Nisäkkäiden synnynnäisiä immuunivasteita säätelevän bakteereja tappavan/läpäisevyyttä lisäävän proteiinin (BPIFA1) molekyylievoluutio, osa 2

3. Tulokset

Nisäkkään genomissa koodattuja BPIFA1-proteiinisekvenssejä tutkittiin adaptiivisen valinnan ja evoluution roolin määrittämiseksi. BPIFA1-proteiini on avainvälittäjä synnynnäisessä signaalissa bakteerien ja sienten aiheuttamia mikrobiinfektioita vastaan. Kun sekvenssit yhdistettiin käyttämällä MSA:ta, niitä käytettiin Bayesin fylogeneettisten puiden luomiseen ja jatkotutkimuksiin. Solunsisäisten signalointikaskadien käynnistämiseksi on aktivoitava joukko geenejä, jotka on tunnistettu sopivassa nisäkäslajissa ja joilla on toimiva (LBP-BPI) -domeeni. Pinta-aktiivisen aineen fosfolipididipalmitoyylifosfatidyylikoliinin (DPPC) osalta tällä lipidejä sitovalla domeenilla on erittäin korkea selektiivisyysaste. Ylempien hengitysteiden synnynnäinen immuunijärjestelmä aktivoituu vasteena lukuisille geneettisille signaaleille, kuten lisääntyneille ei-synonyymeille substituutiomäärille, merkittäville homologisille haplotyypeille ja geneettisen variaation puuttumiselle BPIFA1-proteiineista, mikä osoittaa, että positiiviset ovat suosineet näiden proteiinien läsnäoloa. valinta.

Lipidiä sitova domeeni (LBD) on moniin proteiineihin sisältyvä rakenteellinen domeeni, joka voi sitoa joitain spesifisiä lipidimolekyylejä säädelläkseen proteiinien toimintaa tai sijaintia.

Useat tutkimukset ovat osoittaneet, että lipidejä sitovat domeenit voivat vaikuttaa immuniteettiin. Esimerkiksi joissakin toissijaisissa imusolmukkeissa, kuten pernassa ja imusolmukkeissa, S1P (sfingolipidi-1-fosfaatti) -niminen lipidimolekyyli säätelee T-solujen ja B-solujen migraatiota ja migraatiota vuorovaikutuksessa lipidejä sitovien domeenien kanssa. säilyttää. Lisäksi eräät tärkeät immuunisolun pintareseptorit, kuten TLR4, TLR7 ja TLR8, sisältävät myös lipidejä sitovia domeeneja, jotka voivat sitoa erilaisia ​​lipidimolekyylejä ja säädellä immuunisolujen aktivaatiota ja vastetta.

Siksi lipidejä sitovien domeenien ja immuniteetin välillä on tietty suhde, mikä tarjoaa myös uusia ideoita immuunivasteiden säätelyn tutkimiseen lipidejä sitovien domeenien avulla. Voidaan nähdä, että meidän on parannettava vastustuskykyämme vastustaa viruksia. Cistanche voi parantaa merkittävästi immuniteettia. Cistanchella on myös virus- ja syöpää estäviä vaikutuksia, jotka voivat vahvistaa immuunijärjestelmän kykyä taistella ja parantaa kehon vastustuskykyä.

Napsauta cistanchen terveyshyötyjä

3.1. BPIFA1-geenin molekyylievoluutio

Tässä työssä etsimme BPIFA1-geenin mukautumisen merkkejä, jotka vaihtelivat progressiivisesti heikoista voimakkaisiin valintasignaaleihin adaptiivisen evoluution aikana nisäkäsgenomissa. BPIFA1-geenin kodonien tyypillinen prosenttiosuus, jotka käyvät läpi adaptiivisen evoluution, määritettiin. Noudattamalla samaa menettelyä jokaiselle koodaavalle sekvenssille, laskemme positiivisesti valittujen kodonien keskimääräisen osuuden kaikista haaroista. Käyttämällä BUSTEDia ja synonyymejä nopeusvaihteluita huolellisesti valituissa BPIFA1-filogenian testihaaroissa määritimme jälkiä geenin laajuisesta episodisesta monipuolistavasta valinnasta. Tuloksena päätimme, että kolmella tutkitulla polveutumislinjalla tapahtui erilainen valinta. Käyttämällä synonyymiä nopeusvaihtelua havaitsimme geenin laajuisen episodisen monipuolistavan valinnan BPIFA1-fylogenian testihaaroissa. Tämän saavuttamiseksi käytettiin geenin laajuista episodista monipuolistavaa valintaa (LRT). Kaksi testihaaraa osoitti todisteita valikoiman monipuolistamisesta, mikä viittaa siihen, että paikka oli altistunut tämäntyyppiselle kehitykselle (kuva 1).

