Krooninen sairaus

tiivistelmä

Useat tutkimukset ovat osoittaneet, että aminohapot, joiden mutaatiot saattavat olla tärkeä rooli syövän synnyssä. Kuitenkin missä määrin syövän mutaatioita saattaa vaikuttaa biomolekyylitason vuorovaikutusta jää epäselväksi. Täällä kartta glioblastoma missensemutaatioita ihmisen proteiini interactome, malli rakenteiden vaikuttaa proteiinin kompleksit ja tulkita vaikutus mutaatioiden proteiini-proteiini, proteiini-nukleiinihappo- ja proteiini-ionin sitoutumisen rajapintoja. Vaikka jotkut missensemutaatioita yli-vakauttaa proteiini kompleksit, huomasimme, että kokonaisvaikutus mutaatioiden on epävakautta, useimmiten vaikuttavat sähköstaattinen komponentti sitova energiaa. Osoitimme myös, että mutaatiot rajapintoihin aiheutti enemmän rajuja muutoksia aminohappo fysikaalis-kemialliset ominaisuudet kuin mutaatioita ulkopuolella tapahtuvat rajapintoja. Analyysi glioblastooma mutaatioiden rajapintoihin pystyimme ositusta syöpään liittyviä yhteisvaikutuksia, tunnistaa mahdolliset kuljettaja geenejä, ja ehdottaa kaksi tusinaa ylimääräistä syöpä biomarkkereita, mukaan lukien spesifisiä toimintoja hermostoon. Tällainen analyysi tarjotaan myös käsityksen molekyylitason mekanismi fenotyyppiset tulosten mutaatioiden, mukaan lukien vaikutukset monimutkainen vakauteen, aktiivisuus, sitoutuminen ja vaihtuvuus. Seurauksena mutatoidun proteiinin ja geenin verkon analyysi, havaitsimme, että vuorovaikutukset proteiinien kanssa mutaatioiden kartoitettu rajapinnoista oli korkeampi pullonkaula ominaisuudet verrattuna vuorovaikutuksia mutaatioita muualla proteiinia tai ennallaan vuorovaikutuksia. Tällaiset havainnot viittaavat siihen, että geenien mutaatioita, jotka vaikuttavat suoraan proteiiniin sitoutumisen ominaisuuksiin edullisesti sijaitsee keskeisellä verkon tehtävissä ja voi vaikuttaa kriittisiä solmuja ja reunat signaalitransduktion verkoissa.

Citation: Nishi H, Tyagi M, Teng S, Shoemaker BA , Hashimoto K, Alexov E, et ai. (2013) Cancer missensemutaatioita Alter Sidonta ominaisuudet Proteiinit ja näiden välinen Networks. PLoS ONE 8 (6): e66273. doi: 10,1371 /journal.pone.0066273

Editor: Attila Gursoy, Koc yliopisto, Turkki

vastaanotettu: 20 joulukuu 2012; Hyväksytty: 02 toukokuu 2013; Julkaistu: 14 kesäkuu 2013

Tämä on avoin-yhteys artikkeli, vapaa kaikki tekijänoikeudet, ja saa vapaasti jäljentää, levittää, välittää, modifioitu, rakennettu, tai muuten käyttää kuka tahansa laillista tarkoitusta. Teos on saatavilla Creative Commons CC0 public domain omistautumista.

Rahoitus: Tätä työtä tukivat Intramural tutkimusohjelma National Library of Medicine on Yhdysvaltain National Institutes of Health. K.H. osittain tukivat JSPS Research Fellowship päässä Japanin Society for Promotion of Science. EA tukivat osittain National Institutes of Health, National Institute of General Medical Sciences, myöntää numero R01GM093937. Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

Useimmat syövät on tunnusomaista genomin epästabiilisuuden, jonka katsotaan olevan yksi tärkeimmistä tekijöistä kasvaimen kehittymisen [1]. Nämä geneettiset häiriöt mahdollisesti johtaa epänormaalin onkogeenin aktivaation ja /tai tuumorisuppressorigeeniä inaktivoitumista. Mukaan käsite ”onkogeenin riippuvuus”, syöpäsolut riippuu toimintaa yhden tai muutaman onkogeenien proliferaatio ja eloonjääminen [2]. Muuttunut aktiivisuus onkogeenien ja tuumorisuppressoreita voivat johtua geenin monistuksia, tehostettu tai vähentynyt transkription tai translaation. Samalla, joiden mutaatiot saattavat myös olla hyvin tärkeä rooli syövän synnyssä [3]. Samalla edistää merkittävästi kasvaimien syntyyn, suurin osa mutaatioista pidetään neutraaleja (

eli

”matkustaja” mutaatiot), ja vain harvat ovat alle positiivisen valinnan syöpäsoluissa (

eli

”driver” mutaatiot) [3], [4]. Erilaisia ​​menetelmiä on sovellettu ennustaa haitallisia vaikutuksia mutaatioiden [5], [6], löytää positiivisesti valitut mutantit ja erottaa kuljettajan matkustajan mutaatiot [7], [8]. Kuitenkin niiden ennusteita on vähäistä, riippuu suurelta osin tasosta evoluution säilyttämisen [9] ja taustan mutaatiovauhtia jota on vaikea määrittää kunkin näytteen [10]. Lisäksi viimeaikaiset tulokset viittaavat siihen, että suuri enemmistö yhden nukleotidin vaihtelut ennustetaan olevan funktionaalisesti tärkeitä ovat harvinaisia ​​(pienin alleelifrekvensseiltään vähemmän kuin 0,5%) [11], joten tällainen harvinainen sairaus liittyviä variantteja vaikea havaita.

