在自中检测LC3-LIR相互作用的AlphaFold2 SLiM屏幕

科学领域:

• 分子生物学和生物化学 分子生物学和生物化学
• 结构生物学 结构生物学
• 计算生物学 计算生物学

背景情况:

• 选择性自依赖于具有LC3相互作用区域 (LIRs) 或Atg8家族相互作用动机 (AIMs) 的蛋白质来招募货物到孔.
• 翻译后的修改,特别是酸化,显著影响这些基因与LC3/Atg8蛋白质的结合.
• 目前用于预测LIR的计算方法面临的挑战是非正规的动机和大型蛋白质结构,这限制了它们的准确性和适用性.

研究的目的:

• 开发和验证基于片段的计算方法,以更好地预测LIR和相关的蛋白质-蛋白质相互作用.
• 克服像AlphaFold2这样的现有工具在预测功能LIR方面的局限性,特别是对于复杂或非正规的图案.
• 为优化LIR选提供一个框架,包括关于片段选择,序列调整和评分的指导.

主要方法:

• 开发了一种基于片段的新计算策略,用于预测涉及短线性动图 (SLiM) 的蛋白质-蛋白质相互作用.
• 对各种标蛋白进行了系统的片段选,以生成结构模型.
• 该方法被测试了其预测与AlphaFold2和AlphaFold3的全长蛋白质建模中遗漏的相互作用的能力,并评估了其对SUMO-SIM相互作用的可转移性.

主要成果:

• 基于片段的方法成功预测了结构模型的相互作用,而全长的AlphaFold2和AlphaFold3无法捕捉到.
• 发现碎片长度和相对应突变调节了预测的相互作用,为调节机制提供了洞察力.
• 该研究为优化碎片选择,序列修改和有效LIR查的评分提供了指导.

结论:

• 基于片段的方法为预测LIR和其他SLiM介导的交互提供了强大的替代方案,解决了当前计算工具的局限性.
• 这种方法增强了与自相关的蛋白相互作用的结构建模,可以扩展到其他基于SLiM的相互作用.
• 这些发现为研究自和相关细胞过程的研究人员提供了有价值的框架,改善了功能动机的识别.