Гликан-белковые взаимодействия - Glycan-protein interactions - Wikipedia

Белок Spike (S), отвечающий за связывание с рецепторами ACE2 при COVID-19. Гликаны выделены синим цветом. Структура взята из записи PDB 6VXX^[1]

Гликан-белковые взаимодействия представляют собой класс биомолекулярных взаимодействий, которые происходят между свободными или связанными с белками гликаны и их родственные связывающие партнеры. Внутримолекулярные взаимодействия гликан-белок (белок-гликан) происходят между гликанами и белками, к которым они ковалентно присоединены. Вместе с белок-белковые взаимодействия, они составляют механистическую основу для многих важных клетка процессы, особенно для межклеточные взаимодействия и взаимодействия клетки-хозяина.^[2] Например, SARS-CoV-2, возбудитель COVID-19, широко использует гликозилированный белок спайк (S) для связывания с ACE2 рецептор, позволяющий ему проникать в клетки-хозяева.^[3] Белок-шип - это тример структура, с каждым подразделение содержащий 22 сайта N-гликозилирования, что делает его привлекательной мишенью для вакцина поиск.^[3][4]

Гликаны, общее название для моносахариды и олигосахариды, представляют собой один из основных посттрансляционная модификация из белки вносят свой вклад в огромную биологическую сложность жизни. Действительно, три разных гексозы теоретически может производить от 1056 до 27 648 уникальных трисахаридов, в отличие от всего 6 пептиды или же олигонуклеотиды сформирован из 3 аминокислоты или 3 нуклеотиды соответственно.^[2] В отличие от шаблонный биосинтез белка, «язык» гликозилирования до сих пор неизвестен, поэтому гликобиология горячая тема текущих исследований, учитывая их распространенность в живых организмах.^[2]

Изучение взаимодействий гликанов и белков дает представление о механизмах передачи сигналов в клетках и позволяет создавать более эффективные инструменты диагностики многих заболеваний, в том числе рак. Действительно, не существует известных типов рака, которые не связаны с беспорядочными белками. гликозилирование.^[5]

Термодинамика связывания

Смотрите также: Константа диссоциации

Связывание гликановых белков (GBP) с гликанами можно смоделировать с помощью простых равновесие. Обозначая гликаны как ${\displaystyle G}$ и белки как ${\displaystyle P}$:

${\displaystyle Protein(P)+Glycan(G)\rightleftharpoons PG}$

С ассоциированным константа равновесия из

${\displaystyle K_{a}={\frac {[PG]}{[P][G]}}}$

Которая переставлена, чтобы дать константа диссоциации ${\displaystyle K_{d}}$ следующие биохимические условности:

${\displaystyle K_{d}={\frac {[P][G]}{[PG]}}}$

Учитывая, что многие фунты стерлингов демонстрируют многовалентность, эту модель можно расширить для учета нескольких равновесий:

${\displaystyle P+G\rightleftharpoons PG}$

${\displaystyle PG+G\rightleftharpoons PG_{2}}$

${\displaystyle \dots }$

${\displaystyle PG_{n-1}+G\rightleftharpoons PG_{n}}$

Обозначая кумулятивное равновесие связывания с ${\displaystyle i}$ лиганды как

${\displaystyle P+iG\rightleftharpoons PG_{i}}$

С соответствующей константой равновесия:

${\displaystyle \beta _{i}={\frac {[PG_{i}]}{[P][G]^{i}}}}$

И писать материальный баланс для белка (${\displaystyle c_{P}}$ обозначает общую концентрация белка):

${\displaystyle c_{P}=[P]+[PG]+\dots +[PG_{n}]}$

Выражая условия через константу равновесия, находим окончательный результат:

${\displaystyle c_{P}=[P](1+\beta _{1}[G]+\dots +\beta _{n}[G]^{n}}$

Таким образом, концентрация свободного белка составляет:

${\displaystyle [P]={\frac {c_{P}}{1+\sum _{i=1}^{n}{\beta _{i}[G]^{i}}}}}$

Если ${\displaystyle n=1}$, т.е. существует только один домен углеводного рецептора, уравнение сводится к

${\displaystyle [P]={\frac {c_{P}}{1+\beta _{1}[G]}}}$

С увеличением ${\displaystyle i}$ снижается концентрация свободного белка; следовательно, очевидное ${\displaystyle K_{D}}$ тоже уменьшается.

