Abstract

Muitos estudos têm mostrado que as mutações missense pode desempenhar um papel importante na carcinogênese. No entanto, na medida em que as mutações de cancro pode afectar as interacções biomoleculares permanece obscura. Aqui, nós mapear mutações glioblastoma missense no interactoma proteína humana, modelo as estruturas de complexos de proteínas afectados e decifrar o efeito das mutações na proteína-proteína, proteína-ácido nucleico e as interfaces de ligação proteína-ião. Apesar de algumas mutações missense excesso de estabilizar complexos de proteína, descobrimos que o efeito global de mutações é desestabilizadora, afetando principalmente o componente eletrostática de energia de ligação. Nós também mostrou que mutações em interfaces resultou em mais mudanças drásticas de aminoácidos propriedades físico-químicas do que mutações que ocorrem fora das interfaces. Análise das mutações do glioblastoma em interfaces permitiu-nos para estratificar interacções relacionadas com o cancro, identificar potenciais genes de driver, e propor duas dezenas de biomarcadores de câncer adicionais, incluindo aqueles específicos para funções do sistema nervoso. Essa análise também ofereceu uma visão sobre o mecanismo molecular dos resultados fenotípicos de mutações, incluindo efeitos sobre a estabilidade do complexo, atividade, ligação e taxa de rotatividade. Como resultado da proteína mutada e análise de rede gene, observou-se que as interações das proteínas com mutações mapeadas em interfaces tinha propriedades gargalo mais elevados em relação às interações com mutações em outros lugares da proteína ou interações não afetados. Tais observações sugerem que os genes com mutações que afetam diretamente as propriedades ligação às proteínas são preferencialmente localizados em posições centrais da rede e pode influenciar nós críticos e bordas em redes de transdução de sinal

Citation:. Nishi H, Tyagi M, Teng S, Shoemaker BA , Hashimoto K, Alexov E, et al. (2013) Cancer missense mutações alteram Binding propriedades das proteínas e suas redes de interação. PLoS ONE 8 (6): e66273. doi: 10.1371 /journal.pone.0066273

editor: Attila Gursoy, Universidade Koc, Turquia |

Recebido: 20 de dezembro de 2012; Aceito: 02 de maio de 2013; Publicação: 14 de junho de 2013

Este é um artigo de acesso aberto, livre de todos os direitos autorais e pode ser livremente reproduzido, distribuído, transmitido, modificado, construído em cima, ou de outra maneira usado por qualquer pessoa para qualquer finalidade lícita. O trabalho é feito disponível sob a dedicação de domínio público da Creative Commons CC0

Financiamento:. Este trabalho foi apoiado pelo Programa de Pesquisa Intramural do National Library of Medicine em os EUA National Institutes of Health. K. H. em parte foi apoiada por uma JSPS Research Fellowship da Sociedade Japonesa para a Promoção da Ciência. EA foi apoiado em parte pelos Institutos Nacionais de Saúde, Instituto Nacional de Ciências Médicas Gerais, conceda número R01GM093937. Os financiadores não tiveram nenhum papel no desenho do estudo, coleta de dados e análise, decisão de publicar ou preparação do manuscrito

CONFLITO DE INTERESSES:.. Os autores declararam que não existem interesses conflitantes

Introdução

a maioria dos cancros são caracterizados por instabilidade genómica que é considerado como sendo um dos factores importantes que determinam o desenvolvimento do tumor [1]. Estas perturbações genéticas potencialmente levar a ativação de oncogenes anormal e /ou tumor inativação do gene supressor. De acordo com o conceito de “dependência oncogene”, as células cancerígenas dependem da actividade de um único ou alguns oncogenes para a sua proliferação e sobrevivência [2]. actividade alterada de oncogenes supressores de tumores e pode ser causada por amplificações de genes, aumentada ou diminuída a transcrição ou tradução. Ao mesmo tempo, as mutações missense pode também desempenhar um papel muito importante na carcinogénese [3]. Enquanto contribuindo significativamente para tumorigênese, a maioria das mutações são considerados neutros (

