Протеин функции: Протеин C (Protein C) — цена анализа в Алматы в ИНВИТРО

Содержание

Протеин C (Protein C) - цена анализа в Алматы в ИНВИТРО

Исследуемый материал Плазма (цитрат)

Метод определения

Автоматический анализатор параметров свёртывающей системы ACL TOP, метод – кинетический колориметрический.

Один из важнейших естественных ингибиторов свёртывания.

Протеин С – один из наиболее важных физиологических ингибиторов свёртывания. В активной форме он расщепляет и инактивирует факторы свёртывания VIIIa и Va (но не фактор V Лейдена). Протеин C проявляет антикоагулянтную активность, косвенно активирует фибринолиз, ограничивает размеры тромба. In vivo протеин С активируется тромбином, многократно ускоренно - комплексом тромбина и тромбомодулина (белок на поверхности эндотелиальных клеток).


Антикоагулянтную активность протеина C усиливает его кофактор – протеин S. Протеин C синтезируется в печени, является витамин К – зависимым белком, поэтому активность его зависит также от дефицита витамина K и терапии оральными антикоагулянтами. Уровень протеина С у новорождённых и детей младшего возраста физиологически ниже, чем у взрослых вследствие незрелости печени. Врождённый дефицит протеина С связан со склонностью к тяжёлым тромботическим нарушениям. Среди врождённых видов дефицита физиологических антикоагулянтов, таких как дефицит антитромбина III, дефицит протеина C, дефицит протеина S - дефицит протеина C наиболее распространён (0,2-0,4% популяции). Гомозиготные состояния проявляются в раннем детстве фульминантной пурпурой новорождённых и часто фатальны, уровень протеина C у таких новорождённых находится на неопределяемом уровне.

Пациенты с дефицитом протеина С обычно являются гетерозиготами, у которых тромбозы не проявляются ранее второй-третьей декады жизни. Среди них около 5% могут также иметь мутацию фактора V (фактор V Лейдена) в гетерозиготном состоянии. Присутствие этой мутации считают фактором риска развития ранней тромботической патологии (см. генетические исследования, тромбофилии, тест № 7171). Дефицит протеина C связан с повышенным риском осложнений беременности (тромбоз глубоких вен, преэклампсия, внутриутробная задержка развития плода и повторные выкидыши). Отмечается увеличенный риск развития варфарин-индуцированного некроза кожи. Усугубляется действие факторов риска, связанных с вредными привычками.

Врождённые дефицитные состояния могут быть диагностированы, когда причины приобретённого дефицита протеина C исключены. Исследование протеина C с данной целью не рекомендовано проводить во время острых заболеваний/острых тромботических эпизодов, вследствие потребления протеина С, а также у пациентов, получающих терапию оральными антикоагулянтами (варфарин понижает уровень протеина C).

Рекомендованы повторные тестирования протеина C после прекращения терапии оральными коагулянтами (лучше через месяц после окончания терапии), в корреляции с обследованием членов семьи. У гетерозигот по дефициту протеина C значения частично перекрещиваются с нормальным референсным диапазоном. Нарушение активации протеина С возникает при патологических состояниях, связанных с наличием таких факторов как гипоксия, эндотоксин, интерлейкин-1, фактор некроза опухоли альфа, высокий уровень гомоцистеина (все они ускоряют свёртывание, индуцируя экспрессию тканевого фактора и подавляя транскрипцию тромбомодулина эндотелиальными клетками).

Показана информативность тестирования протеина С в прогностических целях в септических состояниях (характеризуются повышенным потреблением, разрушением и нарушением синтеза протеина С). Уровень активности протеина С < 40%, а также снижение более чем на 10% за 1 день при сепсисе коррелирует с неблагоприятным прогнозом.

 

Литература

  1. Khan S., Dickerman J.D Hereditary thrombophilia. Thrombosis Journal 2006, 4:15 www.thrombosisjournal.com/content/4/1/15.

  2. Shorr A.F. R92 Protein C concentrations in severe sepsis: an early directional change in plasma levels predicts outcome Critical Care 2006,10: R92 http://ccforum.com/content/10/3/R9.

  3. Методические материалы фирмы-производителя реагентов.

Читать "Функциональное питание. Всё, что нужно знать о протеине!" - Ch Julia - Страница 1

Введение

Вечная молодость, идеальное тело, красота. Мечта, оперирующая абстрактными и субъективными понятиями, мечта подвластная моде, мимолетным иллюзиям, которые нам навязывает время, общество и культура.

В Древней Греции существовал эталон красоты, выраженный в конкретных цифрах и воплощенный в статуях. Например, женская красота обладала такими пропорциями: рост 164 см, окружность груди 86 см, талии – 69 см, бедер – 93 см. В Древнем Риме гармонично сложенным людям приписывали божественное происхождение, а недостатки, различные изъяны во внешности жестоко высмеивались. Получает распространение пластическая хирургия, многие мужчины желали быстрым методом избавится от "женской" груди. Правда из-за большого количества неудачных операций и смертельных исходов такая практика сошла на нет.

В эпоху Возрождения интерес к телу вновь становиться ключевой тенденцией времени. Художники, скульпторы, анатомы буквально конструируют идеальное тело идеального человека. Они ищут гармонию между реальностью и фантазией, пытаются обрести равновесие между математическими законами симметрии и природными данными человека.

Еда является важнейшей культурной составляющей, наш выбор определяет наш стиль жизни. Современный мир быстро меняется, быстрый темп жизни, словно ускоряется само время. Теперь даже к еде мы стали подходить с точки зрения функциональности.

Здоровый образ жизни противопоставляется не каким-то специфически нездоровым условиям, а обычной жизненной рутине. И без сакральных знаний о правильных комбинациях и диковинных продуктах уже вроде и нельзя попасть в такой заманчивый мир здорового образа жизни.

На деле все намного проще. Самое лучше питание – сбалансированное и натуральное. Поскольку на деле наша экология и образ жизни держать организм в постоянном стрессе, были разработаны определенные пищевые добавки, призванные компенсировать нехватку питательных веществ в повседневном рационе.

В этой книге мы рассмотрим пищевую добавку – протеин, про которую говорят очень противоречивые вещи.

Протеин обычно считается спортивным питанием. То есть специфической разработкой для спортсменов, после употребления которой человек приобретает супер способности. На самом деле протеин не столько спортивная, сколько функциональная добавка.

Ее функция помочь организму восстановить поврежденные мышечные клетки, укрепить иммунитет, восстановить нормальный энергообмен.

При грамотном употреблении, протеиновые добавки помогут улучшить самочувствие, повысить иммунную защиту, похудеть и нарастить мышечную массу.

Конечно протеин не панацея. Нельзя съесть гамбургер, закусить чипсами, запить протеином и ожидать чудес. Только разумный подход и рациональное питание действительно окажет эффект.

Самый частый вопрос при покупке протеина: какой протеин самый лучший? Многие считают, что все тайны молодости и красоты скрываются в одном единственном продукте, тайное знание о котором хранят лишь несколько посвященных.

Легенда гласит, что существует протеин Икс, который мутирует внутри организма, даруя небывалую силу и мощь, растворяя жировые отложения и формируя точеную фигуру, тело становится подтянутым, спортивным и даже вроде немного лучше, чем это было задумано природой. Приходится лишь смириться с тем, что протеина Икс не существует.

Правильный вопрос должен звучать так: а чего я хочу добиться? Необходимо поставить себе цель. Только тогда станет ясно, какие шаги нужно принимать для ее достижения. Цель похудеть? Специальная диета, разумные физические нагрузки. Нарастить мускулы? Специальная программа тренировок и дисциплинированное, тщательно продуманное питание.

Протеин – это не панацея, это помощь организму. Любая диета и любое питание должно быть гармоничным. Предпочтение всегда стоит отдавать обычным продуктам. Но если вы решили принять экстренные меры, поставили перед собой определенную цель – протеиновые добавки помогут ее добиться. Не стоит забывать, что вовсе не протеин делает человека стройным и заставляет бегать по утрам, это делаете вы сами. Только разумное использование инструментов позволяет добиться желаемого.

Человеческий разум куда большая загадка, чем сухое молоко, и не стоит придавать протеину возможности, которых у него нет. Но разумное использование этого продукта действительно может повысить качество жизни.

Что такое протеин?

Протеин – это английское название белка. Слово вошло в обиход благодаря рекламе спортивного питания. Поэтому вопросы типа "сколько мышц я наберу с этой банки протеина" равносилен вопросу "сколько я наберу с куска мяса" или "как скоро у меня вырастут мышцы, если я буду есть по 5 яиц в день". Протеин – концентрированный белок, выполняет точно такие же функции, как и обычный, получаемый из продуктов.

N.B.                               Протеин = Белок

Белок – ценнейший источник аминокислот, важнейший элемент питания человека. Большинство испытывают недостаток пищевого белка высокой биологической ценности. Точный аминокислотный состав белков в организме определяется генетическим кодом.

Белок состоит из аминокислот. Всего выделяют 20 аминокислот, 8 из которых являются незаменимыми. Незаменимые – это значит самостоятельно организм их синтезировать не может, а получает вместе с пищей. В основном ценность незаменимых аминокислот и определяет ценность белка для человека.

N.B.       Протеин обладает высокой биологической ценностью и полным набор аминокислот, включая незаменимые.

Функции белка в организме.

Рассмотрим, какое значение имеют белки в организме.

Ферментативная (каталетическая) функция.

Ферменты – это особые белки. Их роль – ускорять химические процессы в организме. Самый простой пример – процесс пищеварения, который стал бы невозможным без участия ферментов.

Свойства ферментов как катализатора применяется и в быту, с их помощью изготавливается пиво, йогурты, сыры, даже бетон и моющие средства.

Фермент или энзим, как правильно? Немного истории.

Ян Баптист ван Гельмонт стремился найти универсальное средство от всех болезней. Он ищет философский камень, занимается медициной, проводит химические опыты. Детально изучая каббалистические и мистические труды, он создает собственную теорию для объяснения явлений в организме человека, опровергая каноны современной ему медицины. В мире науки он совершает несколько открытий.

В частности, ученый пришел к выводу, что важнейшую роль в процессах пищеварения играет химический реагент, названный им «ферментом» (от лат. fermentum «брожение»).

А некоторое время спустя ученый Эдуард Бухнер получил фермент из дрожжей и назвал его "зимаза".

Изначально катализаторы предложили разделить на 2 группы: ферменты и энзимы. Подразумевая, что энзимы действуют вне живых организмов. То есть энзимы – это по сути название закваски. Но такое разделение не прижилось в научном мире, сегодня энзим и фермент – это абсолютные синонимы.

Значение ферментов.

Как и любые белки ферменты состоят из аминокислот. В каждом отдельном ферменте присутствует от ста до миллиона аминокислот и малейшее изменение в их структуре влечет кардинальные изменения в функциях и действии вещества.

N.B.       Ферменты имеют жизненно важное значение для человека, облегчают пищеварение и ускоряют метаболизм.

С помощью ферментов происходит множество реакций, таких как гидролиз, окисление, восстановление, транспорт. Практически все реакции в клетках осуществляются ферментами. От них также зависит скорость обмена веществ.

Существует более 5000 видов ферментов. Именно ферменты чутко реагируют на все факторы, влияющие на клетку, приспосабливают ее к новым условиям, в частности, дают отклик на гормональные стимулы. Множество лекарств влияют на течение ферментативных процессов, чтобы добиться нужной реакции.

структура, функции, клиническое значение – тема научной статьи по клинической медицине читайте бесплатно текст научно-исследовательской работы в электронной библиотеке КиберЛенинка

НЕИРОНАУКИ И КЛИНИЧЕСКАЯ НЕВРОЛОГИЯ

© А. В. КРАСНОВ, 2012

УДК 616.831-005.4-036.11-008.9-074

АСТРОЦИТАРНЫЕ БЕЛКИ ГОЛОВНОГО МОЗГА: СТРУКТУРА, ФУНКЦИИ, КЛИНИЧЕСКОЕ ЗНАЧЕНИЕ

А. В. Краснов

*Медицинский центр Банка России, Москва

Ишемические поражения головного мозга занимают лидирующее положение в структуре цереброваскуляр-ной патологии как в России. так и в мире в целом, а последствия острого нарушения мозгового кровообращения (ОНМК) являются основной причиной инвалидности. В этой связи исключительно большое значение имеет ранняя дифференциальная диагностика ишемического инсульта, которая позволяет провести репер-фузионную терапию и, соответственно, улучшить функциональный исход заболевания. Единственным существующим в настоящее время методом дифференциальной диагностики ишемического инсульта является компьютерная либо магнитно-резонансная томография. Указанные методики весьма трудоемки, требуют круглосуточно наличия специально подготовленного персонала, наконец, являются достаточно дорогостоящими. В диагностике ОНМК используются специфические биохимические маркеры повреждения головного мозга, а именно астроцитарные белки, такие как протеин S100B и глиальный фибриллярный кислый протеин. В последние годы определение уровня данных церебральных пептидов в плазме крови в качестве метода экспресс-диагностики привлекает особое внимание клиницистов. Однако количество проведенных исследований остается незначительным, а группы больных немногочисленными. Вместе с тем широкое внедрение в клиническую практику подобных лабораторных экспресс-тестов может улучшить дифференциальную диагностику ОНМК.

Ключевые слова: астроцитарные белки головного мозга, клиническое значение, структура, функции

The ischemic brain lesions hold the leading position in the structure of cerebrovascular diseases both in Russia and in the whole world, and stroke consequences are the main reason of disability. This fact determines the special significance of early diagnosis of ischemic stroke that will permit to perform reperfusion and improve the functional outcomes. At present the only method of differentiation between ischemic and hemorrhagic strokes is computer or magnetic resonance imaging. These methods are laborious; they need twenty-four hours presence of competent stuff and finally expensive. терминала выявил относительно большое содер-

*Россия, Москва, Севастопольский пр-кт, 66 Russia, Moscow, Sevastopolsky prosp., 66 Сведения об авторе:

Краснов Алексей Васильевич — врач-невролог, канд. мед. наук, e-mail: [email protected]

жание аспарагиновой и глутаминовой кислот, лейцина, глицина и аланина [15]. N-концевым остатком является аланин или блокированный метионин [14]. Существует три формы GFAP — альфа, бета и гамма, при этом альфа превалирует в периферической нервной системе, а гамма — в ЦНС [7]. Экспрессия GFAP тесно связана с "астроцитарной активацией", главным образом, возникающей в результате воздействия цитокинов или гормонов. В зрелой ЦНС GFAP сосредоточен в глиальных филаментах внутри протоплазматических астро-цитов серого вещества и фиброзных астроцитах белого вещества [30]. Большое количество кислого протеина концентрируется во внешней мембране у поверхности мозга, а также в субэпендимальных астроцитах паравентрикулярно [35].

Функции

Как известно, нормальное функционирование нейронов головного мозга обеспечивается деятельностью астроглиальной стромы. GFAP, как структурный компонент астроцитов, выполняет ряд важных функций. Он играет ключевую роль в формировании и функционировании цитоскелета ЦНС, дифференцировке астроцитов, обеспечении энергетическим субстратом нейронов при повышении синаптической активности [6], принимает непосредственное участие в образовании гема-тоэнцефалического барьера (ГЭБ), росте астро-цитарных отростков и установлении контактов последних с олигодендроглиоцитами, миелино-выми оболочками и синапсами. Кислый протеин стимулирует васкуляризацию белого вещества посредством индуктивного воздействия астроцитов на эндотелиальные клетки. При отсутствии GFAP нарушается синтез нормального миелина [38]. И, наконец, с помощью GFAP протекают процессы митоза астроцитов, что имеет исключительное значение при повреждениях мозга любого генеза. При этом развивающаяся астроцитарная реакция приводит к формированию глиального рубца через 10—16 дней после начала инсульта или черепно-мозговой травмы (ЧМТ) [9].

Протеин S100

Структура

Протеин S100 — это группа кислых кальций-связывающих белков, различающихся по заряду и массе, но тождественных иммунологически. Впервые белок S100 был выделен B. Moor в 1965 г. [47]. Концентрация протеина S100 в мозге в 100 000 раз превышает содержание в других тканях и составляет до 90% фракции белков нервных клеток. Аминокислотный состав S100 характеризуется высоким содержанием глутаминовой и аспарагиновой кислот, фенилаланина и относительно небольшим количеством триптофана, тирозина и пролина. Молекулярная масса белка, определяемая различными способами, составляет от 8,7 до 30 кД [11]. Молекула S100 является димером, построенным из субъединиц двух типов — L и B, близких по размеру и

сходных по аминокислотному составу и первичным структурам (гомологичны на 58%) [32]. Субъединица Ь молекулы протеина 8100 состоит из 93 аминокислотных остатков и имеет молекулярную массу 10,4 кД; В-субъединица содержит 91 аминокислотный остаток. Эти субъединицы могут образовывать гомо- и гетеродимеры — ЬЬ, ЬВ и ВВ, которые в литературе обозначаются как 8100Ьо, 8100Ь, 8100В [3]. Для Ь-формы более характерна локализация в тканях нейроэктодермального происхождения [48], а именно в клетках Лангерганса кожи, клетках меланом [10, 59] и адипоцитах [12, 27, 41, 61], В-формы — в клетках ЦНС [62]. До 85— 90% от общего содержания 8100В нервной ткани сосредоточено в глиальных элементах (астроциты, шванновские клетки), до 10—15% — в нейронах и минимальное количество — в олигодендроцитах [45]. В клетке этот нейропептид преимущественно локализуется в цитоплазме, синаптической мембране и хроматине [42]. В настоящее время показано, что белки 8100В синтезируются глиальными клетками и в дальнейшем транспортируются в нейроны [45].

Функции

Протеин 8100 — наиболее универсальная макромолекула, участвующая в регуляции практически всех основных мембранных, цитоплазма-тических и ядерных метаболических процессов, связанных с обеспечением механизмов восприятия и интеграции поступающей в нервную систему информации [60]. Белок модулирует специфическую связывающую активность рецепторов ацетилхо-лина, у-аминомасляной кислоты, норадреналина, дофамина и серотонина [36]. Регулирует сборку каркасных структур цитоскелета, предотвращая избыточную полимеризацию ОБАР и реорганизацию филаментозных структур при митозе и/или при возрастании внутриклеточной концентрации ионов кальция в интерфазной стадии клеточного цикла [4, 5]. 8100 обладает нейротрофной активностью по отношению к нейронам и морфоген-ной — по отношению к астроцитам. В частности, нейротрофная активность проявляется стимулированием роста аксонов и дендритов, мезэнцефаль-ных серотонинергических нейронов, ганглиев дорсальных корешков спинного мозга [66]; глио-трофная и морфогенная — стимулированием пролиферации и изменения формы глиальных клеток с плоской на стеллатную [66]. Указанный пептид принимает участие в ответе генов раннего реагирования, в реализации генетических программ апоптоза и антиапоптозной защиты [60]. И, наконец, 8100 совместно с ОБАР являются основными компонентами репаративных процессов, протекающих в мозге после различного рода повреждений [9]. Все вышесказанное свидетельствует о возможности функционирования 8100 как паракринного нейротрофного фактора в ЦНС, влияющего на формирование мозга, пролиферацию глиальных клеток и созревание нейронов.

Клиническое значение

Острое нарушение мозгового кровообращения

Перед рассмотрением вопросов клинического применения указанных нейропептидов необходимо кратко осветить некоторые аспекты патофизиологии астроцитарных белков при острых нарушениях мозгового кровообращения (ОНМК). Как известно, результатом ишемического (ИИ) и геморрагического (ГИ) инсульта является некроз части клеток головного мозга. Однако несмотря на схожие последствия окклюзии мозговой артерии и внутримозгового кровоизлияния, кинетика гибели мозговых клеток при ИИ и ГИ различна. Различия касаются скорости поступления и динамики концентрации астроцитарных белков в плазме крови при указанных мозговых катастрофах.

При ИИ изменения астроцитов в виде набухания, фрагментации отростков и дезинтеграции наблюдаются с первых минут после окклюзии сосуда, предшествуя нейрональным изменениям, и сопровождаются снижением экспрессии GFAP [13, 19, 22, 63]. В силу устойчивости астроцитарных белков к ишемии, деструкция последних начинается через 12 ч после прекращения кровотока в артерии [25, 53, 54]. Последовательно протекающие процессы ишемического некроза сопровождаются поступлением белков во внеклеточный матрикс и в дальнейшем через ГЭБ в кровь. При этом целостность ГЭБ не нарушается [19]. Одновременно с деструкцией указанных нейропептидов через 6—12 ч после развития ИИ происходит активация астроцитов, окружающих ишемическую зону, которые начинают усиленно синтезировать кислый протеин. К концу 1-х суток уровень GFAP начинает устойчиво расти и достигает пика к концу 2-х суток от начала ИИ [19, 28, 68]. В дальнейшем астроцитарная реакция становится все более выраженной, что ведет к образованию глиального рубца к концу 1-й — началу 2-й недели после развития ИИ. Таким образом, в первые 6 ч ИИ фибриллярный кислый протеин в крови не определяется, т. е. его сывороточная кон -центрация находится в пределах нормы (0 нг/мл). Однако с конца 1-х суток концентрация кислого протеина начинает расти пропорционально размеру инсульта, в связи с чем содержание данного нейропептида может являться прогностическим критерием тяжести ИИ и соответственно маркером функционального исхода [28, 68].

