哺乳類の自然免疫応答を制御する殺菌/透過性増加タンパク質 (BPIFA1) の分子進化パート 2
May 29, 2023
3. 結果
適応選択と進化の役割を決定するために、哺乳類のゲノムにコードされている BPIFA1 タンパク質配列が研究されました。 タンパク質BPIFA1は、細菌や真菌による微生物感染に対する生来のシグナル伝達の重要なメディエーターです。 MSA を使用して配列が結合されると、ベイジアン系統樹の作成に利用され、さらなる調査が行われました。 細胞内シグナル伝達カスケードを開始するには、適切な哺乳動物種で同定され、機能する (LBP-BPI) ドメインを所有する一連の遺伝子を活性化する必要があります。 界面活性剤リン脂質ジパルミトイルホスファチジルコリン (DPPC) の場合、この脂質結合ドメインは非常に高い選択性を持っています。 上気道の自然免疫系は、非同義置換率の増加、重要な相同ハプロタイプ、BPIFA1 タンパク質の遺伝的変異の欠如など、多数の遺伝シグナルに応答して活性化されます。これは、これらのタンパク質の存在が陽性患者に有利であることを示しています。選択。
脂質結合ドメイン (LBD) は、多くのタンパク質に含まれる構造ドメインであり、特定の脂質分子に結合してタンパク質の機能や局在を調節できます。
いくつかの研究で、脂質結合ドメインが免疫に影響を与える可能性があることが示されています。 たとえば、脾臓やリンパ節などの一部の二次リンパ器官では、S1P（スフィンゴ脂質-1-リン酸）と呼ばれる脂質分子が、脂質結合ドメインと相互作用することでT細胞とB細胞の遊走と遊走を制御しています。 保持。 さらに、TLR4、TLR7、TLR8 などの一部の重要な免疫細胞表面受容体には、さまざまな種類の脂質分子に結合して免疫細胞の活性化と応答を調節できる脂質結合ドメインも含まれています。
したがって、脂質結合ドメインと免疫の間には一定の関係があり、これは脂質結合ドメインによる免疫応答の制御を研究するための新しいアイデアも提供します。 ウイルスに対抗するには免疫力を高めなければならないことがわかります。 シスタンシュは免疫力を大幅に向上させることができます。 シスタンケには抗ウイルス作用や抗がん作用もあり、免疫系の抵抗力を強化し、体の免疫力を向上させることができます。
3.1. BPIFA1遺伝子の分子進化
この研究では、哺乳動物のゲノムにおける適応進化中に徐々に弱くなる選択シグナルから強い選択シグナルに至るまで、BPIFA1 遺伝子における適応の兆候を検索しました。 適応進化している BPIFA1 遺伝子のコドンの典型的な割合が決定されました。 各コード配列について同じ手順に従って、すべての分岐にわたる正に選択されたコドンの平均割合を計算しました。 BPIFA1系統発生の慎重に選択されたテストブランチにおけるBUSTEDと同義の速度変動を使用して、遺伝子全体にわたる一時的な多様化選択の痕跡を特定しました。 その結果、検討した 3 つの系統に沿って分岐選択が起こったと結論付けました。 同義の速度変動を使用して、BPIFA1 系統発生の試験ブランチにおける遺伝子全体にわたるエピソード的多様化選択を観察しました。 これを達成するために、遺伝子全体にわたるエピソード的多様化選択が使用されました (LRT)。 2 つの試験ブランチは多様化した選択の証拠を示し、このサイトがこの種の進化を受けたことを示唆しています (図 1)。
すべての部位および系統にわたる BPIFA1 の平均 dN/dS 比は 1 より大きかった。 その結果、ポジティブ選択の特徴を特定するために、このタンパク質に関する研究が行われました。 このタンパク質はアミノ酸の構造が保存されているため精製が可能であり、オメガ値が 1 より大きいことが判明しました。このタンパク質に対して対数尤度検定が実行され、そのすべての部位が分析され、代替率を計算した。 正の選択が起こったかどうかを評価するために、M0 対 M3、M1 対 M2、および M7 対 M8 の 3 つの異なる尤度モデルのセットを使用しました。 M1 と M2 のパラメータ推定値を比較したところ、これらのタンパク質の M2 値が正であることがわかりました。 陽性に選択された部位の割合は 3 つのモデルで有意であり、値はそれぞれ 422.86、64.5、および 93.63 でした (表 1)。