Keskimääräiset dN/dS-suhteet BPIFA1:lle kaikissa paikoissa ja sukulinjoissa olivat suurempia kuin yksi. Tämän seurauksena tätä proteiinia tutkittiin positiivisen valinnan tunnusten tunnistamiseksi. Proteiinilla havaittiin olevan konservoitunut aminohapporakenne, mikä mahdollistaa puhdistuksen, ja sen omega-arvo oli suurempi kuin 1. Tälle proteiinille suoritettiin log-todennäköisyystesti, kaikki sen kohdat analysoitiin ja korvausaste laskettiin. Arvioimme, tapahtuiko positiivinen valinta vai ei, käytimme kolmea erilaista todennäköisyysmallisarjaa: M0 vs. M3, M1 vs. M2 ja M7 vs. M8. M1- ja M2-parametriarvioita verrattiin ja havaittiin, että näiden proteiinien M2-arvo oli positiivinen. Positiivisesti valittujen sivustojen prosenttiosuudet olivat merkitseviä näissä kolmessa mallissa, arvoilla 422.86, 64,5 ja 93,63 (taulukko 1).

Saadaksemme lisätodisteita positiivisen valinnan havaintojen tueksi sovelsimme mekaanis-empiiristä yhdistelmämallia tietyille sivustoille valintapalvelimen avulla. Tämän prosessin aikana havaitsimme, että useat paikat oli tunnistettu joutuneiksi valikoivalle paineelle eri kohdissa evoluution aikana (kuva 1). Tämän vuoksi voimme arvioida, missä määrin tämä geeni on säilynyt evoluutionaalisesti. Havaitsimme, että suurin osa positiivisesti valituista kohdista oli säilynyt kaikkialla nisäkäsklaadeissa. Tämä johtui siitä, että konservoituneet aminohapot muodostivat suurimman osan signaaleista, joita käytettiin positiiviseen valintaan hermoverkon algoritmissa (taulukko 2).

Kodonimallin valintamenetelmä arvioi 9113 erilaista mallia. Paras malli (log(L)=−18,910, mBIC=39,340.92) sisälsi kolme nopeutta ja oli tarkin. Tällä mallilla saavutettiin 218,66 log(L)- ja 398,33 mBIC-pisteen parannuksia verrattuna yhden nopeuden malliin, jossa kaikki ei-synonyymit substituutiot tapahtuivat samalla nopeudella, kuten taulukosta 1 näkyy. Jokaisella luotettavan joukon mallilla oli todistussuhde on vähintään 0,01 parhaaseen malliin verrattuna, mikä tarkoittaa, että se oli 9,21 mBIC-yksikön sisällä parhaasta mallista tai vastaavasti, että sen näyttösuhde oli vähintään 0,01 parhaaseen malliin verrattuna. Mallin keskiarvolaskenta arvioi muutosnopeuden tässä mallikokoelmassa (kuva 2). BPIFA1-proteiinin aminohappoasemien evoluutiovalintakuvio arvioitiin myös käyttämällä kodonimallin valintaanalyysiä, joka osoitti, että aminohappokohtien substituutio tapahtui proteiinien adaptiivisen evoluution aikana. Paljastimme, että proteiinien emäksiset aminohappoasemat osoittivat mukautuvaa kehitystä vaihtelevien substituutiosuhteiden vuoksi. BPIFA1:n aminohappokohtien jakautumisen perusteella suurin substituutioaste oli noin 1,19, kun taas alhaisin oli,14 (kuvio 2).

Proteiinin fysiologisesti merkittävien alueiden tunnistaminen voidaan suorittaa vertaamalla synonyymien (Ks) ja ei-synonyymien (Ka) substituutioiden frekvenssiä proteiinissa. Tämä tarjoaa perustan puhdistavan valinnan ja paikallisen positiivisen darwinilaisen valinnan olemassaolon päättelemiselle. Käytimme Selecton v. 2.2:ta (saatavilla osoitteessa http://selection-bio info-tau.ac.il, käytetty 29. syyskuuta 2021), verkkopalvelinta, joka laskee automaattisesti Ka:n ja Ks:n (u) -suhteen jokaisessa sivustossa proteiinia. Eri värit edustavat erilaisia ​​valintatyyppejä (positiivinen valinta, puhdistava valinta ja ei valintaa), ja niitä käytetään tämän suhteen esittämiseen graafisesti kussakin paikassa. Valintamalli on kokoelma erilaisia ​​evoluutiohypoteesia, joita voidaan käyttää tilastollisesti testaamaan todennäköisyyttä, että tietty proteiini on altistettu positiiviselle selektiolle. Se toimii graafisen käyttöliittymän kautta. Äskettäin perustettu mekaanis-empiirinen malli vaikutti aminohapon fysikaalisiin ominaisuuksiin (taulukko 3).

3.2. BPIFA1-geenin adaptiivinen valinta

Sen määrittämiseksi, missä määrin eri nisäkäslajit ovat sopeutuneet ympäristöönsä, käytimme BPIFA1-geenin koodaavien sekvenssien useita rinnastuksia kustakin 34 lajista. Näitä testejä voidaan käyttää yksittäin tai yhdistelmänä. Yleisin testivalikoima tunnetaan haaratestinä. Selkärankaisten lajien evoluution aikana tiettyjen sukulinjojen valintaa käytettiin tunnistamaan selkärankaisille kohdistuva paine. Sukulinjaspesifiset valintatodennäköisyydet laskettiin kullekin fylogeneettiselle ryhmälle käyttämällä adaptiivista haarapaikan satunnaisvaikutusten todennäköisyyttä (aBS-REL) -mallia. Lisäksi aBS-REL-tekniikkaa käytettiin kunkin geenin leikkaamiseen sen määrittämiseksi, mitkä linjat olivat altistuneet adaptiiviselle valinnalle eri aikoina evoluution historiassa.

