Компьютерный анализ связи конформационных пептидов с аллергенностью белков тема диссертации и автореферата по ВАК РФ 03.01.09, кандидат биологических наук Брагин, Анатолий Олегович

• Брагин, Анатолий Олегович
• кандидат биологических наук
• 2013

Оглавление диссертации кандидат биологических наук Брагин, Анатолий Олегович

Оглавление

Оглавление

Список сокращений

Введение

Актуальность исследования

Цели и задачи исследования

Объект и предмет исследования

Научная новизна исследования

Практическая значимость работы

Положения, выносимые на защиту

Апробация результатов исследования

Публикации

Структура диссертации

Личный вклад автора

Благодарности

1. Обзор литературы

1.1. Аллергия, аллергические заболевания

1.2. Механизмы развития 1§Е-опосредованных реакций

1.3. Аллергены, вызывающие ^Е-опосредованные реакции

1.4. Эпитопы. Предсказание конформационных эпитопов с использованием конформационных пептидов

1.5. Методы анализа аллергенности белков

1.6. Мимикрия пептидами свойств белков

1.7. Заключение

2. База данных конформационных и линейных пептидов из известных белков-аллергенов (ЬСР)

2.1. Алгоритм расчета конформационных и линейных пептидов

2.2. Структура и содержание базы данных ЬСР

3. Метод предсказания аллергенности белков на основе анализа линейных и конформационных пептидов

3.1. Расчет сходства между анализируемым белком и белком-аллергеном с использованием информации о линейных и конформационных пептидах

3.2. Комбинированный подход оценки аллергенности белков на основе анализа линейных и конформационных пептидов и BLAST

3.3. Оценка точности метода предсказания аллергенности белков

4. Анализ конформационных пептидов из белков со схожими свойствами

4.1. Анализ физико-химических свойств пептидов LCP

4.2. Анализ сходства конформационных пептидов аллергенов с линейными пептидами белков из Swiss-Prot

4.3. Анализ сходства конформационных пептидов в ДНК-связывающих белках

5 Предсказание аллергенных свойств у белков с использованием разработанных методов

5.1. Предсказание и анализ белков-аллергенов из Schistosoma mansoni

5.2. Анализ аллергенности белков микроорганизмов

Заключение

Выводы

Список цитируемой литературы

Публикации с результатами работы

Приложение 1. Базы данных, содержащие информацию об аллергенных

белках

Приложение 2. Свойства аминокислот, используемые для разделения

аминокислот на 7 групп

Приложение 3. Матрица РАМ30

Приложение 4. Свойства аминокислот, используемые для анализа физико-химических свойств конформационных пептидов аллергенных белков

Список сокращений

ARP - allergen-representative peptides

В7 - мембранный белок антигенпрезентирующих клеток, взаимодействующий с CD28

BLAST - Basic Local Alignment Search Tool, алгоритм выравнивания

нуклеиновых и аминокислотных последовательностей

CD28 - белок Т-клеток, способный взаимодействовать с В7

CD40 - белок антигенпрезентирующих клеток

CD40L - белок Т-клеток, способный взаимодействовать с CD40

EAACI - европейская академия аллергии и клинической иммунологии

FAO - продовольственная и сельскохозяйственная организация

FcsRI - Fc рецепторы, способные взаимодействовать с IgE-антителами,

первого типа

FcsRII - Fc рецепторы, способные взаимодействовать с IgE-антителами, второго типа

НММ - hidden Markov model IgE-антитело - антитело класса Е

LCP - база данных содержащая информацию о конформационных и линейных пептидах, встречающихся не менее чем в двух белках аллергенах с учетом физико-химических свойств аминокислот

LP- база данных линейных пептидов, содержащая линейные пептиды, которые встречаются не менее чем в двух известных белках-аллергенах с учетом физико-химических свойств аминокислот

SDAP- Structural Database of Allergenic Proteins, база данных аллергенных белков

WAO - всемирная организация аллергии

WHO - всемирная организация здравоохранения

АСИТ - аллерген-специфическая иммунотерапия

ГКГС2 -главный комплекс гистосовместимости второго типа

ИЛ - интерлейкин

ТхО, Txl, Тх2 - различные субпопуляции Т-лимфоцитов (Т-хелперов), осуществляющих регуляцию иммунного ответа

Введение диссертации (часть автореферата) на тему «Компьютерный анализ связи конформационных пептидов с аллергенностью белков»

Введение

Актуальность исследования

На сегодняшний день по данным WAO (Всемирной организации аллергии) от различных аллергических заболеваний страдает более трети населения в мире. Белки являются основным агентом, вызывающим IgE-опосредованную аллергию (Колхир, 2010). Одним из наиболее эффективных средств предотвращения развития аллергических реакций является элиминационная терапия, поэтому важно знать, какие белки могут вызывать аллергические реакции у людей. В настоящее время накоплен огромный массив экспериментальных данных по многим главным аллергенам (белкам, способным взаимодействовать с IgE-антителами у более чем 50% аллергиков, чувствительных к источнику данного белка-аллергена), что делает актуальным проблему компьютерного анализа их аллергенных свойств. Аллергены могут встречаться среди белков генетически модифицированных продуктов, косметики, лекарственных препаратов, искусственно синтезированных белков и других белков, с которыми может контактировать человек. Появление высокопроизводительных параллельных технологий секвенирования обеспечило стремительный рост de novo секвенированных последовательностей. Экспериментально проверить способность вызывать IgE-опосредованные реакции в организме у всех белков в настоящее время невозможно (только в базе данных UniProt содержится более 25 млн. последовательностей белков). По этим причинам разработка методов предсказания аллергенности (перекрестной реактивности между белками-аллергенами) белков является важной задачей.

Один из первых методов предсказания аллергенности белков был предложен Всемирной организацией здравоохранения (WHO) и

Продовольственной и сельскохозяйственной организацией (FAO). В дополнение к экспериментальным методам оценки аллергенности продуктов ими было предложено проводить сравнение анализируемых белков пищи с известными белками-аллергенами для оценки перекрестной реактивности. Считалось, что белок можно рассматривать, как аллерген, если он имеет участок длиною более 6 аминокислотных остатков, идентичный участку аминокислотной последовательности известного аллергена. Кроме того, анализируемый белок мог считаться аллергеном, если его аминокислотная последовательность имела фрагмент, гомологичный последовательности известного аллергена. Однако этот метод предсказывал большое количество ложноположительных результатов. Кроме подхода, предложенного FAO/WHO, в последнее время активно разрабатываются новые методы анализа аллергенности белков. Известно, что белки-аллергены взаимодействуют с IgE-антителами (Ройт и др., 2000). Эпитопы на поверхности белка, с которыми взаимодействуют антитела, могут быть линейными или конформационными (Schramm et al., 2001; Takagi et al., 2005). Линейные эпитопы белков состоят из аминокислотных остатков, расположенных последовательно в первичной структуре белка. Аминокислоты конформационных эпитопов формируют разрывные фрагменты в первичной структуре, но компактный кластер в третичной структуре. Большинство методов предсказания аллергенности явно или неявно используют информацию о линейных антигенных эпитопах. Например, такие эпитопы могут входить в состав мотивов или консервативных участков аминокислотных последовательностей белков, используемых при предсказании аллергенности (Stadler and Stadler, 2003). Однако учесть конформационные эпитопы при анализе первичной структуры значительно сложнее в силу того, что они могут быть распределены вдоль протяженных участков последовательности. Для их анализа требуется использование данных о пространственной структуре белков. По этой причине создание методов предсказания аллергенных свойств белков,

которые в дополнение к информации о первичной структуре белков способны учитывать еще и пространственную организацию белковых молекул, является наиболее актуальным в этой области исследований и практических приложений.

Цели и задачи исследования

Таким образом, целью исследования был поиск взаимосвязи между структурной организацией и аллергенными свойствами белков с использованием представления поверхности их пространственной структуры наборами конформационных пептидов (цепочек сближенных в пространственной структуре аминокислотных остатков, среди которых могут находиться остатки, удаленные друг от друга в первичной структуре). Для достижения этой цели решались следующие задачи:

1. Анализ физико-химических свойств конформационных пептидов

аллергенных белков.

2. Анализ сходства конформационных и линейных пептидов в

белках-аллергенах.

3. Разработка метода представления поверхностных участков

пространственной структуры белка набором

конформационных пептидов.

4. Анализ структурной и функциональной близости белков-

аллергенов, обладающих сходными конформационными

пептидами.

5. Разработка метода предсказания аллергенности белков на основе

анализа конформационных пептидов.

6. Анализ влияния факторов среды обитания микроорганизмов на

наличие аллергенных белков в их протеомах.

Объект и предмет исследования

Аллергия - это одна из наиболее распространенных проблем со здоровьем в индустриальных странах. Элиминационная терапия остается эффективным способом предотвращения развития аллергических реакций, в связи с чем, представляет интерес анализ аллергенных свойств белков. Объектом исследования являются конформационные пептиды, рассчитанные на основе анализа первичной и пространственной структуры белков. Основным предметом исследований в настоящей работе является связь конформационных пептидов с аллергенностью белков. Конформационные пептиды - это цепочки аминокислотных остатков, которые сближены на поверхности белка, но могут лежать отдельно друг от друга в его аминокислотной последовательности. Пространственные структуры белков используются для выявления участков белковой поверхности, способных взаимодействовать с ^Е-антителами, участвующими в развитии аллергических реакций. Поверхность белковой молекулы представляется в виде набора конформационных пептидов. Предполагается, что такие пептиды могут содержать информацию об эпитопах, распознаваемых антителами. С использованием конформационных пептидов осуществляется предсказания аллергенности белков.

