Az emlősök veleszületett immunválaszát szabályozó baktericid/permeabilitást növelő fehérje (BPIFA1) molekuláris evolúciója 2. rész

3. Eredmények

Az emlős genomban kódolt BPIFA1 fehérje szekvenciákat tanulmányozták, hogy meghatározzák az adaptív szelekció és evolúció szerepét. A BPIFA1 fehérje a baktériumok és gombák által okozott mikrobiális fertőzések elleni veleszületett jelátvitel kulcsfontosságú közvetítője. Miután a szekvenciákat MSA-val kombinálták, Bayes-féle filogenetikai fák létrehozására használták fel őket, és további vizsgálatokat végeztek. Az intracelluláris jelátviteli kaszkádok elindításához a megfelelő emlősfajokban azonosított, működő (LBP-BPI) doménnel rendelkező génkészlet aktiválása szükséges. A felületaktív foszfolipid dipalmitoil-foszfatidilkolin (DPPC) esetében ez a lipidkötő domén nagyon nagy szelektivitással rendelkezik. A felső légutak veleszületett immunrendszere számos genetikai jel hatására aktiválódik, mint például a megnövekedett nem szinonim szubsztitúciós arány, jelentős homológ haplotípusok és a BPIFA1 fehérjék genetikai variációinak hiánya, ami azt bizonyítja, hogy ezeknek a fehérjéknek a jelenlétét a pozitívumok kedvezték. kiválasztás.

A lipidkötő domén (LBD) számos fehérjében található szerkezeti domén, amely képes megkötni bizonyos specifikus lipidmolekulákat, hogy szabályozza a fehérjék működését vagy lokalizációját.

Számos tanulmány kimutatta, hogy a lipidkötő domének befolyásolhatják az immunitást. Például néhány másodlagos nyirokszervben, például a lépben és a nyirokcsomókban az S1P (szfingolipid{2}}foszfát) nevű lipidmolekula szabályozza a T-sejtek és B-sejtek migrációját és migrációját a lipidkötő doménekkel való kölcsönhatás révén. megtartani. Ezenkívül néhány fontos immunsejtfelszíni receptor, mint például a TLR4, TLR7 és TLR8, szintén tartalmaznak lipidkötő doméneket, amelyek különféle lipidmolekulákat köthetnek meg, és szabályozhatják az immunsejtek aktiválódását és válaszreakcióit.

Ezért van bizonyos kapcsolat a lipidkötő domének és az immunitás között, ami új ötleteket ad az immunválaszok lipidkötő domének általi szabályozásának tanulmányozásához. Látható, hogy javítanunk kell a vírusokkal szembeni ellenálló képességünket. A Cistanche jelentősen javíthatja az immunitást. A Cistanche vírus- és rákellenes hatással is rendelkezik, ami erősítheti az immunrendszer harci képességét és javíthatja a szervezet immunitását.

Kattintson a Cistanche egészségügyi előnyei

3.1. A BPIFA1 gén molekuláris evolúciója

Ebben a munkában az adaptáció jeleit kerestük a BPIFA1 génben, a progresszíven gyengetől az erős szelekciós jelekig az emlős genom adaptív evolúciója során. Meghatároztuk a BPIFA1 génben az adaptív evolúción átmenő kodonok tipikus százalékát. Ugyanazt az eljárást követve minden kódoló szekvenciánál kiszámítottuk a pozitívan kiválasztott kodonok átlagos arányát az összes ágban. A BPIFA1 filogén törzs gondosan kiválasztott tesztágaiban a BUSTED és a szinonim sebességvariáció segítségével meghatároztuk a génszintű epizodikus diverzifikáló szelekció nyomait. Ennek eredményeként arra a következtetésre jutottunk, hogy a három vizsgált leszármazási vonal mentén eltérő szelekció történt. Szinonim sebességvariációt alkalmazva a BPIFA1 törzsfejlődés vizsgálati ágaiban génszintű epizodikus diverzifikáló szelekciót figyeltünk meg. Ennek eléréséhez egy génszintű epizodikus diverzifikáló szelekciót (LRT) alkalmaztak. Két vizsgálati ág mutatott bizonyítékot a szelekció diverzifikálására, ami arra utal, hogy a helyszínt ilyen típusú evolúciónak vetették alá (1. ábra).

A BPIFA1 átlagos dN/dS aránya az összes helyen és származásban nagyobb volt, mint egy. Ennek eredményeként kutatást végeztek ezzel a fehérjével, hogy azonosítsák a pozitív szelekció jeleit. Megállapították, hogy a fehérje konzervált aminosav-szerkezettel rendelkezik, ami lehetővé teszi a tisztítást, és omega-értéke nagyobb, mint 1. A fehérjével log-likelihood tesztet végeztek, minden helyét elemezték, és a helyettesítési arányt számítottunk ki. Annak felmérésére, hogy történt-e pozitív szelekció, három különböző valószínűségi modellkészletet használtunk: M0 vs. M3, M1 vs. M2 és M7 vs. M8. Az M1 és M2 alatti paraméterbecsléseket összehasonlítottuk, és azt találtuk, hogy ezeknek a fehérjéknek az M2 értéke pozitív volt. A pozitívan kiválasztott webhelyek százalékos aránya szignifikáns volt a három modell esetében, 422.86, 64,5 és 93,63 értékkel (1. táblázat).

