Предсказание субклеточной локализации белка (или просто прогнозирование локализации белка) включает в себя прогнозирование того, где находится белок в клетке , его субклеточную локализацию .
В целом, инструменты прогнозирования взять в качестве входной информации о белке, таких как последовательность белка из аминокислот , и производят предсказанное местоположение в пределах ячейки в качестве вывода, таких как ядро , эндоплазматический ретикулум , аппарат Гольджи , внеклеточного пространство , или других органеллы . Цель состоит в том, чтобы создать инструменты, которые могут точно предсказать результат нацеливания на белок в клетках.
Прогнозирование субклеточной локализации белка является важным компонентом основанного на биоинформатике прогнозирования функции белка и аннотации генома , а также может помочь в идентификации мишеней для лекарств.
Задний план
Экспериментально определить внутриклеточную локализацию в виде белка может быть трудоемким и трудоемкой задачей. Часто используется иммунная метка или маркировка (например, зеленым флуоресцентным белком ) для просмотра локализации с помощью флуоресцентного микроскопа . Альтернативой высокой пропускной способности является использование прогнозирования.
Благодаря развитию новых подходов в информатике в сочетании с увеличенным набором данных белков известной локализации, вычислительные инструменты теперь могут обеспечивать быстрые и точные прогнозы локализации для многих организмов. Это привело к тому, что прогнозирование субклеточной локализации стало одной из задач, которым успешно помогают биоинформатика и машинное обучение .
Многие методы прогнозирования в настоящее время превышают точность некоторых высокопроизводительных лабораторных методов определения субклеточной локализации белков. [1] [2] В частности, были разработаны некоторые предикторы [3], которые могут использоваться для работы с белками, которые могут одновременно существовать или перемещаться между двумя или более различными субклеточными локациями. Для подтверждения предсказанных локализаций обычно требуется экспериментальная проверка.
Инструменты
В 1999 году PSORT была первой опубликованной программой для предсказания субклеточной локализации. [4] Последующие инструменты и веб-сайты были выпущены с использованием таких методов, как искусственные нейронные сети , поддержка векторных машин и белковых мотивов . Предикторы могут быть специализированы для белков в разных организмах. Некоторые из них специализируются на эукариотических белках [5], некоторые - на человеческих белках [6], а некоторые - на растительных белках. [7] Были рассмотрены методы прогнозирования предикторов локализации бактерий и их точность. [8]
Развитие предсказания субклеточного местоположения белков было обобщено в двух всеобъемлющих обзорных статьях. [9] [10] Последние инструменты и отчет об опыте можно найти в недавней статье Мейнкен и Мин (2012) .
Заявление
Знание субклеточной локализации белка может значительно улучшить идентификацию цели в процессе открытия лекарств . Например, секретируемые белки и белки плазматической мембраны легко доступны для молекул лекарств из-за их локализации во внеклеточном пространстве или на поверхности клетки.
Поверхность бактериальных клеток и секретируемые белки также представляют интерес из-за их потенциала в качестве кандидатов в вакцины или диагностических целей. Аберрантная субклеточная локализация белков наблюдалась в клетках нескольких заболеваний, таких как рак и болезнь Альцгеймера . Секретные белки некоторых архей, которые могут выжить в необычных условиях, имеют важное промышленное применение.
Используя прогнозирование, можно оценить большое количество белков, чтобы найти кандидатов, которые доставляются в желаемое место.
Базы данных
Результаты прогноза субклеточной локализации могут храниться в базах данных. Примеры включают многовидовую базу данных Compartments , FunSecKB2, базу данных грибов; [11] PlantSecKB, база данных растений; [12] MetazSecKB, база данных о животных и людях; [13] и ProtSecKB, протистская база данных. [14]
Рекомендации
- ^ Kaleel, M; Чжэн, Y; Чен, Дж; Фэн, X; Симпсон, JC; Полластри, Г; Муни, К. (6 марта 2020 г.). «SCLpred-EMS: предсказание субклеточной локализации эндомембранной системы и белков секреторного пути с помощью сверточных нейронных сетей Deep N-to-1». Биоинформатика . 36 (11): 3343–3349. DOI : 10.1093 / биоинформатики / btaa156 . hdl : 10197/12182 . PMID 32142105 .
- ^ Рей С., Гарди Дж. Л., Бринкман Ф. С. (2005). «Оценка точности высокопроизводительных вычислительных и лабораторных подходов для полногеномной идентификации субклеточной локализации белка в бактериях» . BMC Genomics . 6 : 162. DOI : 10.1186 / 1471-2164-6-162 . PMC 1314894 . PMID 16288665 .