Научная новизна исследования

Существующие методы предсказания аллергенности белков строятся на подходах, основанных на выявлении гомологии по аминокислотным последовательностям между анализируемыми белками и известными белками-аллергенами, а также на анализе аминокислотного состава и физико-химических свойств коротких линейных фрагментов аминокислотных последовательностей. При этом упускается очень важная информация о структурной организации белковых поверхностей, которые содержат сайты

связывания IgE, т.е., непосредственные мишени для взаимодействия IgE с белком. Прямой учет в методах предсказания аллергенности различных сайтов, образованных на поверхности белковой молекулы, представляет большую сложность в связи с тем, что эти сайты, как правило, являются конформационными, т.е. состоящими из удаленных друг от друга в последовательности аминокислотных остатков. В данной работе впервые предложено использовать для предсказания аллергенности белков представление их поверхности в виде набора конформационных пептидов. Такие пептиды являются моделью линейных пептидов, поскольку составлены из разрывных участков аминокислотной последовательности белка. В работе впервые была создана база данных конформационных и линейных пептидов аллергенных белков, с указанием их потенциального вклада в аллергенность. Обеспечены доступ к базе данных через Интернет и возможность поиска при помощи программы BLAST (http://www-bionet.sscc.ru/psd/cgi-bin/programs/Blast/blast_local.cgi). С использованием этой базы создан новый метод предсказания аллергенности белков, превосходящий по точности известные методы. Проведена оценка перекрестной реактивности между белками Schistosoma mansoni и известными аллергенами. Впервые показано, что негомологичные белки, содержащие на своей поверхности сходные конформационные пептиды, могут иметь также сходные аллергенные и функциональные свойства. Впервые предсказано наличие связи между патогенностью микроорганизмов и количеством аллергенных для человека белков у данных микроорганизмов.

Практическая значимость работы

Метод предсказания аллергенности белков и база данных конформационных пептидов белков-аллергенов были интегрированы в систему Protein Structure Discovery и ICGenomics. Метод способен анализировать аллергенность белков по их первичной структуре, учитывая

при этом информацию о конформационных эпитопах известных аллергенов, что делает возможным его применение для анализа больших множеств белков и целых протеомов. Полученные результаты могут быть использованы для планирования экспериментов по проверке аллергенных свойств белков, поиску эпитопов IgE-антител, проектированию новых белков и пептидов для проведения аллерген-специфической иммунотерапии (АСИТ).

Положения, выносимые на защиту

Разработанный метод определения аллергенности белков на основе сравнения конформационных пептидов известных белков-аллергенов с пептидами анализируемых белков позволяет предсказывать аллергенность белков с высокой точностью.

Негомологичные белки-аллергены характеризуются наличием сходных конформационных и линейных пептидов.

Аллергенность микроорганизмов (отношение количества белков, предсказанных как аллергены, к общему числу белков в протеоме данного микроорганизма) положительно коррелирует с их патогенностью.

Апробация результатов исследования

Результаты работы были представлены на международных и российских конференциях: на осенней школе International Autumn School for Young Scientists on Computational Systems Biology and Bioinformatics, 2009, Novosibirsk, Russia; на летней школе summer school and workshop Integrative Biological Pathway Analysis and Simulation - 2010, Bielefeld, Germany; международной конференции The 7th International Conference on Bioinformatics of Genome Regulation and Structure - 2010, Novosibirsk, Russia; конференции Интерра-2011 Секция "Биомедицина", Новосибирск, Россия;

школе молодых ученых "Биоинформатика и системная биология" 2011, Новосибирск, Россия; конференции "Постгеномные методы анализа в биологии, лабораторной и клинической медицине: геномика, протеомика, биоинформатика" 2011, Новосибирск, Россия; открытии RCIBC 2011, Новосибирск, Россия; международной конференции Bioinformatics of Genome Regulation and StructureVSystems Biology — BGRS\SB-2012; международной конференции International Conference on Postgenomic Technology for Biomedicine 2012, Новосибирск, Россия; конкурс «Участник молодежного научно-инновационного конкурса» («УМНИК») Медицина Будущего 2012, Новосибирск, Россия.

Публикации

В результате выполнения работы было опубликовано 5 статей в рецензируемых журналах, рекомендованных ВАК, 4 тезиса к российским и международным конференциям, получено одно свидетельство о государственной регистрации программы для ЭВМ.

Структура диссертации

Работа состоит из оглавления, списка сокращений, введения, пяти глав, заключения, выводов, списка литературы и четырех-приложений. Материал изложен на 144 страницах (136 страницы текста и 8 страниц приложения), содержит 22 рисунка, 9 таблиц, 10 формул.

Личный вклад автора

Основные результаты работы были получены и проанализированы автором самостоятельно. А именно: в создании базы данных конформационных и линейных пептидов аллергенных белков, в разработке метода предсказания аллергенности белков с использованием

конформационных пептидов, в анализе аллергенности белков шистосомы {Schistosoma mansoni), в анализе аллергенности белков микроорганизмов и связи факторов среды обитания на наличие аллергенных для человека белков в протеомах микроорганизмов, в анализе конформационных пептидов ДНК-связывающих белков. При расчете конформационных пептидов для пространственных структур белков автор использовал фрагменты кода программ (язык программирования С), написанных В. А. Иванисенко.

Благодарности

Автор работы выражает благодарность своему научному руководителю В.А. Иванисенко. Кроме того, автор диссертации выражает благодарность: Е.С. Тийсу, П.С. Деменкову, Ф.П. Гончарову за помощь в освоении методов математической статистики, языков программирования, таких как Perl, С, R, ОС типа LINUX, различных компьютерных программ, а также за многочисленные консультации и советы; Ю.Л. Орлову, М.П. Пономаренко, И.Л. Степаненко и Н.Л. Подколодному за сделанные ими замечания и предложения при обсуждении данной работы.

Заключение диссертации по теме «Математическая биология, биоинформатика», Брагин, Анатолий Олегович

113 Выводы

1) Впервые создана база данных конформационных и линейных пептидов, моделирующих молекулярную поверхность известных белков-аллергенов, содержащая также оценки их возможного вклада в аллергенность данных белков. База данных интегрирована с программой BLAST, позволяющей проводить сравнение пептидов с последовательностями белков.

2) Впервые разработан метод предсказания аллергенности белков на основе использования данных об их пространственных структурах путем идентификации и анализа конформационных пептидов. Показано, что использование информации о конформационных пептидах для предсказания аллергенности белков повышает точность предсказания по сравнению с методами, использующими только линейные пептиды. Точность разработанного метода превышает точности известных аналогов.

3) С помощью разработанного метода предсказаны белки-аллергены из Schistosoma mansoni. Проведена иерархическая кластеризация белков Schistosoma mansoni, основанная на критерии сходства их конформационных и линейных пептидов. Показано, что распределение белков-аллергенов по вершинам ветвей отличается от ожидаемого по случайным причинам. Белки-аллергены с большей частотой, чем ожидалось, распределяются в общие кластеры.

4) На примере негомологичных ДНК-связывающих белков впервые показано, что белки, обладающие общими функциями, статистически чаще по сравнению со случайными белками обладают сходными конформационными пептидами.

5) На основе анализа более 500 видов архей и бактерий, включая экстремофилов, впервые показано, что аллергенность микроорганизмов (доля аллергенных белков в протеоме) статистически значимо связана с их патогенностью, ареалом, температурными условиями среды обитания и потребностью в кислороде. Оказалось, что фактором, наиболее тесно связанным с аллергенностью, является патогенность микроорганизмов.

Заключение

В течение 20-го века наблюдался сильный рост количества больных аллергией и на сегодняшний день от различных аллергических заболеваний страдает каждый третий житель планеты. Для предотвращения развития аллергии в организме уже существует ряд методик таких, как использование стероидов, антигистаминных препаратов, периодическое введение возрастающих доз аллергена (АСИТ) и т.д. Однако одним из основных методов борьбы с аллергией остается избегание контакта аллергиков с аллергенами. По этой причине большой актуальностью обладают работы по оценке аллергенных свойств белков различных животных, растений и микроорганизмов, окружающих человека, в том числе, модифицированных белков из трансгенных продуктов. Провести экспериментальную проверку аллергенности белков всех организмов, с которыми человек имеет контакт, практически невозможно. В связи с этим, в настоящее время, дополнительно к экспериментальным методам оценки аллергенных свойств белков, широко используются компьютерные методы предсказания аллергенности белков. Следует заметить, что большинство современных методов предсказания аллергенности белков основаны на анализе только аминокислотных последовательностях, не учитывающих структурные особенности организации белковых поверхностей, что ограничивает их точность.

В данной работе предложен новый подход к предсказанию аллергенности белков, основанный на представлении их поверхности в виде наборов конформационных и линейных пептидов. Такой подход позволяет учесть информацию, как о линейных, так и о конформационных эпитопах, являющихся сайтами связывания Такие пептиды также могут моделировать и функциональные сайты, сайты связывания различных лигандов, включая сайты связывания иммуноглобулинов других типов, определяющие функциональные и иммунологические свойства белков. Представление поверхности белка в виде набора конформационных и линейных пептидов, позволяет применять хорошо разработанные методы сравнения аминокислотных последовательностей, таких как BLAST, для сравнения поверхностей белков. С использованием разработанных алгоритмов была создана база данных линейных и конформационных пептидов (потенциальных аллергенных эпитопов) для известных белков-аллергенов. База интегрирована с программой BLAST для возможности поиска линейных и конформационных пептидов, сходных с анализируемой последовательностью белка. Для каждого пептида, на основе анализа его частоты встречаемости в аллергенных и не аллергенных белках, был рассчитан показатель, отражающий вклад пептида в аллергенность белков. Предполагается, что пептиды с высоким значением такого показателя являются частью аллергенных эпитопов.

