确定形式的功能

第一个人类基因组测序是一个艰巨的努力,花了13年,全球数以百计的研究人员和数十亿美元。

但是最近的技术进步改变了基因组测序与数以百万计的人相当平凡的事件按顺序排好,至少部分基因组使用收集的DNA试剂盒可以在药店。

虽然这些跳跃在科学家的能力进行基因分析取得了数不清的洞察人类遗产,疾病和健康,背后的确切含义DNA sequences-how“字母”的顺序在每个DNA链指导身体do-remains的蛋白质变成什么,不清楚。

现在,在一个科学首先,Blavatnik学院哈佛大学医学院的科学家已经证明可以确定一个基因的3 d结构通过评估实验室基因突变对蛋白功能的影响。

团队的研究结果,6月17日发表在《自然遗传学,代表一个重要的一步在细胞连接序列数据和它的功能。这个工具是免费的https://github.com/debbiemarkslab/3D_from_DMS_Extended_Data

目前的研究将发表在与领导的研究小组的研究进入Schmiedel和本雷纳在巴塞罗那理工学院独立到了类似的结果,使用这一概念,但使用不同的技术,因此肯定的效用的方法。

研究中使用的计算方法被称为deep-mutational扫描和涉及使用高通量测序合成各种基因突变,然后确定突变对蛋白功能的影响。

相比之下,先前的研究人员(包括工作在当前study-relied机器学习从天然收集这样的三维结构,而不是实验室,DNA样本。

在目前的研究中,研究人员发现功能交互在DNA序列包含指令为四个不同的蛋白质和RNA。从这些,研究者构造3 d proteins-a空间配置结构可以提供有价值的线索细胞中这些蛋白质执行工作。

“我们生活在一个三维世界里,结构决定功能,”研究的高级研究员黛博拉标志,系统生物学在哈佛医学院的副教授,领导团队与HMS博士后研究员凯利布鲁克和哈佛大学的博士生Nathan罗林斯。

“理解形状和构象的蛋白质细胞内可以帮助我们预测其功能和效果,这些结构的变化可以对细胞功能或故障。”

这样的见解,标志着说,代表一个明显走向更好的理解个体蛋白质变化在疾病和健康,可以通知精密药物的开发,目标蛋白质的特定部分。每个蛋白质在人类的身体是由一串的20种不同的氨基酸组合,标志着解释道。的氨基酸组成的蛋白质是重要的,但如何将这些氨基酸褶皱,交错和相互作用三维只是确定蛋白质功能和功能障碍的关键。

研究人员长期以来依靠x射线晶体学等方法,低温电子显微镜(低温电子显微镜)或核磁共振成像(NMRI)来确定蛋白质结构。然而,这些方法不仅费时而且需要昂贵的,高度专业化的设备。一些蛋白质,比如那些绑定到膜或那些倾向于总,或clump-such淀粉在brain-aren不服从这些可视化技术。

寻找一个更好的方法,是和她的同事们从哈佛医学院,丹娜-法伯癌症研究所和Broad研究所转向突变libraries-synthetic DNA序列由其他研究人员开发的模式改变了DNA的改变单个氨基酸。

团队感兴趣尤其是库包含同时突变在单独的在相同的氨基酸序列。他们寻求突变对影响蛋白质功能和健身的相互依存地,生物效应称为上位。最强大的上位的实例,研究人员推论,应该由3 d氨基酸之间的直接交互的合作伙伴。强大的上位与足够的突变对扫描应显示足够的3 d交互来收集和建立完整的三维结构。

该团队使用蛋白质来自人类,酵母和大米,包括two-protein复杂,以及核糖酶,一块RNA enzyme-like函数。这些分子研究,现有结构派生通过其他手段,使得团队最终预测的精度进行验证。

研究人员来自这些库的信息输入计算机程序,它们用于生成分子的三维结构。令人惊讶的是,这些上位突变的数据足以产生结构密切模仿那些源于既定的方法,与小至1.8埃的物理位置的变化。

虽然这个方法可以用于小蛋白质,标志着指出,较大的蛋白质提供一个大的挑战。例如,由300个氨基酸组成的蛋白质有1600万个可能的突变序列。而序列合成正变得更为高效和可能很快就射过去的这个限制,仍难以创建库的大小。

然而,额外的工作表明,运行这个完整的数据集是没有必要的;只有一小部分运行产生的可能的突变组合精确的3 d结构。团队发现库一样小的原始大小的二十分之一可以完成工作时简单的规则申请选择突变体合成。随着方法的发展,更有效的策略库可能会出现,也许完全规避合成的挑战。

标志着和她的同事们指出,这种方法可以扩展远远超出了他们研究的分子类型。例如,她说,他们的工作已经刺激与其他组织的合作感兴趣的蛋白质结构假定不同形状来执行不同的功能。此外,该方法也可以用于研究其他类型的RNA,广泛的一类分子参与人类疾病但没有解决结构。

研究人员说,他们的工作已经引发对其他团体合作感兴趣产生蛋白质的结构采取不同的形状,特别是参与神经退化。

“这种方法并不取代x射线晶体学、核磁共振方法推导出三维结构,”马克说。“但这是另一种工具在我们的工具箱来更好地理解这些结构和学习它们是如何工作的。”

参考
推断蛋白质三维结构的深度突变扫描。内森·j·罗林斯凯利·布洛克弗兰克·j·Poelwijk Michael a . Stiffler尼古拉斯·p·Gauthier克里斯·桑德&黛博拉标志。自然遗传学(2019),https://doi.org/10.1038/s41588 - 019 - 0432 - 9。

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。