Even though in the last few years several families of eukaryotic β-barrel outer membrane proteins (OMPs) have been discovered, their computational characterization and their annotation in public databases is far from complete. The PFAM database includes only very few characteristic profiles for these families and, in most cases, the profile Hidden Markov Models (pHMMs) have been trained using prokaryotic and eukaryotic proteins together. Here, we present for the first time a comprehensive computational analysis of eukaryotic transmembrane β-barrels. 12 characteristic pHMMs were built, based on an extensive literature search, that can discriminate eukaryotic β-barrels from other classes of proteins (globular and bacterial β-barrel ones), as well as between mitochondrial and chloroplastic ones. We built eight novel profiles for the chloroplastic β-barrel families that are not present in the PFAM database and, also, updated the profile for the MDM10 family 2 (PF12519) in PFAM and split the porin family (PF01459) into two separate families, namely VDAC and TOM40.
OMPdb (www.ompdb.org) was introduced as a database for β-barrel outer membrane proteins from Gram-negative bacteria in 2011 and then included 69,354 entries classified into 85 families. The database has been updated continuously using a collection of characteristic profile Hidden Markov Models able to discriminate between the different families of prokaryotic transmembrane β-barrels. The number of families has increased ultimately to a total of 129 families in the current, second major version of OMPdb. New additions have been made in parallel with efforts to update existing families and add novel families. Here, we present the upgrade of OMPdb, which from now on aims to become a global repository for all transmembrane β-barrel proteins, both eukaryotic and bacterial.
Feathers are the most prevalent agricultural waste generated by chicken farms, polluting the environment and wasting protein resources as a result of the accumulation of large amounts of feathers. Therefore, keratinase-producing microorganisms represent a promising potential technique for the degradation of feather waste. Streptomyces netropsis A-ICA and Bacillus subtilis ALICA, previously isolated from the rhizosphere of desert plants (Larrea tridentata and Prosopis juliflora) respectively, were assessed for their feather-degradation ability. Keratinase activity was optimized using various parameters, including incubation time, pH, temperature, and feather concentration. The maximum keratinase activity of S. netropsis A-ICA and B. subtilis ALICA (113.6 ± 5.1 and 135.6 ± 4.1 U/mL) was obtained at the 5th and 3rd day of incubation with initial pH of 7.0 and 7.5 at 25 and 30 °C, and 1% (w/v) of chicken feather, respectively. Under the optimized conditions, the concentration of soluble protein in the feather hydrolysate reached 423.3 ± 25 and 565.3 ± 7.7 µg/mL, with feathers weight loss of 84 ± 2 and 86± 1.5% by S. netropsis A-ICA and B. subtilis ALICA, respectively. The highest disulphide bond reductase activity reached 10.7 ± 0.4 and 1.96 ± 1.1 U/mL, after five and three days of inoculation with S. netropsis A-ICA and B. subtilis ALICA, respectively. Furthermore, the antioxidant activity of feather protein hydrolysate obtained by S. netropsis A-ICA and B. subtilis ALICA was evaluated using DPPH radical-scavenging activity, which exhibited a significant antioxidant potential with an IC50 value of 0.8 and 0.6 mg/mL. The 3D models of detected keratinases in both strains showed high similarity with subtilisin family. Further, the docking results clarified the importance of GSG and VVVFTP domains in B. subtilis and beta-keratin, respectively. The present study revealed the keratinolytic potential of S. netropsis A-ICA and B. subtilis ALICA in chicken feather degradation, which have potential application value and may be exploited as supplementary protein and antioxidant in animal feed formulations.