С использованием созданной базы данных разработан метод предсказания аллергенности, основанный на поиске сходства между конформационными и линейными пептидами из аллергенных белков с последовательностью анализируемого белка. Показано, что точность созданного метода, оцененная на тестовых выборках аллергенов и не аллергенов из работы Muh et al. 2009, имеет более высокое значение по сравнению с известными методами. Следует особо отметить, что разработанный метод использует только информацию об аминокислотной последовательности анализируемого белка, что делает возможным его применение для массового анализа белков и целых протеом. Данный метод был интегрирован в систему PSD и доступен по адресу http://www-bionet.sscc.ru/psd/cgi-bin/programs/Allergen/allergen.cgi.

Была проведена оценка вклада информации о конформационных пептидах на точность предсказания аллергенности. Было показано, что точность метода, использующего конформационные и линейные пептиды при предсказании аллергенности белков, была выше, чем у такого же метода, использующего только линейные пептиды. Из чего можно предположить, что использование информации о конформационных пептидах может улучшить уже существующие методы предсказания аллергенности белков, основанные только на анализе аминокислотных последовательностей известных аллергенов.

С использованием разработанного метода были предсказаны белки-аллергены из шистосомы {Schistosoma mansoni), а также проведена иерархическая кластеризация белков шистосомы по критерию сходства конформационных и линейных пептидов, моделирующих поверхности сравниваемых белков. Было показано, что белки из одного кластера часто имели похожие свойства: способность взаимодействовать с ионами цинка, молекулами АТФ и ДНК. Кроме того было показано, что белки со схожей функцией при сравнении между собой статистически значимо чаще демонстрируют сходство конформационных пептидов, чем при сравнении с произвольно взятыми белками. В частности, из этого следует, что применение конформационных пептидов, моделирующих белковые поверхности, может применяться для анализа функций белков.

С использованием разработанных методов, также был проведен анализ связи аллергенности микроорганизмов и их различными характеристиками, включая патогенность и факторы среды их обитания. Показано, что аллергенность белков микроорганизмов статистически значимо связана с патогенностью данных микроорганизмов. Полученный результат является новым и предполагается его дальнейшая экспериментальная проверка.

Результаты, полученные в данной работе, могут использоваться для планирования экспериментов по изучению аллергенных свойств белков и выявлению новых аллергенов. В частности, предполагается химический синтез и проверка аллергенных свойств конформационных пептидов из созданной базы данных. Такие пептиды могут найти широкое практическое применение для создания улучшенных методов лечения аллергии.

Список литературы диссертационного исследования кандидат биологических наук Брагин, Анатолий Олегович, 2013 год

Список цитируемой литературы

1. Брагин, А.О. Предсказание аллергенных свойств белков с использованием их структурных характеристик / А.О. Брагин // Международная студенческая конференция Биология 2008 -Новосибирск, 2008. - С. 5-6.

2. Колхир, П.В. Доказательная аллергология-иммунология / П.В. Колхир -М. : Практическая медицина, 2010. - 526 с.

3. Макарова, С.Г Дисбиоз кишечника у детей с пищевой аллергией: патогенетические аспекты и современные методы коррекции / С.Г. Макарова, Т.Э. Боровик // Вопросы современной педиатрии. - 2008. - № 2. - С. 82-92.

4. Ройт, А. Иммунология / А. Ройт, Дж. Бростофф, Д. Мейл - М.: Издательство «МИР» - 2000. - 592 с.

5. Фассахов, Р.С. Современная номенклатура аллергии и классификация аллергических заболеваний / Р.С. Фассахов // Практическая медицина -2009. -№35.-С. 5-8.

6. Aas К. The biochemical and immunological basis of bronchial asthma // Springfield, Illinois: Charles С Thomas. 1972. 238 p.

7. Alix A.J. Predictive estimation of protein linear epitopes by using the program PEOPLE//Vaccine. - 1999. - Vol.18. - P.311-314.

8. Altschul S.F., Gish W., Miller W., Myers E.W., Lipman D.J. Basic local alignment search tool // J Mol Biol. - 1990. - Vol. 215, N 3. - P. 403-410.

9. Alvarez M.J., Castillo R., Rey A., Ortega N., Blanco C., Carrillo T. Occupational asthma in a grain worker due to Lepidoglyphus destructor, assessed by bronchial provocation test and induced sputum // Allergy. - 1999. -Vol. 54. - P. 884-889.

10. WAO White Book on Allergy / Eds R. Pawankar, G.W. Canonica, S.T. Holgate, R.F. Lockey. Milwaukee, Wisconsin: World Allergy Organization, 2011. P. 12.

11. Antranikian G., Vorgias C.E., Bertoldo C. Extreme environments as a resource for microorganisms and novel biocatalysts // Adv Biochem Eng Biotechnol. - 2005. - Vol. 96. - P. 219-262.

12. Antunes J., Borrego L., Romeira A., Pinto P. Skin prick tests and allergy diagnosis // Allergol Immunopathol (Madr). - 2009. - Vol. 37. - P. 155-164.

13. Apweiler R., Bairoch A., Wu C.H. et al. UniProt: the Universal Protein knowledgebase // Nucleic Acids Res. - 2004. - Vol. 32. - D. 115-119.

14. Argos P., Rao J.K., Hargrave P.A. Structural prediction of membrane-bound proteins // Eur J Biochem - 1982. V. 128. P. 565-575.

15. Barnes K.C. Atopy and asthma genes—where do we stand? // Allergy. - 2000. -Vol. 55.-P. 803-817.

16. Barrett T., Clark K., Gevorgyan R., Gorelenkov V., Gribov E., Karsch-Mizrachi I., Kimelman M., Pruitt K.D., Resenchuk S., Tatusova T., Yaschenko E., Ostell J. BioProject and BioSample databases at NCBI: facilitating capture and organization of metadata // Nucleic Acids Res. - 2012. - Vol. 40. (Database issue)-D. 57-63.

17. Bellioni-Businco B., Paganelli R., Lucenti P., Giampietro P.G., Perborn H., Businco L. Allergenicity of goat's milk in children with cow's milk allergy // J Allergy Clin Immunol. - 1999. - Vol. 103. - P. 1191-1194.

18. Benoist C., Mathis D. Mast cells in autoimmune disease // Nature. - 2002. -Vol. 420. - P. 875-878.

19. Benson D.A., Karsch-Mizrachi I., Lipman D.J., Ostell J., Sayers E. W. GenBank // Nucleic Acids Res. - 2011. - Vol. 39. (Database issue) - D. 32-37.

20. Bieber T., Rieger A., Neuchrist C., Prinz J.C., Rieber E.P., Boltz-Nitulescu G., Scheiner O., Kraft D., Ring J., Stingl G. Induction of Fc epsilon R2/CD23 on human epidermal Langerhans cells by human recombinant interleukin 4 and gamma interferon // J Exp Med. - 1989. - Vol.170. - P. 309-314.

21. Bischoff S.C., Krämer S. Human mast cells, bacteria, and intestinal immunity // Immunol Rev. - 2007. - Vol.217. - P. 329-337.

22. Björklund A.K., Soeria-Atmadja D., Zorzet A., Hammerling U., Gustafsson M.G. Supervised identification of allergen-representative peptides for in silico detection of potentially allergenic proteins // Bioinformatics. - 2005. -Vol. 21. -P. 39-50.

23. Blanco C., Carrillo T., Castillo R., Quiralte J., Cuevas M. Latex allergy: clinical features and cross-reactivity with fruits // Ann Allergy. - 1994. - Vol. 73.-P. 309-314.

24. Boeckmann B., Bairoch A., Apweiler R., Blatter M.C., Estreicher A., Gasteiger E., Martin M.J., Michoud K., O'Donovan C., Phan I., Pilbout S., Schneider M. The SWISS-PROT protein knowledgebase and its supplement TrEMBL in 2003 //Nucleic Acids Res. - 2003. - Vol. 31. - P. 365-370.

25. Bonini S., Sgrulletta R., Coassin M., Bonini S. Allergic Conjunctivitis: Update on Its Pathophysiology and Perspectives for Future Treatment // Allergy Frontiers. - 2009. - Vol.3. - P. 25-48.

26. Bousquet J., Khaltaev N., Cruz A.A., Denburg J., Fokkens W.J., Togias A., Zuberbier T., Baena-Cagnani C.E., Canonica G.W., van Weel C., Agache I., Ai't-Khaled N., Bachert C., Blaiss M.S., Bonini S., Boulet L.P., Bousquet P.J., Camargos P., Carlsen K.H., Chen Y., Custovic A., Dahl R., Demoly P., Douagui H., Durham S.R., van Wijk R.G., Kalayci O., Kaliner M.A., Kim Y.Y., Kowalski M.L., Kuna P., Le L.T., Lemiere C., Li J., Lockey R.F., Mavale-Manuel S., Meitzer E.O., Mohammad Y., Mullol J., Naclerio R., O'Hehir R.E., Ohta K., Ouedraogo S., Palkonen S., Papadopoulos N., Passalacqua G., Pawankar R., Popov T.A., Rabe K.F., Rosado-Pinto J., Scadding G.K., Simons F.E., Toskala E., Valovirta E., van Cauwenberge P., Wang D.Y., Wickman M., Yawn B.P., Yorgancioglu A., Yusuf O.M., Zar H., Annesi-Maesano I., Bateman E.D., Ben Kheder A., Boakye D.A., Bouchard J., Burney P., Busse W.W., Chan-Yeung M., Chavannes N.H., Chuchalin A., Dolen W.K., Emuzyte R., Grouse L., Humbert M., Jackson C., Johnston S.L.,

Keith P.K., Kemp J.P., Klossek J.M., Larenas-Linnemann D., Lipworth B., Malo J.L., Marshall G.D., Naspitz C., Nekam K., Niggemann B., Nizankowska-Mogilnicka E., Okamoto Y., Orru M.P., Potter P., Price D., Stoloff S.W., Vandenplas O., Viegi G., Williams D.; World Health Organization; GA(2)LEN; AllerGen. Allergic Rhinitis and its Impact on Asthma (ARIA) 2008 update (in collaboration with the World Health Organization, GA(2)LEN and AllerGen) // Allergy. - 2008. Vol.63. - P. 8-160.