ou seja

“passageiro” mutações), e apenas alguns estão sob seleção positiva em células cancerosas (

ou seja

“driver” mutações) [3], [4]. Vários métodos têm sido aplicados para prever os efeitos deletérios de mutações [5], [6], para encontrar mutantes seleccionados positivamente e para distinguir as mutações condutor de passageiros [7], [8]. No entanto, o seu poder preditivo continua a ser limitado, em grande parte, depende do nível de conservação evolutiva [9] e a taxa de mutação de fundo que é difícil de determinar, para cada amostra [10]. Além disso, resultados recentes sugerem que a grande maioria de variações de nucleótidos individuais previstos para ser funcionalmente importante são raros (com menor frequência do alelo menos de 0,5%) [11], tornando tais variantes rara associada à doença difícil de detectar.

Muitas redes de sinalização são desregulado no cancro e envolvem uma densa rede de interacções proteína-proteína. Portanto, a caracterização das redes de interacção de proteínas relacionadas com o cancro é essencial para a nossa compreensão dos mecanismos moleculares de carcinogénese. Recentemente, foram propostas novas estratégias para identificar módulos de rede chave e oncogenes motorista através da combinação de variações no número de cópias, mutações missense e potenciais genes oncogênico motorista de mapeamento em redes de interação proteína-proteína de alto rendimento [12], [13], [14]. Como resultado desses estudos, novos genes relacionados ao câncer e módulos de genes relacionados funcionalmente-alvo das mutações cancerígenas motorista foram identificados [13], [14], [15].

Além disso, as proteínas reconhecer e se ligar a sua alvos específicos de um modo altamente regular e a especificidade destas interacções é largamente determinado pelas propriedades estruturais e físico-químicos de interfaces de ligação. Recentemente, foram analisados ​​os complexos de proteínas estruturais e doença- relacionadas com o cancro [16], [17], [18], [19], que mostra que os complexos de proteína relacionadas com a doença têm propriedades de ligação distintos; Em particular, eles contêm várias correções de interface, permitindo interações com muitas outras proteínas [16], e mutações em diferentes manchas podem ter causado doença efeitos pleiotrópicos [20]. Além disso, muitas mutações da doença estão localizados nas interfaces proteína-proteína [21], [22], [23], uma tendência que é especialmente pronunciado para mutações missense cancro [20]. Tais observações geralmente enfatizam a importância de estudar os efeitos das mutações cancerígenas sobre interações proteína e em suas interfaces de ligação em particular.

Muitos oncogenes, supressores de tumor e suas mutações foram identificados como jogadores-chave em eventos de câncer de sinalização. No entanto, apenas alguns foram encontradas em diferentes tipos de cancro simultaneamente. Essa heterogeneidade dificulta a identificação dos jogadores-chave que proporcionam vantagens seletivas para as células tumorais. Em nosso estudo utilizamos um conjunto de mutações derivadas de pacientes com glioblastoma, o que nos permite diminuir a heterogeneidade da resposta fenotípica para entender melhor as relações genótipo-fenótipo. O glioblastoma é a forma mais maligna dos tumores cerebrais de acordo com a classificação da OMS [24]. Recentemente, o genoma do cancro Atlas (TCGA) e outros projectos fornecidos dados de mutação de pacientes com glioblastoma em grande escala [25], [26]. Oito genes motorista potenciais foram identificados em glioblastomas, e mapeamento de genes mutantes em vias bioquímicas indicaram várias vias prevalentes que continham genes mutados motorista [25], [26], [27]. Especificamente, as alterações do genoma que foram encontrados em várias vias importantes foram observados para ser mutuamente exclusivas para cada via, apontando para a vantagem seletiva suficiente de estas poucas alterações para células cancerosas [25].

