Протеин функции: Виды протеина, его функции и применение

Синонимы: Свободный протеин S; ПрS. 

Protein S, Free; Free protein S; fPS. Естественный антикоагулянт, кофактор протеина С.

Краткая характеристика определяемого вещества Протеин S свободный

Протеин S – кофактор протеина C (см. тест № 1263 Протеин C), усиливающий его антикоагулянтное и профибринолотическое действие. Это витамин К-зависимый белок, синтезируемый в печени. В плазме крови он присутствует в двух формах – свободной и связанной с C4-BP (комплемента C4b-связывающий белок). Биологическую активность проявляет только свободная форма, связанная форма функционально неактивна, поэтому определение свободной формы более информативно. Содержание протеина S зависит от пола, гормонального фона, меняется с возрастом.  

Дефицит свободного протеина S может быть врождённым или приобретённым. Врождённый дефицит типа I – классический – подразумевает снижение уровня общего и свободного протеина S и снижение функциональной активности; тип II характеризуется снижением функциональной активности при нормальном уровне общего и свободного протеина S; тип III отражает селективное снижение уровня свободной формы протеина S.  

Подобно другим видам тромбофилий, гетерозиготный вариант дефицита протеина S манифестирует во взрослом возрасте в виде тромбоэмболий. Гомозиготные варианты и сочетания с другими тромбофилиями обычно проявляются в период новорождённости в виде фульминантной пурпуры. Приобретённый дефицит можно наблюдать во время беременности, на фоне приёма оральных антикоагулянтов, при использовании оральных контрацептивов, у пациентов с патологией печени, у новорождённых, и при других клинических условиях. 

С какой целью определяют уровень свободного протеина S в крови 

Определение уровня свободного протеина S – естественного антикоагулянта, кофактора протеина С, используют в комплексном обследовании пациентов с подозрением на нарушения в системе свертывания крови. 

Что может оказать влияние на результат теста «Протеин S свободный» 

Снижение уровня свободного протеина S может быть связано с острофазным воспалительным ответом (повышение уровня C4-BP приводит к повышению связывания протеина S и уменьшению уровня его свободной формы). Предпочтительно не проводить исследование во время острых тромботических эпизодов (хотя нормальный уровень протеина S в этих условиях позволяет исключить дефицит протеина S).

Литература

Основная литература

1. Khan S., Dickerman J.D Hereditary thrombophilia. Thrombosis Journal 2006, 4:15 www.thrombosisjournal.com/content/4/1/15.
   
2. Tietz Textbook of Clinical Chemistry and Molecular Diagnostics. 4 ed. Ed. Burtis C.A., Ashwood E.R., Bruns D.E. Elsevier. New Delhi.2006, (p.2412).
3. Методические материалы фирмы-производителя реагентов.

Протеин и его виды

В различных ситуациях, и особенно во время занятий в тренажёрном зале, нашему организму требуется большое количество энергии. В этом случае на помощь приходит незаменимое питательное вещество под названием протеин. Именно он позволяет организму не расходовать ценные запасы энергии, накопленные в мышцах.

Протеин, он же белок, является важным компонентом и составляющей всех живых клеток и органов нашего тела. Протеин поставляет организму человека необходимое сырьё — аминокислоты, которые необходимы нам для питания, роста и восстановления тканей. К тому же, протеин весьма важен для создания определённых биомолекул (гормоны и ДНК), играющих в организме особую роль.

В спортивном питании белку уделяют особое внимание, нежели другим питательным веществам. Люди, занимающиеся спортом, в большей степени нуждаются в запасах протеина, так как без необходимого количества белка они просто не смогут нарастить желаемую мышечную массу и добиться поставленных целей. Поэтому любая спортивная диете должна быть обогащена протеином.

К тому же, протеин не только регулирует поступление аминокислот для строительства и роста новых клеток, но и поддерживает необходимый уровень энергии в организме, а также оказывает положительный эффект на стабильность уровня инсулина в крови. Поэтому, если Вы будете ежедневно потреблять необходимое количество протеина с пищей или в виде биологически активных добавок, Вы уменьшите вероятность возникновения различных отклонений уровня сахара в организме.

Человеческий организм не может самостоятельно вырабатывать необходимое количество белка, поэтому запасы протеина следует регулярно пополнять извне, потребляя продукты питания, обогащённые белком, или специальные пищевые добавки.

Протеины, или высокобелковые препараты, делятся на:

• сывороточный протеин;
• молочный протеин;
• соевый протеин;
• яичный протеин;
• казеин.

Сывороточный протеин

Этот вид протеина обладает самой быстрой скоростью усвоения по сравнению с другими белками. Он моментально снабжает клетки организма незаменимыми аминокислотами для синтеза мышечного белка после занятий в спортзале. К тому же, сывороточный протеин содержит в себе большое количество аминокислот BCAA (до 50%), которые просто необходимы для восстановления мышечных тканей спортсмена после изнурительных тренировок. Сывороточный протеин способствует восстановлению микрофлоры кишечника, лучшему усвоению кальция и значительно снижает риск заболеваний вирусными инфекциями.

80% от содержания сывороточного протеина составляет бета- и альфа-лактоглобулин. Оставшиеся 20% занимают биоактивные пептиды, которые легко усваиваются во время процесса пищеварения и являются достаточно полезными для организма. Например, пептид под названием «лактопероксидаза», производит свободные радикалы, которые, в свою очередь, разрушают вредные бактерии; а лактоферин (тоже активный пептид) связывается в организме с железом и препятствует проникновению нежелательных бактерий в стенки желудочно-кишечного тракта, способствуя, тем самым, антимикробной активности.

Глютамин, содержащийся в сыворотке белка, необходим иммунной системе человека в качестве топливного материала. Отдельные исследования доказали, что приём сывороточного протеина (30 гр в сутки) способствует регрессии опухоли у больных раком.

Если Вы принимаете сывороточный протеин для восстановления мышечной ткани после физических тренировок, важно учитывать способность данного протеина не только легко и быстро усваиваться организмом, но и так же стремительно из него выводиться. Это значит, что сывороточный протеин надо принимать значительно чаще, чем другие виды протеинов, иначе Вам не удастся восполнить дефицит белка в организме.

Подводя итог, следует заметить, что сывороточный протеин является не просто источником белка, он обладает более широким спектром полезных качеств и свойств, поэтому является сегодня самой популярной пищевой добавкой как среди профессионалов, так и среди людей, ведущих активный образ жизни.

Молочный протеин

Молочный протеин обладает средней скоростью усвоения в организме. Он включает в свой состав сывороточный протеин (20%) и казеин (80%) с молочными углеводами. Молочный протеин подходит тем, кто хочет избавиться от лишних килограммов и регулярно соблюдает диеты, так как он практически не содержит жира и, к тому же, послужит надёжной защитой Ваших мышц от истощения.

Молочный протеин повышает работоспособность и выносливость, способствует эффективному восстановлению и наращиванию мышечной массы. Он является незаменимой пищевой добавкой для людей, ведущих активный образ жизни, и интенсивно тренирующихся атлетов, которые регулярно подвергаются большим физическим нагрузкам.

Соевый протеина, в отличие от сывороточного, казеинового и яичного белков, содержит в себе более высокий процент (35%) таких аминокислот, как лизин и глютамин. Соевый протеин зачастую принимают вегетарианцы или люди, организм которых не переносит молочные белки.

Соя содержит в себе большое количество витаминов и минералов, необходимых для жизнедеятельности организма, она снижает риск образования рака груди, помогает в борьбе с остеопорозом и увеличением простаты у мужчин.

У соевого протеина имеются и отрицательные качества: регулярный приём данного вида белка приводит к сбоям в эндокринной системы. Это происходит из-за изофлавонов, содержащихся в изоляте соевого протеина и способных активировать эстрогенные рецепторы. Ряд исследований внёс предположение о том, что длительное употребление сои приводит к нарушениям функций щитовидной железы. Причём, подобные нарушения возникает только у мужчин. По этой причине мужскому полу лучше отказаться от соевого протеина, предоставив этот продукт представительницам прекрасного пола, которым потребление этого продукта обещает только преимущества.

Яичный белок достаточно редко встречается в качестве самостоятельного продукта, не смотря на то, что он обладает высокой биологической активность. Яичный белок обогащён серосодержащими аминокислотами, которые положительно влияют на различные функции организма.

Яичный протеин не содержит углеводов и оказывает активное влияние на процессы секреции анаболических гормонов. Он обладает своеобразным вкусом и достаточно трудно пенится.

Казеин усваивается в организме человека около 6 часов, а это значит, что анти-катаболические свойства, которыми он обладает, позволят организму длительное время защитить мышечные ткани от истощения. Казеин относят к высококачественным протеинам, так как он легко синтезируется и доставляет достаточное количество аминокислот, которые организм не может вырабатывать самостоятельно.

Для того чтобы сократить перерыв между обедом и употреблением утреннего сывороточного напитка, хорошим вариантом является употребление казеинового белка прямо перед сном. Однако, в это время следует воздерживаться от углеводов, поскольку они обладают способностью увеличивать количество жира в организме.

Итак, на вопрос «Какой протеин выбрать?» сложно ответить однозначно. Некоторые атлеты предпочитают сывороточный протеин, кто-то считает, что преимущественно использование белков иных типов. Идеальный вариант, когда применение протеина контролируется специалистом. Он же назначает необходимые дозы приёма препарата и определяет тип продукта.

Вы можете подобрать подходящий Вам протеин прямо сейчас в разделе Белковые концентраты

Статьи о спортивном питании. Заказать спортивное питание Meal to Goal

На сколько важно качество качества белка?

    Большинство людей беспокоятся о количестве, съеденного белка, но они не так много думают о качестве белка, который они едят.

    Существуют огромные различия в химическом составе белка из разных источников и ценность этого белка.

    Чем выше качество белка, тем легче он может снабдить организм аминокислотами, необходимыми для роста, восстановления и поддержки вашего тела.

Два основных фактора, которые определяют высокое или низкое качество белка:

1. Усвояемость

• Насколько легко переваривается?
• Сколько вы перевариваете — и поглощаете, и используете?

2. Аминокислотная композиция

• Из каких аминокислот сделан белок?
• Высококачественный белок имеет хорошее соотношение незаменимых аминокислот и позволяет нашему организму эффективно их использовать.
• Аминокислотная композиция важнее перевариваемости.

    Вы можете употреблять большое количество белка, но, если белок, который вы едите, содержит недостаточное количество важных аминокислот (лимитирующих аминокислот), это минимизирует всю пользу и важные свойства белка. 

    Лимитирующие аминокислоты — это те незаменимые аминокислоты, которые входят в состав белков в наименьшем количестве по сравнению с их физиологической потребностью. Если рацион не будет сбалансирован хотя бы по одной лимитирующей аминокислоте, то эта аминокислота будет ограничивать использование всех остальных и протеина в целом.

Протеин

    Принимая протеин в виде коктейля или как добавку к пище вы можете обеспечить свой организм достаточным количеством качественного белка с  аминокислотным составом близким к идеальному.

Команда Meal2Goal

— обзор

14.2 ОБЗОР ФУНКЦИИ БЕЛКА ТЕПЛОВОГО ШОКА

Наиболее понятные механизмы функции HSP были выявлены в ходе исследования HSP90 и HSP70, которые будут описаны для создания контекста для последующего обсуждения действия лекарств. . На рис. 14.1 в упрощенном виде показаны их функции. HSP90 существует в виде димера и получает от HSP70 белок, который имеет измененную или ненормальную форму, которая может возникать после нагревания или окислительного повреждения или возникать в условиях истощения питательных веществ, если, например, происходит аберрантное гликозилирование.После связывания с HSP90 молекулы «ко-шаперона», такие как HOP и p23, привлекаются к комплексу. АТФ связан с сайтом АТФазы в HSP90, и повторные раунды гидролиза АТФ позволяют рефолдингу белка принять постепенно нормализованную конформацию по сравнению с его исходным состоянием. Если процесс рефолдинга белка прерывается, аномально свернутый белок в контексте связывания с HSP90 становится субстратом для убиквитинирования, что само по себе является сигналом для деградации аномального белка протеосомной системой.После завершения процесса сворачивания нормально свернутый, «отремонтированный» белок высвобождается в свой надлежащий клеточный отсек.

РИСУНОК 14.1. Функции HSP90 и HSP70.

Для некоторых членов HSP была определена дополнительная роль в поддержании белка в «метастабильном» состоянии, готовом к действию в ответ на определенный сигнал. Например, члены семейства рецепторов цитоплазматических стероидных гормонов, включая рецептор эстрогена (ER), рецептор андрогена (AR) и рецептор арилуглеводородов (AhR), среди прочего, существуют в комплексе с HSP90.После связывания их родственных лигандов происходит диссоциация от HSP с последующей миграцией к рецептору в ядро ​​и активацией опосредованных рецептором транскрипционных событий.