Аналогичные изменения претерпевает S100 [23, 28]. Его концентрация также не повышается в первые часы ИИ, в силу чего он не может использоваться как маркер ранней диагностики ИИ [20, 21, 34, 44, 67]. Однако в интервале с 12 до 72 ч происходит увеличение содержания в крови S100B, степень ко -торого коррелирует с величиной ишемического очага и, соответственно, тяжестью ИИ [20, 26]. Повышение концентрации белка через 48 ч более 0,2 мкг/ мл — прогностический критерий неблагоприятного исхода ИИ [37]. При этом чувствительность метода на указанных сроках составляет 94% [20].

Совершенно иная кинетика GFAP при ГИ. В этом случае с первых минут попадания крови в ткань мозга происходит непосредственное разрушение нейронов, астроглии и ГЭБ ионами железа и гемоглобином [22]. Указанные компоненты крови сразу же запускают патобиохимические каскады вторичного повреждения [55, 69]. Описанные процессы приводят к быстрой гибели астроцитов и соответствующему высвобождению в кровь через поврежденный ГЭБ фибриллярного кислого белка, содержание которого резко повышается со 2-го часа от появления симптомов и достигает максимума к 8-му часу от начала кровоизлияния. При определении GFAP в указанном временном интервале чувствительность и специфичность метода очень высока и достигает 98%. Таким образом, повышение концентрации кислого протеина в первые часы ГИ является маркером внутримозгового кровоизлияния и может использоваться как метод лабораторной экспресс-диагностики этого грозного заболевания.

В отличие от GFAP динамика S100B при ГИ имеет некоторые особенности. Концентрация этого белка начинает повышаться с 6-го часа от момента возникновения кровоизлияния и достигает максимума к концу первых суток. Степень повышения концентрации S100B высоко коррелирует с объемом гематомы [31]. Установлено, что повышение концентрации белка более 0,19 мкг/л в первые 24 ч является независимым предиктором летального исхода [31]. При этом чувствительность составляет 94%.

Исследования, проводимые в Медицинском центре Банка России, показали, что определение GFAP является высокоинформативным в дифференциальной диагностике ГИ и ИИ в первые часы заболевания, а определение плазменного уровня астроцитар-ных белков в динамике — чувствительным тестом в предикции функциональных исходов.

Таким образом, плазменные уровни астроцитар-ных белков головного мозга являются высокоинформативными прогностическими критериями функциональных исходов при ОНМК как ишемического, так и геморрагического типа, а GFAP может использоваться в качестве метода экспресс-диагностики ГИ.

Другие заболевания ЦНС

Глиальный фибриллярный кислый протеин. Считается, что из всех клеток, представленных в ЦНС, астроциты проявляют наибольшую предрасположенность к злокачественной трансформации [11]. Астроцитомы — наиболее часто встречающиеся опухоли головного мозга, составляющие около 65% всех первичных опухолей [16]. В настоящее время поли- и моноклональные антитела к GFAP используются как рутинный анализ в клиниках всего мира для подтверждения астроцитарного происхождения опухолей нервной системы. Иммуногистохимиче-ское определение GFAP — главный тест при исследовании степени дифференцировки и характера ее нарушений при глиальных опухолях головного мозга [8]. Широкое использование глиального кислого протеина в неврологии и психиатрии обусловлено

уникальной особенностью этого белка к повышению сывороточного уровня при любой патологии, сопровождающейся нарушением целостности ГЭБ [64]. Поэтому иммунохимический анализ GFAP используют в качестве мониторинга целостности ГЭБ при различных клинических состояниях.

Так, группой ученых из Стокгольмского института охраны здоровья матери и ребенка на большом клиническом материале была установлена высокая чувствительность GFAP при острой и хронической внутриутробной гипоксии, приводящей к развитию перинатальных повреждений ЦНС, а также иных нервно-психических заболеваниях у детей [58]. Отмечено существенное повышение уровня GFAP при острых воспалительных заболеваниях головного мозга, судорожном синдроме, болезни Альцгеймера и Паркинсона [57]. Определение сывороточных концентраций GFAP в сыворотке пуповинной крови свидетельствует о степени повреждения нервной ткани у новорожденных с тяжелой формой гемолитической болезни и является прогностическим критерием для оценки вероятности развития билирубиновой энцефалопатии в раннем неонатальном периоде и нарушений ЦНС в более старшем возрасте [1]. Большое значение имеет динамика уровня GFAP при критических состояниях, обусловленных заболеваниями с выраженной нервно-психической симптоматикой [2]. Повышение уровня антигена происходит при неблагоприятном исходе заболевания, а его снижение может рассматриваться как прогностический критерий выхода из критического состояния и восстановления барьерной функции ГЭБ. Особое значение GFAP имеет при травматических поражениях головного мозга. В частности, высокая чувствительность GFAP (до 100%) выявлена при ЧМТ [39]. GFAP играет ключевую роль в процессах реактивного астрогли-оза, и применение ингибиторов синтеза GFAP может оказаться весьма полезным при ранних оперативных вмешательствах после ЧМТ для сдерживания глиоза на период регенерации и ремиелинизации поврежденных нейронов [17].

И наконец, данный нейропептид является независимым прогностическим маркером и критерием прогноза при субарахноидальном кровоизлиянии и разрыве внутримозговых аневризм [52].

Протеин S100B

В связи с глиальной локализацией протеина S100B основная масса исследований по клиническому значению этого белка была посвящена изучению его распределения в тканях опухолей головного мозга [18, 50, 65]. Было установлено, что при возрастании степени злокачественности происходит пропорциональное уменьшение концентрации S100B в тканях опухоли, так называемый феномен антигенного упрощения. S. Weiss и соавт. выявили наличие S100B во всех доброкачественных опухолях из периферических нервов, имеющих шванновскую оболочку, а также спорадически в некоторых опухолях мезенхимального происхождения (липоме, ли-посаркоме, хондросаркоме и хондроме). Ряд иссле-

дователей обнаружили S100B не только в опухолях нейродермального, но и мезодермального и иного происхождения [29, 49]. В частности, все мелано-мы содержали указанный нейропептид, причем его концентрация была обратно пропорциональна количеству меланина в клетках. Также S100B выявлен в гранулярно-клеточных опухолях и светлоклеточ-ных саркомах [65]. При различных воспалительных и дегенеративных заболеваниях нервной системы, сопровождающихся нарушением целостности ГЭБ, отмечается повышение S100B в цереброспинальной жидкости, например, при остром энцефаломиелите — в 6 раз, рассеянном и боковом амиотрофиче-ском склерозе — в 4 раза, хроническом полирадику-лоневрите — в 3 раза, опухолях ЦНС — в 80 раз и т. д. [41, 46]. Определенное значение имеет стойкое увеличение концентрации S100B в ликворе у больных с деменцией различной этиологии и в сыворотке крови пациентов с психическими заболеваниями, в частности, болезнью Альцгеймера [33, 40, 51].

Заключение

Следует отметить, что диагностическое и прогностическое значение астроцитарных белков головного мозга в различных клинических ситуациях является предметом многочисленных научных исследований, в основном выполненных за рубежом. Современная технология лечения ИИ включает в себя проведение реперфузионной терапии с целью восстановления кровотока в инсультзависимой мозговой артерии, при этом ранняя дифференциальная диагностика этого грозного заболевания имеет основополагающее значение. В этой связи, работы последних лет в области неотложной неврологии по изучению S100B и GFAP посвящены именно этой проблематике. Наличие так называемого "терапевтического окна" существенно ограничивает число пациентов, которым возможно выполнение тром-болизиса. По этой причине количество исследований остается незначительным, а группы больных весьма немногочисленными. Тем не менее анализ полученных результатов позволяет констатировать высокую диагностическую и прогностическую значимость определения GFAP в первые часы ГИ. Вместе с тем практически отсутствуют сообщения о сравнительном анализе лабораторного (GFAP) и инструментального (КТ, МРТ) методов исследования в дифференциальной диагностике инсультов. Не изучено значение S100B и GFAP у пациентов с инсультами при наличии сопутствующей патологии нервной системы, сопровождающейся повышением уровней указанных астроцитарных белков. Таким образом, все вышеизложенное открывает широкую перспективу для изучения астроцитарных белков в отечественной интенсивной терапии и неврологии.

ЛИТЕРАТУРА

1. Тимофеева Л. А. Клинико-иммунохимическая оценка нарушений проницаемости гематоэнцефалического барьера у плодов и новорожденных с гипербилирубинемией: Дис. ... канд. мед. наук. — М., 1999.

2. Чехонин В. П. Иммунохимический анализ нейроспецифиче-ских антигенов. — М., 2000.

3. Baudier J., Labourdette G., Gerard D. Rat brain S100B protein: purification, characterization, and ion binding properties. A comparison with bovine S100B protein // J. Neurochem. — 1985. — Vol. 44. — P. 76—84.

4. Bianchi R., Giambanco I., Donato R. S-100 protein, but not calmodulin, binds to glial fibrillary acidic protein and inhibits its polymerization in a Ca2+-dependent manner // J. Biol. Chem. — 1993. — Vol. 268, N 17. — P. 12669—12674.

5. Bianchi R., Garbuglia M. et al. S100 protein and annexin II2-pl12 (calpactin I) actin concert to regulate the state of assembly of GFAP intermediate filaments in vitro // Biochem. Biophys. Res. Commun. — 1995. — Vol. 208, N 3. — P. 910—918.

6. Bock E. Nervous systems specific proteins // J. Neurochem. — 1978. — Vol. 30. — P. 7—14.

7. Brenner M. Structure and transcriptional regulation of GFAP gene // Brain Pathol. — 1994. — Vol. 4. — P. 245—257.

8. Budka H. Non-glial specificities of immunocytochemistry for the glial fibrillary acidic protein (GFAP). Triple expression of GFAP, vimentin and cytokeratins in papillary meningioma and metastasizing renal carcinoma // Acta Neuropathol. — 1986. — Vol. 72. — P. 43—54.

9. Clark R. K., Lee E. V., Fish C. J. et al. // Brain Res. Bull. — 1993. — Vol. 118. — P. 106—109.

10. Cocchia D., Michetti F., Donato R. Immunochemical and immunocytochemical localization of S100 antigen in normal human skin // Nature. — 1981. — Vol. 294. — P. 85—87.

11. Danniels P. S., Levine L. Demonstration of subunits in beef brain acidic protein (S100) // Biochem. Biophys. Res. Commun. — 1969. — Vol. 37. — P. 587.

12. Donato R. S100: a multigenic family of calcium-modulated proteins of the RF-hand type with intracellular and extracellular functional roles // Int. J. Biochem. Cell Biol. — 2001. — Vol. 33, N 7. — P. 637—668.

13. Dvorak F., Haberer I., Sitzer M., Foerch C. Characterisation of the diagnostic window of serum glial fibrillary acidic protein for the differentiation of intracerebral haemorrhage and ischaemic stroke // Cerebrovasc. Dis. — 2009. — Vol. 27, N 1. — P. 37—41.

14. Eng L. F., Vanderhaeghen J. J. et al. An acidic protein isolated from fibrous astrocytis // Brain Res. — 1971. — Vol. 28. — P. 351.

15. Eng L. F. Reply to the comments of Bignami and Dahl // J. Histochem. Cytochem. — 1979. — Vol. 7. — P. 694—696.

16. EngL. F., RubinsteinL. J. Contribution of immunohistochemistry to diagnostic problems of human cerebral tumors // J. Histochem. Cytochem. — Vol. 26. — P. 513—522.

17. Eng L. F., Yu A. C., Lee Y.-L. Astrocytic response to injury // Neuronal-astrocytic Interactions: Implications for Normal and Pathological CNS Function. (Progr. Brain Res., Vol. 94) / Ed. A. C. Yu. — Amsterdam: Elsevier, 1992. — P. 353—365.

18. EngL. F., GhirnikarR S., Lee Y. L. Glial fibrillary acidic protein: GFAP-thirty-one years (1969—2000) // Neurochem. Res. — 2000. — Vol. 25, N 9—10. — P. 1439—1451.

19. Foerch C., Singеr O, Neumann-Haefelin T. et al. Utility of serum GFAP in monitoring acute MCA territorial infarction // Cerebovasc. Dis. — 2003. — Vol. 16, Suppl. 4. — P. 45.

20. Foerch C., Otto B., Singer O. C. et al. Serum S100B predicts a malignant course of infarction in patients with acute middle cerebral artery occlusion // Stroke. — 2004. — Vol. 35, N 9. — P. 2160—2164.

21. Foerch C., Singer O. C., Neumann-Haefelin T. et al. Evaluation of serum S100B as a surrogate marker for long-term outcome and infarct volume in acute middle cerebral artery infarction // Arch. Neurol. — 2005. — Vol. 62, N 7. — P. 1130—1134.

22. Foerch C., Curdt I., Yan B. et al. Serum glial fibrillary acidic protein as a biomarker for intracerebral haemorrhage in patients with acute stroke // J. Neurol. Neurosurg. Psychiatry. — 2006. — Vol. 77, N 2. — P. 181—184.

23. Foerch C., Wunderlich M. T., Dvorak F. et al. Elevated serum S100B levels indicate a higher risk of hemorrhagic transformation after thrombolytic therapy in acute stroke // Stroke. — 2007. — Vol. 38, N 9. — P. 2491—2495.

24. Fuchs E., Weber K. Intermediate filaments: structure, dynamics, function, and disease // Annu. Rev. Biochem. — 1994. — Vol. 63. — P. 345—382.

25. Gurer G., Gursoy-Ozdemir Y., Erdemli E. et al. Astrocytes are more resistant to focal cerebral ischemia than neurons and die by a delayed necrosis // Brain Pathol. — 2009. — Vol. 19, N 4. — P. 630—641.

26. Hacke W., Schwab S., Horn M. et al. 'Malignant' middle cerebral artery territory infarction: clinical course and prognostic signs // Arch. Neurol. — 1996. — Vol. 53, N 4. — P. 309—315.

27. Haimoto H., Kato K. et al. The ultrastructural changes of S100 protein localization during lipolysis in adipocytes. An immunoelectron-microscopic study // Am. J. Pathol. — 1985. — Vol. 121. — P. 185—189.

28. Herrmann M., Vos P., Wunderlich M. T. et al. Release of glial tissue-specific proteins after acute stroke: a comparative analysis of serum concentrations of protein S100B and glial fibrillary acidic protein // Stroke. — 2000. — Vol. 31, N 11. — P. 2670—2677.

29. HigleyH. R., ConellyE.M.,Bowden C. S. Immunocytochemical localization of S100 protein in thimic medullar Langerhans-like cells // J. Histochem. Cytochem. — 1982. — Vol. 30, N 6. — P. 577.

30. Higley H. R., McNulty J. A., Rowden G. Glial fibrillary acidic protein and S100 protein in pineal supportive cell: an electron microscopic study // Brain Res. — 1984. — Vol. 304. — P. 117—120.

31. Hu Y. Y., Dong X. Q., Yu W. H., Zhang Z. Y. Change in plasma S100B level after acute spontaneous basal ganglia hemorrhage // Shock. — 2010. — Vol. 33, N 2. — P. 134—140.

32. Isobe T., Okuyama T. The amino acid sequence of S100 protein (PAP 1B protein) and its relation to calcium-binding proteins // Eur. J. Biochem. — 1978. — Vol. 89. — P. 379—388.

33. Jankovic B. D. Neural tissue hypersensitivity in psychiatric disorders with immunological features // J. Immunol. — 1985. — Vol. 135, N 2. — P. 8536—8575.

34. Jauch E. C., Lindsell C., Broderick J. et al. Association of serial biochemical markers with acute ischemic stroke: the National Institute of Neurological Disorders and Stroke recombinant tissue plasminogen activator Stroke Study // Stroke. — 2006. — Vol. 37, N 10. — P. 2508—2513.

35. Jensen K. R., Mirsky R. Glial fibrillary acidic polypeptides in peripheral glia. Molecular weight, heterogeneity and distribution // J. Neuroimmunol. — 1985. — Vol. 8. — P. 377—393.

36. Knight J. C. Dopamine-receptor stimulating autoantibodies: a possible cause of schizophrenia // Lancet. — 1982. — Vol. 2. — P. 1073.

37. Li Y., ChoppM., Jiang N. et al. Induction of DNA fragmentation after 10 to 120 minutes of focal cerebral ischemia in rats // Stroke. — 1995. — Vol. 26, N 7. — P. 1252—1257; discuss.: P. 7—8.

38. Liedtke W., Edelmann W., Biery P. L. et al. GFAP is necessary for the integrity of CNS white matter architecture and long-term maintenance of myelination // Neuron. — 1996. — Vol. 17. — P. 607—615.

39. MasahiroHonda, Ryosuke Tsuruta, Tadashi Kaneko et al. Serum glial fibrillary acidic protein is a highly specific biomarker for traumatic brain injury in humans compared with S100B and neuron-specific enolase // J. Trauma. — 2010.

40. Mecocci P., Parnetti L. et al. Serum anti-GFAP and anti-S100 autoantibodies in brain aging, Alzheimer diseasе and vascular dementia // J. Neuroimmunol. — 1995. — Vol. 57. — P. 165—170.

41. Michetti F., Massaro A., Russo G. The S100 antigen in cerebrospinal fluid as a possible index of cell injury in the nervous system // J. Neurol. Sci. — 1980. — Vol. 44. — P. 259—263.

HEBPOTOnUHECKI/IM MPHÄfl, № 1, 2012

42. Michetti G., Miano N., De Renzis G. et al. // J. Neurochem. — 1974. — Vol. 22, N 2. — P. 239—242.

43. Michetti G., Miani N. et al. Nuclear localization of S100 protein // Brain Res. — 1983. — Vol. 262. — P. 239—244.

44. Missler U., Wiesmann M., Friedrich C., Kaps M. S-100 protein and neuron-specific enolase concentrations in blood as indicators of infarction volume an prognosis in acute ischemic stroke // Stroke. — 1997. — Vol. 28, N 10. — P. 1956—1960.

45. Moister D. J. // J. Neurochem. — 1984. — Vol. 42, N 6. — P. 1536—1541.

46. Mokuno K., Kato K. et al. Neuron-specific enolase and S100 protein levels in cerebrospinal fluid of patients with various neurological disorders // J. Neurol. Sci. — 1983. — Vol. 60. — P. 434—454.

47. Moore B. W., McGregor D. Chromatographic and electrophoretic fractionation of soluble proteins of brain and liver // J. Biol. Chem. — 1965. — Vol. 133. — P. 1647—1653.

48. Moore B. W. The S100 protein // Neuronal and Glial Proteins: Structure, Function, and Clinical Application / Eds P. J. Marangos, I. C. Campbell, R. M. Cohen. — San Diego: Acad. Press, 1988. — P. 137—167.

49. Nakayima T., Watanabe S. et al. Immunohistochemical demonstration of S100 protein in malignant melanoma and pigmented nevus and diagnostic application // Cancer (philad.). — 1982. — Vol. 50. — P. 912—918.

50. Nakazato Y., Ischizeki J. et al. Localization of S100B and glial fibrillary acidic protein-related antigen in pleomorphic adenoma of salivary glands // Lab. Invest. — 1982. — Vol. 46. — P. 621—626.

51. Nooijen P. T. G. A., Schoonderwaldt H. C. et al. Neuron-specific enolase, S100 protein, myelin basic protein and lactate in CSF in dementia // Dement. Geriatr. Cogn. Disord. — 1997. — Vol. 8. — P. 169—173.

52. Nylen K., Csajbok L. Z., Ost M. et al. Serum glial fibrillary acidic protein is related to focal brain injury and outcome after aneurismal subarachnoid hemorrhage // Stroke. — 2007. — Vol. 38. — P. 1489—1494.

53. Panickar K. S., NorenbergM. D. Astrocytes in cerebral ischemic injury: morphological and general considerations // Glia. — 2005. — Vol. 50, N 4. — P. 287—298.

