Взаимодействие гликанов и белков

Класс биологических межмолекулярных взаимодействий

Белок Spike (S) отвечает за связывание с рецепторами ACE2 при COVID-19. Гликаны выделены синим цветом. Структура взята из записи PDB 6VXX ^[1]

Взаимодействия гликан-белок представляют собой класс биомолекулярных взаимодействий, которые происходят между свободными или связанными с белком гликанами и их родственными партнерами по связыванию. Внутримолекулярные взаимодействия гликан-белок (белок-гликан) происходят между гликанами и белками, к которым они ковалентно присоединены. Вместе с взаимодействиями белок-белок они образуют механистическую основу для многих важных клеточных процессов, особенно для взаимодействий клетка-клетка и взаимодействий хозяин-клетка. ^[2] Например, SARS-CoV-2 , возбудитель COVID-19 , использует свой обширно гликозилированный спайковый белок (S) для связывания с рецептором ACE2 , что позволяет ему проникать в клетки хозяина. ^[3] Спайковый белок представляет собой тримерную структуру, каждая субъединица которой содержит 22 участка N-гликозилирования , что делает его привлекательной целью для поиска вакцины . ^{[3] [4]}

Гликозилирование, т. е. добавление гликанов (общее название для моносахаридов и олигосахаридов ) к белку, является одной из основных посттрансляционных модификаций белков , способствующих огромной биологической сложности жизни. Действительно, три различных гексозы теоретически могли бы произвести от 1056 до 27 648 уникальных трисахаридов в отличие от всего лишь 6 пептидов или олигонуклеотидов, образованных из 3 аминокислот или 3 нуклеотидов соответственно. ^[2] В отличие от биосинтеза белка , управляемого шаблоном , «язык» гликозилирования до сих пор неизвестен, что делает гликобиологию горячей темой современных исследований, учитывая их распространенность в живых организмах. ^[2]

Изучение взаимодействий гликан-белок дает представление о механизмах клеточной сигнализации и позволяет создавать более эффективные диагностические инструменты для многих заболеваний, включая рак . Действительно, не существует известных типов рака, которые не включали бы нерегулярные паттерны гликозилирования белков . ^[5]

Термодинамика связывания

Связывание гликансвязывающих белков (GBP) с гликанами можно смоделировать с помощью простого равновесия . Обозначим гликаны как и белки как : ${\displaystyle G}$ ${\displaystyle P}$

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

С соответствующей константой равновесия

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

Которая перестраивается, чтобы получить константу диссоциации, следуя биохимическим соглашениям: ${\displaystyle K_{d}}$

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

Учитывая, что многие ГБП демонстрируют многовалентность, эту модель можно расширить для учета множественных равновесий:

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

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

${\displaystyle \dots }$

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

Обозначая кумулятивное равновесие связывания с лигандами как ${\displaystyle i}$

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

С соответствующей константой равновесия:

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

И записываем материальный баланс для белка ( обозначает общую концентрацию белка): ${\displaystyle c_{P}}$

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

Выражая члены через константу равновесия, находим окончательный результат:

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

Концентрация свободного белка, таким образом, составляет:

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

Если , т.е. имеется только один домен углеводного рецептора, уравнение сводится к ${\displaystyle n=1}$

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

С увеличением концентрации свободного белка уменьшается, следовательно, уменьшается и кажущееся. ${\displaystyle i}$ ${\displaystyle K_{D}}$

Связывание с ароматическими кольцами

Рисунок 1. Схематическое изображение взаимодействий ${\displaystyle CH-\pi }$

Химическая интуиция предполагает, что участки связывания гликанов могут быть обогащены остатками полярных аминокислот , которые образуют нековалентные взаимодействия , такие как водородные связи , с полярными углеводами. Действительно, статистический анализ карманов связывания углеводов показывает, что остатки аспарагиновой кислоты и аспарагина присутствуют в два раза чаще, чем можно было бы предсказать случайно. ^[6] Удивительно, но существует еще более сильное предпочтение ароматическим аминокислотам : триптофан имеет 9-кратное увеличение распространенности, тирозин - в 3 раза, а гистидин - в 2 раза. Было показано, что основная сила - это взаимодействие между ароматической системой и углеводом, как показано на рисунке 1. Взаимодействие идентифицируется, если °, расстояние (расстояние от до ) меньше 4,5Å. ^[6] ${\displaystyle CH-\pi }$ ${\displaystyle \pi }$ ${\displaystyle C-H}$ ${\displaystyle CH-\pi }$ ${\displaystyle \theta \leqslant 40}$ ${\displaystyle CH-\pi }$ ${\displaystyle C}$ ${\displaystyle X}$

Эффекты стереохимии

Определение альфа и бета граней для глюкозы и галактозы. Стереохимическое различие для двух гексоз выделено красным.