Nisäkäslinjoihin sovellettaessa aBS-REL-malli vahvisti, että BUSTED-ennustetut geenit olivat positiivisen valinnan alla. Tuloksemme, jotka viittasivat siihen, että selektiivinen paine vaikutti BPIFA1-geeneihin nisäkäslinjoissa, osoittivat, että nämä kaksi hypoteesia olivat yhteneväisiä (taulukko 4). BPIFA1-geenin fysiologiassa oli todisteita jaksoittaisesta monipuolistuvasta valinnasta kahdeksassa haarassa. Löydösten tärkeyttä arvioitiin todennäköisyyssuhdetestillä (p > 0.05), joka suoritettiin monien muiden testien tulosten tarkastelun jälkeen (kuva 3). Kaiken kaikkiaan 63 erilaista linjaa käytiin läpi tämän erityisen testin valikoiman monipuolistamiseksi. Testejä tehtiin useita, ja löydösten merkitys selvitettiin käyttämällä Todennäköisyyssuhdetestiä p-arvon kynnysarvolla 0,05.

Tässä taulukossa on tilastollinen yhteenveto mallien sopivuudesta tietoihin. Perustaso MG94xREV viittaa MG94xREV-perusmalliin, joka päättelee yhden ω-nopeusluokan haaraa kohti. Täysin adaptiivinen malli viittaa adaptiiviseen aBS-REL-malliin, joka tarkoittaa optimoitua määrää ω-nopeusluokkia haaraa kohti.

Evoluutioprosessin aikana tutkimme omega-arvoja käyttämällä SLAC-, FUBAR-, MEME- ja FEL-menetelmiä positiivisen valinnan merkkien paikallistamiseksi (taulukko 5). Löysimme mukaan BPIFA1-geeni nisäkäskladeissa on ollut positiivisen evolutionaarisen valinnan kohteena. Voisimme havaita, mitkä genomin alueet altistettiin selektiiviselle paineelle Bayesin menetelmällä. Tämä tekniikka sisältää kunkin kodonin posteriorisen todennäköisyyden määrittämisen. Sivustot, joissa on enemmän mahdollisuuksia, ovat todennäköisemmin läpikäyneet monipuolistavan valinnan, mikä johtaa korkeampiin ei-synonyymien ja synonyymien substituutioiden määrään kuin sivustot, joilla on pienempi todennäköisyys (taulukko 2). Käyttämällä BEB-analyysiä havaitsimme, että useat bakterisidisen proteiinin LBP-BPI-domeenin kohdat olivat olleet positiivisen valinnan kohteena suurella 95 prosentin posteriorisella todennäköisyydellä. Näin oli kaikilla sivustoilla. Sivustot olivat hajallaan koko verkkotunnuksen alueella eri paikoissa. PAML:n löydöksiä tarkasteltiin Selection-palvelimelta löytyvän aineiston avulla. Tämä palvelin pystyi tunnistamaan adaptiivisen valinnan tietyissä proteiinin kohdissa, mikä antoi meille mahdollisuuden vahvistaa positiivisen valinnan olemassaolon. Korvausasteiden määrittämiseksi käytettiin MEC-mallia. Löydökset osoittivat, että adaptiivinen valinta tapahtui useissa paikoissa BPIFA1:ssä (taulukko 5).

3.3. Rekombinaatioanalyysi

BPIFA1-geenille suoritettiin rekombinaatioanalyysi mahdollisten evoluutioyhteyksien löytämiseksi geenien välillä. Tutkimus paljasti kolme rekombinaatiotapahtumaa. Jokainen rekombinaatiosekvenssi, mukaan lukien pää- ja sivuvanhemmat, tuli BPIFA1-geenistä. Tunnistamme rekombinaatiorajapisteet GARD-analyysin avulla. GARD tarkasti 5 120 mallia nopeudella 30,30 mallia sekunnissa. 72 874 879 mallin hakuavaruus enintään kolmella rajapisteellä muodostettiin kohdistuksen 759 mahdollisella rajapisteellä, joista geneettinen algoritmi tutki vain 0,01 prosenttia. Kun todisteiden suhde oli 100 tai enemmän, usean puun mallia pidettiin parempana kuin yhden puun mallia, mikä osoitti, että ainakin yksi taitepisteistä heijasti topologista epäyhtenäisyyttä. Tämä vahvistettiin vertaamalla parhaiten sopivan GARD-mallin AICc-pisteitä, jotka sallivat vaihtelevan topologian segmenttien välillä (37 996,2), ja mallia, jossa oletettiin sama puu kaikille GARD:n määrittämille osioille, mutta joka salli vaihtelevat haaran pituudet. osioiden välillä. Erityisesti parhaiten istuvan GARD-mallin AICc-pistemäärä oli 37 996,2, kun taas mallin AICc-pistemäärä oli 37 996,2. (Kuvat 4 ja 5).