54. Petito C. K., Morgello S., Felix J. C., Lesser M. L. The two patterns of reactive astrocytosis in postischemic rat brain // J. Cereb. Blood Flow Metab. — 1990. — Vol. 10, N 6. — P. 850—859.

55. Qureshi A. I., Tuhrim S., Broderick J. P. et al. Spontaneous intracerebral hemorrhage // N. Engl. J. Med. — 2001. — Vol. 344, N 19. — P. 1450—1460.

56. Reeves S. A., Helman L. J., Allison A., Israel M. A. Molecular cloning and primary structure of human glial fibrillary acidic

protein // Proc. Natl. Acad. Sci. USA. — 1989. — Vol. 86, N 13. — P. 5178—5182.

57. Riechmann L., Clark M., Waldman H., Winter G. Reshaping human antibodies for therapy // Nature. — 1988. — Vol. 332. — P. 323—327.

58. Rosengren L. E., Wikkelso C., Hagberg L. A. A sensitive ELISA for glial fibrillary acidic protein: application in CSF of adults // J. Neurosci. Meth. — 1994. — Vol. 51. — P. 197—204.

59. Rouwden G., Bourdeau S., Higley H. Langerhans cells and extraepidermal dendritic cells. An investigation in laboratory animals and man with immunomorphological methods // Scand. J. Immunol. — 1985. — Vol. 21. — P. 471—478.

60. Scotto G., Deloulme J. C., Rousseau D. et al. // Mol. Cell Biol. — 1998. — Vol. 18, N 7. — P. 4272—4281.

61. Snyder-Ramos S. A., Gruhlke T., Bauer H. et al. Cerebral and extracerebral release of protein S100B in cardiac surgical patients // Anaesthesia. — 2004. — Vol. 59, N 4. — P. 344—349.

62. Takanashi K., Isobe T. et al. Immunohistochemical study on the distribution of alpha and beta subunits of S100 protein in human neoplasm and normal tissues // Virchows Arch. B. — 1984. — Vol. 45. — P. 385—396.

63. Unden J., Strandberg K., Malm J. et al. Explorative investigation of biomarkers of brain damage and coagulation system activation in clinical stroke differentiation // J. Neurol. — 2009. — Vol. 256, N 1. — P. 72—77.

64. Vissers J. L., Mersch M. E., Rosmalen C. F. Rapid immunoassay for the determination of glial fibrillary acidic protein (GFAP) in serum // Clin. Chim. Acta. — 2006. — Vol. 366, N 1—2. — P. 336—340.

65. Weiss S. W., Langlass J. M., Enzinger F. M. Value of S100 protein in the diagnosis of soft tissue tumors with particular reference to benign and malignant Swann cell tumors // Lab. Invest. — 1983. — Vol. 49. — P. 299—306.

66. Winningham-MajorF., Staecker J. L. et al. Neurite extension and neuronal survival activities of recombinant S100B proteins that differ in the content and position of cysteine residues // J. Cell Biol. — 1989. — Vol. 109. — P. 3063—3071.

67. Wunderlich M. T., Wallesch C. W., Goertler M. Release of neurobiochemical markers of brain damage is related to the neurovascular status on admission and the site of arterial occlusion in acute ischemic stroke // J. Neurol. Sci. — 2004. — Vol. 227, N 1. — P. 49—53.

68. Wunderlich M. T., Wallesch C. W., Goertler M. Release of glial fibrillary acidic protein is related to the neurovascular status in acute ischemic stroke // Eur. J. Neurol. — 2006. — Vol. 13, N 10. — P. 1118—1123.

69. Xi G., Keep R. F., Hoff J. T. et al. Mechanisms of brain injury after intracerebral haemorrhage // Lancet Neurol. — 2006. — Vol. 5, N 1. — P. 53—63.

Белки (протеины, полипептиды)

Дано определение, состав, структура и функции белков организма человека. Приведена их классификация. Описаны синтез и катаболизм белков.

 

Белки (протеины, полипептиды)

Определение

Белки – высокомолекулярные азотсодержащие соединения, состоящие из аминокислот.

Молекулярная масса белков

Белки, являясь высокомолекулярными соединениями, характеризуются большими величинами молекулярной массы. Молекулярная масса измеряется в Дальтонах (1Да=1,66 10-24  г.) Например, белок инсулин обладает молекулярной массой 6000 Да, миоглобин — 17000 Да, миозин – 500000 Да.

Состав белков

Несмотря на то, что в составе белковой молекулы могут входить десятки, сотни и тысячи аминокислот, все белки синтезируются из 20 видов аминокислот. Эти аминокислоты имеют следующие названия: глицин, аланин, серин, цистеин, треонин, метионин, валин, лейцин, изолейцин, аспарагиновая кислота, аспарагин, глутаминовая кислота, глутамин, лизин, аргинин, фенилаланин, тирозин, триптофан, гистидин, пролин.

Структура белков

Различают четыре уровня структурной организации молекулы белка (рис.1).

Рис.1. Структуры белков

Первичная структура. Аминокислоты соединяясь друг с другом пептидной связью образуют длинные неразветвленные цепи – полипептиды.

Вторичная структура. Эта структура белков характеризует их определенную пространственную организацию. Например, многие белки имеют форму спирали. Фиксируется вторичная структура дисульфидными и водородными связями.

Третичная структура.  Третичная структура отражает пространственную организацию вторичной структуры. Например, вторичная структура в виде спирали может укладываться в пространстве в виде глобулы, то есть иметь шаровидную или эллипсовидную форму. Примером белка, обладающего третичной структурой является миоглобин.

Четвертичная структура. Этой структурой обладают некоторые белки. Четвертичная структура – сложное образование, состоящее из нескольких белков, имеющих свою первичную, вторичную и третичную структуры. Примером белка, обладающего четвертичной структурой является гемоглобин.

Классификация белков

Существуют разные классификации белков. Приведу две классификации.

Согласно первой классификации белки делятся на простые (протеины) и сложные (протеиды). Простые белки состоят только из аминокислот. Пример: альбумины и глобулины крови. В молекуле сложного белка, кроме аминокислот, имеется еще неаминокислотная часть. В зависимости от неаминокислотной части выделяют такие сложные белки как нуклеопротеиды (содержат нуклеиновую кислоту), липопротеиды (содержат липоид) и. т.д.

Согласно второй классификации белки делятся на группы на основе своей пространственной формы. Различают глобулярные и фибриллярные белки. Молекулы глобулярных белков имеют шаровидную или эллипсовидную форму. Примерами таких белков являются альбумины и глобулины крови. Молекулы фибриллярных белков вытянутые. Их длина значительно превышает их диаметр. Примером фибриллярного белка является белок коллаген.

Функции белков

Функции, которые выполняют белки в организме настолько важны, что белки еще называют протеинами (от греч. слова proteus – первый, главный). Различают следующие функции белков в организме человека.

  1. Структурная (строительная, пластическая). Белки являются универсальным строительным материалом, из которого строятся все структурные образования организма и прежде всего все клетки и внутриклеточные органеллы (например, миофибриллы мышечного волокна).
  2. Каталитическая. В организме человека имеются особые белки, являющиеся катализаторами химических реакций. Эти белки получили название ферменты или энзимы.
  3. Сократительная. Благодаря белкам, входящих в состав миофибрилл происходит сокращение мышц человека.
  4. Регуляторная. Белки могут взаимодействовать как с кислотами, так и с основаниями, поэтому белки являются важнейшими буферами организма, поддерживающими кислотность внутренней среды организма на необходимом уровне.
  5. Транспортная. Белковые молекулы достаточно большие и хорошо растворяются в воде. Поэтому они могут переносить различные нерастворимые в воде соединения. Белок гемоглобин участвует в переносе кислорода от легких к различным органам. Белки крови – альбумины переносят с током крови различные нерастворимые в воде вещества (жиры, жирные кислоты, гормоны).
  6. Защитная. Белки крови глобулины участвуют в свертывании крови и в обеспечении иммунитета.
  7. Энергетическая. Окисление белков сопровождается выделением энергии.

Перевариваривание белков в организме человека

В организм человека с пищей попадает в сутки около 100 г белков.

Расщепление белков начинается в полости желудка под воздействием желудочного сока, содержащего протеолитический фермент пепсин. Под воздействием пепсина в белках разрываются пептидные связи, образующие первичную структуру. В результате белковые молекулы превращаются в смесь полипептидов различной длины.

Дальнейшее переваривание белков протекает в тонкой кишке под воздействием ферментов: трипсина, химотрипсина и эсталазы, которые синтезируются в поджелудочной железе. В результате полипептиды расщепляются до олигопептидов, состоящих из нескольких аминокислот.

Завершается переваривание белков в тонкой кишке под воздействием ферментов кишечного сока. Образовавшиеся в результате этого процесса аминокислоты всасываются в кровь и по воротной вене поступают в печень и далее попадают в большой круг кровообращения.

Синтез белков

Синтез белков протекает в четыре этапа.

Первый этап синтеза белков протекает в ядрах клеток и называется транскрипцией.

Второй этап синтеза белков протекает в цитоплазме клетки и называется рекогницией.

Третий этап синтеза белков протекает на рибосомах и называется трансляцией.

Четвертый этап синтеза белков протекает в эндоплазматической сети и комплексе Гольджи и называется процессингом.

Более подробно синтез белков в мышечных волокнах описан в отдельной статье.


Более подробно строение и функции мышц описаны в моих книгах


Катаболизм белков

В организме человека происходят одновременно два процесса: синтез белков и их распад (катаболизм). В тканях организма катаболизм белков происходит под воздействием внутриклеточных протеиназ, которые называются катепсинами. Эти ферменты локализованы в лизосомах.

Также катаболизм белков осуществляется особыми мультиферментными комплексами, которые называются протеосомы.

По данным С.С. Михайлова (2009) в сутки внутриклеточному протеолизу подвергается 200-300 г собственных белков организма. При этом при распаде как пищевых, так и собственных белков организма образуются одни и те же 20 видов аминокислот.

Литература

  1. Михайлов С.С. Спортивная биохимия. – М.: Советский спорт, 2009.– 348 с.

С уважением, А.В. Самсонова

Общий белок (Total Protein)

Общий белок (Total Protein)

Белок общий в сыворотке - это измерение концентрации суммарного белка (альбумины + глобулины) в жидкой части крови, результаты которого характеризуют обмен белков в организме. Альбумины синтезируются в печени, глобулины – в лимфоцитах. Общее содержание белка в сыворотке крови отражает состояние белкового обмена. Белки преобладают в составе плотного остатка сыворотки крови (жидкой части, не содержащей клеточных элементов). Они служат основным строительным материалом для всех клеток и тканей тела. Из белков построены ферменты, многие гормоны, антитела и факторы свертывания крови. Отклонение уровня общего белка от нормы может быть вызвано рядом физиологических состояний (не патологического характера) или являться симптомом различных заболеваний. Принято различать относительное отклонение (связанное с изменением содержания воды в циркулирующей крови) и абсолютное (вызванное изменениями в обмене – скорости синтеза/распада – сывороточных белков). Анализ на общий белок сыворотки позволяет выявить существенное снижение жизнеспособности организма в связи с какими-либо важными для здоровья причинами или сделать первый шаг в диагностике заболевания, связанного с нарушением белкового обмена.

Подготовка к исследованию

Не принимать пищу в течение 12 часов перед исследованием.
Исключить физическое и эмоциональное перенапряжение за 30 минут до исследования.
 

Показания к исследованию

При первичной диагностике какого-либо заболевания.
При симптомах истощения.
При подозрении на заболевание, связанное с какими-либо нарушениями белкового обмена.
Когда оценивают состояние обмена веществ или щитовидной железы.
При обследовании функции печени или почек.
При длительном клиническом наблюдении за ходом лечения заболеваний, связанных с нарушениями белкового обмена.
Когда рассматривается возможность проведения хирургической операции.
При профилактическом обследовании.

 

Интерпретация

Референсные значения (норма общего белка в крови)

Возраст

Референсные значения

0 - 7 мес.

44 – 76 г/л

7 - 12 мес.

51 - 73 г/л

1 - 3 года

56 - 75 г/л

3 - 18 лет

60 - 80 г/л

> 18 лет

64 - 83 г/л


Причины повышения уровня общего белка в крови:

Острая и хроническая инфекция (включая туберкулез)

нарушение функции коры надпочечников

аутоиммунные заболевания (ревматоидный артрит, системная красная волчанка, склеродермия)

аллергические состояния

некоторые редкие системные заболевания

потеря жидкости (диабетический ацидоз, хронический понос и др.)

дыхательная недостаточность

разрушение эритроцитов

активный хронический гепатит

некоторые редкие заболевания крови

Причины понижения уровня общего белка в крови:

Задержка жидкости в связи с нарушением функции почек или ослаблением работы сердца

недостаточность поступления белка в организм или нарушение усвоения пищи в желудочно-кишечном тракте (вследствие голодания, недоедания, сужения пищевода, заболеваний кишечника воспалительного характера)

снижение синтеза белка в печени (из-за гепатита, цирроза/атрофии печени, интоксикации)

врожденные нарушения синтеза отдельных белков крови, повышенный распад белка (как результат злокачественных новообразований, гиперфункции щитовидной железы, послеоперационного состояния, длительной лихорадки, травмы, долгого лечения гормональными противовоспалительными препаратами)

чрезмерная потеря белка при заболеваниях почек, сахарном диабете, кровотечениях

потеря белка вместе с жидкостью, которая накапливается в брюшной полости и полости плевры.
 

На результаты могут влиять

Прием пищи может существенно повысить содержание белка в крови, в то время как после физической нагрузки оно снижается. На концентрацию белка также способны влиять употребление чая, кофе, алкоголя, лекарственных средств. Кроме того, для наиболее точного результата пациенту следует воздержаться от пищи со значительным количеством жиров.

Назначается в комплексе

Альбумин в сыворотке
Белковые фракции в сыворотке
Белок общий в моче

Протеин C, % активности (Protein C, % Activity)

Исследуемый материал Плазма (цитрат)

Метод определения Автоматический анализатор гемостаза ACL TOP, метод – кинетический колориметрический с хромогенным субстратом

Один из важнейших естественных ингибиторов свёртывания.

Протеин С – один из наиболее важных физиологических ингибиторов свёртывания. В активной форме он расщепляет и инактивирует факторы свёртывания VIIIa и Va (кроме фактора V Лейден). Протеин C проявляет антикоагулянтную активность, косвенно активирует фибринолиз, ограничивает размеры тромба. In vivo протеин С активируется тромбином, многократно ускоренно – комплексом тромбина и тромбомодулина (белка на поверхности эндотелиальных клеток).

Антикоагулянтную активность протеина C усиливает его кофактор – протеин S. Протеин C синтезируется в печени и является витамин К-зависимым белком, поэтому его активность зависит также от дефицита витамина K и терапии оральными антикоагулянтами. Уровень протеина С у новорождённых и детей младшего возраста физиологически ниже, чем у взрослых вследствие незрелости печени. Врождённый дефицит протеина С связан со склонностью к тяжёлым тромботическим нарушениям. Среди врождённых видов дефицита физиологических антикоагулянтов, таких как дефицит антитромбина III, дефицит протеина C, дефицит протеина S – дефицит протеина C наиболее распространён (0,2-0,4% популяции). Гомозиготные состояния проявляются в раннем детстве фульминантной пурпурой новорождённых и часто фатальны, уровень протеина C у таких новорождённых находится на неопределяемом уровне.

Пациенты с дефицитом протеина С обычно являются гетерозиготами, у которых тромбозы не проявляются ранее второй-третьей декады жизни. Среди них около 5% могут также иметь мутацию фактора V (фактора V Лейден) в гетерозиготном состоянии. Присутствие этой мутации считают фактором риска развития ранней тромботической патологии. Дефицит протеина C связан с повышенным риском осложнений беременности (тромбозом глубоких вен, преэклампсией, внутриутробной задержкой развития плода и повторными выкидышами). Отмечается увеличенный риск развития варфарин-индуцированного некроза кожи. Усугубляется действие факторов риска, связанных с вредными привычками.

Врождённые дефицитные состояния могут быть диагностированы при исключении причин приобретённого дефицита протеина C. Исследование протеина C с данной целью не рекомендовано проводить во время острых заболеваний/острых тромботических эпизодов, вследствие потребления протеина С, а также у пациентов, получающих терапию оральными антикоагулянтами (варфарин понижает уровень протеина C).

Рекомендованы повторные исследования уровня протеина C после прекращения терапии оральными коагулянтами (через месяц после окончания терапии) в корреляции с обследованием членов семьи. У гетерозигот по дефициту протеина C значения частично перекрещиваются с нормальным референсным диапазоном. Нарушение активации протеина С возникает при патологических состояниях, связанных с наличием таких факторов, как гипоксия, эндотоксин, интерлейкин-1, фактор некроза опухоли альфа, высокий уровень гомоцистеина (все они ускоряют свёртывание, индуцируя экспрессию тканевого фактора и подавляя транскрипцию тромбомодулина эндотелиальными клетками).

Показана информативность тестирования протеина С в прогностических целях в септических состояниях, которые характеризуются повышенным потреблением, разрушением и нарушением синтеза протеина С. Уровень активности протеина С < 40%, а также снижение более чем на 10% за один день при сепсисе коррелирует с неблагоприятным прогнозом.

Моделирование ацетаминофен-индуцированного нарушения желчеобразующей функции печени в условиях алиментарной депривации протеина | Копыльчук

1. Волощук О.Н., Копыльчук Г.П., Бучковская И.М. Активность маркерных ферментов печени при токсическом гепатите в условиях алиментарной депривации протеина // Экспериментальная и клиническая гастроэнтерология. 2014. 108 (8). C. 96-100.

2. Волощук О.Н., Копыльчук Г.П., Кадайская Т.Г. Состояние системы энергообеспечения митохондрий печени в условиях алиментарной депривации протеина // Вопр. питания. 2014. № 3. С. 12-16.

3. Громашевська Л.Л., Мішунін І.Ф., Вовк А.Д. Сульфатовані жовчні кислоти у сечі при гепатобіліарній патології // Інфекційні хвороби. 2003. № 1. С. 52-55.

4. Єлоєва З.В. Діагностичне значення реологічних властивостей жовчі при вірусних гепатитах у дітей // Педіатрія. 2001. № 3. С.79-81.

5. Єлоєва З.В. Значення складу жовчі для діагностики холестатичних варіантів вірусного гепатиту А у дітей // Современная педиатрия. 2011. № 6(40). С. 132-134.

6. Еремина Е.Ю. Лекарственные поражения печени // Гастроэнтерология Санкт-Петербурга. 2012. № 1. С. 6-25.

7. Ильченко А.А. Желчные кислоты в норме и при патологии // Эксперим. и клин. гастроэнтерол. 2010. № 4. С. 3-13.

8. Левина О.А., Гончарова И.А., Филатова Т.Г. и др. Влияние стимуляции и депрессии макрофагов на развитие острого токсического гепатита у крыс, вызванного парацетамолом // Экспериментальная и клиническая фармакология. 2003. Т. 66. № 1. С. 57-59.

9. Маркидонова А.А., Белобородова Э.И., Бурковская В.А. Состояние желчевыводящей системы и литогенность желчи у больных воспалительными заболеваниями кишечника // Бюллетень сибирской медицины. 2013. Т. 12. № 6. С. 112-119.

10. Неронов В.А. Диагностика синдрома билиарной недостаточности у больных хроническими вирусными гепатитами // Человек и его здоровье. 2010. № 1. С. 86-90.

11. Ревякин А.О., Капанадзе Г.Д.,.Касинская Н.В., Степанова О.И.,.Баранова О.В. Моделирование лекарственного токсического гепатита на крысах // Биомедицина. 2014. № 1. С. 52-53.

12. Соломенцова Т.А. Билиарная недостаточность в клинической практике врача-терапевта // Здоров’я України. 2009. № 9. С. 48-50.

13. Стефанов О.В. Доклінічні дослідження лікарських засобів (методичні рекомендації). - К.: Авіцена. 2001. 528 с.

14. Banzaraksheev V.G. Еxperimental evaluation of influence of multicomponent phytoremedy on liver’s morphofunctional condition // Fundamental research. 2012. № 4. P. 406-409.

15. Borlak J., Chatterji B., Londhe K.B., Watkins P.B. Serum acute phase reactants hallmark healthy individuals at risk for acetaminophen-induced liver injury // Genome Medicine. 2013. Vol. 5 (86). P. 2-14.

16. Kuvandik G., Duru M., Nacar A. Effects of erdosteine on acetaminophen-induced hepatotoxicity in rats // Toxicologic. pathology. 2008. Vol. 36. P. 714-719.

17. Somanawat K., Thong-Ngam D., Klaikeaw N. Curcumin attenuated paracetamol overdose induced hepatitis // World J. Gastroenterol. 2013. Vol. 19 (12). P. 1962-1967.