Это взаимодействие сильно зависит от стереохимии молекулы углевода . Например, рассмотрим верхнюю ( ) и нижнюю ( ) грани -D-глюкозы и -D-галактозы . Было показано, что одно изменение стереохимии у углерода C4 смещает предпочтение ароматических остатков со стороны (2,7-кратное предпочтение для глюкозы) на сторону (14-кратное предпочтение для галактозы). ^[6] ${\displaystyle CH-\pi }$ ${\displaystyle \beta }$ ${\displaystyle \alpha }$ ${\displaystyle \beta }$ ${\displaystyle \beta }$ ${\displaystyle \beta }$ ${\displaystyle \alpha }$

Воздействие электроники

Сравнение электростатических поверхностных потенциалов (ESP) ароматических колец в триптофане , тирозине , фенилаланине и гистидине предполагает, что электронные эффекты также играют роль в связывании с гликанами (см. Рисунок 2 ). После нормализации электронной плотности по площади поверхности триптофан по-прежнему остается наиболее богатым электронами акцептором взаимодействий, что указывает на возможную причину его 9-кратного преобладания в карманах связывания углеводов. ^[6] В целом, карты электростатического потенциала следуют тенденции преобладания . ${\displaystyle CH-\pi }$ ${\displaystyle {\ce {Trp >> Tyr > (Phe) > His}}}$

Рисунок 2. Электростатические поверхностные потенциалы (ЭСП) ароматических аминокислот. Области, богатые электронами, изображены красным цветом, а области, бедные электронами, изображены синим цветом.

Партнеры по связыванию углеводов

Существует множество белков, способных связываться с гликанами, включая лектины , антитела , микробные адгезины , вирусные агглютинины и т. д.

Лектины

Лектины — это общее название белков с доменами, распознающими углеводы (CRD). Хотя оно стало почти синонимом гликансвязывающих белков, оно не включает антитела, которые также относятся к этому классу.

Лектины, обнаруженные в клетках растений и грибов , широко использовались в исследованиях в качестве инструмента для обнаружения, очистки и анализа гликанов. Однако полезные лектины обычно имеют неоптимальную специфичность . Например,Агглютинин-1 Ulex europaeus (UEA-1), лектин, полученный из растений и способный связываться с антигеном первой группы крови человека , может также связываться с неродственными гликанами, такими как 2'-фукозиллактоза, GalNAcα1-4(Fucα1-2)Galβ1-4GlcNAc иантигеном Lewis-Y . ^[7]

Антитела

Хотя антитела проявляют наномолярное сродство к белковым антигенам, специфичность против гликанов весьма ограничена. ^[8] Фактически, доступные антитела могут связывать только <4% из 7000 гликановых антигенов млекопитающих; более того, большинство этих антител имеют низкое сродство и проявляют перекрестную реактивность. ^{[9] [7]}

Ламбоди

В отличие от челюстных позвоночных , иммунитет которых основан на вариабельных, разнообразных и соединяющихся генных сегментах (VDJ) иммуноглобулинов , бесчелюстные беспозвоночные , такие как минога и миксина , создают разнообразие рецепторов путем соматической перестройки ДНК модулей повторов, богатых лейцином (LRR), которые встроены в гены *vlr* (вариабельные лейкоцитарные рецепторы). ^[10] Эти LRR образуют трехмерные структуры, напоминающие изогнутые соленоиды , которые избирательно связывают определенные гликаны. ^[11]

