Методы анализа спектров кругового дихроизма белков

 

Метод " эталонных спектров" [2, 3]. М етоды предсказания вторичной структуры белков по их спектрам КД основаны на предположении о том, что спектры КД различных структурных форм, составляющих белковую молекулу, дают аддитивный вклад в спектр КД белка в целом. Это можно записать в следующем виде:

 

 (1.2.1)

 

где  - спектр КД белка (зависимость эллиптичности от длины волны света),  - идеализированный " эталонный спектр" - спектр КД, соответствующий i-ой структурной форме, участвующей в образовании вторичной структуры белка,  - доля этой формы во вторичной структуре, причем

 

и . (1.2.2)

 

Эталонные спектры  для всех структурных форм могут быть вычислены на основании набора базисных спектров КД (спектров белков с известной вторичной структурой - коэффициентами ) с помощью метода наименьших квадратов и формулы (1.2.1), примененной к каждому базисному спектру. После этого экспериментальный спектр КД исследуемого белка с помощью того же метода наименьших квадратов может быть аппроксимирован по формуле (1.2.1) с использованием вычисленных эталонных спектров. При этом вклад каждого из эталонных спектров будет равен доле соответствующей ему структурной форме в общей структуре белка Такой подход к анализу спектров КД белков был впервые использован в работе [2]. Ниже будет более подробно рассмотрена модификация этого метода [3].

Принимая в рассмотрение в качестве структурных классов a-спираль (H), b-структуру (b), b-изгиб (t) и “неупорядоченную” форму (R), можем написать:

 

. (1.2.3)

 

Суммируя экспериментальные данные, вместо  в уравнение (1.2.3) вводят величину , учитывающую зависимость эталонного спектра, соответствующего a-спирали, от числа аминокислотных остатков, образующих ее:

 

, (1.2.4)

 

где  и  - эталонные спектры для a-спирали из n аминокислотных остатков и для a-спирали “бесконечной” длины, а k - так называемый фактор длины цепи ( ). Согласно теоретическим расчетам оптической активности a-спирали и экспериментальным данным, спектр КД a-спирали  в диапазоне 185-240 нм может быть разложен на три независимых оптически активных составляющих (n®p*, p®p_{ } *, p®p_^*), которые можно описать гауссовскими зависимостями:

 

, (1.2.5)

 

где  и  - положение максимума и полуширина j-ой гауссовской линии в спектре КД a-спирали, а  - максимальное значение эллиптичности “бесконечной” a-спирали на длине волны . В окончательном виде для спектра КД белка можно написать следующее выражение:

 

, (1.2.6)

 

где

. (1.2.7)

 

Здесь  - среднее число аминокислот на a-спиральный участок цепи в молекуле белка.

Параметры , ,  и в уравнении (1.2.7) были найдены на основе спектра КД миоглобина. Они имеют следующие значения:

 

j	, нм	, нм	, град× см2× дмоль-1
1	223.4	10.8	-3.73× 10	2.50
2	206.6	8.9	-3.72× 10	3.50
3	193.5	8.4	+10.1× 10	2.50

 

Эти параметры для глобулярных белков с достаточно большой точностью можно считать постоянными. Попытки оценить  для конкретных белков по их спектрам КД оказались ненадежными. Для большинства исследованных белков этот параметр оказался равным примерно 10-11 аминокислотам на a-спиральный сегмент. Распространяя этот факт на все анализируемые белки, авторы данного метода положили  равным 10.

Вклад b-структуры в спектр КД белка оказывается зависящим от гораздо большего числа параметров: не только от числа аминокислотных остатков на сегмент, но и от числа нитей в данном участке структуры и их направленности, поэтому его описание простым уравнением, подобным уравнению (1.2.7), невозможно. То же самое касается b-изгиба и, особенно, “неупорядоченной” формы, под которой подразумевается все, не относящееся к другим классам. Используемые в данном методе эталонные спектры b-структуры, b-изгиба и “неупорядоченной” формы являются статистически усредненными по белкам, используемым в качестве базисных.