Пересечение белковой системы теплового шока с аспектами биологии рака начало проявляться с первоначального признания того факта, что белки вирусных онкогенов были конститутивно связаны, то есть в отсутствие определенного стресса, с членами семейства HSP (например, HSP90) в трансформированные клетки. Более того, чувствительные к температуре мутанты некоторых вирусных белков изменили ассоциацию с HSP при непермиссивной температуре (Brugge et al ., 1983). Впоследствии онкобелки при различных раковых заболеваниях человека были признаны «клиентскими» белками HSP90. К ним относятся, среди прочего, онкобелок erbB2, p210bcr-abl, npm-alk, мутированный B-raf. Интересно, что поскольку во многих (но не во всех) случаях немутантные формы белка (например, abl) явно не являются клиентами HSP90, подразумевается, что мутировавший белок, который активен в провоцировании клеточной трансформации, каким-то образом «подвергается стрессу» в этом отношении. один аспект его конформации распознается системой HSP как ненормальный.Это приводит к гипотезе о том, что если бы система белков HSP90 / 70 не существовала для «буферизации» этих аномальных конформаций, функция этих трансформирующих онкобелков была бы нарушена. Этот взгляд на самом деле хорошо коррелирует с базовыми исследованиями на модельных организмах, где мутации в самом HSP90, когда гомозиготны, являются летальными, но в гетерозиготном состоянии маскируют в различной степени существование иначе скрытых или фенотипически молчаливых мутаций (Rutherford and Lindquist, 1998).

Другой набор клиентских белков HSP90 включает молекулы, явно важные для регуляции роста и пролиферации клеток.В дополнение к рецепторам гормонов, описанным выше, образование комплекса с HSP90 может быть продемонстрировано для нормальных клеточных компонентов, таких как циклин-зависимая киназа 4 (CDK4), фосфатидилинозитол-3′-киназа (PI3K), немутантный протоонкоген C-raf1, факторы удлинения синтеза белка и т. д. Фактически можно распознать более 100 таких клиентских белков (Zhao et al ., 2005).

При таком изобилии «целевых» белков HSP90 можно выразить обоснованное беспокойство, что любые попытки модулировать действие белка теплового шока в опухолевых клетках могут привести к риску изменения функции белка теплового шока и в нормальных клетках.Однако существуют доказательства того, что система белков теплового шока в опухолях «задействована» иначе, чем в нормальных клетках. Например, HSP90-ассоциированные комплексы, иммунопреципитированные из опухолей, в отличие от компонентов нормального органа, по своей природе обнаруживают более высокую активность АТФазы (Kamal et al ., 2003). Это наблюдение затем приводит к предположению, что опухоли могут потребовать непрерывного функционирования системы HSP для поддержания опухоли. Эта возможность хорошо коррелирует с результатами многочисленных наблюдательных исследований за последние 30 лет, которые указали на усиление экспрессии компонентов HSP, включая HSP 70 и 90, а также частую корреляцию повышенной экспрессии HSP с более агрессивным клиническим поведением опухолей (Ciocca и Колдервуд, 2005).

В то время как все эти результаты, безусловно, предполагают потенциальное значение системы HSP для возникновения и прогрессирования рака, единственное наиболее важное наблюдение, которое сосредоточило внимание на потенциале системы HSP в качестве терапевтической цели (целей), возникло из определения Некерсом и его коллегами было показано, что HSP90 с высоким сродством связывается с противоопухолевым антибиотиком гелданамицином (Whitesell et al. ., 1994; см. рисунок 14.2). Это открытие одним махом потенциально объяснило основу интересной активности этого и родственных ему лекарств по «обращению» трансформированного фенотипа трансформированных вирусным онкобелком клеток.

РИСУНОК 14.2. Строения гелданамицина и производных.

Совместная кристаллизация гелданамицина, связанного с фрагментом HSP90 (Stebbins et al. ., 1997), позволила очертить карман связывания с высоким сродством в HSP90 (см. Главу 13 для более подробного обсуждения этого и других кристаллов HSP90. конструкции). Этот результат полностью соответствовал фазе раствора, выраженной HSP90 (Grenert et al ., 1997). Более карбоксильные части молекулы включают отдельные домены для взаимодействия с «клиентскими белками» и «ко-шаперонами».Были определены изоформы HSP90, при этом HSP90α существует как в цитоплазме, так и в секретируемой форме, а HSP90β, очевидно, находится в цитоплазме без секреторного потенциала. Кроме того, grp94 локализуется в эндоплазматическом ретикулуме, а изоформа TRAP ограничена митохондриями (Sreedhar et al ., 2004).

Остальная часть этой главы посвящена более подробному рассмотрению широких тем, которые характеризовали лекарства, которые были изучены или разработаны с прицелом на управление пролиферативным состоянием раковых клеток посредством модуляции действия HSP.В этом обзоре представлен обзор ряда соединений, описанных в открытой рецензируемой литературе, которые более подробно описаны в главе 13. Для каталогизации соединений, доступных через описания патентов или в Интернете, следует обратиться к обзору Chiosis и его коллег (Chiosis ). et al ., 2006).

Функции белков — Питание: наука и повседневное применение

Белки являются «рабочими лошадками» организма и участвуют во многих функциях организма. Как мы уже обсуждали, белки бывают всех размеров и форм, и каждый из них специально структурирован для выполнения своей конкретной функции.На этой странице описаны некоторые важные функции белков. Читая их, имейте в виду, что для синтеза всех этих различных белков требуется адекватное количество аминокислот. Как вы понимаете, диета с дефицитом белка и незаменимых аминокислот может нарушить многие функции организма. (Подробнее об этом позже в разделе.)

Рисунок 6.9. Примеры белков с разными функциями, размерами и формами.

Основные типы и функции белков приведены в таблице ниже, а в последующих разделах этой страницы дается более подробная информация о каждом из них.

Таблица 6.2. Типы и функции белков

Структура

В организме человека было обнаружено более сотни различных структурных белков, но наиболее распространенным является коллаген , что составляет около 6 процентов от общей массы тела. Коллаген составляет 30 процентов костной ткани и включает большое количество сухожилий, связок, хрящей, кожи и мышц. Коллаген — это прочный волокнистый белок, состоящий в основном из аминокислот глицина и пролина.В его четвертичной структуре три белковых нити скручиваются друг с другом, как веревка, а затем эти коллагеновые нити перекрываются друг с другом.

Рисунок 6.10. Тройная спиральная структура коллагена

Эта высокоупорядоченная структура даже прочнее, чем стальные волокна того же размера. Коллаген делает кости крепкими, но гибкими. Коллагеновые волокна в дерме кожи придают ей структуру, а сопутствующие белковые фибриллы эластина делают ее гибкой.Зажмите кожу на руке и отпустите; белки коллагена и эластина в коже позволяют ей вернуться к своей первоначальной форме. Гладкомышечные клетки, которые выделяют белки коллагена и эластина, окружают кровеносные сосуды, придавая им структуру и способность растягиваться назад после того, как через них прокачивается кровь. Другой сильный волокнистый белок — это кератин , важный компонент кожи, волос и ногтей.

Ферменты

Ферменты — это белки, которые проводят определенные химические реакции.Задача фермента — обеспечить место для химической реакции и снизить количество энергии и время, необходимое для того, чтобы эта химическая реакция произошла (это известно как «катализ»). В среднем каждую секунду в клетках происходит более 100 химических реакций, и для большинства из них требуются ферменты. Одна только печень содержит более 1000 ферментных систем. Ферменты специфичны и будут использовать только определенные субстраты, которые подходят их активному сайту, подобно тому, как замок может быть открыт только с помощью определенного ключа.К счастью, фермент может снова и снова выполнять свою роль катализатора, хотя в конечном итоге он разрушается и восстанавливается. Все функции организма, включая расщепление питательных веществ в желудке и тонком кишечнике, преобразование питательных веществ в молекулы, которые клетка может использовать, и построение всех макромолекул, включая сам белок, включают ферменты.

Рисунок 6.11. Ферменты — это белки. Задача фермента — обеспечивать место для веществ, которые химически реагируют и образуют продукт, а также уменьшают количество энергии и время, необходимое для того, чтобы это произошло.

ВИДЕО: «Фермент», автор kosasihiskandarsjah, YouTube (15 апреля 2008 г.), 0:47 мин. Это видео демонстрирует действие ферментов.

Гормоны

Белки отвечают за синтез гормонов. Гормоны — это химические посредники, вырабатываемые железами внутренней секреции. Когда эндокринная железа стимулируется, она выделяет гормон. Затем гормон транспортируется с кровью к своей клетке-мишени, где он передает сообщение, чтобы инициировать определенную реакцию или клеточный процесс.Например, после еды уровень глюкозы в крови повышается. В ответ на повышение уровня глюкозы в крови поджелудочная железа выделяет гормон инсулин. Инсулин сообщает клеткам организма, что глюкоза доступна и может забирать ее из крови и хранить или использовать для производства энергии или создания макромолекул. Основная функция гормонов — включать и выключать ферменты, поэтому некоторые белки могут даже регулировать действие других белков. Хотя не все гормоны состоят из белков, многие из них таковы.

Жидкостный и кислотно-щелочной баланс

Достаточное потребление белка позволяет основным биологическим процессам организма поддерживать гомеостаз (постоянные или стабильные условия) в изменяющейся окружающей среде. Одним из аспектов этого является баланс жидкости, позволяющий правильно распределять воду в различных отделах тела. Если слишком много воды внезапно переходит из крови в ткань, это приводит к отеку и, возможно, к гибели клеток. Вода всегда течет из области высокой концентрации в область низкой концентрации.В результате вода перемещается в области с более высокими концентрациями других растворенных веществ, таких как белки и глюкоза. Чтобы вода равномерно распределялась между кровью и клетками, белки постоянно циркулируют в крови в высоких концентрациях. Самый распространенный белок в крови — это белок в форме бабочки, известный как , альбумин . Присутствие альбумина в крови делает концентрацию белка в крови похожей на таковую в клетках. Таким образом, обмен жидкости между кровью и клетками не является чрезмерным, а, скорее, сведен к минимуму для сохранения гомеостаза.

Рисунок 6.12. Белок в форме бабочки, альбумин, выполняет множество функций в организме, включая поддержание жидкостного и кислотно-щелочного баланса, а также транспортировку молекул.

Белок также необходим для поддержания правильного баланса pH (мера того, насколько кислым или основным является вещество) в крови. PH крови поддерживается между 7,35 и 7,45, что является слегка щелочным. Даже небольшое изменение pH крови может повлиять на функции организма. В организме есть несколько систем, которые удерживают pH крови в пределах нормы, чтобы этого не происходило.Один из них — это циркулирующий альбумин. Альбумин имеет слабую кислотность и, поскольку он отрицательно заряжен, уравновешивает множество положительно заряженных молекул, циркулирующих в крови, таких как протоны водорода (H ⁺ ), кальций, калий и магний. Альбумин действует как буфер против резких изменений концентраций этих молекул, тем самым уравновешивая pH крови и поддерживая гомеостаз. Белок гемоглобин также участвует в кислотно-щелочном балансе, связывая протоны водорода.

Транспорт

Белки также играют жизненно важную роль в транспортировке веществ по телу.Например, альбумин химически связывается с гормонами, жирными кислотами, некоторыми витаминами, необходимыми минералами и лекарствами и переносит их по кровеносной системе. Каждый эритроцит содержит миллионы молекул гемоглобина, которые связывают кислород в легких и транспортируют его ко всем тканям организма. Плазматическая мембрана клетки обычно не проницаема для больших полярных молекул, поэтому для доставки необходимых питательных веществ и молекул в клетку многие транспортные белки существуют в клеточной мембране. Некоторые из этих белков являются каналами, которые позволяют определенным молекулам входить и выходить из клеток.Другие действуют как такси с односторонним движением и требуют энергии для работы.

Рисунок 6.13. Молекулы входят в клетки и выходят из них посредством транспортных белков, которые являются каналами или переносчиками.

ВИДЕО: «Натрий-калиевый насос», RicochetScience, YouTube (23 мая 2016 г.), 2:26 мин. В этом руководстве описывается, как натрий-калиевый насос использует активный транспорт для перемещения ионов натрия (Na +) из клетки и ионов калия (K +) в клетку.

Иммунитет

Белки также играют важную роль в иммунной системе организма. Прочные волокна коллагена в коже обеспечивают ей структуру и поддержку, но также служат преградой для вредных веществ. Функции атаки и разрушения иммунной системы зависят от ферментов и антител, которые также являются белками. Например, фермент под названием лизоцим секретируется в слюне и атакует стенки бактерий, вызывая их разрыв.Определенные белки, циркулирующие в крови, могут быть направлены на создание молекулярного ножа, который пронзает клеточные мембраны чужеродных захватчиков. Антитела , секретируемые лейкоцитами, исследуют всю систему кровообращения в поисках вредоносных бактерий и вирусов, которые можно окружить и уничтожить. Антитела также запускают другие факторы иммунной системы для поиска и уничтожения нежелательных злоумышленников.

ВИДЕО: «Специфический иммунитет, антитела», Carpe Noctum, YouTube (11 декабря 2007 г.), 1 минута.Посмотрите это видео, чтобы увидеть, как антитела защищают от посторонних вторжений.

Производство энергии

Некоторые аминокислоты в белках можно разобрать и использовать для производства энергии. Только около 10 процентов пищевых белков катаболизируются каждый день для производства клеточной энергии. Печень способна расщеплять аминокислоты до углеродного скелета, которые затем могут быть включены в лимонную кислоту или цикл Кребса. Это похоже на то, как глюкоза используется для производства АТФ.Если диета человека не содержит достаточного количества углеводов и жиров, его организм будет использовать больше аминокислот для производства энергии, что может поставить под угрозу синтез новых белков и разрушить мышечные белки, если потребление калорий также будет низким.