Monet signalointi verkkojen vapautettu syövän ja liittyy tiheä proteiini-proteiini vuorovaikutusten. Siksi luonnehdinta syöpään liittyvien proteiini vuorovaikutuksen verkostoja on välttämätöntä ymmärrystämme molekyylitason mekanismeja syövän. Viime aikoina uusia strategioita ehdotettiin tunnistaa keskeiset verkkomoduulien ja kuljettaja oncogenes yhdistämällä kopiomäärä muunnelmia, joiden mutaatiot ja kartoittaa kyseeseen tulevat onkogeenisten kuljettajan geenejä päälle suurikapasiteettisten proteiini-proteiini-vuorovaikutuksen verkkoja [12], [13], [14]. Tämän seurauksena näistä tutkimuksista, uudet syöpään liittyvien geenien ja toiminnallisesti liittyvän geenin moduulit kohteena kuljettaja syövän mutaatioita tunnistettiin [13], [14], [15].

Lisäksi, proteiinit tunnistavat ja sitoutuvat niiden erityiset tavoitteet erittäin asianmukaisesti ja spesifisyys näiden vuorovaikutusten määrittää pitkälti rakenteellisia ja fysikaalis-kemialliset ominaisuudet sitovia rajapintoja. Äskettäin rakenteellisia komplekseja taudista ja syöpään liittyvien proteiinit analysoitiin [16], [17], [18], [19], jotka osoittavat, että tautiin liittyvä proteiini kompleksit ovat eri sitovia ominaisuuksia; Erityisesti ne sisältävät useita käyttöliittymän laastareita, joiden vuorovaikutus monien muiden proteiinien [16], ja mutaatiot eri laastaria saattanut aiheuttaa pleiotrooppisia taudin vaikutuksia [20]. Lisäksi monet taudin mutaatiot sijaitsevat proteiini-proteiini-rajapintojen [21], [22], [23], on taipumus, että on erityisen selvää syövän missensemutaatioita [20]. Tällaiset havainnot yleensä korostavat opiskelun vaikutuksia syövän mutaatioiden proteiinien vuorovaikutusta ja niiden sitova rajapintoja erityisesti.

Monet onkogeenien, tuumorisuppressorit ja niiden mutaatioita on tunnistettu avaintoimijoita syövän signalointi tapahtumia. Kuitenkin vain muutamat on havaittu eri syöpätyyppien samanaikaisesti. Tällainen heterogeenisyys vaikeuttaa tunnistamista keskeisten toimijoiden, jotka tarjoavat valikoivia etuja kasvainsoluihin. Tutkimuksessamme käytimme joukon mutaatioita peräisin glioblastooma potilaista, jotta voimme kaventamaan heterogeenisyys fenotyyppinen vaste paremmin ymmärtämään genotyyppi-fenotyyppi suhteita. Glioblastooma on kaikkein pahanlaatuinen muoto aivokasvainten mukaan WHO: n luokituksen [24]. Äskettäin, The Cancer Genome Atlas (TCGA) ja muut hankkeet edellyttäen mutaatio tietoja glioblastoma potilaista suuressa mittakaavassa [25], [26]. Kahdeksan mahdollisesti edistää geenien havaittiin glioblastoomat, ja kartoitus mutatoitunut geenejä biokemiallisia reittejä merkitty useita yleisiä reittejä, jotka sisälsivät mutatoidut kuljettaja geenejä [25], [26], [27]. Erityisesti genomin muutoksia, jotka havaittiin useilla keskeisillä reittejä havaittiin olevan toisensa poissulkevia jokaisen koulutusjakson, osoittaen riittävän valikoivaa etua näistä muutamin muutoksin syöpäsoluja [25].