Функция белка - обзор

2.1 Роль электростатики

Функция белка всегда зависит от встречи двух или более молекул: субстрат-фермент, лиганд-рецептор и т.д. привлекательные взаимодействия должны преодолевать случайные эффекты теплового возбуждения. Учитывая величину и дальнодействующий характер электростатических взаимодействий, неудивительно, что они могут играть определяющую роль в этом процессе, управляя и / или ориентируя входящую молекулу [1].В случае ферментов дополнительным функциональным требованием является стабилизация промежуточного продукта реакции, без которого они не могут действовать как катализаторы. Также здесь большое значение имеют электростатические взаимодействия, при этом остатки активного центра стабилизируют промежуточное распределение заряда [2]. Гораздо более важным условием функционирования белка является наличие правильно сложенной структуры. Гидрофобный эффект, который обычно считается наиболее определяющим фактором в общем процессе сворачивания, по существу является следствием того факта, что полярные и особенно заряженные остатки электростатически более стабильны при взаимодействии с водой, чем с более неполярной внутренней частью белка.Кроме того, водородные связи, ответственные за вторичную структуру белка, в основном являются результатом электростатических взаимодействий. Таким образом, электростатические взаимодействия занимают особое место среди факторов, определяющих функцию и стабильность белков, и их правильное понимание и моделирование имеют большое значение. Источниками электростатических взаимодействий в белках являются заряженные титруемые остатки (Asp, Glu, His, Lys, Arg, C- и N-концы, Tyr и свободный Cys), структурные ионы (например, Mg 2 + в PGM), связанные ионы, противоионы раствора и др.В следующем разделе мы представляем некоторые модели, которые можно использовать для вычисления электростатических взаимодействий, возникающих из-за этих зарядов, и для связи их с функциональными характеристиками белков. Общие обзоры электростатики белков: Warshel & Russel (1984) [3], Matthew (1985) [4], Rogers (1986) [5], Harvey (1989) [6], Sharp & Honig (1990) [7], Дэвис и Маккаммон (1990) [1].

Аспект, который практически невозможно отделить от белковой электростатики, - это влияние pH из-за изменчивости заряда титруемых остатков.Иногда драматическая функциональная зависимость функции белка от pH является результатом протонирования и депротонирования этих остатков, что может привести к выраженным изменениям во взаимодействии электростатических взаимодействий. Поначалу теоретическая задача объяснения и предсказания таких электростатических изменений при pH может показаться простой - учитывая pK a титруемых остатков (доступных в любом справочнике по биохимии), было бы тривиальным вопросом сказать, какие остатки заряжены при данном pH.К сожалению, ситуация намного сложнее, потому что, как объясняется ниже, pK a может быть сдвинуто на несколько единиц pH от своего типичного значения. Фактически, даже обычная концепция pK a становится неуместной. Таким образом, чтобы решить, какой заряд должен быть отнесен к остатку при данном pH, нужно прибегнуть к довольно более сложным методам, как обсуждается ниже.

Роль белков в организме - Science Learning Hub

Белки - это молекулы, состоящие из аминокислот. Они кодируются нашими генами и составляют основу живых тканей.Они также играют центральную роль в биологических процессах. Например, белки катализируют реакции в нашем организме, транспортируют молекулы, такие как кислород, поддерживают наше здоровье как часть иммунной системы и передают сообщения от клетки к клетке.

Синтез белка

Ген - это сегмент молекулы ДНК, который содержит инструкции, необходимые для создания уникального белка. Все наши клетки содержат одни и те же молекулы ДНК, но каждая клетка использует различную комбинацию генов для создания определенных белков, необходимых для выполнения своих специализированных функций.

Синтез белка имеет 2 основных этапа. 1-й этап известен как транскрипция, когда образуется молекула-мессенджер (мРНК). Эта молекула транскрибируется с молекулы ДНК и несет копию информации, необходимой для создания белка. На 2-м этапе молекула мРНК покидает ядро ​​в цитоплазму, где рибосомы клетки считывают информацию и начинают сборку белка в процессе, называемом трансляцией.

Во время трансляции рибосомы считывают последовательность мРНК из 3 оснований за раз.Каждая из этих трехбуквенных комбинаций (называемых кодонами) кодирует определенную аминокислоту. Например, последовательность оснований ТТТ кодирует аминокислоту лизин.

Существует 4 основания (аденин, тимин, гуанин и цитозин) и, следовательно, 64 (4 3 ) возможных кодонов, определенных с использованием некоторой комбинации из 3 оснований. Однако для построения всех белков в нашем организме требуется всего 20 аминокислот (для некоторых аминокислот требуется более 1 кодона). Именно конкретная последовательность аминокислот определяет форму и функцию белка.

На синтез белка, как и на многие другие биологические процессы, могут влиять факторы окружающей среды. К ним относятся питание матери, температурный стресс, уровень кислорода и воздействие химикатов.

Различные типы белков

В нашем организме существует много разных типов белков. Все они играют важную роль в нашем росте, развитии и повседневном функционировании. Вот несколько примеров:

  • Ферменты - это белки, которые облегчают биохимические реакции, например, пепсин - это пищеварительный фермент в желудке, который помогает расщеплять белки в пище.
  • Антитела - это белки, вырабатываемые иммунной системой для удаления посторонних веществ и борьбы с инфекциями.
  • ДНК-ассоциированные белки регулируют структуру хромосом во время деления клеток и / или играют роль в регуляции экспрессии генов, например, гистоны и белки когезина
  • Сократительные белки участвуют в сокращении и движении мышц, например, актин и миозин
  • Структурные белки обеспечивают поддержку в нашем организме, например, белки в наших соединительных тканях, такие как коллаген и эластин.
  • Гормональные белки координируют функции организма, например, инсулин контролирует концентрацию сахара в крови, регулируя поглощение глюкозы клетками.
  • Транспортные белки перемещают молекулы по нашему телу, например, гемоглобин переносит кислород по крови.

Альтернативные роли белков

Каждый белок играет определенную роль в нашем организме. Однако ученые обнаружили, что некоторые белки выполняют более одной роли.

Например, д-р Джулия Хорсфилд возглавляет группу по структуре и развитию хромосом в Университете Отаго.Ее лаборатория исследует, как белки когезина, которые регулируют структуру хромосом во время деления клеток, также участвуют в обеспечении того, чтобы гены включались или выключались в нужное время во время развития. Джулия и ее коллеги сосредотачиваются на влиянии снижения содержания белков когезина на экспрессию генов у рыбок данио и используют эти результаты для лучшего понимания конкретных заболеваний человека

Полезная ссылка

Посетите веб-сайт Learn Genetics, чтобы отправиться в анимированные туры по ДНК, генам и т. Д. хромосомы, белки, наследственность и признаки.

Биологическая функция клеточного прионного белка: обновленная информация | BMC Biology

  • 1.

    Bendheim PE, Brown HR, Rudelli RD, Scala LJ, Goller NL, Wen GY, et al. Практически повсеместное распространение белка-предшественника агента скрепи в тканях. Неврология. 1992; 42: 149.

    CAS PubMed Статья Google ученый

  • 2.

    Prusiner SB. Новые белковые инфекционные частицы вызывают скрепи. Наука. 1982; 216: 136–44.http://dx.doi.org/10.1126/science.6801762.

    CAS PubMed Статья Google ученый

  • 3.

    Prusiner SB. Прионы. Proc Natl Acad Sci U S. A. 1998; 95: 13363–83.

    CAS PubMed PubMed Central Статья Google ученый

  • 4.

    Wopfner F, Weidenhöfer G, Schneider R, von Brunn A, Gilch S, Schwarz TF, et al. Анализ 27 PrP млекопитающих и 9 птиц показал высокую консервативность гибких областей прионного белка.J Mol Biol. 1999; 289: 1163–78.

    CAS PubMed Статья Google ученый

  • 5.

    Кюффер А., Лаккараджу АКК, Могха А., Петерсен С.К., Айрич К., Дусерен С. и др. Прионный белок является агонистическим лигандом рецептора Adgrg6, сопряженного с G-белком. Природа. 2016; 536: 464–8.

    PubMed Статья CAS Google ученый

  • 6.

    Chesebro B, Race R, Wehrly K, Nishio J, Bloom M, Lechner D, et al.Идентификация мРНК, специфичной к прионному белку скрепи, в головном мозге, инфицированном и не инфицированном скрепи. Природа. 1985; 315: 331–3.

    CAS PubMed Статья Google ученый

  • 7.

    Oesch B, Westaway D, Wälchli M, McKinley MP, Kent SBH, Aebersold R, et al. Клеточный ген кодирует белок PrP 27-30 скрепи. Клетка. 1985; 40: 735–46.

    CAS PubMed Статья Google ученый

  • 8.

    Westaway D, Cooper C, Turner S, Da Costa M, Carlson GA, Prusiner SB. Структура и полиморфизм гена прионного белка мыши. Proc Natl Acad Sci U S. A. 1994; 91: 6418–22.

    CAS PubMed PubMed Central Статья Google ученый

  • 9.

    Riek R, Hornemann S, Wider G, Glockshuber R, Wüthrich K. ЯМР-характеристика полноразмерного рекомбинантного мышиного прионного белка, mPrP (23–231). FEBS Lett. 1997; 413: 282–8.

    CAS PubMed Статья Google ученый

  • 10.

    Stahl N, Borchelt DR, Hsiao K, Prusiner SB. Прионный белок скрепи содержит фосфатидилинозитолгликолипид. Клетка. 1987; 51: 229–40.

    CAS PubMed Статья Google ученый

  • 11.

    Stahl N, Baldwin M, Hecker R, Pan K-M, Burlingame A, Prusiner S. Гликозилинозитол-фосфолипидные якоря скрепи и клеточных прионных белков содержат сиаловую кислоту.Биохимия (Москва). 1992; 31: 5043–53.

    CAS Статья Google ученый

  • 12.

    Наславский Н., Стейн Р., Янаи А., Фридлендер Г., Тарабулос А. Характеристика нерастворимых в детергенте комплексов, содержащих клеточный прионный белок и его изоформу скрепи. J Biol Chem. 1997; 272: 6324–31.

    CAS PubMed Статья Google ученый

  • 13.

    Моррис Р.Дж., Паркин С.Дж., Джен А.Перемещение прионного белка между различными компартментами на нейрональной поверхности и распространение прионной болезни. FEBS Lett. 2006; 580: 5565–71.

    CAS PubMed Статья Google ученый

  • 14.

    Паризек П. Сходный оборот и выделение клеточного прионного белка в первичных лимфоидных и нейрональных клетках. J Biol Chem. 2001; 276: 44627–32.

    CAS PubMed Статья Google ученый

  • 15.

    Тейлор ДР. Присваивание функций отдельным участкам N-конца прионного белка, которые участвуют в его медь-стимулированном клатрин-зависимом эндоцитозе. J Cell Sci. 2005; 118: 5141–53.

    CAS PubMed Статья Google ученый

  • 16.

    Петерс П.Дж., Миронов А., Перец Д., ван Донселаар Э., Леклерк Э., Эрпель С. и др. Передача прионных белков через эндосомный путь, опосредованный кавеолами. J Cell Biol. 2003. 162: 703–17.

    CAS PubMed PubMed Central Статья Google ученый

  • 17.

    Harris DA, Huber MT, Van Dijken P, Shyng SL, Chait BT, Wang R. Обработка клеточного прионного белка: идентификация N- и C-концевых сайтов расщепления. Биохимия (Москва). 1993; 32: 1009–16.

    CAS Статья Google ученый

  • 18.

    Уолмсли А.Р., Ватт Н.Т., Тейлор Д.Р., Перера В.С.С., Хупер Н.М.α-расщепление прионного белка происходит в позднем компартменте секреторного пути и не зависит от липидных рафтов. Mol Cell Neurosci. 2009; 40: 242–8.

    CAS PubMed Статья Google ученый

  • 19.

    Чен С.Г., Теплоу Д.Б., Парчи П., Теллер Дж. К., Гамбетти П., Аутилио-Гамбетти Л. Усеченные формы прионного белка человека в нормальном мозге и при прионных заболеваниях. J Biol Chem. 1995; 270: 19173–80.

    CAS PubMed Статья Google ученый

  • 20.

    Льюис В., Йоханссен В.А., Крауч П.Дж., Клуг Г.М., Хупер Н.М., Коллинз С.Дж. Прионный белок «гамма-расщепление»: характеристика нового процесса эндопротеолитического процессинга. Cell Mol Life Sci. 2016; 73: 667–83.

    CAS PubMed Статья Google ученый

  • 21.

    Вестергард Л., Тернбо Дж. А., Харрис Д. А.. Встречающийся в природе С-концевой фрагмент прионного белка (PrP) замедляет развитие болезни и действует как доминантно-негативный ингибитор образования PrPSc.J Biol Chem. 2011; 286: 44234–42.

    CAS PubMed PubMed Central Статья Google ученый

  • 22.

    Юса С., Оливейра-Мартинс Дж. Б., Сугита-Кониси Ю., Кикучи Ю. Клеточный прионный белок: от физиологии к патологии. Вирусы. 2012; 4: 3109–31.

    CAS PubMed PubMed Central Статья Google ученый

  • 23.

    Тейлор Д. Р., Паркин Е. Т., Коклин С. Л., Олт Дж. Р., Эшкрофт А. Е., Тернер А. Дж. И др.Роль ADAM в отрыве эктодомена и конформационном преобразовании прионного белка. J Biol Chem. 2009. 284: 22590–600. http://dx.doi.org/10.1074/jbc.M109.032599.

    CAS PubMed PubMed Central Статья Google ученый

  • 24.

    Винсент Б., Пайтель Э., Сафтиг П., Фроберт Ю., Хартманн Д., Де Строопер Б. и др. Дезинтегрины ADAM10 и TACE вносят вклад в конститутивное и регулируемое сложным форболом нормальное расщепление клеточного прионного белка.J Biol Chem. 2001; 276: 37743–6.

    CAS PubMed Статья Google ученый

  • 25.

    Altmeppen HC, Prox J, Puig B, Kluth MA, Bernreuther C, Thurm D, et al. Недостаток α-дезинтегрин-и-металлопротеиназы ADAM10 приводит к внутриклеточному накоплению и потере шеддинга клеточного прионного белка in vivo. Mol Neurodegener. 2011; 6: 36.

    CAS PubMed PubMed Central Статья Google ученый

  • 26.

    Altmeppen HC, Prox J, Krasemann S, Puig B, Kruszewski K, Dohler F, et al. Шеддаза ADAM10 является мощным модулятором прионной болезни. Элиф. 2015; 4, e04260.

    PubMed Central Статья CAS Google ученый

  • 27.

    Браун Д.Р., Клайв С., Хасвелл С.Дж. Антиоксидантная активность, связанная с медью связыванием нативного прионного белка. J Neurochem. 2001. 76: 69–76.

    CAS PubMed Статья Google ученый

  • 28.

    Büeler HR, Fischer M, Lang Y, Bluethmann H, Lipp HP, DeArmond SJ, et al. Нормальное развитие и поведение мышей, лишенных белка PrP на поверхности нервных клеток. Природа. 1992; 356: 577–82. http://dx.doi.org/10.1038/356577a0.

    PubMed Статья Google ученый

  • 29.

    Manson JC, Clarke AR, Hooper ML, Aitchison L, McConnell I, Hope J. 129 / Ola мыши, несущие нулевую мутацию в PrP, которая отменяет продукцию мРНК, являются нормальными с точки зрения развития.Mol Neurobiol. 1994; 8: 121–7.

    CAS PubMed Статья Google ученый

  • 30.

    Бюелер Х., Агуцци А, Зайлер А, Грейнер Р.А., Аутенрид П., Агует М. и др. Мыши, лишенные PrP, устойчивы к скрепи. Клетка. 1993; 73: 1339–47.

    PubMed Статья Google ученый

  • 31.

    Сакагути С., Катамин С., Нисида Н., Мориучи Р., Шигемацу К., Сугимото Т. и др.Потеря клеток Пуркинье мозжечка у старых мышей, гомозиготных по нарушенному гену PrP. Природа. 1996; 380: 528–31.

    CAS PubMed Статья Google ученый

  • 32.

    Катамин С., Нисида Н., Сугимото Т., Нода Т., Сакагучи С., Шигемацу К. и др. Нарушение координации движений у мышей, лишенных прионного белка. Cell Mol Neurobiol. 1998; 18: 731–2.

    CAS PubMed Статья Google ученый

  • 33.

    Мур RC. Исследования нацеливания на гены в локусе прионного белка мыши [кандидатская диссертация]. Эдинбург, Шотландия: Эдинбургский университет; 1997.

  • 34.

    Росси Д., Коццио А., Флехсиг Э., Кляйн М.А., Рюликке Т., Агуцци А. и др. Начало атаксии и потеря клеток Пуркинье у мышей без PrP обратно коррелировали с уровнем Dpl в головном мозге. EMBO J. 2001; 20: 694.

    CAS PubMed PubMed Central Статья Google ученый

  • 35.

    Weissmann C, Aguzzi A. Двойник PrP вызывает проблемы. Наука. 1999; 286: 914.

    CAS PubMed Статья Google ученый

  • 36.

    Мур Р.К., Ли И.Ю., Сильверман Г.Л., Харрисон П.М., Стром Р., Генрих С. ​​и др. Атаксия у мышей с дефицитом прионного белка (PrP) связана с активацией нового PrP-подобного белка доппеля. J Mol Biol. 1999; 292: 797–817.

    CAS PubMed Статья Google ученый

  • 37.

    Лу К., Ван В., Се З., Вонг Б.С., Ли Р., Петерсен Р. Б. и др. Экспрессия и структурная характеристика рекомбинантного белка доппеля человека. Биохимия (Москва). 2000; 39: 13575–83.

    CAS Статья Google ученый

  • 38.

    Мур Р.С., Мастранджело П., Бузамондо Э., Генрих С., Легнаме Г., Прусинер С.Б. и др. Доппель-индуцированная дегенерация мозжечка у трансгенных мышей. Proc Natl Acad Sci U S. A. 2001; 98: 15288–93.

    CAS PubMed PubMed Central Статья Google ученый

  • 39.

    Mallucci GR, Ratte S, Asante EA, Linehan J, Gowland I, Jefferys JGR и др. Постнатальный нокаут прионного белка изменяет свойства CA1 гиппокампа, но не приводит к нейродегенерации. EMBO J. 2002; 21: 202–10.

    CAS PubMed PubMed Central Статья Google ученый

  • 40.

    Nuvolone M, Kana V, Hutter G, Sakata D, Mortin-Toth SM, Russo G, et al. Полиморфизм SIRP, но не прионный белок, контролирует фагоцитоз апоптотических клеток.J Exp Med. 2013; 210: 2539–52.

    CAS PubMed PubMed Central Статья Google ученый

  • 41.

    Striebel JF, Race B, Pathmajeyan M, Rangel A, Chesebro B. Отсутствие влияния экспрессии гена прионного белка на каинат-индуцированные припадки у мышей: исследования с использованием конгенных, коизогенных и трансгенных штаммов. Неврология. 2013; 238: 11–8.

    CAS PubMed PubMed Central Статья Google ученый

  • 42.

    Nuvolone M, Hermann M, Sorce S, Russo G, Tiberi C, Schwarz P и др. Строго коизогенный C57BL / 6 J- Prnp - / - мышей: исчерпывающий ресурс по науке о прионах. J Exp Med. 2016; 213: 313–27.

    CAS PubMed PubMed Central Статья Google ученый

  • 43.

    Richt JA, Kasinathan P, Hamir AN, Castilla J, Sathiyaseelan T, Vargas F, et al. Производство крупного рогатого скота без прионного белка.Nat Biotechnol. 2007; 25: 132–8.

    CAS PubMed Статья Google ученый

  • 44.

    Ю. Г. Нарушение функции гена прионного белка у клонированных коз. J Gen Virol. 2006; 87: 1019–27.

    CAS PubMed Статья Google ученый

  • 45.

    Benestad SL, Austbø L, Tranulis MA, Espenes A, Olsaker I. Здоровые козы, естественно, лишенные прионного белка.Vet Res. 2012; 43: 87.

    CAS PubMed PubMed Central Статья Google ученый

  • 46.

    Minikel EV, Vallabh SM, Lek M, Estrada K, Samocha KE, Sathirapongsasuti JF, et al. Количественная оценка пенетрантности прионных болезней с использованием больших когорт популяционного контроля. Sci Transl Med. 2016; 8: 322ра9.

    PubMed PubMed Central Статья CAS Google ученый

  • 47.

