stringtranslate.com

Predicción de la localización subcelular de proteínas.

La predicción de la localización subcelular de proteínas (o simplemente la predicción de la localización de proteínas) implica la predicción de dónde reside una proteína en una célula , su localización subcelular .

En general, las herramientas de predicción toman como entrada información sobre una proteína, como una secuencia proteica de aminoácidos , y producen una ubicación predicha dentro de la célula como salida, como el núcleo , el retículo endoplásmico , el aparato de Golgi , el espacio extracelular u otros orgánulos. . El objetivo es crear herramientas que puedan predecir con precisión el resultado de la focalización de proteínas en las células.

La predicción de la localización subcelular de proteínas es un componente importante de la predicción basada en bioinformática de la función de las proteínas y la anotación del genoma , y ​​puede ayudar a la identificación de objetivos farmacológicos.

Fondo

Determinar experimentalmente la localización subcelular de una proteína puede ser una tarea laboriosa y que requiere mucho tiempo. A menudo se utiliza el inmunoetiquetado o etiquetado (como con una proteína verde fluorescente ) para ver la localización mediante un microscopio de fluorescencia . Una alternativa de alto rendimiento es utilizar la predicción.

Mediante el desarrollo de nuevos enfoques en informática, junto con un mayor conjunto de datos de proteínas de localización conocida, las herramientas computacionales ahora pueden proporcionar predicciones de localización rápidas y precisas para muchos organismos. Esto ha dado como resultado que la predicción de la localización subcelular se convierta en uno de los desafíos que la bioinformática y el aprendizaje automático están ayudando con éxito .

Muchos métodos de predicción superan actualmente la precisión de algunos métodos de laboratorio de alto rendimiento para la identificación de la localización subcelular de proteínas. [1] [2] [3] En particular, se han desarrollado algunos predictores [4] que pueden usarse para tratar con proteínas que pueden existir simultáneamente o moverse entre dos o más ubicaciones subcelulares diferentes. Por lo general, se requiere validación experimental para confirmar las localizaciones previstas.

Herramientas

En 1999, PSORT fue el primer programa publicado para predecir la localización subcelular. [5] Se han lanzado herramientas y sitios web posteriores utilizando técnicas como redes neuronales artificiales , máquinas de vectores de soporte y motivos proteicos . Los predictores pueden especializarse en proteínas en diferentes organismos. Algunos están especializados en proteínas eucariotas, [6] algunos en proteínas humanas, [7] y algunos en proteínas vegetales. [8] Se han revisado los métodos para la predicción de predictores de localización bacteriana y su precisión. [9] En 2021, se publicó SCLpred-MEM, una herramienta de predicción de proteínas de membrana impulsada por redes neuronales artificiales. [10] SCLpred-EMS es otra herramienta impulsada por redes neuronales artificiales que clasifican las proteínas en sistema de endomembrana y vía secretora (EMS) frente a todas las demás. [11] De manera similar, Light-Attention utiliza métodos de aprendizaje automático para predecir diez ubicaciones subcelulares comunes diferentes. [12]

El desarrollo de la predicción de la ubicación subcelular de proteínas se ha resumido en dos artículos de revisión completos. [13] [14] Se pueden encontrar herramientas recientes y un informe de experiencia en un artículo reciente de Meinken y Min (2012).

Solicitud

El conocimiento de la localización subcelular de una proteína puede mejorar significativamente la identificación del objetivo durante el proceso de descubrimiento de fármacos . Por ejemplo, las proteínas secretadas y las proteínas de la membrana plasmática son fácilmente accesibles para las moléculas de fármacos debido a su localización en el espacio extracelular o en la superficie celular.

La superficie de las células bacterianas y las proteínas secretadas también son de interés por su potencial como candidatos a vacunas o objetivos de diagnóstico. Se ha observado una localización subcelular aberrante de proteínas en las células de varias enfermedades, como el cáncer y la enfermedad de Alzheimer . Las proteínas secretadas por algunas arqueas que pueden sobrevivir en entornos inusuales tienen aplicaciones industriales importantes.

Mediante el uso de la predicción se puede evaluar una gran cantidad de proteínas para encontrar candidatas que se envíen a la ubicación deseada.

Bases de datos

Los resultados de la predicción de la localización subcelular se pueden almacenar en bases de datos. Los ejemplos incluyen la base de datos de múltiples especies Compartments, FunSecKB2, una base de datos de hongos; [15] PlantSecKB, una base de datos sobre plantas; [16] MetazSecKB, una base de datos de animales y humanos; [17] y ProtSecKB, una base de datos de protistas. [18]