Υπολογιστικές μελέτες πρόγνωσης δομής και λειτουργίας πρωτεϊνών. Οι μεμβρανικές πρωτεΐνες συναντώνται ευρέως σε όλα τα ζωντανά κύτταρα όπου διαδραματίζουν καθοριστικό ρόλο στα μεταβολικά μονοπάτια (Cymer et al., 2015). Με βάση την φύση των αλληλεπιδράσεων μεμβράνης-πρωτεΐνης, μπορούμε να κατατάξουμε τις μεμβρανικές πρωτεΐνες σε δύο μεγάλες κατηγορίες: τις διαμεμβρανικές και τις περιφερειακές. Οι διαμεμβρανικές πρωτεΐνες (IMPs) παίζουν ζωτικό ρόλο στις κυτταρικές διεργασίες και στην κυτταρική επικοινωνία. Αντιπροσωπεύουν περίπου το 20-30% του ανθρώπινου γονιδιώματος. Μπορούν να χωριστούν με βάση τα δομικά χαρακτηριστικά τους σε δύο διακριτές κατηγορίες: τις α-ελικοειδείς διαμεμβρανικές πρωτεΐνες και τα β-βαρέλια (von Heijne, 1999).Τα διαμεμβρανικά β-βαρέλια της εξωτερικής μεμβράνης (βΟΜΡ) είναι σημαντικά συστατικά των εξωτερικών μεμβρανών των χλωροπλαστών, των μιτοχονδρίων και των αρνητικών κατά Gram βακτηρίων (Schulz, 2002). Παίζουν κεντρικό ρόλο στη σηματοδότηση και τη βιογένεση μεμβρανών και πραγματοποιούν μια σειρά σημαντικών κυτταρικών λειτουργιών συμπεριλαμβανομένης της δράσης ως μεταφορέων, πορινών, ενζύμων, παραγόντων μολυσματικότητας και υποδοχέων (Furer et al., 2011). Επιπλέον, τα διαμεμβρανικά β-βαρέλια παίζουν καθοριστικό ρόλο στη σύνδεση των οργανιδίων διπλής μεμβράνης με το υπόλοιπο κύτταρο. Συγκεκριμένα, τα κανάλια διευθετούν την μεταφορά προς το οργανίδιο προ-πρωτεϊνών του που συντίθενται στο κυταρόπλασμα και επιτρέπουν τη ροή πολυάριθμων μεταβολιτών (Hagan et al., 2011; Jores et al., 2016; Paschen et al., 2003; Voulhoux) et al., 2003; Wiedemann et al., 2003; Wu et al., 2005). Η παρουσία β-βαρελιών σε αυτά τα οργανίδια υποστηρίζει περαιτέρω την υπόθεση ότι οι χλωροπλάστες και τα μιτοχόνδρια εξελίχθηκαν από προκαρυωτικούς προγόνους όπως προτείνει η ενδοσυμβιωτική θεωρία (Dolezal et al., 2006). Τα διαμεμβρανικά β-βαρέλια σχηματίζουν επίσης μια αμυντική γραμμή για τα Gram-αρνητικά βακτήρια κατά της εισβολής παθογόνων και των επακόλουθων μολύνσεων, ενώ εκτελούν πολλές σημαντικές λειτουργίες εντός του κυττάρου, όπως η κυτταρική σηματοδότηση, η κυτταρική προσκόληση και η εισαγωγή θρεπτικών συστατικών (Noinaj et al., 2015). Η μεταφορά στα μιτοχόνδρια των πρωτεϊνών που κωδικοποιούνται στον πυρήνα πραγματοποιείται από διακριτές πρωτεϊνικές «μηχανές» μεταφοράς αποτελούμενες από πολλές υπομονάδες, οι οποίες εντοπίζονται στις εξωτερικές και εσωτερικές μεμβράνες των μιτοχονδρίων. Η πύλη εισόδου των μιτοχονδρίων για αυτές τις προ-πρωτεΐνες σχηματίζεται από την τρανσλοκάση της εξωτερικής μεμβράνης του μιτοχονδρίου (TOM). Μέσω του συμπλέγματος TOM, τα πρόδρομα β-βαρέλια μεταφέρονται σε ένα άλλο σύμπλοκο στην εξωτερική μεμβράνη, το σύμπλοκο TOB (Topogenesis of mitochondrial outer membrane β-barrel proteins) ή το σύμπλοκο SAM (Sorting and Assembly Machinery). Το τελευταίο σύμπλοκο μεσολαβεί στην εισαγωγή των προδρόμων β-βαρελιών στην εξωτερική μεμβράνη (Kozjak et al., 2003; Paschen et al., 2003; Wiedemann et al., 2003). Ο λόγος για τον οποίο αυτά τα μιτοχονδριακά β-βαρέλια καταλήγουν αποκλειστικά στο μιτοχόνδριο είναι ακόμα ασαφής. Πρόσφατα, ένα χαρακτηριστικό μοτίβο, η β-φουρκέτα, αποτελούμενο από εξαιρετικά υδρόφοβα αμινοξικά κατάλοιπα, ανακαλύφθηκε