    Salès N, Rodolfo K, Hässig R, Faucheux B, Di Giamberardino L, Moya KL. Локализация клеточных прионных белков в головном мозге грызунов и приматов. Eur J Neurosci. 1998. 10: 2464–71.

    PubMed Статья Google ученый

  • 48.

    Salès N, Hässig R, Rodolfo K, Di Giamberardino L, Traiffort E, Ruat M, et al. Развитие экспрессии клеточного прионного белка в удлиненных аксонах. Eur J Neurosci. 2002; 15: 1163–77.

    PubMed Статья Google ученый

  • 49.

    Herms J, Tings T, Gall S, Madlung A, Giese A, Siebert H и др. Доказательства пресинаптического расположения и функции прионного белка. J Neurosci. 1999; 19: 8866–75.

    CAS PubMed Google ученый

  • 50.

    Миронов А., Латавец Д., Вилле Х., Бузамондо-Бернштейн Е., Легнаме Г., Уильямсон Р.А. и др. Цитозольный прионный белок в нейронах. J Neurosci. 2003; 23: 7183–93.

    CAS PubMed Google ученый

  • 51.

    Borchelt DR, Koliatsos VE, Guarnieri M, Pardo CA, Sisodia SS, Price DL. Быстрый антероградный аксональный транспорт клеточного прионного гликопротеина в периферической и центральной нервной системах. J Biol Chem. 1994; 269: 14711–4.

    CAS PubMed Google ученый

  • 52.

    Мойя К.Л., Хессиг Р., Креминон С., Лаффонт И., Ди Джамберардино Л. Улучшенное обнаружение и ретроградный аксональный транспорт PrPc в периферическом нерве: клеточный прионный белок в периферическом нерве.J Neurochem. 2003. 88: 155–60.

    Артикул CAS Google ученый

  • 53.

    Хаберле А.М., Рибо-Барассин С., Бомбарде Дж., Мариани Дж., Хансманн Дж., Грасси Дж. И др. Иммунореактивность синаптического прионного белка в мозжечке грызунов. Microsc Res Tech. 2000; 50: 66–75.

    CAS PubMed Статья Google ученый

  • 54.

    Um JW, Nygaard HB, Heiss JK, Kostylev MA, Stagi M, Vortmeyer A, et al.Амилоид-β-олигомер Альцгеймера, связанный с постсинаптическим прионным белком, активирует Fyn, чтобы повредить нейроны. Nat Neurosci. 2012; 15: 1227–35.

    CAS PubMed PubMed Central Статья Google ученый

  • 55.

    Бейт С., Нолан В., Макхейл-Оуэн Х., Уильямс А. Сиаловая кислота в якоре гликозилфосфатидилинозитола нацелена на клеточный прионный белок в синапсы. J Biol Chem. 2016; 291: 17093–101.

    CAS PubMed Статья Google ученый

  • 56.

    Джеффри М., Халлидей В.Г., Белл Дж., Джонстон А.Р., МакЛауд Н.К., Ингхэм С. и др. Утрата синапсов, связанная с аномальным PrP, предшествует дегенерации нейронов в гиппокампе мышей, инфицированном скрепи. Neuropathol Appl Neurobiol. 2008; 26: 41–54.

    Артикул Google ученый

  • 57.

    Šišková Z, Reynolds RA, O’Connor V, Perry VH. Пресинаптическая и постсинаптическая дегенерация, специфичная для области мозга, являются ранними компонентами невропатологии прионной болезни.PLoS One. 2013; 8: e55004. Маллуччи Г.Р., редактор.

    PubMed PubMed Central Статья CAS Google ученый

  • 58.

    Коллиндж Дж., Уиттингтон М.А., Сидл К.К.Л., Смит С.Дж., Палмер М.С., Кларк А.Р. и др. Прионный белок необходим для нормальной синаптической функции. Природа. 1994; 370: 295–7.

    CAS PubMed Статья Google ученый

  • 59.

    Мэнсон Дж., Хоуп Дж., Кларк А.Р., Джонстон А., Блэк С., МакЛауд Н.Дозировка гена PrP и долгосрочное потенцирование. Нейродегенерация. 1995; 4: 113–4.

    CAS PubMed Статья Google ученый

  • 60.

    Whittington MA, Sidle KCL, Gowland I., Meads J, Hill AF, Palmer MS, et al. Восстановление нейрофизиологического фенотипа, наблюдаемого у мышей без PrP, с помощью трансгена, кодирующего человеческий прионный белок. Нат Жене. 1995; 9: 197–201.

    CAS PubMed Статья Google ученый

  • 61.

    Лледо П.М., Тремблей П., ДеАрмонд С.Дж., Прусинер С.Б., Николл РА. Мыши с дефицитом прионного белка демонстрируют нормальную возбудимость нейронов и синаптическую передачу в гиппокампе. Proc Natl Acad Sci U S. A. 1996; 93: 2403–7.

    CAS PubMed PubMed Central Статья Google ученый

  • 62.

    Карлтон А., Тремблей П., Винсент Дж. Д., Лледо П.М. Дозозависимое, опосредуемое прионным белком (PrP) облегчение возбуждающей синаптической передачи в гиппокампе мыши.Pflüg Arch Eur J Physiol. 2001; 442: 223–9.

    CAS Статья Google ученый

  • 63.

    Bliss TVP, Collingridge GL. Синаптическая модель памяти: долговременная потенциация в гиппокампе. Природа. 1993; 361: 31–9.

    CAS PubMed Статья Google ученый

  • 64.

    Criado JR, Sánchez-Alavez M, Conti B, Giacchino JL, Wills DN, Henriksen SJ, et al. Мыши, лишенные прионного белка, имеют когнитивный дефицит, который устраняется восстановлением PrP в нейронах.Neurobiol Dis. 2005; 19: 255–65.

    CAS PubMed Статья Google ученый

  • 65.

    Коитиньо А.С., Роеслер Р., Мартинс В.Р., Брентани Р.Р., Искьердо И. Удаление клеточного прионного белка ухудшает поведение в зависимости от возраста. NeuroReport. 2003; 14: 1375–9.

    PubMed Статья Google ученый

  • 66.

    Coitinho AS, Freitas ARO, Lopes MH, Hajj GNM, Roesler R, Walz R, et al.Взаимодействие между прионным белком и ламинином модулирует консолидацию памяти. Eur J Neurosci. 2006. 24: 3255–64.

    PubMed Статья Google ученый

  • 67.

    Коитиньо А.С., Лопес М.Х., Хадж Н.М.М., Россато Дж. И., Фрейтас А.Р., Кастро С.К. и др. Формирование кратковременной памяти и консолидация долговременной памяти усиливаются за счет ассоциации клеточных прионов со стресс-индуцируемым белком 1. Neurobiol Dis. 2007; 26: 282–90.

    CAS PubMed Статья Google ученый

  • 68.

    Lipp H-P, Stagliar-Bozicevic M, Fischer M, Wolfer DP. Двухлетнее продольное исследование плавательной навигации у мышей, лишенных прионного белка: нет доказательств неврологических аномалий или нарушений пространственного обучения. Behav Brain Res. 1998. 95: 47–54.

    CAS PubMed Статья Google ученый

  • 69.

    Лугареси Э., Медори Р., Монтанья П., Баруцци А., Кортелли П., Лугареси А. и др. Смертельная семейная бессонница и дизавтономия с избирательной дегенерацией ядер таламуса.N Engl J Med. 1986; 315: 997–1003.

    CAS PubMed Статья Google ученый

  • 70.

    Мастрианни Дж. А., Никсон Р., Лайзер Р., Теллинг Г. К., Хан Д., ДеАрмонд С. Дж. И др. Конформация прионного белка у пациента со спорадической фатальной бессонницей. N Engl J Med. 1999; 340: 1630–8.

    CAS PubMed Статья Google ученый

  • 71.

    Tobler I, Gaus SE, Deboer T, Achermann P, Fischer M, Rulicke T., et al.Изменены ритмы циркадной активности и сна у мышей, лишенных прионного белка. Природа. 1996; 380: 639–42.

    CAS PubMed Статья Google ученый

  • 72.

    Хубер Р., Дебоер Т., Тоблер И. Прионный белок: роль в регуляции сна? J Sleep Res. 1999; 8: 30–6.

    PubMed Статья Google ученый

  • 73.

    Huber R, Deboer T, Tobler I. Депривация сна у мышей с дефицитом прионного белка и контрольных мышей: региональный откат, зависящий от генотипа.Нейроотчет. 2002; 13: 1–4.

    PubMed Статья Google ученый

  • 74.

    Санчес-Алавес М., Конти Б, Морончини Дж., Криадо Дж. Р. Вклад нейронального прионного белка в восстановление сна и стрессовую реакцию после недосыпания. Brain Res. 2007; 1158: 71–80.

    PubMed PubMed Central Статья CAS Google ученый

  • 75.

    Буше М.А., Кекуш М., Адельсбергер Х., Нода Т., Фёрстль Х., Нелькен И. и др.Спасение дисфункции дальнего контура в моделях болезни Альцгеймера. Nat Neurosci. 2015; 18: 1623–30.

    CAS PubMed Статья Google ученый

  • 76.

    Тацуки Ф., Сунагава Г.А., Ши С., Сусаки Э.А., Юкинага Х., Перрин Д. и др. Участие Са2 + -зависимой гиперполяризации в продолжительности сна у млекопитающих. Нейрон. 2016; 90: 70–85.

    CAS PubMed Статья Google ученый

  • 77.

    Mercer RCC, Ma L, Watts JC, Strome R, Wohlgemuth S, Yang J и др. Прионный белок модулирует токи K + A-типа, опосредованные комплексами Kv4.2, через дипептидиламинопептидазоподобный белок 6. J Biol Chem. 2013; 288: 37241–55.

    CAS PubMed PubMed Central Статья Google ученый

  • 78.

    Сенаторе А., Коллеони С., Вердерио С., Рестелли Е., Морини Р., Кондлифф С.Б. и др. Мутантный PrP подавляет глутаматергическую нейротрансмиссию в нейронах гранул мозжечка за счет нарушения доставки через мембрану субъединицы VGCC α2δ-1.Нейрон. 2012; 74: 300–13.

    CAS PubMed PubMed Central Статья Google ученый

  • 79.

    Herms JW, Korte S, Gall S, Schneider I, Dunker S, Kretzschmar HA. Измененный внутриклеточный гомеостаз кальция в гранулярных клетках мозжечка мышей с дефицитом прионного белка. J Neurochem. 2000; 75: 1487–92.

    CAS PubMed Статья Google ученый

  • 80.

    Fuhrmann M, Bittner T, Mitteregger G, Haider N, Moosmang S, Kretzschmar H, et al.Потеря клеточного прионного белка влияет на гомеостаз Ca2 + в нейронах CA1 гиппокампа. J Neurochem. 2006; 98: 1876–85.

    CAS PubMed Статья Google ученый

  • 81.

    King B, Rizwan AP, Asmara H, Heath NC, Engbers JDT, Dykstra S, et al. Каналы IKCa являются критическим фактором, определяющим медленную AHP в пирамидных нейронах CA1. Cell Rep. 2015; 11: 175–82.

    CAS PubMed Статья Google ученый

  • 82.

    Colling SB, Collinge J, Jefferys JGR. Срезы гиппокампа мышей с нулевым прионным белком: разрушенные токи K + , активированные Ca 2+ . Neurosci Lett. 1996; 209: 49–52.

    CAS PubMed Статья Google ученый

  • 83.

    Пауэлл А.Д., Тоеску Е.С., Коллиндж Дж., Джефферис Дж. Изменения Са2 + -буферизации у мышей с нулевым прионом: ассоциация со снижением постгиперполяризации в нейронах гиппокампа CA1. J Neurosci.2008. 28: 3877–86.

    CAS PubMed Статья Google ученый

  • 84.

    Карулла П., Брибиан А., Рангель А., Гавин Р., Феррер И., Каллес С. и др. Нейропротекторная роль PrPC против каинат-индуцированных эпилептических припадков и гибели клеток зависит от модуляции активации JNK3 за счет связывания GluR6 / 7 – PSD-95. Mol Biol Cell. 2011; 22: 3041–54.

    CAS PubMed PubMed Central Статья Google ученый

  • 85.

    Maglio LE, Перес М.Ф., Мартинс В.Р., Брентани Р.Р., Рамирес О.А. Синаптическая пластичность гиппокампа у мышей, лишенных клеточного прионного белка. Mol Brain Res. 2004. 131: 58–64.

    CAS PubMed Статья Google ученый

  • 86.

    Rangel A, Burgaya F, Gavín R, Soriano E, Aguzzi A, del Río JA. Повышенная восприимчивость Prnp-дефицитных мышей к каинат-индуцированным судорогам, апоптозу нейронов и смерти: роль рецепторов AMPA / каината.J Neurosci Res. 2007; 85: 2741–55.

    CAS PubMed Статья Google ученый

  • 87.

    Карулла П., Ллоренс Ф, Матаморос-Энглс А, Агилар-Кальво П., Эспиноза Дж. К., Гавин Р. и др. Участие PrPC в каинат-индуцированной эксайтотоксичности у нескольких линий мышей. Научный доклад 2015; 5: 11971.

    PubMed PubMed Central Статья Google ученый

  • 88.

    Colling SB, Khana M, Collinge J, Jefferys JGR.Реорганизация мшистых волокон в гиппокампе мышей, нулевых по прионному белку. Brain Res. 1997. 755: 28–35.

    CAS PubMed Статья Google ученый

  • 89.

    Майер М.Л. Структурная биология комплексов ионных каналов рецепторов глутамата. Curr Opin Struct Biol. 2016; 41: 119–27.

    CAS PubMed Статья Google ученый

  • 90.

    Хосравани Х., Чжан Й., Цуцуи С., Хамид С., Алтье С., Хамид Дж. И др.Прионный белок ослабляет эксайтотоксичность, ингибируя рецепторы NMDA. Sci Signal. 2008; 181: 551.

    CAS Google ученый

  • 91.

    Гадотти В.М., Бонфилд С.П., Зампони Г.В. Подобное депрессии поведение мышей, лишенных клеточного прионного белка. Behav Brain Res. 2012; 227: 319–23.

    CAS PubMed Статья Google ученый

  • 92.

    Гадотти В.М., Зампони Г.В. Клеточный прионный белок защищает от воспалительной и невропатической боли.Молочная боль. 2011; 7: 1.

    Артикул CAS Google ученый

  • 93.

    Ю Х, Цуцуи С., Хамид С., Каннанаякал Т. Дж., Чен Л., Ся П. и др. Нейротоксичность зависит от взаимодействия между ионами меди, прионным белком и рецепторами N-метил-D-аспартата. Proc Natl Acad Sci U S. A. 2012; 109: 1737–42.

    CAS PubMed PubMed Central Статья Google ученый

  • 94.

    Gasperini L, Meneghetti E, Pastore B, Benetti F, Legname G. Прионный белок и медь совместно защищают нейроны, модулируя рецептор NMDA посредством S-нитрозилирования. Антиоксидный окислительно-восстановительный сигнал. 2015; 22: 772–84.

    CAS PubMed PubMed Central Статья Google ученый

  • 95.

    Вт NT, Тейлор Д. Р., Керриган Т. Л., Гриффитс Х. Х., Рашворт СП, Уайтхаус И. Дж. И др. Прионный белок способствует поглощению цинка нервными клетками.Nat Commun. 2012; 3: 1134.

    PubMed PubMed Central Статья CAS Google ученый

  • 96.

    Kleene R, Loers G, Langer J, Frobert Y, Buck F, Schachner M. Прионный белок регулирует глутамат-зависимый транспорт лактата астроцитов. J Neurosci. 2007; 27: 12331–40.

    CAS PubMed Статья Google ученый

  • 97.

    Um JW, Kaufman AC, Kostylev M, Heiss JK, Stagi M, Takahashi H, et al.Метаботропный рецептор глутамата 5 является корецептором для олигомера Aβ альцгеймера, связанного с клеточным прионным белком. Нейрон. 2013; 79: 887–902.

    CAS PubMed PubMed Central Статья Google ученый

  • 98.

    Лорен Дж., Гимбел Д. А., Найгаард Х. Б., Гилберт Дж. В., Стритматтер С. М.. Клеточный прионный белок опосредует нарушение синаптической пластичности олигомерами амилоида-β. Природа. 2009; 457: 1128–32.

    PubMed PubMed Central Статья CAS Google ученый

  • 99.

    Chen S, Yadav SP, Surewicz WK. Взаимодействие между прионным белком человека и олигомерами амилоид-β (Aβ): роль N-концевых остатков. J Biol Chem. 2010; 285: 26377–83.

    CAS PubMed PubMed Central Статья Google ученый

  • 100.

    Ху Н.-З., Николл А.Дж., Чжан Д., Мабли А.Дж., О’Мэлли Т., Пурро С.А. и др. Рецепторы mGlu5 и клеточный прионный белок опосредуют долгосрочную синаптическую депрессию, облегчаемую амилоидом-β, in vivo. Nat Commun.2014; 5: 3374. http://www.nature.com/doifinder/10.1038/ncomms4374.

    PubMed PubMed Central Google ученый

  • 101.

    Resenberger UK, Harmeier A, Woerner AC, Goodman JL, Muller V, Krishnan R, et al. Клеточный прионный белок опосредует нейротоксическую передачу сигналов конформеров, богатых β-листом, независимо от репликации прионов. EMBO J. 2011; 30: 2057–70.

    CAS PubMed PubMed Central Статья Google ученый

  • 102.

    Balducci C, Beeg M, Stravalaci M, Bastone A, Sclip A, Biasini E и др. Синтетические амилоидные олигомеры ухудшают долговременную память независимо от клеточного прионного белка. Proc Natl Acad Sci U S. A. 2010; 107: 2295–300.

    CAS PubMed PubMed Central Статья Google ученый

  • 103.

    Калелья А.М., Фаринелли М., Нуволон М., Миранте О., Моос Р., Фалсиг Дж. И др. Нарушение синаптической токсичности, связанное с прионным белком и Aβ: клеточный прионный белок и амилоид-β.EMBO Mol Med. 2010; 2: 306–14.

    CAS PubMed PubMed Central Статья Google ученый

  • 104.

    Кесселс Х.В., Нгуен Л.Н., Набави С., Малинов Р. Прионный белок как рецептор амилоида- [bgr]. Природа. 2010; 466: E3–4.

    CAS PubMed PubMed Central Статья Google ученый

  • 105.

    Cisse M, Sanchez PE, Kim DH, Ho K, Yu G-Q, Mucke L.Удаление клеточного прионного белка не улучшает аномальную активность нейронной сети или когнитивную дисфункцию у линии J20 мышей, трансгенных человеческих белков-предшественников амилоида. J Neurosci. 2011; 31: 10427–31.

    CAS PubMed PubMed Central Статья Google ученый

  • 106.

    Беральдо Ф.Х., Арантес С.П., Сантос Т.Г., Мачадо К.Ф., Роффе М., Хадж Г.Н. и др. Метаботропные рецепторы глутамата передают сигналы роста нейритов после связывания прионного белка с цепью ламинина γ1.FASEB J. 2011; 25: 265–79.

    CAS PubMed Статья Google ученый

  • 107.

    Мэнсон Дж., Вест Дж. Д., Томсон В., Макбрайд П., Кауфман М. Х., Хоуп Дж. Ген прионного белка: роль в эмбриогенезе мышей? Разработка. 1992; 115: 117–22.

    CAS PubMed Google ученый

  • 108.

    Тремблей П., Бузамондо-Бернштейн Е., Генрих С., Прусинер С.Б., ДеАрмонд С.Дж. Экспрессия PrP в период развития постимплантационного эмбриона.Brain Res. 2007; 1139: 60–7.

    CAS PubMed Статья Google ученый

  • 109.

    Benvegnu S, Roncaglia P, Agostini F, Casalone C, Corona C, Gustincich S, et al. Влияние развития клеточного прионного белка на профиль экспрессии генов в гиппокампе мышей. Physiol Genomics. 2011; 43: 711–25.

    CAS PubMed Статья Google ученый

  • 110.

    Чади С., Янг Р., Ле Гийу С., Тилли Дж., Биттон Ф., Мартин-Магнетт М.-Л. и др. Стабильность транскрипции головного мозга при аннулировании гена, кодирующего прионный белок, у зиготических или взрослых мышей. BMC Genomics. 2010; 11: 1.

    Артикул CAS Google ученый

  • 111.

    Брибиан А., Фонтана Х, Ллоренс Ф, Гавин Р., Рейна М., Гарсия-Вердуго Дж. М. и др. Роль клеточного прионного белка в пролиферации и дифференцировке клеток-предшественников олигодендроцитов в ЦНС развивающихся и взрослых мышей.PLoS One. 2012; 7, e33872.