Процедура анализа спектра КД исследуемого белка подразделяется на два этапа. Первый этап заключается в вычислении эталонных спектров структурных элементов, то есть значений , ,  и  для длин волн в диапазоне 185-240 нм с интервалом в 1 нм, на основе экспериментальных спектров КД пятнадцати эталонных белков со значениями , , , , , известными из рентгеноструктурного анализа. Эталонный спектр, соответствующий a-спирали, может быть вычислен непосредственно по формуле (1.2.7). Остальные эталонные спектры находятся из уравнения (1.2.6) с помощью метода наименьших квадратов, причем для уменьшения числа неизвестных в этом уравнении из экспериментального спектра КД каждого эталонного белка исключается вклад a-спиральной формы, вычисленный по формуле (1.2.7). Эталонные спектры, вычисленные с помощью данного метода показаны на рисунке 1.2.1.

Когда эталонные спектры найдены, могут быть вычислены коэффициенты , , ,  в уравнении (1.2.6), примененном к спектру КД исследуемого белка. Для этого также используется метод наименьших квадратов. Он заключается в подборе таких коэффициентов , что

 

 minimum. (1.2.8)

 

Здесь  - экспериментальный, а  - рассчитанный по формуле (1.2.6) спектр КД исследуемого белка;  - число точек в спектре. Коэффициенты , являющиеся решением уравнения (1.2.8) с учетом условий (1.2.2), представляют собой искомые доли структурных элементов во вторичной структуре белка.

Метод " регуляризации" [4]. Подход к анализу спектра КД белка, лежащий в основе предыдущего метода, заключается в определении эталонных спектров, которые, как можно было бы предполагать, полностью характеризуют структурные элементы, образующие вторичную структуру исследуемого белка. Однако, как показывают экспериментальные данные, ни один эталонный спектр не может точно описать все разновидности таких обширных и достаточно неопределенных классов, как a-спираль, b-структура, b-изгиб и др.

Конформация элементов вторичной структуры глобулярных белков значительно отличается от идеальной. Кроме этого, вклад каждого структурного класса в спектр КД белка зависит от очень многих параметров, о которых упоминалось выше. Для учета всего разнообразия типов вторичной структуры белков требуется расширить исходный набор базисных спектров. В результате возникающей при этом избыточности начальных данных обычный метод наименьших квадратов становится неустойчивым к экспериментальной ошибке и приводит к заведомо неверным результатам. Применение метода " эталонных спектров" в том виде, как он описан в предыдущем пункте, к большому базисному набору спектров оказывается, по сути, некорректным.

Эту проблему частично можно разрешить, заменив метод наименьших квадратов моделью, применение которой, на первый взгляд, не вполне оправдано и адекватно, но зато приводит к устойчивому к экспериментальной ошибке результату даже в случае большого числа параметров. Применение такой стабилизирующей модели позволяет подойти к анализу спектров КД с другой стороны. А именно, появляется возможность прямого представления спктра КД исследуемого белка в виде линейной комбинации базисных спектров. Таким образом удается полностью избежать проблемы, связанной с определением эталонных спектров отдельных структурных классов и проводить более гибкий и точный анализ с использованием реальных белковых спектров.

Рассмотрим данный метод более подробно. Предположим, что нам удалось представить спектр КД исследуемого белка в виде линейной комбинации спектров  базисных белков, структура которых известна из рентгеноструктурного анализа. Обозначим число этих спектров через  (в данном методе =16). Тогда можем записать:

 

, (1.2.9)

 

где  - спектр КД (эллиптичность) исследуемого белка.

Обозначим долю аминокислот j-ого базисного белка в i-ом структурном классе через , тогда базисные спектры могут быть представлены в виде суперпозиции  идеализированных эталонных спектров , соответствующих отдельным структурным классам:

 

. (1.2.10)

 

Аналогично для спектра КД исследуемого белка:

 

. (1.2.11)

 

Подставляя равенства (1.2.10) и (1.2.11) в уравнение (1.2.9), получим связь искомых коэффициентов  с известными (из рентгеноструктурного анализа) коэффициентами :

 

. (1.2.12)

 

Проблема заключается в определении коэффициентов  в разложении (1.2.9). В подобных задачах широко применяется метод наименьших квадратов, определяющий коэффициенты  из следующего условия:

 

 minimum (1.2.13)

 

с ограничениями

 

и . (1.2.14)

 

Здесь  и  - экспериментальное и рассчитанное по формуле (1.2.9) значения для эллиптичности на длине волны ,  - число точек в спектре.

Согласно теореме Гаусса-Маркова, среди линейных несмещенных оценок оценка, получаемая с помощью метода наименьших квадратов, является наиболее эффективной в том смысле, что рассчитанные с его помощью коэффициенты  наиболее близки к своим истинным значениям. Однако, при больших значениях  метод наименьших квадратов становится крайне неустойчивым к экспериментальной ошибке. Повышение стабильности метода за счет снижения величины , в свою очередь, также приводит к заметной ошибке.

