Informacije

Da li bi bilo više aminokiselinskih ostataka u ekstracelularnom ili međućelijskom prostoru?

Da li bi bilo više aminokiselinskih ostataka u ekstracelularnom ili međućelijskom prostoru?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Radim na projektu bioinformatike sa HMM i želim da napišem neke inicijacione verovatnoće za lokaciju aminokiselinskih ostataka. Znam da će za različite transmembranske proteine ​​biti različitih slučajeva, ali generalno, koji regioni proteina bi odgovarali više AA ostataka: intracelularni ili ekstracelularni? Ili ne postoji opšti obrazac?


Da, postoje neki obrasci. Prvo morate odrediti o kojoj skupini membranskih proteina govorite. Prema Molekularna biologija ćelije Lodish et al 8. izdanje, poglavlje 13, postoji 6 vrsta ER membranskih proteina (a samim tim i u ćelijskoj membrani)

6 tipova su tip 1, tip 2, tip 3, tip 4, protein usidreni repom, GPI usidreni proteini. Gotovo svi AA ostaci u tipu 3 ili tipu usidrenom repom nalaze se na citosolnoj strani membrane (njihova razlika je u orijentaciji njihovog N/C terminusa), dok GPI usidreni tip ima gotovo čitave AA ostatke na strani egzoplazma.

Za druge tipove možda neće postojati opći obrazac.

Vidi E. Hartmann et al., 1989, P. Natl. Akad. Sci. USA 86:5786, i C. A. Brown i S. D. Black, 1989, J. Biol. Chem. 264: 4442.

Uzgred, o tome možete razmišljati i na drugi način. Antigeni, hormonski receptori, struktalni proteini u egzoplazmatskom listu membrane obično imaju više AA na strani egzoplazme.


Ekstramembranozne regije u receptorima spojenim s G proteinom: Pepeljuga u biologiji receptora?

G protein-coupled receptors (GPCR) najveća su klasa membranskih proteina uključenih u transdukciju signala i karakterizira ih sedam transmembranskih domena arhitekture međusobno povezanih ekstra- i intracelularnim petljama. Ove petlje, zajedno sa N- i C-terminalnim domenima, čine ekstramembranozne regije u GPCR-ima. Ove regije, računajući

40% ili više aminokiselinskih ostataka u različitim klasama GPCR, razlikuju se od konzerviranih transmembranskih domena u smislu neočuvanja sekvence, raznolikosti u dužini i konformacijske heterogenosti. Zbog tehničkih izazova u istraživanju molekularne osnove na kojoj se temelji odnos između strukture, dinamike i funkcije u ovim regijama, njihov doprinos organizaciji i signalizaciji GPCR-a ostaje nedovoljno cijenjen. Uprkos postojećoj literaturi o učešću GPCR petlji u brojnim aspektima GPCR biologije, funkcionalna relevantnost GPCR petlji u kontekstu njihove inherentne konformacijske heterogenosti i vjerovatne membranske interakcije nije dobro shvaćena. Ovaj pregled se fokusira na isticanje ovih aspekata GPCR ekstramembranoznih regija u ukupnom kontekstu organizacije, dinamike i biologije GPCR-a. Zamišljamo da bi razumna kombinacija uvida dobijenih iz strukturiranih transmembranskih domena i poremećenih ekstramembranoznih regija u GPCR-ima bila ključna u postizanju sveobuhvatnog razumijevanja strukture, funkcije i dinamike GPCR-a, što bi dovelo do efikasnog otkrivanja lijekova.

Graphical Abstract

Ovo je pregled sadržaja pretplate, pristup preko vaše institucije.


Pozadina

"Omics" tehnologije brzo stvaraju velike količine podataka na različitim nivoima bioloških detalja. Osim toga, postoji brzo rastuća literatura i prateće baze podataka koje prikupljaju ove informacije. Ovo je dalo osnovu za sklapanje metaboličkih mreža na nivou genoma za različite mikrobne i eukariotske organizme [1–11]. Ove mrežne rekonstrukcije služe kao ručno kurirane baze znanja bioloških informacija, kao i matematičke reprezentacije biohemijskih komponenti i interakcija specifičnih za svaki organizam.

Rekonstrukcija mreže na nivou genoma je strukturirana kolekcija gena, proteina, biohemijskih reakcija i metabolita za koje je utvrđeno da postoje i djeluju unutar određenog organizma. Ova mreža se može pretvoriti u prediktivni model koji omogućava in silico simulacije dozvoljenih stanja mreže zasnovane na upravljanju fizičko-hemijskim i genetskim ograničenjima [12, 13]. Razvijen je i primijenjen širok raspon metoda zasnovanih na ograničenjima kako bi se analizirale metaboličke sposobnosti mreže u različitim okolišnim i genetskim uvjetima [13]. Ove metode su se intenzivno koristile za proučavanje metaboličkih mreža na nivou genoma i uspješno su predviđale, na primjer, optimalna metabolička stanja, smrtnost delecije gena i adaptivne evolucijske krajnje tačke [14–16]. Većina ovih aplikacija koristi metode zasnovane na optimizaciji kao što je analiza ravnoteže fluksa (FBA) za istraživanje metaboličkog prostora fluksa. Međutim, ponašanje metaboličkih mreža na nivou genoma također se može proučavati korištenjem nepristrasnih pristupa kao što je jednolično nasumično uzorkovanje distribucija fluksa u stabilnom stanju [17]. Umjesto da identifikuju jednu optimalnu distribuciju toka na osnovu datog kriterija optimizacije (npr. proizvodnja biomase), ove metode omogućavaju statističku analizu velikog raspona mogućih alternativnih rješenja protoka određenih ograničenjima nametnutim mreži. Metode uzorkovanja ranije su se koristile za proučavanje globalne organizacije E. coli metabolizam [18] kao i za identifikaciju stanja kandidata u mitohondrijama kardiomiocita [19].

Mrežne rekonstrukcije pružaju strukturirani okvir za sistematsku integraciju i analizu različitih skupova podataka uključujući transkriptomske, proteomske, metabolomske i fluksomske podatke. Metabolomski podaci su jedan od relevantnijih tipova podataka za ovu vrstu analize jer rekonstrukcije mreže definiraju biokemijske veze između metabolita, a nedavni napredak u analitičkim tehnologijama omogućio je sve obuhvatnija mjerenja nivoa unutarćelijskih i ekstracelularnih metabolita [20, 21]. Metabolom je skup metabolita prisutnih u datim fiziološkim uslovima u određeno vrijeme i vrhunac je fenotipa koji proizlazi iz različitih "uzvodnih" kontrolnih mehanizama metaboličkih procesa. Od posebnog interesa za ovu studiju su kvantitativni profili metabolita koje ćelije luče u ekstracelularno okruženje pod različitim uslovima. Nedavni napredak u profiliranju ekstracelularnog metaboloma (EM) omogućio je dobijanje pronicljivih bioloških informacija o staničnom metabolizmu bez ometanja same ćelije. Ove informacije se mogu dobiti kroz različite analitičke tehnike detekcije, identifikacije i kvantizacije za različite sisteme u rasponu od jednoćelijskih modelnih organizama do ljudskih biofluida [20–23].