Не только аминокислоты могут использоваться для получения энергии напрямую, но они также могут использоваться для синтеза глюкозы посредством глюконеогенеза. В качестве альтернативы, если человек придерживается диеты с высоким содержанием белка и потребляет больше калорий, чем необходимо его организму, лишние аминокислоты расщепляются и превращаются в жир. В отличие от углеводов и жиров, белок не имеет специальной системы хранения, которую можно было бы использовать в дальнейшем для получения энергии.

Аннотации функции белка с помощью вывода на основе гомологии | Геномная биология

Понимание причин потери функции белка путем анализа влияния тысяч вариантов на активность и изобилие | Молекулярная биология и эволюция

Аннотация

Понимание и прогнозирование того, как аминокислотные замены влияют на белки, являются ключом к нашему основному пониманию функции и эволюции белков.Аминокислотные изменения могут влиять на функцию белка разными способами, включая прямое нарушение активности или косвенное влияние на укладку и стабильность белка. Мы проанализировали 6749 экспериментально определенных эффектов вариантов из мультиплексных анализов на численность и активность двух белков (NUDT15 и PTEN), чтобы количественно оценить эти эффекты, и обнаружили, что треть вариантов вызывает потерю функции, а около половины вариантов с потерей функции также имеют низкое клеточное изобилие. Мы анализируем структурные и механические причины потери функции и используем экспериментальные данные, чтобы найти остатки, важные для ферментативной активности.Мы выполнили вычислительный анализ стабильности и эволюционной консервации белков и показали, как мы можем предсказать положения, в которых варианты вызывают потерю активности или численности. Таким образом, наши результаты связывают термодинамическую стабильность и эволюционное сохранение с экспериментальными исследованиями различных свойств ландшафтов пригодности белков.

Введение

Мутационный анализ белков предоставил нам обширную информацию о молекулярных взаимодействиях, которые стабилизируют белки и регулируют их функции (Fersht 1999).Эта информация, в свою очередь, позволила нам разработать белки с улучшенной активностью и стабильностью (Goldenzweig and Fleishman 2018), чтобы лучше понять, как мутации вызывают заболевание (Stein et al., 2019), и помочь выяснить роль стабильности белка в эволюции (DePristo et al. др. 2005; Эчаве и др. 2016).

Компьютерный анализ миссенс-вариантов при генетических заболеваниях показал, что потеря функции из-за потери стабильности белка является основной причиной заболевания (Wang and Moult 2001; Ferrer-Costa et al.2002; Steward et al. 2003; Юэ и др. 2005; Casadio et al. 2011; Gao et al. 2015; Stein et al. 2019), потому что нестабильные белки либо агрегируют, либо становятся мишенями для аппарата контроля качества белка клетки и деградируют (Nielsen et al. 2020). Действительно, клеточные исследования болезнетворных вариантов ряда генов показали, что многие варианты разрушаются в клетке (Meacham et al. 2001; Olzmann et al. 2004; Yaguchi et al. 2004; Ron and Horowitz 2005; Yang et al. др. 2011,2013; Arlow et al.2013; Chen et al. 2017; Nielsen et al. 2017; Matreyek et al. 2018; Abildgaard et al. 2019; Scheller et al. 2019; Suiter et al. 2020). По этой причине несколько методов для прогнозирования и понимания вариантов, вызывающих заболевание, включают прогнозирование изменений в стабильности белка (Yue et al. 2005; Casadio et al. 2011; De Baets et al. 2012; Ancien et al. 2018; Wagih et al. 2018; Герасимавичюс и др. 2020).

Хотя прогнозы на основе стабильности могут быть относительно успешными и могут обеспечить механистическое понимание происхождения заболевания, также ясно, что варианты могут вызывать заболевание с помощью других механизмов, таких как удаление ключевых остатков в активном сайте или нарушение взаимодействий или регуляторных механизмов.Таким образом, методы, используемые для прогнозирования патогенности миссенс-вариантов, часто сочетают анализ сохранения последовательности с информацией о структуре и стабильности белка и другими источниками информации (Kumar et al. 2009; Adzhubei et al. 2010; De Baets et al. 2012; Kircher et al.2014; Choi and Chan 2015; Ioannidis et al.2016).

Точно так же, как нарушение стабильности белка может вызывать заболевание, структура, стабильность и укладка белка также накладывают ограничения на эволюцию аминокислотных последовательностей (Мирный и Шахнович 1999; DePristo et al.2005; Liberles et al. 2012). Очевидно, однако, что другие соображения, такие как внутренняя активность и взаимодействие с другими молекулами, также играют важную роль в определении того, как эволюционируют последовательности, а вариации скорости эволюции от сайта к сайту, по-видимому, определяются сложной взаимосвязью между эффектами на стабильность и другими функциональными возможностями. ограничения (Echave et al., 2016; Jimenez et al., 2018; Echave, 2019).

Чтобы лучше понять взаимосвязь между стабильностью, численностью и функцией белка, мы задали вопрос о том, какая часть изменений отдельных аминокислот в белке вызывает потерю функции из-за потери стабильности и клеточного изобилия белков.До недавнего времени мутационный анализ белков в основном основывался на подходе поочередно, в котором вводятся индивидуальные аминокислотные изменения и проверяется влияние на различные свойства белка — часто с использованием экспериментов in vitro с очищенными белками (Shoichet et al. 1995; Фершт 1999). Такие эксперименты теперь могут быть дополнены экспериментами, которые одновременно исследуют эффекты тысяч вариантов в одном анализе. Такие мультиплексные анализы вариантных эффектов (MAVE, также часто называемые глубоким мутационным сканированием) основаны на разработках в области высокопроизводительного синтеза ДНК, функциональных анализов и методов секвенирования (Kinney and McCandlish, 2019).Вкратце, процедура отбора (например, по скорости роста или флуоресцентному репортеру свойства белка) применяется к большой библиотеке вариантов, каждый из которых экспрессируется в отдельных клетках. Варианты меняются по частоте в зависимости от того, как они действуют в условиях отбора, а частота каждого варианта до и после отбора определяется с помощью секвенирования ДНК следующего поколения. Изменения в частоте вариантов используются для вычисления оценки, описывающей влияние каждого варианта на выбранное свойство.Такие данные можно использовать в качестве исходных данных для белковой инженерии (Araya et al. 2012; Shin and Cho 2015), чтобы составить карту локальных регионов фитнес-ландшафтов и помочь выяснить взаимосвязь генотип-фенотип (Hietpas et al. 2011; Sarkisyan et al. 2016) ; Fernandez-de Cossio-Diaz et al.2020), а также понять, какие и как мутации могут вызывать заболевание (Starita et al.2015; Weile and Roth 2018; Stein et al.2019).

Теперь, впервые, у нас есть доступные измерения тысяч вариантов воздействия на два ключевых свойства белка, активность и численность, измеренные в нескольких белках.Здесь мы используем эти данные для более широкого изучения того, как замещения влияют на активность и стабильность. Мы исследуем, как варианты могут по-разному влиять на численность и активность, чтобы найти функционально важные позиции в белках (Chiasson et al.2020) и понять, обнаруживаются ли разные типы эффектов в разных областях структуры белка.

Для этого мы анализируем два разных типа MAVE, которые исследуют различные аспекты функции белка. В качестве объектов нашего исследования мы выбрали два важных с медицинской точки зрения человеческого белка, PTEN (гомолог фосфатазы и тензина) и NUDT15 (нуклеозиддифосфат-связанный с x-гидролазой 15), потому что для обоих этих белков существуют мультиплексированные функциональные данные из двух различных анализов: Один, измеряющий влияние вариантов на активность белка через скорость роста (Mighell et al.2018) или лекарственной чувствительности (Suiter et al.2020), а также анализ, который исследует влияние аминокислотных изменений на численность клеток (Matreyek et al.2018; Suiter et al.2020). Иногда мы будем называть данные обилия отчетами о «стабильности», а данные об активности на основе роста — «активностью» или «функцией», признавая, что эксперименты сообщают о сложном взаимодействии эффектов во время экспериментальных анализов. Примечательно, что низкие баллы в анализах, основанных на активности, могут возникать как из-за потери внутренней ферментативной функции, так и, например, из-за снижения содержания белка.Действительно, мы используем дополнительную информацию об изобилии белка, чтобы отделить влияние на изобилие и внутреннюю активность.

PTEN представляет собой длинную липидную фосфатазу из 403 аминокислотных остатков, экспрессируемую во всем организме человека, а мутации в гене PTEN связаны с раком и расстройствами аутистического спектра (Yehia et al.2019). У мышей было показано, что PTEN подавляет развитие опухоли за счет дефосфорилирования липидов фосфатидилинозитола, хотя in vitro было показано, что PTEN имеет более широкий спектр субстратов, включая белки.PTEN состоит из двух доменов: каталитического тензиноподобного домена (остатки 14–185) и домена C2 (остатки 190–350), который обеспечивает рекрутирование мембран (Lee et al. 1999). С-концевой участок PTEN неупорядочен с участком связывания PDZ-домена (остатки 401-403) (Valiente et al. 2005). Наш анализ PTEN включает в себя MAVE, который исследует эффекты большинства одиночных аминокислотных замен при анализе активности липид-фосфатазы в дрожжах (Mighell et al. 2018), рост которых зависел от способности PTEN катализировать образование необходимых фосфатидилинозитолбисфосфат (PIP2) из ​​его трифосфата (PIP3).Хотя эти эксперименты исследуют только одну функцию PTEN и могут быть затронуты также, например, уровнями экспрессии, было показано, что полученные данные точно классифицируют патогенность вариантов PTEN (Mighell et al.2018; Jepsen et al.2020) . Мы дополняем эти данные результатами другого MAVE, в котором влияние вариантов на численность клеток определяется в эксперименте, называемом «численность вариантов путем массового параллельного секвенирования» (VAMP-seq) (Matreyek et al. 2018). В VAMP-seq постоянное количество вариантов белка в культивируемых клетках млекопитающих определяется путем слияния с флуоресцентным белком, и клетки сортируются с использованием сортировки флуоресцентно активированных клеток.На результат эксперимента VAMP-seq не оказывает существенного влияния слияние с полноразмерным GFP и коррелирует с измерениями термостабильности in vitro (Matreyek et al.2018), но, что важно, также учитываются другие эффекты, которые могут повлиять на изобилие белка и которые может иметь отношение к функции, эволюции и болезни. Наш анализ здесь охватывает 56% всех возможных вариантов одной аминокислоты в PTEN, для которых у нас есть измерения как для активности, так и для численности, и, таким образом, дополняет наш недавний анализ небольшого числа вариантов заболевания в PTEN (Jepsen et al.2020).

NUDT15 представляет собой нуклеотидтрифосфатдифосфатазу, которая состоит из 164 аминокислот в nudix-гидролазном домене с консервативным nudix-боксом, который координирует каталитический Mg ²⁺ . Сообщается, что биологически релевантная сборка является гомодимером, хотя мономер также обладает каталитической активностью (Carter et al. 2015). Дефицит NUDT15 связан с непереносимостью тиопуриновых препаратов (Yang et al., 2014; Moriyama et al., 2016, 2017; Nishii et al., 2018), которые широко используются при лечении лейкемии и аутоиммунных заболеваний (Karran and Attard 2008).Тиопурины представляют собой класс антиметаболитных препаратов, которые образуют активный метаболит, тио-dGTP, который конкурирует с dGTP и вызывает апоптоз при обширном включении в ДНК. NUDT15 гидролизует тио-dGTP и, таким образом, негативно регулирует уровни и цитотоксические эффекты метаболитов тиопурина. Следовательно, варианты NUDT15, которые снижают функцию, являются основной причиной токсичности при терапии тиопурином, и, таким образом, доза препарата может быть индивидуализирована для соответствия метаболизму этих соединений (Relling et al.2019). Высокая лекарственная чувствительность клеток с нарушенной функцией NUDT15 была использована в MAVE для анализа 95% всех вариантов одной аминокислоты на предмет непереносимости тиопуриновых препаратов (Suiter et al., 2020). Эту же библиотеку и клетки также использовали в эксперименте VAMP-seq для исследования влияния вариантов на численность клеток, и, как и в случае PTEN, было показано, что результаты коррелируют с измерениями термостабильности in vitro. Как и в случае PTEN, результат MAVE может зависеть от точных условий и, например, используемой концентрации лекарственного средства, но было показано, что он улавливает эффекты нескольких известных фармакогенетических вариантов (Suiter et al.2020).

Здесь мы проанализировали влияние вариантов на активность и численность клеток как в PTEN, так и в NUDT15, чтобы получить общее представление о том, какая часть вариантов вызывает существенную потерю активности в клетке, и какая часть этих вариантов вызывает потерю активности. изобилия белка. Мы обнаружили, что примерно одна треть всех вариантов вызывает потерю активности белка, и что примерно половина из них делает это, скорее всего, из-за потери изобилия белка. Варианты, которые вызывают потерю изобилия, часто находятся внутри ядра белка, тогда как варианты, которые вызывают потерю активности, не влияя на изобилие, часто находятся в функционально важных положениях, включая те, которые участвуют в катализе или которые взаимодействуют с субстратами.Мы также обнаружили, что можем довольно точно предсказать положения, в которых замены обычно вызывают снижение численности и активности, в то время как количественное прогнозирование эффектов отдельных вариантов остается затруднительным. Вместе наши результаты обеспечивают дальнейшее понимание связи между термодинамической стабильностью и эволюционным сохранением, а также экспериментальные исследования различных свойств фитнес-ландшафтов.