Авторы метода [4] нашли выход в использовании вместо метода наименьших квадратов линейной смещенной оценки, определяемой следующим условием:

 

 minimum. (1.2.15)

 

Эта оценка является смещенной и, следовательно, приводит к систематической ошибке. Тем не менее при больших значениях  она дает значения  более близкие реальным, чем получаемые с помощью метода наименьших квадратов. Очевидно, что уравнение (1.2.15) также необходимо дополнить условиями (1.2.14).

Рассмотрим критерий (1.2.15) более подробно. При a=0 мы получаем обычный метод наименьших квадратов, не пригодный в нашем случае. При a> 0 второй член в левой части (1.2.15) является регуляризатором. Он стабилизирует решение, поддерживая коэффициенты  малыми (близкими к 1/ ). Тем не менее, если некоторый спектр  содержит компоненты, которые хорошо аппроксимируют , это ограничение не будет иметь такой силы, так как минимизация левой части уравнения (1.2.15) сможет быть достигнута в большей степени уменьшением первого члена, чем второго, что приводит к наиболее оптимальному значению . Таким образом получается очень гибкая, но стабильная модель, которая самостоятельно выбирает из большого набора базисных спектров те, которые аппроксимируют данные наилучшим образом. В случае анализа спектров КД белков уравнению (1.2.15) можно дать следующую интерпретацию. Поскольку априори нельзя сказать, какой из спектров  будет аппроксимировать  лучше, ни один из них не имеет преимущества, и все коэффициенты  полагаются приблизительно равными, близкими к 1/ (смотри условия (1.2.14)).

При возрастании параметра a точность аппроксимации экспериментальных данных падает за счет уменьшения эффективного числа степеней свободы, соответствующего числу свободных параметров в обычном методе наименьших квадратов. Обычно при малых a это происходит медленно, но когда этот параметр становится слишком большим, число степеней свободы становится таким малым, что коэффициенты  становятся равными 1/ , и метод полностью теряет свою гибкость. Выбор параметра a определяется оптимальным компромиссом между гибкостью и стабильностью модели, тем самым давая наилучшие значения . Авторы данного метода осуществляли выбор a с помощью автоматического статистического теста на относительное увеличение отклонения аппроксимирующего спектра (реконструированного из спектров эталонных белков) от экспериментальных данных при увеличении этого параметра.

Если при анализе спектра КД белка нам известно, что среди белков базисного набора есть белки, структурно схожие с исследуемым, то в уравнение (1.2.15) можно ввести эти данные с помощью различного взвешивания отдельных членов второй суммы этого уравнения, тем самым давая соответствующим коэффициентам  большую свободу изменения. Однако сделать это объективно и количественно довольно сложно, поэтому авторы метода не пользовались этим. Как показывают эксперименты, в случае структурной схожести белков соответствующие коэффициенты  автоматически выбираются наибольшими без какой-либо дополнительной информации.

Метод " ортогональных спектров" [5, 6]. О сновой данного метода является метод собственных векторов многокомпoнентного матричного анализа. Он позволяет проводить быструю обработку больших наборов данных с помощью формирования из них ортогональных компонент в виде собственных векторов с соответствующими собственными значениями.

Этот метод использует в качестве базисных спектры КД 16 белков с известной вторичной структурой в диапазоне 178-260 нм с интервалом в 2 нм (всего по 42 точки в каждом из 16 спектров). Пусть С - прямоугольная матрица размером 16 42, содержащая в качестве строк спектры КД эталонных белков. Умножая ее на свою транспонированную матрицу, получим симметричную квадратную матрицу CC ^T размером 16 16. Приведем эту матрицу к диагональному виду с помощью ортогональной матрицы U (16 16):

 

 (CC ^T) U = UE. (1.2.16)

 

Матрица U будет состоять из 16 собственных векторов, а диагональная матрица Е - из 16 собственных значений матрицы CC ^T. Рассмотрим матрицу B, определяемую выражением

 

B = U ^T C. (1.2.17)

 

Это прямоугольная матрица, которая, также как и матрица исходных спектров КД базисных белков, имеет размер 16 42. Ее строки можно использовать в качестве 16 новых ортогональных базисных спектров КД, каждый из которых представляет собой линейную комбинацию исходных белковых спектров. Разложение произвольного спектра КД по этим новым базисным спектрам, вместо исходных, оказывается более удобным, поскольку “значимость" каждого их них в этом разложении, то есть степень, в которой он представляет исходный набор базисных спектров, пропорциональна квадратному корню из соответствующего собственного значения. Из этого следует, что любой неполный набор из ортогональных базисных спектров, выбранный таким образом, что соответствующие им собственные значения максимальны, будет описывать произвольный белковый спектр КД лучше, чем любой неполный набор из исходных спектров базисных белков.