Viime aikoina olemme kartoitettu ihmisen proteiini interactome käyttämällä rakenteellisia komplekseja, joka antoi meille tulkita vaikutus glioblastooma, joiden mutaatiot proteiini-proteiini, proteiini-nukleiinihappo, proteiini-ioni sitova rajapinnat ja fosforylaatiokohdat tässä tutkimuksessa (kuvio 1). Tässä osoitamme, että mutaatiot on sitovia rajapintojen johtaa enemmän rajuja muutoksia aminohapon fysikaalis-kemialliset ominaisuudet kuin mutaatiot, joita ei voida kuvata rajapinnoista. Lisäksi olemme havainneet, että mutaatiot proteiini-proteiini rajapinnat on yleistä epävakautta ja vaikuttavat eniten sähköstaattinen komponentti sitova energiaa sekä topologiasta proteiini-proteiini-vuorovaikutuksen verkkoja. Mikä tärkeintä, me tunnistaa mahdolliset kuljettajan mutaatioita ja geenit, joista jotkut ovat ominaisia ​​hermoston toimintaan. Täydennämme havainnot ehdottamalla molekyylimekanismeihin fenotyyppisen vaikutuksen mutaatioista.

Vaiheessa 1 kartoitimme 695 missensemutaatioita 598 ihmisen geenejä proteiinisekvenssien. Myöhemmin kysely proteiinisekvenssien linjattu homologisia, kokeellisesti määritetty rakenteellisia komplekseja (vaihe 2), jotta voimme päätellä kysely erityisiä vuorovaikutus muiden proteiinien, nukleiinihappojen ja ionit (vaihe 3). Sillä proteiini-proteiini vuorovaikutusten, kartoitimme vuorovaikutus kumppaneita niiden vastaavia ihmisen proteiineja (vaihe 4a), jotta voimme löytää 160 proteiini vuorovaikutukset 150 geenien mutaatioita, jotka vaikuttavat niiden vuorovaikutusta rajapintoja. Vaiheessa 4b, vertasimme rakenteet häiriöttömät villityypin proteiinin ja mutatoidun proteiinin suorittamalla energian minimointi laskelmia ja määritetään sitoutuminen energian eroja.

Tulokset ja keskustelu

Syöpä Mutaatiot saattavat vaikuttaa fosforylaatiopaikat

Monet proteiinit, jotka on tärkeä rooli syövän voi myös osallistua signalointireittien, tyypillisesti välittäjänä signaaleja fosforylaatiotapahtumien. Aiemmin somaattiset syöpä mutaatioiden osoitettiin aiheutua voitto tai tappio fosforylaatiopaikat [29]. Siksi me arveltu, että glioblastoma mutaatiot voivat myös vaikuttaa fosforylaatiopaikkaa, mahdollisesti häiritsevät virtausta signaaleja menetys sivustoja. Keräsimme 2825 fosforylaatio sivustoja PhosphoSitePlus [30], Phospho.ELM [31] ja PHOSIDA [32] tietokantoihin, jotka edelleen todentaa GPS ohjelmisto [33]. Vaikka 94 mutaatio sivustoja Ser /Thr /Tyr jäämiä saattaa olla potentiaalisesti fosforyloitu, huomasimme, että 6 ulos 94 sivustoja merkittävästi päällekkäin fosforylaatiopaikat (Fisherin tarkka testi p-arvo = 0,028, taulukko S1 File S1). Todellakin, fosforylaatio voi liittyä muutoksia paikallinen sivusto ympäristössä tai globaali rakenne, johtavat proteiinin aktivoitumisen tai inaktivoitumisen sekä porrastaa vahvuus proteiinin tai DNA: n vuorovaikutuksesta [34]. Siksi muunnokselta fosforylaatiokohdan voi johtaa menetykseen näiden merkittäviä toiminnallisia ominaisuuksia, josta esimerkkinä on menetys fosforylaatiokohdan Ser 313 P53, joka säätelee DNA: han sitoutumisen.

vaikutus Glioblastoma Mutaatiot proteiineihin sitoutumiseen

integroitu mutatoitunut geenien rakenteellisesti johdettua proteiinia vuorovaikutusverkosto ja arvioitu vaikutus näiden mutaatioiden tällaiseen verkkoon. Tarkemmin rakensimme mutantti rakenteellisia malleja (katso menetelmät) ja laskettiin erot sitovia energialähteet jotka johtuivat vastaavalla aminohapposubstituutioita. Olemme löytäneet negatiivinen keskimääräinen sitovan energian eroa

ΔΔΔG

= -2,54 kcal /mol, mikä osoittaa yleisen epävakautta Mutaatioiden proteiini-proteiini-komplekseja glioblastoomat (kuvio 2A, taulukko 1). Lisäksi sähköstaattinen komponentti sitovien energia siirtyi kohti negatiivisia lukuja verrataan nollaan (p-arvo = 0,007) ja verrattuna van-der-Waalsin komponentti (p-arvo = 0,0013). Samaan aikaan van-der-Waalsin komponentti itse ei näytä yleistä ke- tai yli-vakauttava vaikutus. Vaikka useita sovelluksia on kehitetty ennustamaan vaikutus mutaatioiden proteiinien vakauteen, Vertasimme tuloksia FoldX, jotta voimme tarkkailla merkittävä, vaikka ei ole kovin korkea, korrelaatio

ΔΔΔG

arvot molemmat lähestymistavat ( Kuva S1B File S1, Pearsonin r

P = 0,4 ÷ 0,77, p-arvo 0,01). Nämä erot voivat johtua siitä, että FoldX käyttää empiirinen potentiaali kalibroitu joukko kokeellisia muutoksia piirtyy energian läsnäollessa mutaatioita. Lisäksi FoldX ei nimenomaisesti koulutettu tautimutaatiot ja sitovia energia muuttuu ja ei selitä mutaation aiheuttama konformaatiomuutoksia proteiinin selkäranka.

