Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Sự tương đồng cao của hồ sơ phát sinh loài của các enzyme hạn chế tốc độ có quan hệ ức chế ở Người, Chuột, Rái Cá, Nấm men mới nảy mầm và E. coli
Tóm tắt
Hồ sơ phát sinh loài được sử dụng rộng rãi để mô tả sự liên kết chức năng và sự bảo tồn giữa các protein mà không cần sự tương đồng về chuỗi axit amin. Để khảo sát các đặc tính điều tiết bảo tồn của các enzyme hạn chế tốc độ (RLEs) trong mạng lưới ức chế chuyển hóa giữa các loài khác nhau, chúng tôi định nghĩa cặp enzyme ức chế là: trong đó enzyme đầu tiên trong một cặp là nhà cung cấp chất ức chế và enzyme thứ hai là mục tiêu của chất ức chế. Hồ sơ phát sinh loài của các enzyme trong các cặp ức chế tiếp tục được tạo ra để đo lường sự liên kết chức năng của các enzyme này qua lịch sử tiến hóa. Chúng tôi phát hiện rằng các RLEs tạo ra, trung bình, hơn một nửa tất cả các chất ức chế in vivo trong mỗi sinh vật mô hình được khảo sát. Và những chất ức chế này ức chế trung bình hơn 85% các mục tiêu trong mạng lưới ức chế chuyển hóa và bao phủ phần lớn các mục tiêu của các mối quan hệ ức chế qua các con đường khác nhau. Hơn nữa, chúng tôi chứng minh rằng hồ sơ phát sinh loài của các enzyme trong các cặp ức chế mà trong đó ít nhất một enzyme là hạn chế tốc độ thường cho thấy sự tương đồng cao hơn so với những cặp enzyme ức chế chung. Thêm vào đó, RLEs, so với các enzyme chuyển hóa chung, thường có xu hướng sản xuất ADP thay vì AMP trong các mạng lưới ức chế bảo tồn. Kết hợp với vai trò bảo tồn của RLEs trong hiệu quả cảm nhận tín hiệu chuyển hóa và truyền tải tín hiệu điều tiết đến phần còn lại của hệ thống chuyển hóa, các RLEs có thể là những phân tử quan trọng trong việc duy trì cân bằng nội môi năng lượng thông qua việc duy trì tỷ lệ ATP so với ADP trong các tế bào sống. Hơn nữa, kết quả của chúng tôi chỉ ra rằng sự tương đồng của hồ sơ phát sinh loài của các enzyme trong các cặp enzyme ức chế không chỉ liên quan đến tầm quan trọng hình học của enzyme, mà còn liên quan đến vai trò của các enzyme trong mạng lưới ức chế chuyển hóa.
Từ khóa
#enzyme hạn chế tốc độ #hồ sơ phát sinh loài #mạng lưới ức chế chuyển hóa #sự bảo tồn #chất ức chế in vivoTài liệu tham khảo
Pellegrini M, et al: Assigning protein functions by comparative genome analysis: protein phylogenetic profiles. Proc Natl Acad Sci U S A. 1999, 96 (8): 4285-4288. 10.1073/pnas.96.8.4285.
Yook SH, Oltvai ZN, Barabasi AL: Functional and topological characterization of protein interaction networks. Proteomics. 2004, 4 (4): 928-942. 10.1002/pmic.200300636.
Cokus S, Mizutani S, Pellegrini M: An improved method for identifying functionally linked proteins using phylogenetic profiles. BMC Bioinformatics. 2007, 8 (Suppl 4): S7-10.1186/1471-2105-8-S4-S7.
Vert JP: A tree kernel to analyse phylogenetic profiles. Bioinformatics. 2002, 18 (Suppl 1): S276-284. 10.1093/bioinformatics/18.suppl_1.S276.
Barker D, Meade A, Pagel M: Constrained models of evolution lead to improved prediction of functional linkage from correlated gain and loss of genes. Bioinformatics. 2007, 23 (1): 14-20. 10.1093/bioinformatics/btl558.
Liu WC, et al: A network perspective on the topological importance of enzymes and their phylogenetic conservation. BMC Bioinformatics. 2007, 8: 121-10.1186/1471-2105-8-121.
Heinrich R, Rapoport SM, Rapoport TA: Metabolic regulation and mathematical models. Prog Biophys Mol Biol. 1977, 32 (1): 1-82.
Zhao M, et al: RLEdb: a database of Rate-Limiting Enzymes and their regulation in Human, Rat, Mouse, Yeast and E. coli. Cell Res. 2009, 19 (6): 1-3.
Zhao M, Qu H: Human liver rate-limiting enzymes influence metabolic flux via branch points and inhibitors. BMC Genomics. 2009, 10 (Suppl 3): S31-10.1186/1471-2164-10-S3-S31.
Barthelmes J, et al: BRENDA, AMENDA and FRENDA: the enzyme information system in 2007. Nucleic Acids Res. 2007, 35 (Database issue): D511-4.
Schomburg I, et al: BRENDA, the enzyme database: updates and major new developments. Nucleic Acids Res. 2004, 32 (Database issue): D431-3.
Kanehisa M, et al: From genomics to chemical genomics: new developments in KEGG. Nucleic Acids Res. 2006, 34 (Database issue): D354-7.
Aoki KF, Kanehisa M: Using the KEGG database resource. Curr Protoc Bioinformatics. 2005, Chapter 1: Unit 1-12.
Guyer D, Patton D, Ward E: Evidence for cross-pathway regulation of metabolic gene expression in plants. Proc Natl Acad Sci U S A. 1995, 92 (11): 4997-5000. 10.1073/pnas.92.11.4997.
Rebora K, Laloo B, Daignan-Fornier B: Revisiting purine-histidine cross-pathway regulation in Saccharomyces cerevisiae: a central role for a small molecule. Genetics. 2005, 170 (1): 61-70. 10.1534/genetics.104.039396.
Jan-Hendrik SH, Athel CB: Regulating the cellular economy of supply and demand. FEBS letters. 2000, 476 (1): 47-51. 10.1016/S0014-5793(00)01668-9.
Fernie AR, Geigenberger P, Stitt M: Flux an important, but neglected, component of functional genomics. Curr Opin Plant Biol. 2005, 8 (2): 174-182. 10.1016/j.pbi.2005.01.008.
Fiehn O: Metabolomics-the link between genotypes and phenotypes. Plant Mol Biol. 2002, 48 (1-2): 155-171.
Gutteridge A, Kanehisa M, Goto S: Regulation of metabolic networks by small molecule metabolites. BMC Bioinformatics. 2007, 8 (1): 88-10.1186/1471-2105-8-88.
R Development Core Team: R: a language and environment for statistical computing. . 2008, R Foundation for Statistical Computing