3.4. Proteiini-proteiini-vuorovaikutukset ja ligandin sitoutumisanalyysi

Etsimme STRING-tietokantaa BPIFA1:llä ekspressoituneita proteiineja ja tunnistimme useita proteiini-proteiini-vuorovaikutuspareja. Siellä oli 13 solmua ja 35 reunaa, joita merkitsivät BPIFA1:llä ekspressoidut proteiinit. PPI-kaavion reunat ovat linjaverkkoja, jotka yhdistävät yksittäiset solmut (kuva 6). Keskimääräinen paikallisen klusterointikertoimen arvo oli 0,978. PPI-rikastuksen p-arvo oli 5,25 × 10-12. PPI-verkko edusti BPIFA1-geenin vuorovaikutuksia muiden yhteisilmentyneiden immuunigeenien kanssa. COX7B2, BPIFB6, BPIFB4, BPIFB2, BPIFB3, PLTP, CETP, BPI, LBP ja ODF2L olivat 10 geeniä, jotka osallistuivat BPIFA1:n PPI-verkkoon (kuva 6).

BPIFB6-, BPIFB4-, BPIFB2- ja BPIFB3-geenit olivat merkittävimmät, koska ne osallistuvat biologisiin signalointireitteihin, joilla on olennainen rooli synnynnäisessä immuniteetissa bakteeri-infektiota vastaan. Lisäksi BPIFA1 säätelee näitä geenejä, mikä on toinen syy, miksi niitä pidettiin niin merkittävinä (taulukko 6). Molekyylireitit ovat välttämättömiä tunkeutuvien bakteerien hävittämisessä kalvoa häiritsevän aktiivisuuden kautta, joka koostuu kaikista toisiinsa liittyvistä proteiineista, joilla on erilaisia ​​rooleja. Kalvoa hajottava aktiivisuus oli välttämätön tunkeutuvien bakteerien eliminoimiseksi. Kaksi ratkaisevaa proteiinia signaalien välittämisessä vasteena lipopolysakkarideille ovat LPS:ää sitova proteiini (LPSBP) ja bakterisidinen läpäisevyyttä lisäävä proteiini (BPI). Niillä oli vahva affiniteetti lipidi A:han, LPS:ssä olevaan aineeseen, ja ne olivat hämmästyttävän samanlaisia ​​keskenään. Vaikka LBP ja BPI ovat rakenteeltaan samanlaisia, ne suorittavat erilaisia ​​biologisia toimintoja, jotka eroavat selvästi toisistaan. Esimerkiksi LBP sitoutuu usein LPS:ään ja helpottaa suuresti LPS:n esittämistä CD14 plus -soluille, kuten makrofageille ja monosyyteille, kun taas BPI estää ja alentaa LPS:n bioaktiivisuutta. Nämä kaksi proteiinia ovat molemmat läsnä bakteereissa.

Ligandit ovat kriittisiä komponentteja proteiinien ilmentymisen ja aktiivisuuden säätelyprosessissa. Molekyylien väliset sitoutumisvoimat, kuten ionisidokset, vetysidokset, hydrofobinen vuorovaikutus ja Vander-Waals-voimat, vaikuttavat ligandin sitoutumisprosessiin. Ligandien ja proteiinien välisistä vuorovaikutuksista johtuen proteiinin kolmiulotteinen rakenne muuttuu. Näiden proteiinin konformaatiotilan muutosten vuoksi jotkut proteiinin toiminnoista voivat joko inhiboitua tai aktivoitua. Siksi suoritimme proteiini-ligandin sitoutumisvuorovaikutustutkimuksen käyttämällä aminohapon fysiokemiallisia ominaisuuksia määrittääksemme, mitkä tähteet ovat vuorovaikutuksessa ligandin kanssa ja mitkä eivät. Tämän saavuttamiseksi käytimme verkkosivustoa (http://crdd.osdd.net/raghava/lpicom, avattu 18. lokakuuta 2021), joka laskee tietyn ligandin kanssa vuorovaikutuksessa olevien tähteiden osuuden. Tärkeimpien tähteiden, kuten kysteiinin, glysiinin, alaniinin, lysiinin, asparagiinihapon, histidiinin, leusiinin, valiiniarginiinin, tryptofaanin, seriinin, treoniinin ja tyrosiinin, osoitettiin olevan vuorovaikutuksessa seitsemän ligandin kanssa (1BP1, BPH, XE, NEH, CLA, CU ja MG) ja PC1. Verrattuna vuorovaikutukseen PC1:n kanssa, varautuneilla aminohapoilla, erityisesti välttämättömillä aminohapoilla, oli suurempi etu vuorovaikutuksessa 1BP1:n, BPH:n, XE:n, NEH:n, CLA:n, CU:n ja MG:n kanssa (kuvio 7). Pienet ja polaariset aminohapot, jotka korreloivat niiden kanssa, karakterisoitiin jokaisessa kolmesta ligandista.

Käytimme kahta erilaista lähestymistapaa komplementaaristen sitoutumiskohtien ennustamiseen: ensimmäinen perustui sitoutumisspesifisten alarakenteiden (TM-SITE) vertailuun, kun taas toinen perustui sekvenssiprofiilien kohdistamiseen (S-SITE). Nämä tekniikat arvioivat BPIFA1-proteiinin 500:ta ei-redundanttia proteiinia vastaan, jotka yhdistettiin 814 orgaanisen, synteettisen ja metalli-ioniyhdisteen kanssa. Alkaen matalaresoluutioisten proteiinirakenteiden ennusteista, lähestymistavat tunnistivat onnistuneesti BPIFA1:n sitoutumisjäännökset ja saavuttivat keskimääräisen Matthewsin korrelaatiokertoimen (MCC), joka oli paljon korkeampi. Lisäksi tekniikat paljastivat ligandeja, jotka sitoutuvat tähteisiin (taulukko 7).

