Membránová topologie - Membrane topology

Topologie je obor matematiky, který se zabývá smyčkou, uzly, oddíly a konektivitami. Buněčná membrána (a endomembránový systém) prochází různými transformacemi, takže membránový systém má své topologické rysy.

Říká se, že lumeny endoplazmatického retikula a Golgiho aparát jsou topologicky ekvivalentní zevnějšku buňky. [1] Výsledkem je třídění bílkovin a obchodování s nimi. Ty části polypeptidových řetězců, které jsou umístěny na vnitřním povrchu endoplazmatického retikula, končí vystavením povrchu buňky.[2] The asymetrie ve dvou příbalových informacích biologické membrány, jako je složení lipidů, proteinů, glykolipidů atd., souvisí s topologií membrány.

Endomembránový systém může vypadat složitě, ale zachovává určitou topologii membrány


Topologie a transmembránový protein označuje orientace (umístění N- a C-konců) segmentů rozprostírajících se membránou vzhledem k vnitřní nebo vnější straně biologická membrána obsazeno proteinem.[3]

Transmembránové proteiny skupiny I a II mají opačné konečné topologie. Proteiny skupiny I mají N konec na druhé straně a C konec na cytosolické straně. Proteiny skupiny II mají C konec na druhé straně a N konec v cytosolu. Konečná topologie však není jediným kritériem pro definování transmembránových proteinových skupin, v klasifikaci je uvažováno spíše umístění topogenních determinantů a mechanismus sestavení.[4]

Několik databází poskytuje experimentálně určené topologie membránových proteinů. Obsahují Uniprot, TOPDB,[5][6][7] OPM a ExTopoDB.[8][9] K dispozici je také databáze domén umístěných konzervativně na určité straně membrán, TOPDOM.[10]

Bylo vyvinuto několik výpočetních metod pro předpovídání transmembránových alfa-šroubovic a jejich topologie s omezeným úspěchem. Pionýrské metody využívaly skutečnost, že oblasti překlenující membránu obsahují více hydrofobních zbytků než jiné části proteinu, avšak použití různých hydrofobních měřítek změnilo výsledky predikce. Později bylo vyvinuto několik statistických metod ke zlepšení předpovědi topografie a byla zavedena speciální metoda zarovnání.[11] Podle pravidla kladného vnitřku[12] cytosolické smyčky poblíž lipidové dvojvrstvy obsahují pozitivněji nabité aminokyseliny. Výsledkem použití tohoto pravidla byly první metody predikce topologie. V transmembránových alfa šroubovicích z jednoprůchodových proteinů existuje také pravidlo negativní-vnější, i když negativně nabité zbytky jsou vzácnější než pozitivně nabité zbytky v transmembránových segmentech proteinů.[13] Jak bylo určeno více struktur, objevily se algoritmy strojového učení. Kontrolované učení metody jsou trénovány na souboru experimentálně určených struktur, nicméně tyto metody velmi závisí na tréninkové sadě.[14][15][16][17] Učení bez dozoru metody jsou založeny na principu, že topologie závisí na maximální divergenci distribucí aminokyselin v různých strukturních částech.[18][19] Ukázalo se také, že uzamčení umístění segmentu na základě předchozích znalostí o struktuře zlepšuje přesnost predikce.[20] Tato funkce byla přidána do některých existujících metod predikce.[21][22] Nejnovější metody používají konsenzuální předpověď (tj. Používají několik algoritmů k určení konečné topologie) [23] a automaticky začlení dříve určené experimentální informace.[24] HTP databáze[25][26] poskytuje sbírku topologií, které jsou výpočetně predikovány pro lidské transmembránové proteiny.

Diskriminace signální peptidy a transmembránové segmenty jsou dalším problémem v predikci topologie léčené s omezeným úspěchem různými metodami.[27] Signální peptidy i transmembránové segmenty obsahují hydrofobní oblasti, které tvoří a-helixy. To způsobí křížovou předpověď mezi nimi, což je slabost mnoha prediktorů transmembránové topologie. Současnou předpovědí signálních peptidů a transmembránových šroubovic (Phobius[28]), chyby způsobené křížovou predikcí se sníží a výkon se podstatně zvýší. Další funkcí používanou ke zvýšení přesnosti predikce je homologie (PolyPhobius). “

Je také možné předpovědět topologii membránových proteinů beta-barelu.[29][30]