27. Bousquet J., Vignola A.M., Demoly P. Links between rhinitis and asthma // Allergy. - 2003. Vol. 58. - P. 691-706.

28. Bragin A.O., Yarkova E.E., Demenkov P.S., Ivanisenko V.A. Prediction of protein allergenicity based on protein 3D structure properties // The sixth international conference on bioinformatics of genome regulation and structure -2008. P. 39.

29. Breiteneder H., Mills E.N. Molecular properties of food allergens // J Allergy Clin Immunol. - 2005. - Vol. 115, N 1. - P. 14-23.

30. Busse W.W. Leukotrienes and inflammation // Am J Respir Crit Care Med. -1998.-Vol. 157.-S210-213.

31. Caughey G.H. Mast cell tryptases and chymases in inflammation and host defense // Immunol Rev. - 2007. - Vol. 217. - P. 141-154.

32. Chapman M.D., Pomes A., Breiteneder H., Ferreira F. Nomenclature and structural biology of allergens // J Allergy Clin Immunol. - 2007. - Vol.119. -P. 414-420.

33. Chapman M.D. Allergen nomenclature // Clin Allergy Immunol. - 2008. -Vol. 21.-P. 47-58.

34. Chen C.H., Xirasagar S., Lin H.C. Seasonality in adult asthma admissions, air pollutant levels, and climate: a population-based study // J Asthma. - 2006. -Vol. 43. - P.287-292.

35. Chih-Chung Chang and Chih-Jen Lin, LIBSVM: a library for support vector machines, 2001

36. Chinn D.J., Sheikh A. Epidemiology of anaphylaxis. In: Pawankar R, Holgate ST, Rosenwasser LJ (Eds.) // Allergy frontiers: Epigenetics, allergens and risk factors. Tokyo: Springer, 2009. - P. 123-144.

37. Cianferoni A., Spergel J.M. Food allergy: review, classification and diagnosis // Allergol Int. - 2009. - Vol.58. - P.457-466.

38. Coffman R.L. Origins of the T(H)1-T(H)2 model: a personal perspective // Nat Immunol. - 2006. - Vol. 7. - P. 539-541.

39. Dawson D.M. In "The Biochemical Genetics of Man" // Academic Press. -New York, 1972-P. 1-3 8.

40. DeLisser HM. Epitope mapping. // Methods Mol Biol. - 1999. - Vol. 96. -P.11-20.

41. Demoly P., Lebel B., Arnoux B. Allergen-induced mediator release tests // Allergy. - 2003. - Vol. 58. - P. 553-558.

42. Dordal M.T., Lluch-Bernal M., Sánchez M.C., Rondón C., Navarro A., Montoro J., Matheu V., Ibáñez M.D., Fernández-Parra B., Dávila I., Conde J., Antón E., Colás C., Valero A.; SEAIC Rhinoconjunctivitis Committee. Allergen-specific nasal provocation testing: review by the rhinoconjunctivitis committee of the Spanish Society of Allergy and Clinical Immunology // J Investig Allergol Clin Immunol. - 2011. - Vol. 21. - P. 1-12.

43. El-Manzalawy Y., Dobbs D., Honavar V. Predicting flexible length linear B-cell epitopes // Comput Syst Bioinformatics Conf. - 2008. - Vol. 7. - P. 121132.

44. El-Manzalawy Y., Dobbs D., Honavar V. Predicting linear B-cell epitopes using string kernels // J Mol Recognit. - 2008. - Vol. 21. - P. 243-255.

45. Emini E.A., Hughes J.V., Perlow D.S., Boger J. Induction of hepatitis A virus-neutralizing antibody by a virus-specific synthetic peptide // J Virol. -1985. - Vol. 55.-P. 836-839.

46. FAO/WHO Codex Principles and Guidelines on Foods Derived from Biotechnology. (2003).

47. Fauchere J.L., Charton M., Kier L.B., Verloop A., Pliska V. Amino acid side chain parameters for correlation studies in biology and pharmacology // Int J Pept Protein Res. - 1988. - Vol. 32. - P. 269-278.

48. Fauchere J.L., Charton M., Kier L.B., Verloop A., Pliska V. Amino acid side chain parameters for correlation studies in biology and pharmacology // Int J Pept Protein Res. - 1988. - Vol. 32 N. 4 - P. 269-278.

49. Featherstone R.L., Robinson C., Holgate S.T. Church M.K. Evidence for thromboxane receptor mediated contraction of guinea-pig and human airways in vitro by prostaglandin (PG) D2, 9 alpha, 11 beta-PGF2 and PGF2 alpha // Naunyn Schmiedebergs Arch Pharmacol. - 1990. - Vol. 341. - P. 439-443.

50. Fiers M.W., Kleter G.A., Nijland H., Peijnenburg A.A., Nap J.P., van Ham R.C. Allermatch, a webtool for the prediction of potential allergenicity according to current FAOAVHO Codex alimentarius guidelines // BMC Bioinformatic. - 2004. - Vol. 5. - P. 133.

51. Friedlaender M.H. Conjunctival provocation testing: overview of recent clinical trials in ocular allergy // Curr Opin Allergy Clin Immunol. - 2002. Vol. 2.-P. 413-417.

52. Gamboa P.M. The epidemiology of drug allergy-related consultations in Spanish Allergology services: Alergologica-2005 // J Investig Allergol Clin Immunol. - 2009. - Vol. 19. - P. 45-50.

53. Gillespie B.R., Case study in attention-deficit/hyperactivity disorder: the corrective aspect of craniosacral fascial therapy // Explore (NY). - 2009. - Vol. 5. - P. 296-298.

54. Goodman R.E., Vieths S., Sampson H.A., Hill D., Ebisawa M., Taylor S.L., van Ree R. Allergenicity assessment of genetically modified crops—what makes sense?//Nat Biotechnol. - 2008. - Vol. 26. - P. 73-81.

55. Goodsell D.S., Morris G.M., Olson A.J. Automated docking of flexible ligands: applications of AutoDock // J Mol Recognit. - 1996. - Vol. 9. - P. 1-5.

56. Grantham R. Amino acid difference formula to help explain protein evolution // Science. - 1974. Vol. 185. - P. 862-864.

57. Harwanegg C., Laffer S., Hiller R., Mueller M.W., Kraft D., Spitzauer S., Valenta R. Microarrayed recombinant allergens for diagnosis of allergy // Clin Exp Allergy. - 2003. - Vol. 33. - P. 7-13.

58. Haste Andersen P., Nielsen M., Lund O. Prediction of residues in discontinuous B-cell epitopes using protein 3D structures // Protein Sci. - 2006. -Vol. 15.-P. 2558-2567.

59. Hennino A., Berard F., Guillot I., Saad N., Rozieres A., Nicolas J.F. Pathophysiology of urticaria // Clin Rev Allergy Immunol. - 2006. Vol. 30. - P. 3-11.

60. Herman R.A., Song P., Thirumalaiswamysekhar A. Value of eight-amino-acid matches in predicting the allergenicity status of proteins: an empirical bioinformatic investigation // Clin. Mol. Allergy. - 2009. - Vol. 7. - P. 9.

61. Hileman R.E., Silvanovich A., Goodman R.E., Rice E.A., Holleschak G., Astwood J.D., Hefle S.L. Bioinformatic methods for allergenicity assessment using a comprehensive allergen database // Int Arch Allergy Immunol. - 2002. -Vol.128 N. 4.-P. 280-291.

62. Hopp T.P., Woods K.R. Prediction of protein antigenic determinants from amino acid sequences // Proc Natl Acad Sci U S A. - 1981. - Vol. 78. - P.3824-3828.

63. Howie S.E., Cotton G.J., Heslop I., Martin N.J., Harrison D.J., Ramage R. Synthetic peptides representing discontinuous CD4 binding epitopes of HIV-1 gpl20 that induce T cell apoptosis and block cell death induced by gpl20 // FASEB J. - 1998. - Vol. 12. - P. 991-998.

64. Howie S.E., Fernandes M.L., Heslop I., Hewson T.J., Cotton G.J., Moore M.J., Innes D., Ramage R., Harrison D.J. A functional, discontinuous HIV-1 gpl20 C3/C4 domain-derived, branched, synthetic peptide that binds to CD4 and inhibits MIP-1 alpha chemokine binding // FASEB J. - 1999. Vol. 13.-P.503-511.

65. Hubbell J.A., Thomas S.N., Swartz M.A. Materials engineering for immunomodulation//Nature. -2009. - Vol. 462. - P.449-460.

66. Huby R.D., Dearman R.J., Kimber I. Why are some proteins allergens? // Toxicol Sci. - 2000. - Vol. 55. - P.235-246.

67. Hulett M.D., Brinkworth R.I., McKenzie I.F., Hogarth P.M. Fine structure analysis of interaction of FcepsilonRI with IgE // J Biol Chem. - 1999. - Vol. 274. - P. 13345-13352.