Annak érdekében, hogy további bizonyítékokat szolgáltassunk a pozitív szelekció megállapításainak alátámasztására, a Mechanisztikus-empirikus kombinációs modellt alkalmaztuk bizonyos webhelyeken a Selection szerver segítségével. A folyamat során felfedeztük, hogy számos helyet azonosítottak úgy, hogy az evolúció során különböző pontokon szelektív nyomásnak voltak kitéve (1. ábra). Emiatt meg tudjuk becsülni, hogy ez a gén evolúciósan milyen mértékben konzervált. Azt találtuk, hogy a pozitívan kiválasztott helyek túlnyomó többsége az emlős kládokban konzervált volt. Ennek az az oka, hogy a neurális hálózat algoritmusában a pozitív szelekcióhoz használt jelek többségét a konzervált aminosavak tették ki (2. táblázat).

A kodonmodell kiválasztási módszer 9113 különböző modellt értékelt. A legjobb modell (log(L)=−18,910, mBIC=39,340.92) három arányt tartalmazott, és a legpontosabb volt. Ezzel a modellel 218,66 log(L) és 398,33 mBIC-pontos javulást értek el az egysebességű modellhez képest, amelyben minden nem szinonim szubsztitúció azonos sebességgel történt, amint az 1. táblázatban látható. A hiteles halmaz minden modellje rendelkezik a bizonyítékok aránya legalább 0,01 a legjobb modellhez képest, ami azt jelenti, hogy a legjobb modellhez képest 9,21 mBIC egységen belül volt, vagy ezzel egyenértékű, hogy a bizonyítékok aránya legalább 0,01 volt a legjobb modellhez képest. A modellátlagolás becsülte meg a változás mértékét ebben a modellgyűjteményben (2. ábra). A BPIFA1 fehérje aminosavpozícióinak evolúciós szelekciós mintázatát kodonmodell szelekciós analízissel is értékelték, amely azt mutatta, hogy az aminosav helyek szubsztitúciója a fehérjék adaptív evolúciója során történt. Megállapítottuk, hogy a fehérjék bázikus aminosav-pozíciói adaptív evolúciót mutattak a változó szubsztitúciós arányok miatt. A BPIFA1 aminosav helyek eloszlása ​​alapján a maximális szubsztitúciós arány körülbelül 1,19 volt, míg a legalacsonyabb ,14 (2. ábra).

Egy fehérje fiziológiailag jelentős régióinak azonosítása elvégezhető a szinonim (Ks) és nem szinonim (Ka) szubsztitúciók gyakoriságának szembeállításával a fehérjében. Ez adja az alapot a tisztító szelekció és a lokalizált pozitív darwini szelekció létezésére. A Selecton 2.2-es verzióját (elérhető a http://selection-bio info-tau.ac.il címen, elérve 2021. szeptember 29-én) használtuk, egy webszervert, amely automatikusan kiszámítja a Ka és Ks (u) arányát minden webhelyen a fehérjét. A különböző színek a kiválasztás különböző típusait jelölik (pozitív szelekció, tisztító szelekció és nincs kiválasztás), és ennek az aránynak a grafikus megjelenítésére szolgálnak az egyes helyeken. A szelekciós modell különböző evolúciós hipotézisek gyűjteménye, amelyek segítségével statisztikailag tesztelhető annak valószínűsége, hogy egy adott fehérjét pozitív szelekciónak vetették alá. Grafikus felhasználói felületen keresztül működik. A nemrégiben felállított mechanisztikus-empirikus modell befolyásolta az aminosav fizikai tulajdonságait (3. táblázat).

3.2. A BPIFA1 gén adaptív szelekciója

Annak meghatározására, hogy a különböző emlősfajok milyen mértékben alkalmazkodtak a környezetükhöz, a BPIFA1 gén kódoló szekvenciáinak többszörös összehangolását alkalmaztuk mind a 34 fajból. Ezeket a teszteket külön-külön vagy kombinálva is alkalmazhatjuk. A tesztek legelterjedtebb változata az elágazási teszt. A gerinces fajok evolúciója során a specifikus leszármazási vonalak szelekcióját használták fel, hogy felismerjék a szelekciós nyomásnak kitett különálló vonalakat. A származásspecifikus szelekciós valószínűségeket minden filogenetikai csoportra kiszámítottuk egy adaptív elágazási hely véletlen hatás valószínűségi (aBS-REL) modell segítségével. Ezen túlmenően, az aBS-REL technikát használták az egyes gének szétválasztására annak meghatározására, hogy az evolúciótörténet különböző időpontjaiban mely vonalak kerültek adaptív szelekció alá.