Viz také

Reference

  1. ^ The Cell, GM Cooper, vydání 4
  2. ^ The Cell, GM Cooper, vydání 4
  3. ^ von Heijne, Gunnar (prosinec 2006). "Topologie membránového proteinu". Nature Reviews Molecular Cell Biology. 7 (12): 909–918. doi:10.1038 / nrm2063. PMID  17139331. S2CID  22218266.
  4. ^ Goder, Veit; Spiess, Martin (31. srpna 2001). "Topogeneze membránových proteinů: determinanty a dynamika". FEBS Dopisy. 504 (3): 87–93. doi:10.1016 / S0014-5793 (01) 02712-0. PMID  11532438.
  5. ^ Tusnády, Gábor E .; Kalmár, Lajos; Simon, István (1. ledna 2008). "TOPDB: topologická datová banka transmembránových proteinů". Výzkum nukleových kyselin. 36 (doplněk_1): D234 – D239. doi:10.1093 / nar / gkm 751. PMID  17921502.
  6. ^ Dobson, László; Langó, Tamás; Reményi, István; Tusnády, Gábor E. (28. ledna 2015). „Urychlení shromažďování dat topologie pro databázi TOPDB“. Výzkum nukleových kyselin. 43 (D1): D283 – D289. doi:10.1093 / nar / gku1119. PMC  4383934. PMID  25392424.
  7. ^ Databáze TOPDB
  8. ^ Tsaousis, Georgios N .; Tsirigos, Konstantinos D .; Andrianou, Xanthi D .; Liakopoulos, Theodore D .; Bagos, Pantelis G .; Hamodrakas, Stavros J. (1. října 2010). „ExTopoDB: databáze experimentálně odvozených topologických modelů transmembránových proteinů“. Bioinformatika. 26 (19): 2490–2492. doi:10.1093 / bioinformatika / btq362. PMID  20601677.
  9. ^ ExTopoDB
  10. ^ Databáze TOPDOM
  11. ^ DAS
  12. ^ von Heijne, Gunnar (listopad 1986). „Distribuce pozitivně nabitých zbytků v bakteriálních proteinech vnitřní membrány koreluje s transmembránovou topologií“. Časopis EMBO. 5 (11): 3021–3027. doi:10.1002 / j.1460-2075.1986.tb04601.x. PMC  1167256. PMID  16453726.
  13. ^ Baker, James Alexander; Wong, Wing-Cheong; Eisenhaber, Birgit; Warwicker, Jim; Eisenhaber, Frank (2017). „Znovu navštívené nabité zbytky u transmembránových oblastí:„ Pravidlo Positive-Inside “je doplněno„ Negativním pravidlem vyčerpání / vnějšku"". Biologie BMC. 15 (1): 66. doi:10.1186 / s12915-017-0404-4. PMC  5525207. PMID  28738801.
  14. ^ Krogh, Anders; Larsson, Björn; von Heijne, Gunnar; Sonnhammer, Erik L.L (leden 2001). „Predikce topologie transmembránového proteinu se skrytým markovským modelem: aplikace k dokončení genomů11 Editoval F. Cohen“ (PDF). Journal of Molecular Biology. 305 (3): 567–580. doi:10.1006 / jmbi.2000.4315. PMID  11152613. S2CID  15769874.
  15. ^ TMHMM server
  16. ^ Server Phobius
  17. ^ Server OCTOPUS
  18. ^ Tusnády, Gábor E .; Simon, István (říjen 1998). „Principy, jimiž se řídí aminokyselinové složení integrálních membránových proteinů: aplikace na predikci topologie 1 1 Editoval J. Thornton“ (PDF). Journal of Molecular Biology. 283 (2): 489–506. doi:10.1006 / jmbi.1998.2107. PMID  9769220. S2CID  15027232.
  19. ^ HMMTOP server
  20. ^ Tusnady, G. E .; Simon, I. (1. září 2001). „Server predikce HMMTOP transmembránové topologie“. Bioinformatika. 17 (9): 849–850. doi:10.1093 / bioinformatika / 17.9.849. PMID  11590105.
  21. ^ HMMTOP server
  22. ^ Server Phobius
  23. ^ Server TOPCONS
  24. ^ CCTOP server
  25. ^ Dobson, László; Reményi, István; Tusnády, Gábor E. (28. května 2015). „Lidský transmembránový proteom“. Biology Direct. 10 (1): 31. doi:10.1186 / s13062-015-0061-x. PMC  4445273. PMID  26018427.
  26. ^ Databáze lidských transmembránových proteomů
  27. ^ E. Tusnady, Gabor; Simon, Istvan (1. listopadu 2010). „Předpověď topologie spirálových transmembránových proteinů: Jak daleko jsme dosáhli?“ (PDF). Současná věda o proteinech a peptidech. 11 (7): 550–561. doi:10.2174/138920310794109184. PMID  20887261. S2CID  6431228.
  28. ^ http://phobius.sbc.su.se/
  29. ^ Tsirigos, Konstantinos D .; Elofsson, Arne; Bagos, Pantelis G. (1. září 2016). „PRED-TMBB2: vylepšená predikce topologie a detekce proteinů vnější membrány beta-barelu“. Bioinformatika. 32 (17): i665 – i671. doi:10.1093 / bioinformatika / btw444. PMID  27587687.
  30. ^ Savojardo, Castrense; Fariselli, Piero; Casadio, Rita (15. února 2013). „BETAWARE: nástroj pro strojové učení k detekci a předpovědi transmembránových proteinů beta-barelu u prokaryot“. Bioinformatika. 29 (4): 504–505. doi:10.1093 / bioinformatika / bts728. PMID  23297037.