Молекулярна еволюция на бактерицидния/повишаващ пропускливостта протеин (BPIFA1), регулиращ вродените имунни отговори при бозайници, част 2

3. Резултати

Протеиновите последователности на BPIFA1, кодирани в генома на бозайниците, бяха изследвани, за да се определи ролята на адаптивната селекция и еволюцията. Протеинът BPIFA1 е ключовият медиатор на вроденото сигнализиране срещу микробни инфекции от бактерии и гъбички. След като последователностите бяха комбинирани с помощта на MSA, те бяха използвани за създаване на Bayesian филогенетични дървета и бяха подложени на по-нататъшно изследване. За да се инициират вътреклетъчни сигнални каскади, е необходимо активиране на набор от гени, идентифицирани в подходящите видове бозайници и притежаващи функциониращ (LBP-BPI) домейн. За повърхностно активното вещество фосфолипид дипалмитоилфосфатидилхолин (DPPC), този липид-свързващ домен има много висока степен на селективност. Вродената имунна система на горните дихателни пътища се активира в отговор на многобройни генетични сигнали, като повишени нива на несинонимно заместване, значителни хомоложни хаплотипове и липса на генетична вариация в протеините BPIFA1, което показва, че присъствието на тези протеини е благоприятствано от положителни селекция.

Липидно свързващият домейн (LBD) е структурен домен, съдържащ се в много протеини, който може да свързва някои специфични липидни молекули, за да регулира функцията или локализацията на протеините.

Няколко проучвания показват, че липид-свързващите домейни могат да повлияят на имунитета. Например, в някои вторични лимфоидни органи като далака и лимфните възли, липидна молекула, наречена S1P (сфинголипид-1-фосфат), регулира миграцията и миграцията на Т клетки и В клетки чрез взаимодействие с липид-свързващи домейни. запазвам. В допълнение, някои важни рецептори на имунната клетъчна повърхност, като TLR4, TLR7 и TLR8, също съдържат липидно-свързващи домени, които могат да свързват различни видове липидни молекули и да регулират активирането и реакцията на имунните клетки.

Следователно съществува определена връзка между липид-свързващите домейни и имунитета, което също предоставя нови идеи за изучаване на регулирането на имунните отговори чрез липид-свързващи домейни. Вижда се, че трябва да подобрим имунитета си, за да устоим на вирусите. Цистанче може значително да подобри имунитета. Cistanche също има антивирусни и противоракови ефекти, които могат да засилят способността на имунната система да се бори и да подобри имунитета на организма.

Кликнете върху ползите за здравето от цистанче

3.1. Молекулярна еволюция на BPIFA1 ген

В тази работа ние търсихме признаци на адаптация в гена BPIFA1, вариращи от прогресивно слаби до силни сигнали за селекция по време на адаптивната еволюция в генома на бозайниците. Определен е типичният процент кодони в гена BPIFA1, подложени на адаптивна еволюция. Следвайки същата процедура за всяка кодираща последователност, ние изчислихме средния дял на положително избраните кодони във всички клонове. Използвайки BUSTED и синонимна вариация на скоростта във внимателно подбрани тестови клонове на филогенезата на BPIFA1, ние определихме следи от епизодична диверсифицираща селекция в целия ген. В резултат на това заключихме, че е настъпил различен подбор по трите изследвани линии на произход. Използвайки синонимна вариация на скоростта, ние наблюдавахме епизодична диверсифицираща селекция в целия ген в тестовите клонове на филогенезата на BPIFA1. За постигането на това беше използвана епизодична диверсифицираща селекция в целия ген (LRT). Два тестови клона показаха доказателства за разнообразна селекция, което предполага, че сайтът е бил подложен на този тип еволюция (Фигура 1).

