Interacciones glicano-proteína

Clase de interacciones biológicas intermoleculares.

Proteína Spike (S) responsable de la unión a los receptores ACE2 en COVID-19. Glicanos resaltados en azul. Estructura tomada de la entrada 6VXX del PDB ^[1]

Las interacciones glicano-proteína representan una clase de interacciones biomoleculares que ocurren entre glicanos libres o unidos a proteínas y sus socios de unión afines. Las interacciones intramoleculares glicano-proteína (proteína-glicano) ocurren entre los glicanos y las proteínas a las que están unidos covalentemente. Junto con las interacciones proteína-proteína , forman una base mecanicista para muchos procesos celulares esenciales , especialmente para las interacciones célula-célula y las interacciones célula huésped. ^[2] Por ejemplo, el SARS-CoV-2 , el agente causante de la COVID-19 , emplea su proteína de pico (S) ampliamente glicosilada para unirse al receptor ACE2 , permitiéndole ingresar a las células huésped. ^[3] La proteína de pico es una estructura trimérica , y cada subunidad contiene 22 sitios de N-glicosilación , lo que la convierte en un objetivo atractivo para la búsqueda de vacunas . ^{[3] [4]}

La glicosilación, es decir, la adición de glicanos (un nombre genérico para monosacáridos y oligosacáridos ) a una proteína, es una de las principales modificaciones postraduccionales de las proteínas que contribuyen a la enorme complejidad biológica de la vida. De hecho, en teoría, tres hexosas diferentes podrían producir de 1.056 a 27.648 trisacáridos únicos, en contraste con sólo 6 péptidos u oligonucleótidos formados a partir de 3 aminoácidos o 3 nucleótidos respectivamente. ^[2] A diferencia de la biosíntesis de proteínas basada en plantillas , el "lenguaje" de la glicosilación aún se desconoce, lo que hace que la glicobiología sea un tema candente de investigación actual dada su prevalencia en los organismos vivos. ^[2]

El estudio de las interacciones glicano-proteína proporciona información sobre los mecanismos de señalización celular y permite crear mejores herramientas de diagnóstico para muchas enfermedades, incluido el cáncer . De hecho, no se conocen tipos de cáncer que no impliquen patrones erráticos de glicosilación de proteínas . ^[5]

Termodinámica de la unión

La unión de las proteínas de unión a glicanos (GBP) a los glicanos podría modelarse con un equilibrio simple . Denotando glicanos como y proteínas como : ${\displaystyle G}$ ${\displaystyle P}$

${\displaystyle Protein(P)+Glycan(G)\rightleftharpoons PG}$

Con una constante de equilibrio asociada de

${\displaystyle K_{a}={\frac {[PG]}{[P][G]}}}$

Que se reordena para dar constante de disociación siguiendo convenciones bioquímicas: ${\displaystyle K_{d}}$

${\displaystyle K_{d}={\frac {[P][G]}{[PG]}}}$

Dado que muchas libras esterlinas exhiben multivalencia, este modelo puede ampliarse para tener en cuenta equilibrios múltiples:

${\displaystyle P+G\rightleftharpoons PG}$

${\displaystyle PG+G\rightleftharpoons PG_{2}}$

${\displaystyle \dots }$

${\displaystyle PG_{n-1}+G\rightleftharpoons PG_{n}}$

Denotando equilibrio acumulativo de unión con ligandos como ${\displaystyle i}$

${\displaystyle P+iG\rightleftharpoons PG_{i}}$

Con la constante de equilibrio correspondiente:

${\displaystyle \beta _{i}={\frac {[PG_{i}]}{[P][G]^{i}}}}$

Y escribiendo el balance de materia de proteínas ( denota la concentración total de proteínas): ${\displaystyle c_{P}}$

${\displaystyle c_{P}=[P]+[PG]+\dots +[PG_{n}]}$

Expresando los términos mediante una constante de equilibrio, se encuentra un resultado final:

${\displaystyle c_{P}=[P](1+\beta _{1}[G]+\dots +\beta _{n}[G]^{n}}$

La concentración de proteína libre es entonces:

${\displaystyle [P]={\frac {c_{P}}{1+\sum _{i=1}^{n}{\beta _{i}[G]^{i}}}}}$

Si , es decir, solo hay un dominio receptor de carbohidratos, la ecuación se reduce a ${\displaystyle n=1}$

${\displaystyle [P]={\frac {c_{P}}{1+\beta _{1}[G]}}}$

Al aumentar la concentración de proteína libre disminuye; por lo tanto, el aparente también disminuye. ${\displaystyle i}$ ${\displaystyle K_{D}}$

Unión con anillos aromáticos.