ポジティブセレクションの結果を裏付ける追加の証拠を提供するために、セレクションサーバーを使用して、機械論と経験の組み合わせモデルを特定のサイトに適用しました。 この過程で、いくつかの部位が進化のさまざまな時点で選択圧を受けたことが特定されたことを発見しました (図 1)。 このため、この遺伝子が進化的にどの程度保存されているかを推定することができました。 我々は、積極的に選択された部位の大部分が哺乳類のクレード全体で保存されていることを発見しました。 これは、保存されたアミノ酸が、ニューラル ネットワークのアルゴリズムにおけるポジティブ選択に使用されるシグナルのほとんどを占めていたためです (表 2)。
コドンモデル選択法では、9113 個の異なるモデルを評価しました。 最良のモデル (log(L)=−18,910、mBIC=39,340.92) には 3 つのレートが含まれており、最も正確でした。 このモデルでは、表 1 に示すように、すべての非同義置換が同じレートで発生する単一レート モデルと比較して、218.66 log(L) および 398.33 mBIC ポイントの改善が達成されました。信頼できるセットの各モデルは、最良のモデルと比較して少なくとも 0.01 の証拠比。これは、最良のモデルから 9.21 mBIC 単位以内であること、または同等に、最良のモデルと比較して少なくとも 0.01 の証拠比があったことを意味します。 モデルの平均化により、このモデルの集合における変化率が推定されました (図 2)。 BPIFA1タンパク質のアミノ酸位置に関する進化的選択パターンもコドンモデル選択解析を用いて評価され、タンパク質の適応進化中にアミノ酸部位の置換が起こることが示された。 私たちは、タンパク質の塩基性アミノ酸の位置が置換率の変化により適応進化することを明らかにしました。 BPIFA1 のアミノ酸部位の分布に基づくと、最大置換率は約 1.19、最低は 0.14 でした (図 2)。
タンパク質の生理学的に重要な領域の同定は、タンパク質内の同義 (Ks) 置換と非同義 (Ka) 置換の頻度を対比することによって実行できます。 これは、浄化選択と局所的な正のダーウィン選択の存在を結論付けるための基礎を提供します。 我々は、Selecton v. 2.2 (http://selection-bio info-tau.ac.il からアクセス可能、2021 年 9 月 29 日にアクセス) を使用しました。これは、各サイトで Ka と Ks (u) の比率を自動的に計算する Web サーバーです。タンパク質。 異なる色は異なるタイプの選択 (ポジティブ選択、浄化選択、および選択なし) を表し、各サイトでこの比率をグラフで表示するために使用されます。 選択モデルは、特定のタンパク質が正の選択を受けた可能性を統計的にテストするために使用できる、さまざまな進化仮説のコレクションです。 グラフィカル ユーザー インターフェイスを介して操作します。 最近確立された機械論的・経験的モデルは、アミノ酸の物理的特性に影響を与えました (表 3)。
3.2. BPIFA1遺伝子の適応的選択
さまざまな哺乳類種がその環境にどの程度適応しているかを判断するために、34 種それぞれの BPIFA1 遺伝子のコード配列の複数のアラインメントを使用しました。 これらのテストは、個別にまたは組み合わせて使用できます。 最も一般的なテストは分岐テストとして知られています。 脊椎動物種の進化の過程で、特定の系統の選択は、選択圧力の対象となる個別の系統を認識するために利用されました。 系統特異的な選択確率は、適応分岐部位変量効果尤度 (aBS-REL) モデルを使用して、系統発生グループごとに計算されました。 さらに、aBS-REL 技術を利用して各遺伝子を分析し、どの系統が進化の歴史のさまざまな時期に適応選択を受けたかを決定しました。