Связывание ароматическими кольцами

Рисунок 1. Схематическое изображение ${\displaystyle CH-\pi }$ взаимодействия

Химическая интуиция подсказывает, что сайты связывания гликанов могут быть обогащены полярные аминокислотные остатки эта форма нековалентные взаимодействия, Такие как водородные связи, с полярный углеводы. Действительно, статистический анализ карманов связывания углеводов показывает, что аспарагиновая кислота и аспарагин остатки присутствуют в два раза чаще, чем можно было бы спрогнозировать.^[6] Удивительно, но предпочтение отдается ароматические аминокислоты: триптофан имеет 9-кратное увеличение распространенности, тирозин 3-кратный, и гистидин увеличение в 2 раза. Было показано, что основная сила - это ${\displaystyle CH-\pi }$ взаимодействие ароматических ${\displaystyle \pi }$ система и ${\displaystyle C-H}$ в углеводах, как показано на Рисунок 1. В ${\displaystyle CH-\pi }$ взаимодействие определяется, если ${\displaystyle \theta \leqslant 40}$°, ${\displaystyle CH-\pi }$ расстояние (расстояние от ${\displaystyle C}$ к ${\displaystyle X}$) меньше 4,5 Å.^[6]

Эффекты стереохимии

Определение альфа- и бета-граней для глюкозы и галактозы. Стереохимическое различие для двух гексоз выделено красным.

Этот ${\displaystyle CH-\pi }$ взаимодействие сильно зависит от стереохимия из углевод молекула. Например, рассмотрим верхний (${\displaystyle \beta }$) и дно (${\displaystyle \alpha }$) лица ${\displaystyle \beta }$-D-глюкоза и ${\displaystyle \beta }$-D-галактоза. Было показано, что однократное изменение стереохимии у углерода С4 сдвигает предпочтение ароматических остатков от ${\displaystyle \beta }$ стороне (2,7-кратное предпочтение глюкозы) в сторону ${\displaystyle \alpha }$ сторона (14-кратное предпочтение галактозы).^[6]

Эффекты электроники

Сравнение электростатической поверхности потенциалы (ESP) из ароматный звенит в триптофан, тирозин, фенилаланин, и гистидин предполагает, что электронные эффекты также играют роль в связывании с гликанами (см. фигура 2). После нормализации электронной плотности на площадь поверхности триптофан по-прежнему остается наиболее богатым электронами акцептором ${\displaystyle CH-\pi }$ взаимодействия, предполагая возможную причину его 9-кратного преобладания в карманах связывания углеводов.^[6] В целом, карты электростатического потенциала соответствуют тенденции преобладания ${\displaystyle {\ce {Trp >> Tyr > (Phe) > His}}}$.

Фигура 2. Электростатические поверхностные потенциалы (ESP) ароматических аминокислот. Области, богатые электронами, показаны красным цветом, а области, бедные электронами, - синим.

Партнеры, связывающие углеводы

Есть много белков, способных связываться с гликанами, в том числе лектины, антитела, микробный адгезины, популярный агглютинины, так далее.

Лектины

Основная статья: Лектин

Лектины - это общее название белков с углеводно-узнающими доменами (CRD). Хотя он стал почти синонимом гликановых белков, он не включает антитела которые также принадлежат к классу.