Figura 1. La representación esquemática de las interacciones. ${\displaystyle CH-\pi }$

La intuición química sugiere que los sitios de unión de glicanos pueden estar enriquecidos en residuos de aminoácidos polares que forman interacciones no covalentes , como enlaces de hidrógeno , con carbohidratos polares . De hecho, un análisis estadístico de las bolsas de unión a carbohidratos muestra que el ácido aspártico y los residuos de asparagina están presentes con el doble de frecuencia de lo que se podría predecir por casualidad. ^[6] Sorprendentemente, existe una preferencia aún mayor por los aminoácidos aromáticos : el triptófano tiene una prevalencia 9 veces mayor, la tirosina 3 veces y la histidina un aumento 2 veces. Se ha demostrado que la fuerza subyacente es la interacción entre el sistema aromático y los carbohidratos, como se muestra en la Figura 1 . La interacción se identifica si el °, la distancia (distancia de a ) es menor que 4,5 Å. ^[6] ${\displaystyle CH-\pi }$ ${\displaystyle \pi }$ ${\displaystyle C-H}$ ${\displaystyle CH-\pi }$ ${\displaystyle \theta \leqslant 40}$ ${\displaystyle CH-\pi }$ ${\displaystyle C}$ ${\displaystyle X}$

Efectos de la estereoquímica.

La definición de caras alfa y beta para glucosa y galactosa. La diferencia estereoquímica de dos hexosas está resaltada en rojo.

Esta interacción depende en gran medida de la estereoquímica de la molécula de carbohidrato . Por ejemplo, considere las caras superior ( ) e inferior ( ) de -D-Glucosa y -D-Galactosa . Se ha demostrado que un solo cambio en la estereoquímica en el carbono C4 desplaza la preferencia por los residuos aromáticos de un lado (2,7 veces de preferencia por la glucosa) a un lado (14 veces de preferencia por la galactosa). ^[6] ${\displaystyle CH-\pi }$ ${\displaystyle \beta }$ ${\displaystyle \alpha }$ ${\displaystyle \beta }$ ${\displaystyle \beta }$ ${\displaystyle \beta }$ ${\displaystyle \alpha }$

Efectos de la electrónica

La comparación de los potenciales de superficie electrostáticos (ESP) de los anillos aromáticos en triptófano , tirosina , fenilalanina e histidina sugiere que los efectos electrónicos también desempeñan un papel en la unión a los glicanos (ver Figura 2 ). Después de normalizar las densidades de electrones para el área de superficie, el triptófano sigue siendo el aceptor de interacciones más rico en electrones, lo que sugiere una posible razón para su prevalencia nueve veces mayor en las bolsas de unión a carbohidratos. ^[6] En general, los mapas de potencial electrostático siguen la tendencia de prevalencia de . ${\displaystyle CH-\pi }$ ${\displaystyle {\ce {Trp >> Tyr > (Phe) > His}}}$

Figura 2. Potenciales electrostáticos de superficie (ESP) de aminoácidos aromáticos. Las áreas ricas en electrones se representan en rojo, mientras que las áreas pobres en electrones se representan en azul.

Socios fijadores de carbohidratos

Existen muchas proteínas capaces de unirse a los glicanos, incluidas las lectinas , anticuerpos , adhesinas microbianas , aglutininas virales , etc.

Lectinas

Lectinas es un nombre genérico para proteínas con dominios de reconocimiento de carbohidratos (CRD). Aunque se ha convertido casi en sinónimo de proteínas de unión a glucanos, no incluye anticuerpos que también pertenecen a esta clase.