(A) jakelu sitovan energian eron mutatoitumisen sähköstaattiseen ja Vantaan der-Waalsin komponentteja. Sähköstaattinen komponentti sitovan energian merkittävästi siirtynyt kohti negatiiviset arvot verrattuna van-der-Waalsin komponentti (p-arvo = 1,3 × 10

-3) (B) jaettavat fysikaalis-kemiallisten etäisyydet aminohappoja, jotka vastaavat glioblastooma mutaatiot on proteiini-proteiini rajapinnat ja ei-liitäntä alueilla. Jakaumat tarkoitettua aminohapposubstituutioihin proteiini-proteiini rajapinnat oli merkittävästi suurempi etäisyydet verrattuna ei-rajapinnan alueita (p-arvo = 0,011).

Yleisesti substituutiot aminohappoja, jotka on samankaltaisia ​​fysikaalis-kemialliset ominaisuudet, ei ehkä ole merkittävästi muuttaa stabiilisuutta yhden proteiinin tai kompleksin. Laskimme fysikaalis-kemialliset etäisyydet villikannan ja substituoituja tähteitä ja vertasi sitä sitovan energian merkitys kaikille proteiini kompleksit ja niiden malleja (katso menetelmät). Fysikaalis-kemialliset etäisyys määriteltiin euklidisen etäisyyden käyttämällä kymmentä eri fysikaalis-kemiallisten ominaisuuksien aminohappojen [28]. Kuten sen vastaavan

ΔΔΔG

, vaikutus vaihdot oli tilastollisesti merkitsevästi korreloi fysikaalis-kemialliset etäisyys (Kuva S1B File S1, Pearson r

P = -0,50, p-arvo = 0,015) . Erityisesti suuret etäisyydet vastasi suuri negatiivinen

ΔΔΔG

ja

päinvastoin

, mikä viittaa siihen, että aminohapposubstituointeja hyvin erilaiset ominaisuudet ovat yleensä epävakautta. Puolestaan ​​pienet muutokset aminohappo- ominaisuuksia voi lisätä vakauttamiseen komplekseja. Kaikki tietoja fysikaalis-kemialliset etäisyydet ja vaikutukset sitovia energia ovat saatavilla ftp://ftp.ncbi.nih.gov/pub/panch/GBM/.

Nämä tulokset myös sai meidät arvioida mahdollisten amplitudi vaikutus mutaatioiden vaikka rakenteet tai mallit olivat käytettävissä. Siksi laskimme fysikaalis-kemialliset etäisyydet kaikkiin 695 mutaatioita 598 geeneistä. Havaitsimme, että jakaumia fysikaalis-kemialliset etäisyydet tarkoitettua aminohapposubstituutioihin kaikenlaisten rajapintoja, ja proteiini-proteiini rajapintoja erityisesti, oli merkittävästi suurempi etäisyydet verrattuna ei-liitäntä alueilla (kuvio 2B, p-arvo = 0,011, Wilcoxonin testata). Esimerkiksi havaitsimme, että ensimmäinen huippu kuviossa 2B noin 0,5 lähinnä tarkoitettu vaihdot alifaattisista tähteiden toisiinsa tai alifaattiset osaksi polaariset tähteet kanssa Valmet Met on yleisin. Substituutiot arginiini ja kysteiinin olivat yleisimpiä, oli fysikaalis-kemialliset etäisyyksillä noin 1 ÷ 1,5 ja vastasi toinen piikki jakauman kuvassa 2B. Lisäksi olemme havainneet, että mutaatiot vaikuttavat usein arginiini sitovista rajapintoja. Arginiini on ainutlaatuisia sitoutumisominaisuuksia peräisin voimakas vakauttaminen sen protonoitu muoto, koska sen korkea pKa. Lisäksi Arg muodostaa suola siltoja, voimakasta kationinvaihtohartsia-π vuorovaikutusta ja rikastuu sitova kriisipesäkkeisiin [35], [36], [37].