aBS-REL モデルを哺乳動物系統に適用すると、BUSTED で予測された遺伝子がポジティブ選択下にあることが確認されました。 哺乳類系統のBPIFA1遺伝子に選択圧が作用していることを示唆する我々の結果は、2つの仮説が一致することを実証した(表4)。 BPIFA1 遺伝子の系統発生では、8 つの分岐において一時的な多様化する選択の証拠がありました。 発見の重要性は、他の多くのテストの結果を考慮した後に実行される尤度比テスト (p > 0.05) を使用して評価されました (図 3)。 合計 63 の異なる系統が、選択を多様化するためにこの特定のテストを受けました。 複数の検定が実行され、p 値しきい値 0.05 の尤度比検定を適用することで、結果の有意性が確立されました。
この表は、データに対するモデルの適合性の統計的概要を報告します。 ベースライン MG94xREV は、ブランチごとに単一の ω レート カテゴリを推論する MG94xREV ベースライン モデルを指します。 完全適応モデルは適応 aBS-REL モデルを指し、ブランチごとに最適化された数の ω レート カテゴリを意味します。
進化の過程で、SLAC、FUBAR、MEME、および FEL 法を使用してオメガ値を調べ、正の選択の兆候を特定しました (表 5)。 我々の発見によれば、哺乳類クレードの BPIFA1 遺伝子は正の進化的選択を受けてきました。 ベイジアン法を使用することで、ゲノムのどの領域が選択圧を受けているかを検出できました。 この技術には、各コドンの事後確率を決定することが含まれます。 可能性の数が多いサイトは多様な選択が行われている可能性が高く、その結果、可能性の数が少ないサイトよりも非同義置換および同義置換の割合が高くなります (表 2)。 BEB 分析を使用して、殺菌性タンパク質の LBP-BPI ドメイン全体のいくつかの位置が 95% という高い事後確率でポジティブセレクションを受けていることを発見しました。 これはすべてのサイトに当てはまりました。 サイトはドメイン内のさまざまな場所に分散していました。 PAML の結果は、Selection サーバーで見つかったデータセットを使用して検査されました。 このサーバーは、タンパク質内の特定の部位での適応選択を特定することができ、これにより正の選択の存在を検証することができました。 置換率を決定するために、MEC モデルが適用されました。 この発見は、BPIFA1 のいくつかの場所で適応的選択が起こっていることを実証しました (表 5)。
3.3. 組換え解析
BPIFA1 遺伝子については、遺伝子間の潜在的な進化的関連性を見つけるために組換え分析が実行されました。 研究により、3 つの組換えイベントが明らかになりました。 主要な親とマイナーな親を含む各組換え配列は、BPIFA1 遺伝子に由来します。 GARD 分析を使用して、組換えブレークポイントを特定しました。 GARD は 1 秒あたり 30.30 モデルの速度で 5120 モデルを検査しました。 最大 3 つのブレークポイントを持つ 72,874,879 個のモデルの検索空間は、アライメントの 759 個の可能なブレークポイントによって生成されましたが、遺伝的アルゴリズムはそのうちの 0.01% のみを検査しました。 証拠比が 100 以上の場合、複数ツリー モデルが単一ツリー モデルよりも好まれており、ブレークポイントの少なくとも 1 つがトポロジー的不一致を反映していることを示しています。 これは、セグメント間で可変トポロジを許容する最適な GARD モデル (37,996.2) と、GARD によって決定されたすべてのパーティションで同じツリーを想定するが、さまざまな分岐長を許容するモデルの AICc スコアを比較することで検証されました。パーティションの間。 具体的には、最も適合した GARD モデルの AICc スコアは 37,996.2 でしたが、モデルの AICc スコアは 37,996.2 でした。 (図4および5)。
3.4. タンパク質間相互作用およびリガンド結合解析