Лектины найдены в растения и грибы клетки широко использовались в исследованиях как инструмент для обнаружения, очистки и анализа гликанов. Однако полезные лектины обычно не оптимальны. особенности. Например, Ulex europaeus агглютинин-1 (UEA-1), лектин растительного происхождения, способный связываться с человеческим группа крови O антиген, может также связываться с неродственными гликанами, такими как 2'-фукозиллактоза, GalNAcα1-4 (Fucα1-2) Galβ1-4GlcNAc и Льюис-И антиген.^[7]

Антитела

Основная статья: Антитела

Несмотря на то что антитела проявляют наномолярное сродство к белковым антигенам, специфичность против гликанов очень ограничена.^[8] Фактически, доступные антитела могут связывать только <4% из 7000 гликановых антигенов млекопитающих; более того, большинство этих антител имеют низкую аффинность и перекрестную реактивность.^[9][7]

Ламбоди

По сравнению с челюсть позвоночные чей иммунитет основан на вариабельных, разнообразных и соединяющихся генных сегментах (VDJ) иммуноглобулины, без челюсти беспозвоночные, Такие как минога и миксина, создать разнообразие рецепторов соматическими ДНК перестановка лейцин модули -rich repeat (LRR), которые включены в * vlr * гены (вариабельные рецепторы лейкоцитов).^[10] Эти LRR образуют трехмерные структуры, напоминающие изогнутые соленоиды которые избирательно связывают определенные гликаны.^[11]

Исследование, проведенное в Университете Мэриленда, показало, что антитела миноги (лямбоди) могут избирательно связываться с опухоль -ассоциированные углеводные антигены (такие как Tn и TF${\displaystyle \alpha }$) при наномолярном сродстве.^[9] Антиген T-nouvelle (Tn) и TF${\displaystyle \alpha }$ присутствуют в белках в 90% различных рак клетки после посттрансляционная модификация, тогда как в здоровых клетках эти антигены намного сложнее. Подборка ламбоди, которые могут связываться с aGPA, человек эритроцит мембрана гликопротеин покрытый 16 TF${\displaystyle \alpha }$ части, через магнитно-активированная сортировка клеток (MACS) и сортировка клеток с активацией флуоресценции (FACS) дал богатый лейцином ламбоди VLRB.aGPA.23. Этот лямбоди избирательно окрашивал (по сравнению со здоровыми образцами) клетки 14 различных типов аденокарциномы: мочевой пузырь, пищевод, яичник, язык, щека, шейка матки, печень, нос, носоглотка, большой сальник, двоеточие, грудь, гортань, и легкое.^[9] Кроме того, пациенты, чьи ткани были окрашены положительно VLRB.aGPA.23 имел значительно меньшую выживаемость.^[9]

Внимательный взгляд на кристаллическую структуру VLRB.aGPA.23 обнаруживает остаток триптофана в положении 187 прямо над карманом связывания углеводов.^[12]

Кристаллическая структура VLRB.aGPA.23, созданная из записи PDB 4K79^[12]

Многовалентность в структуре

Карикатурное изображение общих олигомерных структур лектинов

Многие гликановые связывающие белки (GBP) являются олигомерный и обычно содержат несколько места для связывания гликанов (также называемых доменами распознавания углеводов). Способность образовывать поливалентный белоклиганд взаимодействия значительно усиливают силу связывания: в то время как ${\displaystyle K_{D}}$ значения для индивидуальных взаимодействий CRD-гликанов могут находиться в мМ диапазоне, общее сродство GBP к гликанам может достигать наномолярный или даже пикомолярный диапазоны. Общая сила взаимодействия описывается как жадность ${\displaystyle K_{D}}$ (в отличие от близость ${\displaystyle K_{D}}$ которое описывает одиночное равновесие). Иногда жадность также называется очевидный ${\displaystyle K_{D}}$ чтобы подчеркнуть неравновесный характер взаимодействия.^[13]

Общие структуры олигомеризации лектины показаны ниже. Например, галектины обычно наблюдаются в виде димеров, а интелектины образуют тримеры и пентраксины собрать в пентамеры. Более крупные структуры, например гексамерные Рег белки, может собираться в поры, пронизывающие мембрану. Коллектины могут образовывать еще более причудливые комплексы: букеты тримеров или даже крестообразные структуры (например, в СП-Д ).^[14]

Текущее исследование

Учитывая важность взаимодействий гликанов и белков, в настоящее время ведутся исследования, посвященные а) созданию новых инструментов для обнаружения взаимодействий гликанов и белков и б) использованию этих инструментов для расшифровки так называемого сахарного кода.