Исследование, проведенное в Университете Мэриленда, показало, что антитела миноги (ламбоди) могут избирательно связываться с опухолеассоциированными углеводными антигенами (такими как Tn и TF ) при наномолярном сродстве. ^[9] Антиген T-nouvelle (Tn) и TF присутствуют в белках в 90% различных раковых клеток после посттрансляционной модификации , тогда как в здоровых клетках эти антигены гораздо сложнее. Выборка ламбоди, которые могут связываться с aGPA , гликопротеином мембраны эритроцитов человека , покрытым 16 фрагментами TF, посредством магнитно-активируемой сортировки клеток (MACS) и флуоресцентно-активируемой сортировки клеток (FACS), дала богатое лейцином ламбоди VLRB.aGPA.23 . Этот ламбовидный организм селективно окрашивал (по сравнению со здоровыми образцами) клетки 14 различных типов аденокарцином : мочевого пузыря , пищевода , яичника , языка , щек, шейки матки , печени , носа, носоглотки , большого сальника, толстой кишки , молочной железы , гортани и легких . ^[9] Более того, пациенты, чьи ткани были окрашены положительно с помощью VLRB.aGPA.23, имели значительно меньшую выживаемость. ^[9] ${\displaystyle \alpha }$ ${\displaystyle \alpha }$ ${\displaystyle \alpha }$

При внимательном рассмотрении кристаллической структуры VLRB.aGPA.23 обнаруживается остаток триптофана в позиции 187 прямо над карманом связывания углеводов. ^[12]

Кристаллическая структура VLRB.aGPA.23 создана на основе записи PDB 4K79 ^[12]

Многовалентность в структуре

Карикатурное изображение общих олигомерных структур лектинов

Многие гликансвязывающие белки (GBP) являются олигомерными и обычно содержат несколько участков для связывания гликанов (также называемых доменами распознавания углеводов). Способность образовывать многовалентные взаимодействия белок- лиганд значительно увеличивает прочность связывания: в то время как значения для отдельных взаимодействий CRD-гликан могут находиться в диапазоне мМ, общая аффинность GBP к гликанам может достигать наномолярных или даже пикомолярных диапазонов. Общая прочность взаимодействий описывается как авидность (в отличие от сродства , которое описывает единственное равновесие). Иногда авидность также называют кажущейся , чтобы подчеркнуть неравновесную природу взаимодействия. ^[13] ${\displaystyle K_{D}}$ ${\displaystyle K_{D}}$ ${\displaystyle K_{D}}$ ${\displaystyle K_{D}}$

Ниже показаны общие структуры олигомеризации лектинов . Например, галектины обычно наблюдаются как димеры, в то время как интелектины образуют тримеры, а пентраксины собираются в пентамеры. Более крупные структуры, такие как гексамерные белки Reg , могут собираться в поры, проникающие в мембрану. Коллектины могут образовывать еще более причудливые комплексы: букеты тримеров или даже крестообразные структуры (например, в SP-D ). ^[14]

Текущие исследования

Учитывая важность взаимодействия гликанов и белков, в настоящее время ведутся исследования, посвященные а) созданию новых инструментов для обнаружения взаимодействия гликанов и белков и б) использованию этих инструментов для расшифровки так называемого сахарного кода.

Массивы гликанов

Одним из наиболее широко используемых инструментов для исследования взаимодействий гликанов и белков являются гликановые массивы . Гликановый массив обычно представляет собой стеклянные слайды, активированные NHS или эпоксидной смолой , на которых с помощью роботизированной печати были напечатаны различные гликаны . ^{[15] [16]} Эти коммерчески доступные массивы могут содержать до 600 различных гликанов, специфичность которых была тщательно изучена. ^[17]

Взаимодействия гликан-белок могут быть обнаружены путем тестирования интересующих белков (или библиотек таковых), которые несут флуоресцентные метки . Структура гликан-связывающего белка может быть расшифрована несколькими аналитическими методами, основанными на масс-спектрометрии , включая MALDI-MS , LC-MS , тандемную MS-MS и/или 2D ЯМР . ^[18]