Результаты и обсуждение

Глобальный анализ различных эффектов

Мы собрали данные мультиплексных анализов, сообщающих об активности и численности в общей сложности 2822 варианта NUDT15 (Suiter et al.2020) и 3927 вариантов в PTEN (Matreyek et al. 2018; Mighell et al. 2018) (дополнительный рис. S1, дополнительные материалы онлайн). Скрипты для повторения наших анализов доступны в Интернете по адресу https://github.com/KULL-Centre/papers/tree/master/2020/mave-analysis-cagiada-et-al (последний доступ 6 апреля 2021 г.). Двумерные гистограммы показывают, что большинство вариантов имеют высокие баллы в обоих анализах, что указывает на изобилие и активность, подобную дикому типу, в условиях клеточных анализов (рис. 1A и B).

Рис.1.

Обзор мультиплексированных данных NUDT15 и PTEN, проанализированных в этой работе. ( A ) и ( B ) показывают двухмерные гистограммы, которые объединяют данные MAVE на основе активности на оси y с результатами эксперимента VAMP-seq на оси x . Варианты классифицируются на основе области 2D-гистограммы (пунктирные линии), к которой они принадлежат. Указаны доли вариантов, попадающих в каждый из четырех квадрантов, с ошибками среднего, оцененными методом бутстрэппинга с использованием неопределенностей экспериментальных оценок.Две зеленые точки указывают на дикий тип. Стрелки на осях указывают направления большей численности или активности; для подробного определения оценок и их неопределенностей мы отсылаем читателя к оригинальным публикациям (Matreyek et al. 2018; Mighell et al. 2018; Suiter et al. 2020). Панели ( C ) и ( D ) показывают согласованную категорию (CC) для каждой позиции, окрашенную в структуру белков (запись PDB 5LPG для NUDT15 и 1D5R для PTEN). Панели ( E ) и ( F ) показывают позиционные цветовые категории вместе с вторичной структурой (ST) и доступностью растворителя (SA).Четыре класса вариантов / положений представлены цветом: «WT-like» (зеленый), «Низкая активность, высокая численность» (синий), «Низкая численность, высокая активность» (желтый) и «Полная потеря» ( красный).

Рис. 1.

Обзор мультиплексированных данных NUDT15 и PTEN, проанализированных в данной работе. ( A ) и ( B ) показывают двухмерные гистограммы, которые объединяют данные MAVE на основе активности на оси y с результатами эксперимента VAMP-seq на оси x .Варианты классифицируются на основе области 2D-гистограммы (пунктирные линии), к которой они принадлежат. Указаны доли вариантов, попадающих в каждый из четырех квадрантов, с ошибками среднего, оцененными методом бутстрэппинга с использованием неопределенностей экспериментальных оценок. Две зеленые точки указывают на дикий тип. Стрелки на осях указывают направления большей численности или активности; для подробного определения оценок и их неопределенностей мы отсылаем читателя к оригинальным публикациям (Matreyek et al.2018; Mighell et al. 2018; Suiter et al. 2020). Панели ( C ) и ( D ) показывают согласованную категорию (CC) для каждой позиции, окрашенную в структуру белков (запись PDB 5LPG для NUDT15 и 1D5R для PTEN). Панели ( E ) и ( F ) показывают позиционные цветовые категории вместе с вторичной структурой (ST) и доступностью растворителя (SA). Четыре класса вариантов / положений представлены цветом: «WT-like» (зеленый), «Низкая активность, высокая численность» (синий), «Низкая численность, высокая активность» (желтый) и «Полная потеря» ( красный).

Чтобы отделить варианты, подобные дикому типу, от вариантов с пониженной активностью и / или численностью, мы определяем пороговое значение для всех оценок (дополнительный рис. S2, дополнительные материалы в Интернете). Эти пороговые значения определяют четыре класса вариантов в зависимости от того, показал ли вариант высокие или низкие баллы в MAVE на основе активности и численности. Для простоты каждый класс также связан с цветом. «WT-подобные» варианты обладали активностью и численностью, подобными дикому типу, и показаны зеленым.Варианты с «низкой активностью, высокой численностью» имели WT-подобную численность, но низкую активность в анализах и показаны синим цветом. Варианты с «низкой численностью и высокой активностью» имели активность, подобную WT, но низкую распространенность в анализах и показаны желтым цветом. Варианты «Полная потеря» имели низкую активность и низкую численность и показаны красным.

Для обоих белков большинство вариантов подобны дикому типу (60% для NUDT15 и 54% для PTEN; рис. 1A и B; зеленый). Категория полной потери представляет варианты, которые демонстрируют как потерю активности, так и низкую клеточную численность (14% для NUDT15 и 18% для PTEN; рис.1А и В; красный), и, как обсуждается ниже, мы ожидаем, что большинство этих вариантов теряют активность из-за их низкой численности. Из общего количества 680 и 1403 вариантов с низкой активностью в NUDT15 и PTEN, соответственно, 60% и 50% теряют активность вместе с потерей численности. Варианты с низкой активностью и высоким содержанием все еще присутствуют в клетке в изобилии, но инактивированы другими способами, например, изменением аминокислот в активном центре (рис. 1A и B; синий). Класс с низкой численностью и высокой активностью, содержащий 16% NUDT15 и 10% вариантов PTEN (рис.1А и В; желтый), показывают низкие уровни численности, но высокие уровни активности в анализе, основанном на активности, и их не так легко объяснить одним механизмом.

Чтобы сфокусировать наш анализ на различных типах эффектов вариантов в различных частях структуры белка и уменьшить неопределенность, возникающую при изучении отдельных вариантов, мы преобразовали данные вариантов в позиционные категории, которые представляют собой наиболее частый класс среди вариантов в этой позиции. . Мы выполнили эту процедуру классификации на всех позициях, по крайней мере, с пятью протестированными вариантами (99% для NUDT15 и 88% для PTEN), что также помогло усреднить шум от изучения отдельных вариантов с промежуточными баллами и представить классы, используя те же имена и цвета. Схема как для вариантов.Это приводит к тому, что 62% и 60% позиций классифицируются как WT-подобные для NUDT15 и PTEN, соответственно (рис. 1C и D; зеленый). С другой стороны, в 15% и 22% позиций большинство вариантов вызывают потерю активности вместе с потерей численности (рис. 1C и D; красный), тогда как потеря активности без потери численности является наиболее частым результатом в 9 % и 12% позиций (рис. 1C и D; синий). Наконец, в 14% позиций в NUDT15 и в 6% в PTEN варианты чаще всего имеют низкую численность, но высокий уровень активности (рис.1С и Д; желтый).

Мы проверили классификации, используя метод кластеризации, который не зависит от определения пороговых значений для экспериментальных оценок. Мы сгруппировали вместе позиции с аналогичными профилями вариантов в двух MAVE (см. Материалы и методы) и обнаружили в целом очень хорошее согласие с методом отсечения, в частности, для WT-подобных, полной потери и потери активности, высокой численности. категории (дополнительные рисунки S3 и S4, дополнительные материалы онлайн). Для NUDT15 мы обнаружили, что позиции 133/163 классифицируются одинаково с использованием двух разных методов, причем наиболее изменчивые результаты возникают в категории с низкой численностью, но достаточной для поддержания роста (дополнительный рис.S3, Дополнительные материалы онлайн). Для PTEN мы проанализировали данные с использованием трех или четырех кластеров, причем первый оказался более естественной классификацией. В этом случае 246/310 позиций классифицируются одинаково с использованием двух методов, при этом 12 позиций в категории с низкой численностью и высокой активностью (желтый цвет) оканчиваются либо как WT-подобные, либо как полные потери. Это указывает на то, что три из четырех категорий эффектов положения идентифицируются более надежно, что соответствует заменам, обычно приводящим к 1) WT-подобной активности в обоих анализах, 2) потере активности и численности или 3) потере активности при сохранении WT. -подобное изобилие.Однако позиции с низкой численностью и высокой активностью классифицируются менее надежно, и мы не анализируем их дальше.

Как и ожидалось, аминокислоты в скрытых положениях в целом чувствительны к мутациям. В NUDT15 35 из 163 аминокислот полностью скрыты, и половина из них (49%) классифицируются как чувствительные к мутациям в анализах на основе активности и численности (красная метка), а оставшиеся скрытые положения в основном классифицируются как низкая численность, высокая активность (34%; рис. 1E и F).Поскольку охват вариантов ниже в PTEN, только 355 из 403 позиций могут быть классифицированы таким образом, и только 34 из этих 355 полностью скрыты. Из этих 34 80% классифицируются как «нестабильные» позиции (категории с низкой численностью, высокой активностью и полной гибелью). Таким образом, потеря численности является типичной причиной потери активности вариантов на заглубленных позициях.

Позиции с низкой активностью и высокой численностью определяются как положения, в которых большинство тестируемых вариантов утратили активность, но все еще присутствуют в клетке в изобилии.Ранее было обнаружено, что такие позиции отображаются на функционально важные сайты в мембранном белке VKOR (Chiasson et al. 2020). Мы обнаружили, что в PTEN эти варианты и положения в основном обнаруживаются в домене каталитической фосфатазы (дополнительный рис. S5, дополнительный материал онлайн) и включают активный сайт (рис. 2A и B). В NUDT15 мы находим позиции с низкой активностью и высокой численностью в нескольких различных регионах. Одна группа расположена вблизи сайта связывания субстрата и включает ранее обсужденные Arg34 и Gly47 (Suiter et al.2020). Другая группа включает остатки, координирующие ион магния (Suiter et al. 2020). Наконец, мы находим группу остатков, которая простирается от взаимодействующих с субстратом Arg34 и Gln44 (Carter et al. 2015) до Asn117 и Asn111, более удаленных от кармана связывания с субстратом и связанных сеткой водородных связей (рис. 2C и D). ). Asn111 и Asn117, по-видимому, помогают позиционировать петлю (остатки 111–117), которая включает координирующий магний Glu113, и хотя эти остатки не контактируют напрямую с субстратом, многие замены приводят к потере функции без потери численности.

Рис. 2.

Примеры позиций «низкая активность, высокая численность». ( A ) Остатки в PTEN в категории с низкой активностью и высоким содержанием (синий) включают остатки в сайте каталитической фосфатазы и вокруг него, в том числе те, которые непосредственно взаимодействуют с субстратом (здесь имитирует ингибитор тартрат; Lee et al. 1999). ( B ) Другие остатки, более удаленные от активного сайта, также попадают в эту категорию, и варианты в этой области могут нарушать целостность активного сайта.( C и D ) Примеры функционально важных остатков в NUDT15, которые находятся рядом с активным сайтом, но за его пределами. В частности, мы идентифицировали четыре консервативных остатка (Asn111, Asn117, Gln44, Arg44), которые, по-видимому, соединяются сеткой водородных связей и чье нарушение может влиять на гидролиз тиопуринов.

Рис. 2.

Примеры позиций «низкая активность, высокая численность». ( A ) Остатки в PTEN в категории с низкой активностью и высоким содержанием (синий) включают остатки в сайте каталитической фосфатазы и вокруг него, в том числе те, которые непосредственно взаимодействуют с субстратом (здесь имитирует ингибитор тартрат; Lee et al.1999). ( B ) Другие остатки, более удаленные от активного сайта, также попадают в эту категорию, и варианты в этой области могут нарушать целостность активного сайта. ( C и D ) Примеры функционально важных остатков в NUDT15, которые находятся рядом с активным сайтом, но за его пределами. В частности, мы идентифицировали четыре консервативных остатка (Asn111, Asn117, Gln44, Arg44), которые, по-видимому, соединяются сеткой водородных связей и чье нарушение может влиять на гидролиз тиопуринов.

Обнаружив, что многие позиции с низкой активностью и высокой численностью играют функциональные роли, мы задали вопрос, обычно ли они находятся рядом с активными сайтами в NUDT15 и PTEN. Используя Gly47 в NUDT15 и Arg130 в PTEN в качестве контрольных точек в активных сайтах в этих двух белках, мы обнаружили, что позиции с низкой активностью и высоким содержанием, где варианты обычно демонстрируют потерю активности, но не потерю численности, сгруппированы вокруг активные сайты. В частности, мы обнаруживаем, что все эти позиции в NUDT15 находятся в пределах 14 Å от Gly47 (Cα-расстояния).Среднее расстояние между низкоактивными позициями с высоким содержанием и Gly47 составляет 9 Å, значение, которое можно сравнить со средним значением (15 Å) по всем позициям в NUDT15. В PTEN мы обнаружили, что 29 из 32 низкоактивных позиций с высоким содержанием обнаружены в каталитическом домене. Все эти 29 положений находятся в пределах 22 Å от Arg130, при этом среднее расстояние до Arg130 составляет 14 Å (по сравнению с 21 Å по всем позициям).