68. Irwin J.A. Extremophiles and their application to veterinary medicine // Environ Technol. - 2010. - Vol. 31. - P. 857-869.

69. Isolauri E., Huurre A., Salminen S., Impivaara O. The allergy epidemic extends beyond the past few decades // Clin Exp Allergy. - 2004. - Vol. 24. - P. 1007-1010.

70. Ito K., Urisu A. Diagnosis of food allergy based on oral food challenge test // Allergol Int. - 2009. - Vol. 58. - P. 467-474.

71. Ivanciuc O., Schein C.H., Braun W. SDAP: database and computational tools for allergenic proteins // Nucleic Acids Res. - 2003. - Vol. 31. P.359-362.

72. Ivanisenko V.A., Pintus S.S., Grigorovich D.A., Kolchanov N.A. PDBSiteScan: a program for searching for active, binding and posttranslational modification sites in the 3D structures of proteins // Nucleic Acids Res. - 2004. - Vol. 32. - W. 549-554.

73. Ivanisenko V.A., Demenkov P.S., Ivanisenko T.V., Kolchanov N.A. Protein structure discovery: A software package to computer proteomics tasks // Russian journal of bioorganic chemistry. - 2011. - Vol. 37. - 17-29.

74. Ivey M.A., Simeon D.T., Monteil M.A. Climatic variables are associated with seasonal acute asthma admissions to accident and emergency room facilities in Trinidad, West Indies // Clin Exp Allergy. - 2003. - Vol. 33. - P. 1526-1530.

75. Jauneikaite E., Jefferies J.M., Hibberd M.L., Clarke S.C. Prevalence of Streptococcus pneumoniae serotypes causing invasive and non-invasive disease in South East Asia: a review // Vaccine. - 2012. - Vol. 30, N 24. - P. 3503-3514.

76. Jeebhay M.F., Robins T.G., Lehrer S.B., Lopata A.L. Occupational seafood allergy: a review // Occup Environ Med. - 2001. - Vol. 58. - P. 553-562.

77. Jenkins J.A., Breiteneder H., Mills E.N. Evolutionary distance from human homologs reflects allergenicity of animal food proteins // J Allergy Clin Immunol. - 2007. - Vol. 120, N 6. - P. 1399-1405.

78. Johansson S.G., Bieber T., Dahl R., Friedmann P.S., Lanier B.Q., Lockey R.F., Motala C., Ortega Martell J.A., Platts-Mills T.A., Ring J., Thien F., Van Cauwenberge P., Williams H.C. Revised nomenclature for allergy for global use: Report of the Nomenclature Review Committee of the World Allergy Organization, October 2003. // J Allergy Clin Immunol. - 2004. - Vol. 113. - P. 832-836.

79. Johansson S.G., Hourihane J.O., Bousquet J., Bruijnzeel-Koomen C., Dreborg S., Haahtela T., Kowalski M.L., Mygind N., Ring J., van Cauwenberge P., van Hage-Hamsten M., Wuthrich B.; EAACI (the European Academy of Allergology and Cinical Immunology) nomenclature task force A revised nomenclature for allergy. An EAACI position statement from the EAACI nomenclature task force // Allergy. - 2001. - Vol. 56. - P. 813-824.

80. Johnston S.L., Freezer N.J., Ritter W., O'Toole S., Howarth P.H. Prostaglandin D2-induced bronchoconstriction is mediated only in part by the thromboxane prostanoid receptor // Eur Respir J. - 1995. - Vol. 8. - P.411-415.

81. Kagan R.S. Food allergy: an overview // Environ Health Perspect. - 2003. -Vol. 111.-P. 223-225.

82. Karplus, P. A.; Schulz, G. E. Prediction of chain flexibility in proteins // Naturwissenschaften. - 1985. - Vol. 72. - P. 212-213.

83. Kay A.B. 100 years of'Allergy': can von Pirquet's word be rescued? // Clin Exp Allergy. - 2006. - Vol. 36. - P. 555-559.

84. Kiefer F., Arnold K., Kiinzli M. et al. The SWISS-MODEL Repository and associated resources //Nucleic Acids Res. - 2009. - Vol. 37. - D. 387-392.

85. Kjellman N.I. Atopic disease in seven-year-old children. Incidence in relation to family history // Acta Paediatr Scand. - 1977. - Vol. 66. - P. 465-471.

86. KleinJan A., Vinke J.G., Severijnen L.W., Fokkens W.J. Local production and detection of (specific) IgE in nasal B-cells and plasma cells of allergic rhinitis patients // Eur Respir J. - 2000. - Vol.15. - P.491-497.

87. Knittelfelder R., Riemer A.B., Jensen-Jarolim E. Mimotope vaccination— from allergy to cancer // Expert Opin Biol Ther. - 2009. Vol. 9. - P. 493-506.

88. Kong W., Tan T.S., Tham L., Choo K.W. Improved prediction of allergenicity by combination of multiple sequence motifs // In silico Biol. -2007. - Vol. 7. - P. 77-86.

89. Kulkarni-Kale U., Bhosle S., Kolaskar A.S. CEP: a conformational epitope prediction server // Nucleic Acids Res. - 2005. - Vol. 33. - W. 168-171.

90. Kuroda M., Yamashita A., Hirakawa H., Kumano M., Morikawa K., Higashide M., Maruyama A., Inose Y., Matoba K., Toh H., Kuhara S., Hattori M., Ohta T. Whole genome sequence of Staphylococcus saprophytics reveals the pathogenesis of uncomplicated urinary tract infection // Proc Natl Acad Sci USA.- 2005. - Vol. 102, N 37. - P. 13272-13277.

91. Lapidus A., Goltsman E., Auger S., Galleron N., Segurens B., Dossat C., Land M.L., Broussolle V., Brillard J., Guinebretiere M.H., Sanchis V., Nguen-The C., Lereclus D., Richardson P., Wincker P., Weissenbach J., Ehrlich S.D., Sorokin A. Extending the Bacillus cereus group genomics to putative food-borne pathogens of different toxicity // Chem Biol Interact. - 2008. - Vol. 171, N 2. - P. 236-249.

92. Larsen J.E., Lund O., Nielsen M. Improved method for predicting linear B-cell epitopes // Immunome Res. - 2006. - Vol.2.

93. Li KB, Issac P, Krishnan A. Predicting allergenic proteins using wavelet transform // Bioinformatics. - 2004. - Vol. 20. - P. 2572-2578.

94. Liu A.H., Jaramillo R., Sicherer S.H., Wood R.A., Bock S.A., Burks A.W., Massing M., Cohn R.D., Zeldin D.C. National prevalence and risk factors for food allergy and relationship to asthma: results from the National Health and Nutrition Examination Survey 2005-2006 // J Allergy Clin Immunol. - 2010. -Vol. 126.-P. 798-806.

95. Locksley R.M., Asthma and allergic inflammation // Cell. - 2010. - Vol. 140.

- P.777-783.

96. Locksley R.M., Asthma and allergic inflammation // Cell. - 2010. - Vol. 140.

- P.777-783.

97. MacDonald A.S., Araujo M.I., Pearce E.J. Immunology of parasitic helminth infections // Infect Immun. - 2002. - Vol. 70. - P. 427-433.

98. Mandallaz M.M., de Week A.L., Dahinden C.A. Bird-egg syndrome. Cross-reactivity between bird antigens and egg-yolk livetins in IgE-mediated hypersensitivity // Int Arch Allergy Appl Immunol. - 1988. - Vol. 87. - P. 143150.

99. Mari A., Riccioli D. The allergome web site - a database of allergenic molecules. Aim, structure, and data of a web-based resource // Journal of Allergy and Clinical Immunology. - 2004. - Vol. 113. - P. 301.

100. Mari A., Scala E., Palazzo P., Ridolfi S., Zennaro D., Carabella G. Bioinformatics applied to allergy: allergen databases, from collecting sequence information to data integration. The Allergome platform as a model // Cell Immunol. - 2006. - Vol. 244. - P. 97-100.

101. Marom Z., Shelhamer J.H., Kaliner M. Effects of arachidonic acid, monohydroxyeicosatetraenoic acid and prostaglandins on the release of mucous glycoproteins from human airways in vitro IIJ Clin Invest. - 1981. Vol. 67. - P. 1696-1702.

102. Moreau V., Fleury C., Piquer D., Nguyen C., Novali N., Villard S., Laune D., Granier C., Molina F. PEPOP: computational design of immunogenic peptides // BMC Bioinformatics. - 2008. - Vol. 9. - P. 71.

103. Mosmann T.R., Coffman R.L. TH1 and TH2 cells: different patterns of lymphokine secretion lead to different functional properties // Annu Rev Immunol. - 1989. - Vol. 7. - P. 146-173.

104. Muh H.C., Tong J.C., Tammi M.T. AllerHunter: a SVM-pairwise system for assessment of allergenicity and allergic cross-reactivity in proteins // PLoS One. -2009. - Vol. 4. - e5861.

105. Müller U.R., Kay A.B., Kaplan A.P. Insect Sting Allergy // Allergy and Allergic Diseases. - 2009. - Vol. 1.

106. Münstedt K., Hellner M., Winter D., von Georgi R. Allergy to bee venom in beekeepers in Germany // J Investig Allergol Clin Immunol. - 2008. - Vol. 18. -P. 100-105.

107. Odorico M., Pellequer J.L. BEPITOPE: predicting the location of continuous epitopes and patterns in proteins // J Mol Recognit. - 2003. - Vol. 16. - P. 2022.