Interface Analysis täydennykset Machine-oppimisen menetelmät ja Auttaa Decipher Molecular Mechanisms

Useat kone-oppimisen menetelmiä viime aikoina kehitetty ennustamaan fenotyyppisen vaikutuksen tautimutaatiot proteiineihin ja onnistuneesti käytetty monogeeninen sairauksiin [5], [6]. Useimmat näistä menetelmistä käyttää evoluution säilyttäminen, jäännös mutability ja pääsee pinta pääasialliseksi ennakoivaa ominaisuuksia. Me ennusti vaikutus 581 glioblastoma mutaatioiden avulla PolyPhen2, suorittaa melko hyvin verrattuna muihin ennustus menetelmiä [38]. Tuloksemme osoittivat, että PolyPhen ennusti 69% kaikista mutaatioista rajapintoihin kuin ”todennäköisesti vahingollista” (taulukko S2 File S1, taulukot ftp://ftp.ncbi.nih.gov/pub/panch/GBM/). Tällainen sopimus on huomionarvoista, sillä meidän protokollaa ole koulutettu tiedossa olevaan tautimutaatiot samalla menetelmiä kuten PolyPhen älä käyttöliittymä ominaisuuksia heidän koulutukseen. Kiinnostavaa kyllä, löysimme myös rajallinen, mutta silti merkittävä korrelaatio suurin itseisarvo energinen vaikutus mutaatioiden proteiineihin sitoutumiseen

ΔΔΔG

(saatuna lähestymistapamme) ja vastaava PolyPhen2 pisteet (Spearmanin, r

S = 0,5, p-arvo = 0,03). Koska 23% kaikista mutaatioista, jotka PolyPhen ennustettu ”luultavasti vahingollista” sijaitsivat rajapintoja, lähestymistapamme voi ehdottaa mahdollinen mekanismi niiden vaurioittavan vaikutuksen kautta ne vaikuttavat proteiinien vuorovaikutusta.

Kuten aiemmin mainittiin, monet koneoppimisen menetelmiä vaikutusten arvioimiseksi mutaatioiden virheellisesti ennustaa ”hyvänlaatuinen” vaikutus, kun mutaatio tapahtuu evolutionistisesti ei-säilyneitä asemassa tai on liuottimelle [9]. Silti, kun proteiini-kompleksi muodostuu, on mutaatio, joka oli aiemmin liuotin saatavilla monomeerin (ja mahdollisesti ei-konservoituneita) voidaan haudata sitovaan käyttöliittymä ja erittäin vahingollisia proteiini-vuorovaikutuksia. Osoitamme, että 18% käyttöliittymän mutaatiota ennustivat Polyphen2 kuin ”hyvänlaatuinen”; analysoimme niiden mahdollinen kuljettaja vaikutusta ja vaikutusmekanismi seuraavassa kahteen osaan. Siksi tarvetta kehittää lähestymistapoja, jotka täydentävät koneoppimisen menetelmiä yksityiskohtaisempia biofysikaalisiin analyysejä on ilmeinen ja sen pitäisi koskea tulevissa haasteissa.

mekanismit vaikutukset mutaatioiden Protein-proteiinin vuorovaikutukset

täällä analysoimme vaikutusta mutaatioiden proteiini-proteiini kompleksit ja ehdottaa taustalla olevien mekanismien, jotka sisältävät inaktivoitumisen villityypin entsyymiaktiivisuus, horjuttaa toimiva multimeerisen monimutkainen ja muuttaminen proteiinin kiertonopeus. Kaikki analysoitiin mutaatiot ennustettiin olevan hyvänlaatuinen mennessä PolyPhen2. Ensimmäisessä tapauksessa edustaa

IDH1

R132H mutaatio mahdollisesti inaktivoimalla villityypin muuntaminen isositraatin a-ketoglutaraattia (α-KG) ja /tai johtaa neo-entsymaattista aktiivisuutta ja tuotantoa D-2-hydroxyglutarate [ ,,,0],39]. Koska

IDH1

mutaatiot Heterotsygoottisesti ensin analysoineet heterodimeeri, joka sisältää yhden mutatoitunut ja yhden villityypin ketju. Tarkemmin, huomasimme, että heterodimeerejä aktiivisessa tilassa

IDH1

(ATE koodi 1T09) on huomattavasti stabiloitiin 8,6 kcal /mol. Lisäksi teimme laskelmat kaksinkertainen mutantti, jossa molempien ketjujen sisälsi R132H mutaation, ja osoitti, että sen aktiivinen dimeeri stabiloi edelleen 11,3 kcal /mol. Tuloksemme ovat yhdenmukaisia ​​entisiä tutkimusten mukaan

IDH1

heterodimeerejä ovat vakaa huomattavasti alennettu isositraattidehydrogenaasin aktiviteettia R132H: R132H homodimeerejä olivat lähes täysin inaktiivisia [40]. Mukaisesti muiden kokeellisissa tutkimuksissa, ehdotamme, että tällainen aktiivinen dimeeri yli vakauttamista voisi estää konformationaaliseen osuustoimintaliikkeitä dimeerin alayksiköiden muodostamiseen tarvitaan aktiiviseen tilaan [41].