Emlős származásúak esetében az aBS-REL modell megerősítette, hogy a BUSTED által megjósolt gének pozitív szelekció alatt állnak. Eredményeink, amelyek arra utaltak, hogy a szelektív nyomás hatott az emlős származású BPIFA1 génekre, azt mutatták, hogy a két hipotézis kongruens (4. táblázat). A BPIFA1 gén törzsfejlődésében nyolc ágban volt bizonyíték az epizodikus diverzifikáló szelekcióra. Az eredmények fontosságát a Likelihood Ratio Test (p > 0.05) segítségével értékelték, amelyet sok más teszt eredményének figyelembevétele után végeztek (3. ábra). Összesen 63 különálló vonalat vetettek át ezen a speciális teszten a kiválasztás diverzifikálása érdekében. Több tesztet is elvégeztünk, és az eredmények jelentőségét a Likelihood Ratio Test alkalmazásával állapítottuk meg 0,05-ös p-érték küszöbértékkel.

Ez a táblázat statisztikai összefoglalást ad a modellek adatokhoz való illeszkedéséről. Az MG94xREV alapvonal az MG94xREV alapmodellre utal, amely ágonként egyetlen ω ráta kategóriát következtet. A teljes adaptív modell az adaptív aBS-REL modellre vonatkozik, amely ágonként optimalizált számú ω sebességkategóriát jelent.

Az evolúciós folyamat során az omega értékeket SLAC, FUBAR, MEME és FEL módszerekkel vizsgáltuk, hogy megtaláljuk a pozitív szelekció jeleit (5. táblázat). Eredményeink szerint az emlős kládokban található BPIFA1 gén pozitív evolúciós szelekción esett át. A Bayes-módszer segítségével a genom mely régióira volt kitéve szelektív nyomás. Ez a technika magában foglalja az egyes kodonok posterior valószínűségének meghatározását. A nagyobb számú lehetőséget kínáló helyek nagyobb valószínűséggel esnek át diverzifikáló szelekción, ami a nem szinonim és szinonim helyettesítések magasabb arányát eredményezi, mint a kisebb valószínűségű helyek (2. táblázat). A BEB analízis segítségével azt találtuk, hogy a baktericid fehérje LBP-BPI doménjének számos helye pozitív szelekciónak volt kitéve nagy, 95 százalékos posterior valószínűséggel. Ez minden webhely esetében így volt. A helyek a tartományban különböző helyeken voltak szétszórva. A PAML megállapításait a Selection szerveren található adatkészlet segítségével vizsgáltuk. Ez a szerver képes volt azonosítani az adaptív szelekciót a fehérjén belül bizonyos helyeken, ami lehetővé tette számunkra a pozitív szelekció meglétét. A helyettesítési arányok meghatározásához a MEC modellt alkalmaztuk. Az eredmények azt mutatták, hogy a BPIFA1 több pontján adaptív szelekció történt (5. táblázat).

3.3. Rekombinációs elemzés

A BPIFA1 gén esetében rekombinációs elemzést végeztek, hogy megtalálják a gének közötti lehetséges evolúciós kapcsolatokat. A kutatás három rekombinációs eseményt tárt fel. A rekombinációs szekvenciák mindegyike, beleértve a fő és a kisebb szülőket is, a BPIFA1 génből származott. A rekombinációs töréspontokat GARD elemzéssel azonosítottuk. 30,30 modell/másodperc sebességgel a GARD 5120 modellt vizsgált meg. A 72 874 879, legfeljebb három törésponttal rendelkező modell keresési terét az igazítás 759 lehetséges töréspontja hozta létre, amelyeknek a genetikai algoritmus csak 0,01 százalékát vizsgálta. A 100-as vagy nagyobb bizonyítékarány mellett a többfás modellt részesítették előnyben az egyfás modellel szemben, ami azt jelzi, hogy legalább az egyik töréspont topológiai inkongruenciát tükröz. Ezt a legjobban illeszkedő GARD-modell AICc-pontszámainak összehasonlításával igazolták, amely lehetővé tette a változó topológiákat a szegmensek között (37 996,2), és a modellé, amely ugyanazt a fát feltételezte a GARD által meghatározott összes partícióra, de különböző ághosszakat engedélyezett. partíciók között. Pontosabban, a legjobban illeszkedő GARD modell AICc pontszáma 37 996,2, míg a modell AICc pontszáma 37 996,2 volt. (4. és 5. ábra).

3.4. Fehérje-fehérje kölcsönhatások és ligandumkötési elemzés

A STRING adatbázis segítségével kerestük a BPIFA1-gyel expresszált fehérjéket, és több pár fehérje-fehérje kölcsönhatást azonosítottunk. 13 csomópontot és 35 élt jelöltek a BPIFA1-gyel expresszált fehérjék. A PPI diagram élei az egyes csomópontokat összekötő vonalhálózatok (6. ábra). Az átlagos helyi klaszterezési együttható értéke 0,978 volt. A PPI-dúsítás p-értéke 5,25 × 10-12. A PPI hálózat a BPIFA1 gén és más, együtt expresszált immungén kölcsönhatásait reprezentálta. A COX7B2, BPIFB6, BPIFB4, BPIFB2, BPIFB3, PLTP, CETP, BPI, LBP és ODF2L volt a 10 gén, amely részt vett a BPIFA1 PPI-hálózatában (6. ábra).