108. Oettgen H.C., Geha R.S. IgE in asthma and atopy: cellular and molecular connections // J Clin Invest. - 1999. - Vol. 104. - P. 829-835.

109. Pawankar R., Canonica G.W., Holgate S.T., Lockey R.F. editors. WAO White Book on Allergy. Milwaukee, Wisconsin: World Allergy Organization, -2011.-210 p.

110. Pawankar R., Okuda M., Yssel H., Okumura K., Ra C. Nasal mast cells in perennial allergic rhinitics exhibit increased expression of the Fc epsilonRI, CD40L, IL-4, and IL-13, and can induce IgE synthesis in B cells // J Clin Invest. - 1997. - Vol. 99. - P. 1492-1499.

111. Pearlman D.S. Pathophysiology of the inflammatory response // J Allergy Clin Immunol. - 1999. - Vol. 104. - S. 132-137.

112. Pennisi E. In industry, extremophiles begin to make their mark // Science. -1997. Vol. 276. - P. 705-706.

113. Perrière G., Gouy M. WWW-Query: An on-line retrieval system for biological sequence banks // Biochimie. -1996. - Vol. 78 N. 5.- P.364-369.

114. Pettersson I. Methods of epitope mapping // Mol Biol Rep. - 1992. - Vol. 26. -P. 149-153.

115. Platts-Mills T.A. Allergy in evolution // Chem Immunol Allergy. - 2012. -Vol. 96.-P. 1-6.

116. Platts-Mills T.A. The role of immunoglobulin E in allergy and asthma // Am J Respir Crit Care Med. - 2001. - Vol. 164. - S. 1-5.

117. Platts-Mills T.A., Vaughan J.W., Carter M.C., Woodfolk J.A. The role of intervention in established allergy: avoidance of indoor allergens in the treatment of chronic allergic disease // J Allergy Clin Immunol. - 2000. - Vol. 106.-P. 787-804.

118. Ponomarenko J., Bui H.H., Li W., Fusseder N., Bourne P.E., Sette A., Peters B. ElliPro: a new structure-based tool for the prediction of antibody epitopes // BMC Bioinformatics. - 2008. - Vol. 9. - P. 514.

119. Puc M. Characterisation of pollen allergens // Ann Agric Environ Med. -2003. - Vol.10.-P.143-149.

120. R Development Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2011. URL http://www.R-project.org/.

121. Rapberger R., Lukas A., Mayer B. Identification of discontinuous antigenic determinants on proteins based on shape complementarities // J Mol Recognit. -2007.-Vol. 20.-P. 113-121.

122. Reginald K., Westritschnig K., Werfel T., Heratizadeh A., Novak N., Focke-Tejkl M., Hirschl A.M., Leung D.Y., Elisyutina O., Fedenko E., Valenta R. Immunoglobulin E antibody reactivity to bacterial antigens in atopic dermatitis patients // Clin Exp Allergy. - 2011. - Vol. 41, N 3. - P. 357-369.

123. Restani P., Fiocchi A., Beretta B., Velona T., Giovannini M., Galli C.L. Meat allergy: III—Proteins involved and cross-reactivity between different animal species // J Am Coll Nutr. - 1997. - Vol. -16. - P. 383-389.

124. Rihet P., Demeure C.E., Bourgois A., Prata A., Dessein A.J. Evidence for an association between human resistance to Schistosoma mansoni and high antilarval IgE levels // Eur J Immunol. - 1991. - Vol. 21. - P. 2679-2686.

125. Saha S., Raghava G.P. AlgPred: prediction of allergenic proteins and mapping of IgE epitopes // Nucleic Acids Res. - 2006. - Vol. 34. - W. 202-209.

126. Saha S., Raghava G.P. BcePred: prediction of continuous B-cell epitopes in antigenic sequences using physico-chemical properties // Lecture Notes in Computer Science. -2004. - Vol. 3239. - P. 197-204.

127. Saha S., Raghava G.P. Prediction of continuous B-cell epitopes in an antigen using recurrent neural network // Proteins. - 2006. Vol. 65. - P. 40-48.

128. Sarsfield J.K., Gowland G. A modified radioallergosorbent test for the in vitro detection of allergen antibodies // Clin Exp Immunol - 1973. Vol. 13. - P. 619-624.

129. Schramm G., Bufe A., Petersen A. et al. Discontinuous IgE-binding epitopes contain multiple continuous epitope regions: results of an epitope mapping on recombinant Hoi 1 5, a major allergen from velvet grass pollen // Clin. Exp. Allergy. - 2001. - Vol. 31. - P. 331-341.

130. Schreiber A., Humbert M., Benz A., Dietrich U. 3D-Epitope-Explorer (3DEX): localization of conformational epitopes within three-dimensional structures of proteins // J Comput Chem. - 2005. - Vol. 26. - P. 879-887.

131. Seelig G.F., Prosise W.W., Taremi S.S. Synthetic mimics of juxtaposed amino- and carboxyl-terminal peptide domains of human gamma interferon block ligand binding to human gamma interferon receptor // J Biol Chem. -1994.-Vol. 269.-P.358-363.

132. Sicherer S.H. Clinical implications of cross-reactive food allergens // J Allergy Clin Immunol. - 2001. - Vol. 108. - P. 881-890.

133. Sidenius K.E., Hallas T.E., Poulsen L.K., Mosbech H. Allergen cross-reactivity between house-dust mites and other invertebrates // Allergy. - 2001. -Vol. 56. - P. 723-733.

134. Silvanovich A., Nemeth M.A., Song P. et al. The value of short amino acid sequence matches for prediction of protein allergenicity // Toxicol. Sci. - 2006. -Vol. 90.-P. 252-258.

135. Smith G.P. Filamentous fusion phage: novel expression vectors that display cloned antigens on the virion surface // Science. - 1985. Vol. 228. - P. 13151317.

136. Soeria-Atmadja D., Zorzet A., Gustafsson M.G., Hammerling U. Statistical evaluation of local alignment features predicting allergenicity using supervised

classification algorithms // Int Arch Allergy Immunol - 2004. - Vol. 133. - P. 101-112.

137. Sollner J., Mayer B. Machine learning approaches for prediction of linear B-cell epitopes on proteins // J Mol Recognit. - 2006. - Vol. 19. - P. 200-208.

138. Stadler M.B., Stadler B.M. Allergenicity prediction by protein sequence // FASEB J.-2003.-Vol. 17.-P. 1141-1147.

139. Steinke M., Fiocchi A., Kirchlechner V., Ballmer-Weber B., Brockow K., Hischenhuber C., Dutta M., Ring J., Urbanek R., Terracciano L., Wezel R.; RED ALL study consortium. Perceived food allergy in children in 10 European nations. A randomised telephone survey. // Int Arch Allergy Immunol. - 2007. -Vol.143.-P. 290-295.

140. Strachan D.P. Hay fever, hygiene, and household size // BMJ. - 1989. Vol. 299. - P. 1259-1260.

141. Sudha V.T., Arora N., Singh B.P. Serine protease activity of Per a 10 augments allergeninduced airway inflammation in a mouse model // Eur J Clin Invest. - 2009. - Vol. 39, N 6. - P. 507-516.

142. Sugita M., Kuribayashi K., Nakagomi T., Miyata S., Matsuyama T., Kitada O. Allergic bronchial asthma: airway inflammation and hyperresponsiveness // Intern Med. - 2003. - Vol.42. - P. 636-643.

143. Sweredoski M.J., Baldi P. COBEpro: a novel system for predicting continuous B-cell epitopes // Protein Eng Des Sel. - 2009. - Vol. 22. - P. 113120.

144. Sweredoski M.J., Baldi P. PEPITO: improved discontinuous B-cell epitope prediction using multiple distance thresholds and half sphere exposure // Bioinformatics. - 2008. - Vol. 24. - P. 1459-1460.

145. Takagi K., Teshima R., Sawada J. Determination of human linear IgE epitopes of Japanese cedar allergen Cry j 1 // Biol. Pharm. Bull. - 2005. Vol. 28. -P. 1496-1499.

146. Takeuchi F., Watanabe S., Baba T., Yuzawa H., Ito T., Morimoto Y., Kuroda M., Cui L., Takahashi M., Ankai A., Baba S., Fukui S., Lee J.C., Hiramatsu K.

Whole-genome sequencing of staphylococcus haemolyticus uncovers the extreme plasticity of its genome and the evolution of human-colonizing staphylococcal species // J Bacteriol. - 2005. Vol. 187, N 21. - P. 7292-7308.

147. Taylor R.G., Gross E., Joyce H., Holland F., Pride N.B. Smoking, allergy, and the differential white blood cell count // Thorax. - 1985. Vol.40. - P. 17-22.

148. Trombone A.P., Tobias K.R., Ferriani V.P., Schuurman J., Aalberse R.C., Smith A.M., Chapman M.D., Arruda L.K. Use of a chimeric ELISA to investigate immunoglobulin E antibody responses to Der p 1 and Der p 2 in mite-allergic patients with asthma, wheezing and/or rhinitis // Clin Exp Allergy. - 2002. - Vol. 32. - P. 1323-1328.

149. Tuszynski, J. Tools: moving window statistics, GIF, Base64, ROC AUC, etc. Jarek Tuszynski 2011 Pakage version 1.12 (http://cran.r-

proj ect.org/web/packages/caTools/)

150. Valenta R., Kraft D. Type 1 allergic reactions to plant-derived food: a consequence of primary sensitization to pollen allergens // J Allergy Clin Immunol. - 1996. - Vol. 97. - P. 893-895.

151. Van den Burg B. Extremophiles as a source for novel enzymes // Curr Opin Microbiol. - 2003. - Vol. 6, N 3. - P. 213-218.