Izlučivanje metabolita od strane ćelije odražava njeno unutrašnje metaboličko stanje, a njegov sastav varira u zavisnosti od genetskih ili eksperimentalnih poremećaja usled promena u aktivnostima intracelularnog puta uključenih u proizvodnju i korišćenje ekstracelularnih metabolita [21]. Varijacije u metaboličkim tokovima mogu se odraziti u EM promjenama koje mogu, zauzvrat, pružiti uvid u aktivnosti unutarćelijskog puta povezane sa sekrecijom metabolita. Ekstracelularni metabolomski pristup je već pokazao obećanje u raznim primjenama, uključujući hvatanje detaljnih varijacija biomarkera metabolita u vezi sa bolestima i stanjima izazvanim lijekovima i karakteriziranje genskih funkcija u kvascu [24-27]. Međutim, tumačenje promjena u ekstracelularnom metabolomu može biti izazovno zbog indirektne veze između proksimalnog uzroka promjene (npr. mutacije) i lučenja metabolita.

Budući da metaboličke mreže opisuju mehaničke, biohemijske veze između metabolita, integracija takvih podataka može omogućiti sistematski pristup identifikaciji izmijenjenih puteva povezanih s uočenim kvantitativnim promjenama u profilima sekrecije. Izmjerene stope sekrecije glavnih metabolita nusproizvoda mogu se primijeniti kao dodatna ograničenja toka razmjene koja definiraju uočeno metaboličko ponašanje. Na primjer, nedavna studija koja je integrirala male EM podatke s modelom kvasca na skali genoma ispravno je predvidjela potrošnju kisika i kapacitet proizvodnje etanola kod mutantnih sojeva s respiratornim nedostatkom [28]. Studija mutanta s respiratornim deficitom koristila je mjerenja visoke preciznosti za mali broj glavnih stopa lučenja nusproizvoda zajedno sa metodom zasnovanom na optimizaciji koja je dobro prilagođena za takve podatke. Ovdje širimo opseg primjene metode zasnovane na modelu korištene u [28] na profile ekstracelularnog metaboloma, koji predstavljaju vremenski snimak relativne zastupljenosti za veći broj izlučenih metabolita. Naš pristup je komplementaran statističkim (tj. "od vrha prema dolje") pristupima metabolome analize [29] i potencijalno se može koristiti u aplikacijama kao što je dijagnostika zasnovana na biofluidima ili opsežna karakterizacija sojeva mutanata koristeći profile metabolita.

U ovoj studiji implementirali smo pristup uzorkovanja zasnovan na ograničenjima na ažuriranoj mreži metabolizma kvasca na nivou genoma kako bismo sistematski odredili kako su varijacije nivoa EM povezane s globalnim promjenama u stanjima unutarćelijskog metaboličkog protoka. Korištenjem mrežnog pristupa zasnovanog na uzorkovanju i statističkih metoda (Slika 1), EM promjene su povezane sa sistemskim intracelularnim perturbacijama fluksa na nepristrasan način bez oslanjanja na definiranje jedinstvene optimalne distribucije fluksa kao što je korišteno u prethodno spomenutoj studiji [28]. Pretpostavljene smetnje u unutarstaničnim reakcijskim tokovima dalje su analizirane pomoću reporterskog metabolita i pristupa podsistema (tj. Metabolički put) [30] kako bi se identificirale dominantne metaboličke značajke koje su kolektivno poremećene (slika 2). Pristup zasnovan na uzorkovanju također ima dodatnu prednost što je manje osjetljiv na nepreciznosti u profilima lučenja metabolita od metoda zasnovanih na optimizaciji i stoga se lakše može koristiti u okruženjima kao što je analiza metaboloma biofluida.

Shema koja ilustrira integraciju egzometabolomičkih (EM) podataka sa okvirom zasnovanim na ograničenjima. (A) Ćelije su podvrgnute genetskim i/ili perturbacijama okoline kako bi izlučile obrasce metabolita jedinstvene za to stanje. (B) EM se detektuje, identifikuje i kvantificira. (C) EM podaci su integrirani kao potrebna ograničenja toka sekrecije kako bi se definirao dopušteni prostor rješenja. (D) Nasumično uzorkovanje prostora rastvora daje opseg izvodljivih distribucija fluksa za unutarćelijske reakcije. (E) Uzorkovani fluksi uspoređeni su sa uzorkovanim fluksima drugog stanja kako bi se utvrdilo koja su metabolička područja promijenjena između dva stanja (vidi sliku 2). (F) Identificirane su značajno izmijenjene metaboličke regije.

Šema analize uzorkovanja i bodovanja za određivanje promjena unutarćelijskog toka. (A) Reakcijski tokovi uzorkuju se za dva uvjeta. (B i C) Uzorak razlika u fluksu se izračunava odabirom nasumičnih vrijednosti fluksa iz svakog uslova kako bi se dobila distribucija razlika u fluksu za svaku reakciju. (D) Standardizirana reakcija Z-određeni su rezultati, koji predstavljaju koliko daleko uzorkovane razlike fluksa odstupaju od nulte promjene fluksa. Rezultati reakcije se mogu koristiti u vizualizaciji podmreža perturbacija i analizi reporterskih metabolita i podsistema.

Ova studija je podijeljena u dva dijela i opisuje: (i) rekonstrukciju i validaciju proširenog S. cerevisiae metabolička mreža, i MM904 i (ii) sistematsko zaključivanje intracelularnih metaboličkih stanja iz dva skupa EM podataka kvasca koristeći pristup uzorkovanja zasnovan na ograničenjima. Prvi skup EM podataka uspoređuje divlji tip kvasca sa kvascem gdh1/GDH2 (glutamat dehidrogenaza) soj [31], što je pokazalo dobro slaganje između predviđenih metaboličkih promjena nivoa unutarstaničnih metabolita i fluksa [31, 32]. Drugi skup podataka o EM -u fokusiran je na mjerenja izlučenih aminokiselina iz zasebnog istraživanja kvasca uzgojenog u različitim koncentracijama amonijaka i kalija [33]. Analizirali smo EM podatke kako bismo stekli daljnji uvid u poremećene procese asimilacije amonija, kao i metabolička stanja koja međusobno povezuju ograničenje kalija i uslove viška amonija. Analiza zasnovana na modelu oba odvojeno objavljena skupa podataka ekstracelularnog metaboloma sugerira odnos između metabolizma glutamata, treonina i folata, koji su zajedno poremećeni kada su procesi asimilacije amonija u velikoj mjeri poremećeni bilo zbog okolišnih (višak amonijaka) ili genetskih (brisanje/prekomerna ekspresija gena) poremećaja. . Ovdje navedene metode predstavljaju pristup tumačenju podataka o ekstracelularnom metabolomu i povezivanju ovih izmjerenih varijacija izlučenih metabolita s promjenama u stanicama metaboličke mreže unutar stanice.


Reference

van der Lee, R. et al. Klasifikacija intrinzično poremećenih regiona i proteina. Chem. Rev. 114, 6589–6631 (2014).

Mier, P. et al. Rastavljanje složenosti proteina niske složenosti. Brief. Bioinform. 21, 458–472 (2020).

Hannan, A. J. Tandem ponavlja posredovanje genetske plastičnosti u zdravlju i bolesti. Nat. Rev. Genet. 19, 286–298 (2018).

Darling, A. L. & Uversky, V. N. Intrinzični poremećaj u proteinima s patogenim ponovljenim ekspanzijama. Molekule 22, 2027 (2017).