STRING データベースを使用して BPIFA1 で発現されるタンパク質を検索し、タンパク質間相互作用のいくつかのペアを特定しました。 BPIFA1 で発現されたタンパク質によって示されるノードは 13 個、エッジは 35 個ありました。 PPI ダイアグラムのエッジは、個々のノードをリンクするライン ネットワークです (図 6)。 ローカル クラスタリング係数の平均値は 0.978 でした。 PPI 濃縮の p 値は 5.25 × 10−12 でした。 PPI ネットワークは、BPIFA1 遺伝子と他の同時発現免疫遺伝子との相互作用を表していました。 COX7B2、BPIFB6、BPIFB4、BPIFB2、BPIFB3、PLTP、CETP、BPI、LBP、および ODF2L は、BPIFA1 の PPI ネットワークに関与する 10 個の遺伝子でした (図 6)。
BPIFB6、BPIFB4、BPIFB2、および BPIFB3 遺伝子は、細菌感染に対する自然免疫において重要な役割を果たす生物学的シグナル伝達経路に関与しているため、最も重要です。 さらに、これらの遺伝子はBPIFA1によって上方制御されており、これがこれらの遺伝子が非常に重要であると考えられるもう1つの理由です(表6)。 分子経路は、さまざまな役割を持つすべての関連タンパク質で構成される膜破壊活性を介して侵入細菌を根絶するのに不可欠です。 膜破壊活性は侵入した細菌の排除に必要でした。 リポ多糖に応答するシグナルの媒介において重要な 2 つのタンパク質には、LPS 結合タンパク質 (LPSBP) と殺菌透過性増加タンパク質 (BPI) が含まれます。 これらは、LPS に含まれる物質であるリピド A に対して強い親和性を示し、互いに驚くほど類似していました。 LBP と BPI は類似した構造を持っていますが、互いに明らかに異なるさまざまな生物学的機能を実行します。 例えば、LBP は頻繁に LPS に結合し、マクロファージや単球などの CD14 プラス細胞への LPS の提示を大幅に促進しますが、BPI は LPS の生物活性を阻害して低下させます。 これら 2 つのタンパク質は両方とも細菌内に存在します。
リガンドは、タンパク質の発現と活性を制御するプロセスにおいて重要なコンポーネントです。 イオン結合、水素結合、疎水性相互作用、ヴァンダーワールス力などの分子間結合力は、リガンド結合プロセスに寄与します。 リガンドとタンパク質間の相互作用により、タンパク質の三次元構造が変化します。 タンパク質の立体構造状態におけるこうした変化により、タンパク質の機能の一部が阻害または活性化される可能性があります。 したがって、アミノ酸の物理化学的特性を使用してタンパク質-リガンド結合相互作用研究を実行し、どの残基がリガンドと相互作用し、どの残基が相互作用しないかを決定しました。 これを達成するために、特定のリガンドと相互作用する残基の割合を計算する Web サイト (http://crdd.osdd.net/raghava/lpicom、2021 年 10 月 18 日にアクセス) を使用しました。 システイン、グリシン、アラニン、リジン、アスパラギン酸、ヒスチジン、ロイシン、バリンアルギニン、トリプトファン、セリン、スレオニン、チロシンなどの重要な残基は、7 つのリガンド (1BP1、BPH、XE、NEH、CLA、 CU、MG）および PC1。 PC1 との相互作用と比較して、荷電アミノ酸、特に必須アミノ酸は、1BP1、BPH、XE、NEH、CLA、CU、および MG と相互作用する場合に大きな利点がありました (図 7)。 それらと相関する小型の極性アミノ酸は、3 つのリガンドのそれぞれで特徴付けられました。
我々は相補的結合部位に関する予測を行うために 2 つの異なるアプローチを使用しました。1 つ目は結合特異的部分構造の比較 (TM-SITE) に基づいており、2 つ目は配列プロファイルのアライメント (S-SITE) に基づいています。 これらの技術では、814 の有機化合物、合成化合物、および金属イオン化合物と組み合わせた 500 の非重複タンパク質に対して BPIFA1 タンパク質を評価しました。 低解像度のタンパク質構造の予測から始めて、このアプローチは BPIFA1 の結合残基の同定に成功し、はるかに高い平均マシューズ相関係数 (MCC) を達成しました。 さらに、この技術により、残基と結合するリガンドも明らかになりました (表 7)。
4。討議