Хотя типичным результатом в низкоактивных положениях с высоким содержанием является потеря активности, не все замены имеют одинаково большие эффекты, и некоторые аминокислотные замены с большей вероятностью будут пагубными для функции, чем другие.Таким образом, мы исследовали отдельные замены в низкоактивных позициях с высоким содержанием, чтобы спросить, сохраняют ли определенные типы замен функцию лучше, чем другие. Хотя такой анализ затруднен небольшим количеством замен при разбиении на начальную и конечную аминокислоту, мы действительно находим доказательства, указывающие на различия в зависимости от химического состава аминокислот (дополнительный рис. S6, дополнительный материал онлайн). Например, в положениях с низкой активностью и высоким содержанием с Asn в качестве остатка дикого типа оказывается, что замены на другие малые и полярные аминокислоты (Asp, Ser, Thr) сохраняют функцию лучше, чем, например, замены на гидрофобные аминокислоты (рис.S6, Дополнительные материалы онлайн). В более общем плане, ранее было замечено, что существует существенное влияние типа аминокислоты на результат эксперимента MAVE (Gray et al., 2017; Dunham and Beltrao, 2020), и здесь мы находим аналогичные результаты (дополнительный рис. S7, Дополнительные материалы онлайн). Как и ожидалось, мы обнаружили, что многие варианты с полной потерей представляют собой замены гидрофобных аминокислот заряженными и полярными аминокислотами, тогда как замены гидрофобных остатков другими гидрофобными веществами более распространены в категории, подобной дикому типу.Однако более подробный анализ этих эффектов затруднен небольшим количеством многих типов замен.

Вычислительные прогнозы мультиплексированных данных от MAVE

Как описано ранее и продемонстрировано выше, MAVE предоставляют множество данных не только для использования в медицинских приложениях (Weile and Roth, 2018; Stein et al., 2019), но и для понимания основных свойств белков (Dunham and Beltrao 2020). Несмотря на недавние успехи в экспериментах с протеомами (Després et al.2020), все еще невозможно исследовать все возможные варианты во всех белках экспериментально, и поэтому вычислительные методы остаются важным дополнением для прогнозирования и понимания эффектов вариантов. Таким образом, экспериментальные данные MAVE все чаще используются для тестирования методов прогнозирования, поскольку они обеспечивают широкое представление о влиянии аминокислотных замен в белках (Hopf et al.2017; Jepsen et al.2020; Livesey and Marsh 2020; Reeb et al. 2020).

Недавно мы использовали два разных MAVE для PTEN, чтобы проанализировать небольшое количество патогенных вариантов вместе с вариантами, которые наблюдались в более широком анализе человеческой популяции (Jepsen et al.2020). В частности, мы сравнили мультиплексированные данные на основе численности (VAMP-seq) и на основе активности с двумя вычислительными методами, направленными на определение либо 1) специфической стабильности белка, либо 2) функции в более широком смысле. Здесь мы основываемся на этой работе за счет 1) применения компьютерного моделирования для прогнозирования изменений термодинамической стабильности белка с использованием Rosetta (Park et al., 2016) и 2) использования эволюционной консервации в качестве более общего представления о том, какие аминокислотные изменения будут допустимыми, в то время как поддержание функции (Ekeberg et al.2014). Первый использует в качестве входных данных структуру NUDT15 или PTEN для прогнозирования изменения стабильности белка (⁠ΔΔG⁠), тогда как второй использует выравнивание последовательностей гомологичных белков в качестве входных данных для вычислительной оценки консервации с учетом сохранения как сайта, так и пары. (коэволюция), количественно оцениваемая по баллу (который мы по аналогии с ΔΔG член ΔΔE⁠), который оценивает, насколько вероятна будет замена. Отметим, что модель того же типа может использоваться для прогнозирования контактов в структуре белка, но в соответствии с предыдущей работой (Lapedes et al.2012; Луи и Тиана 2013; Hopf et al. 2017; Nielsen et al. 2017) здесь используется для оценки эффектов аминокислотных замен. Мы также отмечаем, что ранее было показано, что «парные члены» в этих моделях, которые отражают эффекты (кажущейся) совместной эволюции между парами сайтов, повышают точность этих прогнозов (Hopf et al., 2017). Как утверждалось ранее (Джепсен и др., 2020), расчеты ΔΔG больше похожи на результаты MAVE на основе численности (оба отражают аспекты стабильности белка), тогда как значения ΔΔE охватывают более широкий диапазон эффектов, как и следовало ожидать. из MAVE, основанного на деятельности.

Таким образом, мы сравнили расчетные прогнозы ΔΔG и ΔΔE с каждым из двух мультиплексированных анализов для NUDT15 и PTEN (дополнительный рис. S8, дополнительные материалы онлайн). Как и ожидалось, мы обнаружили, что прогнозы стабильности лучше коррелируют с MAVE на основе численности, чем с MAVE на основе активности, тогда как для эволюционного анализа ситуация обратная (дополнительный рис. S9, дополнительный материал онлайн). В случае NUDT15, например, данные MAVE на основе численности сильнее коррелируют с расчетами ΔΔG (rp = 0.57⁠), чем с ΔΔE (rp = 0,42⁠), тогда как MAVE на основе активности хуже коррелирует с прогнозами стабильности (⁠rp = 0,35⁠), чем с оценками, основанными на сохранении (rp = 0,52⁠). Хотя разница меньше (но все же присутствует) для PTEN, результаты подтверждают представление о том, что анализ консервации является лучшим предиктором общих аспектов функции белка, тогда как расчеты Rosetta подтверждают ожидаемую взаимосвязь между обилием клеточного белка и термодинамической стабильностью (Matreyek и другие.2018; Abildgaard et al. 2019; Джепсен и др. 2020). Кроме того, мы отмечаем, что, хотя коэффициенты корреляции не очень высоки, результаты соответствуют предыдущему анализу аналогичных данных (Hopf et al., 2017; Jepsen et al. 2020; Livesey and Marsh 2020).

Мы определяем пороговые значения для вычислительных оценок (дополнительные рисунки S10 и S11, дополнительные материалы онлайн), чтобы отделить дикий тип, например, от вредоносных вариантов, и построить четыре категории, которые мы помечаем цветами, как указано выше.Использование порогового значения 2 ккал / моль для ΔΔG для обоих белков приводит к тому, что 69% (NUDT15) и 65% (PTEN) вариантов считаются стабильными. Аналогичным образом, из анализа эволюционной консервации 78% и 58% всех вариантов NUDT15 и PTEN, соответственно, имеют баллы, указывающие на то, что замены допустимы. Обратите внимание, что по соглашению положительные значения ΔΔG и ΔΔE указывают на потерю стабильности или устойчивость к последовательности, соответственно, и, следовательно, шкалы инвертированы по сравнению с оценками из MAVE.

Чтобы обеспечить более прямое сравнение экспериментальных и расчетных оценок, мы показываем гистограммы двух расчетных оценок (⁠ΔΔG и ΔΔE⁠) для каждого из четырех классов на основе экспериментальных оценок (рис. 3). Мы обнаружили, что варианты, которые экспериментально были классифицированы как WT-подобные (стабильные и активные), обычно имеют низкую вычислительную ценность; таким образом, расчетные прогнозы предполагают, что эти замены оказывают умеренное влияние на стабильность (низкий ΔΔG⁠) и совместимы с заменами, наблюдаемыми в гомологичных белках (низкое ΔΔE⁠).Мы делаем аналогичные наблюдения для категории общих потерь, где расчетные оценки обычно выше порогового значения, и для категории с низкой активностью и высокой численностью, где вычислительный анализ обнаруживает низкие значения ΔΔG, но более высокие значения ΔΔE⁠. Несмотря на эти общие тенденции, мы находим различное согласие в классификации отдельных вариантов путем экспериментов и вычислений (дополнительный рис. S12, дополнительный материал онлайн), с наилучшим соответствием в категориях WT-подобных и общих потерь.Чтобы проверить, были ли результаты анализа сохранения специфичными для использования lbsDCA, мы также использовали алгоритм анализа эволюционных следов (Lichtarge et al., 1996; Lua et al., 2016) для анализа множественных выравниваний последовательностей и нашли аналогичные результаты (дополнительный рис. S13, Дополнительные материалы в Интернете).

Рис. 3.

Гистограммы двух расчетных оценок (⁠ΔΔG и ΔΔE⁠) в NUDT15 и PTEN. ΔΔG направлено на то, чтобы уловить влияние исключительно на термодинамическую стабильность, с высокими значениями, указывающими на дестабилизированные варианты.ΔΔE отражает эволюционное сохранение, рассчитанное с помощью модели, которая учитывает как локальную, так и попарную коэволюцию, и с высокими значениями, указывающими на неконсервативные замены. Таким образом, как для ΔΔG, так и для ΔΔE положительные значения указывают на вредные замены, тогда как в экспериментах низкие значения указывают на замены, которые вызывают потерю активности или изобилия. Для обоих белков мы разделили гистограммы в соответствии с четырьмя категориями вариантов, определенными в экспериментах, как показано осями с высокими и низкими экспериментальными оценками численности и активности.Таким образом, например, две зеленые гистограммы для NUDT15 показывают распределения значений ΔΔG и ΔΔE для тех вариантов, которые классифицируются как стабильные и активные MAVE, и действительно ясно, что большинство этих вариантов имеют оценки ниже порогового значения. (красные пунктирные линии). В дополнение к цветным гистограммам мы также показываем полную гистограмму всех проанализированных вариантов (серый цвет), чтобы облегчить сравнение между подмножествами и полным набором вариантов.

Рис. 3.

Гистограммы двух расчетных оценок (⁠ΔΔG и ΔΔE⁠) в NUDT15 и PTEN.ΔΔG направлено на то, чтобы уловить влияние исключительно на термодинамическую стабильность, с высокими значениями, указывающими на дестабилизированные варианты. ΔΔE отражает эволюционное сохранение, рассчитанное с помощью модели, которая учитывает как локальную, так и попарную коэволюцию, и с высокими значениями, указывающими на неконсервативные замены. Таким образом, как для ΔΔG, так и для ΔΔE положительные значения указывают на вредные замены, тогда как в экспериментах низкие значения указывают на замены, которые вызывают потерю активности или изобилия. Для обоих белков мы разделили гистограммы в соответствии с четырьмя категориями вариантов, определенными в экспериментах, как показано осями с высокими и низкими экспериментальными оценками численности и активности.Таким образом, например, две зеленые гистограммы для NUDT15 показывают распределения значений ΔΔG и ΔΔE для тех вариантов, которые классифицируются как стабильные и активные MAVE, и действительно ясно, что большинство этих вариантов имеют оценки ниже порогового значения. (красные пунктирные линии). В дополнение к цветным гистограммам мы также показываем полную гистограмму всех проанализированных вариантов (серый цвет), чтобы облегчить сравнение между подмножествами и полным набором вариантов.

Мы приступили к созданию и исследованию взаимосвязей между структурой и функцией, которые мы извлекли из вычислительного анализа (дополнительный рис.S14, Дополнительные материалы онлайн). Мы использовали результаты вычислений, чтобы сгруппировать позиции в четыре категории и обнаружили существенное совпадение с теми, которые были обнаружены в экспериментах (дополнительный рис. S15, дополнительный материал онлайн), в частности, для категорий WT-подобных и общих потерь, примерно с 70% позиций, классифицируемых аналогичным образом. Этот результат предполагает, что вычислительный анализ лучше улавливает общие эффекты на позициях по сравнению с отдельными вариантами, как обсуждалось выше (рис.3). Мы снова использовали процедуру кластеризации в качестве альтернативного подхода для классификации позиций и нашли хорошее согласие как с классификацией расчетных данных на основе отсечения, так и с классификациями на основе экспериментов (дополнительный рис. S16, дополнительные материалы онлайн). Таким образом, вместе эти результаты показывают, что совместный вычислительный анализ стабильности и сохранения может быть использован для поиска положений в белке, где замены могут нарушить термодинамическую стабильность, и других положений, где они вызовут потерю активности за счет удаления функционально важных остатков.

Выводы

Крупномасштабный анализ белков с использованием мультиплексных анализов дает возможность получить глобальное представление о различных эффектах (Gray et al. 2017; Dunham and Beltrao 2020). Комбинируя различные анализы для считывания различных свойств белка, становится возможным проанализировать, какие позиции вносят наибольший вклад в какое свойство (Jepsen et al. 2020). Большинство белков необходимо свернуть, чтобы они были активными, и, таким образом, замены аминокислот, которые приводят к потере стабильности, часто приводят к потере функции.Таким образом, потеря стабильности, по-видимому, является важным фактором развития болезни (Yue et al. 2005; Stein et al. 2019) и детерминантом темпов эволюции (Echave et al. 2016), и наоборот, было показано, что остатки в активных центрах может быть неоптимальным для стабильности (Shoichet et al. 1995).