και, κατά συνέπεια, αυτό είναι πιθανώς το μιτοχονδριακό σήμα στόχευσης για τα διαμεμβρανικά β-βαρέλια (Jores et al., 2016). O βασικός σκοπός αυτής της εργασίας είναι η περιεκτική υπολογιστική μελέτη των χαρακτηριστικών σε επίπεδο αμινοξικής ακολουθίας όλων των βOMPs με στόχο την αποκάλυψη βασικών χαρακτηριστικών που οδηγούν στον λειτουργικό χαρακτηρισμό και την ταξινόμησή τους. Η παρούσα εργασία επικεντρώνεται κυρίως στους ακόλουθους τρεις στόχους: Ο πρώτος μας στόχος είναι να χαρακτηρίσουμε πλήρως τις οικογένειες των μιτοχονδριακών και χλωροπλαστικών βΟΜΡ, που είναι ήδη γνωστές στη βιβλιογραφία (δηλαδή, υπάρχουν πειραματικά δεδομένα για τον εντοπισμό και τη λειτουργία των πρωτεϊνών), αλλά δεν έχουν μέχρι σήμερα μελετηθεί και χαρακτηριστεί με υπολογιστικές μεθόδους. Η βάση δεδομένων PFAM (El-Gebali et al., 2019), η πληρέστερη βάση δεδομένων οικογενειών πρωτεϊνών, περιλαμβάνει μόνο λίγες χαρακτηριστικά προφίλ για αυτές τις οικογένειες. Για το σκοπό αυτό, εμείς: 1. Πραγματοποιήσαμε μια ολοκληρωμένη αναζήτηση της βιβλιογραφίας για όλα τα ευκαρυωτικά διαμεμβρανικά βΟΜΡ. 2. Πραγματοποιήσαμε μια υπολογιστική ανάλυση όλων των ευκαρυωτικών διαμεμβρανικών βΟΜΡ και μελετήσαμε τα χαρακτηριστικά των αμινοξικών ακολουθιών τους. 3. Χωρίσαμε την οικογένεια ευκαρυωτικών πορινών (PFAM: PF01459) σε δύο διαφορετικές οικογένειες βOMP: τα εξαρτώμενα από την τάση κανάλια ανιόντων (VDAC) και τις τρανσλοκάσες της εξωτερικής μεμβράνης του μιτοχονδρίου 40 (TOM40). Παρόλο που αυτές οι δύο οικογένειες παρουσιάζουν υψηλή ποικιλομορφία σε επίπεδο αμινοξικής ακολουθίας (Cavalier-Smith, 2006; Maćašev et al., 2004; Paschen et al., 2003), κατατάσσονται στην ίδια οικογένεια στην PFAM (El-Gebali et al., 2019). 4. Μελετήσαμε τη συχνότητα εμφάνισης όλων των ευκαρυωτικών διαμεμβρανικών οικογενειών βΟΜΡ στα πρωτεώματα ευκαρυωτικών οργανισμών-μοντέλων και αποδόσαμε νέο λειτουργικό σχολιασμό για πολλές προηγουμένως μη χαρακτηρισμένες πρωτεΐνες. Ο δεύτερος στόχος μας είναι η OMPdb (Tsirigos et al., 2011), μια βάση δεδομένων για βακτηριακά βΟΜΡ, να γίνει ένας ενιαίος κόμβος για όλα τα διαμεμβρανικά βΟΜΡ, ευκαρυωτικά και προκαρυωτικά. Από το 2011, η OMPdb λειτούργησε ως αποθετήριο για τα βακτηριακά βΟΜΡ και είναι μέχρι τώρα η πιο πλήρης συλλογή διαμεμβρανικών βΟΜΡ των αρνητικών κατά Gram βακτηρίων. Ενημερώνεται διαρκώς χρησιμοποιώντας μια συλλογή χαρακτηριστικών προφίλ Hidden Markov Models (pHMMs) (Tsirigos et al., 2011). Εδώ κάναμε τα εξής: 1. Προσθέσαμε νέες οικογένειες και ενημερώσαμε τις υπάρχουσες είτε συμπεριλαμβάνοντας νέο λειτουργικό σχολιασμό ή ενημερώνοντας τα αντίστοιχα pHMMs. 2. Συμπεριλάβαμε νέες δυνατότητες, όπως η δημιουργία τρισδιάστατων μοντέλων για όλα τα μέλη του αρχικού συνόλου (seed set) κάθε οικογένειας, η πλήρης τοπολογία κάθε πρωτεΐνης χρησιμοποιώντας τους αλγόριθμους πρόγνωσης SignalP5 και PREDTMBB2 και, τέλος, ο επανασχεδιασμός του περιβάλλοντος εργασίας χρήστη (user interface). Ο τρίτος στόχος μας είναι να μελετήσουμε τα χαρακτηριστικά των δύο τελευταίων β-φύλλων των μιτοχονδριακών βΟΜΡs και να δοκιμάσουμε για να κατασκευάσουμε μια υπολογιστική μέθοδο βασισμένη σε κρυφά μοντέλα Markov για την αναγνώριση όλων των μιτοχονδριακών διαμεμβρανικών βΟΜΡ. Για να διερευνήσουμε αυτά τα χαρακτηριστικά, ακολουθήσαμε τα εξής βήματα: 1. Προσπαθήσαμε να δημιουργήσουμε ένα ειδικό pHMM με βάση τα τελευταία δύο β-φύλλα των μιτοχονδριακών βΟΜΡs. 2. Πραγματοποιήσαμε πολλαπλές αναζητήσεις χρησιμοποιώντας αυτό το pHMM σε θετικά και αρνητικά σύνολα ώστε να αξιολογήσουμε την ικανότητά του να ανιχνεύει όλα τα μιτοχονδριακά βΟΜΡ και να τα ξεχωρίζει από τα αντίστοιχα σφαιρικά-υδατοδιαλυτά, χλωροπλαστικά ή/και βακτηριακά β-βαρέλια.