不均一な背景は、分岐選択を受けている集団を固有に適応した部分集団に区別できるプラットフォームを提供します[44]。 移動と選択のバランスなど、集団間の遺伝子流動に対する選択の影響は、先天的な適応と継続的な分岐の可能性を決定します。 これは、移行選択バランスとも呼ばれます。 選択の効果が遺伝子流動の効果よりも重要でない場合、遺伝子流動により集団内の局所的な遺伝的多様性が均質化される傾向があります。 その代わりに、選択圧が遺伝子流動の統合力より大きい場合、強力な分岐選択の影響を受けやすい特定の遺伝子座全体に遺伝的変異が蓄積して保持される可能性がある[45]。
考えられる別の結果では、遺伝子流動の利点は、遺伝的適合性が低い移民に対する選択によって制限され、これはまた、局所適応への道を開くことになる[45,46]。 遺伝子流動の頻度における集団の違いを理解するには、遺伝子流動と選択の間に関連性がなければなりません[46]。 このような状況では、選択によって、集団が進化し続けるか、それとも別個のグループとして分岐するかが決まります。 経験的なベイズ アプローチでは、各分岐サイトで LRT を計算し、多様な選択が行われる可能性のあるすべての異なるサイトの位置を特定しました。 経験的なベイズ手法に基づいて、FUBAR としても知られる高速無制約ベイズ近似法を適用して、BPIFA1 遺伝子で発生する多様な選択を特定しました。 FUBAR は、コドンの部位間および分岐間の分散を可能にし、遺伝子レベルで起こる適応進化を探索するために利用されました。 MEME の方法は、遺伝子レベルで起こった適応進化を調査するために利用されました [25、32、47]。 エピソードの多様化するコーディング部位は、SLAC によって 0.01 未満の p 値で見つかりました (表 1)。
このモデルは同義置換率と非同義置換率を推定するために使用され、非同義置換率以上の同義置換率を持つコーディング部位は、多様化する選択を受けている部位を特定するために注目に値すると考えられました。 MEME では、BPIFA1 遺伝子のコドン 130、167、168、190、243、265、および 289 の最尤推定値が得られました (表 2)。 重要ではないシグナルに基づいて、これらのコドンは正の選択部位として同定されませんでした。これは、自然選択の一時的な性質によるものです。 適応進化の短い期間を通じて散発的に起こった自然選択は、浄化選択または自然選択のいずれかが頻繁に発生することによって隠蔽されました。 その結果、適応進化の兆候は、感度テストやポジティブセレクションでは見つけることができませんでした[48]。
PAML 法を使用して選択された 17 サイト、IFEL アルゴリズムを使用して選択された 15 サイト、および FEL アルゴリズムを使用して選択された 4 サイトが見つかりました。 BPIFA1 遺伝子のコドン配列に対する適応選択圧は、MEC モデルを使用して計算されました。 これにより、74 個のアミノ酸が同定されました (図 1)。 ポジティブ選択に基づく進化モデルが使用され、コドンレベル (M8) での違いが明らかになりました。 Selection サーバー上の MrBayes アプリケーションは、MCMC モデルを利用して、哺乳動物の MAVS 遺伝子の違いをコドンレベルで事前に決定しました [49]。
MAFFT タンパク質のアラインメントの結果に基づいて、以前の研究では Ig ドメインが MAVS コード配列に残っていることが示されています。 これらの結果は、選択された領域を精製する際の代替タンパク質スイッチは有害であり、したがって進化を通じて維持される可能性が低いことを示唆しています[50,51]。 複数の進化経路の部位は、複数パラメーターの比率分布、95% 信頼区間の変量効果モデル、および実質的な Pr [ > ] 値を使用して同定されました。 この方法により、サイトを特定することができました (表 3)。 ポジティブ選択の場合、クラス率の重みは、各コード部位の二変量一般離散分布を使用して決定されました。 MCMC モデルの収束は、BPIFA1 の事後平均推定値が考慮された低減係数値に近いことが判明したという事実によって実証されました (表 2)。