Las lectinas que se encuentran en células de plantas y hongos se han utilizado ampliamente en la investigación como herramienta para detectar, purificar y analizar glicanos. Sin embargo, las lectinas útiles suelen tener especificidades subóptimas . Por ejemplo,Ulex europaeus aglutinina-1 (UEA-1), una lectina extraída de plantas capaz de unirse al antígeno del tipo O de la sangre humana , también puede unirse a glicanos no relacionados como 2'-fucosillactosa, GalNAcα1-4(Fucα1-2)Galβ1-4GlcNAc y antígeno Lewis-Y . ^[7]

Anticuerpos

Aunque los anticuerpos exhiben afinidades nanomolares hacia los antígenos proteicos, la especificidad contra los glicanos es muy limitada. ^[8] De hecho, los anticuerpos disponibles pueden unirse sólo a <4% de los 7000 antígenos de glucano de mamíferos; además, la mayoría de esos anticuerpos tienen baja afinidad y presentan reactividad cruzada. ^{[9] [7]}

lambodies

A diferencia de los vertebrados con mandíbulas, cuya inmunidad se basa en segmentos genéticos variables, diversos y unidos (VDJ) de inmunoglobulinas , los invertebrados sin mandíbulas , como la lamprea y el mixino , crean una diversidad de receptores mediante la reordenación somática del ADN de las repeticiones ricas en leucina (LRR). Módulos que se incorporan en genes *vlr* (receptores leucocitarios variables). ^{[10] Esos LRR forman estructuras 3D que se asemejan} a solenoides curvos que se unen selectivamente a glicanos específicos. ^[11]

Un estudio de la Universidad de Maryland ha demostrado que los anticuerpos contra la lamprea (lambodies) podrían unirse selectivamente a antígenos de carbohidratos asociados a tumores (como Tn y TF ) con afinidades nanomolares. ^[9] El antígeno T-nouvelle (Tn) y TF están presentes en proteínas en hasta el 90% de diferentes células cancerosas después de una modificación postraduccional , mientras que en las células sanas esos antígenos son mucho más complejos. Una selección de lambodies que podrían unirse a aGPA , una glicoproteína de la membrana de los eritrocitos humanos que está cubierta con 16 restos TF, mediante clasificación de células activadas magnéticamente (MACS) y clasificación de células activadas por fluorescencia (FACS), ha producido un lambody VLRB rico en leucina . aGPA.23 . Este lambody tiñó selectivamente (sobre muestras sanas) células de 14 tipos diferentes de adenocarcinomas : vejiga , esófago , ovario , lengua , mejilla, cuello uterino , hígado , nariz, nasofaringe , epiplón mayor, colon , mama , laringe y pulmón . ^[9] Además, los pacientes cuyos tejidos se tiñeron positivamente con VLRB.aGPA.23 tuvieron una tasa de supervivencia significativamente menor. ^[9] ${\displaystyle \alpha }$ ${\displaystyle \alpha }$ ${\displaystyle \alpha }$

Una mirada de cerca a la estructura cristalina de VLRB.aGPA.23 revela un residuo de triptófano en la posición 187, justo encima del bolsillo de unión a carbohidratos. ^[12]

Estructura cristalina de VLRB.aGPA.23 creada a partir de la entrada 4K79 de PDB ^[12]

Multivalencia en estructura.

Representación caricaturesca de estructuras oligoméricas comunes de lectinas.

Muchas proteínas de unión a glucanos (GBP) son oligoméricas y normalmente contienen múltiples sitios para la unión de glucanos (también llamados dominios de reconocimiento de carbohidratos). La capacidad de formar interacciones multivalentes proteína- ligando mejora significativamente la fuerza de unión: si bien los valores para las interacciones CRD-glicano individuales pueden estar en el rango mM, la afinidad general de GBP hacia los glicanos puede alcanzar rangos nanomolares o incluso picomolares . La fuerza general de las interacciones se describe como avidez (en contraste con una afinidad que describe un equilibrio único). A veces, la avidez también se denomina aparente para enfatizar la naturaleza de desequilibrio de la interacción. ^[13] ${\displaystyle K_{D}}$ ${\displaystyle K_{D}}$ ${\displaystyle K_{D}}$ ${\displaystyle K_{D}}$