Здесь мы использовали доступность данных, генерируемых MAVE для двух белков, при этом в одном эксперименте изучались общие эффекты на активность белка, а в другом — напрямую оценивалась численность клеток. Мы показываем, что глобальный анализ этих экспериментов может дать представление о том, как функционируют белки и как их активность может быть нарушена.С помощью рассмотренных здесь анализов мы обнаружили, что большинство вариантов оказывают самое умеренное влияние на активность белка. Мы обнаружили, что из примерно 30% вариантов, которые вызывают существенную потерю активности, примерно 50% также вызывают потерю численности. Таким образом, хотя неудивительно, что во многих случаях существует корреляция между потерей функции и потерей численности, мы здесь предоставляем количественные оценки относительной важности этих эффектов для широкого диапазона замен в двух неродственных белках.Относительное количество вариантов с «низкой активностью, высокой численностью» и «полной гибелью», которые мы находим, можно сравнить с нашим предыдущим анализом 42 болезнетворных вариантов в PTEN, где мы обнаружили сопоставимую долю (~ 60%). вызывающих заболевание вариантов, по-видимому, вызывает потерю функции из-за потери стабильности и, следовательно, изобилия клеточного белка (Jepsen et al. 2020). Действительно, большинство (но не все) патогенных вариантов в PTEN (Mighell et al.2018; Jepsen et al.2020) имеют низкие показатели в MAVE, основанном на активности, при этом значительная часть из них также имеет низкую численность (дополнительный рис.S17, Дополнительные материалы онлайн), тогда как ситуация с фармакогенетическими вариантами в NUDT15 (Suiter et al. 2020) более сложна (дополнительный рисунок S17, Дополнительные материалы онлайн). Аналогичным образом, в наших исследованиях патогенных миссенс-вариантов в гене MLh2 мы обнаружили низкие стабильные уровни белка (<50% от дикого типа) в семи из 16 патогенных вариантов (Abildgaard et al., 2019). Таким образом, по крайней мере в этих случаях, кажется, что доля вариантов, вызывающих заболевание посредством этого механизма, отражает общую долю вариантов «полной потери» в белке.Интересный вопрос для будущих экспериментов: сколько из этих вариантов будет активным, если уровни белка можно будет восстановить, например, с помощью химических шаперонов или модуляции аппарата контроля качества белка (Arlow et al.2013; Kampmeyer et al.2017). Действительно, известно, что шапероны помогают защитить от дестабилизирующих вариантов во время эволюции (Rutherford and Lindquist 1998; Tokuriki and Tawfik 2009).

Основываясь на предыдущей работе (Cheng et al. 2005; Chiasson et al. 2020), мы также показываем, как мы можем использовать эффекты вариантов на активность и изобилие / стабильность белка, чтобы найти функционально важные остатки как с помощью экспериментов, так и с помощью вычислений.Для нескольких остатков, экспонированных на поверхности, многие варианты вызывают потерю активности, но без существенной потери численности. Мы обнаружили, что они включают активные сайты в NUDT15 и PTEN, но также обнаруживают функционально важные сайты, смежные с этими активными сайтами. Важность положений второй оболочки для модуляции структуры или динамики остатков активного сайта, например, также проявилась в исследованиях связывания лигандов (Tinberg et al., 2013), эволюции и дизайна ферментов (Campbell et al., 2016; Broom et al.2020). В нашем анализе функциональных остатков мы в основном сосредоточились на общих эффектах в каждой позиции, а не на конкретных эффектах отдельных замен. Мы сделали это, чтобы усреднить шум от отдельных измерений и найти общие закономерности, но с большим количеством данных было бы интересно выполнить такой анализ структуры – последовательности – функции на уровне индивидуальных замен.

Относительно жесткое ограничение этих позиций с низкой активностью / высокой численностью может также объяснить, почему прогнозы изменений в стабильности белка могут использоваться для прогнозирования значительного числа вариантов заболевания: по крайней мере, в NUDT15 и PTEN количество позиций, в которых замены обычно вызывает потерю изобилия (и, следовательно, активности) больше, чем количество позиций, в которых замены вызывают потерю активности при сохранении изобилия белка.В самом деле, хотя функциональные сайты вызывают существенные ограничения на вариации аминокислот во время эволюции, наиболее сильные эффекты оказываются ближайшими к активным сайтам (Jack et al., 2016; Mayorov et al., 2019). Наша способность предсказывать эти сайты путем сочетания эволюционного анализа и расчетов стабильности также предлагает подход к обнаружению новых функционально важных сайтов с использованием комбинированного анализа структуры и последовательностей белков. Мы обнаружили, что приблизительно 12% вариантов в NUDT15 и PTEN, по-видимому, способны поддерживать рост, подобный дикому типу, в клеточных анализах даже при существенно сниженных уровнях белка.Ясно, что может существовать нелинейная связь между фенотипом роста и обилием белка (Jiang et al. 2013), и это может помочь объяснить некоторые из этих вариантов. Будущие эксперименты, которые исследуют взаимосвязь между уровнями экспрессии и вариантными эффектами в NUDT15 и PTEN, могут пролить свет на эти варианты. Кроме того, MAVE на основе численности для PTEN выполняли в культивируемой линии клеток млекопитающих (Matreyek et al. 2018), а MAVE на основе активности выполняли на дрожжах (Mighell et al.2018), что приводит к потенциальным различиям из-за различий в механизмах контроля качества и протеостаза в этих клетках.

Таким образом, мы демонстрируем, как мультиплексные анализы и вычислительные анализы начинают обеспечивать последовательное и всестороннее представление о глобальных эффектах вариантов в белках. Результаты подчеркивают, что многие эффекты правильно предсказаны, и поэтому вычисления могут использоваться не только для прогнозирования того, вызовет ли вариант потерю активности или нет, но и для получения некоторого механистического понимания.Ясно, что есть возможности для улучшения, и дополнительные эксперименты с большим количеством белков и охват большего количества аспектов сложной взаимосвязи между последовательностью и функциями белков помогут расширить нашу способность предсказывать эти эффекты с помощью вычислений (Cheng et al. 2005).

Материалы и методы

Сохранение анализа различных эффектов

Мы использовали статистический анализ множественного выравнивания последовательностей (MSA) двух белков для оценки устойчивости к конкретным заменам.Как и в предыдущей работе, мы используем метод, включающий как сохранение сайта, так и попарное сохранение (коэволюцию). Мы использовали последовательности WT из UniProt (P60484 и Q9NV35) в качестве входных данных для HHBlits (Remmert et al. 2011) для создания начальных MSA, которые мы отфильтровали перед расчетом вариантов эффектов. Первый фильтр удаляет последовательности (строки) в MSA с пропусками более 50%. Второй фильтр сохраняет только позиции (столбцы), которые присутствуют в человеческих целевых последовательностях NUDT15 или PTEN. Наконец, мы применяем фильтр подобия (Ekeberg et al.2013) для удаления повторяющихся последовательностей (более 80% идентичных). Мы используем модифицированную версию алгоритма lbsDCA (Ekeberg et al. 2014), основанную на регуляризованной максимизации l ₂ с псевдосчетами, чтобы предсказать вероятность каждого варианта белка. Мы используем энергетический потенциал, генерируемый алгоритмом, для оценки разницы логарифма правдоподобия между последовательностями дикого типа и вариантными (⁠ΔΔE⁠). Мы проверили, что результат этих анализов существенно не зависит от параметров, используемых для построения MSA или фильтрации сопоставлений (дополнительный рис.S18, Дополнительные материалы онлайн). Мы выполнили расчеты Evolutionary Trace Analysis (Lichtarge et al. 1996; Lua et al. 2016) с использованием веб-сервера, доступного по адресу evolution.lichtargelab.org.

Структурный анализ

Мы использовали Rosetta (GitHub SHA1 99d33ec59ce9fcecc5e4f3800c778a54afdf8504) для прогнозирования изменений термодинамической стабильности (⁠ΔΔG⁠) на основе структуры NUDT15 и PTEN с использованием декартового протокола ddG (Park et al., 2016). В качестве отправных точек мы использовали кристаллические структуры NUDT15 (Valerie et al.2016) (PDB ID: 5LPG) и PTEN (Lee et al. 1999) (PDB ID: 1D5R). Значения, полученные из Rosetta, были разделены на 2,9, чтобы перевести их из энергетических единиц Rosetta в шкалу, соответствующую ккал / моль (Франк ДиМайо, Вашингтонский университет; личная переписка) (Jepsen et al.2020). Мы использовали DSSP-2.28 (Кабш и Сандер, 1983; Тоу и др., 2015) и те же кристаллические структуры, что и выше, для классификации захоронения с помощью модели трех состояний (Рост и Сандер, 1994) (погребенный, промежуточный или открытый).

Определение пороговых значений для вариантов классификации

Мы определили пороговые значения для оценок по обоим MAVE (дополнительный рис.S2, Дополнительный материал онлайн), подгоняя варианты распределения оценок с использованием минимального числа гауссиан (три), необходимого для получения разумного соответствия. Затем мы использовали пересечение первого и последнего гауссиана как обрезание для наших классификаций. Мы использовали пороговое значение в 2 ккал / моль (аналогично значению, используемому в нашем предыдущем исследовании; Jepsen et al.2020) для ΔΔG и варьировали пороговое значение для ΔΔE, чтобы максимизировать перекрытие в классификации позиций (дополнительный рис. S11, Дополнительный Материал онлайн).

Чтобы изучить классификации на основе пороговых значений, мы использовали алгоритм иерархической кластеризации (Ward, 1963; Virtanen et al., 2020), чтобы сгруппировать позиции с аналогичными ответами на аминокислотные замены. Каждая позиция была представлена ​​вектором 40D, который содержит оценки для каждой из 20 возможных аминокислот в двух MAVE. Пропущенные значения были заменены средним баллом по этой позиции. Мы используем евклидово расстояние между этими векторами как показатель сходства в иерархической кластеризации (Ward, 1963).Для сравнения с классификацией на основе порогов мы проанализировали это с использованием четырех кластеров, хотя в случае PTEN мы также показываем результаты с использованием только трех кластеров.

Классификация остатков

Мы присвоили остаточным количествам категорию, по которой в обоих MAVE доступны данные по крайней мере для пяти вариантов. Мы использовали режим (наиболее распространенный класс вариантов в этой позиции) для присвоения категории остатка.

Дополнительные материалы

Дополнительные данные доступны в Интернете по адресу Molecular Biology and Evolution .

Благодарности

Эта работа является вкладом центра PRISM (Взаимодействие с белками и стабильность в медицине и геномике), финансируемого Фондом Ново Нордиск (для R.H.-P., D.M.F., A.S. и K.L.-L .; NNF18OC0033950). В КАЧЕСТВЕ. финансируется Фондом Лундбека (R272-2017-4528). Это исследование было частично поддержано грантом NIH (R01GM118578, J.J.Y.). Авторы несут полную ответственность за содержание, которое не обязательно отражает официальную точку зрения Национальных институтов здравоохранения.

Доступность данных

и данные для повторения нашего анализа доступны в Интернете по адресу https://github.com/KULL-Centre/papers/tree/master/2020/mave-analysis-cagiada-et-al (последний доступ 6 апреля 2021 г.).

Список литературы

Abildgaard

AB

Stein

A

Nielsen

SV

Schultz-Knudsen

K

Papaleo

E

Shriff

Bernstein

I

Gerdes

AM

Takahashi

M

2019

Вычислительные и клеточные исследования показывают структурную дестабилизацию и деградацию вариантов MLh2 при синдроме Линча

Элиф

8

e49138

Аджубей

IA

Schmidt

S

Пешкин

L

Раменский

VE

Герасимова

AS

Сюняев

SR.

2010

Метод и сервер для предсказания повреждающих миссенс-мутаций

Нат Методы

7

4

248

249

Ancien

F

Pucci

F

Godfroid

M

Rooman

M.

2018

Прогнозирование и интерпретация вредоносных вариантов кодирования с точки зрения структурной стабильности белка

Научный сотрудник

8

1

1

11

Araya

CL

Fowler

DM

Chen

W

Muniez

I

Kelly

JW

Фундаментальное свойство белка, термодинамическая стабильность, выявленное исключительно в результате крупномасштабных измерений функции белка

Proc Natl Acad Sci U S A

109

42

16858

16863

Arlow

T

Scott

K

Wagenseller

A

Gammie

A.

2013

Ингибирование протеасом спасает клинически значимые нестабильные варианты белка репарации ошибочного спаривания MSh3

Proc Natl Acad Sci U S A

110

1

246

251

Метла

A

Rakotoharisoa

RV

Thompson

MC

Zarifi

N

Nguyen

E

ov Muk4000

ov Muk4000

Fraser

JS

Chica

RA.

2020

Конструкция ферментов на основе ансамблей может повторить эффекты лабораторной эволюции in silico

Нац Коммуна

11

1

4808

Campbell

E

Kaltenbach

M

Correy

GJ

Carr

PD

Porebski

BT

Lingstone

Livingstone

EKurn

Пряжка

AM

Weik

M

Hollfelder

F

2016

Роль динамики белка в развитии новой функции фермента

Нат Хем Биол

12

11

944

950

Carter

M

Jemth

AS

Hagenkort

A

Страница

BDG

Gustafsson

R

Валери

NCK

Desroses

M

Boström

J

2015

Кристаллическая структура, биохимическая и клеточная активность демонстрируют отдельные функции MTh2 и MTh3

Нац Коммуна

6

1

7871

Casadio

R

Vassura

M

Tiwari

S

Fariselli

P

Луиджи Мартелли

P.

Корреляция связанных с заболеванием мутаций с их влиянием на стабильность белка: крупномасштабный анализ протеома человека

Хум Мутат

32

10

1161

1170

Chen

L

Brewer

MD

Guo

L

Wang

R

Jiang

P

Yang

Усиленная деградация неправильно свернутых белков способствует онкогенезу

Cell Rep

18

13

3143

3154

Cheng

G

Qian

B

Samudrala

R

Baker

D.