    PubMed PubMed Central Статья CAS Google ученый

  • 112.

    Стил А.Д., Эмсли Дж. Г., Оздинлер PH, Линдквист С., Маклис Дж. Д.. Прионный белок (PrPc) положительно регулирует пролиферацию нервных предшественников во время нейрогенеза у взрослых млекопитающих и в процессе развития. Proc Natl Acad Sci U S. A. 2006; 103: 3416–21. http://dx.doi.org/10.1073/pnas.05112

    .

    CAS PubMed PubMed Central Статья Google ученый

  • 113.

    Arantes C, Nomizo R, Lopes MH, Hajj GNM, Lima FRS, Martins VR. Прионный белок и его лиганд, индуцируемый стрессом, белок 1 регулируют развитие астроцитов. Глия. 2009; 57: 1439–49.

    PubMed Статья Google ученый

  • 114.

    Prodromidou K, Papastefanaki F, Sklaviadis T, Matsas R. Функциональная перекрестная связь между клеточным прионным белком и молекулой адгезии нервных клеток имеет решающее значение для нейрональной дифференцировки нервных стволовых клеток / клеток-предшественников: PrP и NCAM в NPC нейрональная дифференцировка.Стволовые клетки. 2014; 32: 1674–87.

    CAS PubMed Статья Google ученый

  • 115.

    Kempermann G, Gage FH. Генетическое влияние на фенотипическую дифференциацию в нейрогенезе гиппокампа взрослых. Стволовые клетки Mamm Brain. 2002; 134: 1–12.

    CAS Google ученый

  • 116.

    Santuccione A, Sytnyk V, Leshchyns’ka I, Schachner M. Прионный белок рекрутирует свой нейрональный рецептор NCAM на липидные рафты, чтобы активировать p59 fyn и усилить рост нейритов.J Cell Biol. 2005; 169: 341–54.

    CAS PubMed PubMed Central Статья Google ученый

  • 117.

    Pantera B, Bini C, Cirri P, Paoli P, Camici G, Manao G, et al. Активация PrP c вызывает рост и дифференцировку нейритов в клетках PC12: роль кавеолина-1 в пути передачи сигнала. J Neurochem. 2009; 110: 194–207.

    CAS PubMed Статья Google ученый

  • 118.

    Hajj GNM, Lopes MH, Mercadante AF, Veiga SS, da Silveira RB, Santos TG и др. Взаимодействие клеточного прионного белка с витронектином поддерживает рост аксонов и компенсируется интегринами. J Cell Sci. 2007; 120: 1915–26.

    CAS PubMed Статья Google ученый

  • 119.

    Канаани Дж., Прусинер С.Б., Дьяково Дж., Бэккесков С., Легнаме Г. Рекомбинантный прионный белок индуцирует быструю поляризацию и развитие синапсов в эмбриональных нейронах гиппокампа крысы in vitro: прионный белок усиливает поляризацию нейронов.J Neurochem. 2005; 95: 1373–86.

    CAS PubMed Статья Google ученый

  • 120.

    Престори Ф., Росси П., Беарзатто Б., Лайне Дж., Некки Д., Дивакар С. и др. Измененная возбудимость нейронов и синаптическая пластичность в зернистом слое мозжечка у мышей с нокаутом ювенильного прионного белка с нарушенным двигательным контролем. J Neurosci. 2008. 28: 7091–103.

    CAS PubMed Статья Google ученый

  • 121.

    Shyu W-C. Сверхэкспрессия PrPC путем нацеливания на аденовирусами снижает ишемическое повреждение в модели инсульта на крысах. J Neurosci. 2005; 25: 8967–77.

    CAS PubMed Статья Google ученый

  • 122.

    Weise J, Sandau R, Schwarting S, Crome O, Wrede A, Schulz-Schaeffer W, et al. Делеция клеточного прионного белка приводит к снижению активации Akt, усилению постишемической активации каспазы-3 и обострению ишемического повреждения головного мозга.Гладить. 2006; 37: 1296–300.

    CAS PubMed Статья Google ученый

  • 123.

    Doeppner TR, Kaltwasser B, Schlechter J, Jaschke J, Kilic E, Bähr M, et al. Клеточный прионный белок способствует выживанию постишемических нейронов, ангионеврогенезу и усиливает хингинг нервных клеток-предшественников посредством ингибирования протеасом. Cell Death Dis. 2015; 6, e2024.

    CAS PubMed PubMed Central Статья Google ученый

  • 124.

    Mitteregger G, Vosko M, Krebs B, Xiang W., Kohlmannsperger V, Nölting S, et al. Роль области octarepeat в нейропротекторной функции клеточного прионного белка. Brain Pathol. 2007. 17: 174–83.

    CAS PubMed PubMed Central Статья Google ученый

  • 125.

    Black SAG, Stys PK, Zamponi GW, Tsutsui S. Модуляция клеточного прионного белка и рецептора NMDA: защита от эксайтотоксичности. Front Cell Dev Biol.2014; 2:45. http://journal.frontiersin.org/article/10.3389/fcell.2014.00045/abstract.

    PubMed PubMed Central Статья Google ученый

  • 126.

    Guillot-Sestier MV, Sunyach C, Druon C, Scarzello S, Checler F. Производный альфа-секретазой N-концевой продукт клеточного приона, N1, проявляет нейрозащитную функцию in vitro и in vivo. J Biol Chem. 2009. 284: 35973–86. http://dx.doi.org/10.1074/jbc.M109.051086.

    CAS PubMed PubMed Central Статья Google ученый

  • 127.

    Chiarini LB, Freitas ARO, Zanata SM, Brentani RR, Martins VR, Linden R. Клеточный прионный белок трансдуцирует нейрозащитные сигналы. EMBO J. 2002; 21: 3317.

    CAS PubMed PubMed Central Статья Google ученый

  • 128.

    Lopes MH. Взаимодействие клеточного приона и индуцируемого стрессом белка 1 способствует нейритогенезу и нейропротекции с помощью различных сигнальных путей. J Neurosci. 2005; 25: 11330–9.

    CAS PubMed Статья Google ученый

  • 129.

    Патмаджян М.С., Патель С.А., Кэрролл Дж. А., Сейб Т., Стрибель Дж. Ф., Бриджес Р. Дж. И др. Повышенный транспорт возбуждающих аминокислот в астроциты с нокаутом прионного белка мыши, культивируемые in vitro. Глия. 2011; 59: 1684–94.

    PubMed PubMed Central Статья Google ученый

  • 130.

    Fluharty BR, Biasini E, Stravalaci M, Sclip A, Diomede L, Balducci C, et al. N-концевой фрагмент прионного белка связывается с амилоидными олигомерами и ингибирует их нейротоксичность in vivo.J Biol Chem. 2013. http://www.jbc.org/cgi/doi/10.1074/jbc.M112.423954.

  • 131.

    Béland M, Bédard M, Tremblay G, Lavigne P, Roucou X. Aβ индуцирует нейтрализацию, опосредованную N-концевым фрагментом прионного белка (PrPN1) в аморфных агрегатах. Neurobiol Aging. 2014; 35: 1537–48.

    PubMed Статья CAS Google ученый

  • 132.

    Стил А.Д., Чжоу З., Джексон В.С., Чжу С., Олук П., Московиц М.А. и др. Контекстно-зависимые нейрозащитные свойства прионного белка (PrP).Прион. 2009; 3: 240–9.

    CAS PubMed PubMed Central Статья Google ученый

  • 133.

    Brown DR, Schulz-Schaeffer WJ, Schmidt B, Kretzschmar HA. Клетки с дефицитом прионного белка демонстрируют измененный ответ на окислительный стресс из-за снижения активности СОД-1. Exp Neurol. 1997. 146: 104–12.

    CAS PubMed Статья Google ученый

  • 134.

    Браун Д.Р., Бун-Сенг В., Хафиз Ф., Клайв С., Хасвелл С.Дж., Джонс И.М.Нормальный прионный белок имеет активность, подобную активности супероксиддисмутазы. Биохим Дж. 1999; 344: 1–5.

    CAS PubMed PubMed Central Статья Google ученый

  • 135.

    Wagoner DJ, Drisaldi B, Bartnikas TB, Casareno RLB, Prohaska JR, Gitlin JD, et al. Содержание меди в мозге и активность купроэнзима не зависят от уровня экспрессии прионного белка. J Biol Chem. 2000; 275: 7455–8.

    CAS PubMed Статья Google ученый

  • 136.

    Hutter G, Heppner FL, Aguzzi A. Отсутствие супероксиддисмутазной активности клеточного прионного белка in vivo. Biol Chem. 2005; 384: 1279.

    Google ученый

  • 137.

    Klamt F, Dal-Pizzol F, Conte da Frota Jr ML, Walz R, Andrades ME, da Silva EG, et al. Нарушение антиоксидантной защиты у мышей, лишенных клеточного прионного белка. Free Radic Biol Med. 2001; 30: 1137–44.

    CAS PubMed Статья Google ученый

  • 138.

    White AR, Collins SJ, Maher F, Jobling MF, Stewart LR, Thyer JM и др. Нейроны с дефицитом прионного белка обнаруживают более низкую активность глутатионредуктазы и повышенную восприимчивость к токсичности перекиси водорода. Am J Pathol. 1999; 155: 1723–30.

    CAS PubMed PubMed Central Статья Google ученый

  • 139.

    Gasperini L, Meneghetti E, Legname G, Benetti F. В отсутствие клеточного прионного белка изменения в метаболизме меди и медьзависимой активности оксидазы влияют на распределение железа.Front Neurosci. 2016; 10: 437. http://journal.frontiersin.org/Article/10.3389/fnins.2016.00437/abstract.

    PubMed PubMed Central Статья Google ученый

  • 140.

    Singh A, Kong Q, Luo X, Petersen RB, Meyerson H, Singh N. Мыши с нокаутом прионного белка (PrP) демонстрируют измененный метаболизм железа: функциональную роль PrP в захвате и транспорте железа. PLoS One. 2009; 4, с6115.

    PubMed PubMed Central Статья CAS Google ученый

  • 141.

    Бремер Дж., Бауманн Ф., Тибери С., Вессиг С., Фишер Х., Шварц П. и др. Аксональный прионный белок необходим для поддержания периферического миелина. Nat Neurosci. 2010; 13: 310–8.

    CAS PubMed Статья Google ученый

  • 142.

    Nishida N, Tremblay P, Sugimoto T., Shigematsu K, Shirabe S, Petromilli C, et al. Трансген прионного белка мыши спасает мышей с дефицитом гена прионного белка от дегенерации и демиелинизации клеток Пуркинье.Lab Invest. 1999. 79: 689–97.

    CAS PubMed Google ученый

  • 143.

    Koirala S, Corfas G. Идентификация новых глиальных генов путем одноклеточного транскрипционного профилирования глиальных клеток Бергмана из мозжечка мыши. PLoS One. 2010; 5, e9198.

    PubMed PubMed Central Статья CAS Google ученый

  • 144.

    Радованович I. Усеченный прионный белок и доппель миелинотоксичны в отсутствие олигодендроцитарного PrPC.J Neurosci. 2005. 25: 4879–88.

    CAS PubMed Статья Google ученый

  • 145.

    Baumann F, Tolnay M, Brabeck C, Pahnke J, Kloz U, Niemann HH, et al. Смертельная рецессивная миелиновая токсичность прионного белка, лишенного его центрального домена. EMBO J. 2007; 26: 538–47.

    CAS PubMed PubMed Central Статья Google ученый

  • 146.

    Ривера-Милла Э, Ойдтманн Б., Панагиотидис С.Х., Байер М., Склавиадис Т., Хоффманн Р. и др.Несопоставимая эволюция доменов прионных белков и различное происхождение локусов, связанных с доппелем и прионами, выявленные при сравнении рыб с млекопитающими. Фасеб Дж. 2006; 20: 317–9.

    CAS PubMed Google ученый

  • 147.

    Herms JW, Kretzschmar HA, Titz S, Keller BU. Patch-Clamp анализ синаптической передачи в клетки Пуркинье мозжечка мышей с нокаутом прионного белка. Eur J Neurosci. 1995; 7: 2508–12.

    CAS PubMed Статья Google ученый

  • 148.

    Nishida N, Katamine S, Shigematsu K, Nakatani A, Sakamoto N, Hasegawa S и др. Прионный белок необходим для скрытого обучения и долговременной памяти. Cell Mol Neurobiol. 1997; 17: 537–45.

    CAS PubMed Статья Google ученый

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


    Настройка вашего браузера для приема файлов cookie

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

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

    Почему этому сайту требуются файлы cookie?

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


    Что сохраняется в файле cookie?

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

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

    Прогнозирование функции белка по содержимому домена | Биоинформатика

    Аннотация

    Мотивация: Вычислительное определение функции белков может быть самым важным приложением биоинформатики в постгеномную эру.Эти назначения производятся на основе различных характеристик белка, одной из которых является наличие идентифицируемых доменов. Взаимосвязь между содержанием белкового домена и функцией важно исследовать, чтобы понять, как комбинации доменов кодируют сложные функции.

    Результаты: Представлены две разные модели того, как комбинации белковых доменов приводят к определенным функциям: одна основанная на правилах и одна вероятностная. Мы демонстрируем, как они полезны для передачи аннотаций генной онтологии.Первый представляет собой интуитивное обобщение отображения Pfam2GO и выявляет случаи строгого функционального применения наборов доменов. Вторая использует вероятностную модель для представления взаимосвязи между содержимым предметной области и терминами аннотации, и было обнаружено, что она лучше подходит для неполных обучающих наборов. Мы реализовали эти модели в качестве предикторов терминов функциональной аннотации Gene Ontology. Оба предиктора были более точными, чем обычная передача аннотаций наилучшего попадания BLAST, и более чувствительны, чем однодоменная модель для крупномасштабного набора данных.Мы представляем ряд случаев, когда комбинации доменов белка Pfam-A предсказывают функциональные термины, которые не следуют из отдельных доменов.

    Доступность: Скрипты и документация доступны для загрузки на http://sonnhammer.sbc.su.se/multipfam2go_source_docs.tar

    Контакт: [email protected]

    Дополнительная информация: Дополнительные данные доступны на сайте Bioinformatics онлайн.

    1 ВВЕДЕНИЕ

    По мере увеличения скорости секвенирования генома множество новых белков ожидают функциональной аннотации.В то время как полностью автоматизированная аннотация белков может быть утопией, разработка инструментов, сужающих пространство гипотез, имеет решающее значение и возможна (Friedberg, 2006). Большинство форм полуавтоматической аннотации белков представляют собой методы передачи в той или иной форме, основанные на поиске уже аннотированных белков, связанных с запросом, и передаче их аннотаций к нему. Существуют некоторые методы, которые полагаются на данные о коэкспрессии мРНК или белков для такого переноса аннотации (Massjouni et al., 2006; Zhu et al., 2007), но большинство инструментов для переноса аннотаций в конечном итоге полагаются на последовательность белка (Friedberg, 2006). Они варьируются от методов, использующих высокоуровневые характеристики последовательности, такие как сигналы или мотивы локализации, до простых поисков сходства для поиска аннотированных гомологов. Третий класс методов расширяет существующие аннотации, чтобы максимизировать внутреннюю согласованность набора аннотированных белков. Аналогичным образом, методы различаются по способу интеграции этих функций и их оценки на предмет предполагаемой передачи.Стандартный подход заключается в простом переносе аннотаций из некоторого способа наилучшего аннотированного попадания BLAST (Altschul и др. , 1990, см. Джонс и др. , 2005) или из более сложного анализа результатов BLAST или BLAST. (Хокинс и др. , 2006; Verspoor и др. , 2006). С этого момента были применены различные подходы к машинному обучению, включая, помимо прочего, байесовские сети (Engelhardt et al. , 2005; Nariai et al. , 2007), Support Vector Machines (Vinayagam et al., 2004) и несколько разновидностей классификации на основе правил (Hayete and Bienkowska, 2005; Kretschmann et al. , 2001; Schug et al. , 2002; Syed and Yona, 2003). Более того, подходы к оценке инструментов передачи аннотаций значительно различаются, как в отношении тестов, систем аннотаций, так и показателей оценки (Friedberg, 2006; Jones et al. , 2007). В результате не существует решения этой проблемы, которое до сих пор было бы универсально доказано как эффективное.

    Среди релевантных характеристик последовательности белка ключевую позицию занимают домены. Они представляют собой последовательные и структурные мотивы, независимо обнаруживаемые в разных белках, в различных комбинациях, и как таковые, по-видимому, являются строительными блоками белков выше уровня исходной аминокислотной последовательности (Richardson, 1981). Было разработано несколько подходов к определению и разграничению различных доменов, некоторые из которых основаны на наблюдаемых различных структурных классах (Murzin et al. , 1995), другие - на кластеризации консервативных подпоследовательностей (Mulder et al., 2007; Sonnhammer et al. , 1998). Одной из наиболее широко используемых схем доменов является база данных Pfam (Finn et al. , 2006; Sonnhammer et al. , 1998). В основе этой базы данных лежат наборы отдельных репрезентативных последовательностей, выбранных вручную для каждого семейства доменов, для которых затем создаются скрытые марковские модели, которые используются для аннотации доменов остальной части пространства последовательностей белков. Таким образом, назначение домена Pfam, как правило, несложно и обеспечивает хорошее покрытие.

    При предположении, что домены являются модулями структурной архитектуры белка, имеет смысл, что функция белка должна в значительной степени следовать из архитектуры домена. Это, в свою очередь, означало бы, что многие аспекты такой функции могут быть выведены без обращения к более подробной информации о необработанной последовательности (Bashton and Chothia, 2007). Так ли это на самом деле, и если да, то каковы внутренние механизмы взаимосвязи между архитектурой предметной области и функцией, неизвестно. Однако мы начинаем накапливать достаточно данных из разных источников, чтобы иметь возможность проверить, насколько эта гипотеза верна.

    Также известно, что определенные наборы доменов часто встречаются вместе, что может указывать на функциональное взаимодействие. Это сохранение контекста домена послужило основой для работы, направленной на улучшение обнаружения домена путем интеграции такой контекстной информации (Beaussart et al. , 2007; Coin et al. , 2003) и для обнаружения гомологов с использованием сходства содержимого домена (Song и др. , 2007). В целом кажется очевидным, что контекст домена важен для функции белка.

    Были предприняты попытки связать термины онтологии генов, которая представляет собой широко используемый словарь контролируемых аннотаций белков (Ashburner et al. , 2000), с доменами InterPro. База данных InterPro - это база метаданных, состоящая из нескольких схем составляющих доменов, каждая из которых имеет некоторый автоматический метод определения того, принадлежит ли последовательность белка к данному семейству доменов или нет (Mulder et al. , 2007). Эта карта interpro2go (Mulder et al. , 2007) основана на предпосылке, что если аннотированные белки, обладающие данным доменом, никогда не обнаруживаются в надежном обучающем наборе без заданного термина GO, этот термин подразумевается наличием домена .Посредством последующего картирования доменов INTERPRO на домены Pfam, подход Pfam2GO, таким образом, позволяет изучить взаимосвязь между изолированными доменами Pfam и функциональными назначениями онтологии генов (Hayete and Bienkowska, 2005; Mulder et al. , 2007). Hayete и Bienkowska (2005) построили модель с использованием деревьев решений для прогнозирования условий GO на основе комбинаций доменов Pfam и других характеристик последовательности, а Schug et al. , (2002) построили аналогичный предсказатель на основе правил, используя домены ProDom и CDD, оба с некоторой долей успеха.Разумно предположить, что значительное количество функций белка возникает в результате взаимодействия между доменами, где комбинация доменов подразумевает определенную функцию с большей специфичностью, чем отдельные домены. Этот проект представляет модель такого взаимодействия и пытается определить, какие существуют такие случаи.

    Оценивая эту гипотезу о взаимодействии доменов для формирования определенных функций, мы реализуем ее как простой автономный инструмент аннотации функций, позволяющий нам проверить, насколько хорошо она работает на практике.Очевидно, что для максимального эффекта при прогнозировании функции белков необходимо использовать все доступные данные, включая информацию, не основанную на последовательностях, такую ​​как данные взаимодействия. Наша цель здесь не в первую очередь представить полноценный инструмент прогнозирования, а скорее представить подход, с помощью которого такие инструменты могут использовать информацию об архитектуре домена для передачи аннотации между удаленно связанными белками. В отличие от предыдущей работы, в нашем нынешнем подходе используется только доменная архитектура Pfam-A. Более того, он более интуитивно понятен, быстрее в вычислительном отношении и лучше масштабируем, чем предыдущие подходы на основе дерева решений, позволяя не только прогнозировать, но и делать конкретные выводы относительно функционального взаимодействия предметной области.