Ошибка, возникающая при аппроксимации экспериментального белкового спектра КД с помощью неполного набора наиболее “значимых" ортогональных базисных спектров, определяется следующей формулой:

 

. (1.2.18)

 

Здесь s - среднее квадратичное отклонение, n - число точек в спектре, m - число базисных спектров в исходном наборе,  - число ортогональных базисных спектров в неполном наборе, используемом для реконструкции произвольного белкового спектра, а  - собственные значения, расположенные в ряд в порядке убывания их величины. Случайная ошибка, связанная с погрешностью измерений при снятии спектров КД эталонных белков, приблизительно равна 0.3 единицы De. Сравним ее со значениями s, рассчитанными по формуле (1.2.18) для разных значений m (при m=16):

 

m	s, ед. De
3	0.38
4	0.24
5	0.17
6	0.12

 

Из приведенной таблицы видно, что четыре ортогональных базисных спектра дают значение s, нe превышающее уровень случайной ошибки. Но эксперименты показывают, что форма реконструированного таким образом спектра плохо совпадает с реальной. Пять ортогональных базисных спектров дают значение s, в два раза меньшее уровня случайной ошибки, и при этом хорошо воспроизводят форму спектра. Шесть ортогональных базисных спектров дают лишь незначительное улучшение.

Это объясняется тем, что оставшиеся базисные спектры представляют собой ни что иное, как “шум”, и их учет приводит лишь к увеличению ошибки при вычислениях. Авторы данного метода использовали для вычислений пять " наиболее значимых" ортогональных базисных спектров (m=5), полагая это количество оптимальным. Эти спектры представлены на рисунке 1.2.2.

Из выражения (1.2.17) следует, что

 

С = UB. (1.2.19)

 

Восстанавливая по сокращенному набору ортогональных базисных спектров исходный набор базисных спектров КД, можем написать:

 

, (1.2.20)

 

где  - исходные базисные спектры (i=1,., 16; k=1,., 42), а - - пять " наиболее значимых" ортогональных базисных спектров. Эксперименты по воспроизведению исходных белковых спектров по формуле (1.2.20) показывают, что среднеквадратичная ошибка при этом составляет от 0.08 до 0.25, что является весьма хорошим показателем.

Представим данные рентгеноструктурного анализа для 16 базисных белков в виде матрицы S размером 16 8, содержащей величины относительного содержания в каждом из белков восьми структурных элементов: спиральной структуры, включая a - и 3₁₀-спирали, антипараллельной и параллельной b-структуры, b-изгибов I, II, III типов, других видов b-изгибов и оставшейся (“неупорядоченной”) структуры.

Как можно предполагать из того факта, что исходный набор базисных спектров может быть полностью восстановлен но основе лишь пяти спектров ортогонального базисного набора, спектры КД белков в диапазоне от 178 до 260 нм содержат в себе информацию лишь о пяти независимых типах вторичной структуры.

С точки зрения независимости спектров КД в качестве таких типов вторичной структуры могут быть приняты комбинации обычных типов вторичной структуры (a-спирали, b-структуры и т.д.), соответствующие пяти " наиболее значимым" ортогональным базисным спектрам.

Если для ортогональных базисных спектров также ввести матрицу структурных данных D (16 8), то аналогично формуле (1.2.19) можно записать

 

S = UD (1.2.21)

 

Как показывает эксперимент, структурная матрица S может быть полностью восстановлена на основе лишь пяти комбинаций элементов вторичной структуры матрицы D, соответствующих пяти " наиболее значимым" ортогональным базисным спектрам. Таким образом, эти комбинации обычных типов вторичной структуры являются (с точки зрения независимости спектров КД) независимыми вторичными " суперструктурами":

 