Neuroligins (NLS) ovat transmembraaniproteiineja annetun postsynaptisiin solun pinnan ja toimivat reseptorit neurexins jotka ovat synaptic soluadheesiota proteiineja presynaptic solun pinnalla. Koska muodostumista oikea synapsien on ratkaisevaa normaalia aivotoimintaa tutkimme mallin neuroligin2 (

NLGN2

), joka perustuu neuroligin-1 /neurexin-1 beta kompleksi [42] (ATE koodi 3BIW, 75% identiteetti välillä

NLGN2

ja rakenteellista mallia). Aikaisemmin määritettiin, että synaptogenic toimintaa voimakkaasti riippuvainen muodostumista vakaa neuroligin-1 multimeerien [43]. Havaitsimme, että glioblastoma mutaatio E577K sijaitsi dimeeri liitäntä kahden neuroligin monomeerien ja osaltaan horjuttaa tätä dimeeristä 1,2 kcal /mol [43].

Kolmas esimerkki edustaa Rad52 niillä on keskeinen tehtävä DNA kaksoisnauhalle tauon korjaus. Tämä proteiini on ominaista erittäin nopea vaihtuvuus, joka on tiukasti säädeltyä solussa. Tarkemmin, havaitsimme, että mutaatio R46K sijaitsi Multimeerisen käyttöliittymän mallissa RAD52 N-terminaalinen puoli proteiinin (ATE koodi 1KN0) ja huomattavasti yli-stabiloitua kunkin dimeerin undecameric monimutkainen 9 kcal /mol. Tällainen tulos voisi luulla, että tämä mutaatio saattaa vaikuttaa merkittävästi Rad52 vaihtuvuus. Itse asiassa se oli aiemmin osoittaneet, että jotkin mutantit pidentää puoliintumisaika Rad52 ja dysregulate niiden liikevaihto solussa [44].

mekanismit vaikutukset mutaatioiden Protein-nukleiinihappo ja Proteiini-ioni liitännät

Muut kuin proteiini-proteiini vuorovaikutusten, syöpä mutaatiot voivat vaikuttaa muun tyyppisiä proteiinivuorovaikutussuhteiden samoin. Kaikkiaan löydettiin 16 ja 13 mutaatioiden kartoitetaan proteiini-ioni ja proteiini-nukleiinihappoa sitova rajapintoja, vastaavasti. Taulukossa 1 esitetään edustavia esimerkkejä sijaitsevien mutaatioita sitova rajapinnat ja luettelot ehdokkaita syövän biomarkkereita. Kuten taulukossa 1, mutaatiot viisi geeniä, jotka vastaavat proteiinin DNA: ta tai proteiini-ioni-vuorovaikutuksia (

BCL11A, ZIK1, ZNF497, ZNF339

, ja

TP53

) sijaitsevat C2H2- kirjoita sinkkisormipolypeptidiin motiiveja. Sinkin ioni on välttämätön vakauttaminen paikallisen rakenteen tarvitaan DNA: ta sitova. Häiriöitä Zn-ionin yhteensovittaminen voi mahdollisesti johtaa vapauttamisen vastaavat proteiinit. Erityisesti löysimme C62Y substituutio LIM homeobox transkriptiotekijä 1 alfa (

LMX1A

), tärkeä tekijä kehittämiseen hermoston. Tämä transkriptiotekijä satamat kaksi LIM sinkkiä sitovaa domeenia, ja C62Y substituutio tapahtuu yhden sinkkiä sitovan kysteiinitähteiden rakenteessa sen homologin LMO-2 ja johtaa laski Zn sitovia 3,2 kcal /mol (ks taulukot fTP) (kuvio 3A). Todellakin, tuore tutkimus ehdotti, että

LMX1A

voisi olla kasvain ehkäisevästä asema ja voidaan kohdistaa terapeuttista väliintuloa ihmisen [45].

Jäännökset klo mutatoitunut sivustoja homologisten proteiinien näkyvät punaisina (villityypin) ja sinisen (mutantti) kiinni malleja. (A) Sinkki sitova motiivi LMO-2, homologinen proteiini

LMX1A

(ATE: 2XJY A-ketju, sekvenssi-identtisyys 35%). Sinkki-ioni on esitetty tummansininen alalla. Sinkki sitovat tähteet näkyvät keltaisina tikku malleissa. (B) DNA-sitoutumiskohdan

Pax-6

, homologin

Pax-9

(ATE: 6pax A-ketju, sekvenssi-identtisyys: 74%). (C)

MAPK10

, homologi

MAPK9

, jossa Mg-ANP (ATP analoginen) (ATE: 1JNK ketju A, identtisyys: 85%). Mg-ionit näkyvät vihreä palloja ja ANP näytetään käyttäen valkoinen pallo edustus.

Pax proteiini

PAX9

on toinen esimerkki peräisin transkriptiotekijä Pax perhe, joka säätelee lauseke kohdegeenien mukana leviämisen, kantasolujen itseuudistumisen, resistenssin apoptoosia ja solujen vaeltamiseen.