MacDonald, M. E. et al. Novi gen koji sadrži trinukleotidni ponavljač koji je proširen i nestabilan na hromozomima Huntingtonove bolesti. Cell 72, 971–983 (1993).

Chavali, S. et al. Ograničenja i posljedice pojave ponavljanja aminokiselina u eukariotskim proteinima. Nat. Struktura. Mol. Biol. 24, 765–777 (2017). Sistematski istražujući više od 40 različitih skupova podataka na nivou genoma koji se odnose na biohemijske, molekularno-biološke, ćelijsko-biološke, genetičke i genomičke eksperimente, autori predstavljaju jednu od najvećih studija o homorepetama i pružaju uvid u njihovu ulogu u normalnoj fiziologiji, bolesti i evolucija.

Paulson, H. Bolesti ponovljene ekspanzije. Handb. Clin. Neurol. 147, 105–123 (2018).

Usdin, K. Biološki efekti jednostavnih tandemskih ponavljanja: lekcije iz bolesti ekspanzije ponavljanja. Genome Res. 18, 1011–1019 (2008).

Gemayel, R., Vinces, M. D., Legendre, M. & Verstrepen, K. J. Varijabilna tandemska ponavljanja ubrzavaju evoluciju kodiranja i regulatornih sekvenci. Annu. Rev. Genet. 44, 445–477 (2010).

Gatchel, J. R. & Zoghbi, H. Y. Bolesti nestabilne ekspanzije ponavljanja: mehanizmi i zajednički principi. Nat. Rev. Genet. 6, 743–755 (2005).

Freibaum, B. D. & Taylor, J. P. Uloga ponavljanja dipeptida u ALS-FTD vezanom za C9ORF72. Front. Mol. Neurosci. 10, 35 (2017).

Kajava, A. V. Tandem ponavljanja u proteinima: od sekvence do strukture. J. Struct. Biol. 179, 279–288 (2012).

Paladin, L. et al. RepeatsDB 2.0: poboljšano označavanje, klasifikacija, pretraga i vizualizacija ponovljenih proteinskih struktura. Nukleinske kiseline Res. 45, D308 – D312 (2017.).

Tompa, P., Davey, N. E., Gibson, T. J. & amp Babu, M. M. Milion peptidnih motiva za molekularnog biologa. Mol. Cell 55, 161–169 (2014).

Van Roey, K. et al. Kratki linearni motivi: sveprisutni i funkcionalno različiti moduli interakcije proteina koji usmjeravaju staničnu regulaciju. Chem. Rev. 114, 6733–6778 (2014).

Delucchi, M., Schaper, E., Sachenkova, O., Elofsson, A. & amp Anisimova, M. Novi popis ponavljanja proteina u tandemu i njihov odnos s unutarnjim poremećajem. Geni 11, 407 (2020).

Budworth, H. & amp McMurray, C. T. Kratka istorija bolesti ponovljenih trojki. Metode Mol. Biol. 1010, 3–17 (2013).

Inoue, K. & amp Keegstra, K. Poliglicinsko rastezanje je potrebno za pravilno ciljanje prekursora proteinskog kanala za translokaciju na vanjsku ovojnicu membrane hloroplasta. Biljka J. 34, 661–669 (2003).

Galant, R. & Carroll, S. B. Evolucija domene represije transkripcije u Hox proteinu insekata. Priroda 415, 910–913 (2002).

Stevens, K. E. & amp Mann, R. S. Ravnoteža između dvije nuklearne sekvence lokalizacije i nuklearne izvozne sekvence upravlja ekstracelularnom subćelijskom lokalizacijom. Genetika 175, 1625–1636 (2007).

Gerber, H. P. i sur. Aktivacija transkripcije modulirana homopolimernim glutaminom i prolinom. Nauka 263, 808–811 (1994).

Wolf, A. et al. Poliserinski domen lizil-5 hidroksilaze Jmjd6 posreduje u subnuklearnoj lokalizaciji. Biochem. J. 453, 357–370 (2013).

Alvarez, M., Estivill, X. & de la Luna, S. DYRK1A se akumulira u spajanju mrlja kroz novi signal ciljanja i inducira demontažu spekla. J. Cell Sci. 116, 3099–3107 (2003).

Salichs, E., Ledda, A., Mularoni, L., Alba, M. M. i amp de la Luna, S. Analiza ponavljanja histidina u cijelom genomu otkriva njihovu ulogu u lokalizaciji ljudskih proteina u odjeljku nuklearnih pjega. PLoS Genet. 5, e1000397 (2009).

Oma, Y., Kino, Y., Sasagawa, N. & Ishiura, S. Intracelularna lokalizacija proteina koji sadrže homopolimerne aminokiseline izražene u ćelijama sisara. J. Biol. Chem. 279, 21217–21222 (2004).

Jorda, J. & Kajava, A.V. Homorepeats proteina: sekvence, strukture, evolucija i funkcije. Adv. Protein Chem. Struktura. Biol. 79, 59–88 (2010).

Faux, N. G. et al. Funkcionalni uvid iz distribucije i uloge proteina koji sadrže homopeptide koji ponavljaju. Genome Res. 15, 537–551 (2005).

Marcotte, E. M., Pellegrini, M., Yeates, T. O. & Eisenberg, D. Popis ponavljanja proteina. J. Mol. Biol. 293, 151–160 (1999).

Golding, G. B. Jednostavna sekvenca obiluje eukariotskim proteinima. Protein Sci. 8, 1358–1361 (1999).

Alba, M. M. & Guigo, R. Komparativna analiza ponavljanja aminokiselina kod glodara i ljudi. Genome Res. 14, 549–554 (2004).

Mier, P., Alanis-Lobato, G. & Andrade-Navarro, M.A. Karakterizacija konteksta homorepeats aminokiselina korištenjem evolucije, položaja i reda. Proteini 85, 709–719 (2017).

Lobanov, M. Y., Sokolovskiy, I. V. & Galzitskaya, O. V. HRaP: baza podataka o pojavljivanju HomoRepeats i obrazaca u proteomima. Nukleinske kiseline Res. 42, D273–D278 (2014).

Lobanov, M. Y., Klus, P., Sokolovsky, I. V., Tartaglia, G. G. & Galzitskaya, O. V. Neslučajna distribucija homo-ponavljanja: veze s biološkim funkcijama i ljudskim bolestima. Sci. Rep. 6, 26941 (2016).

Schaefer, M. H., Wanker, E. E. & Andrade-Navarro, M. A. Evolucija i funkcija ponavljanja CAG/poliglutamina u mrežama interakcije protein-protein. Nukleinske kiseline Res. 40, 4273–4287 (2012).

Pelassa, I. & Fiumara, F. Diferencijalna pojava interakcija i interakcijskih domena u proteinima koji sadrže homopolimerne aminokiseline ponavljanja. Front. Genet. 6, 345 (2015).

Zarrinpar, A., Bhattacharyya, R. P. & Lim, W. A. ​​Struktura i funkcija domena za prepoznavanje prolina. Sci. STKE 2003, re8 (2003).

Chung, T. D., Wymer, J. P., Kulka, M., Smith, C. C. & Aurelian, L. Miristilacija i polilizinom posredovana aktivacija protein kinaze domene velike podjedinice herpes simplex virusa tip 2 ribonukleotid reduktaze (ICP10). Virology 179, 168–178 (1990).