Гликановые массивы

Основная статья: Гликановый массив

Одним из наиболее широко используемых инструментов для исследования взаимодействий гликанов с белками является гликановые массивы. Гликановый массив обычно представляет собой NHS- или же эпоксидная смола -активированные стеклянные слайды, на которых гликаны были напечатаны с использованием роботизированной печати.^[15][16] Эти коммерчески доступные наборы могут содержать до 600 различных гликанов, специфичность которых тщательно изучена.^[17]

Взаимодействия гликанов и белков могут быть обнаружены путем тестирования представляющих интерес белков (или библиотеки из тех) которые несут флуоресцентные метки. Структура гликанового белка может быть расшифрована несколькими аналитическими методами, основанными на масс-спектрометрии, включая МАЛДИ-МС, ЖХ-МС, тандем MS-MS, и / или 2D ЯМР.^[18]

Исследования, основанные на биоинформатике

Вычислительные методы применялись для поиска параметров (например, предрасположенности к остаткам, гидрофобности, планарности), которые могли бы отличить гликановые связывающие белки от других участков поверхности. Например, модель, обученная на 19 негомологичных структурах связывания углеводов, смогла предсказать домены связывания углеводов (CRD) с точностью 65% для неферментативных структур и 87% для ферментативных.^[19] В дальнейших исследованиях использовались расчеты Энергии Ван-дер-Ваальса взаимодействий белок-зонд и предрасположенности аминокислот к выявлению CRD с 98% специфичность на 73% чувствительность.^[20] Более современные методы могут прогнозировать CRD даже из белковые последовательности, сравнивая последовательность с теми, для которых уже известны структуры.^[21]

Сахарный код

В отличие от исследований белков, где первичная структура белка однозначно определяется последовательностью нуклеотиды (в генетический код ), гликобиология до сих пор не может объяснить, как определенное «сообщение» закодировано с использованием углеводов или как оно «читается» и «переводится» другими биологическими объектами.

Междисциплинарные усилия, сочетающие химию, биологию и биохимию, изучают взаимодействия гликанов и белков, чтобы увидеть, как разные последовательности углеводов вызывают разные клеточные реакции.^[22]