Recentemente, mapeamos o humano interactome proteína utilizando complexos estruturais que nos permitiu decifrar o efeito de mutações glioblastoma missense na proteína-proteína, ácido nucleico proteína, interfaces de ligação proteína-íon e sítios de fosforilação neste estudo (Figura 1). Aqui, mostra-se que mutações nas interfaces de ligação resultar em alterações mais drásticas de aminoácidos propriedades físico-químicas do que as mutações que não podem ser mapeadas nas interfaces. Além disso, verificou-se que mutações nas interfaces proteína-proteína têm efeitos desestabilizadores global e afecta principalmente o componente electrostática de energia de ligação, bem como a topologia de redes de interacção proteína-proteína. Importante, nós identificar possíveis mutações motorista e genes, alguns dos quais são específicos para o funcionamento do sistema nervoso. Nós complementar nossos achados, sugerindo os mecanismos moleculares do efeito fenotípica das mutações.

Na etapa 1 mapeamos 695 mutações missense de 598 genes humanos às sequências de proteínas. Posteriormente, sequências de proteínas de consulta foram alinhadas para homologia, determinada experimentalmente complexos estruturais (passo 2), o que nos permite inferir interacções específicas de consulta com outras proteínas, ácidos nucleicos e iões (passo 3). Para interações proteína-proteína, mapeamos parceiros de interação com suas proteínas humanas correspondentes (Passo 4a), o que nos permite encontrar 160 proteínas interacções entre 150 genes com mutações que afectam as suas interfaces de interação. Na etapa 4b, foram comparadas as estruturas da imperturbável proteína de tipo selvagem e a proteína mutada através da realização de cálculos de minimização de energia e determinação das diferenças energia de ligação.

Resultados e Discussão

Cancro Mutações pode afetar sítios de fosforilação

Muitas proteínas que desempenham um papel importante no cancro também podem participar de vias de sinalização, normalmente mediar sinais através de eventos de fosforilação. Anteriormente, as mutações de câncer somáticos foram mostrados para causar ganho ou perda de sítios de fosforilação [29]. Portanto, a hipótese de que as mutações de glioblastoma pode também afectar locais de fosforilação, potencialmente interromper o fluxo de sinais por meio da perda de locais. Foram coletados 2.825 locais de fosforilação da PhosphoSitePlus [30], Phospho.ELM [31] e PHOSIDA [32] bases de dados que foram posteriormente verificados pelo software GPS [33]. Enquanto 94 locais de mutação em resíduos Ser /Tre /Tir poderia ser potencialmente fosforilada, descobrimos que 6 dos 94 locais significativamente sobreposto com sítios de fosforilação (teste exato valor-p Fisher = 0,028, Tabela S1 no arquivo S1). Na verdade, a fosforilação pode ser acompanhado por mudanças no ambiente de site local ou conformação global, levar à ativação da proteína ou inactivação e modular a força das interações proteína ou de ADN [34]. Por isso, a mutação de um sítio de fosforilação pode resultar na perda dessas propriedades funcionais importantes, como exemplificado pela perda do sítio de fosforilação Ser 313 no p53 que regula a ligação ao DNA.

Efeito do glioblastoma As mutações sobre a ligação proteica

Nós integrado genes mutados em uma rede de interação de proteínas estruturalmente inferida e estima o efeito dessas mutações neste tipo de rede. Especificamente, nós construídos modelos de mutantes estruturais (ver Métodos) e calculadas as diferenças de energias de ligação que foram causados ​​pelas substituições de aminoácidos correspondentes. Encontramos uma diferença de energia de ligação média negativa de

ΔΔΔG

= -2,54 kcal /mol, apontando para um efeito geral de desestabilização de mutações em complexos proteína-proteína em glioblastomas (Figura 2A, Tabela 1). Além disso, o componente electrostática de energia de ligação foi deslocado para valores negativos em relação a zero (p-valor = 0,007) e em comparação com o componente de van-der-Waals (p-valor = 0,0013). Enquanto isso, o componente de van-der-Waals si não mostram um de- global ou efeito sobre-estabilizante. Enquanto vários aplicativos foram desenvolvidos para prever o efeito de mutações na estabilidade da proteína, comparamos nossos resultados para FoldX, o que nos permite observar uma significativa, embora não muito alta, a correlação entre o

ΔΔΔG

valores de ambas as abordagens ( Figura S1B no ficheiro S1, r de Pearson

P = 0,4 ÷ 0,77, valor de p 0,01). Estas diferenças podem resultar do facto de FoldX utiliza um potencial empíricas calibrado no conjunto de modificações experimentais de desdobramento de energia na presença de mutações. Além disso, FoldX não é explicitamente treinados sobre mutações de doenças e vinculativa mudanças de energia e não leva em conta a mutação induzida mudanças de conformação do esqueleto da proteína.