152. Villalta D., Tonutti E., Visentini D., Bizzaro N., Roncarolo D., Amato S., Mistrello G. Detection of a novel 20 kDa shrimp allergen showing cross-reactivity to house dust mites // Eur Ann Allergy Clin Immunol. - 2010. - Vol. 42. - P. 20-24.

153. von Pirquet C. Allergie // Munchen Med Wehnschr. - 1906. - 53:1457.

154. Wahn U. What drives the allergic march? // Allergy. - 2000. - Vol. 55. - P. 591-599.

155. Wang G., Dunbrack R.L. Jr. PISCES: a protein sequence culling server // Bioinformatics. - 2003. - Vol. 19 - P. 1589-1591.

156. White M.V. The role of histamine in allergic diseases // J Allergy Clin Immunol. - 1990. Vol. 86. - P.599-605.

157. Whittle B.J., Moncada S., Vane J.R. Comparison of the effects of prostacyclin (PGI2), prostaglandin El and D2 on platelet aggregation in different species // Prostaglandins. - 1978. - Vol. 16. - P. 373-388.

158. Zimmerman J.M., Eliezer N., Simha R. The characterization of amino acid sequences in proteins by statistical methods // J Theor Biol. - 1968. - Vol. 21, N 2. - P. 170-201.

159. Zorzet A., Gustafsson M., Hammerling U. Prediction of food protein allergenicity: a bioinformatic learning systems approach // In silico Biol. -2002. - Vol. 2. P. 525-534.

160. Zhang Z.H., Tan S.C., Koh J.L., Falus A., Brusic V. ALLERDB database and integrated bioinformatic tools for assessment of allergenicity and allergic cross-reactivity // Cell Immunol. - 2006. - Vol. 244, N 2. - P. 90-96.

161. Tong J.C., Lim S.J., Muh H.C., Chew F.T., Tammi M.T. Allergen Atlas: a comprehensive knowledge center and analysis resource for allergen information // Bioinformatics. - 2009. - Vol. 25, N 7. - P. 979-980.

162. Kim C., Kwon S., Lee G., Lee H., Choi J., Kim Y., Hahn J. A database for allergenic proteins and tools for allergenicity prediction // Bioinformation. -2009. - Vol. 3, N 8. - P. 344-345.

163. Pizzi E., Cortese R., Tramontane A. Mapping epitopes on protein surfaces // Biopolymers. - 1995. - Vol. 36, N 5. - P. 675-680.

164. Tumanova O.Iu., Kuvshinov V.N., Il'ichev A.A., Nekrasov B.G., Ivanisenko V.A., Kozlov A.P., Sandakhchiev L.S. Localization of the HIV-1 gpl20 conformational epitope recognized by virus neutralizing monoclonal antibodies 2G12 // Mol Biol (Mosk). - 2002. - Vol. 36, N 4. - P. 657-663.

165. Loktev A.V., Kuvshinov V.N., Melamed N.V., Ivanisenko V.A., Mishin V.P., Il'ichev A.A. Localization of tick-borne encephalitis virus protein E antigenic determinant recognized by antihemagglutinating monoclonal antibodies using a phage-display peptide library // Vopr Virusol. - 2002. - Vol. 47, N2. -P. 31-34.

166. Halperin I., Wolfson H., Nussinov R. SiteLight: binding-site prediction using phage display libraries // Protein Sci. - 2003. Vol. 12, N 7. - P. 1344-1359.

167. Castrignano T., De Meo P.D., Carrabino D., Orsini M., Floris M., Tramontano A. The MEPS server for identifying protein conformational epitopes // BMC Bioinformatics. - 2007. - 8 Suppl 1 :S6.

168. Mayrose I., Shlomi T., Rubinstein N.D., Gershoni J.M., Ruppin E., Sharan R., Pupko T. Epitope mapping using combinatorial phage-display libraries: a graph-based algorithm // Nucleic Acids Res. - 2007. - Vol. 35, N 1. - P. 69-78.

169. Bublil E.M., Freund N.T., Mayrose I., Penn O., Roitburd-Berman A., Rubinstein N.D., Pupko T., Gershoni J.M. Stepwise prediction of conformational discontinuous B-cell epitopes using the Mapitope algorithm // Proteins. - 2007. - Vol. 68, N 1. - P. 294-304.

170. Soeria-Atmadja D., Lundell T., Gustafsson M.G., Hammerling U. Computational detection of allergenic proteins attains a new level of accuracy with in silico variable-length peptide extraction and machine learning // Nucleic Acids Res. - 2006. - Vol. 34, N 13. - P. 3779-3793.

171. Martinez Barrio A., Soeria-Atmadja D., Nister A., Gustafsson M.G., Hammerling U., Bongcam-Rudloff E. EVALLER: a web server for in silico assessment of potential protein allergenicity // Nucleic Acids Res. - 2007. -Vol. 35(Web Server issue). - W694-700.

172. Cui J., Han L.Y., Li H., Ung C.Y., Tang Z.Q., Zheng C.J., Cao Z.W., Chen Y.Z. Computer prediction of allergen proteins from sequence-derived protein structural and physicochemical properties // Mol Immunol. - 2007. - Vol. 44, N 4. - P. 514-520.

173. Bernstein F.C., Koetzle T.F., Williams G.J., Meyer E.F. Jr, Brice M.D., Rodgers J.R., Kennard O., Shimanouchi T., Tasumi M. The Protein Data Bank: a computer-based archival file for macromolecular structures // J Mol Biol. -1977. Vol. 112, N 3. - P. 535-542.

174. Huang J., Gutteridge A., Honda W., Kanehisa M. MIMOX: a web tool for phage display based epitope mapping // BMC Bioinformatics. - 2006. - Vol. 7. -P. 451.

175. Gao J., Faraggi E., Zhou Y., Ruan J., Kurgan L. BEST: improved prediction of B-cell epitopes from antigen sequences // PLoS One. - 2012. Vol. 7, N 6. -e40104.

176. Chen W.H., Sun P.P., Lu Y., Guo W.W., Huang Y.X., Ma Z.Q. MimoPro: a more efficient Web-based tool for epitope prediction using phage display libraries // BMC Bioinformatics - 2011. - Vol. 12. - P. 199.

177. Blythe M.J., Flower D.R. Benchmarking B cell epitope prediction: underperformance of existing methods // Protein Sci. - 2005. Vol. 14, N 1. - P. 246-248.

178. Bailey T.L., Elkan C. Fitting a mixture model by expectation maximization to discover motifs in biopolymers // Proc Int Conf Intell Syst Mol Biol. - 1994. -2:28-36.

179. Thompson J.D., Higgins D.G., Gibson T.J. CLUSTAL W: improving the sensitivity of progressive multiple sequence alignment through sequence weighting, position-specific gap penalties and weight matrix choice // Nucleic Acids Res. - 1994. - Vol. 22, N 22. - P. 4673-4680.

180. Tong J.C., Tammi M.T. Prediction of protein allergenicity using local description of amino acid sequence // Front Biosci. - 2008. - Vol. 13. - P. 60726078.

181. McBride J.D., Watson E.M., Brauer A.B., Jaulent A.M., Leatherbarrow R.J. Peptide mimics of the Bowman-Birk inhibitor reactive site loop // Biopolymers -2002. Vol. 66, N2.-P. 79-92.

182. Boissier J., Morand S., Moné H. A review of performance and pathogenicity of male and female Schistosoma mansoni during the life-cycle // Parasitology. -1999.-Vol. 119.-P. 447-454.

183. Chitsulo L., Engels D., Montresor A., Savioli L. The global status of schistosomiasis and its control // Acta Trop. - 2000. - Vol. 77, N 1. - P. 41-51.

184. Altschul S.F., Madden T.L., Schaffer A.A., Zhang J., Zhang Z., Miller W., Lipman D.J. Gapped BLAST and PSI-BLAST: a new generation of protein database search programs // Nucleic Acids Res. - 1997. - Vol. 25, N 17. - P. 3389-3402.

185. Wang L., Huang C., Yang M.Q., Yang J.Y. BindN+ for accurate prediction of DNA and RNA-binding residues from protein sequence features // BMC Syst Biol. -2010. - Vol. 4. Suppl 1:S3.

186. Dearman R.J., Kimber I. Animal models of protein allergenicity: potential benefits, pitfalls and challenges // Clin Exp Allergy. - 2009. - V. 39, N 4. - P. 458-468.

Публикации с результатами работы

Статьи:

1. Брагин А.О. Компьютерный анализ взаимосвязи аллергенности микроорганизмов и среды их обитания / А.О. Брагин, П.С. Деменков, Р. Хофештадт, Н.А. Колчанов, В.А. Иванисенко // Вавиловский журнал генетики и селекции. - 2012. - Т. 16. № 4/1. -С. 784-790.

2. Брагин, А.О. Предсказание аллергенности белков с использованием информации о конформационных пептидах / А.О. Брагин, П.С. Деменков, В.А. Иванисенко // Вавиловский журнал генетики и селекции. - 2011. - Т. 15. № 3. - С. 462-468.

3. Орлов, Ю.Л. ICGenomics: программный комплекс анализа символьных последовательностей геномики / Ю.Л. Орлов, А.О. Брагин, И.В. Медведева, К.В. Гунбин, П.С. Деменков, О.В. Вишневский, В.Г. Левицкий, Д.Ю. Ощепков, Н.Л. Подколодный, Д.А. Афонников, И. Гроссе, Н.А. Колчанов // Вавиловский журнал генетики и селекции. - 2012. - Т. 16. № 4/1. - С. 732-741.