A BPIFB6, BPIFB4, BPIFB2 és BPIFB3 gének voltak a legjelentősebbek, mert részt vesznek a biológiai jelátviteli útvonalakban, amelyek alapvető szerepet játszanak a bakteriális fertőzésekkel szembeni veleszületett immunitásban. Ezen túlmenően ezeket a géneket a BPIFA1 szabályozza, ami egy másik oka annak, hogy olyan jelentősnek tartották őket (6. táblázat). A molekuláris útvonalak nélkülözhetetlenek a behatoló csírák felszámolásában a membránbontó aktivitás révén, amely az összes rokon fehérjét tartalmaz, amelyek különböző szerepekkel rendelkeznek. A membránbontó tevékenység szükséges volt a behatoló baktériumok eliminálásához. A lipopoliszacharidokra adott jelek közvetítésében két kulcsfontosságú fehérje az LPS-kötő fehérje (LPSBP) és a baktericid permeabilitást növelő fehérje (BPI). Erős affinitást mutattak a lipid A-hoz, az LPS-ben található anyaghoz, és feltűnően hasonlítottak egymáshoz. Annak ellenére, hogy hasonló szerkezetük van, az LBP és a BPI különféle biológiai funkciókat lát el, amelyek határozottan különböznek egymástól. Például az LBP gyakran kötődik az LPS-hez, és nagymértékben megkönnyíti az LPS bemutatását CD14 plusz sejtek, például makrofágok és monociták számára, míg a BPI gátolja és csökkenti az LPS bioaktivitását. Ez a két fehérje egyaránt jelen van a baktériumokban.

A ligandumok kritikus komponensek a fehérjék expressziójának és aktivitásának szabályozásában. Az intermolekuláris kötőerők, például az ionos kötések, a hidrogénkötések, a hidrofób kölcsönhatások és a Vander-Waals-erők hozzájárulnak a ligandumkötési folyamathoz. A ligandumok és fehérjék közötti kölcsönhatások következtében a fehérje háromdimenziós szerkezete megváltozik. A fehérje konformációs állapotában bekövetkezett változások miatt a fehérje egyes funkciói gátolhatók vagy aktiválhatók. Ezért fehérje-ligandum kötés kölcsönhatás vizsgálatot végeztünk aminosav-fizikokémiai jellemzők felhasználásával, hogy meghatározzuk, mely aminosavak lépnek kölcsönhatásba a ligandummal és melyek nem. Ennek eléréséhez egy webhelyet (http://crdd.osdd.net/raghava/lpicom, 2021. október 18-án hoztunk létre), amely kiszámítja az adott ligandumokkal kölcsönhatásba lépő maradékok hányadát. A kulcsfontosságú maradékokról, mint a cisztein, glicin, alanin, lizin, aszparaginsav, hisztidin, leucin, valin arginin, triptofán, szerin, treonin és tirozin, kimutatták, hogy kölcsönhatásba lépnek hét ligandummal (1BP1, BPH, XE, NEH, CLA, CU és MG) és PC1. A PC1-gyel való kölcsönhatáshoz képest a töltött aminosavak, különösen az esszenciális aminosavak nagyobb előnyt élveztek az 1BP1, BPH, XE, NEH, CLA, CU és MG kölcsönhatás során (7. ábra). A velük korreláló kis és poláris aminosavakat mindhárom ligandumban jellemeztük.

Két különböző megközelítést alkalmaztunk a komplementer kötőhelyekkel kapcsolatos előrejelzések elkészítéséhez: az első a kötődés-specifikus alstruktúrák (TM-SITE) összehasonlításán alapult, míg a második a szekvenciaprofilok egymáshoz igazításán (S-SITE). Ezek a technikák a BPIFA1 fehérjét 500 nem redundáns fehérjével szemben értékelték, amelyek 814 szerves, szintetikus és fémionvegyülettel kombinálódtak. Az alacsony felbontású fehérjeszerkezetek előrejelzésétől kezdve a megközelítések sikeresen azonosították a BPIFA1 kötőmaradékait, és jóval magasabb átlagos Matthews-korrelációs együtthatót (MCC) értek el. Ezenkívül a technikák olyan ligandumokat tártak fel, amelyek kötődnek a maradékokhoz (7. táblázat).