Moreno, F. J., Lechuga, C. G., Collado, M., Benitez, M. J. & Jimenez, J. S. Agregacija supstrata izazvana polilizinom prati stimulaciju kazein kinaze II polilizinom. Biochem. J. 289, 631–635 (1993).

Fiumara, F., Fioriti, L., Kandel, E. R. & Hendrickson, W. A. ​​Bitna uloga namotanih zavojnica za agregaciju i aktivnost Q/N-bogatih priona i PolyQ proteina. Cell 143, 1121–1135 (2010).

Shin, Y. & amp Brangwynne, C. P. Kondenzacija tekuće faze u staničnoj fiziologiji i bolesti. Nauka 357, eaaf4382 (2017).

Spector, D. L. SnapShot: ćelijska tela. Cell 127, 1071 (2006).

Li, X. H., Chavali, P. L., Pancsa, R., Chavali, S. & Babu, M. M. Funkcija i regulacija fazno odvojenih bioloških kondenzata. Biohemija 57, 2452–2461 (2018).

Jain, S. i sur. ATPazom modulirane granule stresa sadrže raznolik proteom i podstrukturu. Cell 164, 487–498 (2016).

Bergeron-Sandoval, L. P., Safaee, N. & Michnick, S. W. Mehanizmi i posljedice odvajanja makromolekularne faze. Cell 165, 1067–1079 (2016). U ovoj perspektivi, autori raspravljaju o fizičkim principima fazno razdvojenih ćelijskih tijela i istražuju šta znače molekularni interaktomi u kontekstu fazno razdvojenih kapljica.

Decker, C. J., Teixeira, D. & Parker, R. Edc3p i glutamin/asparagin bogat domen Lsm4p funkcije u procesu sastavljanja tijela u Saccharomyces cerevisiae. J. Cell Biol. 179, 437–449 (2007).

Nott, T. J., Craggs, T. D. & Baldwin, A. J. Organele bez membrane mogu rastopiti duplekse nukleinske kiseline i djelovati kao biomolekularni filteri. Nat. Chem. 8, 569–575 (2016).

Hall, A. C., Ostrowski, L. A. & amp Mekhail, K. Odvajanje faza kao talište za ponavljanja DNK. Trendovi Genet. 35, 589–600 (2019).

Toretsky, J. A. i Wright, P. E. Sklopovi: funkcionalne jedinice formirane razdvajanjem stanične faze. J. Cell Biol. 206, 579–588 (2014).

Holehouse, A. S. & amp Pappu, R. V. Kolaps tranzicija proteina i interakcija između kičme, bočnog lanca i interakcija otapala. Annu. Rev. Biophys. 47, 19–39 (2018).

Brangwynne, C. P., Tompa, P. & amp Pappu, R. V. Fizika polimera unutarstaničnih faznih prijelaza. Nat. Phys. 11, 899–904 (2015).

Murthy, A. C. et al. Molekularne interakcije u osnovi razdvajanja faza tečnost-tečnost u domenu niske složenosti FUS. Nat. Struktura. Mol. Biol. 26, 637–648 (2019).

Ribeiro, S. S., Samanta, N., Ebbinghaus, S. & amp Marcos, J. C. Sinergijski učinak vode i biomolekula u unutarstaničnoj fazi razdvajanja. Nat. Rev. Chem. 3, 552–561 (2019).

Zaslavsky, B. Y. & Uversky, V. N. U aqua veritas: nezamjenjiva, ali uglavnom zanemarena uloga vode u razdvajanju faza i organela bez membrane. Biohemija 57, 2437–2451 (2018).

Zaslavsky, B. Y., Ferreira, L. A., Darling, A. L. & Uversky, V. N. Strana rastvarača organela bez proteinske membrane u svjetlu vodenih dvofaznih sistema. Int. J. Biol. Macromol. 117, 1224–1251 (2018).

Chakrabortee, S. et al. Intrinzično poremećeni proteini pokreću nastanak i nasljeđivanje bioloških osobina. Cell 167, 369–381.e12 (2016).

Schlissel, G., Krzyzanowski, M.K., Caudron, F., Barral, Y. & Rine, J. Agregacija proteina Whi3, a ne gubitak heterohromatina, uzrokuje sterilitet u starim stanicama kvasca. Nauka 355, 1184–1187 (2017).

Caudron, F. & amp Barral, Y. Super-sklop Whi3 kodira sjećanje na varljive susrete pojedinačnih ćelija tokom udvaranja kvasca. Cell 155, 1244–1257 (2013).

Caudron, F. & Barral, Y. Mnemons: kodiranje memorije super-sklopom proteina. Mikrob. Cell 1, 100–102 (2014).

Gutiérrez, J. I., Brittingham, G., Wang, X., Fenyö, D. & Holt, L. J. Najveći SWI/SNF domen poliglutamina je pH senzor. Preprint at bioRxiv https://doi.org/10.1101/165043 (2017).

Anan, K. et al. Morfološka promjena uzrokovana gubitkom polialaninskog trakta specifičnog za takson u Hoxd-13. Mol. Biol. Evol. 24, 281–287 (2007).

Kizawa, H. et al. Ponovljeni polimorfizam asparaginske kiseline u asporinu inhibira hondrogenezu i povećava osjetljivost na osteoartritis. Nat. Genet. 37, 138–144 (2005).

Lee, C., Occhipinti, P. & Gladfelter, A.S. PolyQ-ovisni RNA-proteinski sklopovi kontroliraju kršenje simetrije. J. Cell Biol. 208, 533–544 (2015).

Karlin, S., Chen, C., Gentles, A. J. & Cleary, M. Asocijacije između gena ljudskih bolesti i preklapajućih genskih grupa i višestrukih nizova aminokiselina. Proc. Natl Acad. Sci. SAD 99, 17008–17013 (2002).

Pelassa, I. et al. Dinamika spojeva i kombinatorni obrasci ponavljanja aminokiselina kodiraju sistem evolucijskih i razvojnih markera. Genome Biol. Evol. 11, 3159–3178 (2019).

Fondon, J. W. 3rd & Garner, H. R. Molekularno porijeklo brze i kontinuirane morfološke evolucije. Proc. Natl Acad. Sci. SAD 101, 18058–18063 (2004).

van der Lee, R. et al. Unutrašnje neuređeni segmenti utiču na poluživot proteina u ćeliji i tokom evolucije. Cell Rep. 8, 1832–1844 (2014).

Fishbain, S. et al. Kompozicija sekvenci poremećenih regiona fino podešava poluživot proteina. Nat. Struktura. Mol. Biol. 22, 214–221 (2015).

Gsponer, J. & Babu, M. M. Ćelijske strategije za regulaciju funkcionalne i nefunkcionalne agregacije proteina. Cell Rep. 2, 1425–1437 (2012).

Bhattacharyya, A. et al. Učinci oligoprolina na konformaciju i agregaciju poliglutamina. J. Mol. Biol. 355, 524–535 (2006).

Ruff, K.M., Khan, S.J. & Pappu, R.V. Krupnozrnati model za agregaciju poliglutamina moduliranu amfipatskim bočnim sekvencama. Biophys. J. 107, 1226–1235 (2014).

Jarosz, D. F. & amp Khurana, V. Specifikacija fizioloških i bolesnih stanja različitim proteinima i proteinskim konformacijama. Cell 171, 1001–1014 (2017). U ovom pregledu, autori istražuju ideju da konformacijski prekidači proteina mogu utjecati na normalan i abnormalan prijenos informacija kroz generacije. Oni također raspravljaju o konceptu konformacijskih 'alela' za proteine ​​u bolesti i normalnoj fiziologiji.

