一种用于预测和功能分析潜在 Mycobacterium 结核病 粘附相关蛋白的计算方法
Rivesh Maharajh1, Manormoney Pillay1, Sibusiso Senzani1
1Discipline of Medical Microbiology, School of Laboratory Medicine and Medical Sciences, College of Health Sciences, University of KwaZulu-Natal, Durban, South Africa.
Expert review of proteomics
|October 24, 2023
概括
这项研究使用了计算方法来识别Mycobacterium tuberculosis中的潜在粘合素. 这些发现为从保存的假设蛋白质中发现新的粘附分子提供了管道,有助于感染研究.
科学领域:
- 微生物学 微生物学
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 菌根细菌的粘附对于确定宿主感染至关重要.
- 与粘合素相关的蛋白质介导着对宿主受体和细胞表面的附着.
- 保存的假设 (CH) 蛋白质代表了Mycobacterium tuberculosis中大部分未表征的蛋白质池.
研究的目的:
- 在Mycobacterium tuberculosis H37Rv.中计算识别保存的假设 (CH) 蛋白质的粘附潜力.
- 建立一个强大的in-silico管道,用于预测新型粘合剂候选物.
- 探索CH蛋白作为潜在的功能粘合素的作用.
主要方法:
- 使用神经网络 (SPAAN) 在Mycobacterium结核病H37Rv蛋白质上利用软件预测粘附和粘附类蛋白质.
- 采用了一系列计算工具,包括Phyre2,pFam,Mycosub,PsortB,Loctree3,SignalP-5.0和SecretomeP-2.0用于同类学,本地化和分泌预测.
- 与已知粘合素的现有文献进行交叉表格的SPAAN预测.
主要成果:
- 西班牙在M.结核病H37Rv蛋白质组中发现了776种潜在的粘附蛋白.
- 已知粘合素的很大一部分 (约三分之一) 低于粘合素的标准概率 (P_ad) 值 (P_ad ≥0.51).
- 167个CH蛋白被归类为潜在的粘附候选者,使用开发的in-silico管道.
结论:
- 结合SPAAN和支持in-silico工具的组合对于识别新型粘合素至关重要.
- 这项研究提出了一种经过验证的计算管道,用于识别保留的假设蛋白质作为功能粘附分子.
- 这些发现有助于理解菌根菌粘附机制,并确定潜在的毒性因素.