2005

Улучшение предсказания функционального сайта белка путем выделения структурных и функциональных ограничений на эволюцию семейства белков с использованием вычислительного дизайна

Nucleic Acids Res

33

18

5861

5867

Chiasson

MA

Rollins

NJ

Stephany

JJ

Sitko

KA

Matreyek

KA

Verby

Roth

F

DeSloover

D

Marks

DS

2020

Мультиплексное измерение численности и активности вариантов выявляет топологию VKOR, активный сайт и влияние варианта на человека

eLife

9

e58026

Цой

Y

Чан

AP.

2015

Веб-сервер Provean: инструмент для прогнозирования функционального эффекта аминокислотных замен и индексов

Биоинформатика

31

16

2745

2747

De Baets

G

Van Durme

J

Reumers

J

Maurer-Stroh

S

Vanhee

P

000 Doym0004

J

Руссо

F.

2012

SNPeffect 4.0: онлайн-прогнозирование молекулярных и структурных эффектов вариантов, кодирующих белок

Nucleic Acids Res

40

, выпуск

D935

D939

DePristo

MA

Weinreich

DM

Hartl

DL.

2005

Несмысленные извилины в пространстве последовательностей: биофизический взгляд на эволюцию белка

Нат Рев Генет

6

9

678

687

Després

PC

Dubé

AK

Seki

M

Yachie

N

Landry

CR.

2020

Возмущающие протеомы при разрешении одного остатка с использованием редактирования оснований

Нац Коммуна

11

1

1

13

Dunham

A

Beltrao

P.

2020

Изучение функций аминокислот в глубоком мутационном ландшафте

Эчаве

Дж.

2019

За пределами ограничений стабильности: биофизическая модель эволюции фермента с отбором по стабильности и активности

Мол Биол Эвол

36

3

613

620

Echave

J

Spielman

SJ

Wilke

CO.

2016

Причины изменения скорости эволюции сайтов белка

Нат Рев Генет

17

2

109

121

Ekeberg

M

Hartonen

T

Aurell

E.

2014

Быстрая максимизация псевдоядности для анализа структуры белка с прямым связыванием из многих гомологичных аминокислотных последовательностей

Дж. Вычислительная физика

276

341

356

Ekeberg

M

Lövkvist

C

Lan

Y

Вес

M

Aurell

E.

2013

Улучшенное предсказание контактов в белках: использование псевдодостоверностей для вывода моделей Поттса

Phys Rev E Stat Nonlin Soft Matter Phys

87

1

012707

Фернандес-де-Коссио-Диас

J

Uguzzoni

G

Pagnani

A.

2020

Неконтролируемый вывод о пригодности белков на основе глубокого мутационного сканирования

Мол Биол Эвол

38

(1)

318

328

Ferrer-Costa

C

Orozco

M

de la Cruz

X.

2002

Характеристика полиморфизмов отдельных аминокислот, связанных с заболеванием, с точки зрения свойств последовательности и структуры

Дж Мол Биол

315

4

771

786

Фершт

А.

1999

Структура и механизм в науке о белке: руководство по ферментному катализу и сворачиванию белка

Нью-Йорк

Гао

M

Zhou

H

Skolnick

J.

2015

Понимание связанных с заболеванием мутаций в протеоме человека с помощью структурного анализа белков

Структура

23

7

1362

1369

Герасимавичюс

L

Liu

X

Marsh

JA.

2020

Идентификация патогенных миссенс-мутаций с использованием предикторов стабильности белка

Научный сотрудник

10

1

15387

Goldenzweig

A

Fleishman

SJ.

2018

Принципы стабильности белков и их применение в вычислительном дизайне

Анну Рев Биохим

87

105

129

Серый

VE

Hause

RJ

Fowler

DM.

2017

Анализ данных крупномасштабного мутагенеза для оценки влияния одиночных аминокислотных замен

Генетика

207

1

53

61

Hietpas

RT

Jensen

JD

Bolon

DN.

2011

Экспериментальное освещение фитнес-ландшафта

Proc Natl Acad Sci U S A

108

19

7896

7901

Hopf

TA

Ingraham

JB

Poelwijk

FJ

Schärfe

CP

Springer

M

s.

2017

Эффекты мутации, предсказанные на основе совместной вариации последовательности

Нат Биотехнология

35

2

128

135

Ioannidis

NM

Rothstein

JH

Pejaver

V

Middha

S

McDonnell

Li

Q

Holzinger

E

Karyadi

D

2016

Revel: метод ансамбля для прогнозирования патогенности редких миссенс-вариантов

Am J Hum Genet

99

4

877

885

Джек

BR

Meyer

AG

Echave

J

Wilke

CO.

2016

Функциональные сайты вызывают эволюционные ограничения на большие расстояния в ферментах

ПЛоС Биол

14

5

e1002452

Jepsen

MM

Fowler

DM

Hartmann-Petersen

R

Stein

A

Lindorff-Larsen

K.

Болезни белкового гомеостаза

Лондон, Соединенное Королевство

91

107

Jiang

L

Mishra

P

Hietpas

RT

Zeldovich

KB

Bolon

DN.

2013

Скрытые эффекты мутантов Hsp90 выявлены при пониженных уровнях экспрессии

PLoS Genet

9

6

e1003600

Хименес

MJ

Arenas

M

Bastolla

U.

2018

Скорости замещения, предсказанные моделями эволюции белка с ограниченной стабильностью, не согласуются с эмпирическими данными

Мол Биол Эвол

35

3

743

755

Kabsch

W

Шлифовальная машина

C.

1983

Словарь вторичной структуры белков: распознавание образов водородных связей и геометрических элементов

Биополимеры

22

12

2577

2637

Kampmeyer

C

Nielsen

SV

Clausen

L

Stein

A

Gerdes

AM

Lindorff-

Lindorff-

Lindorff

Р.

2017

Блокирование контроля качества белка для противодействия наследственному раку

Гены Хромосомы Рак

56

12

823

831

Карран

P

Attard

N.

2008

Тиопурины в современной медицинской практике: молекулярные механизмы и вклад в развитие рака, связанного с терапией

Нат Рев Рак

8

1

24

36

Кинни

JB

McCandlish

DM.

2019

Массивно параллельные анализы и количественные взаимосвязи «последовательность – функция»

Анну Рев Геномикс Хум Генет

20

1

99

127

Kircher

M

Witten

DM

Jain

P

O’Roak

BJ

Cooper

GM

Общая схема оценки относительной патогенности генетических вариантов человека

Нат Генет

46

3

310

315

Kumar

P

Henikoff

S

Ng

шт.

2009

Прогнозирование влияния кодирования несинонимичных вариантов на функцию белка с использованием алгоритма сортировки

Nat Protoc

4

7

1073

1081

Lapedes

A

Giraud

B

Jarzynski

C.

2012

Использование выравнивания последовательностей для прогнозирования структуры и стабильности белка с высокой точностью

Lee

JO

Yang

H

Georgescu

MM

Di Cristofano

A

Maehama

T

Shi ,

Пандольфи

П

Павлетич

НП.

1999

Кристаллическая структура опухолевого супрессора PTEN: влияние на его фосфоинозитид-фосфатазную активность и мембранную ассоциацию

Ячейка

99

3

323

334

Liberles

DA

Teichmann

SA

Bahar

I

Bastolla

U

Bloom

J

00050004 Bornberg

-Bauer

de Koning

APJ

Dokholyan

NV

Echave

J

2012

Интерфейс структуры белка, биофизики белка и молекулярной эволюции

Protein Sci

21

6

769

785

Lichtarge

O

Bourne

HR

Cohen

FE.

1996

Метод эволюционного отслеживания определяет поверхности связывания, общие для семейств белков

Дж Мол Биол

257

2

342

358

Livesey

BJ

Marsh

JA.

2020

Использование глубокого мутационного сканирования для сравнительного анализа предикторов эффектов вариантов и выявления мутаций болезней

Мол Сист Биол

16: e9380

Lua

RC

Wilson

SJ

Konecki

DM

Wilkins

AD

Venner

E

Morgan

2016

UET: база данных эволюционно предсказанных функциональных детерминант белковых последовательностей, которые группируются как функциональные сайты в белковых структурах

Nucleic Acids Res

44

D1

D308

D312

Луи

S

Тиана

г.

2013

Сеть стабилизирующих контактов в белках, изученная по коэволюционным данным

Дж. Хим. Физ.

139

15

155103

Матрейек

KA

Старита

LM

Стефани

JJ

Мартин

B

Чиассон

MA

V

Серый

Хечадури

A

Dines

JN

Hause

RJ

2018

Мультиплексная оценка численности вариантов белка путем массового параллельного секвенирования

Нат Генет

50

6

874

882

Майоров

A

Даль Пераро

M

Abriata

LA.

2019

Эволюционные ограничения, вызванные активным сайтом, следуют принципам полярности складок в растворимых глобулярных ферментах

Мол Биол Эвол

36

8

1728

1733

Meacham

GC

Patterson

C

Zhang

W

Younger

JM

Cyr

DM.

2001

Ко-шаперонный чип hsc70 нацелен на незрелые cftr для протеасомной деградации

Nat Cell Biol

3

1

100

105

Mighell

TL

Evans-Dutson

S

O’Roak

BJ.

2018

Подход с использованием мутагенеза насыщения для понимания активности липидной фосфатазы PTEN и взаимосвязи генотип-фенотип

Am J Hum Genet

102

5

943

955

Мирный

ЛА

Шахнович

Э.И.

1999

Универсально консервативные позиции в белковых складках: считывание эволюционных сигналов о стабильности, кинетике складывания и функции

Дж Мол Биол

291

1

177

196

Морияма

T

Nishii

R

Lin

TN

Kihira

K

Toyoda

H

Nersting

Nersting

Ко

K

Inaba

H

Manabe

A

2017

Влияние наследственных полиморфизмов NUDT15 на активные метаболиты тиопурина у японских детей с острым лимфобластным лейкозом

Pharmacogenet Genomics

27

6

236

239

Морияма

T

Nishii

R

Perez-Andreu

V

Ян

W

Klussmann

FA

000 TN

0005,

Zha

Hoshitsuki

K

Nersting

J

Kihira

K

2016

Полиморфизм NUDT15 изменяет метаболизм тиопурина и гемопоэтическую токсичность

Нат Генет

48

4

367

373

Nielsen

SV

Schenstrøm

SM

Christensen

CE

Stein

A

Lindorff-Larsen

K

0004 R 9000art5,

Петер

,

,

,

Заболевания белкового гомеостаза

Эльзевьер

111

125

Nielsen

SV

Stein

A

Dinitzen

AB

Papaleo

E

Tatham

MH

Rasmussen

LJ

Lindorff-Larsen

K

Hartmann-Petersen

R.

2017

Прогнозирование влияния миссенс-мутаций, вызывающих синдром Линча, на основе структурных расчетов

PLoS Genet

13

4

e1006739

Nishii

R

Moriyama

T

Janke

LJ

Yang

W

Suiter

CC

Lin

Kihira

K

Toyoda

H

Hofmann

U

2018

Доклиническая оценка тиопуриновой терапии под контролем NUDT15 и ее влияния на токсичность и противолейкемическую эффективность

Кровь

131

22

2466

2474

Olzmann

JA

Коричневый

K

Wilkinson

KD

Rees

HD

Huai

Q

Ke

Li

L

Подбородок

LS.

2004

Семейная мутация l166p, связанная с болезнью Паркинсона, нарушает фолдинг и функцию белка dj-1

Дж. Биол. Хим.

279

9

8506

8515

Park

H

Bradley

P

Greisen

P

Liu

Y

Mulligan

VK

9000 Daker

Kim

Kim

DiMaio

F.

2016

Одновременная оптимизация функций энергии биомолекул по характеристикам малых молекул и макромолекул

Дж. Химическая теория вычислений

12

12

6201

6212

Reeb

J

Wirth

T

Rost

B.

2020

Прогнозы вариативных эффектов отражают некоторые аспекты экспериментов по глубокому мутационному сканированию

BMC Bioinformatics

21

1

1

12

Реллинг

MV

Schwab

M

Whirl-Carrillo

M

Suarez-Kurtz

G

Pui

CH

AM

Evans

WE

Klein

TE

Antillon-Klussmann

FG

2019

Руководство консорциума по внедрению клинической фармакогенетики для дозирования тиопурина на основе генотипов TPMT и NUDT 15: обновление 2018 г.

Clin Pharmacol Ther

105

5

1095

1105

Remmert

M

Biegert

A

Hauser

A

Söding

J.

2011

HHblits: молниеносный итеративный поиск белковой последовательности с помощью выравнивания HMM-HMM

Нат Методы

9

2

173

175

Рон

I

Горовиц

М.

2005

Удержание и деградация Er как молекулярная основа гетерогенности болезни Гоше

Хум Мол Генет

14

16

2387

2398

Рост

Б

Шлифовальная машина

С.

1994

Сохранение и прогнозирование доступности растворителей в семействах белков

Белки

20

3

216

226

Резерфорд

SL

Линдквист

С.

1998

Hsp90 как конденсатор для морфологической эволюции

Природа

396

6709

336

342

Саркисян

КС

Болотин

ДА

Меер

М.В.

Усманова

ДР

Мишин

АС

Божанова

НГ

Баранов

МС

Сойлемез

О

2016

Местный фитнес-ландшафт зеленого флуоресцентного белка

Природа

533

7603

397

401

Scheller

R

Stein

A

Nielsen

SV

Marin

FI

Gerdes

AM

Di Marco

Lindorff-Larsen

K

Hartmann-Petersen

R.