- ^ Чжоу KC, Шен HB (2008). «Cell-PLoc: пакет веб-серверов для прогнозирования субклеточной локализации белков в различных организмах». Протоколы природы . 3 (2): 153–62. DOI : 10.1038 / nprot.2007.494 . PMID 18274516 . S2CID 226104 .
- ^ «Предсказание субклеточной локализации белка» . www.ncbi.nlm.nih.gov . Проверено 31 декабря 2016 .
- ^ Чжоу KC, Wu ZC, Сяо X (2011). «iLoc-Euk: классификатор с несколькими метками для предсказания субклеточной локализации одноплексных и мультиплексных эукариотических белков» . PLOS ONE . 6 (3): e18258. Bibcode : 2011PLoSO ... 618258C . DOI : 10.1371 / journal.pone.0018258 . PMC 3068162 . PMID 21483473 .
- ^ Шен HB, Chou KC (ноябрь 2009 г.). «Нисходящий подход для увеличения возможностей прогнозирования субклеточной локализации человеческого белка: Hum-mPLoc 2.0». Аналитическая биохимия . 394 (2): 269–74. DOI : 10.1016 / j.ab.2009.07.046 . PMID 19651102 .
- ^ Чжоу KC, Шен HB (2010). «Plant-mPLoc: нисходящая стратегия для увеличения возможностей прогнозирования субклеточной локализации растительного белка» . PLOS ONE . 5 (6): e11335. Bibcode : 2010PLoSO ... 511335C . DOI : 10.1371 / journal.pone.0011335 . PMC 2893129 . PMID 20596258 .
- ^ Гарди Дж. Л., Бринкман Ф. С. (октябрь 2006 г.). «Методы прогнозирования субклеточной локализации бактериальных белков». Обзоры природы. Микробиология . 4 (10): 741–51. DOI : 10.1038 / nrmicro1494 . PMID 16964270 . S2CID 62781755 .
- ^ Накай, К. Сигналы сортировки белков и предсказание субклеточной локализации. Adv. Protein Chem., 2000, 54, 277-344.
- ^ Чжоу, KC; Шен, HB Review: Последние достижения в предсказании субклеточного местоположения белков » Anal. Biochem 2007, 370, 1-16.
- ^ «FunSecKB2 (База знаний о грибковом секрете и субклеточном протеоме 2.1)» . bioinformatics.ysu.edu . Архивировано из оригинала на 2016-04-10 . Проверено 17 сентября 2017 .
- ^ «PlantSecKB (База знаний о секретах растений и субклеточных протеомах)» . bioinformatics.ysu.edu . Архивировано из оригинала на 2016-04-06 . Проверено 17 сентября 2017 .
- ^ «MetazSecKB (База данных субклеточных белков Metazoa (человека и животных), секретом и субклеточным протеомом)» . bioinformatics.ysu.edu . Архивировано из оригинала на 2016-04-06 . Проверено 17 сентября 2017 .
- ^ «ProtSecKB (База знаний о протистском секрете и субклеточном протеоме)» . proteomics.ysu.edu . Проверено 17 сентября 2017 .
дальнейшее чтение
- Борк П., Дандекар Т., Диас-Ласкос И., Эйзенхабер Ф., Хуйнен М., Юань Ю. (ноябрь 1998 г.). «Прогнозирующая функция: от генов к геномам и обратно». Журнал молекулярной биологии . 283 (4): 707–25. DOI : 10.1006 / jmbi.1998.2144 . PMID 9790834 .
- Накаи К. (2000). «Сигналы сортировки белков и прогнозирование субклеточной локализации». Достижения в химии белков . 54 : 277–344. DOI : 10.1016 / s0065-3233 (00) 54009-1 . ISBN 0120342545. PMID 10829231 .
- Эмануэльссон О. (декабрь 2002 г.). «Предсказание субклеточной локализации белка на основе информации о аминокислотной последовательности» . Брифинги по биоинформатике . 3 (4): 361–76. DOI : 10.1093 / нагрудник / 3.4.361 . PMID 12511065 .
- Schneider G, Fechner U (июнь 2004 г.). «Достижения в предсказании сигналов нацеливания на белок». Протеомика . 4 (6): 1571–80. DOI : 10.1002 / pmic.200300786 . PMID 15174127 . S2CID 7217647 .
- Гарди Дж. Л., Бринкман Ф. С. (октябрь 2006 г.). «Методы прогнозирования субклеточной локализации бактериальных белков». Обзоры природы. Микробиология . 4 (10): 741–51. DOI : 10.1038 / nrmicro1494 . PMID 16964270 . S2CID 62781755 .
- Chou KC, Shen HB (ноябрь 2007 г.). «Недавний прогресс в предсказании субклеточного местоположения белка». Аналитическая биохимия . 370 (1): 1–16. DOI : 10.1016 / j.ab.2007.07.006 . PMID 17698024 .