4. Keskustelu

Heterogeeniset taustat tarjoavat alustat, joissa erilaisen valinnan läpikäyvät populaatiot voidaan erottaa natiivisti mukautuneiksi alapopulaatioiksi [44]. Valinnan vaikutus populaatioiden väliseen geenivirtaukseen, kuten vaellus-valinnan tasapaino, määrittää synnynnäisen sopeutumisen ja jatkuvan eron mahdollisuuden. Tätä kutsutaan myös muuttovalinnan saldoksi. Populaatioiden sisällä on taipumus homogenisoitua paikallisella geneettisellä vaihtelulla geenivirran seurauksena, kun valinnan vaikutus on vähemmän merkittävä kuin geenivirran vaikutus. Sen sijaan geneettiset variantit voivat kerääntyä ja säilyä erityisissä lokuksissa, jotka ovat alttiita voimakkaalle poikkeavalle valinnalle, jos selektiivinen paine on suurempi kuin geenivirran integroiva voima [45].

Mahdollisessa vaihtoehtoisessa lopputuloksessa geenivirtojen hyötyjä rajoittaa selektio maahanmuuttajia vastaan, joilla on huono geneettinen sovitus, mikä myös tasoittaa tietä paikalliselle sopeutumiselle [45,46]. Geenivirran ja valinnan välillä on oltava yhteys, jotta voidaan ymmärtää populaation eroja geenivirtauksen tiheydessä [46]. Tällaisissa olosuhteissa valinta määrittää, jatkaako populaatio kehittymistä vai eriytymistä erillisenä ryhmänä. Empiirinen Bayes-lähestymistapa laski LRT:n jokaisessa haarapaikassa ja paikansi kaikki eri paikat, joissa voi esiintyä monipuolista valintaa. Empiiriseen Bayes-lähestymistapaan perustuen Fast, Unconstrained Bayesian Approximation, joka tunnetaan myös nimellä FUBAR, sovellettiin BPIFA1-geenissä esiintyvän monipuolistuvan valinnan paikallistamiseksi. FUBAR salli kodonien leviämisen paikasta toiseen ja haarasta haaraan, ja sitä käytettiin geenitasolla tapahtuneen adaptiivisen evoluution tutkimiseen. MEME-menetelmää käytettiin geenitasolla tapahtuneen adaptiivisen evoluution tutkimiseen [25,32,47]. SLAC löysi episodisesti monipuolistuvat koodauspaikat p-arvolla alle 0.01 (taulukko 1).

Tätä mallia käytettiin arvioimaan synonyymien ja ei-synonyymien substituutioasteita, ja koodaavia kohtia, joiden synonyymien substituutioaste oli suurempi tai yhtä suuri kuin ei-synonyymikorvausaste, pidettiin huomionarvoisina sellaisten paikkojen tunnistamisessa, joissa oli käynnissä monipuolistava valinta. MEME:ssä saatiin maksimitodennäköisyysarviot BPIFA1-geenin kodoneille 130, 167, 168, 190, 243, 265 ja 289 (taulukko 2). Ei-merkittävien signaaliensa perusteella näitä kodoneja ei tunnistettu positiivisesti valituiksi kohdiksi, mikä johtuu luonnollisen valinnan episodisesta luonteesta. Luonnonvalinta, joka tapahtui satunnaisesti adaptiivisen evoluution lyhyiden jaksojen aikana, peittyi joko puhdistavan tai luonnollisen valinnan toistuvalla esiintymisellä. Sen vuoksi merkkejä adaptiivisesta evoluutiosta ei voitu löytää herkkyystestauksella ja positiivisella valinnalla [48].

Löysimme seitsemäntoista paikkaa, jotka valittiin suotuisasti PAML-menetelmällä, viisitoista paikkaa, jotka valittiin IFEL-algoritmilla, ja neljä paikkaa, jotka valittiin FEL-algoritmilla. Mukautuva valintapaine BPIFA1-geenin kodonisekvensseihin laskettiin käyttämällä MEC-mallia. Tämä johti seitsemänkymmentäneljän aminohapon tunnistamiseen (kuvio 1). Käytettiin positiiviseen valintaan perustuvaa evoluutiomallia, joka paljasti erot kodonitasolla (M8). Selection-palvelimen MrBayes-sovellus käytti MCMC-mallia määrittämään aiemmin eroja MAVS-geenissä nisäkkäillä kodonitasolla [49].