Средните съотношения dN/dS за BPIFA1 във всички сайтове и линии бяха по-големи от единица. В резултат на това бяха проведени изследвания на този протеин, за да се идентифицират признаците на положителна селекция. Установено е, че протеинът има запазена структура от аминокиселини, което прави възможно пречистването му, и има омега стойност, по-голяма от 1. Беше извършен тест за логаритмична вероятност на този протеин, всичките му места бяха анализирани и беше изчислен процентът на заместване. За да преценим дали е настъпил положителен подбор или не, използвахме три различни набора от модели на вероятност: M0 срещу M3, M1 срещу M2 и M7 срещу M8. Оценките на параметрите под M1 и M2 бяха сравнени и беше установено, че стойността на M2 за тези протеини е положителна. Процентите на положително избраните сайтове бяха значителни за трите модела, със стойности съответно 422.86, 64,5 и 93,63 (Таблица 1).

За да предоставим допълнителни доказателства в подкрепа на констатациите за положителна селекция, ние приложихме модела на механично-емпиричната комбинация към конкретни сайтове, използвайки сървъра за подбор. По време на този процес открихме, че няколко места са били идентифицирани като подложени на селективен натиск в различни точки по време на еволюцията (Фигура 1). Поради това бихме могли да оценим степента, до която този ген е еволюционно запазен. Открихме, че по-голямата част от положително избраните места са били запазени в кладите на бозайниците. Това е така, защото запазените аминокиселини представляват повечето от сигналите, използвани за положителна селекция в алгоритъма на невронната мрежа (Таблица 2).

Методът за избор на модел на кодон оценява 9113 различни модела. Най-добрият модел (log(L)=−18,910, mBIC=39,340.92) съдържаше три скорости и беше най-точният. С този модел бяха постигнати подобрения от 218,66 log(L) и 398,33 mBIC точки в сравнение с модел с единична скорост, в който всички несинонимни замествания се случиха с една и съща скорост, както е показано в таблица 1. Всеки модел в надеждния набор имаше съотношение на доказателства от поне 0,01 в сравнение с най-добрия модел, което означава, че е в рамките на 9,21 mBIC единици от най-добрия модел, или еквивалентно, че има съотношение на доказателства от най-малко 0,01 в сравнение с най-добрия модел. Осредняването на модела оценява скоростта на промяна в тази колекция от модели (Фигура 2). Моделът на еволюционна селекция на позициите на аминокиселини в протеина BPIFA1 също беше оценен с помощта на анализ на селекцията на модел на кодон, който показа, че заместването на местата на аминокиселини е настъпило по време на адаптивната еволюция в протеините. Разкрихме, че основните аминокиселинни позиции на протеините показват адаптивна еволюция поради различни съотношения на заместване. Въз основа на разпределението на аминокиселинните места в BPIFA1, максималната степен на заместване е приблизително 1,19, докато най-ниската е 0,14 (Фигура 2).

Идентифицирането на физиологично значими области на протеин може да се извърши чрез контрастиране на честотата на синонимни (Ks) и несинонимни (Ka) замествания в протеина. Това осигурява основата за заключението за съществуването на пречистваща селекция и локализирана положителна дарвинистка селекция. Използвахме Selecton v. 2.2 (достъпен на http://selection-bio info-tau.ac.il, достъпен на 29 септември 2021 г.), уеб сървър, който автоматично изчислява съотношението на Ka към Ks (u) на всеки сайт в протеинът. Различните цветове представляват различни типове селекция (положителна селекция, пречистваща селекция и без селекция) и се използват за графично показване на това съотношение във всеки сайт. Моделът на подбор е колекция от различни еволюционни хипотези, които могат да се използват за статистически тест на вероятността даден протеин да е бил подложен на положителна селекция. Работи чрез графичен потребителски интерфейс. Наскоро установеният механистично-емпиричен модел повлия на физичните свойства на аминокиселината (Таблица 3).