Номер " супер-структуры"	a, 310	b ­¯	b ­­	b-изг. I	b-изг. II	b-изг. III	b-изг. др.	Ост. типы
1	1.77	0.30	0.20	0.16	0.07	0.12	0.14	1.06
2	0.56	-0.47	-0.06	-0.04	-0.07	-0.01	-0.09	-0.76
3	0.06	0.38	-0.12	0.01	0.02	0.01	0.01	-0.18
4	0.00	0.06	0.27	-0.04	-0.02	0.00	0.03	-0.06
5	-0.01	-0.01	0.02	0.16	0.02	0.05	0.00	-0.03

 

Следовательно, восемь рассматриваемых в данном методе стандартных структурных классов, вообще говоря, не являются строго независимыми, так как все они также могут быть описаны с помощью пяти независимых “суперструктур”, описанных выше.

Для применения данного метода к анализу спектров КД произвольных белков необходимо, чтобы анализируемый спектр также быть снят в диапазоне от 178 до 260 нм. Поскольку при его аппроксимации базисными спектрами рассматривается лишь небольшой их набор, то проблемы, связанной с неустойчивостью метода наименьших квадратов, не возникает. Однако, очевидно, что приемлемые результаты возможно получить только в том случае, если структурные характеристики исследуемого белка достаточно хорошо представлены среди базисных белков. Для установления достоверности полученных результатов авторы метода рекомендуют использовать метод наименьших квадратов без ограничений на коэффициенты разложения (смотри условия (1.2.2)). При этом большие по модулю отрицательные коэффициенты  или большое отклонение их суммы от единицы свидетельствуют о том, что метод в данном случае неприменим. Подробнее об этом критерии будет говориться в следующем разделе.

Метод " выбора переменных" [7]. О бычный метод наименьших квадратов, используемый для представления произвольного спектра КД в виде линейной комбинации базисных спектров, имеет по сравнению с другими методами наибольшую гибкость. Это проявляется в том, что спектры базисных белков участвуют в разложении в различной степени в зависимости от характера конкретного спектра. Однако, эксперименты показывают, что наилучшее воспроизведение формы спектра не всегда дает лучшие результаты. Более того, метод наименьших квадратов оказывается неустойчивым к экспериментальной ошибке, если число используемых в разложении базисных спектров превышает информационное содержание анализируемого спектра (для спектров в диапазоне 178-260 нм оно приблизительно равно пяти, а в диапазоне 190-260 нм - четырем).

Метод " регуляризации" [4] решает эту проблему с помощью " регуляризатора", который стабилизирует систему, оставляя ей при этом значительную гибкость. Метод " ортогональных спектров" [5, 6] достигает устойчивости метода наименьших квадратов за счет использования только пяти ортогональных базисных спектров, построенных на основе исходного набора спектров базисных белков. Однако, поскольку базисные спектры построены на основе фиксированного набора спектров базисных белков, степень участия последних при воспроизведении анализируемого спектра также оказывается в некоторой мере фиксированной, а гибкость метода - крайне низкой.

Метод " выбора переменных", суть которого будет описана ниже, основан на методе " ортогональных спектров", но обладает значительной гибкостью, достигаемой за счет использования при построении ортогональных базисных спектров различных наборов базисных белков, выбираемых с помощью статистической процедуры " выбора переменных". Рассмотрим смысл этой процедуры более подробно.

Предсказание вторичной структуры белка по его спектру КД должно удовлетворять двум важным условиям:

1. Величины содержания в белке рассматриваемых структурных элементов не должны быть отрицательными: .

2. Суммарное содержание в белке всех рассматриваемых типов структур должно быть равно единице (100%): .

Второе условие является особенно важным при анализе конформационных изменений белка при денатурации или связывании каких-либо лигандов. Во всех методах, описанных выше, оба эти условия вводятся непосредственно в процедуру нахождения коэффициентов  с помощью метода наименьших квадратов. Однако такое ограничение на коэффициенты может весьма заметным образом исказить результаты этой процедуры.

Для преодоления подобных недостатков авторы рассматриваемого метода не пользуются условиями (1) и (2) и допускают существование отрицательных коэффициентов  и отклонение их суммы от единицы. Появление подобных несоответствий свидетельствует о неуспехе метода и может быть объяснено наличием у некоторых базисных белков таких структурных форм, вкладов которых в спектр исследуемого белка не было обнаружено. Для избежания подобных ситуаций вводится процедура " выбора переменных", которая поочередно исключает белки из исходного базисного набора, а затем проводит вычисления с каждой из полученных комбинаций базисных белков, используя метод " ортогональных спектров". Эксперименты показали, что достоверность результатов значительно повышается по мере того, как сумма коэффициентов  приближается к единице. Повышение точности анализа было достигнуто даже при анализе спектров в укороченном диапазоне (190-260 нм).