PAX9

ilmentyminen liittyy suotuisa kehitys useissa syövissä, vaikka sen rooli kasvainten synnyssä ei ole hyvin ymmärretty [46]. Olemme tutkineet vaihdosta R26W jonka mukaan kiderakenne sen homologin

PAX6

(75% identtinen

PAX9

), suoraan vuorovaikutuksessa DNA-molekyylin [47] (kuvio 3B). Vaikka korvaaminen tryptofaania voi olla melko voimakkaita vaikutuksia verkostojen ylläpitoa sähköstaattisten vuorovaikutusten välillä arginiinia ja DNA fosfaatit, emme löytäneet huomattavia eroja proteiinia DNA: ta sitovan affiniteetin (

ΔΔΔG

= -0.05 kcal /mol) vaikka mutaatio horjuttaa yleistä kompleksin 2,15 kcal /mol.

Syöpä mutaatiot voivat myös vaikuttaa suoraan entsyymiaktiivisuus. Mukana olo proliferaatiota, erilaistumista ja apoptoosia kulkuväylillä mitogeeniaktivoidut proteiinikinaasi 9 (

MAPK9

) estää ubikinaa- kasvaimen p53 johtaa kasvua vaimennin vakautta. Vastaavia muita fosfaatin siirtämistä entsyymejä,

MAPK9

käyttää magnesiumia kofaktorina fosforylaatio. Tutkimme G35R substituution

MAPK9

ja arveltu, että se voisi häiritä sen kasvaimia estävä ominaisuuksia. Kiderakenne sen homologin

MAPK10

(85%: n sekvenssi-identtisyys MAPK9) osoittaa, että Gly35 sijaitsee reunalla ATP: n sitoutuminen tasku ja osallistuu ATP: n sitovan silmukan [48]. Mukaan FoldX laskelmien korvaaminen glysiinillä osaksi positiivisesti varautuneita arginiini vaarantaa magnesium kationin sitoutumisen 1,38 kcal /mol, tukemalla vapauttaminen

MAPK9

kinaasiaktiivisuutta ja syöpäsolun kehitystä (kuvio 3C).

ominaisuudet mutatoidut Interaction Network

Topological verkko analyysi on helpompi tulkita -yhteisvaikutustutkimukset ja voivat sallia päättely solutoiminnoille niistä taustalla olevista proteiineista [49]. Kartoittamalla mutaatioiden ja vastaavien substituutioiden proteiini-proteiini rajapintoja käyttämällä IBIS rakenteellista päättely lähestymistapa [50], [51], tunnistimme 160 proteiini-proteiini vuorovaikutusten välillä 150 proteiinien mutaatioita, jotka sijaitsevat suoraan sitovaa rajapintoja ( ”mutantti vuorovaikutusta”, MI). Lisäksi olemme upotettu nämä vuorovaikutukset raina 4073 välisen vuorovaikutuksen 2928 ihmisen proteiineja, jossa jokainen vuorovaikutus saatiin korkean suoritustehon menetelmiä sekä vahvistanut IBIS rakenteellista päättely lähestymistapaa. Tällaisessa ”vahvistettu vuorovaikutusverkosto” Pidimme vuorovaikutuksia että mukana proteiinia, jossa on mutaatio missä tahansa proteiini, jonka avulla voimme kerätä 444 ”kaikki mutantti vuorovaikutukset” (AI). Siksi joukko MI vuorovaikutusten on osajoukko AI asetettu. Määrittämään roolia, ”MI” ja ”AI” vuorovaikutuksilla suuressa ihmisen vuorovaikutusverkosto määritimme topologinen ominaisuudet tällaisten vaikuttaa vuorovaikutuksen verkkoja. Vaikka havaitsimme, että vahvistettu vuorovaikutusverkosto taukoja moniin kytketty komponentteja, suoritimme meidän topologinen tutkimuksia suurin liitetyn komponentin 1960 vuorovaikutusten (kuvio 4A).

(A) Kartoittamalla kaikki rakenteellisesti johdettua vuorovaikutuksia, jotka kärsivät mutaation niiden rajapintoja ihmisen vuorovaikutusverkosto (MI) saimme suurimman osan kaappaaminen 1960 vuorovaikutusta. Lisäksi me osoitti kaikki vuorovaikutukset, jotka liittyvät mutatoitua proteiinia (AI). (B) laskeminen reuna klusterointi MI ja AI vuorovaikutus suurimman osan, havaitsimme, että vuorovaikutukset vaikuttavat mutaatio yleensä taipumus esiintyä harvemmalla ryhmittyneet alueilla. Verrattuna muu vuorovaikutus, niin erot olivat suuria sekä MI ja AI vuorovaikutusta (p-arvo = 5 × 10

-8, Wilcoxonin testi). Vertaamalla MI ja AI vuorovaikutuksia, havaitsimme merkittävää muutosta MI vuorovaikutusten kohti alhaisempia klusterointia (p-arvo = 0,01). Vuonna inset, päätimme reuna betweenness MI ja AI vuorovaikutusten mittana niiden keskeisyyden verkossa. Verrattuna muu vuorovaikutus, huomasimme, että erot molempien vuorovaikutusten vaikuttavat mutaatiot olivat tilastollisesti merkitseviä (p-arvo = 5 × 10

