình toán học và thuật toán dự đoán

Mục tiêu của mô hình hóa cấu trúc bậc hai là dự đoán chính xác vị trí và loại motif (α-helix, β-sheet, turn, loop) từ chuỗi amino acid. Các thuật toán như Chou–Fasman và Garnier–Osguthorpe–Robson (GOR) dựa vào tần suất xuất hiện từng residue trong motif đã biết, sử dụng phân bố xác suất để gán cấu trúc.

Thuật toán hiện đại như PSIPRED và JPred còn tích hợp thông tin bảo tồn chuỗi (position-specific scoring matrices) và mạng neural sâu (deep neural networks), cho độ chính xác 80–85 % đối với các protein experiment-known. PSIPRED sử dụng bước tiền xử lý PSI-BLAST để tạo PSSM, sau đó dùng ẩn Markov (HMM) để gán cấu trúc bậc hai cho mỗi residue.

• DSSP (Define Secondary Structure of Proteins): gán cấu trúc bậc hai dựa trên phân tích liên kết hydrogen từ file PDB.
• STRIDE: kết hợp góc dihedral và năng lượng liên kết hydrogen để cải thiện gán motif so với DSSP.
• SPIDER2: sử dụng học sâu để đồng dự đoán góc φ, ψ và cấu trúc bậc hai.

Biểu đồ Ramachandran và bản đồ năng lượng nội chuỗi cũng được tích hợp vào thuật toán như ProCheck để đánh giá tính hợp lệ của dự đoán. Sự phát triển của các mô hình đa tác vụ (multi-task learning) cho phép đồng thời dự đoán cấu trúc bậc hai và các tính chất sinh học khác, ví dụ tính hòa tan hoặc vùng gắn ligand.

Ảnh hưởng đến chức năng protein

Cấu trúc bậc hai tạo khung chịu lực và hình thành vùng hoạt động cho enzyme. Trong họ enzym hydrolase, α/β-barrel motif (TIM barrel) gồm tám vòng xoắn α xen kẽ tám tấm β tạo lõi ổn định và khoang hoạt động nằm ở phía đỉnh của barrel, hỗ trợ gắn cơ chất và xúc tác.

Trong protein tín hiệu như kinases, tấm β trung tâm và vòng xoắn α duy trì cấu trúc ổn định, điều chỉnh trạng thái hoạt động thông qua biến đổi cấu trúc bậc hai tại loop kích hoạt (activation loop). Sự bất thường tại loop này có thể dẫn đến hoạt tính bất thường, liên quan đến nhiều bệnh ung thư.

Các vùng loop và turn thường nằm trên bề mặt và tham gia vào tương tác protein–protein hoặc gắn ligand. Sự linh động của loops ảnh hưởng đến độ chọn lọc và ái lực gắn, đóng vai trò quan trọng khi thiết kế thuốc ức chế enzym hoặc kháng thể tái tổ hợp.

Ứng dụng trong thiết kế protein và thuốc

Thiết kế peptide kháng khuẩn (antimicrobial peptides) thường tận dụng cấu trúc α-helix ổn định để tăng khả năng xuyên màng vi khuẩn. Bằng cách thay thế residue ưa nước bằng residue kỵ nước một cách có chủ đích, nhà thiết kế tạo ra peptide có amphipathic helix, dễ lấp đầy khe lipid màng tế bào vi khuẩn.

Trong điều trị Alzheimer, mục tiêu là ngăn ngừa β-sheet tạo amyloid-β oligomer. Các phân tử nhỏ (small molecules) được thiết kế để gắn vào vùng β-turn trung gian và ngăn chặn dimer hóa β-sheet, giảm hình thành fibril amyloid.

• Thiết kế motif α-helix tự lắp (self-assembling): ứng dụng trong tạo vật liệu nanostructure.
• Epitope mapping: xác định vùng loop bề mặt cho vaccine peptide tổng hợp.
• Protein engineering: chèn/mút loops để cải thiện độ ổn định và hoạt tính nhiệt (thermostability).

Phần mềm Rosetta cung cấp module “RosettaRemodel” để mô phỏng hiệu ứng của thay đổi motif bậc hai lên cấu trúc bậc ba, hướng dẫn tối ưu hóa tính ổn định và tương tác giữa các domain protein.

Thách thức và hướng nghiên cứu

Mặc dù các thuật toán dự đoán đã tiến bộ, sai số vẫn chiếm khoảng 15–20 % do tác động của tương tác dài chuỗi, môi trường nước và gắn kết với các phân tử đồng hành (co-factors). Thách thức lớn là mô phỏng chính xác sự biến đổi cấu trúc bậc hai trong môi trường tế bào với nồng độ muối, pH và nhiệt độ thay đổi.

Xu hướng nghiên cứu hiện nay tập trung vào tích hợp dữ liệu đa phương thức như Cryo-EM, NMR và quang phổ hai photon (2D IR spectroscopy) để thu thập thông tin động học và nhiệt động học. Mạng neural sâu kết hợp attention mechanisms đang được phát triển để dự đoán sự thay đổi động của motif bậc hai theo thời gian thực trong mô phỏng molecular dynamics.

• Deep learning đa tác vụ: đồng dự đoán cấu trúc bậc hai và tính linh động (B-factor).
• Mô phỏng enhanced sampling: cải thiện khám phá không gian cấu hình (metadynamics, replica exchange).
• Tích hợp dữ liệu in-cell NMR và Cryo-ET để đánh giá cấu trúc bậc hai trong điều kiện gần thực tế.

Với sự bùng nổ của protein language models (ProtBert, ESM), việc dự đoán cấu trúc bậc hai dựa trên biểu diễn embedding của chuỗi amino acid hứa hẹn cải thiện đáng kể độ chính xác, đặc biệt khi kết hợp với dữ liệu thí nghiệm quy mô lớn.

Tài liệu tham khảo

• Kabsch, W.; Sander, C. (1983). “Dictionary of protein secondary structure: pattern recognition of hydrogen-bonded and geometrical features”. Biopolymers, 22(12), 2577–2637.
• Jones, D. T. (1999). “Protein secondary structure prediction based on position-specific scoring matrices”. Journal of Molecular Biology, 292(2), 195–202.
• Creighton, T. E. (2010). Proteins: Structures and Molecular Properties. W. H. Freeman.
• Rost, B.; Sander, C. (1993). “Prediction of protein secondary structure at better than 70% accuracy”. Journal of Molecular Biology, 232(2), 584–599.
• Sali, A.; Blundell, T. L. (1993). “Comparative protein modelling by satisfaction of spatial restraints”. Journal of Molecular Biology, 234(3), 779–815.
• Jones, D. T.; Cozzetto, D. (2015). “DISOPRED3: precise disordered region predictions with annotated protein-binding activity”. Bioinformatics, 31(6), 857–863.