4. Megbeszélés

A heterogén hátterek olyan platformokat kínálnak, ahol az eltérő szelekción átmenő populációkat natívan adaptált szubpopulációkba lehet megkülönböztetni [44]. A szelekció hatása a populációk közötti génáramlásra, mint például a migrációs-szelekciós egyensúly, meghatározza a veleszületett adaptáció és a folyamatos divergencia lehetőségét. Ezt migrációs-kiválasztási mérlegnek is nevezik. A populációkon belüli lokális genetikai variabilitás a génáramlás következtében homogenizálódik, ha a szelekció hatása kevésbé jelentős, mint a génáramlás hatása. Ehelyett a genetikai variánsok felhalmozódhatnak és megmaradhatnak az erőteljes divergens szelekcióra érzékeny specifikus lókuszok között, ha a szelektív nyomás nagyobb, mint a génáramlás integratív ereje [45].

A lehetséges alternatív kimenetelben a génáramlás előnyeit korlátozza a rossz genetikailag illeszkedő bevándorlókkal szembeni szelekció, ami a helyi adaptációt is előkészíti [45,46]. Kapcsolatnak kell lennie a génáramlás és a szelekció között, hogy megértsük a génáramlás gyakoriságában mutatkozó populációs különbségeket [46]. Ilyen körülmények között a szelekció határozza meg, hogy a populáció tovább fejlődik-e, vagy különálló csoportként eltér egymástól. Az empirikus Bayes-megközelítés minden egyes fióktelepen kiszámította az LRT-t, és megtalálta az összes olyan helyet, ahol diverzifikált szelekció előfordulhat. Az empirikus Bayes-megközelítés alapján a Fast, Unconstrained Bayes-közelítést, más néven FUBAR-t alkalmaztuk a BPIFA1 génnél előforduló diverzifikáló szelekció lokalizálására. A FUBAR lehetővé tette a kodonok helyről-helyre és ágról ágra történő diszperzióját, és a génszinten végbemenő adaptív evolúció feltárására használták. A MEME módszerét a génszinten végbemenő adaptív evolúció vizsgálatára alkalmazták [25,32,47]. Az epizodikusan diverzifikáló kódolóhelyeket az SLAC 0.01-nél kisebb p-értékkel találta meg (1. táblázat).

Ezt a modellt használták a szinonim és nem szinonim helyettesítési arányok becslésére, és a nem szinonim aránynál nagyobb vagy azzal egyenlő szinonim helyettesítési arányú kódoló helyeket figyelemre méltónak tekintették a diverzifikáló szelekción átesett helyek azonosítására. A MEME-ben a BPIFA1 gén 130., 167., 168., 190., 243., 265. és 289. kodonjaira kaptunk maximum-likelihood becsléseket (2. táblázat). Nem szignifikáns jeleik alapján ezeket a kodonokat nem azonosították pozitívan szelektált helyként, ami a természetes szelekció epizodikus jellegéből adódik. A természetes szelekciót, amely az adaptív evolúció rövid szakaszaiban szórványosan lezajlott, elfedte a tisztító vagy a természetes szelekció gyakori előfordulása. Következésképpen az adaptív evolúció jeleit érzékenységi tesztekkel és pozitív szelekcióval nem lehetett megtalálni [48].

Tizenhét olyan helyet találtunk, amelyeket a PAML módszerrel választottak kedvezően, tizenöt helyet az IFEL algoritmussal, és négy olyan helyet, amelyeket FEL algoritmussal választottak ki. A BPIFA1 gén kodonszekvenciáira gyakorolt ​​adaptív szelekciós nyomást a MEC modell segítségével számítottuk ki. Ennek eredményeként hetvennégy aminosavat azonosítottak (1. ábra). Pozitív szelekción alapuló evolúciós modellt használtunk, amely különbségeket tárt fel a kodonszinten (M8). A Selection szerveren található MrBayes alkalmazás egy MCMC-modellt használt az emlősök MAVS-génjének kodonszintű különbségeinek meghatározására [49].

A MAFFT fehérje illesztések eredményei alapján korábbi vizsgálatok kimutatták, hogy az Ig domén a MAVS kódoló szekvenciákban marad. Ezek az eredmények azt sugallják, hogy a kiválasztott régiók tisztításában az alternatív fehérjeváltások károsak, és ezért valószínűtlen, hogy az evolúció során fennmaradnak [50,51]. Több evolúciós útvonal helyszíneit többparaméteres arányeloszlás, 95 százalékos konfidenciaintervallumú véletlenszerű hatásmodell és jelentős Pr [>] értékek segítségével azonosították. Ennek a módszernek köszönhetően a lelőhelyeket ezután meg lehetett találni (3. táblázat). Pozitív szelekció esetén az osztálysebesség súlyát kétváltozós általános diszkrét eloszlással határoztuk meg minden kódolóhelyre. Az MCMC modell konvergenciáját igazolta az a tény, hogy a BPIFA1 utólagos átlagbecslései közelebb állnak a figyelembe vett redukciós tényező értékéhez (2. táblázat).