4. Bragin А.О., Demenkov P.S., Kolchanov N.A., Ivanisenko V.A. Accuracy of protein allergenicity prediction can be improved by taking into account data on allergenic protein discontinuous peptides // J. Biomol. Struct. Dyn. - 2013. - Vol. 31, N 1.- P. 59-64.

5. Sommer В., Tiys E.S., Kormeier В., Hippe K., Janowski S.J., Ivanisenko T.V., Bragin A.O., Arrigo P., Demenkov P.S., Kochetov A.V., Ivanisenko V.A., Kolchanov N.A., Hofestadt R. Visualization and analysis of a cardio vascular disease- and MUPP1-related biological network combining text mining and data warehouse approaches // J. Integr. Bioinform. - 2010. - Vol. 7, N 1. - P. 148.

Тезисы;

6. Брагин, А.О. Компьютерный анализ связи конформационных пептидов с аллергенностью белков / А.О. Брагин, П.С. Деменков, В.А. Иванисенко // Постгеномные методы анализа в биологии, лабораторной и клинической медицине: геномика, протеомика, биоинфоратика, г. Новосибирск, 14-17 ноября 2011 г. С. 116.

7. Брагин, А.О. Компьютерный анализ связи конформационных пептидов с аллергенностью белков. / Деменков П.С., Иванисенко В.А. // Третья школа молодых ученых "Биоинформатика и системная биология", г. Новосибирск, 22-25 сентября 2011 г. URL: http://conf.nsc.ru/BSB201 l/ru/reportview/81660.

8. Bragin, А.О. Application of conformational peptides for analysis of allergenic proteins / A.O. Bragin, P.S. Demenkov, V.A. Ivanisenko // the 8th International Conference on Bioinformatics of Genome Regulation and Structured у ste ms Biology - Novosibirsk - 2012. -P. 66.

9. Bragin A.O., Demenkov P.S., Ivanisenko V.A Computer analysis of conformational peptides in protein families // The seventh international conference on bioinformatics of genome regulation and structure - 2010. P. 49.

Свидетельство о государственной регистрации программы для ЭВМ:

1. Пат. 2012613523 Российская Федерация дата поступления 02.05.2012, дата регистрации 20.06.2012. Программа для предсказания аллергенности белков с использованием конформационных пептидов (Аллпред)/ Program for the prediction of allergenicity of proteins using conformation peptides (Allpred) авторы: А.О. Брагин, П.С. Деменков, В.А. Иванисенко

Приложение 1. Базы данных, содержащие информацию об аллергенных

белках

База данных URL адрес

IUIS SWISS-PROT Allergenlndex BIFS CSL FARRP PROTALL ALLALLERGY Asthma & Allergy The Allergen Database Allergen Database for Food Safety www.allergen.org www. expasy. ch/cgibin/ lists7allergen.txt www.iit.edu/ sgendel/fa.htm www.csl.gov.uk/allergen www. allergenonline. com www.ifr.bbsrc.ac.uk/Protall www.allallergy.net cooke.gsf.de/asthmagen/main.cfm allergen, csl. go v. uk allergen, nihs. go. jp

Приложение 2. Свойства аминокислот, используемые для разделения 20

аминокислот на 7 групп

HGRAR740102 D Polarity (Grantham, 1974) R LIT:2004143b PMID:4843792 A Grantham, R.

T Amino acid difference formula to help explain protein evolution J Science 185, 862-864 (1974)

C WOEC730101 0.960 MIYS990105 0.928 PUNT030102 0.915 MIYS990104 0.910 WOLS870101 0.910 MIYS990103 0.904 MIYS990101 0.903 MIYS990102 0.903 OOBM770103 0.896 PARJ860101 0.891 ROSM88OIOI 0.887 KIDA850101 0.881 HOPT8IOIOI 0.874 PUNT030101 0.873 FASG890101 0.872 ROSM880102 0.870 VINM940101 0.869 LEVM760101 0.865 KUHL950101 0.865 PRAM900101 0.855 ENGD860101 0.855 KRIW790101 0.847 OOBM770101 0.841 CORJ870108 0.838 VINM940102 0.837 MEIH800102 0.836 GUYH850103 0.831 MONM990101 0.831 MEIH800101 0.824 BULH740101 0.822 GUYH850101 0.818 GUYH850102 0.806 WIMW960101 -0.804 JANJ780102 -0.809 MEEJ810102 -0.811 NADH010105 -0.812 EISD840101 -0.823 WERD780101 -0.826 ROBB790101 -0.832 CORJ870103 -0.836 MEEJ810101 -0.839 CORJ870107 -0.840 CIDH920102 -0.842 PONP8OOIOI -0.849 CORJ870104 -0.850 CASG920101 -0.850 COWR900101 -0.854 GUOD86OIOI -0.855 KYTJ820101 -0.859 NADH010101 -0.859 RADA880101 -0.861 DESM900102 -0.862 JURD980101 -0.864 BASU050102 -0.864 MEIH800103 -0.866 NADH010104 -0.868 MANP780101 -0.868 PONP800102 -0.871 EISD860101 -0.871 EISD860103 -0.871 CIDH920103 -0.871 PONP930101 -0.872 NISK800101 -0.879 ROSG850102 -0.880 BIOV880102 -0.881 NADH010103 -0.881 NADH010102 -0.881 CIDH920105 -0.884 PLIV810101 -0.888 BASU050101 -0.889 CORJ870101 -0.890 CORJ870102 -0.893 ZHOH040103 -0.895 MIYS850101 -0.895 SWER830101 -0.896 PONP800103 -0.897 RADA880108 -0.899 NISK860101 -0.900 BASU050103 -0.906 PONP8OOIO8 -0.907 BIOV88OIOI -0.910 CIDH920104 -0.915 ROSM880105 -0.924 FAUJ830101 -0.948 BLAS910101 -0.950

I A/L R/K N/M D/F C/P Q/S E/T G/W H/Y I/V 8.1 10.5 11.6 13.0 5.5 10.5 12.3 9.0 10.4 5.2 4.9 11.3 5.7 5.2 8.0 9.2 8.6 5.4 6.2 5.9

//

H GRAR740103

D Volume (Grantham, 1974) R LIT:2004143b PMID:4843792 A Grantham, R.

T Amino acid difference formula to help explain protein evolution J Science 185, 862-864 (1974)

CKRIW790103 0.989 BIGC670101 0.984 GOLD730102 0.984 TSAJ990101 0.979 TSAJ990102 0.978 CHOC750101 0.973 FAUJ880103 0.959 CHAM820101 0.951 HARY940101 0.946 CHOC760101 0.945 PONJ960101 0.937 ROSG850101 0.922 RADA880106 0.920 FASG760101 0.908 LEVM760105 0.900 CHAM830106 0.890 LEVM760102 0.885 ZHOH040102 0.872 DAWD720101 0.853 LEVM760106 0.846 LEVM760107 0.841 FAUJ880106 0.819 MCMT640101 0.817 RADA880103 -0.881 I A/L R/K N/M D/F C/P Q/S E/T G/W H/Y I/V 31. 124. 56. 54. 55. 85. 83. 3. 96. 111. 111. 119. 105. 132. 32.5 32. 61. 170. 136. 84.

H ROSG850101

D Mean area buried on transfer (Rose et al., 1985) R LIT:1109092 PMID:4023714

A Rose, G.D., Geselowitz, A.R., Lesser, G.J., Lee, R.H. and Zehfus, M.H. T Hydrophobicity of amino acid residues in globular proteins J Science 229, 834-838 (1985)

C ZHOH040102 0.930 GRAR740103 0.922 KRIW790103 0.920 CHAM820101 0.917 TSAJ990101 0.914 BIGC670101 0.910 GOLD730102 0.909 TSAJ990102 0.909 CHOC750101 0.908 ZHOH040101 0.904 LEVM760106 0.896 FAUJ880103 0.892 HARY940101 0.869 CIDH920102 0.866 PONJ960101 0.862 MCMT640101 0.857 LEVM760107 0.852 CHOC760101 0.842 FASG760101 0.838 NOZY710101 0.834 CIDH920101 0.831 RADA880106 0.814 PARS000101 -0.805 KARP850101 -0.807 VINM940102 -0.810 RADA880103 -0.814 WEBA780101 -0.817 FUKS010103 -0.819

I A/L R/K N/M D/F C/P Q/S E/T G/W H/Y I/V 86.6 162.2 103.3 97.8 132.3 119.2 113.9 62.9 155.8 158.0 164.1 115.5 172.9 194.1 92.9 85.6 106.5 224.6 177.7 141.0

//

H FAUJ880112

D Negative charge (Fauchere et al., 1988) R LIT.T414114 PMID:3209351

A Fauchere, J.L., Charton, M., Kier, L.B., Verloop, A. and Pliska, V. T Amino acid side chain parameters for correlation studies in biology and pharmacology

J Int. J. Peptide Protein Res. 32, 269-278 (1988)

C RICJ880106 0.849

I A/L R/K N/M D/F C/P Q/S E/T G/W H/Y L/V 0. 0. 0. 1. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.

//

H FAUJ880111

D Positive charge (Fauchere et al., 1988) R LIT.-1414114 PMID:3209351

A Fauchere, J.L., Charton, M., Kier, L.B., Verloop, A. and Pliska, V. T Amino acid side chain parameters for correlation studies in biology and pharmacology

J Int. J. Peptide Protein Res. 32, 269-278 (1988) C ZIMJ680104 0.813

I A/L R/K N/M D/F C/P Q/S E/T G/W H/Y I/V 0. 1. 0. 0. 0. 0. 0. 0. 1. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0.