Исследователи настраивают белковые пары: команда количественно оценивает, как мутации влияют на клеточную сигнализацию у бактерий

Учёные из Университета Райса разработали способ интерпретации взаимодействий между парами целевых белков, передающих сигналы. Цель — понять, как белки избегают перекрёстных помех и можно ли их "настроить" для лучшей работы.

Каждая клетка содержит тысячи таких двухкомпонентных сигнальных белков, которые часто действуют как сенсоры и запускают действие клетки.

Новое исследование важно для биоинженеров, пытающихся понять и модифицировать сигнальные пути для лечения болезней или выполнения задач. Статья об исследовании, проведённом в Центре теоретической биологической физики (CTBP), опубликована в этом месяце в Proceedings of the National Academy of Sciences.

Команда под руководством физика Хосе Онучика и биоинженера Герберта Левина использовала предсказательную силу своего пионерского статистического метода анализа прямой связи (direct coupling analysis), чтобы сравнить геномные корни тысяч белковых пар, собранных из разных бактериальных организмов. Результатом стала новая метрика для оценки того, как мутации влияют на работу пар.

Двухкомпонентные системы — это обычно разъединённые белки, передающие сигналы для запуска различных действий внутри клеток. Например, у бактерий первый компонент — гистидинкиназа (HK), которая чувствует условия вне клетки и запускает создание сигнала в процессе "автофосфорилирования". Затем сигнал (фосфорильная группа) с киназы может быть передан белку-регулятору ответа (RR), подобно эстафетной палочке. Регулятор принимает "палочку" и генерирует физиологический ответ через активацию или репрессию генов.

Ключевой вопрос для исследователей заключался в том, как эти киназы и регуляторы совместно эволюционируют, чтобы распознавать друг друга в толпе, и почему так мало перекрёстных помех, ведущих к несовпадающим парам.

"Если мы собираемся выяснить, как клетки способны вычислять, нам нужно понять специфичность взаимодействий между различными биомолекулами", — сказал Онучик. "В данном случае — почему конкретная киназа взаимодействует с одним регулятором ответа намного сильнее, чем с другим. Это реальная проблема, поскольку все эти регуляторы очень похожи, и происходит одна и та же химия. Молекулярно-геномный подход создаёт инструменты для количественного понимания этих процессов".

Поскольку в одной бактерии могут быть десятки тысяч различных сигнальных белков, такой анализ был почти невозможен до недавнего времени. Во-первых, для проведения валидного исследования требовалась база данных с достаточным количеством последовательностей таких пар HK/RR. Во-вторых, учёным нужна была достаточная вычислительная мощность для их осмысления.

Ускорение секвенирования геномов в последние годы дало постдокам Райана Ченгу и Фаруку Моркосу, ведущим авторам исследования, много исходного материала для анализа нескольких семейств бактериальных сигнальных систем. Суперкомпьютеры Rice DaVinCI и SUGAR сыграли ключевую роль в проверке их метода Direct Information Score (DIS) для количественной оценки влияния мутаций на способность белковых пар передавать сигнал.

"Природа использует один и тот же шаблон для всех этих белков, поэтому их структуры очень похожи, — сказал Моркос, — но им всё же удаётся избегать перекрёстных помех. Что-то в интерфейсах и способе их взаимодействия позволяет им распознавать друг друга".

"Мы стремились ответить на вопрос, как эти белки взаимодействуют со своими партнёрами, а не с какой-то другой сигнальной сетью", — добавил Ченг.

Они применили DIS к геномным данным известных сигнальных пар для Bacillus subtilis — бактерий, встречающихся в почве и в организме человека, которые чувствуют стресс окружающей среды и контролируют процесс споруляции, при котором материнская клетка умирает и образует споры. Они также применили его к 22 версиям с мутациями, изменяющими процесс передачи сигнала белками.

Полученные в результате моделирования оценки DIS показали степень, в которой споруляция либо усиливалась, либо снижалась в зависимости от конкретной мутации. Усиленная споруляция давала мутантам положительный DIS; сниженная — отрицательный DIS. (Немутировавшим, "диким" сигнальным парам присваивался DIS, равный 0). Оценки, как они обнаружили, присвоили конкретные числа результатам предыдущих экспериментов других учёных.

"Мы можем взять любую последовательность киназы и регулятора ответа и вычислить для неё оценку, — сказал Ченг. — Мы утверждаем, что чем выше оценка для нового мутанта, тем эффективнее он будет взаимодействовать со своим партнёром. Отрицательные оценки вредят взаимодействию — и иногда это именно то, чего хотят добиться".

После подтверждения аналогичных экспериментов с геномными данными белковых пар Escherichia coli Моркос и Ченг поменяли подход. В новых симуляциях они перемешали тысячи белковых пар, чтобы сделать их способность к спариванию по-настоящему случайной. Те, которые всё же нашли партнёра для передачи сигнала, позволили им построить "нулевую" модель DIS.

"Нулевая модель — это другая концепция, — пояснил Ченг. — Мы искали очень общие свойства передачи сигнала и перемешали белки так, что у нас больше не было информации о том, были ли они спарены. Они могли быть даже из других организмов".

"Если результаты показывали нам сигнал, то это должен был быть общий сигнал о режиме связывания, который разделяют все пары", — сказал Моркос. Он объяснил, что вычитание этих общих черт из известных связывающихся пар оставляет информацию о последовательности, специфичную только для этих пар. "В итоге мы получаем данные о последовательности, которые относятся только к двум белкам, которые обнаруживают или распознают друг друга". Это должно позволить экспериментаторам улучшить свою способность создавать мутации для конкретных целей.

"Всё это очень полезно для людей, которые хотят перепроектировать бактериальные системы", — сказал Ченг. К долгосрочным потенциальным применениям он отнёс конструирование белков для создания биосенсоров и более эффективного разложения загрязняющих веществ на месте экологической утечки.

"Было сложно использовать молекулярную биофизику конкретных белков для предсказания того, как мутации в этих белках изменяют клеточный фенотип, — сказал Левин. — Здесь нам удалось показать, что интеллектуальное сочетание физического моделирования и методов, основанных на информатике, может решить эту сложную проблему".