Ezek az értékek {{0}},95 és 0,99 között változtak. A szelekció diverzifikálása során csak azokat a kódoló helyeket vettük figyelembe, amelyek empirikus Bayes faktor (EBF) értéke meghaladja az 50-et. A számításokat a nettó effektív mintaméret felhasználásával végeztük, hogy meghatározzuk az EBF-értékeket minden pozitív szelekcióval értékelt kódolóhelyre. A génspecifikus szelekciós paraméterek eloszlására való következtetés javíthatja a detektált szelekciót nagyszámú kódoló helyen. A pozitívan szelektált és azonosított kódoló területek jelentős bizonyítékot szolgáltatnak a szelekció diverzifikálására a jelenleg szelektív vonalon áteső BPIFA1 génekben. Ennek eredményeként egyes mutációk, amelyek kezdetben semlegesnek tűnnek (és nincs azonnali hatással a fittségre), „megengedők” lehetnek, lehetővé téve a fehérje számára, hogy ellenálljon a későbbi változásoknak, amelyek egyébként károsak lennének, és fenotípusos különbségeket okoznának [52]. Az episztázis semleges mutációi megalapozzák a későbbi szelekciót és adaptációt, ami az utóbbi időben nagy figyelmet keltett, és a semleges és szelekciós evolúciós modellek összeegyeztetésének módjaként ajánlották fel [53].

Az FWY és HKR pár helyettesítési aránya körülbelül 50 százalék volt, a DENQ helyettesítési aránya 50 százalék, az ACGILMPSTV helyettesítési aránya pedig 90 százalék volt. A PPI hálózat a BPIFA1 fehérje és más, együtt expresszált immunfehérjék kölcsönhatásait reprezentálta. A COX7B2, BPIFB6, BPIFB4, BPIFB2, BPIFB3, PLTP, CETP, BPI, LBP és ODF2L volt az a tíz gén, amelyekről megállapítottuk, hogy felelősek ezekért a fehérjekölcsönhatásokért (6. ábra). A BPIFB6, BPIFB4, BPIFB2 és BPIFB3 gének a legjelentősebbek, mivel részt vesznek a biológiai jelátviteli útvonalakban, amelyek alapvető szerepet játszanak a bakteriális fertőzésekkel szembeni veleszületett immunitásban. Ezen túlmenően, ezeket a géneket a BPIFA1 szabályozza, ami egy másik ok arra, hogy olyan jelentősek (6. táblázat). Az interfészek konzervált aminosav-összetételű klasztereket tartalmaznak, amelyek kompatibilisek mind az interfész maggal (azok a maradékok, amelyeknél a legnagyobb változás az eltemetésben kötődéskor), mind a konzervált régióval [54], és a forró pontok csoportosításából kifejlődő forró régiók megfelelnek a szorosan tömött régióknak. és konzervált régiók.

Így az interfészek evolúciós nyomás alatt állnak, hogy fenntartsák a jelenlegi kapcsolatokat, miközben elkerülik a kedvezőtlen, nem specifikus kölcsönhatásokat. Bizonyos fizikai-kémiai jellemzők megváltoztathatók annak érdekében, hogy csökkentsék annak valószínűségét, hogy a fehérje-fehérje határfelületek diszfunkcionális kölcsönhatásokat alakítsanak ki [55]. Vizsgálatunk eredményeként azt találtuk, hogy az 1. táblázatban bemutatott pozitívan szelektált kodonok értékei 1-nél nagyobbak. Ez azt mutatja, hogy a szinonim helyek kialakítása több időt igényel, mint a nem szinonim helyek (dN helyek) kialakítása. A darwini szelekciónak ez a jótékony hatása, amely új variációkat és nagyobb allélpolimorfizmust ösztönöz, kiegyensúlyozó vagy tisztító szelekcióként működik [56], ami megváltoztatja a strukturális fehérjét és befolyásolja a jelátviteli útvonalat [57]. Annak ellenére, hogy ugyanabból a vonalból származnak, a különböző fajok utódaiban végbemenő aminosav-szubsztitúciók nagyon eltérő következményekkel járhatnak [56,57]. Ez ellentétben áll azzal a ténnyel, hogy törzskönyvük egybeesik a korábbi beadványokkal. Az ebben a tanulmányban kiválasztott BPIFA1 gének bizonyos információkat szolgáltatnak a bioanalízishez, amelynek célja a gének kiválasztása az evolúciós időskála alapján a legutóbbi és a hosszabb távú időszakok között.