Tanaka, M., Chien, P., Naber, N., Cooke, R. & Weissman, J. S. Konformacijske varijacije u infektivnom proteinu određuju razlike prionskih sojeva. Priroda 428, 323–328 (2004).

Toyama, B. H., Kelly, M. J., Gross, J. D. & amp Weissman, J. S. Strukturne osnove varijanti prionskog soja kvasca. Priroda 449, 233–237 (2007).

Pearce, M. M. P. & Kopito, R. R. Prionske karakteristike proteina koji sadrže poliglutamin. Cold Spring Harb. Perspect. Med. 8, a024257 (2018).

Bäuerlein, F. J. B. et al. Arhitektura in situ i ćelijske interakcije PolyQ inkluzija. Cell 171, 179–187.e10 (2017). U ovoj studiji, autori izvještavaju o strukturi poliglutaminskih inkluzija u intaktnim neuronima koristeći krioelektronsku tomografiju. Izvještavaju da abnormalne interakcije između fibrila i endomembrana doprinose štetnim staničnim učincima agregacije poliglutamina.

Urbanek, A. i dr. Izotopsko označavanje specifičnog mjesta (SSIL): pristup strukturalnim i dinamičkim informacijama visoke rezolucije u proteinima niske složenosti. ChemBioChem 21, 769–775 (2019). U ovom konceptualnom radu autori raspravljaju o tome kako se izotopsko obilježavanje pojedinačnih aminokiselina homorepeat regija specifičnim za mjesto može iskoristiti kao strategija za dobijanje strukturnih informacija visoke rezolucije.

Lilliu, E. et al. Ponovljeni poliserini potiču stvaranje fibrila posredovanih namotajima i agregaciju proteina ovisnu o dužini. J. Struct. Biol. 204, 572–584 (2018).

Ohnishi, S., Kamikubo, H., Onitsuka, M., Kataoka, M. & Shortle, D. Konformacijska preferencija poliglicina u rastvoru do izdužene strukture. J. Am. Chem. Soc. 128, 16338–16344 (2006).

Wilhelm, P., Lewandowski, B., Trapp, N. & amp Wennemers, H. Najzad kristalna struktura oligoprolin PPII-spirale. J. Am. Chem. Soc. 136, 15829–15832 (2014).

Rath, A., Davidson, A. R. & Deber, C. M. Struktura “nestrukturiranih” regija u peptidima i proteinima: uloga heliksa poliprolina II u savijanju i prepoznavanju proteina. Biopolimeri 80, 179–185 (2005).

Smyth, E. et al. Struktura rastvora nativnih proteina sa nepravilnim borama optičke aktivnosti Ramana. Biopolimeri 58, 138–151 (2001).

Woody, R. W. Kružni dihroizam i konformacija neuređenih peptida. Adv. Biophys. Chem. 2, 37–79 (1992).

Radhakrishnan, A., Vitalis, A., Mao, A.H., Steffen, A.T. & Pappu, R.V. Poboljšane atomističke Monte Carlo simulacije pokazuju da poli-l-prolin usvaja heterogene ansamble konformacija polukrutih segmenata prekinutih pregibima. J. Phys. Chem. B 116, 6862–6871 (2012).

Escobedo, A. et al. Vodiničke veze bočnog lanca na glavni lanac stabiliziraju poliglutaminsku spiralu u faktoru transkripcije. Nat. Commun. 10, 2034 (2019). U ovom radu, autori daju detaljan uvid u nekovalentne veze koje stabilizuju spiralnu konformaciju poliglutaminskog ponavljajućeg regiona androgenog receptora. Također raspravljaju o tome kako stabilizacija spirale na povećanoj duljini može potaknuti agregaciju receptora androgena, pružajući molekularno objašnjenje zašto je abnormalno ponavljanje ekspanzije obrnuto povezano s transkripcijskom aktivnošću, prevalencijom raka prostate i povećanom sklonošću agregacije u spinalnoj i bulbarnoj mišićnoj atrofiji.

Leitgeb, B. et al. Proučavanje strukturnih svojstava peptida polialanina i poliglutamina. J. Mol. Model. 13, 1141–1150 (2007).

Esipova, N. G. i Tumanyan, V. G. Sveprisutnost heliksa poliprolina II u fibroznim i globularnim proteinima. Curr. Opin. Struktura. Biol. 42, 41–49 (2017).

Schuler, B., Lipman, E. A., Steinbach, P. J., Kumke, M. & Eaton, W. A. ​​Poliprolin i "spektroskopski lenjir" ponovo su pregledani sa fluorescencijom jedne molekule. Proc. Natl Acad. Sci. SAD 102, 2754–2759 (2005).

Best, R. B. i sar. Efekat fleksibilnosti i cis ostaci u jednomolekularnim FRET studijama poliprolina. Proc. Natl Acad. Sci. SAD 104, 18964–18969 (2007).

Urbanek, A. et al. Opća strategija za pristup strukturnim informacijama pri atomskoj rezoluciji u poliglutaminskim homorepetama. Angew. Chem. Int. Ed. 57, 3598–3601 (2018).

Pelassa, I. i sur. Asocijacija namotanih namotaja polialanina i poliglutamina posreduje u ekspanziji agregacije i disfunkcije povezane s bolestima. Hum. Mol. Genet. 23, 3402–3420 (2014).

Gallardo, R., Ranson, N. A. i Radford, S. E. Amiloidne strukture: mnogo više od pukog križnog β nabora. Curr. Opin. Struktura. Biol. 60, 7–16 (2020).

Iadanza, M. G., Jackson, M. P., Hewitt, E. W., Ranson, N. A. i Radford, S. E. Nova era za razumijevanje amiloidnih struktura i bolesti. Nat. Rev. Mol. Cell Biol. 19, 755–773 (2018).

Polling, S. et al. Ekspanzije polialanina pokreću pomak u α-helikalne klastere bez formiranja amiloidnih fibrila. Nat. Struktura. Mol. Biol. 22, 1008–1015 (2015).

Bravo-Arredondo, J. M. et al. Ravnoteža savijanja monomera Huntingtin eksona 1 ovisi o njegovom poliglutaminskom traktu. J. Biol. Chem. 293, 19613–19623 (2018).

Vijayvargia, R. i sur. Huntingtinova sferična solenoidna struktura omogućava modulaciju njegove strukture i funkcije ovisno o poliglutaminskom traktu. Elife 5, e11184 (2016).

Crick, S. L., Jayaraman, M., Frieden, C., Wetzel, R. & Pappu, R. V. Fluorescentna korelacijska spektroskopija pokazuje da monomerni molekuli poliglutamina formiraju kolabirane strukture u vodenim otopinama. Proc. Natl Acad. Sci. SAD 103, 16764–16769 (2006).

Tran, H.T., Mao, A. & Pappu, R.V. Uloga interakcije kičme i rastvarača u određivanju konformacionih ravnoteža intrinzično neuređenih proteina. J. Am. Chem. Soc. 130, 7380–7392 (2008).

Eftekharzadeh, B. et al. Kontekst sekvence utiče na strukturu i ponašanje agregacije PolyQ trakta. Biophys. J. 110, 2361–2366 (2016).