-3). Lisäksi MI osoitti huomattavasti pienempi betweenness kuin AI vuorovaikutukset (p-arvo = 0,01).

mittana klusterointi noin tietyn vuorovaikutus, määrittelimme reuna klusterointi kerroin [52]. Olettaen, että MI vuorovaikutusta on kriittinen rooli virtauksen biologisen tiedon vuorovaikutusverkosto, me arveltu, että tällaisia ​​vuorovaikutuksia ei voida välttämättä ryhmittyneet mutta yleensä silta klusteroituja alueille. Todellakin, havaitsimme, että MI ja AI vuorovaikutukset yleensä taipumus sijoittaa vähemmän ryhmitelty alueilla verrattuna jäljellä ennallaan vuorovaikutusta kuvassa 4B (Wilcoxonin testi, p-arvo = 5 × 10

-8). Erityisesti olemme myös havaittu merkittävä muutos alentaa klusterointi MI vuorovaikutusten verrattuna AI vuorovaikutusta (p-arvo = 0,01). Mitta vuorovaikutuksen n keskeistä verkossa on sen reuna betweenness keskeisyyden. Erityisesti reuna betweenness keskeisyyden määrittää määrä lyhimmän polkuja tietyn reuna, siis vastaa mahdollisia ”pullonkauloja”. Vuonna upotettavat Kuvion 4B, osoitamme, että vuorovaikutukset proteiinien kanssa mutaatioiden sitovista rajapinnat (MI) oli merkitsevästi korkeampi betweenness keskeisyyden kuin yhteisvaikutukset ei-mutanttien proteiinit (p-arvo = 0,005). Olemme myös havainneet, että tällaista vuorovaikutusta oli merkittävästi korkeammat betweenness kuin vuorovaikutukset mutantti proteiinien jossa mutaatio ei välttämättä vaikuta sitovan rajapinnan (AI) (p-arvo = 0,01).

Johtopäätökset

Useat tutkimukset ovat osoittaneet, että aminohapot, joiden mutaatiot saattavat olla hyvin tärkeä rooli aiheuttaa eri sairauksia. Kuitenkin syy variantit ja fenotyyppivaikutukset näistä mutaatioista on hyvin vaikea ennustaa, varsinkin polygeenisiä sairauksiin [53]. Vaikka mutaatiot monogeeninen sairauksien ehkä mieluummin ydin proteiini [54], syöpään liittyvät mutaatiot näytteille aivan eri mallia. Erityisesti tällaiset mutaatiot ovat vähemmän todennäköisesti esiintyy proteiinin ytimen ja mieluummin sitovat liitännät [20], [23]. Kuitenkin missä määrin mutaatiot voivat vaikuttaa biomolekyylitason yhteisvaikutuksia vielä tunneta laajalti. Tämän tavoitteen mielessä käsittelimme molekyylitason mekanismi syöpää aiheuttavat vaikutukset glioblastooma mutaatioita. Varsinainen sijoittaminen syöpä mutaatioiden sitoviin rajapintoja pystyimme ositusta syöpään liittyvien vuorovaikutusten ja mahdollisten kuljettajan geenejä ja käsitellä tavoilla, mutaatiot voivat vaikuttaa sitovia ja taustalla olevan proteiinin vuorovaikutuksen verkkotopologian.

Ensimmäinen, olemme huomanneet, että yleinen missensemutaatioita oli merkittävästi horjuttaa vaikutus proteiini-proteiini vuorovaikutusten vaikka jotkut mutaatiot yli stabiloitua proteiinia komplekseja. Tämä vaikutus johtui lähinnä sähköstaattinen komponentti sitovien energia- ja tällaiset havainnot ovat yhdenmukaisia ​​aiemmissa tutkimuksissa keskitytään vaikutuksista OMIM mutaatioiden proteiinien kompleksit [22]. Todellakin, maksu täydentävyys voi määrittää spesifinen sitoutuminen, kun taas sen häiriöitä voi liittyä menetys erityistä vuorovaikutusta. Panos tietyn peritään parin aminohappojen sähköstaattinen komponentti sitovien energia riippuu tasapainosta kahden suuren termejä: desolvaatiota rangaistus ja sähköstaattisia pairwise vuorovaikutusta. Vaikka desolvation rangaistuksen ryhmän enimmäkseen riippuu sen nettovaraus, pareittain sähköstaattinen vuorovaikutus energia on myös herkkä geometria sivuketjujen. Edelliset tulokset osoittivat, että sähköstaattisia vuorovaikutuksia on proteiini-proteiini sitovia rajapinnat ovat lähes aina myönteinen [55]. Siksi aminohapposubstituutiot voivat aiheuttaa dramaattisia muutoksia suuruudesta suotuisan pairwise sähköstaattiset vuorovaikutukset, sillä on vain vähän vaikutusta desolvaation rangaistus [56].

Lisäksi laskimme muutokset fysikaalis-kemiallisten ominaisuuksien välillä villi