Ezenkívül a legújabb kutatások eredményeként feltárt alapvető evolúciós mechanizmus elégtelen lehet, mivel a genomban számos fehérje szerkezeti és funkcionális jellemzői hiányoznak. A Drosophila melanogaster fehérjét kódoló gének evolúcióját és adaptációját alaposan megvizsgáltuk, hogy meghatározzuk az evolúció és az adaptáció legfontosabb meghatározóit a fehérjekódoló gének szintjén. Ezt úgy érték el, hogy a D. melanogaster-t hasonlították össze a közeli rokon fajokkal és azok populációival. Munkacsoportunk a bioinformatikai és szerkezeti elemzések nagyszabású alkalmazásait végezte a fehérjék szerkezeti és funkcionális jellemzőinek megállapítására. Ezt követően a maradékokat kategorizációs rendszerünk segítségével különféle szerkezeti és funkcionális helyekre osztottuk. A szekvencia evolúciójának és adaptációjának sebességét számos fehérje és hely között hasonlították össze, ami lehetővé tette az adaptáció hotspotjainak azonosítását a teljes genomban. Ezen túlmenően kimutatták, hogy a gyorsan alkalmazkodó fehérjék nagyobb sebességgel lépnek kölcsönhatásba egymással, mint amit véletlenül előre jeleznénk; ez a felfedezés azt mutatja, hogy a koadaptáció valószínűleg mindenütt jelen van a gyorsan adaptív fehérjék között.

Fizikai kapcsolataik eredményeként a következőkben példák olyan mechanizmusokra, amelyek hozzájárulhatnak a koadaptációhoz: (1) a gyorsan adaptív fehérjék gyakran hasonló kémiai aktivitásokban gazdagodnak, és hasonló szelekciós nyomásnak vannak kitéve, és (2) ) gyorsan adaptív fehérjék együtt fejlődnek. Ebben a kutatásban a PPI-k adaptív evolúciójának két különböző példáját mutatták be, ami arra készteti a szerzőket, hogy feltételezzék, hogy ezek a fizikai kölcsönhatások szerepet játszhattak a gyorsan adaptív fehérjék koadaptációjában D. melanogasterben. Emellett kimutattuk, hogy a koadaptáció jelensége általánosabb értelemben is megtörténhet, mint csak a gyorsan adaptív fehérjék között. Az adaptáció sebessége jellemzően magasabb azokban a fehérjékben, amelyek kölcsönhatásba lépnek a gyorsan adaptív fehérjékkel. Tekintettel arra, hogy a molekuláris kölcsönhatások szerepet játszanak az adaptív evolúcióban, méltányos előre látni, hogy ezek a kölcsönhatások globálisabb szinten is irányíthatják a koadaptációt. Feltételezték, hogy a fizikai érintkezések koevolúciója a felelős a kölcsönható fehérjékben megfigyelt hasonló evolúciós sebességért.

5. Következtetések

Célunk az volt, hogy azonosítsuk azokat a szelektív nyomásokat, amelyek hozzájárultak a növények és emlősök BPIFA1 rendszerének kialakulásához, amelynek expressziója számos betegségben modulált. A BPIFA1 fehérje gyorsan fejlődött válaszul a szelektív nyomásra az emberi származásban, és sikerült meghatároznunk azokat a genetikai szelekciós determinánsokat, amelyek felelősek baktericid hatásáért. Evolúciós története során a pozitív szelekció döntő szerepet játszhatott a különböző ingerekre adott virulenciaválasz javításában, ami magyarázatot adhat a gén működésének stabilitásában megfigyelt sokféleségre. Eredményeink átfogóbb megértést nyújtanak a BPIFA1 gének evolúciós történetéről, ami javítani fogja a biológiai folyamatok patogenitásának funkcionális genomikai elemzését. Várhatóan ezek az eredmények segíthetnek a betegségek megelőzésének jobb megértésében is. Ezen túlmenően ezeknek a géneknek a tanulmányozása elősegítheti egy olyan egyedi módszer kidolgozását, amely segíthet a bakteriális kórokozókban jelenlévő különféle virulenciafehérjék meghatározásában. Eredményeink alapján feltételezzük, hogy az evolúciós folyamat során fellépő korlátozások kulcsszerepet játszottak felfedezéseink kialakításában. Ezen korlátozások eredményeként sikerült azonosítani néhány numerikus határt, amikor bonyolult komplexekhez kapcsoltuk a jellemzőket, például a fehérje hosszát. A fehérjék egyedi tulajdonságai azért érdekesek, mert szokatlan stresszorokra vagy homeosztatikus változásokra utalhatnak, amelyek lehetővé tették jelenlétét a sejtekben. Ezért ígéretes választást jelentenek a további kutatásokhoz.

A szerző hozzájárulásai:

Conceptualization, HIA és JC; módszertan, HIA, MAK, FAK, SI, RWA és NSP; szoftver, HIA, WN, NSP, RWA és SI; érvényesítés, MAK, JC, FAK és HIA; formális elemzés, HIA, MAK, FAK, SI, RWA és NSP; vizsgálat, HIA, MAK, FAK, SI, RWA és NSP; források, HIA, MAK és JC; adatkezelés, HIA, MAK, FAK, SI, RWA és WN; írás – eredeti tervezet előkészítése, HIA; írás – áttekintés és szerkesztés, HIA, SI, RWA, WN és NSP; vizualizáció, JC és MAK; felügyelet, MAK, FAK, NSP és WN Minden szerző elolvasta és elfogadta a kézirat közzétett változatát.

Finanszírozás:

Ez a kutatás nem kapott külső támogatást.