Baias, M. et al. Struktura i dinamika N-terminusa Huntingtin egzon-1: NMR perspektiva rješenja. J. Am. Chem. Soc. 139, 1168–1176 (2017). U ovom radu, autori predstavljaju strukturne uvide u to kako N-terminalna bočna regija (N17) Huntingtin eksona 1 može utjecati na konformaciju poliglutaminske regije na način ovisan o pH.

Totzeck, F., Andrade-Navarro, M.A. & Mier, P. Kontekst strukture proteina polyQ regiona. PLoS One 12, e0170801 (2017).

Jayaraman, M. et al. Kinetički konkurentni putevi agregacije Huntingtina kontroliraju polimorfizam i svojstva amiloida. Biohemija 51, 2706–2716 (2012).

Tam, S. et al. Šaperonin TRiC blokira element niza Huntingtin koji promovira konformacijski prelazak na agregaciju. Nat. Struktura. Mol. Biol. 16, 1279–1285 (2009).

de Chiara, C., Menon, R. P., Dal Piaz, F., Calder, L. & Pastore, A. Poliglutamin nije sve: funkcionalna uloga AXH domena u proteinu ataksin-1. J. Mol. Biol. 354, 883–893 (2005).

Ceccon, A. et al. Interakcija peptida Huntingtin exon-1 sa micelarnim nanočesticama na bazi lipida ispitane pomoću NMR rastvora i pulsnog EPR-a u Q-bandu. J. Am. Chem. Soc. 140, 6199–6202 (2018).

Tao, M., Pandey, N. K., Barnes, R., Han, S. & Langen, R. Struktura membranski vezanog Huntingtin eksona 1 otkriva membransku interakciju i mehanizme agregacije. Struktura 27, 1570–1580.e4 (2019).

Chiki, A. et al. Agregacija mutantnog exon1 huntingtin regulirana je strukturnim promjenama izazvanim T3 fosforilacijom i preslušavanjem između fosforilacije T3 i acetilacije na K6. Angew. Chem. Int. Ed. 56, 5202–5207 (2017).

Yalinca, H. et al. Uloga posttranslacionih modifikacija u energetskom pejzažu Huntingtin N-kraja. Front. Mol. Biosci. 6, 95 (2019).

Zhong, Q. et al. Edgetički perturbacijski modeli ljudskih nasljednih poremećaja. Mol. Syst. Biol. 5, 321 (2009).

Sahni, N. i dr. Široko rasprostranjene perturbacije makromolekularnih interakcija u ljudskim genetskim poremećajima. Cell 161, 647–660 (2015).

Sahni, N. i dr. Edgotip: osnovna veza između genotipa i fenotipa. Curr. Opin. Genet. Dev. 23, 649–657 (2013). U ovom pregledu, autori raspravljaju o mrežnim pristupima kako bi razumjeli zašto različite mutacije na istom proteinu mogu rezultirati različitim fenotipovima. Oni istražuju ideju da ove različite mutacije mogu poremetiti različite skupove interakcija posredovanih istim proteinom, narušavajući tako različite fenotipove..

Romero-Brey, I. Metode 3D elektronske mikroskopije (EM) i korelativne svjetlosne elektronske mikroskopije (CLEM) za proučavanje interakcija virus-domaćin. Metode Mol. Biol. 1836, 213–236 (2018).

Sigal, Y. M., Zhou, R. & Zhuang, X. Vizualizacija i otkrivanje ćelijskih struktura mikroskopom super rezolucije. Nauka 361, 880–887 (2018).

Matlahov, I. & van der Wel, P.C. Konformacijske studije patogenih ekspandiranih poliglutaminskih proteinskih naslaga iz Huntingtonove bolesti. Exp. Biol. Med. 244, 1584–1595 (2019).

Adegbuyiro, A., Sedighi, F., Pilkington, A.W. IV, Groover, S. & Legleiter, J. Proteini koji sadrže proširene poliglutaminske trakte i neurodegenerativne bolesti. Biohemija 56, 1199–1217 (2017).

Gruber, A. et al. Molekularna i strukturna arhitektura polyQ agregata u kvascu. Proc. Natl Acad. Sci. SAD 115, E3446–E3453 (2018).

Doherty, C. P. A. et al. Kratki motiv u N-terminalnoj regiji α-sinukleina kritičan je i za agregaciju i za funkciju. Nat. Struktura. Mol. Biol. 27, 249–259 (2020).

Olzscha, H. et al. Amiloidni agregati sekvestriraju brojne metastabilne proteine ​​sa bitnim staničnim funkcijama. Cell 144, 67–78 (2011).

Hosp, F. et al. Prostorno-vremensko proteomsko profiliranje inkluzija Huntingtonove bolesti otkriva rašireni gubitak funkcije proteina. Cell Rep. 21, 2291–2303 (2017).

Park, S. H. et al. PolyQ proteini ometaju nuklearnu degradaciju citosolnih proteina sekvestrirajući Sis1p šaperon. Cell 154, 134–145 (2013).

Basu, S. i sur. Razmješavanje transkripcijskih kondenzata u ljudskoj ponovljenoj ekspanzionoj bolesti. Cell 181, 1062–1079 (2020).

Persi, E. et al. Proteomski i genomski znakovi ponovljene nestabilnosti u karcinomu i susjednim normalnim tkivima. Proc. Natl Acad. Sci. SAD 116, 16987–16996 (2019). U ovom radu, autori analiziraju potpise nestabilnosti ponavljanja kod različitih karcinoma i predlažu evolucijski model dinamike ponavljanja u kanceru i normalnim tkivima. Konkretno, ističu da svojstva homorepeata sadrže dovoljno informacija za razlikovanje zdravih i tumorskih uzoraka.

Kolodziejczyk, A. A., Kim, J. K., Svensson, V., Marioni, J. C. & Teichmann, S. A. The technology and biology of single-cell RNA sequencing. Mol. Cell 58, 610–620 (2015).

Mout, R. et al. General strategy for direct cytosolic protein delivery preko protein–nanoparticle co-engineering. ACS Nano 11, 6416–6421 (2017).

Wang, H. H. & Tsourkas, A. Cytosolic delivery of inhibitory antibodies with cationic lipids. Proc. Natl Acad. Sci. SAD 116, 22132–22139 (2019).

Clift, D. et al. A method for the acute and rapid degradation of endogenous proteins. Cell 171, 1692–1706.e18 (2017).

Clift, D., So, C., McEwan, W. A., James, L. C. & Schuh, M. Acute and rapid degradation of endogenous proteins by Trim-Away. Nat. Protoc. 13, 2149–2175 (2018).

Stanton, B. Z., Chory, E. J. & Crabtree, G. R. Chemically induced proximity in biology and medicine. Nauka 359, eaao5902 (2018).

Burslem, G. M. & Crews, C. M. Proteolysis-targeting chimeras as therapeutics and tools for biological discovery. Cell 181, 102–114 (2020). In this Review, the authors discuss the proteolysis-targeting chimeras (PROTACs) technology, describe workflow for PROTACs development and compare PROTACs with other technologies, such as RNAi and genome editing.

Fischer, E. S., Park, E., Eck, M. J. & Thoma, N. H. SPLINTS: small-molecule protein ligand interface stabilizers. Curr. Opin. Struktura. Biol. 37, 115–122 (2016).