Transmembrane β-barrel proteins perform multiple cellular functions such as passive transport of ions and allowing the flux of molecules. Also, they act as enzymes, transporters, receptors and virulence factors. Even though, in the last few years, several families of eukaryotic β-barrel outer membrane proteins (OMPs) have been discovered, the computational characterization of these families is far from complete. The PFAM database includes only very few characteristic profiles for these families and, in most cases, the profile Hidden Markov Models where trained using both prokaryotic and eukaryotic proteins. Here, we present, for the first time, a comprehensive computational analysis of eukaryotic transmembrane β- barrels. Ten characteristic pHMMs were build that can discriminate eukaryotic β-barrels from other classes of β-barrel proteins (globular and bacterial) and are, also, capable of discriminating between mitochondrial and chloroplastic ones. Specifically, we built six new pHMMs for the chloroplastic β-barrel families not included in the PFAM database and, also, updated the profile for MDM10 family (PF12519) and divided the porin family (PF01459) into two separated families VDAC and TOM40. We hope that all the pHMMs presented here will be used for the detection and characterization of eukaryotic OMPs in newly discovered proteomes.
Transmembrane β-barrel proteins perform multiple cellular functions such as passive transport of ions and allowing the flux of molecules. Also, they act as enzymes, transporters, receptors and virulence factors. Even though, in the last few years, several families of eukaryotic β-barrel outer membrane proteins (OMPs) have been discovered, the computational characterization of these families is far from complete. The PFAM database includes only very few characteristic profiles for these families and, in most cases, the profile Hidden Markov Models where trained using both prokaryotic and eukaryotic proteins. Here, we present, for the first time, a comprehensive computational analysis of eukaryotic transmembrane β- barrels. Ten characteristic pHMMs were build that can discriminate eukaryotic β-barrels from other classes of β-barrel proteins (globular and bacterial) and are, also, capable of discriminating between mitochondrial and chloroplastic ones. Specifically, we built six new pHMMs for the chloroplastic β-barrel families not included in the PFAM database and, also, updated the profile for MDM10 family (PF12519) and divided the porin family (PF01459) into two separated families VDAC and TOM40. We hope that all the pHMMs presented here will be used for the detection and characterization of eukaryotic OMPs in newly discovered proteomes.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.