2019

К механистическим моделям корреляций генотип-фенотип при фенилкетонурии с использованием расчетов стабильности белков

Хум Мутат

40

4

444

457

Шин

H

Чо

B-K.

2015

Рациональная белковая инженерия на основе глубокого мутационного сканирования

Int J Mol Sci

16

9

23094

23110

Shoichet

BK

Baase

WA

Kuroki

R

Matthews

BW.

1995

Взаимосвязь между стабильностью белка и функцией белка

Proc Natl Acad Sci U S A

92

2

452

456

Starita

LM

Young

DL

Islam

M

Kitzman

JO

Gullingsrud

J

000 DM

Hause

Парвин

JD

Shendure

J

Поля

S.

2015

Массивно-параллельный функциональный анализ вариантов кольцевого домена brca1

Genetics

200

2

413

422

Stein

A

Fowler

DM

Hartmann-Petersen

R

Lindorff-Larsen

K.

2019

Биофизические и механистические модели болезнетворных вариантов белков

Trends Biochem Sci

44

7

575

588

Steward

RE

MacArthur

MW

Laskowski

RA

Thornton

JM.

2003

Молекулярные основы наследственных болезней: структурная перспектива

Trends Genet

19

9

505

513

Suiter

CC

Moriyama

T

Matreyek

KA

Yang

W

Scaletti

ER

Hoshitsuki

K

Singh

M

Trehan

A

2020

Массивно параллельная характеристика вариантов идентифицирует аллели NUDT15, связанные с токсичностью тиопурина

Proc Natl Acad Sci U S A

117: 201

Tinberg

CE

Khare

SD

Dou

J

Doyle

L

Nelson

JW

A0005,

Schena

Kalodimos

CG

Johnsson

K

Stoddard

BL

2013

Расчетный дизайн лиганд-связывающих белков с высоким сродством и селективностью

Природа

501

7466

212

216

Tokuriki

N

Tawfik

DS.

2009

Сверхэкспрессия шаперонина способствует генетической изменчивости и эволюции ферментов

Природа

459

7247

668

673

Touw

WG

Baakman

C

Черный

J

Te Beek

TA

Krieger

E

G.

2015

Серия связанных с PDB банков данных для повседневных нужд

Nucleic Acids Res

43

, выпуск базы данных

D364

D368

Валери

NCK

Хагенкорт

A

Стр.

BDG

Masuyer

G

Rehling

D

9000 L

9000 M, Carter 9000

Herr

P

Homan

E

Sheppard

NG

2016

NUDT15 гидролизует 6-тио-дезокси-GTP, чтобы опосредовать противораковую эффективность 6-тиогуанина

Cancer Res

76

18

5501

5511

Valiente

M

Andrés-Pons

A

Gomar

B

Torres

J

Gil

A

000

000 Tappare

000

000 CAP

Пулидо

р.

2005

Связывание PTEN со специфическими доменами PDZ способствует стабильности белка PTEN и фосфорилированию с помощью связанных с микротрубочками серин / треониновых киназ

Дж. Биол. Хим.

280

32

28936

28943

Виртанен

P

Gommers

R

Oliphant

TE

Haberland

M

Reddy

T

000

Peterson

P

Weckesser

W

Bright

J

2020

SciPy 1.0: фундаментальные алгоритмы для научных вычислений на Python

Нат Методы

17

3

261

272

Wagih

O

Galardini

M

Busby

BP

Memon

D

Typas

A

Ресурс предсказаний вариантных эффектов однонуклеотидных вариантов в модельных организмах

Мол Сист Биол

14

12

e8430

Ван

Z

Линия

Дж.

2001

Snps, структура белка и болезнь

Хум Мутат

17

4

263

270

Палата

JH

1963

Иерархическая группировка для оптимизации целевой функции

J Am Stat Assoc

58

301

236

244

Weile

J

Roth

FP.

2018

Мультиплексные анализы вариантов эффектов вносят вклад в рост атласа генотип-фенотип

Хум Генет

137

9

665

678

Yaguchi

H

Ohkura

N

Takahashi

M

Nagamura

Y

Kitabayashi

I

Tsu

2004

Миссенс-мутанты менина, ассоциированные с множественной эндокринной неоплазией типа 1, быстро деградируют через убиквитин-протеасомный путь

Mol Cell Biol

24

15

6569

6580

Янг

C

Asthagiri

AR

Iyer

RR

Lu

J

Xu

DS

00050005, Brady4000 9000 RO0004000 RO0005,

Zhuang

Z

Lonser

руб.

2011

Миссенс-мутации в гене NF2 приводят к количественной потере белка мерлина и минимально влияют на внутреннюю функцию белка

Proc Natl Acad Sci U S A

108

12

4980

4985

Yang

C

Huntoon

K

Ksendzovsky

A

Zhuang

Z

Lonser

RR.

2013

Модуляторы протеостаза продлевают активность миссенс-белка VHL и останавливают прогрессирование опухоли

Cell Rep

3

1

52

59

Ян

SK

Hong

M

Baek

J

Choi

H

Zhao

W

Jung

Y4 Yung

Y4

Ye

BD

Kim

KJ

Park

SH

2014

Распространенный миссенс-вариант NUDT15 придает чувствительность к лейкопении, индуцированной тиопурином.

Нат Генет

46

9

1017

1020

Yehia

L

Ngeow

J

Eng

C.

2019

PTEN-хирургии: от биологических открытий до точной медицины, основанной на доказательствах

Дж. Клин Инвест

129

2

452

464

Юэ

P

Li

Z

Линия

J.

2005

Потеря стабильности структуры белка как основной причинный фактор моногенного заболевания

Дж Мол Биол

353

2

459

473

© Автор (ы) 2021. Опубликовано Oxford University Press от имени Общества молекулярной биологии и эволюции.

Структура и функции белка

Структура белка закладывает основу для его взаимодействия с другими молекулами организма и, следовательно, определяет его функцию. В этой статье будут рассмотрены структурные принципы белков и их влияние на функцию белка.

Первичная структура белка

Белки состоят из длинной цепи аминокислот. Даже при ограниченном количестве аминокислотных мономеров — в организме человека обычно встречается только 20 аминокислот — их можно расположить множеством способов, чтобы изменить трехмерную структуру и функцию белка. Простое секвенирование белка известно как его первичная структура.

Вторичная структура белка

Вторичная структура белка зависит от локальных взаимодействий между частями белковой цепи, которые могут влиять на укладку и трехмерную форму белка.Есть две основные вещи, которые могут изменить вторичную структуру:

• α-спираль: группы N-H в основной цепи образуют водородную связь с группой C = O четырех аминокислотных остатков ранее в спирали.
• β-складчатый лист: группы N-H в основной цепи одной цепи образуют водородные связи с группами C = O в основной цепи полностью вытянутой цепи рядом с ней.

Также может быть несколько функциональных групп, таких как спирты, карбоксамины, карбоновые кислоты, тиоэфиры, тиолы и другие основные группы, связанные с каждым белком.Эти функциональные группы также влияют на складывание белков и, следовательно, на их функцию в организме.

Третичная структура

Третичная структура белков относится к общей трехмерной форме после вторичных взаимодействий. К ним относится влияние полярных, неполярных, кислотных и основных R-групп, которые существуют на белке.

Четвертичный белок

Четвертичная структура белка относится к ориентации и расположению субъединиц в белках с мульти-субъединицами.Это актуально только для белков с несколькими полипептидными цепями.

Белки складываются в определенные формы в соответствии с последовательностью аминокислот в полимере, и функция белка напрямую связана с полученной трехмерной структурой.

Белки также могут взаимодействовать друг с другом или с другими макромолекулами в организме, создавая сложные сборки. В этих сборках белки могут развивать функции, которые были невозможны в автономном белке, такие как выполнение репликации ДНК и передача клеточных сигналов.

Природа белков также сильно варьируется. Например, некоторые из них довольно жесткие, а другие несколько гибкие. Эти характеристики также соответствуют функции белка. Например, более жесткие белки могут играть роль в структуре цитоскелета или соединительных тканей. С другой стороны, те, у кого есть некоторая гибкость, могут действовать как шарниры, пружины или рычаги, помогая в работе других белков.

Функции белков

Белки играют важную роль во многих важных биологических процессах и функциях.Они очень универсальны и выполняют множество различных функций в организме, как указано ниже:

• Действовать как катализатор
• Транспорт других молекул
• Хранить другие молекулы
• Обеспечить механическую поддержку
• Обеспечивают иммунную защиту
• Создать движение
• Передавать нервные импульсы
• Контроль роста и дифференцировки клеток

Степень, в которой структура белков влияет на их функцию, демонстрируется влиянием изменений в структуре белка.Любое изменение белка на любом структурном уровне, включая небольшие изменения в укладке и форме белка, может сделать его нефункциональным.

Список литературы

1. https://www.ncbi.nlm.nih.gov/books/NBK21177/
2. http://genome.tugraz.at/MolecularBiology/WS11_Chapter03.pdf
3. https://www.boundless.com/biology/textbooks/boundless-biology-textbook/biological-macromolecules-3/proteins-56/protein-structure-304-11437/

Произошла ошибка при настройке пользовательского файла cookie

Этот сайт использует файлы cookie для повышения производительности.Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт.

Настройка вашего браузера для приема файлов cookie

Существует множество причин, по которым cookie не может быть установлен правильно. Ниже приведены наиболее частые причины:

• В вашем браузере отключены файлы cookie. Вам необходимо сбросить настройки вашего браузера, чтобы он принимал файлы cookie, или чтобы спросить вас, хотите ли вы принимать файлы cookie.
• Ваш браузер спрашивает вас, хотите ли вы принимать файлы cookie, и вы отказались.Чтобы принять файлы cookie с этого сайта, используйте кнопку «Назад» и примите файлы cookie.
• Ваш браузер не поддерживает файлы cookie. Если вы подозреваете это, попробуйте другой браузер.
• Дата на вашем компьютере в прошлом. Если часы вашего компьютера показывают дату до 1 января 1970 г., браузер автоматически забудет файл cookie. Чтобы исправить это, установите правильное время и дату на своем компьютере.
• Вы установили приложение, которое отслеживает или блокирует установку файлов cookie.Вы должны отключить приложение при входе в систему или проконсультироваться с системным администратором.

Почему этому сайту требуются файлы cookie?

Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу. Чтобы предоставить доступ без файлов cookie потребует, чтобы сайт создавал новый сеанс для каждой посещаемой страницы, что замедляет работу системы до неприемлемого уровня.

Что сохраняется в файле cookie?

Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в cookie; никакая другая информация не фиксируется.

Как правило, в файлах cookie может храниться только информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта. Например, сайт не может определить ваше имя электронной почты, пока вы не введете его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступа к остальной части вашего компьютера, и только сайт, который создал файл cookie, может его прочитать.

UniProt

Свидетельство описывает источник аннотации, например.грамм. эксперимент, опубликованный в научной литературе, ортологичный белок, запись из другой базы данных и т. д.

Еще …

Пропустить заголовок

UniProtKB

База знаний UniProt

Swiss-Prot (565 254)

Записи с информацией, извлеченной из литературы, и проведенным куратором компьютерным анализом.

TrEMBL (219 174 961)

Записи, ожидающие полной ручной аннотации.

UniRef

Кластеры последовательностей

y

Справочные кластеры UniProt (UniRef) предоставляют кластеризованные наборы последовательностей из базы знаний UniProt (включая изоформы) и выбранные записи UniParc.

UniParc

Архив последовательностей

D

UniParc — это всеобъемлющая и неизбыточная база данных, которая содержит большинство общедоступных белковых последовательностей в мире.

Протеомы

Наборы протеомов

FHL

Протеом — это набор белков, которые, как считается, экспрессируются организмом. UniProt предоставляет протеомы для видов с полностью секвенированным геномом.

Вспомогательные данные

Новый портал UniProt для новейших записей и рецепторов коронавируса SARS-CoV-2, обновляемых независимо от общего цикла выпуска UniProt.

Новости

• Предстоящие изменения
  В настоящее время изменений не запланировано

• Выпуск UniProt 2021_03
  Важность беспорядка | Прогнозы MobiDB-lite для регионов с внутренней неупорядоченностью | UniProtKB через AWS Open Data и Amazo …

• Версия UniProt 2021_02
  С небольшой помощью моего друга | SwissBioPics визуализация субклеточного местоположения | Изменение кодов доказательств для комбинаторных доказательств

• UniProt release 2021_01
  (Почти) все об этом CBASS | Перекрестные ссылки на VEuPathDB | Изменения в хумсаваре.txt и связанные ключевые слова | Справочные протеомы скачать …

• UniProt release 2020_06
  Яды, золотые прииски для новых противопротозойных препаратов | Удаление перекрестных ссылок на КО.

Начало работы

• Текстовый поиск
  Наш основной текстовый поиск позволяет вам искать все доступные ресурсы

• BLAST
  Найти области сходства между вашими последовательностями

• Выравнивания последовательностей
  Выровнять два или несколько белковых последовательностей с использованием программы Clustal Omega

• Получение / сопоставление идентификаторов
  Пакетный поиск с идентификаторами UniProt или преобразование их в другой тип идентификатора базы данных (или наоборот)

• Поиск пептидов
  Найдите последовательности, которые точно соответствуют запрос пептидной последовательности

Данные UniProt

Прожектор по белкам

о преимуществах расстройства

Июль 2021 г.