MAFFT-proteiinien rinnastamisen tulosten perusteella aiemmat tutkimukset ovat osoittaneet, että Ig-domeeni pysyy MAVS-koodaussekvensseissä. Nämä tulokset viittaavat siihen, että vaihtoehtoiset proteiinikytkimet valittujen alueiden puhdistamisessa ovat haitallisia, ja siksi ne eivät todennäköisesti säily evoluution ajan [50,51]. Useiden evoluutioreittien paikat tunnistettiin käyttämällä usean parametrin nopeusjakaumaa, satunnaisvaikutusmallia 95 prosentin luottamusvälillä ja merkittäviä Pr[>]-arvoja. Sivustot voidaan sitten paikantaa tämän menetelmän ansiosta (taulukko 3). Positiivisen valinnan tapauksessa luokkanopeuden paino määritettiin käyttämällä kaksimuuttujaista yleistä diskreettijakaumaa jokaiselle koodauspaikalle. MCMC-mallin konvergenssi osoitti se tosiasia, että BPIFA1:n posterioristen keskiarvoestimaattien havaittiin olevan lähempänä tarkasteltua vähennystekijän arvoa (taulukko 2).

Nämä arvot vaihtelivat välillä {{0}},95–0,99. Valinnan monipuolistamisprosessin aikana otettiin huomioon vain koodauspaikat, joiden empiirinen Bayes-tekijä (EBF) oli yli 50. Laskelmat suoritettiin käyttämällä nettotehokasta näytekokoa EBF-arvojen määrittämiseksi kullekin positiivisella valinnalla arvioidulle koodauskohdalle. Geenispesifisten valintaparametrien jakautumisen päätteleminen voisi parantaa havaittuja valintoja useissa koodauskohdissa. Positiivisesti valitut ja tunnistetut koodausalueet antavat merkittävää näyttöä valikoinnin monipuolistamisesta BPIFA1-geeneissä, jotka nyt käyvät läpi selektiivistä linjaa. Tämän seurauksena jotkin mutaatiot, jotka alun perin näyttävät neutraalilta (ja joilla ei ole välitöntä vaikutusta kuntoon), voivat olla "sallivia", jolloin proteiini voi kestää myöhempiä muutoksia, jotka muuten olisivat haitallisia ja aiheuttaisivat fenotyyppieroja [52]. Neutraalit mutaatiot epistaasissa luovat perustan myöhemmälle valinnalle ja mukautumiselle, mikä on viime aikoina herättänyt paljon huomiota ja jota on tarjottu keinona sovittaa yhteen neutraali ja selektio evoluutiomalli [53].

FWY:n ja HKR:n korvausaste oli noin 50 prosenttia, DENQ:n vaihtoprosentti oli 50 prosenttia ja ACGILMPSTV:n vaihtoprosentti oli 90 prosenttia. PPI-verkko edusti BPIFA1-proteiinin vuorovaikutuksia muiden yhteisilmentyneiden immuuniproteiinien kanssa. COX7B2, BPIFB6, BPIFB4, BPIFB2, BPIFB3, PLTP, CETP, BPI, LBP ja ODF2L olivat kymmenen geeniä, joiden määritimme olevan vastuussa näistä proteiinivuorovaikutuksista (kuva 6). BPIFB6-, BPIFB4-, BPIFB2- ja BPIFB3-geenit ovat merkittävimmät, koska ne osallistuvat biologisiin signalointireitteihin, joilla on olennainen rooli synnynnäisessä immuniteetissa bakteeri-infektiota vastaan. Lisäksi BPIFA1 lisää näitä geenejä, mikä tarjoaa toisen syyn, miksi ne ovat niin merkittäviä (taulukko 6). Liitännät sisältävät klustereita konservoituneita tähteitä, joiden aminohappokoostumus on yhteensopiva sekä rajapinnan ytimen (tähteet, joissa on suurin muutos hautautumisessa sitoutumisen yhteydessä) että konservoituneen alueen kanssa [54], ja kuumat alueet, jotka kehittyvät kuumien pisteiden ryhmittymisestä, vastaavat tiiviisti pakattuja alueita. ja suojeltuja alueita.

Siten rajapinnat ovat evolutionaarisen paineen alaisena ylläpitämään nykyisiä yhteyksiä samalla kun estetään epäsuotuisat, epäspesifiset vuorovaikutukset. Tiettyjä fysikaalis-kemiallisia ominaisuuksia voidaan muuttaa vähentämään todennäköisyyttä, että proteiini-proteiini-rajapinnat voivat muodostaa toimintahäiriöitä [55]. Tutkimuksemme tuloksena havaitsimme, että arvot olivat enemmän kuin 1 taulukossa 1 esitetyille positiivisesti valituille kodoneille. Tämä osoittaa, että synonyymien paikkojen kehittäminen vaati enemmän aikaa kuin ei-synonyymien paikkojen (dN-kohtien) kehittäminen. Tämä darwinilaisen valinnan myönteinen vaikutus, joka rohkaisee uusia muunnelmia ja suurempaa alleelista polymorfismia, toimii tasapainottavana tai puhdistavana valintana [56], mikä aiheuttaa muutoksen rakenneproteiinissa ja vaikuttaa signalointireittiin [57]. Vaikka ne ovat peräisin samasta suvusta, eri lajien jälkeläisten aminohapposubstituutioilla voi olla hyvin erilaisia ​​seurauksia [56,57]. Tämä on ristiriidassa sen tosiasian kanssa, että heidän sukutaulunsa on sama kuin aikaisemmat ilmoitukset. Tässä tutkimuksessa valitut BPIFA1-geenit tarjoavat tietoa bioanalyysiin, jonka tavoitteena on valita geenejä evoluution aika-asteikon perusteella viimeisimmästä pidemmän aikavälin ajanjaksoihin.