これらの値の範囲は {{0}.95 ～ 0.99 でした。 選択を多様化するプロセスでは、経験的ベイズ因子 (EBF) 値が 50 を超えるコーディング部位のみが考慮されました。 正味有効サンプルサイズを使用して計算を実行し、ポジティブ選択を使用して評価された各コーディング部位のEBF値を決定しました。 遺伝子特異的な選択パラメーターの分布を推測すると、多数のコード部位にわたって検出される選択が改善される可能性があります。 確実に選択され同定されたコード領域は、現在選択系統が進行している BPIFA1 遺伝子における選択が多様化していることの重要な証拠を提供します。 その結果、最初は中立であるように見える (そしてフィットネスに直ちに影響を与えない) 一部の突然変異は「許容的」になる可能性があり、そうでなければ有害で表現型の違いを引き起こすであろうその後の変化にタンパク質が耐えることができるようになります [52]。 エピスタシスにおける中立変異は、その後の選択と適応の基礎を築きますが、これは最近多くの注目を集めており、進化の中立モデルと選択モデルを調和させる方法として提案されています[53]。
FWY と HKR のペアの代替率は約 50%、DENQ の代替率は 50%、ACGILMPSTV の代替率は 90% でした。 PPI ネットワークは、BPIFA1 タンパク質と他の同時発現免疫タンパク質との相互作用を表していました。 COX7B2、BPIFB6、BPIFB4、BPIFB2、BPIFB3、PLTP、CETP、BPI、LBP、および ODF2L は、これらのタンパク質相互作用に関与すると我々が決定した 10 個の遺伝子でした (図 6)。 BPIFB6、BPIFB4、BPIFB2、および BPIFB3 遺伝子は、細菌感染に対する自然免疫において重要な役割を果たす生物学的シグナル伝達経路に関与しているため、最も重要です。 さらに、これらの遺伝子は BPIFA1 によって上方制御されており、これらが非常に重要であるもう 1 つの理由が提供されます (表 6)。 界面には、界面コア (結合時に埋没が最も大きく変化する残基) と保存領域 [54] の両方に適合するアミノ酸組成を持つ保存残基のクラスターが含まれており、ホットスポットのクラスター化から生じるホット領域は、密に充填された残基に対応します。そして保護地域。
したがって、インターフェースは、好ましくない非特異的な相互作用を回避しながら、現在の接続を維持するという進化の圧力を受けています。 特定の物理化学的特徴を変更することで、タンパク質間の界面が機能不全の相互作用を形成する可能性を減らすことができます[55]。 調査の結果、表 1 に示すポジティブに選択されたコドンの値が 1 より大きいことがわかりました。これは、同義部位の開発には、非同義部位 (dN 部位) の開発よりも時間がかかることを示しています。 ダーウィンの選択のこの有益な影響は、新規の変異とより大きな対立遺伝子多型を促進し、選択のバランスまたは純化として機能し[56]、構造タンパク質の変化を引き起こし、シグナル伝達経路に影響を与える[57]。 たとえそれらが同じ系統に由来するとしても、異なる種の子孫におけるアミノ酸置換は非常に異なる結果をもたらす可能性がある[56,57]。 これは、彼らの血統が以前の提出物と一致するという事実とは対照的です。 この研究で選択されたBPIFA1遺伝子は、最新から長期にわたる進化の時間スケールに基づいて遺伝子を選択することを目的とした生物分析のための情報を提供します。
さらに、ゲノム内の多くのタンパク質の構造的および機能的特徴が欠如しているため、最近の研究の結果として明らかになった基本的な進化メカニズムは不十分である可能性があります。 キイロショウジョウバエにおけるタンパク質コード遺伝子の進化と適応は、タンパク質コード遺伝子のレベルでの進化と適応の最も関連する決定要因を決定するために徹底的に検査されました。 これは、キイロショウジョウバエを近縁種およびその個体群と比較することによって達成されました。 タンパク質の構造的および機能的特徴を確認するために、バイオインフォマティクスと構造解析の大規模な応用が私たちのチームによって実行されました。 続いて、分類システムを使用して残基をさまざまな構造部位および機能部位に分割しました。 配列の進化と適応の速度をさまざまなタンパク質と位置にわたって比較したことで、ゲノム全体にわたる適応のホットスポットを特定することが可能になりました。 さらに、高速適応タンパク質は、偶然に予測される速度よりも高い速度で相互作用することが実証されています。 この発見は、共適応が高速適応タンパク質の間で遍在している可能性があることを示している。
