Predikce lokalizace subcelulární proteinu - Protein subcellular localization prediction - Wikipedia

Predikce lokalizace subcelulární proteinu (nebo jen predikce lokalizace proteinu) zahrnuje predikci toho, kde a protein bydlí v buňka, své subcelulární lokalizace.

Obecně platí, že predikční nástroje berou jako vstupní informace o proteinu, například a proteinová sekvence z aminokyseliny a jako výstup vytvoří předpokládané umístění v buňce, například jádro, Endoplazmatické retikulum, Golgiho aparát, extracelulární prostor, nebo jiný organely. Cílem je vytvořit nástroje, které dokážou přesně předpovědět výsledek cílení na bílkoviny v buňkách.

Predikce proteinové subcelulární lokalizace je důležitou součástí bioinformatika založená předpověď funkce bílkovin a anotace genomu a může pomoci při identifikaci cílů v oblasti drog.

Pozadí

Experimentální stanovení subcelulární lokalizace a protein může být pracný a časově náročný úkol. Imunoznačení nebo označování (například pomocí a zelený fluorescenční protein ) pro zobrazení lokalizace pomocí fluorescenční mikroskop jsou často používány. Vysoce výkonnou alternativou je použití predikce.

Prostřednictvím vývoje nových přístupů v počítačové vědě, spolu se zvýšeným datovým souborem proteinů známé lokalizace, mohou výpočetní nástroje nyní poskytovat rychlé a přesné lokalizační předpovědi mnoha organismům. To vedlo k tomu, že predikce lokalizace subcelulárních buněk se stala jednou z výzev, kterým úspěšně pomáhá bioinformatika, a strojové učení.

Mnoho predikčních metod nyní překračuje přesnost některých vysoce výkonných laboratorních metod pro identifikaci lokalizace subcelulárních proteinů.[1][2] Byly vyvinuty zejména některé prediktory[3] které lze použít k řešení proteinů, které mohou současně existovat nebo se pohybovat mezi dvěma nebo více různými subcelulárními místy. K potvrzení předpokládaných lokalizací se obvykle vyžaduje experimentální ověření.

Nástroje

Hlavní článek: Seznam nástrojů pro predikci subcelulární lokalizace proteinů

V roce 1999 PSORT byl první publikovaný program pro predikci subcelulární lokalizace.[4] Následné nástroje a webové stránky byly uvolněny pomocí technik, jako je umělé neuronové sítě, podporovat vektorový stroj a proteinové motivy. Prediktory se mohou specializovat na bílkoviny v různých organismech. Některé se specializují na eukaryotické proteiny,[5] některé pro lidské proteiny,[6] a některé pro rostlinné proteiny.[7] Byly přezkoumány metody pro predikci prediktorů lokalizace bakterií a jejich přesnost.[8]

Vývoj predikce proteinové subcelulární lokalizace byl shrnut ve dvou komplexních přehledových článcích.[9][10] Nejnovější nástroje a zprávu o zkušenostech najdete v nedávném příspěvku od uživatele Meinken a Min (2012).

aplikace

Znalost subcelulární lokalizace proteinu může významně zlepšit identifikaci cíle během objev drog proces. Například, vylučované proteiny a plazmatická membrána proteiny jsou snadno dostupné molekulami léčiva díky své lokalizaci v extracelulárním prostoru nebo na buněčném povrchu.

Povrch bakteriálních buněk a vylučované proteiny jsou také zajímavé pro svůj potenciál jako kandidáti na vakcíny nebo jako diagnostické cíle. Aberantní subcelulární lokalizace proteinů byla pozorována v buňkách několika nemocí, jako je např rakovina a Alzheimerova choroba. Vylučované proteiny z některých archaeí, které mohou přežít v neobvyklých prostředích, mají průmyslově důležité aplikace.

Použitím predikce lze vyhodnotit vysoký počet proteinů, aby se našli kandidáti, kteří jsou dopraveni na požadované místo.