Lisäksi viimeaikaisen tutkimuksen tuloksena paljastunut perustavanlaatuinen evoluutiomekanismi saattaa olla riittämätön, koska genomissa ei ole useiden proteiinien rakenteellisia ja toiminnallisia ominaisuuksia. Proteiinia koodaavien geenien kehitystä ja sopeutumista Drosophila melanogasterissa tutkittiin perusteellisesti, jotta voidaan määrittää tärkeimmät evoluution ja sopeutumisen determinantit proteiinia koodaavien geenien tasolla. Tämä saavutettiin vertaamalla D. melanogasteria lähisukulaislajeihin ja niiden populaatioihin. Tiimimme toteutti laajamittaisia ​​bioinformatiikan ja rakenneanalyysin sovelluksia selvittääkseen proteiinien rakenteellisia ja toiminnallisia ominaisuuksia. Myöhemmin jaoimme jäännökset useisiin rakenteellisiin ja toiminnallisiin paikkoihin käyttämällä luokitusjärjestelmäämme. Sekvenssin evoluution ja mukautumisen nopeuksia verrattiin useiden proteiinien ja paikkojen välillä, mikä mahdollisti adaptaatiopisteiden tunnistamisen koko genomissa. Lisäksi on osoitettu, että nopeasti mukautuvat proteiinit ovat vuorovaikutuksessa toistensa kanssa nopeuksilla, jotka ovat suurempia kuin mitä sattumalta ennustettaisiin; tämä löytö osoittaa, että yhteissopeutuminen on todennäköisesti kaikkialla nopeasti mukautuvien proteiinien joukossa.

Niiden fysikaalisten yhteyksien seurauksena seuraavat esimerkkejä mekanismeista, joilla on potentiaalia myötävaikuttaa koadapaatioon: (1) nopeasti mukautuvien proteiinien havaitaan usein rikastuneen samanlaisista kemiallisista toiminnoista ja altistuneen samanlaiselle valintapaineelle, ja (2) ) nopeasti mukautuvat proteiinit kehittyvät yhdessä. Tässä tutkimuksessa osoitettiin kaksi erilaista adaptiivista evoluutiota PPI:issä, mikä saa kirjoittajat olettamaan, että näillä fysikaalisilla vuorovaikutuksilla on saattanut olla rooli nopeasti mukautuvien proteiinien yhteissopeutumisessa D. melanogasterissa. Lisäksi osoitimme, että koadaptaatioilmiö voi tapahtua yleisemmässä mielessä kuin vain nopeasti adaptiivisten proteiinien välillä. Sopeutumisnopeus on tyypillisesti korkeampi proteiineissa, jotka ovat vuorovaikutuksessa nopeasti mukautuvien proteiinien kanssa. Ottaen huomioon, että molekyylien vuorovaikutuksilla on rooli mukautuvassa evoluutiossa, on oikeudenmukaista ennakoida, että nämä vuorovaikutukset voivat myös ohjata yhteissopeutumista maailmanlaajuisemmalla tasolla. On oletettu, että fyysisten kontaktien yhteisevoluutio on mekanismi, joka on vastuussa samanlaisista evoluutionopeuksista, joita havaitaan vuorovaikutuksessa olevissa proteiineissa.

5. Johtopäätökset

Tavoitteenamme oli tunnistaa selektiiviset paineet, jotka ovat vaikuttaneet kasvien ja nisäkkäiden BPIFA1-järjestelmän kehittymiseen, jonka ilmentymistä moduloidaan monissa erilaisissa sairauksissa. BPIFA1-proteiini kehittyi nopeasti vasteena selektiiviseen paineeseen ihmissukussa, ja pystyimme paikantamaan geneettiset valintatekijät, jotka selittävät sen bakterisidisen aktiivisuuden. Evoluutiohistoriansa aikana positiivisella valinnalla on saattanut olla ratkaiseva rooli virulenssivasteen parantamisessa eri ärsykkeisiin, mikä voisi selittää havaitun monimuotoisuuden geenin toiminnan stabiilisuudessa. Tuloksemme tarjoavat kattavamman ymmärryksen BPIFA1-geenien evoluutiohistoriasta, mikä tehostaa biologisten prosessien patogeenisyyden toiminnallista genomianalyysiä. On odotettavissa, että nämä havainnot voivat myös auttaa parantamaan ymmärrystä sairauksien ehkäisystä. Lisäksi näiden geenien tutkiminen saattaa helpottaa ainutlaatuisen menetelmän suunnittelua, joka voisi auttaa määrittämään bakteeripatogeeneissä esiintyvät erilaiset virulenssiproteiinit. Havaintomme saa meidät olettamaan, että evoluutioprosessin aikaiset rajoitukset ovat olleet avainasemassa löytöjemme muovaamisessa. Näiden rajoitusten seurauksena pystyimme tunnistamaan joitain numeerisia rajoja, kun liitimme ominaisuudet, kuten proteiinin pituuden, monimutkaisiin komplekseihin. Proteiinien ainutlaatuiset ominaisuudet ovat kiehtovia, koska ne voivat viitata epätavallisiin stressitekijöihin tai homeostaattisiin säätöihin, jotka ovat mahdollistaneet niiden esiintymisen soluissa. Siksi ne ovat lupaava valinta jatkotutkimukselle.