Sun, X. et al. A chemical approach for global protein knockdown from mice to non-human primates. Cell Discov. 5, 10 (2019).

Bussiere, D. E. et al. Structural basis of indisulam-mediated RBM39 recruitment to DCAF15 E3 ligase complex. Nat. Chem. Biol. 16, 15–23 (2020).

Bondeson, D. P. et al. Catalytic in vivo protein knockdown by small-molecule PROTACs. Nat. Chem. Biol. 11, 611–617 (2015).

Sievers, Q. L. et al. Defining the human C2H2 zinc finger degrome targeted by thalidomide analogs through CRBN. Nauka 362, eaat0572 (2018).

Winter, G. E. et al. Phthalimide conjugation as a strategy for in vivo target protein degradation. Nauka 348, 1376–1381 (2015).

Tomoshige, S., Nomura, S., Ohgane, K., Hashimoto, Y. & Ishikawa, M. Discovery of small molecules that induce the degradation of huntingtin. Angew. Chem. Int. Ed. 56, 11530–11533 (2017).

Li, Z. et al. Allele-selective lowering of mutant HTT protein by HTT-LC3 linker compounds. Priroda 575, 203–209 (2019).

Djajadikerta, A. et al. Autophagy induction as a therapeutic strategy for neurodegenerative diseases. J. Mol. Biol. 432, 2799–2821 (2020).

Jackrel, M. E. et al. Potentiated Hsp104 variants antagonize diverse proteotoxic misfolding events. Cell 156, 170–182 (2014).

Santarriaga, S. et al. The social amoeba Dictyostelium discoideum is highly resistant to polyglutamine aggregation. J. Biol. Chem. 290, 25571–25578 (2015).

Malinovska, L., Palm, S., Gibson, K., Verbavatz, J. M. & Alberti, S. Dictyostelium discoideum has a highly Q/N-rich proteome and shows an unusual resilience to protein aggregation. Proc. Natl Acad. Sci. SAD 112, E2620–E2629 (2015).

Santarriaga, S. et al. SRCP1 conveys resistance to polyglutamine aggregation. Mol. Cell 71, 216–228.e7 (2018).

Aravind, L., Iyer, L. M., Wellems, T. E. & Miller, L. H. Plasmodium biology: genomic gleanings. Cell 115, 771–785 (2003).

Nakamori, M. et al. A slipped-CAG DNA-binding small molecule induces trinucleotide-repeat contractions in vivo. Nat. Genet. 52, 146–159 (2020).

Erwin, G. S. et al. Synthetic transcription elongation factors license transcription across repressive chromatin. Nauka 358, 1617–1622 (2017).

Denison, C. & Kodadek, T. Small-molecule-based strategies for controlling gene expression. Chem. Biol. 5, R129–R145 (1998).

Ravarani, C. N. et al. High-throughput discovery of functional disordered regions: investigation of transactivation domains. Mol. Syst. Biol. 14, e8190 (2018).

Gemayel, R. et al. Variable glutamine-rich repeats modulate transcription factor activity. Mol. Cell 59, 615–627 (2015).

Roberts, S. et al. Injectable tissue integrating networks from recombinant polypeptides with tunable order. Nat. Mater. 17, 1154–1163 (2018).In this paper, the authors demonstrate that artificial proteins containing disordered homorepeat segments and ordered segments can respond to body heat by forming solid scaffolds and integrate into tissues over time.


Sensing, Signaling and Cell Adaptation

Peter F. Dubbelhuis , Alfred J. Meijer , in Cell and Molecular Response to Stress , 2002

2 Amino acids and p70S6 kinase activation

The existence of amino acid-dependent signaling was confirmed a few years later by several groups, although in most studies the degree of phosphorylation of p70S6 kinase, the enzyme responsible for S6 phosphorylation in the intact cell ( Dufner and Thomas, 1999 ), and its in vitro activity, were analyzed. p70S6 kinase is located downstream of mTOR and is presumably directly phosphorylated by mTOR ( Burnett et al., 1998 ).

Amino acid-dependent signaling appeared not to be unique for hepatocytes, and amino acid-induced, rapamycin-sensitive, p70S6 kinase phosphorylation was found in many insulinsensitive cell types, including muscle cells, adipocytes, hepatoma cells, CHO cells and pancreatic β-cells ( Hara et al., 1998 Wang et al., 1998 Fox et al., 1998 Patti et al., 1998 Kimball et al., 1998 Xu et al., 1998a ). The involvement of mTOR in the amino acid response was also supported by other experiments. Thus, in CHO-IR cells a rapamycin-resistant mutant of p70S6 kinase could be phosphorylated in the presence of insulin in a wortmannin-sensitive manner at Thr 412, critical for enzyme activity, irrespective of the presence of amino acids ( Hara et al., 1998 ). Conversely, in human rhabdomyosarcoma Rh30 cells harbouring a rapamycin-resistant mutant of mTOR, amino acids stimulated p70S6 kinase activity in a rapamycin-insensitive manner ( Iiboshi et al., 1999 ).

As in hepatocytes, amino acids and insulin also acted synergistically in other cell types ( Hara et al., 1998 Patti et al., 1998 Xu et al., 1998a Campbell et al., 1999 Tremblay and Marette, 2001 ) and among the various amino acids, leucine was the most effective ( Hara et al., 1998 Wang et al., 1998 Patti et al., 1998 Kimball et al., 1998 Xu et al., 1998a Shigemitsu et al., 1999b Lynch et al 2000 Xu et al., 2001 ). Insulin alone did not induce p70S6 kinase activation. In cases where it did stimulate on its own this could be ascribed to amino acids produced by autophagy ( Shigemitsu et al., 1999a ). The data also showed that leucine alone cannot completely mimic the effect of a mixture of all amino acids. It is likely, therefore, that other amino acids act in concert with leucine to elicit full activation of p70S6 kinase. A possible explanation is that amino acids which are transported together with Na + are concentrated against the concentration gradient. The ensuing increase in cell volume may then be responsible for a potentiation of the leucine effect, as discussed above for hepatocytes (see Introduction). This may also explain why glutamine is so potent in stimulating the effect of leucine in perfused liver ( Shah et al., 1999 ) because glutamine potently increases cell volume ( Baquet et al., 1990 ). Control experiments (not shown) carried out in our laboratory indicated that cell swelling does not affect plasma membrane leucine transport.


Do Chemokines Have a Role in the Pathophysiology of Depression?

Gaurav Singhal , Bernhard T. Baune , in Inflammation and Immunity in Depression , 2018

CX3C Chemokine in CNS

The only CX3C chemokine, that is, CX3CL1 (also known as fractalkine in humans and neurotactin in mice), is primarily found in neurons with its receptor CXCR1 expressed on microglia ( Stuart et al., 2015 ) and can be neuroinflammatory or neuroprotective ( Ferretti, Pistoia, & Corcione, 2014 ). It is extensively distributed in the hippocampal neurons and glial cells, as well as in the cerebral cortex, medulla, occipital pole, frontal lobe, temporal lobe, putamen, and spinal cord, where it primarily attracts monocytes and T lymphocytes and activates NK cells ( Jiang et al., 1998 Le et al., 2004 Meucci et al., 1998 Murdoch & Finn, 2000 Nishiyori et al., 1998 Ono et al., 2003 Raport, Schweickart, Eddy, Shows, & Gray, 1995 Stuart et al., 2015 ).