(A) Distribuição de ligação diferença de energia em cima de mutação para eletrostática e Van- componentes der Waals.- O componente electrostática de energia de ligação foi significativamente deslocada para valores negativos em relação ao componente de van-der-Waals (valor de p = 1,3 x 10

-3) (B) As distribuições de distâncias físico-químicas entre os aminoácidos que correspondem às mutações de glioblastoma em interfaces proteína-proteína e regiões não-interface. Distribuições que se refere a substituições de aminoácidos nas interfaces proteína-proteína teve distâncias significativamente maiores em comparação com regiões não-interface (valor-p = 0,011).

Em geral, substituições com aminoácidos que têm propriedades físico-químicas semelhantes não podem alterar drasticamente a estabilidade de uma única proteína ou um complexo. Calculamos distâncias físico-químicas entre o tipo selvagem e resíduos substituídos e comparou-a com a diferença de energia de ligação para todos os complexos de proteínas e seus modelos (ver Métodos). A distância físico-química foi definida como a distância Euclidiana usando dez propriedades físico-químicas diferentes de ácidos aminados [28]. Como indicado pelo seu correspondente

ΔΔΔG

, o efeito das substituições foi estatisticamente significativamente correlacionado com a distância físico-química (Figura S1B no ficheiro S1, Pearson r

P = -0,50, p-valor = 0,015) . Especificamente, as grandes distâncias correspondeu a grande negativo

ΔΔΔG

e

vice-versa

, sugerindo que as substituições de aminoácidos com propriedades muito diferentes são geralmente desestabilizadora. Por sua vez, as pequenas alterações nas propriedades de aminoácidos pode resultar na estabilização adicional de complexos. Todos os dados sobre as distâncias e efeitos físico-químicos sobre energia de ligação estão disponíveis em ftp://ftp.ncbi.nih.gov/pub/panch/GBM/.

Esses resultados também nos levou a estimar o potencial amplitude do efeito de mutações mesmo se estruturas ou modelos não estavam disponíveis. Por isso, foi calculado distâncias físico-químicas para todos os 695 mutações de 598 genes. Observou-se que as distribuições de distâncias físico-químicas que se refere a substituições de aminoácidos em todos os tipos de interfaces, e interfaces proteína-proteína, em particular, tinha distâncias significativamente maior em comparação com regiões não interface (Figura 2B, p-valor = 0,011, Wilcoxon teste). Por exemplo, observou-se que o primeiro pico na figura 2B em torno de 0,5 principalmente referido substituições de resíduos alifáticos para o outro ou alifático em resíduos polares com Val- Met sendo o mais frequente. As substituições de arginina e cisteína estavam entre as mais frequentes, teve distâncias físico-químicas de cerca de 1 ÷ 1,5 e correspondia ao segundo pico da distribuição na Figura 2B. Além disso, verificou-se que mutações frequentemente afectadas arginina em interfaces de ligação. Arginina tem propriedades de ligação únicas provenientes de forte estabilização da sua forma protonada, devido à sua alta pKa. Além disso, Arg forma pontes salinas, as interações fortes cátion-π e é enriquecido em pontos quentes de ligação [35], [36], [37].