Referencias

  1. ^ Kaleel, M; Zheng, Y; Chen, J; Feng, X; Simpson, JC; Pollastri, G; Mooney, C (6 de marzo de 2020). "SCLpred-EMS: predicción de la localización subcelular del sistema de endomembrana y proteínas de la vía secretora mediante redes neuronales convolucionales profundas N-to-1". Bioinformática . 36 (11): 3343–3349. doi : 10.1093/bioinformática/btaa156. hdl : 10197/12182 . PMID  32142105.
  2. ^ Rey S, Gardy JL, Brinkman FS (2005). "Evaluación de la precisión de enfoques computacionales y de laboratorio de alto rendimiento para la identificación de todo el genoma de la localización subcelular de proteínas en bacterias". Genómica BMC . 6 : 162. doi : 10.1186/1471-2164-6-162 . PMC 1314894 . PMID  16288665. 
  3. ^ Kaleel, Manaz; Ellinger, Liam; Lalor, Clodagh; Pollastri, Gianluca; Mooney, Catalina (2021). "SCLpred-MEM: predicción de la localización subcelular de proteínas de membrana mediante redes neuronales convolucionales profundas N a 1". Proteínas: estructura, función y bioinformática . 89 (10): 1233-1239. doi : 10.1002/prot.26144 . hdl : 2346/90320 . PMID  33983651. S2CID  234484678.
  4. ^ Chou KC, Shen HB (2008). "Cell-PLoc: un paquete de servidores web para predecir la localización subcelular de proteínas en varios organismos". Protocolos de la Naturaleza . 3 (2): 153–62. doi :10.1038/nprot.2007.494. PMID  18274516. S2CID  226104.
  5. ^ "Predicción de la localización subcelular de proteínas". www.ncbi.nlm.nih.gov . Consultado el 31 de diciembre de 2016 .
  6. ^ Chou KC, Wu ZC, Xiao X (2011). "iLoc-Euk: un clasificador de etiquetas múltiples para predecir la localización subcelular de proteínas eucarióticas simples y múltiples". MÁS UNO . 6 (3): e18258. Código Bib : 2011PLoSO...618258C. doi : 10.1371/journal.pone.0018258 . PMC 3068162 . PMID  21483473. 
  7. ^ Shen HB, Chou KC (noviembre de 2009). "Un enfoque de arriba hacia abajo para mejorar el poder de predecir la localización subcelular de proteínas humanas: Hum-mPLoc 2.0". Bioquímica Analítica . 394 (2): 269–74. doi :10.1016/j.ab.2009.07.046. PMID  19651102.
  8. ^ Chou KC, Shen HB (2010). "Plant-mPLoc: una estrategia de arriba hacia abajo para aumentar el poder de predecir la localización subcelular de proteínas vegetales". MÁS UNO . 5 (6): e11335. Código Bib : 2010PLoSO...511335C. doi : 10.1371/journal.pone.0011335 . PMC 2893129 . PMID  20596258. 
  9. ^ Gardy JL, Brinkman FS (octubre de 2006). "Métodos para predecir la localización subcelular de proteínas bacterianas". Reseñas de la naturaleza. Microbiología . 4 (10): 741–51. doi :10.1038/nrmicro1494. PMID  16964270. S2CID  62781755.
  10. ^ Kaleel, Manaz; Ellinger, Liam; Lalor, Clodagh; Pollastri, Gianluca; Mooney, Catalina (2021). "SCLpred-MEM: predicción de la localización subcelular de proteínas de membrana mediante redes neuronales convolucionales profundas N a 1". Proteínas: estructura, función y bioinformática . 89 (10): 1233-1239. doi : 10.1002/prot.26144 . hdl : 2346/90320 . PMID  33983651. S2CID  234484678.
  11. ^ Kaleel, Manaz; Zheng, Yandan; Chen, Jialiang; Feng, Xuanming; Simpson, Jeremy C; Pollastri, Gianluca; Mooney, Catherine (1 de junio de 2020). "SCLpred-EMS: predicción de la localización subcelular del sistema de endomembrana y proteínas de la vía secretora mediante redes neuronales convolucionales profundas N-to-1". Bioinformática . 36 (11): 3343–3349. doi : 10.1093/bioinformática/btaa156. hdl : 10197/12182 . PMID  32142105.
  12. ^ Rost, Stark; Heinzinger, Dallago (26 de abril de 2021). "La atención luminosa predice la ubicación de las proteínas a partir del lenguaje de la vida". Biorxiv . doi :10.1101/2021.04.25.441334. S2CID  233449747.
  13. ^ Nakai, K. Señales de clasificación de proteínas y predicción de localización subcelular. Adv. Protein Chem., 2000, 54, 277-344.
  14. ^ Chou, KC; Shen, HB Review: Avances recientes en la predicción de la ubicación subcelular de proteínas" Anal. Biochem 2007, 370, 1-16.
  15. ^ "FunSecKB2 (Base de conocimientos 2.1 sobre secretoma de hongos y proteoma subcelular)". bioinformática.ysu.edu . Archivado desde el original el 10 de abril de 2016 . Consultado el 17 de septiembre de 2017 .
  16. ^ "PlantSecKB (base de conocimientos sobre secretomas vegetales y proteomas subcelulares)". bioinformática.ysu.edu . Archivado desde el original el 6 de abril de 2016 . Consultado el 17 de septiembre de 2017 .
  17. ^ "MetazSecKB (base de datos de ubicación subcelular, secretoma y proteoma subcelular de proteínas de metazoos (humanos y animales))". bioinformática.ysu.edu . Archivado desde el original el 6 de abril de 2016 . Consultado el 17 de septiembre de 2017 .
  18. ^ "ProtSecKB (base de conocimientos sobre el secretoma protista y el proteoma subcelular)". proteomics.ysu.edu . Consultado el 17 de septiembre de 2017 .

Otras lecturas