A continuación se muestran las estructuras de oligomerización comunes de las lectinas . Por ejemplo, las galectinas suelen observarse como dímeros, mientras que las intelectinas forman trímeros y las pentraxinas se ensamblan en pentámeros. Las estructuras más grandes, como las proteínas Reg hexaméricas , pueden ensamblarse en poros que penetran la membrana. Las colectinas pueden formar complejos aún más extraños: ramos de trímeros o incluso estructuras tipo cruciforme (por ejemplo, en SP-D ). ^[14]

La investigación actual

Dada la importancia de las interacciones glucano-proteína, hay una investigación en curso dedicada a a) la creación de nuevas herramientas para detectar interacciones glucano-proteína y b) el uso de esas herramientas para descifrar el llamado código del azúcar.

Matrices de glicanos

Una de las herramientas más utilizadas para investigar las interacciones entre glucanos y proteínas son las matrices de glucanos . Una matriz de glucanos suele ser portaobjetos de vidrio activados con NHS o epoxi en los que se imprimieron varios glucanos mediante impresión robótica. ^{[15] [16]} Estas matrices disponibles comercialmente pueden contener hasta 600 glicanos diferentes, cuya especificidad se ha estudiado ampliamente. ^[17]

Las interacciones entre glicanos y proteínas se pueden detectar analizando proteínas de interés (o bibliotecas de ellas) que llevan etiquetas fluorescentes . La estructura de la proteína de unión a glucano se puede descifrar mediante varios métodos analíticos basados ​​en espectrometría de masas , incluidos MALDI-MS , LC-MS , MS-MS en tándem y/o RMN 2D . ^[18]

Investigación impulsada por la bioinformática

Se han aplicado métodos computacionales para buscar parámetros (p. ej., propensión a residuos, hidrofobicidad, planaridad) que podrían distinguir las proteínas de unión a glucanos de otros parches de superficie. Por ejemplo, un modelo entrenado en 19 estructuras de unión a carbohidratos no homólogas fue capaz de predecir dominios de unión a carbohidratos (CRD) con una precisión del 65 % para las estructuras no enzimáticas y del 87 % para las enzimáticas. ^[19] Estudios adicionales han empleado cálculos de energías de Van der Waals de interacciones proteína-sonda y propensiones de aminoácidos para identificar CRD con 98% de especificidad y 73% de sensibilidad . ^[20] Los métodos más recientes pueden predecir las CRD incluso a partir de secuencias de proteínas , comparando la secuencia con aquellas cuyas estructuras ya se conocen. ^[21]

código de azúcar

A diferencia de los estudios de proteínas, donde la estructura primaria de la proteína está claramente definida por la secuencia de nucleótidos (el código genético ), la glicobiología aún no puede explicar cómo se codifica un determinado "mensaje" mediante carbohidratos o cómo se "lee" y "traduce". " por otras entidades biológicas.

Un esfuerzo interdisciplinario, que combina química, biología y bioquímica, estudia las interacciones entre glicanos y proteínas para ver cómo diferentes secuencias de carbohidratos inician diferentes respuestas celulares. ^[22]

Ver también

• Interacciones proteína-proteína
• Glicobiología

Referencias

1. Paredes, Alexandra C.; Park, Young-Jun; Tortorici, M. Alejandra; Muro, Abigail; McGuire, Andrew T.; Veesler, David (9 de marzo de 2020). "Estructura, función y antigenicidad de la glicoproteína de pico del SARS-CoV-2". Celúla . 181 (2): 281–292.e6. doi : 10.1016/j.cell.2020.02.058. ISSN  0092-8674. PMC  7102599 . PMID  32155444.
2. Varki A, Kornfeld S (2015). "Antecedentes históricos y descripción general". En Varki A, Cummings RD, Esko JD, Stanley P, Hart GW, Aebi M, et al. (eds.). Fundamentos de glicobiología (3ª ed.). Prensa del laboratorio Cold Spring Harbor. doi :10.1101/glicobiology.3e.001 (inactivo el 31 de enero de 2024). PMID  28876854 . Consultado el 9 de mayo de 2020 .{{cite book}}: Mantenimiento CS1: DOI inactivo a partir de enero de 2024 ( enlace )
3. Watanabe, Yasunori; Allen, Joel D.; Envoltura, Daniel; McLellan, Jason S.; Crispín, Max (4 de mayo de 2020). "Análisis de glucanos específicos del sitio del pico de SARS-CoV-2". Ciencia . 369 (6501): 330–333. Código Bib : 2020 Ciencia... 369.. 330W. doi : 10.1126/ciencia.abb9983. ISSN  0036-8075. PMC 7199903 . PMID  32366695. 
4. Amanat, Fátima; Krammer, Florian (6 de abril de 2020). "Vacunas contra el SARS-CoV-2: informe de estado". Inmunidad . 52 (4): 583–589. doi :10.1016/j.immuni.2020.03.007. ISSN  1074-7613. PMC 7136867 . PMID  32259480. 
5. Almogren A, Abdullah J, Ghapure K, Ferguson K, Glinsky VV, Rittenhouse-Olson K (enero de 2012). "Potencial de Anti-Thomsen-Friedenreich-Ag (anti-TF-Ag) para la terapia del cáncer". Fronteras en Biociencia . 4 (3): 840–63. doi : 10.2741/s304 . PMID  22202095. S2CID  30241671.
6. Hudson KL, Bartlett GJ, Diehl RC, Agirre J, Gallagher T, Kiessling LL, Woolfson DN (diciembre de 2015). "Interacciones carbohidratos-aromáticos en proteínas". Revista de la Sociedad Química Estadounidense . 137 (48): 15152–60. doi :10.1021/jacs.5b08424. PMC 4676033 . PMID  26561965. 
7. Collins BC, Gunn RJ, McKitrick TR, Cummings RD, Cooper MD, Herrin BR, Wilson IA (noviembre de 2017). "Conocimientos estructurales sobre la especificidad fina de VLR para los carbohidratos de grupos sanguíneos". Estructura . 25 (11): 1667–1678.e4. doi :10.1016/j.str.2017.09.003. PMC 5677568 . PMID  28988747. 
8. Jain D, Salunke DM (febrero de 2019). "Especificidad y promiscuidad de anticuerpos". La revista bioquímica . 476 (3): 433–447. doi :10.1042/BCJ20180670. PMID  30723137. S2CID  73426591.
9. Hong X, Ma MZ, Gildersleeve JC, Chowdhury S, Barchi JJ, Mariuzza RA, et al. (Enero 2013). "Proteínas fijadoras de azúcar del pescado: selección de" lambodies "de alta afinidad que reconocen glicanos de relevancia biomédica". Biología Química ACS . 8 (1): 152–60. doi :10.1021/cb300399s. PMC 3756686 . PMID  23030719. 
10. Han BW, Herrin BR, Cooper MD, Wilson IA (septiembre de 2008). "Reconocimiento de antígenos por receptores de linfocitos variables". Ciencia . 321 (5897): 1834–7. Código bibliográfico : 2008 Ciencia... 321.1834H. doi : 10.1126/ciencia.1162484. PMC 2581502 . PMID  18818359. 
11. Cooper MD, Alder MN (febrero de 2006). "La evolución de los sistemas inmunológicos adaptativos". Celúla . 124 (4): 815–22. doi : 10.1016/j.cell.2006.02.001 . PMID  16497590. S2CID  16590222.
12. Luo M, Velikovsky CA, Yang X, Siddiqui MA, Hong X, Barchi JJ, et al. (Agosto 2013). "Reconocimiento del antígeno carbohidrato del pancarcinoma de Thomsen-Friedenreich por un receptor de linfocitos variable de lamprea". La Revista de Química Biológica . 288 (32): 23597–606. doi : 10.1074/jbc.M113.480467 . PMC 3949333 . PMID  23782692. 
13. Cummings RD, Schnaar RL, Esko JD, Drickamer K, Taylor ME (2015). "Principios de reconocimiento de glicanos". En Varki A, Cummings RD, Esko JD, Stanley P, Hart GW, Aebi M, et al. (eds.). Fundamentos de glicobiología (3ª ed.). Prensa del laboratorio Cold Spring Harbor. doi :10.1101/glicobiology.3e.029 (inactivo el 31 de enero de 2024). PMID  28876857.{{cite book}}: Mantenimiento CS1: DOI inactivo a partir de enero de 2024 ( enlace )
14. Wesener DA, Dugan A, Kiessling LL (junio de 2017). "Reconocimiento de glicanos microbianos por lectinas humanas solubles". Opinión actual en biología estructural . Carbohidratos: Un festín de glicobiología estructural • Secuencias y topología: Estudios computacionales de interacciones proteína-proteína. 44 : 168-178. doi :10.1016/j.sbi.2017.04.002. PMC 6688470 . PMID  28482337. 
15. "Un método novedoso abre la puerta a una mejor comprensión de las interacciones entre glicanos y proteínas". GEN - Noticias de Ingeniería Genética y Biotecnología . 2018-03-01 . Consultado el 13 de mayo de 2020 .
16. Oyelaran, Oyindasola; Gildersleeve, Jeffrey C. (1 de octubre de 2009). "Matrices de glicanos: avances recientes y desafíos futuros". Opinión actual en biología química . 13 (4): 406–413. doi :10.1016/j.cbpa.2009.06.021. ISSN  1367-5931. PMC 2749919 . PMID  19625207. 
17. Wang, Linlin; Cummings, Richard D; Smith, David F; Huflejt, Margarita; Campbell, Christopher T; Gildersleeve, Jeffrey C; Gerlach, Jared Q; Kilcoyne, Michelle; Joshi, Lokesh; Serna, Sonia; Reichardt, Niels-Christian (22 de marzo de 2014). "Comparación multiplataforma de formatos de micromatrices de glucanos". Glicobiología . 24 (6): 507–517. doi :10.1093/glicob/cwu019. ISSN  0959-6658. PMC 4001710 . PMID  24658466. 
18. Raman, Rahul; Tharakaraman, Kannan; Sasisekharan, V; Sasisekharan, Ram (25 de octubre de 2016). "Interacciones glicano-proteína en la patogénesis viral". Opinión actual en biología estructural . 40 : 153-162. doi :10.1016/j.sbi.2016.10.003. ISSN  0959-440X. PMC 5526076 . PMID  27792989. 
19. Taroni, Chiara; Jones, Susan; Thornton, Janet M. (1 de febrero de 2000). "Análisis y predicción de sitios de unión de carbohidratos". Ingeniería, Diseño y Selección de Proteínas . 13 (2): 89–98. doi : 10.1093/proteína/13.2.89 . ISSN  1741-0126. PMID  10708647.
20. Kulharia, Mahesh; Bridgett, Stephen J.; Bueno, Roger S.; Jackson, Richard M. (1 de octubre de 2009). "InCa-SiteFinder: un método para la predicción basada en la estructura de sitios de unión de inositol y carbohidratos en proteínas". Revista de modelado y gráficos moleculares . 28 (3): 297–303. doi : 10.1016/j.jmgm.2009.08.009. ISSN  1093-3263. PMID  19762259.
21. Zhao, Huiying; Taherzadeh, Ghazaleh; Zhou, Yaoqi; Yang, Yuedong (2018). "Predicción computacional de proteínas de unión a carbohidratos y sitios de unión". Protocolos actuales en ciencia de proteínas . 94 (1): e75. doi :10.1002/cpps.75. ISSN  1934-3663. PMID  30106511. S2CID  51976463.
22. Solís, Dolores; Bovin, Nicolai V.; Davis, Antonio P.; Jiménez-Barbero, Jesús; Romero, Antonio; Roy, René; Smetana, Karel; Gabius, Hans-Joachim (1 de enero de 2015). "Una guía sobre glicociencias: cómo la química, la bioquímica y la biología cooperan para descifrar el código del azúcar". Biochimica et Biophysica Acta (BBA) - Temas generales . 1850 (1): 186–235. doi :10.1016/j.bbagen.2014.03.016. hdl : 10261/130473 . ISSN  0304-4165. PMID  24685397.