Смотрите также

• Белковые взаимодействия
• Гликобиология

Рекомендации

1. Walls, Alexandra C .; Пак, Юнг-Джун; Торторичи, М. Алехандра; Стена, Эбигейл; Макгуайр, Эндрю Т .; Вислер, Дэвид (2020-03-09). «Структура, функция и антигенность гликопротеина шипа SARS-CoV-2». Клетка. 181 (2): 281–292.e6. Дои:10.1016 / j.cell.2020.02.058. ISSN  0092-8674. ЧВК  7102599. PMID  32155444.
2. Варки А, Корнфельд С (2015). «Историческая справка и обзор». В Варки А., Каммингс Р.Д., Эско Д.Д., Стэнли П., Харт Г.В., Эби М. и др. (ред.). Основы гликобиологии (3-е изд.). Лабораторный пресс Колд-Спринг-Харбор. Дои:10.1101 / гликобиология.3e.001 (неактивно 01.09.2020). PMID  28876854. Получено 2020-05-09.
3. Ватанабэ, Ясунори; Аллен, Джоэл Д.; Рэпп, Дэниел; Маклеллан, Джейсон С .; Криспин, Макс (2020-05-04). «Сайт-специфический гликановый анализ спайка SARS-CoV-2». Наука. 369 (6501): 330–333. Дои:10.1126 / science.abb9983. ISSN  0036-8075. ЧВК  7199903. PMID  32366695.
4. Аманат, Фатима; Краммер, Флориан (2020-04-06). «Вакцины против SARS-CoV-2: отчет о состоянии дел». Иммунитет. 52 (4): 583–589. Дои:10.1016 / j.immuni.2020.03.007. ISSN  1074-7613. ЧВК  7136867. PMID  32259480.
5. Альмогрен А., Абдулла Дж., Гапуре К., Фергюсон К., Глинский В.В., Риттенхаус-Олсон К. (январь 2012 г.). «Анти-Thomsen-Friedenreich-Ag (анти-TF-Ag) потенциал для лечения рака». Границы биологических наук. 4 (3): 840–63. Дои:10,2741 / с304. PMID  22202095.
6. Hudson KL, Bartlett GJ, Diehl RC, Agirre J, Gallagher T., Kiessling LL, Woolfson DN (декабрь 2015 г.). «Углеводно-ароматические взаимодействия в белках». Журнал Американского химического общества. 137 (48): 15152–60. Дои:10.1021 / jacs.5b08424. ЧВК  4676033. PMID  26561965.
7. Коллинз BC, Ганн Р.Дж., МакКитрик Т.Р., Каммингс Р.Д., Купер М.Д., Херрин Б.Р., Уилсон И.А. (ноябрь 2017 г.). «Структурные представления о тонкой специфичности VLR для углеводов группы крови». Структура. 25 (11): 1667–1678.e4. Дои:10.1016 / j.str.2017.09.003. ЧВК  5677568. PMID  28988747.
8. Джайн Д., Салунке Д.М. (февраль 2019 г.). «Специфичность антител и беспорядочные половые связи». Биохимический журнал. 476 (3): 433–447. Дои:10.1042 / BCJ20180670. PMID  30723137.
9. Хонг Х, Ма М.З., Гилдерслив Дж. К., Чоудхури С., Барчи Дж. Дж., Мариуцца Р. А. и др. (Январь 2013). «Сахар-связывающие белки рыб: отбор высокоаффинных« лямбтел », распознающих биомедицинские гликаны». ACS Химическая биология. 8 (1): 152–60. Дои:10.1021 / cb300399s. ЧВК  3756686. PMID  23030719.
10. Хан Б.В., Херрин Б.Р., Купер М.Д., Уилсон И.А. (сентябрь 2008 г.). «Узнавание антигена вариабельными рецепторами лимфоцитов». Наука. 321 (5897): 1834–7. Bibcode:2008Sci ... 321.1834H. Дои:10.1126 / science.1162484. ЧВК  2581502. PMID  18818359.
11. Купер М.Д., Ольха М.Н. (февраль 2006 г.). «Эволюция адаптивных иммунных систем». Клетка. 124 (4): 815–22. Дои:10.1016 / j.cell.2006.02.001. PMID  16497590. S2CID  16590222.
12. Луо М., Великовский С.А., Ян Х, Сиддики М.А., Хонг Х, Барчи Дж. Дж. И др. (Август 2013). "Распознавание углеводного антигена панкарциномы Томсена-Фриденрейха вариабельным рецептором лимфоцитов миноги". Журнал биологической химии. 288 (32): 23597–606. Дои:10.1074 / jbc.M113.480467. ЧВК  3949333. PMID  23782692.