それらの物理的結合の結果として、共適応に寄与する可能性のあるメカニズムの例を以下に示します: (1) 高速適応タンパク質は、多くの場合、同様の化学活性が豊富で、同様の選択圧力にさらされていることがわかります。(2) ) 高速適応タンパク質は共進化します。 この研究では、PPI における適応進化の 2 つの異なる例が実証されたため、著者らは、これらの物理的相互作用がキイロショウジョウバエの高速適応タンパク質の共適応に役割を果たしているのではないかという仮説を立てています。 さらに、我々は、共適応の現象が、速適応タンパク質間だけでなく、より一般的な意味でも起こる可能性があることを示しました。 適応速度は通常、高速適応タンパク質と相互作用するタンパク質の方が高くなります。 分子相互作用が適応進化に役割を果たしていると考えると、これらの相互作用がより全体的なレベルでの共適応も支配している可能性があると予想するのは当然です。 物理的接触の共進化が、相互作用するタンパク質で観察される同様の進化速度の原因となるメカニズムであると仮定されています。
5。結論
私たちの目標は、植物および哺乳類の BPIFA1 システムの発達に寄与してきた選択圧を特定することであり、BPIFA1 システムの発現はさまざまな疾患で調節されています。 BPIFA1 タンパク質はヒト系統における選択圧に応答して急速に進化し、その殺菌活性を説明する遺伝子選択決定因子を正確に特定することができました。 その進化の歴史において、正の選択はさまざまな刺激に対する毒性反応を改善する上で重要な役割を果たした可能性があり、それが遺伝子の機能の安定性において観察された多様性を説明できる可能性がある。 私たちの発見は、BPIFA1遺伝子の進化の歴史のより包括的な理解を提供し、生物学的プロセスにおける病原性の機能ゲノミクス分析を強化するでしょう。 これらの発見は、病気の予防に対する理解の向上にも役立つ可能性があると期待されています。 さらに、これらの遺伝子の研究は、細菌性病原体に存在するさまざまな病原性タンパク質の決定を支援できる独自の方法の設計を容易にする可能性があります。 私たちの発見は、進化の過程における制限が私たちの発見を形成する上で重要な役割を果たしたという仮説につながります。 これらの制限の結果、タンパク質の長さなどの特性を複雑な複合体と組み合わせるときに、いくつかの数値境界を特定することができました。 タンパク質のユニークな特徴は、細胞内でのタンパク質の存在を可能にした異常なストレッサーや恒常性調節の兆候を提供する可能性があるため、興味深いものです。 したがって、それらはさらなる研究にとって有望な選択肢です。
著者の寄稿:
概念化、HIA、および JC。 方法論、HIA、MAK、FAK、SI、RWA、NSP。 ソフトウェア、HIA、WN、NSP、RWA、SI。 検証、MAK、JC、FAK、HIA。 正式な分析、HIA、MAK、FAK、SI、RWA、および NSP。 調査、HIA、MAK、FAK、SI、RWA、および NSP。 リソース、HIA、MAK、および JC。 データキュレーション、HIA、MAK、FAK、SI、RWA、WN。 執筆—原案作成、HIA。 執筆 - レビューと編集、HIA、SI、RWA、WN、NSP。 視覚化、JC および MAK。 監督、MAK、FAK、NSP、WN すべての著者は原稿の出版版を読み、同意しました。
資金提供:
この研究には外部からの資金提供はありませんでした。
治験審査委員会の声明:
適用できない。
インフォームド・コンセントの声明:
適用できない。
データの可用性に関する声明:
この記事に関連するすべてのデータは、読者に公開されるものとします。
謝辞:
この研究は、2022 年広東省生態林業建設特別財政プロジェクトの支援を受けました。
利益相反:
著者は利益相反がないことを宣言します。
参考文献