    2 МЕТОДА

    В этой работе сделан ряд упрощающих предположений. Функция белка в этом контексте конкретно относится к любому термину генной онтологии, присвоенному белку. Белок, которому назначен конкретный термин, также по определению считается имеющим каких-либо предков этого термина в графе GO. Предикторы могут назначать любой термин индивидуально, независимо от уровня GO, но если термин назначен, все его предки также назначаются автоматически. Под содержанием доменной архитектуры белка понимается набор содержащихся в нем доменов Pfam-A.Таким образом, как последовательный порядок доменов, так и количество раз, когда каждый домен встречается в белке, игнорируется в отношении функционального взаимодействия. Домен просто считается отсутствующим или присутствующим. Это делается в первую очередь на основании предположения, что присутствие или отсутствие домена вообще более важно для его функционального вклада в белок, чем его последовательное положение, но это также помогает избежать построения слишком сложной модели. Таким образом, архитектура домена A * B * B * A * C содержит подмножества домена A, B, C, AB, AC, BC и ABC.Мы рассматриваем две возможные формы связи между набором доменов белка и его функцией.

    2.1 Строгое следствие

    По аналогии с подходом Pfam2GO, мы утверждаем, что домен (под-) набор с термином GO строго подразумевает этот термин тогда и только тогда, когда все экземпляры аннотированных белков, отображающие этот набор доменов, также отображают этот термин. Это может означать, а может и не означать, что свойства этих доменов в комбинации заставляют белок выполнять эту функцию.В случае, если набор предметной области и одно из его подмножеств (например, AB и A) подразумевают функциональный термин, только меньшее подмножество считается подразумевающим его, в соответствии с бритвой Оккама и поиском простейших возможных объяснений. Таким образом, многодоменный набор будет предсказывать термин GO только в том случае, если все его подмножества домена поддерживаются по крайней мере одним обучающим примером, в котором отсутствует термин GO. Нахождение набора таких неизбыточных отношений строго подразумеваемых доменов и терминов GO из набора аннотированных белков довольно просто.

    Использование строгой импликации имеет один важный недостаток: ее могут помешать ложные отрицания в обучающей выборке. Одного белка, у которого отсутствует допустимая аннотация GO-термина, достаточно, чтобы лишить наборы доменов, присутствующие в его архитектуре, предсказывать этот термин. Хотя этого можно частично избежать, используя только вручную аннотированные белки в качестве обучающего набора, этот подход по-прежнему не может защитить от случаев, когда известна только часть функции белка обучающего набора. Если полагаться только на вручную аннотированные белки, то на данном этапе это разумно, но это затрудняет крупномасштабный анализ.Более того, наборы доменов, встречающиеся только один раз, будут подразумевать любые функциональные термины, связанные с этим единственным белком. Все эти проблемы будут уменьшаться по мере улучшения баз данных, и, в конечном итоге, строгие предсказания последствий должны стать стабильными. Наша цель на этом этапе - расширить структуру Pfam2GO до многодоменных наборов, и полученные прогнозы затем можно было бы оценивать вручную.

    2.2 Вероятностный подход

    Вторая форма взаимосвязи между содержанием домена и функцией является вероятностной, подобной наивной байесовской сети (Friedman et al., 1997). Рассмотрим функциональный термин аннотации F (в данном случае термин генной онтологии, но подход будет аналогичным с использованием другого словаря аннотаций) и набор доменов D . Вероятность того, что белок, демонстрирующий D , будет обладать F , моделируется как (1) и для комплемента; ⌉ F , то есть случай, когда белок не обладает F (2), где P ( F | D ) + P ⌉ | D ) = 1.Таким образом, у нас есть отношение шансов α как (3) и (4), которое представляет собой апостериорную вероятность аннотации F при D . Из достаточно большого обучающего набора можно оценить априорные вероятности F и F . То же самое может быть или не быть верным для P ( D | F ) и P ( D | ⌉ F ), особенно если набор доменов является необычным. Здесь возникает наивное байесовское предположение - отдельные наборы, для которых P ( D | F ) и P ( D | ⌉ F ) существенно различаются, как предполагается, происходят независимо. .Это явно не так, поскольку любой многодоменный белок будет содержать одни наборы доменов, которые являются подмножествами других, но, тем не менее, упрощение может быть достаточно разумным, чтобы прогнозы оставались возможными. После этого у нас есть (5) и отношение шансов (6), где произведение берется по подмножествам i = 0 .. K из D . Таких подмножеств K = 2 N −1 для N уникальных доменов в D . 31
    Набор данных . Все
    Только домены Pfam-A
    Только кураторские аннотации
    Размер набора данных 654180 белков
    506315 белков
    . сенс. (%) . Спец. (%) . Prec. (%) . MCC . сенс. (%) . Спец. (%) . Prec. (%) . MCC . сенс. (%) . Спец. (%) . Prec. (%) . MCC .
    Best BLAST 87,8 > 99,9 82,1 0,85 89,6 > 99,9 82,5 0,86 38.0 > 99,9 42,4 0,40
    Pfam2GO 53,3 > 99,9 99,6 0,73 65,5 11 55,2 0,17
    MultiPfam2GO 56,7 > 99,9 99,4 0,75 69,7 > 99,9 99.4 0,83 7,5 > 99,9 52,3 0,20
    Вероятностный 69,1 > 99,9 25,9 > 99,9 59,3 0,39
    31 11GO
    Набор данных . Все
    Только домены Pfam-A
    Только кураторские аннотации
    Размер набора данных 654180 белков
    506315 белков
    . сенс. (%) . Спец. (%) . Prec. (%) . MCC . сенс. (%) . Спец. (%) . Prec. (%) . MCC . сенс. (%) . Спец. (%) . Prec. (%) . MCC .
    Best BLAST 87.8 > 99,9 82,1 0,85 89,6 > 99,9 82,5 0,86 38,0 > 99,9 42,4 0,40
    42,4 0,40 99,6 0,73 65,5 > 99,9 99,7 0,81 5,5 > 99,9 55,2 0,17
    1174 MultiPfam2GO7 > 99,9 99,4 0,75 69,7 > 99,9 99,4 0,83 7,5 > 99,9 52,3 0,20 93,9 0,81 85,0 > 99,9 93,9 0,89 25,9 > 99,9 59,3 0.39
    31 65,5
    Набор данных . Все
    Только домены Pfam-A
    Только кураторские аннотации
    Размер набора данных 654180 белков
    506315 белков
    . сенс. (%) . Спец. (%) . Prec.(%) . MCC . сенс. (%) . Спец. (%) . Prec. (%) . MCC . сенс. (%) . Спец. (%) . Prec. (%) . MCC .
    Best BLAST 87,8 > 99,9 82.1 0,85 89,6 > 99,9 82,5 0,86 38,0 > 99,9 42,4 0,40
    Pfam2GO 0,40
    Pfam2GO > 99,9 99,7 0,81 5,5 > 99,9 55,2 0,17
    MultiPfam2GO 56.7 > 99,9 99,4 0,75 69,7 > 99,9 99,4 0,83 7,5 > 99,9 52,3 0,20 93,9 0,81 85,0 > 99,9 93,9 0,89 25,9 > 99,9 59,3 0.39
    31 65,5
    Набор данных . Все
    Только домены Pfam-A
    Только кураторские аннотации
    Размер набора данных 654180 белков
    506315 белков
    . сенс. (%) . Спец. (%) . Prec.(%) . MCC . сенс. (%) . Спец. (%) . Prec. (%) . MCC . сенс. (%) . Спец. (%) . Prec. (%) . MCC .
    Best BLAST 87,8 > 99,9 82.1 0,85 89,6 > 99,9 82,5 0,86 38,0 > 99,9 42,4 0,40
    Pfam2GO 0,40
    Pfam2GO > 99,9 99,7 0,81 5,5 > 99,9 55,2 0,17
    MultiPfam2GO 56.7 > 99,9 99,4 0,75 69,7 > 99,9 99,4 0,83 7,5 > 99,9 52,3 0,20 93,9 0,81 85,0 > 99,9 93,9 0,89 25,9 > 99,9 59,3 0.39
    Таким образом, вероятностная модель принята следующим образом: пусть f ( D i | F ), N ( D i | F ) - частота и количество белков, соответственно, из (под) набора D i среди белков с аннотацией F и f ( D i | ⌉ F ), N ( D i | ⌉ F ) соответствующие частота и количество белков без аннотации.Выборка выполняется с использованием псевдосчетов, то есть все подсчеты белков в разных категориях из набора данных увеличиваются на единицу. Затем: (7) В результате, то, что необходимо выбрать, - это частоты всех наборов доменов с каждой аннотацией и без нее, а также предыдущее распределение P ( F ) / P (⌉ F ) , которую можно принять за частоту f ( F ) / f (⌉ F ), для каждой аннотации F .

    2.3 Уменьшение байесовской наивности

    Хотя вышеуказанная модель работает хорошо, предположение о независимом появлении подмножеств доменов является проблематичным, не в последнюю очередь потому, что оно будет иметь тенденцию вызывать ложные передачи аннотаций в белки с множеством доменов. По указанным причинам явная обработка зависимостей между подмножествами предметной области затруднена. Мы экспериментировали с несколькими вариантами модели, в которых этот эффект мог бы быть уменьшен, в том числе с использованием только подмножества с наивысшей оценкой для каждой комбинации белка и аннотации, и пришли к выводу, что использование усредненного вклада от каждого подмножества улучшает точность с небольшой потерей чувствительность (данные не показаны).По сути, это форма нормализации по отношению к размеру набора доменов. Следовательно, модель корректируется так, что уравнение 6 принимает вид (8)

    2.4 От моделей к предикторам

    Чтобы проверить полезность вышеупомянутых моделей, мы применили их в качестве предикторов терминов генной онтологии (взятых из всех трех суб-онтологий) при 10-кратной перекрестной проверке. Прогнозирование довольно прямолинейно: в модели строгой импликации все аннотации, подразумеваемые ее (под) наборами, переносятся в нее, в вероятностной модели все аннотации с апостериорной вероятностью выше заданного порога также переносятся в нее.Затем прогнозы выполняются в соответствии с Правилом истинного пути генной онтологии (см. Описание онтологии на веб-сайте генной онтологии http://www.geneontology.org), то есть, если термин был перенесен, автоматически переносятся все его предковые термины. также.

    2.5 Наборы данных

    В первую очередь, нас интересует случай переноса между белками, которые эволюционно хорошо разделены. Если существуют аннотированные гомологи, с которыми запрос имеет почти полную идентичность последовательности, нет смысла выходить за рамки простого поиска BLAST.По этой причине мы выбрали неизбыточный набор данных UniRef50, который был загружен 3 сентября 2007 г. Он создается путем выбора эталонной последовательности для всех кластеров белков (в основном взятых из UniProt), имеющих более 50% идентичности последовательностей (Suzek et al. др. , 2007). Те белки UniRef50, которые имели аннотацию Gene Ontology в соответствии с базой данных Gene Ontology Annotation (GOA) (Camon et al., 2004), и чьи репрезентативные белки присутствуют в UniProt (Wu et al., 2006), были использованы в качестве нашего набора тестов для 10-кратной процедуры перекрестной проверки. Плоский файл аннотации Gene Ontology, используемый для оценки производительности предиктора, также был загружен из Консорциума Gene Ontology 3 сентября 2007 г. Большинство, но не все, из этих последовательностей имеют по крайней мере один домен Pfam-A и, таким образом, поддаются нашему анализу. В то время как другие исследования показали, что функциональный перенос из последовательностей с электронными аннотациями подвержен ошибкам (Jones et al. , 2007), было принято решение включить такие обучающие примеры.Это делает набор данных менее смещенным в сторону широко изученных белков, а также достаточно большим, чтобы иметь смысл перекрестная проверка. Использовались доменные архитектуры от версии 22.0 Pfam.

    Использовались три версии набора данных. Версия «Все аннотации» - это необработанные данные из Gene Ontology и UniRef50. Версия «Только курируемые аннотации» - это подмножество, которое получается при исключении аннотаций генных онтологий с кодом свидетельства IEA (выведено на основе электронных аннотаций). Наконец, версия «Все аннотации, только белки с доменами Pfam-A» - это подмножество, из которого были исключены белки без доменов Pfam-A.Размеры относительных наборов данных показаны в таблице 1. Для каждого набора данных использовались все три суб-онтологии (биологический процесс, молекулярная функция, клеточная локализация).

    2.6 Надежность функциональных последствий

    Чтобы вычислить показатель достоверности (значение P ) для функционального значения элемента аннотации F посредством комбинации доменов D , мы используем следующую процедуру. Предполагается, что D всегда совпадает с F в обучающих данных.Пусть D j - отдельные домены (однодоменные подмножества), составляющие D .

    Мы выбираем частоты f ( F | D j D ) и берем (9) Затем, при нулевой гипотезе, что нет функционального взаимодействия доменов на D , ( 10) и поэтому (11) Количество белков с набором D , обнаруженных с F или без него, будет затем биномиально распределено, и мы можем вычислить значение P для каждой комбинации терминов комбинация доменов и аннотаций как вероятность что наблюдаемое число будет следовать из нулевой гипотезы.

    2.7 Сопоставление комбинаций доменов с терминами генной онтологии

    Представленные выше модели взаимосвязи между доменами белков и функциями белков были использованы для построения предикторов. На основе второго подхода, расширения Pfam2GO до мультидоменных комбинаций, мы сгенерировали коллекцию наборов доменов - соответствия терминов генной онтологии для всех белков с доменами Pfam-A в Pfam 22.0 (который включает 73% белков UniProt), которые были аннотированы с помощью хотя бы один термин генной онтологии.Плоский файл аннотаций GO, используемый для окончательного сопоставления, был загружен 4 февраля 2008 года, как и соответствующий плоский файл Pfam2GO, использованный в анализе.

    Соответствие между набором доменов и термином аннотации было указано, если P <0,001, согласно предыдущему разделу. Затем эти соответствия или прогнозы были устранены несколькими способами. Если импликация следует из другого, потому что один термин аннотации является родительским или предком другого, перечисляется только более конкретный термин.Мы вычислили значения достоверности для каждого функционального прогноза, как описано ранее. Если один набор доменов был подмножеством другого, предсказывающего тот же термин, сохранялся только тот, который имел меньшее значение P . Мы также исключили любое соответствие, представленное менее чем 10 белками в UniProt или представленное только одной уникальной архитектурой домена Pfam-A, поскольку мы сочли, что в таких случаях данных недостаточно. Наконец, мы исключили любые прогнозы, которые могли быть воспроизведены исключительно из Pfam2GO, поскольку нашей целью было найти прогнозы, которые можно было бы сделать из комбинаций доменов, но не из отдельных доменов.

    2,8 Лучшая передача аннотаций BLAST

    В качестве метода передачи аннотаций сравнения последовательностей полной длины мы реализовали простой инструмент передачи на основе BLAST. Белку были присвоены аннотации его лучшего совпадения BLAST в обучающем наборе GO-аннотированных белков, а также любые термины-предки этих аннотаций. Если не было совпадений на пороге E-value 1e-6, аннотации не передавались. Мы использовали BLASTP в пакете NCBI BLAST версии 2.2.16, а для всех остальных параметров оставили значения по умолчанию.

    2,9 Статистика оценки эффективности

    Мы использовали следующие определения в отношении набора золотого стандарта, используемого для тестирования: TP - истинно положительные результаты, предсказанное назначение терминов аннотации белку, которое является правильным. FP - ложные срабатывания, предсказанные присвоения терминов аннотации белку, которые не верны. TN - истинные отрицания, непрогнозируемые присвоения условий аннотации, которые являются правильными. FN - ложноотрицательные, непрогнозируемые присвоения терминов аннотации, которые не верны.

    Чувствительность определяется как TP / ( TP + FN ), то есть доля выявленных положительных случаев. Специфичность определяется как TN / ( TN + FP ), то есть доля выявленных отрицательных случаев. Точность определяется как TP / ( TP + FP ), то есть доля истинных положительных прогнозов. Коэффициент корреляции Мэтью (MCC) - это составная оценка, объединяющая отдельные критерии, проверенные с использованием других показателей.Он определяется как ( TP · TN - FP · FN ) / √ (( TP + FP ) · ( TP + FN ) · ( TN + FP ) · ( TN + FN )). Он имеет шкалу от -1 до 1. Оценка MCC, равная 1, будет означать идеальный предсказатель, тогда как оценка MCC -1 будет означать предсказатель, который всегда неверен. Оценка 0 означает случайный предсказатель.

    Анализ проводился с использованием 10-кратной перекрестной проверки.Набор данных был разделен на 10 частей, и для каждой части были сделаны прогнозы с использованием оставшихся девяти в качестве обучающего набора для предикторов на основе предметной области и в качестве эталонной базы данных для анализа BLAST. Окончательная статистика оценки производительности была усреднена по 10 разделам данных с очень небольшими вариациями в результатах, наблюдаемых между разделами.

    3 РЕЗУЛЬТАТЫ

    Мы разработали два новых метода для прогнозирования функции белка по содержимому домена.Чтобы оценить производительность этих методов и сравнить их с существующими методами, мы получили три набора данных на основе базы данных UniProt50. Это неизбыточная подмножество UniProt на уровне 50%, то есть ни один белок не идентичен другому более чем на 50%. Мы также использовали подмножество UniProt50 только с кураторской аннотацией функций (что составляет небольшую часть данных с аннотациями GO) и подмножество с назначенными доменами Pfam-A.

    Путем оценки соответствующей прогностической способности методов мы оценили полезность лежащих в их основе моделей для взаимосвязи между архитектурой домена и функцией белка.

    3.1 Оценка

    Были оценены четыре подхода, два существующих метода и два новых. Во-первых, передача аннотаций best-BLAST, при которой аннотации были переданы в запрос из его наиболее результативного GO-аннотированного попадания BLAST. Во-вторых, Pfam2GO, реализующий подход Pfam2GO в рамках текущей схемы перекрестной проверки. Следует отметить, что общедоступное отображение Pfam2GO также подвергается дополнительной ручной настройке, которая не выполняется в нашей реализации на данном этапе.Первым новым методом является MultiPfam2GO, который расширяет Pfam2GO на MultiPfam2GO с несколькими доменами в рамках модели строгой импликации. Второй новый метод - это вероятностная наивная байесовская модель. В таблице 1 показаны результаты с точки зрения средней чувствительности, специфичности, точности (или положительной прогностической ценности) и сводного показателя коэффициента корреляции Мэтьюза (MCC).

    Все методы имели очень высокую специфичность (выше 99,9%), что является следствием нашего определения истинно негативных результатов. Однако другая статистика выявила большие различия между методами.В полном наборе данных BLAST восстановил высокую долю истинных аннотаций (87,8%), но за счет самого высокого уровня ложноположительных результатов, что привело к низкой точности (82,1%). Оба метода строгой импликации выполнялись совершенно противоположным образом, давая почти идеальные оценки точности (выше 99%), но с очень низкой чувствительностью. Вероятностный метод, применяемый в середине этих крайностей, как с точки зрения чувствительности, так и с точки зрения точности.

    Ограничение анализа только белками с доменами Pfam-A, где вообще применимы доменные методы, сделало эти методы более чувствительными.Вероятностный метод увеличил его чувствительность до 85%, только на 4,6% ниже BLAST, но сохранил высокую точность (93,9%, 11,4% выше BLAST). Его полезность в качестве сбалансированного компромисса между чувствительностью и точностью (охват и точность) дополнительно демонстрируется его высоким показателем MCC, самым высоким для всех наборов данных и методов. Хотя BLAST оставался очень чувствительным, его точность оставалась низкой даже при более низких пороговых значениях E-value (данные не показаны). Существовал значительный разрыв между чувствительностью методов строгой импликации и вероятностного подхода, что свидетельствует о высокой частоте пропущенных данных в обучающей выборке, т.е.е. белки, которые должны иметь определенную аннотацию, но еще не имеют ее. Вероятностный подход, как и ожидалось, оказался намного лучше при обработке неполных обучающих данных, что станет реальностью в обозримом будущем. С точки зрения аннотации всего генома с использованием доменных методов, результаты предполагают сначала применение вероятностного метода и пометку тех аннотаций как относительно более надежных, которые также воспроизводятся с использованием методов строгой импликации.

    При сравнении метода однодоменного Pfam2GO с его расширением множественных доменов, выигрыш в чувствительности оказался меньше, чем мы ожидали, обычно несколько процентов.Хотя очевидно, что часть терминов аннотации может быть выведена только из наличия нескольких доменов, в большинстве случаев есть некоторый домен, который всегда встречается вместе с функцией. Если домены по отдельности не найдены где-либо еще, рассмотрение комбинации не улучшит прогнозирование, даже если функция зависит от свойств всех доменов в наборе.