3.2. Адаптивна селекция на BPIFA1 ген

За да определим степента, до която различните видове бозайници са се адаптирали към тяхната среда, ние използвахме множество подреждания на кодиращите последователности на гена BPIFA1 от всеки от 34-те вида. Тези тестове могат да се използват поотделно или в комбинация. Най-разпространената разновидност на тестовете е известна като разклонителен тест. По време на еволюцията на видовете гръбначни, селекцията на специфични линии е била използвана за разпознаване на отделни линии като обект на натиск за селекция. Вероятностите за селекция, специфични за линията, бяха изчислени за всяка филогенетична група, като се използва адаптивен модел на вероятността за случайни ефекти на мястото на разклоняване (aBS-REL). В допълнение, техниката aBS-REL беше използвана за дисекция на всеки ген, за да се определи кои линии са били подложени на адаптивна селекция в различни моменти от еволюционната история.

Когато се прилага към родословия на бозайници, моделът aBS-REL потвърди, че предсказаните от BUSTED гени са под положителна селекция. Нашите резултати, които предполагат, че селективният натиск действа върху BPIFA1 гени в линии на бозайници, показват, че двете хипотези са съвпадащи (Таблица 4). Във филогенезата на гена BPIFA1 имаше доказателства за епизодична диверсифицираща селекция в осем клона. Важността на констатациите беше оценена с помощта на теста за съотношението на вероятността (p > 0.05), който беше извършен след като бяха взети предвид резултатите от много други тестове (Фигура 3). Общо 63 различни линии бяха подложени на този специфичен тест за разнообразяване на селекцията. Бяха проведени множество тестове и значимостта на констатациите беше установена чрез прилагане на теста за съотношение на вероятността с праг на p-стойност от 0,05.

Тази таблица отчита статистическо обобщение на съответствието на моделите с данните. Базовият MG94xREV се отнася до базовия модел MG94xREV, който прави извод за една категория ω тарифа за клон. Пълният адаптивен модел се отнася до адаптивния aBS-REL модел, който предполага оптимизиран брой категории ω процент на клон.

По време на еволюционния процес ние изследвахме омега стойностите, като използвахме методите SLAC, FUBAR, MEME и FEL, за да намерим индикации за положителна селекция (Таблица 5). Според нашите открития, генът BPIFA1 в клади на бозайници е бил обект на положителна еволюционна селекция. Можехме да открием кои региони от генома са били подложени на селективен натиск, като използвахме метода на Байес. Тази техника включва определяне на задната вероятност за всеки кодон. Сайтовете с по-голям брой възможности е по-вероятно да са претърпели диверсифицираща селекция, което води до по-високи нива на несинонимно и синонимно заместване, отколкото сайтове с по-малък брой вероятности (Таблица 2). Използвайки BEB анализ, ние открихме, че няколко места в LBP-BPI домейна на бактерицидния протеин са били обект на положителна селекция с висока задна вероятност от 95 процента. Така беше за всички сайтове. Сайтовете бяха разпръснати в домейна на различни места. Констатациите на PAML бяха проверени с помощта на набора от данни, открит в сървъра за избор. Този сървър успя да идентифицира адаптивна селекция на определени места в протеина, което ни позволи да потвърдим съществуването на положителна селекция. За определяне на нивата на заместване беше приложен моделът MEC. Констатациите показват, че адаптивната селекция е настъпила на няколко места в BPIFA1 (Таблица 5).

3.3. Рекомбинационен анализ

За гена BPIFA1 беше извършен рекомбинационен анализ, за ​​да се намерят потенциални еволюционни връзки между гените. Изследването разкри три събития на рекомбинация. Всяка от рекомбинационните последователности, включително главните и второстепенните родители, идва от гена BPIFA1. Ние идентифицирахме точките на прекъсване на рекомбинацията, използвайки GARD анализ. При скорост от 30.30 модела в секунда, GARD инспектира 5120 модела. Пространството за търсене на 72 874 879 модела с до три точки на прекъсване беше генерирано от 759 възможни точки на прекъсване на подравняването, от които генетичният алгоритъм изследва само 0,01 процента. При съотношение на доказателства от 100 или повече, моделът с множество дървета беше предпочитан пред модела с едно дърво, което показва, че поне една от точките на прекъсване отразява топологично несъответствие. Това беше потвърдено чрез сравняване на AICc резултатите на най-подходящия GARD модел, който позволява променливи топологии в сегменти (37 996,2), и модела, който приема едно и също дърво за всички дялове, определени от GARD, но позволява различни дължини на разклонения между преградите. По-конкретно, AICc резултатът на най-подходящия модел GARD беше 37 996,2, докато AICc резултатът на модела беше 37 996,2. (Фигури 4 и 5).