Исследования, основанные на биоинформатике

Вычислительные методы были применены для поиска параметров (например, склонность к остаткам, гидрофобность, планарность), которые могли бы отличать гликан-связывающие белки от других участков поверхности. Например, модель, обученная на 19 негомологичных структурах связывания углеводов, смогла предсказать домены связывания углеводов (CRD) с точностью 65% для неферментативных структур и 87% для ферментативных. ^[19] Дальнейшие исследования использовали расчеты энергий Ван-дер-Ваальса взаимодействий белок-зонд и склонностей аминокислот для идентификации CRD с 98%-ной специфичностью при 73%-ной чувствительности . ^[20] Более поздние методы могут предсказывать CRD даже из последовательностей белков , сравнивая последовательность с теми, для которых структуры уже известны. ^[21]

Код сахара

В отличие от исследований белков, где первичная структура белка однозначно определяется последовательностью нуклеотидов ( генетическим кодом ), гликобиология все еще не может объяснить, как определенное «сообщение» кодируется с помощью углеводов или как оно «считывается» и «переводится» другими биологическими объектами.

Междисциплинарное исследование, объединяющее химию, биологию и биохимию, изучает взаимодействие гликанов и белков, чтобы увидеть, как различные последовательности углеводов инициируют различные клеточные реакции. ^[22]