Az intézményi felülvizsgálati bizottság nyilatkozata:

Nem alkalmazható.

Tájékozott beleegyező nyilatkozat:

Nem alkalmazható.

Adatelérhetőségi nyilatkozat:

A cikkhez kapcsolódó összes adatot nyilvánosan hozzáférhetővé kell tenni az olvasók számára.

Köszönetnyilvánítás:

Ezt a tanulmányt a 2022-es Guangdong tartományi ökológiai erdészeti építkezés speciális pénzügyi projektje támogatta.

Összeférhetetlenség:

A szerzők nem nyilatkoznak összeférhetetlenségről.

Hivatkozások

1. Li, J.; Xu, P.; Wang, L.; Feng, M.; Chen, D.; Yu, X.; Lu, Y. A BPIFB1 molekuláris biológiája és előrehaladása a betegségekben. Ann. Ford. Med. 2020, 8, 651. [CrossRef] [PubMed] 2. Saferali, A.; Tang, AC; Strug, LJ; Quon, BS; Zlosnik, J.; Sandford, AJ; Turvey, SE A cisztás fibrózis módosító gén BPIFA1 immunmoduláló funkciója. PLoS ONE 2020, 15, e0227067. [CrossRef] [PubMed]

3. Nam, B.-H.; Moon, J.-Y.; Park, E.-H.; Kim, Y.-O.; Kim, D.-G.; Kong, HJ; Kim, W.-J.; Jee, YJ; An, CM; Park, NG; et al. Az olíva lepényhal lipopoliszacharid kötő fehérjéből/baktericid permeabilitást növelő fehérjéből (LBP/BPI) származó peptidek antimikrobiális aktivitása. Március Drugs 2014, 12, 5240–5257. [CrossRef] [PubMed]

4. Kirschning, CJ; Au-Young, J.; Lamping, N.; Reuter, D.; Pfeil, D.; Seilhamer, JJ; Schumann, RR A lipopoliszacharid-kötő fehérje (LBP) és a foszfolipid transzfer fehérje (PLTP) gének hasonló szerveződése a lipidkötő fehérjék közös géncsaládjára utal. Genomics 1997, 46, 416–425. [CrossRef] [PubMed]

5. Balakrishnan, A.; Marathe, SA; Joglekar, M.; Chakraborty, D. Baktericid/permeabilitást növelő fehérje: Sokrétű fehérje, amelynek funkciói túlmutatnak az LPS semlegesítésén. Veleszületett immunitás. 2012, 19, 339–347. [CrossRef]

6. Wright, SD; Ramos, RA; Tobias, PS; Ulevics, RJ; Mathison, JC CD14, a lipopoliszacharid (LPS) és az LPS-kötő fehérje komplexeinek receptora. Tudomány 1990, 249, 1431–1433. [CrossRef]

7. Shao, Y.; Li, C.; Che, Z.; Zhang, P.; Zhang, W.; Duan, X.; Li, Y. Két lipopoliszacharidkötő fehérje/baktericid permeabilitást növelő fehérje (LBP/BPI) gén klónozása és jellemzése a tengeri uborka Apostichopus japonicasból, diverzifikált funkcióval a ROS termelés modulálásában. Dev. Összeg. Immunol. 2015, 52, 88–97. [CrossRef]

8. Schaefer, N.; Li, X.; Seibold, MA; Jarjour, NN; Denlinger, LC; Castro, M.; Coverstone, AM; Teague, WG; Boomer, J.; Bleecker, ER A BPIFA1/SPLUNC1 genetikai variáció hatása expressziójára és működésére asztmás légúti epitéliumban. JCI Insight 2019, 4, e127237. [CrossRef]

9. Britto, CJ; Cohn, L. Baktericid/permeabilitást növelő fehérjeredőt tartalmazó családtag A1 légúti gazdavédelemben és légúti betegségekben. Am. J. Respir. Cell Mol. Biol. 2015, 52, 525–534. [CrossRef]

10. Musa, M.; Wilson, K.; Sun, L.; Mulay, A.; Bingle, L.; Marriott, HM; LeClair, EE; Bingle, CD A BPIFA1 (SPLUNC1) és BPIFB1 (LPLUNC1) differenciális lokalizációja egerek orrüregében és szájüregében. Cell Tissue Res. 2012, 350, 455–464. [CrossRef]

11. Tsou, Y.-A.; Tung, M.-C.; Alexander, KA; Chang, W.-D.; Tsai, M.-H.; Chen, H.-L.; Chen, C.-M. A BPIFA1 szerepe a felső légúti mikrobiális fertőzésekben és a korrelált betegségekben. BioMed Res. Int. 2018, 2018, 2021890. [CrossRef] [PubMed]

12. Caikauskaite, R. BPIFA1 Kölcsönhatások baktériumokkal és azok jelentősége a légúti gazdaszervezet védelmében. Ph.D. Szakdolgozat, Sheffieldi Egyetem, Sheffield, Egyesült Királyság, 2018.

For more information:1950477648nn@gmail.com