3.4. Протеин-протеинови взаимодействия и анализ на лигандно свързване

Използвахме базата данни STRING, за да търсим протеини, експресирани с BPIFA1, идентифицирайки няколко двойки протеин-протеинови взаимодействия. Имаше 13 възела и 35 ръба, обозначени с протеините, експресирани с BPIFA1. Ръбовете на PPI диаграмата са линейните мрежи, които свързват отделните възли (Фигура 6). Средната стойност на коефициента на локално групиране беше 0.978. Обогатяването на PPI има p-стойност от 5,25 × 10-12. PPI мрежата представлява взаимодействията на BPIFA1 гена с други ко-експресирани имунни гени. COX7B2, BPIFB6, BPIFB4, BPIFB2, BPIFB3, PLTP, CETP, BPI, LBP и ODF2L бяха 10-те гена, включени в PPI мрежата на BPIFA1 (Фигура 6).

Гените BPIFB6, BPIFB4, BPIFB2 и BPIFB3 са най-значимите, тъй като те участват в биологични сигнални пътища, които играят съществена роля във вродения имунитет срещу бактериална инфекция. В допълнение, тези гени се регулират нагоре от BPIFA1, което е друга причина да се считат за толкова значими (Таблица 6). Молекулярните пътища са от съществено значение за унищожаването на нахлуващите микроби чрез разрушаваща мембраната активност, съставена от всички свързани протеини с различни роли. Разрушаващата мембраната активност е необходима за елиминирането на нахлуващите микроби. Два решаващи протеина в медиирането на сигнали в отговор на липополизахариди включват LPS-свързващ протеин (LPSBP) и бактерициден протеин, повишаващ пропускливостта (BPI). Те показаха силен афинитет към липид А, вещество, открито в LPS, и бяха поразително сходни един с друг. Въпреки че имат подобни структури, LBP и BPI изпълняват различни биологични функции, които са ясно различни една от друга. Например, LBP често се свързва с LPS и значително улеснява представянето на LPS на CD14 плюс клетки, като макрофаги и моноцити, докато BPI инхибира и понижава биоактивността на LPS. Тези два протеина присъстват в бактериите.

Лигандите са критични компоненти в процеса на контролиране на експресията и активността на протеините. Междумолекулните свързващи сили, като йонни връзки, водородни връзки, хидрофобно взаимодействие и сили на Вандер-Ваалс, допринасят за процеса на свързване на лиганда. Поради взаимодействията между лиганди и протеини, триизмерната структура на протеина ще бъде променена. Поради тези промени в конформационното състояние на протеина, някои от функциите на протеина могат да бъдат инхибирани или активирани. Следователно, ние проведохме изследване на взаимодействието на протеин-лиганд, използвайки физикохимични характеристики на аминокиселини, за да определим кои остатъци взаимодействат с лиганда и кои не. За да постигнем това, използвахме уебсайт (http://crdd.osdd.net/raghava/lpicom, достъпен на 18 октомври 2021 г.), който изчислява частта от остатъци, които взаимодействат с даден лиганд. Показано е, че ключови остатъци, като цистеин, глицин, аланин, лизин, аспарагинова киселина, хистидин, левцин, валин аргинин, триптофан, серин, треонин и тирозин, взаимодействат със седем лиганда (1BP1, BPH, XE, NEH, CLA, CU и MG) и PC1. В сравнение с взаимодействието с PC1, заредените аминокиселини, особено незаменимите аминокиселини, имаха по-голямо предимство при взаимодействие с 1BP1, BPH, XE, NEH, CLA, CU и MG (Фигура 7). Малките и полярни аминокиселини, които корелират с тях, се характеризират във всеки от трите лиганда.