CX3CL chemokine has been reported to be upregulated in the CA1, CA3, and dentate gyrus of the rat hippocampus following spatial learning, apparently to regulate glutamate-mediated neurotransmission tone hence, CX3CL1 may have a role in the synaptic scaling ( Sheridan et al., 2014 ). In addition, CX3CL1 has been shown to promote microglial and astrocytic activation, pro-inflammatory cytokine secretion, expression of intracellular adhesion molecule (ICAM-1), and recruitment of CD4 + T cells into the CNS during neuroinflammatory diseases, such as MS and AD ( Blauth, Zhang, Chopra, Rogan, & Markovic-Plese, 2015 Sheridan & Murphy, 2013 ). Indeed, a positive correlation has been observed in the plasma levels of soluble CX3CL1 and progression of AD ( Kim et al., 2008 ). In mice models of EAE, CX3CL1 triggered the migration of lymphocytes into the CNS ( Mills, Alabanza, Mahamed, & Bynoe, 2012 ). However, it is the membrane-bound and not the soluble form of CX3CL1 that regulates microglial phagocytosis of Aβ and neuronal microtubule-associated protein tau (MAPT) phosphorylation ( Lee et al., 2014 ). Conversely, when accumulated, this may result in instability of microtubules, the consequent loss of effective transport of molecules and organelles, and ultimately neuronal death ( KoSIK, Joachim, & Selkoe, 1986 ).

Likewise, when CX3CR1 is deficit, this may affect downstream molecular cascades, such as that of microglia and subsequent release of pro-inflammatory cytokines ( Maten, Henck, Wieloch, & Ruscher, 2017 ). For example, CX3CR1 deficiency has been shown to result in microglial hyperactivity in lipopolysaccharide-induced neuroinflammation ( De Haas, Van Weering, De Jong, Boddeke, & Biber, 2007 ). On the contrary, few other studies reported that CX3CR1 deficiency in microglia enhances beneficial microglial activity, increases amyloid clearance, and prevents neuron loss in mice models of AD ( Fuhrmann et al., 2010 Harrison et al., 1998 Liu, Condello, Schain, Harb, & Grutzendler, 2010 ). Other disparate findings observed in mice models of CX3CR1 deficiency include increased neurotoxicity following peripheral lipopolysaccharide injections in the CX3CR1 KO mice ( Cardona et al., 2006 ) and decreased neurotoxicity with no harmful effects on microglia in mice models with focal cerebral ischemia ( Dénes, Ferenczi, Halász, Környei, & Kovács, 2008 ) and no neurotoxic effects at all in neuroinflammatory conditions other than AD in mice ( Jung et al., 2000 ). This evidence suggests that the mechanism of action of CX3CL1 and its receptor CX3CR1 is complex, and a clear understanding on their role in the CNS still needs to be developed.


Bioinformatics Exam #1

(3) You can find common ancestor using protein seqeunce from over 1 bilion years ago, whereas DNA sequences can only go back 600 million years ago.

BLOSUM62 & PAM120: Go to alignments

At some point two homologous proteins are too divergent for the alignment to be recognized as significant.

For PAM matrices, there is something called the Twilight Zone. After

The goal of Needleman and Wunsch is to identify an optimal alignment. You create a new matrix with m+1 or n+1, because you will be asigning each pair a score. Gap penalities (-2 for each gap position) are placed along the first row and column. This will allow us to introduce a terminal gap of any length.

One main difference is that score cannot be negative. If they are going to be negative, they should get a score of zero. Scoring: +1 for match -0.33 for mismatch -1.3 for a gap of length 1 (the larger the gap, the harsher the penalty).

BLASTN: compares DNA to DNA (nucleotides to nucleotides)

BLASTX: translates DNA into six protein sequences using all six possible reading frames, and then compares each of these proteins to a protein database.

TBLASTN: translate every DNA sequence in a database to six potential proteins, and then compare your protein query against each of those translated proteins.


Slika 5

Figure 5. Simultaneous electrical and optical recordings of spontaneous action potential activity from cortical neuronal cells in vitro expressing GEVI Marina. (A and B) Single-trial fluorescence traces of activity in neuronal cell bodies of two different cells. (C) Magnification of trace marked in (B) with red borderline. Optical trace in green, and electrical in black. Excitation light intensity on the sample plane was 18 mW/mm 2 . All fluorescence traces were recorded at 500 Hz using high speed CCD camera. All traces are bleach corrected. Traces in (A) and (B) are unfiltered, trace in (C) is filtered using low pass Kaisser-Bessel 30 filter (150 Hz cutoff).


Diskusija

All of our findings support the idea that Fat4 and Dachsous1 can fit into a given intercellular space due to their bending at EC� linkers that are unable to bind Ca 2+ . Atomic models built from the EM images gave theoretical evidence that the non� 2+ -binding linkers are deformable, enabling these molecules to bend. The intermembrane distances in the Fat4/Dachsous1-bearing junctions are probably autonomously determined based on the dimensions of the Fat4/Dachsous1 heterophilic complexes, because the 47.5-nm junctions emerged de novo as a result of exogenous expression of Fat4 and Dachsous1 in MDCK cells. Likewise, in neuroepithelial cells, the 46.6-nm SMA developed depending on the expression of Fat4 (13). Formation of junctions with such fixed widths suggests that Fat4 and Dachsous1 may have a confined conformation in vivo, despite their deformable non� 2+ -binding EC� linkers. Whether such restricted conformation is regulated solely by a limited range of deformation of non� 2+ -binding linkers, or by other mechanisms such as long-range interactions between different domains of the molecule, remains to be elucidated.

Mammals have four Fat cadherins, Fat1 to 4, and Drosophila have two, Fat and Fat-like. Among these, Fat4 is thought to be the ortholog of Drosophila Fat (21). Intriguingly, the positions of non� 2+ -binding linkers are well conserved between the interspecies orthologs of Fat4, and this is also the case for Dachsous1 (6). This implies that the molecular shape revealed here has some relevance to the evolutionarily preserved functions of Fat and Dachsous cadherins. In addition to Fat and Dachsous, even the molecules categorized as classical cadherins, which are responsible for AJ formation, generally exhibit large sizes in invertebrate species (22). Our results provide a clue to the structural and evolutionary significance of such unusually sized cadherin superfamily members in cell�ll interactions.


Figure Locations

Figure 3 The key structural and conformational elements in PEPT1 substrates and how they affect substrate affinity and electrogenic transport. This series of model compounds has been analyzed with respect to substrate affinity and electrogenic transport under identical experimental conditions in Pichia pastoris cells and Xenopus oocytes expressing PEPT1, as described previously (56, 57). Apparent substrate affinities are derived from competition experiments with the model compounds in P. pastoris cells with a radioactive dipeptide serving as substrate. Inward currents generated by the compounds in Xenopus oocytes expressing PEPT1, determined by the two-voltage-clamp technique, are used to express the maximal transport rate. The test compounds have been applied under substrate saturation conditions and maximal transport currents are expressed as I max in percent of that elicited by 10 mM Gly-(L)-Gln serving as a control in the same batch of oocytes. The comparison shows the most critical structural elements in substrates such as the intramolecular distance between the centers of the amino- and carboxy-terminal head groups and the central carbonyl function. Moreover, the stereoselective recognition of substrate side chains is demonstrated on basis of alanyl-peptides with d- and l-residues at different positions in the dipeptide.