Análise de Interface Complementos métodos de aprendizado de máquina e ajuda a decifrar Mecanismos Moleculares

Vários métodos de aprendizagem automática recentemente foram desenvolvidos para prever o efeito de mutações da doença fenotípica em proteínas e foram utilizados com sucesso para as doenças monogénicas [5], [6]. A maioria desses métodos utilizam conservação evolutiva, mutabilidade resíduos e área de superfície acessível como as suas principais características preditivas. Nós previmos o efeito de 581 mutações glioblastoma usando PolyPhen2, realizando muito bem em comparação com outros métodos de previsão [38]. Os nossos resultados mostraram que PolyPhen previu 69% de todas as mutações em interfaces como “provavelmente danoso” (Tabela S2 no ficheiro S1, mesas ftp://ftp.ncbi.nih.gov/pub/panch/GBM/). Tal acordo é notável, tendo em conta que o nosso protocolo não é treinado em um conjunto conhecido de mutações doença, enquanto métodos como PolyPhen não usam recursos de interface na sua formação. Curiosamente, também encontramos uma correlação limitada, mas ainda significativa entre o maior valor absoluto do efeito energético de mutações na ligação às proteínas

ΔΔΔG

(como obtida pela nossa abordagem) ea pontuação correspondente PolyPhen2 (Spearman, r

S = 0,5, p-valor = 0,03). Desde 23% de todas as mutações que PolyPhen previstos como “provavelmente prejudicial” foram localizados em interfaces, a nossa abordagem pode sugerir o possível mecanismo do seu efeito prejudicial através do seu impacto sobre as interações proteína.

Como observado anteriormente, a aprendizagem de máquina muitos métodos de avaliação dos efeitos das mutações prever erroneamente um efeito “benigna” quando a mutação ocorre em uma posição evolutivamente não-conservada ou seja solvente acessíveis [9]. No entanto, quando um complexo de proteína é formada, uma mutação que foi anteriormente solvente acessível num monómero (e, possivelmente, não conservada) pode ser enterrado na interface de ligação e muito prejudicial para as interacções proteína. Mostra-se que 18% das mutações de interface foram previstos por Polyphen2 como “benigna”; analisamos o seu efeito motorista possível e mecanismo de ação nas próximas duas seções. Portanto, a necessidade de desenvolver abordagens que complementam métodos de aprendizado de máquina com mais detalhada análise biofísica é evidente e deve ser objecto de futuros empreendimentos.

Mecanismos de efeitos das mutações sobre as interações proteína-proteína

aqui, analisamos o efeito de mutações em complexos proteína-proteína e sugerir os mecanismos subjacentes que incluem a inactivação da actividade enzimática de tipo selvagem, a desestabilização de um complexo multimérico funcional e alteração da taxa de turnover de proteína. Todas as mutações foram analisadas previsto para ser benigna por PolyPhen2. O primeiro caso representa o

IDH1

mutação R132H potencialmente inactivando a conversão de tipo selvagem de isocitrato a a-cetoglutarato (α-KG) e /ou resultante de uma actividade enzimática e neo-produção de D-2-hidroxiglutarato [ ,,,0],39]. Desde

IDH1

mutações são heterozigotos analisamos primeiro heterodímero contendo um mutante e uma cadeia do tipo selvagem. Especificamente, descobrimos que heterodímeros no estado inactivo do

IDH1

(código PDB 1T09) foram consideravelmente estabilizado em 8,6 kcal /mol. Além disso, foram realizados cálculos para um mutante duplo em que ambas as cadeias continha a mutação R132H, e mostraram que a sua dímero inactivo é ainda mais estabilizada de 11,3 kcal /mol. Os nossos resultados são consistentes com estudos anteriores sugerindo que

IDH1

heterodímeros são estáveis ​​com uma actividade desidrogenase isocitrato consideravelmente reduzidos, enquanto R132H: homodímeros R132H foram quase completamente inativa [40]. De acordo com outros estudos experimentais, sugerimos que tal dímero inativa excesso de estabilização possam impedir os movimentos cooperativos de conformação de subunidades de dímero necessários para formar o estado ativo [41].

neuroligins (NLS) são proteínas transmembranares no superfície da célula pós-sináptica e servem como receptores para neurexinas que são proteínas de adesão celular na superfície sinápticas célula pré-sináptica. Uma vez que a formação de sinapses adequados é crucial para a função normal do cérebro que investigou o modelo de neuroligin2 (

NLGN2

) com base no complexo de beta-1 neuroligin /neurexin-1 [42] (código PDB 3BIW, 75% de identidade entre

NLGN2 Comprar e modelo estrutural). Anteriormente, foi determinado que a actividade synaptogenic dependeu fortemente a formação de 1-neuroligin multímeros estável [43]. Observou-se que a mutação de glioblastoma E577K foi localizada na interface do dímero de dois monómeros neuroligina e contribuiu para uma desestabilização deste dímero por 1,2 kcal /mol [43].