Използвахме два различни подхода, за да направим прогнози по отношение на комплементарни места на свързване: първият беше основан на сравняване на специфични за свързване субструктури (TM-SITE), докато вторият беше основан на подравняването на профилите на последователностите (S-SITE). Тези техники оценяват протеина BPIFA1 срещу 500 неизлишни протеина, които се комбинират с 814 органични, синтетични и метални йонни съединения. Започвайки с прогнози за протеинови структури с ниска разделителна способност, подходите успешно идентифицираха свързващите остатъци на BPIFA1, постигайки среден корелационен коефициент на Matthews (MCC), който беше много по-висок. В допълнение, техниките разкриват лиганди, които се свързват с остатъците (Таблица 7).

4. Дискусия

Хетерогенните среди предлагат платформи, където популациите, подложени на различна селекция, могат да бъдат разграничени в нативно адаптирани субпопулации [44]. Влиянието на селекцията върху генния поток сред популациите, като баланса между миграция и селекция, определя възможността за вродена адаптация и продължаваща дивергенция. Това е известно също като баланс на миграция-селекция. Съществува тенденция локалната генетична променливост в популациите да се хомогенизира поради генния поток, когато ефектът от селекцията е по-малко значим от ефекта на генния поток. Вместо това, генетичните варианти могат да се натрупват и да се задържат в специфични локуси, податливи на мощна дивергентна селекция, ако селективният натиск е по-голям от интегративната сила на генния поток [45].

При възможния алтернативен изход ползите от генния поток са ограничени от селекция срещу имигранти, които имат лошо генетично съответствие, което също проправя пътя за местна адаптация [45,46]. Трябва да има връзка между генния поток и селекцията, за да се разберат популационните разлики в честотата на генния поток [46]. При такива обстоятелства селекцията определя дали популацията продължава да се развива или се отделя като отделна група. Емпиричният Bayes подход изчислява LRT на всеки сайт на клон и локализира всички различни сайтове, където може да се появи диверсифициран избор. Въз основа на емпиричния Bayes подход, бързото, неограничено Bayesian приближение, известно също като FUBAR, беше приложено за локализиране на диверсифициращата селекция, възникваща в BPIFA1 гена. FUBAR позволи дисперсия на кодони от място до място и от клон до клон и беше използван за изследване на адаптивната еволюция, настъпила на ниво ген. Методът на MEME беше използван за изследване на адаптивната еволюция, настъпила на ниво ген [25,32,47]. Епизодичните диверсифициращи кодиращи сайтове бяха открити от SLAC с p-стойност по-малка от 0.01 (Таблица 1).

Този модел беше използван за оценка на нивата на синонимно и несинонимно заместване и сайтове за кодиране със синонимни нива на заместване, по-големи или равни на несинонимния процент, се считат за забележителни за идентифициране на сайтове, които са били подложени на диверсифицираща селекция. В MEME бяха получени оценки на максималната вероятност за кодоните 130, 167, 168, 190, 243, 265 и 289 на гена BPIFA1 (Таблица 2). Въз основа на техните незначими сигнали, тези кодони не са идентифицирани като положително избрани места, което се дължи на епизодичния характер на естествения подбор. Естественият подбор, който се извършваше спорадично през кратки интервали на адаптивна еволюция, беше маскиран от честата поява или на пречистващ, или на естествен подбор. Следователно признаци на адаптивна еволюция не могат да бъдат открити чрез тестване за чувствителност и положителна селекция [48].

Открихме седемнадесет сайта, които бяха благоприятно избрани с помощта на метода PAML, петнадесет сайта, които бяха избрани с помощта на алгоритъма IFEL, и четири сайта, които бяха избрани с помощта на алгоритъма FEL. Адаптивният селективен натиск върху кодонните последователности на гена BPIFA1 се изчислява с помощта на модела MEC. Това доведе до идентифицирането на седемдесет и четири аминокиселини (Фигура 1). Използван е модел на еволюция, основан на положителна селекция, разкриващ разлики на ниво кодон (M8). Приложението MrBayes на сървъра за избор използва MCMC модел, за да определи преди това разликите в гена MAVS при бозайници на ниво кодон [49].

