降解グラフは,ペプチドームの隠されたタンパク質分解活性を示しています

科学分野:

• プロテオミクスと生化学
• 計算生物学とバイオインフォマティクス

背景:

• タンパク質の分解は,タンパク質を修正し,生物活性ペプチドを生成する重要な生物学的プロセスです.
• 現在のペプチドミクスとデグラドミクス分析では,ペプチド生成の連続的な性質をしばしば無視し,ペプチドを単離製品として扱う.

研究 の 目的:

• タンパク質分解を連続的な分裂イベントのネットワークとしてモデリングするための新しい確率的枠組みである分解グラフを導入する.
• プロテオリチス活性を定量化する精度を改善し,プロテアゼ特有のシグネチャーを特定する.

主な方法:

• 分解グラフを開発し,明示的な吸収によるタンパク質分解を表現する指向性アサイクルネットワークモデルを開発した.
• シングルスナップショットペプチドームデータからグラデント降下または線形フロー最適化を使用して推論されたグラフ重量.
• 量化されたタンパク質流と,従来の量化における修正されたバイアス.

主要な成果:

• 下流ペプチドトリミングをモデル化できないと,上流のタンパク質分解活性が3〜4倍も過小評価される.
• 劣化グラフは,機械学習モデルのグラフ構造の特徴を提供します.
• これらの機能を活用した機械学習モデルは,グラフトポロジーとシーケンスの文脈に基づいて,プロテアゼ特有のシグネチャをキャプチャすることができます.

結論:

• 分解グラフによるタンパク質分解経路の明示的なモデリングは,ペプチドミクスの実用的かつ機械的アプローチを提供します.
• このフレームワークは,デグラドミクスとペプチドミクスを橋渡しし,タンパク質分解のより解釈しやすく正確な分析を可能にします.
• この方法は,プロテアゼの活性性を特定し,複雑なプロテオリシス現象を理解する能力を高めます.