O terceiro exemplo Rad52 representa desempenhando um papel crítico no DNA reparação de cadeia dupla-break. Esta proteína caracteriza-se por uma rotação muito rápida que é fortemente regulada na célula. Especificamente, observou-se que a mutação R46K foi localizado na interface multimérica no modelo de RAD52 metade N-terminal da proteína (código PDB 1KN0) e consideravelmente sobre-estabilizou cada dímero no complexo undecameric por 9 kcal /mol. Tal resultado pode sugerir que esta mutação pode afetar consideravelmente a taxa de rotatividade Rad52. Na verdade, ele foi previamente mostrado que alguns mutantes prolongar a meia-vida de Rad52 e desregular o seu volume de negócios em uma célula [44].

Mecanismos de efeitos das mutações no ácido nucleico proteína-proteína e-íon Interfaces

Para além de interacções proteína-proteína, as mutações cancerosas podem afectar outros tipos de interacções entre proteínas, bem. No total encontramos 16 e 13 mutações mapeadas para proteína-íon e interfaces de ligação de ácidos proteína-nucleico, respectivamente. A Tabela 1 mostra exemplos representativos com mutações localizadas em interfaces e listas de candidatos vinculativo para biomarcadores de câncer. Tal como indicado na Tabela 1, as mutações em cinco genes que correspondem a ADN-proteína ou proteína-iões interacções (

BCL11A, ZIK1, ZNF497, ZNF339

, e

TP53

) estão localizados dentro C2H2- tipo motivos de dedo de zinco. O ião zinco é essencial para a estabilização da estrutura local necessário para a ligação ao ADN. A interrupção da coordenação de iões de Zn pode potencialmente levar a desregulamentação das proteínas correspondentes. Especificamente, verificou-se uma substituição C62Y no LIM homeobox fator de transcrição 1 alfa (

LMX1A

), um fator importante para o desenvolvimento do sistema nervoso. Este factor de transcrição abriga dois domínios de ligação de zinco Lim, e a substituição C62Y ocorre em um dos resíduos de cisteína de ligação de zinco na estrutura do seu homólogo LMO-2 e leva à diminuição de Zn de ligação por 3,2 kcal /mol (ver tabelas sobre site ftp) (Figura 3A). De fato, um estudo recente sugere que

LMX1A

pode desempenhar um papel supressor do tumor e podem ser alvo de intervenção terapêutica em humanos [45].

Os resíduos em locais mutados em proteínas homólogas são mostrados em vermelho (tipo selvagem) e azul (mutante) ater modelos. motivo de ligação (A) de zinco LMO-2, a proteína homóloga de

LMX1A

(APO: cadeia 2XJY A, de identidade de sequência de 35%). Um ião de zinco é mostrado como uma esfera azul escuro. os resíduos de ligação ao zinco é demonstrado em modelos vara amarelo. local de ligação (B) DNA de

Pax-6

, homólogo da

Pax-9

(PDB: cadeia 6pax A, identidade de sequência: 74%). (C)

MAPK10

, homólogo da

MAPK9

, com Mg-ANP (ATP analógico) (PDB: cadeia 1JNK A, identidade de sequência: 85%). íons Mg são mostradas como esferas verdes e ANP é mostrado usando uma representação esfera branca.

proteína caixa de Emparelhado

PAX9

é outro exemplo proveniente da família Pax fator de transcrição que regula a expressão de genes alvo que participam na proliferação, de células-tronco auto-renovação, a resistência à apoptose e a migração celular.