Поскольку заранее не известно, какие из базисных белков содержат элементы, отсутствующие у исследуемого белка, и спектры которых необходимо исключить из исходного набора для улучшения результатов, рассматриваются все возможные комбинации из исходного набора 16 базисных спектров. Эта процедура выполняется в следующем порядке. Сначала из исходного набора исключаются поочередно по три базисных спектра на каждом шаге, а ортогональные базисные спектры строятся на основе оставшихся 13 исходных базисных спектров. Сравнение результатов, полученных для различных наборов из 13 базисных белков, выявляет один или два белка, которые являлись причиной отклонений коэффициентов  и их суммы от условий (1) и (2). Эти белки исключаются из исходного набора, и процедура повторяется до тех пор, пока не будут получены удовлетворительные результаты.

Критериями удовлетворительного решения, соответствующего оптимальному набору базисных спектров, являются следующие условия:

1. Сумма коэффициентов  должна находиться в диапазоне от 0.96 до 1.05 (или, по крайней мере, от 0.90 до 1.10).

2. Значение содержания произвольной структурной формы в исследуемом белке ( ) должно быть выше - 0, 05.

3. Воспроизведение анализируемого спектра на основе выбранного набора базисных спектров должно быть лучше, чем при использовании полного их набора.

4. Более предпочтительным является набор, содержащий большее число базисных спектров.

5. Более предпочтительными являются те белки, спектры которых ближе к анализируемому спектру.

На практике в большинстве случаев удовлетворительных результатов удается достичь при исключении из исходного набора всего трех или четырех белков, причем среднеквадратичная ошибка при воспроизведении анализируемого спектра составляет меньше 0.2 единицы De. Если несколько наборов базисных белков оказываются удовлетворительными в одинаковой степени, то результаты, полученные на их основе, усредняются.

В заключение можно отметить, что метод " выбора переменных" является мощным средством анализа спектров КД белков в ситуациях, когда другие распространеннные методы дают заведомо неверные результаты.

Сравнение различных методов анализа спектров КД. Поскольку все методы анализа спектров КД имеют чисто эмпирический характер, каждый из них нуждается в экспериментальной проверке на белках с известными рентгеноструктурными данными. Обычно подобная проверка проводится на белках, включенных в базисный набор для данного метода. При этом белки поочередно исключаются по одному из этого набора, а их спектры анализируются на основе спектров оставшихся белков. После этого результаты, полученные для каждого типа вторичной структуры, сравниваются со значениями, полученными при рентгеноструктурном анализе, с помощью подсчета коэффициента корреляции между этими двумя наборами данных, определяемого следующим выражением:

 

.(1.2.22)

 

Здесь  и  - экспериментальный и рассчитанный наборы данных, n - число белков в базисном наборе. Значения коэффициента корреляции r лежат в диапазоне от - 1 до 1, причем значеия r, близкие к 1, свидетельствуют об успешном предсказании, характеризующимся достаточно высокой точностью. Значения r, близкие к 0 или - 1, говорят о случайном совпадении или полном несоответствии рассчитанных и экспериментальных данных.

Ниже приведены значения коэффициентов корреляции для четырех рассмотренных методов: метода " эталонных спектров" [2, 3], метода " регуляризации" [4], метода " ортогональных спектров" [5, 6] и метода " выбора переменных" [7]:

 

метод	диапазон,	коэффициент корреляции r
	нм	a	b ­¯	b ­­	b ­¯ +­­	b-изг.	Ост.
[2, 3]	190-240	0.85	-	-	0.25	-0.31	0.46
[4]	190-240	0.96	-	-	0.94	0.31	0.49
[5, 6]	190-260	0.98	0.40	0.00	-0.27	0.18	0.24
[7]	190-260	0.95	0.57	0.47	0.45	0.54	0.69
[4]	178-260	0.96	0.23	0.39	0.12	0.51	0.64
[5, 6]	178-260	0.98	0.55	0.63	0.54	0.30	0.61
[7]	178-260	0.97	0.78	0.67	0.76	0.49	0.86

 

⇐ Предыдущая1234Следующая ⇒

Поделиться: