stringtranslate.com

Proteoma

Esquema general que muestra las relaciones del genoma , transcriptoma , proteoma y metaboloma ( lipidoma ).

El proteoma es el conjunto completo de proteínas que se expresan o pueden expresarse en un genoma , célula, tejido u organismo en un momento determinado. Es el conjunto de proteínas expresadas en un tipo determinado de célula u organismo, en un momento dado, en condiciones definidas. La proteómica es el estudio del proteoma.

Tipos de proteomas

Aunque el proteoma generalmente se refiere al proteoma de un organismo, los organismos multicelulares pueden tener proteomas muy diferentes en diferentes células, por lo tanto es importante distinguir los proteomas en las células y los organismos.

Un proteoma celular es el conjunto de proteínas que se encuentran en un tipo particular de célula bajo un conjunto particular de condiciones ambientales, como la exposición a la estimulación hormonal .

También puede resultar útil considerar el proteoma completo de un organismo , que puede definirse como el conjunto completo de proteínas de todos los diversos proteomas celulares. Este es, en líneas generales, el equivalente proteico del genoma .

El término proteoma también se ha utilizado para referirse al conjunto de proteínas en ciertos sistemas subcelulares , como los orgánulos. Por ejemplo, el proteoma mitocondrial puede estar formado por más de 3000 proteínas distintas. [1] [2] [3]

Las proteínas de un virus pueden denominarse proteoma viral . Por lo general, los proteomas virales se predicen a partir del genoma viral [4], pero se han realizado algunos intentos para determinar todas las proteínas expresadas a partir de un genoma viral, es decir, el proteoma viral. [5] Sin embargo, con más frecuencia, la proteómica viral analiza los cambios de las proteínas del huésped tras la infección viral, de modo que en efecto se estudian dos proteomas (del virus y de su huésped). [6]

Importancia en el cáncer

El proteoma se puede utilizar para determinar la presencia de diferentes tipos de cáncer.

El proteoma se puede utilizar para analizar comparativamente diferentes líneas celulares de cáncer. Se han utilizado estudios proteómicos para identificar la probabilidad de metástasis en las líneas celulares de cáncer de vejiga KK47 e YTS1 y se ha descubierto que tienen 36 proteínas no reguladas y 74 reguladas a la baja. [7] Las diferencias en la expresión de proteínas pueden ayudar a identificar nuevos mecanismos de señalización del cáncer.

Se han encontrado biomarcadores de cáncer mediante análisis proteómicos basados ​​en espectrometría de masas . El uso de la proteómica o el estudio del proteoma es un paso adelante en la medicina personalizada para adaptar los cócteles de fármacos al perfil proteómico y genómico específico del paciente. [8] El análisis de líneas celulares de cáncer de ovario mostró que los biomarcadores putativos para el cáncer de ovario incluyen "α-enolasa (ENOA), factor de elongación Tu , mitocondrial (EFTU), gliceraldehído-3-fosfato deshidrogenasa (G3P) , proteína estrés-70, mitocondrial (GRP75), apolipoproteína A-1 (APOA1) , peroxirredoxina (PRDX2) y anexina A (ANXA) ". [9]

Los análisis proteómicos comparativos de 11 líneas celulares demostraron la similitud entre los procesos metabólicos de cada línea celular; en este estudio se identificaron 11.731 proteínas en su totalidad. Las proteínas de mantenimiento tienden a mostrar una mayor variabilidad entre líneas celulares. [10]

La resistencia a ciertos fármacos contra el cáncer aún no se comprende bien. Se ha utilizado el análisis proteómico para identificar proteínas que pueden tener propiedades anticancerígenas, específicamente para el fármaco contra el cáncer de colon irinotecan . [11] Los estudios de la línea celular de adenocarcinoma LoVo demostraron que 8 proteínas no estaban reguladas y 7 proteínas estaban reguladas a la baja. Las proteínas que mostraron una expresión diferencial estaban involucradas en procesos como la transcripción, la apoptosis y la proliferación/diferenciación celular, entre otros.

El proteoma en los sistemas bacterianos

Se han realizado análisis proteómicos en diferentes tipos de bacterias para evaluar sus reacciones metabólicas en diferentes condiciones. Por ejemplo, en bacterias como Clostridium y Bacillus , se utilizaron análisis proteómicos para investigar cómo diferentes proteínas ayudan a las esporas de cada una de estas bacterias a germinar después de un período prolongado de latencia. [12] Para comprender mejor cómo eliminar adecuadamente las esporas, se deben realizar análisis proteómicos.

Historia

Marc Wilkins acuñó el término proteoma [13] en 1994 en un simposio sobre "Electroforesis 2D: de los mapas de proteínas a los genomas" celebrado en Siena (Italia). Apareció impreso en 1995 [14] , con la publicación de parte de su tesis doctoral. Wilkins utilizó el término para describir el conjunto completo de proteínas expresadas por un genoma, una célula, un tejido o un organismo.

Tamaño y contenido

Los genomas de los virus y procariotas codifican un proteoma relativamente bien definido, ya que cada proteína se puede predecir con alta confianza, en función de su marco de lectura abierto (en los virus, el rango va desde ~3 a ~1000, en las bacterias, desde aproximadamente 500 proteínas hasta aproximadamente 10 000). [15] Sin embargo, la mayoría de los algoritmos de predicción de proteínas utilizan ciertos puntos de corte, como 50 o 100 aminoácidos, por lo que las proteínas pequeñas a menudo se pasan por alto en dichas predicciones. [16] En los eucariotas, esto se vuelve mucho más complicado, ya que se puede producir más de una proteína a partir de la mayoría de los genes debido al empalme alternativo (por ejemplo, el genoma humano codifica alrededor de 20 000 proteínas, pero algunas estimaciones predijeron 92 179 proteínas [ cita requerida ] de las cuales 71 173 son variantes de empalme [ cita requerida ] ). [17]

Asociación del tamaño del proteoma con la capacidad de reparación del ADN

El concepto de “restricción proteómica” es que la capacidad de reparación del ADN está correlacionada positivamente con el contenido de información de un genoma , que, a su vez, está aproximadamente relacionado con el tamaño del proteoma. [18] En bacterias , arqueas y virus de ADN , la capacidad de reparación del ADN está relacionada positivamente con el contenido de información del genoma y con el tamaño del genoma. [18] La “restricción proteómica” propone que los moduladores de las tasas de mutación, como los genes de reparación del ADN, están sujetos a una presión de selección proporcional a la cantidad de información en un genoma. [18]

Proteoformas . Existen diferentes factores que pueden añadir variabilidad a las proteínas. Los SAP (polimorfismos de un solo aminoácido) y los polimorfismos de un solo nucleótido no sinónimo (nsSNP) pueden dar lugar a diferentes "proteoformas" [19] o "proteomorfos". Estimaciones recientes han encontrado ~135.000 cSNP no sinónimos validados actualmente alojados en SwissProt. En dbSNP, hay 4,7 millones de cSNP candidatos, pero solo se han validado ~670.000 cSNP en el conjunto de 1.000 genomas como cSNP no sinónimos que cambian la identidad de un aminoácido en una proteína. [19]

Proteoma oscuro . El término proteoma oscuro acuñado por Perdigão y colegas define regiones de proteínas que no tienen homología de secuencia detectable con otras proteínas de estructura tridimensional conocida y, por lo tanto, no se pueden modelar por homología . Para 546.000 proteínas Swiss-Prot, se encontró que entre el 44 y el 54 % del proteoma en eucariotas y virus era "oscuro", en comparación con solo el ~14 % en arqueas y bacterias . [20]

Proteoma humano . Actualmente, varios proyectos tienen como objetivo mapear el proteoma humano, incluido el Mapa del Proteoma Humano, ProteomicsDB, isoform.io y The Human Proteome Project (HPP). Al igual que el proyecto del genoma humano , estos proyectos buscan encontrar y recopilar evidencia de todos los genes codificadores de proteínas predichos en el genoma humano. El Mapa del Proteoma Humano actualmente (octubre de 2020) reclama 17,294 proteínas y ProteomicsDB 15,479, utilizando diferentes criterios. El 16 de octubre de 2020, el HPP publicó un plan de alta rigurosidad [21] que cubre más del 90% de los genes codificadores de proteínas predichos. Las proteínas se identifican a partir de una amplia gama de tejidos y tipos de células fetales y adultos, incluidas las células hematopoyéticas .

Métodos para estudiar el proteoma

Esta imagen muestra un gel bidimensional con proteínas codificadas por colores. Esta es una forma de visualizar las proteínas en función de su masa y punto isoeléctrico.

El análisis de proteínas resulta más difícil que el de secuencias de ácidos nucleicos. Si bien el ADN está formado por tan solo cuatro nucleótidos, una proteína puede estar formada por al menos veinte aminoácidos diferentes. Además, actualmente no se conoce ninguna tecnología de alto rendimiento para realizar copias de una sola proteína. Existen numerosos métodos para estudiar proteínas, conjuntos de proteínas o el proteoma completo. De hecho, las proteínas suelen estudiarse de forma indirecta, por ejemplo, mediante métodos computacionales y análisis de genomas. A continuación se ofrecen solo algunos ejemplos.

Técnicas de separación y electroforesis

La proteómica , el estudio del proteoma, se ha practicado en gran medida a través de la separación de proteínas mediante electroforesis en gel bidimensional . En la primera dimensión, las proteínas se separan mediante isoelectroenfoque , que resuelve las proteínas en función de la carga. En la segunda dimensión, las proteínas se separan por peso molecular utilizando SDS-PAGE . El gel se tiñe con azul brillante de Coomassie o plata para visualizar las proteínas. Las manchas en el gel son proteínas que han migrado a ubicaciones específicas.

Espectrometría de masas

Un espectrómetro de masas Orbitrap comúnmente utilizado en proteómica

La espectrometría de masas es uno de los métodos clave para estudiar el proteoma. [22] Algunos métodos de espectrometría de masas importantes incluyen la espectrometría de masas Orbitrap, MALDI (desorción/ionización láser asistida por matriz) y ESI (ionización por electrospray). La huella de masa de péptidos identifica una proteína al escindirla en péptidos cortos y luego deduce la identidad de la proteína al hacer coincidir las masas de péptidos observadas con una base de datos de secuencias . La espectrometría de masas en tándem , por otro lado, puede obtener información de secuencia de péptidos individuales aislándolos, colisionándolos con un gas no reactivo y luego catalogando los iones de fragmentos producidos. [23]

En mayo de 2014, se publicó en Nature un borrador del mapa del proteoma humano . [24] Este mapa se generó mediante espectrometría de masas por transformada de Fourier de alta resolución. Este estudio perfiló 30 muestras humanas histológicamente normales y dio como resultado la identificación de proteínas codificadas por 17.294 genes. Esto representa alrededor del 84 % del total de genes codificadores de proteínas anotados.

Cromatografía

La cromatografía líquida es una herramienta importante en el estudio del proteoma. Permite la separación muy sensible de diferentes tipos de proteínas en función de su afinidad por una matriz. Algunos métodos más nuevos para la separación e identificación de proteínas incluyen el uso de columnas capilares monolíticas, cromatografía de alta temperatura y electrocromatografía capilar. [25]

Secante

La técnica Western blot se puede utilizar para cuantificar la abundancia de determinadas proteínas. Mediante el uso de anticuerpos específicos para la proteína de interés, es posible detectar la presencia de proteínas específicas en una mezcla de proteínas.

Ensayos de complementación de proteínas y análisis de interacciones

Los ensayos de complementación de fragmentos de proteínas se utilizan a menudo para detectar interacciones proteína-proteína . El ensayo de doble híbrido en levadura es el más popular de ellos, pero existen numerosas variaciones, tanto utilizadas in vitro como in vivo . Los ensayos pull-down son un método para determinar los socios de unión de proteínas de una proteína dada. [26]

Predicción de la estructura de las proteínas

La predicción de la estructura de las proteínas se puede utilizar para proporcionar predicciones tridimensionales de la estructura de las proteínas de proteomas completos. En 2022, una colaboración a gran escala entre EMBL-EBI y DeepMind proporcionó estructuras predichas para más de 200 millones de proteínas de todo el árbol de la vida. [27] Proyectos más pequeños también han utilizado la predicción de la estructura de las proteínas para ayudar a mapear el proteoma de organismos individuales, por ejemplo, isoform.io proporciona cobertura de múltiples isoformas de proteínas para más de 20.000 genes en el genoma humano . [28]

Bases de datos de proteínas

El Atlas de Proteínas Humanas contiene información sobre las proteínas humanas en células, tejidos y órganos. Todos los datos de este recurso de conocimiento son de acceso abierto para permitir que los científicos, tanto del ámbito académico como de la industria, accedan libremente a los datos para explorar el proteoma humano. La organización ELIXIR ha seleccionado el atlas de proteínas como recurso central debido a su importancia fundamental para una comunidad más amplia de ciencias de la vida.

La base de datos del proteoma plasmático, archivada el 27 de enero de 2021 en Wayback Machine, contiene información sobre 10 500 proteínas del plasma sanguíneo . Debido a que el rango de contenidos de proteínas en el plasma es muy amplio, es difícil detectar proteínas que tienden a ser escasas en comparación con las proteínas abundantes. Este es un límite analítico que posiblemente sea una barrera para la detección de proteínas con concentraciones ultrabajas. [29]

Bases de datos como neXtprot y UniProt son recursos centrales para los datos proteómicos humanos.

Véase también

Referencias

  1. ^ Johnson, DT; Harris, RA; French, S.; Blair, PV; You, J.; Bemis, KG; Wang, M.; Balaban, RS (2006). "Heterogeneidad tisular del proteoma mitocondrial de los mamíferos". Revista estadounidense de fisiología. Fisiología celular . 292 (2): c689–c697. doi :10.1152/ajpcell.00108.2006. PMID  16928776. S2CID  24412700.
  2. ^ Morgenstern, Marcel; Stiller, Sebastián B.; Lübbert, Philipp; Peikert, Christian D.; Dannenmaier, Stefan; Drepper, Friedel; Bueno, Uri; Hoess, Philipp; Feuerstein, Reinhild; Gebert, Michael; Bohnert, María (junio de 2017). "Definición de un proteoma mitocondrial de alta confianza a escala cuantitativa". Informes celulares . 19 (13): 2836–2852. doi :10.1016/j.celrep.2017.06.014. ISSN  2211-1247. PMC 5494306 . PMID  28658629. 
  3. ^ Gómez-Serrano, M (noviembre de 2018). "Mitoproteómica: abordaje de la disfunción mitocondrial en enfermedades humanas". Oxid Med Cell Longev . 2018 : 1435934. doi : 10.1155/2018/1435934 . PMC 6250043 . PMID  30533169. 
  4. ^ Uetz, P. (15 de octubre de 2004). "De los ORFeomas a los mapas de interacción de proteínas en virus". Genome Research . 14 (10b): 2029–2033. doi : 10.1101/gr.2583304 . ISSN  1088-9051. PMID  15489322.
  5. ^ Maxwell, Karen L.; Frappier, Lori (junio de 2007). "Proteómica viral". Microbiology and Molecular Biology Reviews . 71 (2): 398–411. doi :10.1128/MMBR.00042-06. ISSN  1092-2172. PMC 1899879 . PMID  17554050. 
  6. ^ Viswanathan, Kasinath; Früh, Klaus (diciembre de 2007). "Proteómica viral: evaluación global de los virus y su interacción con el huésped". Expert Review of Proteomics . 4 (6): 815–829. doi :10.1586/14789450.4.6.815. ISSN  1744-8387. PMID  18067418. S2CID  25742649.
  7. ^ Yang, Ganglong; Xu, Zhipeng; Lu, Wei; Li, Xiang; Sun, Chengwen; Guo, Jia; Xue, Peng; Guan, Feng (31 de julio de 2015). "Análisis cuantitativo de la expresión diferencial del proteoma en el cáncer de vejiga frente a las células de vejiga normales utilizando el método SILAC". PLOS ONE . ​​10 (7): e0134727. Bibcode :2015PLoSO..1034727Y. doi : 10.1371/journal.pone.0134727 . ISSN  1932-6203. PMC 4521931 . PMID  26230496. 
  8. ^ An, Yao; Zhou, Li; Huang, Zhao; Niza, Edouard C.; Zhang, Haiyuan; Huang, Canhua (4 de mayo de 2019). "Información molecular sobre la resistencia a los fármacos contra el cáncer desde una perspectiva proteómica". Expert Review of Proteomics . 16 (5): 413–429. doi :10.1080/14789450.2019.1601561. ISSN  1478-9450. PMID  30925852. S2CID  88474614.
  9. ^ Cruz, Isa N.; Coley, Helen M.; Kramer, Holger B.; Madhuri, Thumuluru Kavitah; Safuwan, Nur a. M.; Angelino, Ana Rita; Yang, Min (1 de enero de 2017). "El análisis proteómico de líneas celulares y tejidos de cáncer de ovario revela proteínas asociadas a resistencia a fármacos". Genómica y proteómica del cáncer . 14 (1): 35–51. doi :10.21873/cgp.20017. ISSN  1109-6535. PMC 5267499 . PMID  28031236. 
  10. ^ Geiger, Tamar; Wehner, Anja; Schaab, Christoph; Cox, Juergen; Mann, Matthias (marzo de 2012). "El análisis proteómico comparativo de once líneas celulares comunes revela una expresión ubicua pero variable de la mayoría de las proteínas". Molecular & Cellular Proteomics . 11 (3): M111.014050. doi : 10.1074/mcp.M111.014050 . ISSN  1535-9476. PMC 3316730 . PMID  22278370. 
  11. ^ Peng, Xing-Chen; Gong, Feng Ming; Wei, Meng; Chen, Xi; Chen, Ye; Cheng, Ke; Gao, Feng; Xu, Feng; Bi, Feng; Liu, Ji-Yan (diciembre de 2010). "Análisis proteómico de líneas celulares para identificar las proteínas de resistencia al irinotecán". Revista de Biociencias . 35 (4): 557–564. doi :10.1007/s12038-010-0064-9. ISSN  0250-5991. PMID  21289438. S2CID  6082637.
  12. ^ Chen, Yan; Barat, Bidisha; Ray, W. Keith; Helm, Richard F.; Melville, Stephen B.; Popham, David L. (15 de marzo de 2019). "Proteomas de membrana y transportadores de iones en esporas latentes y germinativas de Bacillus anthracis y Bacillus subtilis". Revista de bacteriología . 201 (6). doi :10.1128/JB.00662-18. ISSN  0021-9193. PMC 6398275 . PMID  30602489. 
  13. ^ Wilkins, Marc (diciembre de 2009). "Minería de datos de proteómica". Expert Review of Proteomics . 6 (6). Inglaterra : 599–603. doi :10.1586/epr.09.81. PMID  19929606. S2CID  207211912.
  14. ^ Wasinger VC, Cordwell SJ, Cerpa-Poljak A, Yan JX, Gooley AA, Wilkins MR, Duncan MW, Harris R, Williams KL, Humphery-Smith I (1995). "Progreso en el mapeo de productos genéticos de los mollicutes: Mycoplasma genitalium". Electroforesis . 16 (1): 1090–94. doi :10.1002/elps.11501601185. PMID  7498152. S2CID  9269742.
  15. ^ Kozlowski, LP (26 de octubre de 2016). "Proteome-pI: base de datos de puntos isoeléctricos del proteoma". Nucleic Acids Research . 45 (D1): D1112–D1116. doi :10.1093/nar/gkw978. PMC 5210655 . PMID  27789699. 
  16. ^ Leslie, Mitch (18 de octubre de 2019). "Un impacto descomunal". Science . 366 (6463): 296–299. Bibcode :2019Sci...366..296L. doi :10.1126/science.366.6463.296. ISSN  0036-8075. PMID  31624194. S2CID  204774732.
  17. ^ Uniprot, Consorcio (2014). "UniProt: un centro de información sobre proteínas". Investigación en ácidos nucleicos . 43 (D1): D204–D212. doi :10.1093/nar/gku989. ISSN  0305-1048. PMC 4384041 . PMID  25348405. 
  18. ^ abc Acosta S, Carela M, Garcia-Gonzalez A, Gines M, Vicens L, Cruet R, Massey SE. La reparación del ADN está asociada con el contenido de información en bacterias, arqueas y virus de ADN. J Hered. 2015 sep-oct;106(5):644-59. doi: 10.1093/jhered/esv055. Publicación electrónica 29 de agosto de 2015. PMID: 26320243
  19. ^ ab Aebersold, Ruedi; Agar, Jeffrey N; Amster, I Jonathan; Baker, Mark S; Bertozzi, Carolyn R; Boja, Emily S; Costello, Catherine E; Cravatt, Benjamin F; Fenselau, Catherine; Garcia, Benjamin A; Ge, Ying (marzo de 2018). "¿Cuántas proteoformas humanas hay?". Nature Chemical Biology . 14 (3): 206–214. doi :10.1038/nchembio.2576. hdl :1721.1/120977. ISSN  1552-4450. PMC 5837046 . PMID  29443976. 
  20. ^ Perdigão, Nelson; et al. (2015). "Características inesperadas del proteoma oscuro". PNAS . 112 (52): 15898–15903. Bibcode :2015PNAS..11215898P. doi : 10.1073/pnas.1508380112 . PMC 4702990 . PMID  26578815. 
  21. ^ Adhikari, S (octubre de 2020). "Un modelo de alta rigurosidad del proteoma humano". Nature Communications . 11 (1): 5301. Bibcode :2020NatCo..11.5301A. doi :10.1038/s41467-020-19045-9. PMC 7568584 . PMID  33067450. 
  22. ^ Altelaar, AF; Munoz, J; Heck, AJ (enero de 2013). "Proteómica de próxima generación: hacia una visión integradora de la dinámica del proteoma". Nature Reviews Genetics . 14 (1): 35–48. doi :10.1038/nrg3356. PMID  23207911. S2CID  10248311.
  23. ^ Wilhelm, Mathías; Schlegl, Judith; Hahne, Hannes; Gholami, Amin Moghaddas; Lieberenz, Marcus; Savitski, Mijaíl M.; Ziegler, Emanuel; Butzmann, Lars; Gessulat, Sigfrido; Marx, Harald; Mathieson, Toby; Lemeer, Simone; Schnatbaum, Karsten; Reimer, Ulf; Wenschuh, Holger; Mollenhauer, Martín; Slotta-Huspenina, Julia; Boese, Joos-Hendrik; Bantscheff, Marcos; Gerstmair, Anja; Faerber, Franz; Kuster, Bernhard (2014). "Borrador del proteoma humano basado en espectrometría de masas". Naturaleza . 509 (7502): 582–7. Código Bib :2014Natur.509..582W. doi :10.1038/nature13319. PMID  24870543. S2CID  4467721. Archivado desde el original el 2018-08-20 . Consultado el 2016-09-29 .
  24. ^ Kim, Min-Sik; et al. (mayo de 2014). "Un borrador del mapa del proteoma humano". Nature . 509 (7502): 575–81. Bibcode :2014Natur.509..575K. doi :10.1038/nature13302. PMC 4403737 . PMID  24870542. 
  25. ^ Shi, Yang; Xiang, Rong; Horváth, Csaba; Wilkins, James A. (22 de octubre de 2004). "El papel de la cromatografía líquida en la proteómica". Journal of Chromatography A . Química bioanalítica: perspectivas y avances recientes con el reconocimiento de Barry L. Karger. 1053 (1): 27–36. doi :10.1016/j.chroma.2004.07.044. ISSN  0021-9673. PMID  15543969.
  26. ^ "Ensayos de pull-down - EE. UU." www.thermofisher.com . Consultado el 5 de diciembre de 2019 .
  27. ^ Callaway, Ewen (28 de julio de 2022). «'Todo el universo proteico': la IA predice la forma de casi todas las proteínas conocidas». Nature . 608 (7921): 15–16. Bibcode :2022Natur.608...15C. doi : 10.1038/d41586-022-02083-2 . ​​PMID  35902752. S2CID  251159714.
  28. ^ Sommer, Markus J.; Cha, Sooyoung; Varabyou, Ales; Rincon, Natalia; Park, Sukhwan; Minkin, Ilia; Pertea, Mihaela; Steinegger, Martin; Salzberg, Steven L. (15 de diciembre de 2022). "Identificación de isoformas guiada por la estructura para el transcriptoma humano". eLife . 11 : e82556. doi : 10.7554/eLife.82556 . PMC 9812405 . PMID  36519529. 
  29. ^ Ponomarenko, Elena A.; Poverennaya, Ekaterina V.; Ilgisonis, Ekaterina V.; Pyatnitskiy, Mikhail A.; Kopylov, Arthur T.; Zgoda, Víctor G.; Lisitsa, Andrey V.; Archakov, Alejandro I. (2016). "El tamaño del proteoma humano: el ancho y la profundidad". Revista Internacional de Química Analítica . 2016 : 7436849. doi : 10.1155/2016/7436849 . ISSN  1687-8760. PMC 4889822 . PMID  27298622. 

Enlaces externos