Смотрите также

• Белково-белковые взаимодействия
• Гликобиология

Ссылки

1. Уоллс, Александра К.; Парк, Янг-Джун; Торторичи, М. Алехандра; Уолл, Эбигейл; МакГвайр, Эндрю Т.; Вислер, Дэвид (2020-03-09). «Структура, функция и антигенность гликопротеина шипа SARS-CoV-2». Cell . 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). "Историческая справка и обзор". В Varki A, Cummings RD, Esko JD, Stanley P, Hart GW, Aebi M, et al. (ред.). Essentials of Glycobiology (3-е изд.). Cold Spring Harbor Laboratory Press. doi : 10.1101/glycobiology.3e.001 (неактивен 2024-09-19). PMID  28876854 . Получено 2020-05-09 .{{cite book}}: CS1 maint: DOI неактивен по состоянию на сентябрь 2024 г. ( ссылка )
3. Watanabe, Yasunori; Allen, Joel D.; Wrapp, Daniel; McLellan, Jason S.; Crispin, Max (2020-05-04). "Анализ гликанов, специфичных для сайта, в шипе SARS-CoV-2". Science . 369 (6501): 330–333. Bibcode :2020Sci...369..330W. doi :10.1126/science.abb9983. ISSN  0036-8075. PMC 7199903 . PMID  32366695. 
4. Аманат, Фатима; Краммер, Флориан (2020-04-06). «Вакцины против SARS-CoV-2: отчет о состоянии». Иммунитет . 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 (январь 2012 г.). "Потенциал анти-Томсена-Фриденрайха-Ag (анти-TF-Ag) для терапии рака". Frontiers in Bioscience . 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 (декабрь 2015 г.). «Взаимодействие углеводов и ароматических соединений в белках». Журнал Американского химического общества . 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 (ноябрь 2017 г.). «Структурное понимание тонкой специфичности VLR для углеводов групп крови». Structure . 25 (11): 1667–1678.e4. doi :10.1016/j.str.2017.09.003. PMC 5677568 . PMID  28988747. 
8. Jain D, Salunke DM (февраль 2019 г.). «Специфичность антител и промискуитет». The Biochemical Journal . 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 и др. (январь 2013 г.). «Сахар-связывающие белки из рыб: выбор высокоаффинных «ламбовидных» антител, которые распознают биомедицинско значимые гликаны». ACS Chemical Biology . 8 (1): 152–60. doi :10.1021/cb300399s. PMC 3756686 . PMID  23030719. 
10. Han BW, Herrin BR, Cooper MD, Wilson IA (сентябрь 2008 г.). «Распознавание антигенов вариабельными рецепторами лимфоцитов». Science . 321 (5897): 1834–7. Bibcode :2008Sci...321.1834H. doi :10.1126/science.1162484. PMC 2581502 . PMID  18818359. 
11. Cooper MD, Alder MN (февраль 2006 г.). «Эволюция адаптивных иммунных систем». Cell . 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. (август 2013 г.). «Распознавание углеводного антигена панкарциномы Томсена-Фриденрайха вариабельным лимфоцитарным рецептором миноги». Журнал биологической химии . 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). «Принципы распознавания гликанов». В Varki A, Cummings RD, Esko JD, Stanley P, Hart GW, Aebi M и др. (ред.). Essentials of Glycobiology (3-е изд.). Cold Spring Harbor Laboratory Press. doi :10.1101/glycobiology.3e.029 (неактивен 2024-09-19). PMID  28876857.{{cite book}}: CS1 maint: DOI неактивен по состоянию на сентябрь 2024 г. ( ссылка )
14. Wesener DA, Dugan A, Kiessling LL (июнь 2017 г.). «Распознавание микробных гликанов растворимыми человеческими лектинами». Current Opinion in Structural Biology . Углеводы: пир структурной гликобиологии • Последовательности и топология: вычислительные исследования белок-белковых взаимодействий. 44 : 168–178. doi :10.1016/j.sbi.2017.04.002. PMC 6688470 . PMID  28482337. 
15. "Новый метод открывает дверь к лучшему пониманию взаимодействия гликанов и белков". GEN - Новости генной инженерии и биотехнологии . 2018-03-01 . Получено 2020-05-13 .
16. Ойеларан, Ойиндасола; Гилдерслив, Джеффри К. (2009-10-01). «Гликановые массивы: последние достижения и будущие вызовы». Current Opinion in Chemical Biology . 13 (4): 406–413. doi :10.1016/j.cbpa.2009.06.021. ISSN  1367-5931. PMC 2749919. PMID 19625207  . 
17. Ван, Линлинь; Каммингс, Ричард Д.; Смит, Дэвид Ф.; Хафлейт, Маргарет; Кэмпбелл, Кристофер Т.; Гилдерслив, Джеффри К.; Герлах, Джаред К.; Килкойн, Мишель; Джоши, Локеш; Серна, Соня; Рейхардт, Нильс-Кристиан (2014-03-22). «Кросс-платформенное сравнение форматов гликановых микрочипов». Гликобиология . 24 (6): 507–517. doi :10.1093/glycob/cwu019. ISSN  0959-6658. PMC 4001710. PMID 24658466  . 
18. Раман, Рахул; Таракараман, Каннан; Сасисекхаран, В; Сасисекхаран, Рам (2016-10-25). «Взаимодействие гликанов и белков при вирусном патогенезе». Current Opinion in Structural Biology . 40 : 153–162. doi :10.1016/j.sbi.2016.10.003. ISSN  0959-440X. PMC 5526076 . PMID  27792989. 
19. Тарони, Кьяра; Джонс, Сьюзан; Торнтон, Джанет М. (2000-02-01). «Анализ и прогнозирование участков связывания углеводов». Белковая инженерия, дизайн и селекция . 13 (2): 89–98. doi : 10.1093/protein/13.2.89 . ISSN  1741-0126. PMID  10708647.
20. Кулхария, Махеш; Бриджетт, Стивен Дж.; Гуди, Роджер С.; Джексон, Ричард М. (2009-10-01). "InCa-SiteFinder: метод структурно-ориентированного прогнозирования сайтов связывания инозитола и углеводов на белках". Журнал молекулярной графики и моделирования . 28 (3): 297–303. doi :10.1016/j.jmgm.2009.08.009. ISSN  1093-3263. PMID  19762259.
21. Чжао, Хуэйин; Тахерзаде, Газале; Чжоу, Яоци; Ян, Юэдонг (2018). «Вычислительное прогнозирование белков, связывающих углеводы, и сайтов связывания». Current Protocols in Protein Science . 94 (1): e75. doi :10.1002/cpps.75. ISSN  1934-3663. PMID  30106511. S2CID  51976463.
22. Солис, Долорес; Бовин, Николай Владимирович; Дэвис, Энтони П.; Хименес-Барберо, Хесус; Ромеро, Антонио; Рой, Рене; Сметана, Карел; Габиус, Ханс-Иоахим (01 января 2015 г.). «Руководство по гликонаукам: как химия, биохимия и биология взаимодействуют, чтобы взломать код сахара». Biochimica et Biophysical Acta (BBA) – Общие предметы . 1850 (1): 186–235. дои : 10.1016/j.bbagen.2014.03.016. hdl : 10261/130473 . ISSN  0304-4165. ПМИД  24685397.