PAX9

expressão está associada com desfecho favorável para vários tipos de câncer, embora o seu papel na tumorigénese não é bem compreendida [46]. Estudou-se a substituição R26W que, de acordo com a estrutura cristalina do seu homólogo

PAX6

(75% idêntico ao

PAX9

), interage directamente com a molécula de ADN [47] (Figura 3B). Embora a substituição por triptofano pode ter consequências bastante drásticas para a manutenção das redes de interações eletrostáticas entre arginina e de DNA fosfatos, não encontramos diferenças consideráveis ​​em proteína-DNA afinidade (

ΔΔΔG

= -0,05 kcal /ligação mol), embora a mutação desestabiliza um complexo geral de 2,15 kcal /mol.

mutações cancerosas também podem afetar diretamente a atividade enzimática. Sendo envolvida na proliferação, diferenciação e apoptose vias, proteína quinase activada por mitogénio 9 (

MAPK9

) bloqueia a ubiquitinação de supressor de tumor p53 que conduz a um aumento da estabilidade supressor. Semelhante a outras enzimas fosfato transferência,

MAPK9

utiliza magnésio como um co-fator para a fosforilação. Estudamos substituição G35R em

MAPK9 Comprar e a hipótese de que isso poderia interromper suas propriedades supressores de tumor. A estrutura cristalina do seu homólogo

MAPK10

(com 85% de identidade de sequência com MAPK9) mostra que Gly35 está localizada na borda da bolsa de ligação ao ATP e participa num ciclo de ligação de ATP [48]. De acordo com cálculos FoldX a substituição de glicina para arginina carregado positivamente compromete a ligação por 1,38 kcal /mol de catiões de magnésio, apoiando a desregulação de

MAPK9

actividade de quinase e o desenvolvimento de células de cancro (Figura 3C).

propriedades de Mutantes Interação rede

análise de rede topológica facilita a interpretação dos dados de interação e pode permitir a inferência de funções celulares das proteínas subjacentes [49]. Por mutações de mapeamento e substituições correspondentes nas interfaces proteína-proteína utilizando a nossa abordagem IBIS estrutural inferência [50], [51], foram identificadas 160 interacções proteína-proteína entre 150 proteínas com mutações que estavam colocados directamente na ligação de interfaces ( “interacções mutantes”, MI). Além disso, temos incorporado essas interações em uma teia de 4.073 interações entre 2.928 proteínas humanas, onde cada interação foi obtida por métodos de alto rendimento, bem como confirmado pela abordagem de inferência estrutural IBIS. Em tal “rede de interação confirmada ‘consideramos interações que envolveram uma proteína com uma mutação em qualquer lugar uma proteína, permitindo-nos recolher 444” todas as interações mutantes “(AI). Portanto, o conjunto de interações MI é um subconjunto do conjunto de AI. Para determinar o papel que “MI” e interações “AI” jogar em uma grande rede de interação humana determinamos as características topológicas de tais redes de interação afetados. Enquanto observamos que as quebras de rede de interação confirmados em muitos componentes ligados, realizamos nossas investigações topológicas na maior componente conexa de 1.960 interações (Figura 4A).

(A) Ao mapear todas as interações estruturalmente inferidos que sofrem de uma mutação em suas interfaces em uma rede de interação humana (MI) obteve-se uma maior componente captura de 1.960 interações. Além disso, indicou todas as interações que envolvem uma proteína mutada (AI). (B) Calculando agrupamento beira de interações MI e AI no maior componente, observou-se que as interações afetadas por uma mutação em geral, tendem a aparecer em áreas menos aglomeradas. Em comparação com as demais interações, essas diferenças foram significativas para ambos interações AI MI e (p-valor = 5 × 10

-8, Wilcoxon teste). Comparando interações MI e AI, observou-se uma mudança significativa de interações MI em direção inferior agrupamento (p = 0,01). Na inserção, determinou-se betweenness borda de interacções MI e ai como uma medida do seu papel central na rede. Em comparação com as interacções restantes, verificou-se que as diferenças entre os dois conjuntos de interacções afectadas por mutações foram estatisticamente significativas (p-valor = 5 × 10

-3). Além disso, MI mostrou betweenness significativamente menor do que as interações AI (valor-p = 0,01).

