تعیین پروتئین‌های واسط در شبکه تعامل پروتئین-پروتئین با در نظر گرفتن بیماری‌های شایع در پروتئین‌های مون‌لایت

نوع مقاله : پژوهشی اصیل

نویسندگان

1 آزمایشگاه بیوانفورماتیک و طراحی دارو، مرکزتحقیقات بیوشیمی بیوفیزیک، دانشگاه تهران، تهران، ایران سجاد قرقانی* PhD

2 آزمایشگاه بیوانفورماتیک و طراحی دارو، مرکزتحقیقات بیوشیمی بیوفیزیک، دانشگاه تهران، تهران، ایران

چکیده
پروتئین‌های مون‌لایت یک زیر کلاس از پروتئین‌های چند عملکردی می‌باشند که در آن‌ها بیش از یک عملکرد مستقل یا معمولاً متمایز در یک زنجیره پلی پپتیدی منفرد رخ می‌دهد. با تحلیل شبکه‌های تعاملی پروتئین‌ها در سلول، می‌توان درک کرد که چگونه فرایندهای پیچیده باعث بیماری می‌شوند. به کمک زیست شناسی سیستم‌ها، می‌توان سیستم‌های بزرگ‌تر و پیچیده‌تر را مطالعه کرد و به اساس مولکولی چند بیماری توجه داشت. پروتئین‌های ارگانیسم انسان که مون لایت هستند بیشتر در بیماری‌های سرطان، کم خونی و بیماری مرتبط با سیستم عصبی درگیر هستند. در این کار با توجه به شبکه PPI انسانی، یک زیر شبکه ایجاد شد که در آن نودها، پروتئین‌های ایجاد کننده سه بیماری منتخب و یال‌ها، ارتباط این پروتئین‌ها با یکدیگر می‌باشند. قدرت اثرات غیرمستقیم واسط‌های غیر بیماری بین سه گروه از بیماری‌ها اندازه‌گیری شد و پروتئین‌های واسط کلیدی متصل کننده بیماری‌ها شناسایی شدند. نتایج کار نشان دهنده ارتباط بین نقش واسط و مرکزیت و همچنین بین نقش واسط و ویژگی‌های عملکردی این پروتئین‌ها می‌باشد. مشاهده شد که یک پروتئین که نقش واسط کلیدی غیرمستقیم بین دو بیماری را بازی می‌کند، لزوما در شبکه PPI، هاب نمی‌باشد. بنابراین همانطور که پروتئین‌های هاب مورد توجه قرار می گیرند، باید پروتئین‌های واسط مورد توجه قرار بگیرند. ما مشاهده کردیم که واسط‌های بین بیماری‌های کم خونی و اعصاب از نظر عملکردی اهمیت زیادی در سلول دارند. پروتئین‌های واسطه‌ای که در این‌جا پیشنهاد شده‌اند، باید به صورت تجربی به عنوان پروتئین‌های فرضی مرتبط با بیماری آزمایش شوند

کلیدواژه‌ها

موضوعات


1. Daphne H.E.W. Huberts and Ida J. van der Klei. )2010(. Moonlighting proteins: An intriguing mode of multitasking. Biochimica et Biophysica Acta 1803, page 520{525.
2. C. J. Jeffery. (2018). Intracellular/surface moonlighting proteins. Biochemistry and Molecular Biology.
3. J. Piatigorsky and G. J. Wistow. (1989). Enzyme/crystallins: Gene sharing as an evolutionary strategy. Cell, 57(2):197{199.
4. C. Chen et al. (2018). MoonProt 2.0: An expansion and update of the moonlighting proteins database. Nucleic Acids Res, 46(D1):D640{D644.
5. C. J. Jeffery. (2015). Why study moonlighting proteins? Frontiers in Genetics, 6(JUN).
6. NCBI: Genes and disease. National Library of Medicine (US), NCBI 2007.
7. Kann MG: Protein interactions and disease: computational approaches to
uncover the etiology of diseases. Brief Bioinform 2007, 8:333-346.
8. Ideker T, Sharan R: Protein networks in disease. Genome Res 2008,
18:644-652.
9. Xu J, Li Y: Discovering disease-genes by topological features in human protein-protein interaction network. Bioinformatics 2006, 22:2800-2805.
10. Thanh-Phuong Nguyen, Ferenc Jordán. A quantitative approach to study indirect effects among disease proteins in the human protein interaction network .BMC Systems Biology.
11. Müller CB, Godfray HCJ: Indirect interactions in aphid-parasitoid communities. Research on Population Ecology 1999, 41:93-106.
12. Jordàn F, Liu WC, van Veen FJF: Quantifying the importance of species
and their interactions in a host-parasitoid community. Community Ecology 2003, 4:79-88.
13. Jeong H, Mason SP, Barabàsi AL, Oltvai ZN: Lethality and centrality in protein networks. Nature 2001, 411:41-42.
14. Batada NN, Hurst LD, Tyers M: Evolutionary and physiological importance of hub proteins. PLoS Comput Biol 2006, 2(7):e88.
15. Zotenko E, Mestre J, O'Leary DP, Przytycka TM: Why do hubs in the yeast protein interaction network tend to be essential: reexamining the connection between the network topology and essentiality. PLoS Comput Biol 2008, 4(8):e1000140.
16. Erickson, R. P., Bodensteiner, J. B. Oro-facial-digital syndrome IX
with severe microcephaly: a new variant in a genetically isolated population. Am. J. Med. Genet. 143A: 3309-3313, 2007.
17. Diogo M Ribeiro et al. (2019). Moondb 2.0: an updated database of extreme multifunctional and moonlighting proteins. Nucleic Acids Research, 47(D1):D398{D402.
18. Uhrigshardt H., Singh A., Kovtunovych G., Ghosh M., Rouault T.A.Characterization of the human HSC20, an unusual DnaJ type III protein, involved in iron-sulfur cluster biogenesis. Hum Mol Genet.2010.
19. Ki Soon Kim, Nunziata Maio, Anamika Singh, Tracey A Rouault. Cytosolic HSC20 integrates de novo iron-sulfur cluster biogenesis with the CIAO1-mediated transfer to recipients. Hum Mol Genet.2018.
20. Ostedgaard L.S., Baldursson O., Vermeer D.W., Welsh M.J., Robertson A.D. A functional R domain from cystic fibrosis transmembrane conductance regulator is predominantly unstructured in solution.
21. Nauseef W.M., McCormick S.J., Clark R.A. .Calreticulin functions as a molecular chaperone in the biosynthesis of myeloperoxidase.
22. Shirafkan, F., Gharaghani, S., Rahimian, K. et al. Moonlighting protein prediction using physico-chemical and evolutional properties via machine learning methods. BMC Bioinformatics 22, 261 (2021).
23. do Valle, I.F., Roweth, H.G., Malloy, M.W. et al. Network medicine framework shows that proximity of polyphenol targets and disease proteins predicts therapeutic effects of polyphenols. Nat Food 2, 143–155 (2021).