1. リー、J. シュー、Ｐ． ワン、L. フェン、M. チェン、D. ユウ、X。 Lu, Y. BPIFB1 の分子生物学と疾患におけるその進歩。 アン。 翻訳。 医学。 2020、8、651。 [CrossRef] [PubMed] 2. Saferali, A.; 唐、AC; ストラグ、LJ; クオン、理学士。 ズロスニク、J. ニュージャージー州サンドフォード。 Turvey, SE 嚢胞性線維症修飾遺伝子 BPIFA1 の免疫調節機能。 PLoS ONE 2020、15、e0227067。 [相互参照] [PubMed]
3. ナム、B.-H. ムーン、J.-Y. パーク、E.-H. キム、Y.-O. キムD.-G. コング、HJ; キム、W.-J. ジー、YJ; アン、CM。 ノースカロライナ州パーク。 他。 ヒラメリポ多糖結合タンパク質/殺菌透過性増加タンパク質(LBP/BPI)由来のペプチドの抗菌活性。 薬物 2014 年 3 月、12、5240–5257。 [相互参照] [PubMed]
4. カーシュニング、CJ; オーヤング、J. ランピング、N. ロイター、D. プファイル、D. セイルハマー、JJ; Schumann, RR リポ多糖結合タンパク質 (LBP) 遺伝子とリン脂質転移タンパク質 (PLTP) 遺伝子の類似した構成は、脂質結合タンパク質の共通の遺伝子ファミリーを示唆しています。 ゲノミクス 1997、46、416–425。 [相互参照] [PubMed]
5. バラクリシュナン、A. マラテ、SA; ジョグレカー、M. Chakraborty, D. 殺菌/透過性増加タンパク質: LPS 中和を超えた機能を持つ多面的なタンパク質。 自然免疫。 2012、19、339–347。 [相互参照]
6. ライト、SD; RA、ラモス。 トバイアス、PS; ウレヴィッチ、RJ; Mathison, JC CD14、リポ多糖 (LPS) と LPS 結合タンパク質の複合体の受容体。 サイエンス 1990、249、1431–1433。 [相互参照]
7.シャオ、Y。 リー、Ｃ． チェ、Z。 張、Ｐ． チャン、W. デュアン、X。 Li, Y. ROS 産生の調節において多様な機能を持つナマコ Apostichopus japonicas 由来の 2 つのリポ多糖結合タンパク質/殺菌透過性増加タンパク質 (LBP/BPI) 遺伝子のクローニングと特性評価。 開発者 コンプ。 イムノール。 2015、52、88–97。 [相互参照]
8. シェーファー、N. リー、X。 マサチューセッツ州サイボルト。 ニュージャージー州ジャルジュール。 デンリンジャー、LC; カストロ、M. 午前、カバーストーン。 ティーグ、WG; ブーマー、J. Bleecker, ER 喘息気道上皮における BPIFA1/SPLUNC1 の遺伝子変異の発現と機能への影響。 JCI インサイト 2019、4、e127237。 [相互参照]
9. ブリット、CJ; Cohn, L. 気道宿主保護および呼吸器疾患における殺菌性/透過性を高めるタンパク質フォールドを含むファミリーメンバー A1。 午前。 Ｊ．レスピア． 細胞モル。 バイオル。 2015、52、525–534。 [相互参照]
10. ムーサ、M. ウィルソン、K。 サン、Ｌ． ムーレイ、A. ビングル、L. マリオット、HM; レクレア、EE; Bingle、CD マウスの鼻腔および口腔における BPIFA1 (SPLUNC1) と BPIFB1 (LPLUNC1) の局在の違い。 細胞組織研究 2012、350、455–464。 [相互参照]
11. ツォウ、Y.-A. タン、MC。 アレクサンダー、KA; チャン、WD、 ツァイ、M.-H. チェン、H.-L. チェン、C.-M. 上気道微生物感染症および関連疾患における BPIFA1 の役割。 BioMed Res. 内部。 2018、2018、2021890。[CrossRef] [PubMed]
12. Caikauskaite、R. BPIFA1 細菌との相互作用と気道宿主防御における細菌の重要性。 博士号 論文、シェフィールド大学、シェフィールド、英国、2018年。
For more information:1950477648nn@gmail.com