Como medida de agrupamento em torno de uma determinada interação, definimos o coeficiente de borda agrupamento [52]. Partindo do princípio de que as interacções MI desempenhar um papel crítico no fluxo de informação biológica numa rede de interacção, a hipótese de que tais interacções não pode ser necessariamente agrupado mas tendem a colmatar áreas aglomeradas. Com efeito, observou-se que as interacções MI e AI em geral, tendem a ser colocados em áreas menos aglomeradas em comparação com os restantes interacções não afectadas na Figura 4B (teste de Wilcoxon, p-valor =

-8 5 x 10). Notavelmente, também observamos uma mudança significativa para reduzir o agrupamento das interações MI em comparação com interações AI (valor-p = 0,01). Uma medida de centralidade de uma interação em uma rede é a sua centralidade borda betweenness. Especificamente, borda betweenness centralidade determina o número de caminhos mais curtos através de um determinado limite, portanto, correspondente a potenciais “pontos de estrangulamento”. Na inserção da Figura 4B, que mostra que as interacções entre proteínas com mutações nas interfaces de ligação (MI) tinha um papel central betweenness significativamente maior do que as interacções envolvendo proteínas não-mutante (p-valor = 0,005). Nós também descobrimos que tais interações teve betweenness significativamente maior do que as interações entre proteínas mutantes onde mutação não afectam necessariamente a interface de ligação (AI) (p = 0,01).

Conclusões

Muitos estudos demonstraram que as mutações missense pode desempenhar um papel muito importante na determinação de doenças diferentes. No entanto, as variantes causais e efeitos fenotípicos destas mutações são muito difíceis de prever, especialmente para doenças poligénicas [53]. Embora as mutações de doenças monogénicas pode preferir o núcleo da proteína [54], as mutações relacionadas com o cancro exibem um padrão muito diferente. Especificamente, tais mutações são menos prováveis ​​de ocorrer no núcleo da proteína e preferem interfaces de ligação [20], [23]. No entanto, a extensão em que as mutações podem afectar as interacções biomoleculares permanece em grande parte desconhecida. Com este objetivo em mente, nós discutimos o mecanismo molecular de efeitos cancerígenos de mutações de glioblastoma. O posicionamento real de mutações de câncer em interfaces de ligação nos permitiu estratificar interacções relacionadas com o cancro e genes motorista potenciais e abordar as maneiras tais mutações podem afetar de ligação e topologia da rede de interação proteína subjacente.

Primeiro, descobrimos que, em geral mutações teve um efeito significativamente desestabilizar em interacções proteína-proteína, embora alguns mutações excesso de complexos de proteínas estabilizadas. Este efeito foi impulsionada principalmente pelo componente eletrostática de energia de ligação e tais observações são consistentes com investigações anteriores, concentrando-se sobre os efeitos das mutações OMIM em complexos de proteínas [22]. Com efeito, a taxa de complementaridade pode determinar a ligação específica, enquanto a sua perturbação pode ser acompanhada pela perda de interacções específicas. A contribuição de um determinado par carregada de aminoácidos para o componente eletrostática de energia de ligação depende do equilíbrio de dois termos grandes: penalidade dessolvatação e as interações de pares eletrostáticas. Enquanto a pena de dessolvatação de um grupo depende principalmente da sua carga total, a energia de interacção electrostática entre pares também é sensível à geometria das cadeias laterais. resultados anteriores indicam que as interacções electrostáticas nas interfaces de ligação proteína-proteína são quase sempre favorável [55]. Portanto, as substituições de aminoácidos podem resultar em mudanças dramáticas da magnitude das interações eletrostáticas pares favoráveis, mas com pouco impacto sobre a pena de dessolvatação [56]

.

alterações Além disso, calculados em propriedades físico-químicas entre selvagem