Databáze

Výsledky predikce subcelulární lokalizace mohou být uloženy v databázích. Mezi příklady patří databáze pro více druhů Oddíly FunSecKB2, fungální databáze;[11] PlantSecKB, databáze rostlin;[12] MetazSecKB, databáze zvířat a lidí;[13] a ProtSecKB, databáze protistů.[14]

Reference

  1. ^ Kaleel, M; Zheng, Y; Chen, J; Feng, X; Simpson, JC; Pollastri, G; Mooney, C (6. března 2020). „SCLpred-EMS: predikce subcelulární lokalizace endomembránového systému a proteinů sekreční dráhy pomocí Deep N-to-1 Convolutional Neural Networks“. Bioinformatika (Oxford, Anglie). 36 (11): 3343–3349. doi:10.1093 / bioinformatika / btaa156. PMID  32142105.
  2. ^ Rey S, Gardy JL, Brinkman FS (2005). „Posouzení přesnosti vysoce výkonných výpočetních a laboratorních přístupů k identifikaci subcelulární lokalizace proteinů v bakteriích v celém genomu“. BMC Genomics. 6: 162. doi:10.1186/1471-2164-6-162. PMC  1314894. PMID  16288665.
  3. ^ Chou KC, Shen HB (2008). „Cell-PLoc: balíček webových serverů pro predikci subcelulární lokalizace proteinů v různých organismech“. Přírodní protokoly. 3 (2): 153–62. doi:10.1038 / nprot.2007.494. PMID  18274516. S2CID  226104.
  4. ^ „Predikce lokalizace proteinů v subcelulární oblasti“. www.ncbi.nlm.nih.gov. Citováno 2016-12-31.
  5. ^ Chou KC, Wu ZC, Xiao X (2011). „iLoc-Euk: multi-label klasifikátor pro predikci subcelulární lokalizace singleplex a multiplex eukaryotických proteinů“. PLOS ONE. 6 (3): e18258. Bibcode:2011PLoSO ... 618258C. doi:10.1371 / journal.pone.0018258. PMC  3068162. PMID  21483473.
  6. ^ Shen HB, Chou KC (listopad 2009). „Přístup shora dolů ke zvýšení síly předpovídání subcelulární lokalizace lidských proteinů: Hum-mPLoc 2.0“. Analytická biochemie. 394 (2): 269–74. doi:10.1016 / j.ab.2009.07.046. PMID  19651102.
  7. ^ Chou KC, Shen HB (2010). „Plant-mPLoc: strategie shora dolů pro zvýšení síly pro předpovídání subcelulární lokalizace rostlinných proteinů“. PLOS ONE. 5 (6): e11335. Bibcode:2010PLoSO ... 511335C. doi:10.1371 / journal.pone.0011335. PMC  2893129. PMID  20596258.
  8. ^ Gardy JL, Brinkman FS (říjen 2006). "Metody pro predikci subcelulární lokalizace bakteriálních proteinů". Recenze přírody. Mikrobiologie. 4 (10): 741–51. doi:10.1038 / nrmicro1494. PMID  16964270. S2CID  62781755.
  9. ^ Nakai, K. Proteinové třídicí signály a predikce subcelulární lokalizace. Adv. Protein Chem., 2000, 54, 277-344.
  10. ^ Chou, K. C .; Shen, H. B. Recenze: Nedávné pokroky v predikci proteinové subcelulární lokalizace " Anální. Biochem 2007, 370, 1-16.
  11. ^ „FunSecKB2 (houbový sekretom a znalostní databáze subcelulárního proteomu 2.1)“. bioinformatika.ysu.edu. Archivovány od originál dne 10.04.2016. Citováno 2017-09-17.
  12. ^ „PlantSecKB (Znalostní databáze rostlinného sekretomu a subcelulárního proteomu)“. bioinformatika.ysu.edu. Archivovány od originál dne 2016-04-06. Citováno 2017-09-17.
  13. ^ „MetazSecKB (Metazoa (lidské a zvířecí) umístění proteinových subcelluarů, databáze sekretomů a subcelulárních proteinů)“. bioinformatika.ysu.edu. Archivovány od originál dne 2016-04-06. Citováno 2017-09-17.
  14. ^ „ProtSecKB (Protist Secretome a Subcellular Proteome KnowledgeBase)“. proteomics.ysu.edu. Citováno 2017-09-17.

Další čtení