13. Каммингс Р.Д., Шнаар Р.Л., Эско Д.Д., Дрикамер К., Тейлор М.Э. (2015). «Принципы распознавания гликанов». В Варки А., Каммингс Р.Д., Эско Д.Д., Стэнли П., Харт Г.В., Эби М. и др. (ред.). Основы гликобиологии (3-е изд.). Лабораторный пресс Колд-Спринг-Харбор. Дои:10.1101 / гликобиология.3e.029 (неактивно 01.09.2020). PMID  28876857.
14. Везенер Д.А., Дуган А., Кисслинг Л.Л. (июнь 2017 г.). «Распознавание микробных гликанов растворимыми лектинами человека». Текущее мнение в структурной биологии. Углеводы: праздник структурной гликобиологии • Последовательности и топология: компьютерные исследования белок-белковых взаимодействий. 44: 168–178. Дои:10.1016 / j.sbi.2017.04.002. ЧВК  6688470. PMID  28482337.
15. «Новый метод открывает дверь к лучшему пониманию взаимодействия гликанов и белков». GEN - Новости генной инженерии и биотехнологии. 2018-03-01. Получено 2020-05-13.
16. Ойеларан, Ойиндасола; Гилдерслив, Джеффри К. (2009-10-01). «Массивы гликанов: последние достижения и будущие задачи». Современное мнение в области химической биологии. 13 (4): 406–413. Дои:10.1016 / j.cbpa.2009.06.021. ISSN  1367-5931. ЧВК  2749919. PMID  19625207.
17. Ван, Линлинь; Каммингс, Ричард Д; Смит, Дэвид Ф; Хуфлейт, Маргарет; Кэмпбелл, Кристофер Т; Гилдерслив, Джеффри К.; Герлах, Джаред Кью; Килкойн, Мишель; Джоши, Локеш; Серна, Соня; Райхард, Нильс-Кристиан (22 марта 2014 г.). «Межплатформенное сравнение форматов микрочипов гликанов». Гликобиология. 24 (6): 507–517. Дои:10.1093 / glycob / cwu019. ISSN  0959-6658. ЧВК  4001710. PMID  24658466.
18. Раман, Рахул; Таракараман, Каннан; Сасисекхаран, V; Сасисекхаран, Рам (2016-10-25). «Гликан-белковые взаимодействия в вирусном патогенезе». Текущее мнение в структурной биологии. 40: 153–162. Дои:10.1016 / j.sbi.2016.10.003. ISSN  0959-440X. ЧВК  5526076. PMID  27792989.
19. Тарони, Кьяра; Джонс, Сьюзен; Торнтон, Джанет М. (01.02.2000). «Анализ и прогнозирование сайтов связывания углеводов». Белковая инженерия, дизайн и отбор. 13 (2): 89–98. Дои:10.1093 / белок / 13.2.89. ISSN  1741-0126. PMID  10708647.
20. Кульхария, Махеш; Бриджит, Стивен Дж .; Goody, Roger S .; Джексон, Ричард М. (2009-10-01). «InCa-SiteFinder: метод предсказания на основе структуры сайтов связывания инозита и углеводов на белках». Журнал молекулярной графики и моделирования. 28 (3): 297–303. Дои:10.1016 / j.jmgm.2009.08.009. ISSN  1093-3263. PMID  19762259.
21. Чжао, Хуэйин; Тахерзаде, Газале; Чжоу, Яоци; Ян, Юэдун (2018). «Вычислительное прогнозирование белков, связывающих углеводы и сайтов связывания». Текущие протоколы в науке о белке. 94 (1): e75. Дои:10.1002 / cpps.75. ISSN  1934-3663. PMID  30106511.
22. Солис, Долорес; Бовин, Николай В .; Дэвис, Энтони П .; Хименес-Барберо, Хесус; Ромеро, Антонио; Рой, Рене; Сметана, Карел; Габиус, Ханс-Иоахим (01.01.2015). «Руководство по гликонаукам: как химия, биохимия и биология сотрудничают, чтобы взломать сахарный код». Biochimica et Biophysica Acta (BBA) - Общие предметы. 1850 (1): 186–235. Дои:10.1016 / j.bbagen.2014.03.016. HDL:10261/130473. ISSN  0304-4165. PMID  24685397.