Tekijän panokset:

Conceptualization, HIA ja JC; menetelmät, HIA, MAK, FAK, SI, RWA ja NSP; ohjelmistot, HIA, WN, NSP, RWA ja SI; validointi, MAK, JC, FAK ja HIA; muodollinen analyysi, HIA, MAK, FAK, SI, RWA ja NSP; tutkimus, HIA, MAK, FAK, SI, RWA ja NSP; resurssit, HIA, MAK ja JC; tietojen kuratointi, HIA, MAK, FAK, SI, RWA ja WN; kirjoittaminen – alkuperäisen luonnoksen valmistelu, HIA; kirjoittaminen – tarkistus ja editointi, HIA, SI, RWA, WN ja NSP; visualisointi, JC ja MAK; valvonta, MAK, FAK, NSP ja WN Kaikki kirjoittajat ovat lukeneet käsikirjoituksen julkaistun version ja hyväksyneet sen.

Rahoitus:

Tämä tutkimus ei saanut ulkopuolista rahoitusta.

Institutionaalisen tarkastuslautakunnan lausunto:

Ei sovellettavissa.

Ilmoitettu suostumus:

Ei sovellettavissa.

Tietojen saatavuusilmoitus:

Kaikki tähän artikkeliin liittyvät tiedot ovat avoimesti lukijoiden saatavilla.

Kiitokset:

Tätä tutkimusta tuki vuoden 2022 Guangdongin maakunnan ekologisen metsätalouden rakentamisen erityisprojekti.

Eturistiriidat:

Kirjoittajat eivät ilmoittaneet eturistiriitaa.

Viitteet

1. Li, J.; Xu, P.; Wang, L.; Feng, M.; Chen, D.; Yu, X.; Lu, Y. BPIFB1:n molekyylibiologia ja sen edistyminen taudeissa. Ann. Käännös Med. 2020, 8, 651. [CrossRef] [PubMed] 2. Saferali, A.; Tang, AC; Strug, LJ; Quon, BS; Zlosnik, J.; Sandford, AJ; Turvey, SE Kystisen fibroosin modifiointigeenin BPIFA1 immunomodulatorinen toiminta. 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 ai. Oliivikampelan lipopolysakkaridia sitovasta proteiinista/bakteerien läpäisevyyttä lisäävästä proteiinista (LBP/BPI) peräisin olevien peptidien antimikrobinen aktiivisuus. Mar. Drugs 2014, 12, 5240–5257. [CrossRef] [PubMed]

4. Kirschning, CJ; Au-Young, J.; Lamping, N.; Reuter, D.; Pfeil, D.; Seilhamer, JJ; Schumann, RR Samanlainen lipopolysakkaridia sitovan proteiinin (LBP) ja fosfolipidinsiirtoproteiinin (PLTP) geenien järjestäminen viittaa yhteiseen lipidejä sitovien proteiinien geeniperheeseen. Genomics 1997, 46, 416-425. [CrossRef] [PubMed]

5. Balakrishnan, A.; Marathe, SA; Joglekar, M.; Chakraborty, D. Bakterisidinen/läpäisevyyttä lisäävä proteiini: Monipuolinen proteiini, jolla on LPS-neutraloinnin lisäksi muitakin toimintoja. Synnynnäinen immuuni. 2012, 19, 339–347. [CrossRef]

6. Wright, SD; Ramos, RA; Tobias, PS; Ulevitsh, RJ; Mathison, JC CD14, lipopolysakkaridin (LPS) ja LPS:ää sitovan proteiinin kompleksien reseptori. Science 1990, 249, 1431–1433. [CrossRef]

7. Shao, Y.; Li, C.; Che, Z.; Zhang, P.; Zhang, W.; Duan, X.; Li, Y. Kahden lipopolysakkaridia sitovan proteiinin/bakterisidisen läpäisevyyttä lisäävän proteiinin (LBP/BPI) geenin kloonaus ja karakterisointi merikurkku Apostichopus japonicasista, joilla on monipuolinen toiminta ROS-tuotannon moduloinnissa. Dev. Comp. 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 BPIFA1/SPLUNC1:n geneettisen muunnelman vaikutus sen ilmentymiseen ja toimintaan astmaattisessa hengitysteiden epiteelissä. JCI Insight 2019, 4, e127237. [CrossRef]

9. Britto, CJ; Cohn, L. Bakterisidinen/läpäisevyyttä lisäävä proteiinilaskosten sisältävä perheenjäsen A1 hengitysteiden isäntäsuojassa ja hengityselinsairauksissa. Olen. 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 BPIFA1:n (SPLUNC1) ja BPIFB1:n (LPLUNC1) differentiaalinen lokalisointi hiirten nenä- ja suuonteloissa. 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. BPIFA1:n rooli ylempien hengitysteiden mikrobi-infektioissa ja vastaavissa sairauksissa. BioMed Res. Int. 2018, 2018, 2021890. [CrossRef] [PubMed]

12. Caikauskaite, R. BPIFA1-vuorovaikutukset bakteerien kanssa ja niiden merkitys hengitysteiden isäntäpuolustukselle. Ph.D. Opinnäytetyö, Sheffieldin yliopisto, Sheffield, Iso-Britannia, 2018.

For more information:1950477648nn@gmail.com