    Для набора данных только с тщательно подобранными аннотациями все методы работали значительно хуже. Очевидно, этот набор слишком мал для того, чтобы какой-либо метод мог достичь высокой чувствительности при перекрестной проверке.В то же время известно, что текущие данные с электронными аннотациями могут быть подвержены ошибкам, поэтому цифры на достаточно большом экспериментальном наборе могут быть более реалистичными.

    3.2 Функция белка, предсказанная комбинациями доменов

    Оценка эффективности показывает, что функция белка во многих случаях обеспечивается комбинацией определенных доменов более сложным способом, чем просто добавлением функций отдельных доменов. Изучение этих случаев было бы интересно не в последнюю очередь с целью изучения того, как отдельные функции предметной области объединяются для получения более конкретных функций.

    В качестве примера такой информативной комбинации набор доменов PF00364 (биотин-требующий фермент), PF00682 (HMGL-подобный), PF02785 (C-концевой домен биотинкарбоксилазы) и PF02786 (L-цепь карбамоил-фосфатсинтазы, АТФ-связывающий домен). Эти четыре домена в сочетании являются высокоспецифичными для процесса глюконеогенеза (GO: 0006094) и связанной с ним молекулярной функции активности пируваткарбоксилазы (GO: 0004736). Хотя известно, что домены связаны с белками с этой и подобными ролями, они также независимо обнаруживаются в белках с другими ролями, поэтому наличие одного из этих доменов не может использоваться для вывода об участии в глюконеогенезе.Однако, появившись вместе, мы можем с уверенностью заключить эту функциональную роль. См. Рисунок 1 для некоторых образцов белков, где эти домены появляются вместе или по отдельности вместе с соответствующими аннотациями терминов генной онтологии. Было обнаружено, что более крупный набор доменов, также включающий PF00289 (L-цепь карбамоилфосфатсинтазы, N-концевой домен) и PF02436 (консервативный карбоксилазный домен), предсказывает глюконеогенетическую функцию, но был исключен из набора прогнозов, поскольку четыре домена сформировались выше. более статистически значимое подмножество.Как показано на Рисунке 1, глюконеогенетические белки этого типа демонстрируют несколько различных доменных архитектур; однако относительный последовательный порядок доменов, по-видимому, сохраняется.

    Рис. 1.

    Белковые домены могут кодировать разные функции в разных комбинациях. В этом примере показаны несколько белков, которые имеют много общих доменов, а также функциональные аннотации белков. Каждый белок помечен своим названием жирным шрифтом в стиле заголовка последовательности FASTA, за которым следует текстовое описание его предполагаемой функции.В строке ниже домены показаны в виде их номеров доступа Pfam-A, разделенных тире, в том порядке, в котором они встречаются в белке. Конкретные домены, составляющие прогностическую комбинацию, выделены цветом. В строке ниже перечислены термины аннотации GO, присвоенные белку (листовые узлы в категориях GO Biological Process и Molecular Function, взятые из UniProt). Поле вверху содержит белки с функциональными аннотациями GO: 0006094 (биологический процесс глюконеогенеза, оранжевый) и GO: 0004736 (молекулярная функция пируваткарбоксилазной активности, синий).Домены, которые предсказывают эти функции: PF02786 (L-цепь карбамоилфосфатсинтазы, АТФ-связывающий домен, бирюзовый), PF02785 (С-концевой домен биотинкарбоксилазы, фиолетовый), PF00682 (HMGL-подобный, зеленый) и PF00364 (биотин-требующий фермент, красный). Под окном мы перечисляем ряд других доменных архитектур, в которых находятся эти домены, которые связаны с другими функциями. Только в определенной комбинации доменов в поле находятся домены, связанные с двумя выделенными терминами GO. В общей сложности 175 белков в используемом наборе данных демонстрируют эту комбинацию доменов.

    Рис. 1.

    Белковые домены могут кодировать разные функции в разных комбинациях. В этом примере показаны несколько белков, которые имеют много общих доменов, а также функциональные аннотации белков. Каждый белок помечен своим названием жирным шрифтом в стиле заголовка последовательности FASTA, за которым следует текстовое описание его предполагаемой функции. В строке ниже домены показаны в виде их номеров доступа Pfam-A, разделенных тире, в том порядке, в котором они встречаются в белке. Конкретные домены, составляющие прогностическую комбинацию, выделены цветом.В строке ниже перечислены термины аннотации GO, присвоенные белку (листовые узлы в категориях GO Biological Process и Molecular Function, взятые из UniProt). Поле вверху содержит белки с функциональными аннотациями GO: 0006094 (биологический процесс глюконеогенеза, оранжевый) и GO: 0004736 (молекулярная функция пируваткарбоксилазной активности, синий). Домены, которые предсказывают эти функции: PF02786 (L-цепь карбамоилфосфатсинтазы, АТФ-связывающий домен, бирюзовый), PF02785 (С-концевой домен биотинкарбоксилазы, фиолетовый), PF00682 (HMGL-подобный, зеленый) и PF00364 (биотин-требующий фермент, красный).Под окном мы перечисляем ряд других доменных архитектур, в которых находятся эти домены, которые связаны с другими функциями. Только в определенной комбинации доменов в поле находятся домены, связанные с двумя выделенными терминами GO. В общей сложности 175 белков в используемом наборе данных демонстрируют эту комбинацию доменов.

    3.3 Сопоставление комбинаций доменов с терминами аннотации

    Из нашего набора 2181143 белков UniProt с доменами Pfam-A и назначениями онтологии генов мы выбрали набор из 805 статистически значимых сопоставлений между 457 комбинациями доменов Pfam-A и 186 терминами онтологии генов.Обратите внимание, что если комбинация доменов предсказывает несколько терминов аннотации, которые связаны как предок-потомок в Gene Ontology DAG, будет включен только самый конечный из них. Мы представляем это отображение MultiPfam2GO в онлайн-формате, аналогичном Pfam2GO (с добавлением значения вывода P ), и будем последовательно поддерживать и обновлять его. Для некоторых прогнозов значение P указано как 0, что означает, что оно меньше наименьшего числа, которое может обработать программное обеспечение, которое составляет порядка 10e-320.Файл данных можно найти по адресу http://sonnhammer.sbc.su.se/MultiPfam2GO, но он также включен сюда в виде таблицы S1. Распределение размеров комбинаций доменов в этом наборе прогнозов показано в таблице 2.

    Таблица 2.

    Распределение размера комбинации доменов в наборе сопоставления

    Количество доменов .1 1 1 9118 Распределение размера комбинации доменов в наборе сопоставления

    Количество доменов . Количество прогнозируемых комбинаций .
    2 582
    3 161
    4 59
    5 2
    Количество прогнозируемых комбинаций .
    2 582
    3 161
    4 59
    5 2
    Количество доменов .
    Количество доменов . Количество прогнозируемых комбинаций .
    2 582
    3 161
    4 59
    5 2
    Количество прогнозируемых комбинаций .
    2 582
    3 161
    4 59
    5 2

    Мы представили две простые модели, одну консервативную, а другую разрешающую, того, как домены в белке взаимодействуют, чтобы произвести его функцию.Хотя ни один из методов не может охватить все существующие закономерности, эти подходы, тем не менее, полезны для интеграции и расширения уже имеющихся у нас знаний, и мы демонстрируем, что, по крайней мере, для более отдаленно связанных белков, наши подходы превосходят простой перенос аннотации сходства последовательностей и однодоменная строгая импликация.

    Насколько нам известно, единственная ранее опубликованная работа по использованию комбинаций доменов Pfam для прогнозирования функций генной онтологии (Hayete and Bienkowska, 2005).Трудно провести справедливое сравнение с этим методом из-за очень разных подходов к сравнительному анализу. Тем не менее, наш метод показал значительно более высокую чувствительность и точность, чем сообщалось в этой работе, за долю времени, затрачиваемого компьютером.

    Мы демонстрируем, что функциональное взаимодействие доменов может не следовать напрямую из свойств отдельных доменов. Таким образом, мы начали разгадывать язык, с помощью которого функция белка кодируется в наборе белковых доменов.

    По мере роста охвата и качества баз данных подобный подход, хорошо масштабируемый в числовом выражении, вероятно, откроет еще больше механизмов и взаимосвязей, а также имеет потенциал функционирования в качестве важного компонента в автоматизированном конвейере аннотации генома.Чтобы избежать сложных ошибок, в идеале при практической реализации этого метода следует обучать новейшему набору тщательно подобранных белков, доступному в то время.

    Будущая работа, вероятно, будет включать интеграцию предикторов, основанных на этих моделях, в форме веб-службы, запрашиваемой в интерактивном или групповом режиме. Другой потенциальной областью исследований является расширение этой структуры от простого использования наборов доменов, чтобы также принять во внимание сохранение последовательного порядка доменов, и исследовать, в какой степени такое сохранение важно для предсказания функции белка.

    Финансирование : грант от Pharmacia.

    ССЫЛКИ

    , и другие.

    Базовый инструмент локального поиска совмещения

    ,

    J. Mol. Биол

    ,

    1990

    , т.

    215

    (стр.

    403

    -

    410

    ) и др.

    Онтология генов: инструмент для объединения биологии. Консорциум генных онтологий

    ,

    Nat. Генет

    ,

    2000

    , т.

    25

    (стр.

    25

    -

    29

    ),.

    Генерация новых функций белка за счет комбинации доменов

    ,

    Структура

    ,

    2007

    , vol.

    15

    (стр.

    85

    -

    99

    ) и др.

    Автоматическое улучшение доменных аннотаций с использованием контекстного анализа структур доменов (AIDAN)

    ,

    Bioinformatics

    ,

    2007

    , vol.

    23

    (стр.

    1834

    -

    1836

    ) и др.

    База данных аннотаций онтологий генов (GOA): обмен знаниями в Uniprot с онтологией генов

    ,

    Nucleic Acids Res

    ,

    2004

    , vol.

    32

    (стр.

    D262

    -

    D266

    ) и др.

    Расширенное обнаружение белкового домена с использованием методов языкового моделирования на основе распознавания речи

    ,

    PNAS

    ,

    2003

    , vol.

    100

    (стр.

    4516

    -

    4520

    ) и др.

    Прогнозирование молекулярной функции белков с помощью байесовской филогеномики

    ,

    PLoS Comput. Биол

    ,

    2005

    , т.

    1

    стр.

    e45

    и др.

    Pfam: кланы, веб-инструменты и сервисы

    ,

    Nucleic Acids Res

    ,

    2006

    , vol.

    34

    (стр.

    D247

    -

    D251

    ).

    Автоматизированное предсказание функции белков - геномная проблема

    ,

    Brief Bioinform

    ,

    2006

    , vol.

    7

    (стр.

    225

    -

    242

    ) и др.

    Байесовские сетевые классификаторы

    ,

    Машинное обучение

    ,

    1997

    , т.

    29

    (стр.

    131

    -

    163

    ) и др.

    Расширенное автоматическое прогнозирование функций с использованием отдаленно связанных последовательностей и контекстной ассоциации с помощью PFP

    ,

    Protein Sci

    ,

    2006

    , vol.

    15

    (стр.

    1550

    -

    1556

    ),.

    GOTrees: прогнозирование ассоциаций GO на основе состава белковых доменов с использованием деревьев решений

    ,

    Pacific Symp. Биокомп

    ,

    2005

    , т.

    2005

    (стр.

    140

    -

    151

    ) и др.

    Автоматизированные методы прогнозирования функции биологических последовательностей с использованием GO и BLAST

    ,

    BMC Bioinformatics

    ,

    2005

    , vol.

    6

    стр.

    272

    и др.

    Оценка частоты ошибок аннотаций кураторских аннотаций последовательностей базы данных GO

    ,

    BMC Bioinformatics

    ,

    2007

    , vol.

    8

    стр.

    170

    и др.

    Автоматическая генерация правил для аннотации белков с помощью алгоритма интеллектуального анализа данных C4.5, применяемого в SWISS-PROT

    ,

    Bioinformatics

    ,

    2001

    , vol.

    17

    (стр.

    920

    -

    926

    ) и др.

    VIRGO: вычислительное предсказание функций генов

    ,

    Nucleic Acids Res

    ,

    2006

    , vol.

    34

    (стр.

    W340

    -

    W344

    ) и др.

    Новые разработки в базе данных InterPro

    ,

    Nucleic Acids Res

    ,

    2007

    , vol.

    35

    (стр.

    D224

    -

    D228

    ) и др.

    SCOP: структурная классификация базы данных белков для исследования последовательностей и структур

    ,

    J. Mol. Биол

    ,

    1995

    , т.

    247

    (стр.

    536

    -

    540

    ) и др.

    Вероятностное предсказание функции белков на основе гетерогенных полногеномных данных

    ,

    PLoS ONE

    ,

    2007

    , vol.

    2

    стр.

    e337

    .

    Анатомия и таксономия структуры белка

    ,

    Advances Protein Chem

    ,

    1981

    , vol.

    34

    стр.

    246

    и др.

    Прогнозирование функций онтологии генов на основе доменов белка ProDom и CDD

    ,

    Genome Res

    ,

    2002

    , vol.

    12

    (стр.

    648

    -

    655

    ) и др.

    Сравнение архитектуры доменов для идентификации многодоменной гомологии

    ,

    J.Comput. Биол

    ,

    2007

    , т.

    14

    (стр.

    496

    -

    516

    ) и др.

    Pfam: множественное выравнивание последовательностей и HMM-профили белковых доменов

    ,

    Nucleic Acids Res

    ,

    1998

    , vol.

    26

    (стр.

    320

    -

    322

    ) и др.

    UniRef: комплексные и неизбыточные эталонные кластеры UniProt

    ,

    Bioinformatics

    ,

    2007

    , vol.

    23

    (стр.

    1282

    -

    1288

    ),.

    Использование смеси вероятностных деревьев решений для прямого прогнозирования функции белка

    ,

    2003

    (стр.

    224

    -

    234

    ) и др.

    Подход категоризации к автоматической аннотации онтологических функций

    ,

    Protein Sci

    ,

    2006

    , vol.

    15

    (стр.

    1544

    -

    1549

    ) и др.

    Применение опорных векторных машин для предсказания функций генов на основе генной онтологии

    ,

    BMC Bioinformatics

    ,

    2004

    , vol.

    5

    стр.

    116

    и др.

    Универсальный белковый ресурс (UniProt): расширяющаяся вселенная информации о белках

    ,

    Nucleic Acids Res

    ,

    2006

    , vol.

    34

    (стр.

    D187

    -

    D191

    ) и др.

    Глобальное прогнозирование функций белков на основе коэкспрессируемых сетей белок-белковых взаимодействий и сходства онтологической таксономии

    ,

    Gene

    ,

    2007

    , vol.

    391

    (стр.

    113

    -

    119

    )

    Заметки автора

    © Автор 2008.Опубликовано Oxford University Press. Все права защищены. Для получения разрешений обращайтесь по электронной почте: [email protected]

    .

    Сдвиг формы при контроле функции белка

    28 мая 2020 г. | Продолжительность: 1 час 30 минут.

    Какую роль играют конформационные изменения в регуляции функции белков? Изменение формы белка может быть вызвано множеством факторов, включая связывание лиганда, температуру или pH, и может изменять активность и функцию фермента, позволяя ферментам выполнять различные функции в разных контекстах.На этом виртуальном мероприятии исследователи представляют свои выводы о белках, которые претерпевают конформационные изменения, включая повторную сборку, олигомеризацию и сворачивание.

    Изначально переговоры на этом виртуальном мероприятии были запланированы на очное выступление на Ежегодном собрании ASBMB 2020 года.

    разговоров

    Стул: Эйлин Яффе

    Мультимерные белки, которые могут разделяться, изменять форму и собираться по-разному с функциональными последствиями - морфеины
    Эйлин Джаффе , Центр рака Fox Chase

    Образование филаментов вызывает изменение формы и активацию нуклеазы SgrAI
    Нэнси Хортон , Университет Аризоны

    Переключение складок создает основу для сотрудничества и конкуренции в циркадных часах цианобактерий
    Кэрри Партч , Калифорнийский университет, Санта-Крус

    Динамическая олигомеризация в Burkholderia cenocepacia HMG-CoA редуктазе
    Джеффри Уотсон , Университет Гонзага

    Белки при лунном свете, изменение формы которых способствует изменению функции
    Констанс Джеффри , Университет Иллинойса, Чикаго

    Кому смотреть

    • Аспиранты
    • Постдоки
    • Штатные ученые
    • ИП
    • Исследователи, заинтересованные в регуляции ферментов посредством конформационных изменений

    Основные выводы

    Участники узнают, как различные конформационные изменения контролируют и изменяют функцию белка, из презентаций о последних исследованиях в этой области.

    Основы белка CFTR

    Белок-регулятор трансмембранной проводимости при муковисцидозе (CFTR) помогает поддерживать баланс соли и воды на многих поверхностях тела, таких как поверхность легких. Когда белок не работает должным образом, хлорид - компонент соли - задерживается в клетках. Без правильного движения хлорида вода не может увлажнять клеточную поверхность. Это приводит к тому, что слизь, покрывающая клетки, становится густой и липкой, вызывая многие симптомы, связанные с муковисцидозом.

    Чтобы понять, как мутации в гене CFTR приводят к нарушению функций белка, важно понимать, как этот белок обычно производится и как он помогает перемещать воду и хлориды на поверхность клетки.

    Что такое белки?

    Белки - это крошечные машины, которые выполняют определенную работу внутри клетки. Инструкции по созданию каждого белка закодированы в ДНК. Белки собираются из строительных блоков, называемых аминокислотами. Есть 20 различных аминокислот.Все белки состоят из цепочек этих аминокислот, соединенных вместе в разном порядке, как разные слова, написанные с использованием одних и тех же 26 букв алфавита. Инструкции ДНК сообщают клетке, какую аминокислоту использовать в каждой позиции цепи для создания определенного белка.

    Белок CFTR состоит из 1480 аминокислот. После создания белковой цепи CFTR она складывается в определенную трехмерную форму. Белок CFTR имеет форму трубки, которая проходит через мембрану, окружающую клетку, как соломинка, проходящая через пластиковую крышку чашки.

    Что делает белок CFTR?

    Белок CFTR - это особый тип белка, называемый ионным каналом. Ионный канал перемещает атомы или молекулы, имеющие электрический заряд, изнутри клетки наружу или снаружи клетки внутрь. В легких ионный канал CFTR перемещает ионы хлора изнутри клетки за пределы клетки. Чтобы выйти из клетки, ионы хлора проходят через центр трубки, образованной белком CFTR.

    Когда ионы хлора выходят за пределы клетки, они притягивают слой воды.Этот водный слой важен, потому что он позволяет крошечным волоскам на поверхности клеток легких, называемых ресничками, перемещаться взад и вперед. Это широкое движение перемещает слизь вверх и из дыхательных путей.

    Как проблемы с белком CFTR вызывают МВ?

    У людей с МВ мутации в гене CFTR могут вызывать следующие проблемы с белком CFTR:

    • Он не работает хорошо
    • Не производится в достаточном количестве
    • Совершенно не производится

    При возникновении любой из этих проблем ионы хлора задерживаются внутри ячейки, и вода больше не притягивается к пространству за пределами ячейки.Когда за пределами клеток становится меньше воды, слизь в дыхательных путях обезвоживается и сгущается, что приводит к сглаживанию ресничек. Реснички не могут правильно подметать, когда их отягощает густая липкая слизь.

    Поскольку реснички не могут двигаться должным образом, слизь застревает в дыхательных путях, затрудняя дыхание. Кроме того, микробы, попавшие в слизь, больше не выводятся из дыхательных путей, что позволяет им размножаться и вызывать инфекции. Густая слизь в легких и частые инфекции дыхательных путей - одни из наиболее распространенных проблем, с которыми сталкиваются люди с МВ.

    Исследователи все еще изучают базовую структуру

    Исследователи все еще пытаются узнать больше о структуре белка CFTR, чтобы они могли найти новые и более эффективные способы помочь улучшить функцию белка у людей с CF.

    На этом рисунке представлено недавнее изображение структуры полноразмерного белка CFTR (показано зеленым), созданного в лаборатории Джуэ Чена, доктора философии, профессора Уильяма Э. Форда в Университете Рокфеллера в Нью-Йорке.Он отражает наше текущее понимание того, как выглядит белок CFTR.

    Поскольку трехмерная форма CFTR очень сложна, первые изображения с высоким разрешением были разработаны только в начале 2017 года. Эти изображения дали исследователям важные подсказки о том, где лекарства связывают белок, как они влияют на его функцию и как разрабатывать новые методы лечения МВ.

    Комментировать

    Ваш адрес email не будет опубликован. Обязательные поля помечены *