Въз основа на резултатите от MAFFT протеинови подреждания, предишни проучвания показват, че Ig домейнът остава в MAVS кодиращите последователности. Тези резултати предполагат, че алтернативните протеинови превключватели в пречистването на избрани региони са вредни и следователно е малко вероятно да се поддържат през цялата еволюция [50,51]. Местата за множество еволюционни пътища бяха идентифицирани с помощта на многопараметрично разпределение на скоростта, модел на случаен ефект с 95 процента доверителен интервал и значителни Pr [>] стойности. След това сайтовете могат да бъдат локализирани благодарение на този метод (Таблица 3). В случай на положителна селекция, теглото на класа се определя с помощта на двумерно общо дискретно разпределение за всяко кодиращо място. Конвергенцията на модела MCMC беше демонстрирана от факта, че беше установено, че задните средни оценки за BPIFA1 са по-близки до разглежданата стойност на редукционния фактор (Таблица 2).

Тези стойности варираха от {{0}}.95 до 0.99. По време на процеса на разнообразяване на селекцията бяха взети предвид само кодиращите места с емпирични стойности на Bayes фактор (EBF) над 50. Изчисленията бяха извършени с помощта на нетния ефективен размер на извадката, за да се определят стойностите на EBF за всяко кодиращо място, оценено чрез положителна селекция. Извеждането на разпределението на генно-специфични параметри за селекция може да подобри откритите селекции в голям брой кодиращи сайтове. Кодиращите области, които бяха положително избрани и идентифицирани, дават значително доказателство за разнообразна селекция в BPIFA1 гени, които сега преминават през селективна линия. В резултат на това някои мутации, които първоначално изглеждат неутрални (и нямат непосредствено въздействие върху годността), могат да бъдат „позволени“, позволявайки на протеина да издържи на по-късни промени, които иначе биха били вредни и биха причинили фенотипни разлики [52]. Неутралните мутации в епистазата полагат основата за по-късна селекция и адаптация, която наскоро привлече много внимание и беше предложена като начин за съвместяване на неутралните и селекционните модели на еволюцията [53].

Процентът на заместване за двойката FWY и HKR беше приблизително 50 процента, процентът на заместване за DENQ беше 50 процента, а процентът на заместване за ACGILMPSTV беше 90 процента. PPI мрежата представлява взаимодействията на протеина BPIFA1 с други ко-експресирани имунни протеини. COX7B2, BPIFB6, BPIFB4, BPIFB2, BPIFB3, PLTP, CETP, BPI, LBP и ODF2L бяха десетте гена, които определихме като отговорни за тези протеинови взаимодействия (Фигура 6). Гените BPIFB6, BPIFB4, BPIFB2 и BPIFB3 са най-значимите, защото участват в биологични сигнални пътища, които играят съществена роля във вродения имунитет срещу бактериална инфекция. В допълнение, тези гени се регулират нагоре от BPIFA1, предоставяйки друга причина, че са толкова значими (Таблица 6). Интерфейсите съдържат клъстери от запазени остатъци с аминокиселинен състав, съвместим както с интерфейсното ядро ​​(остатъци с най-голяма промяна в погребването при свързване), така и със запазен регион [54], а горещите региони, развиващи се от групирането на горещи точки, съответстват на плътно опаковани и защитени региони.

По този начин интерфейсите са под еволюционен натиск да поддържат настоящите връзки, като същевременно предотвратяват неблагоприятни, неспецифични взаимодействия. Някои физикохимични характеристики могат да бъдат променени, за да се намали вероятността интерфейсите протеин-протеин да образуват дисфункционални взаимодействия [55]. В резултат на нашето разследване открихме, че стойностите са повече от 1 за положително избрани кодони, представени в Таблица 1. Това илюстрира, че разработването на синонимни сайтове изисква повече време, отколкото разработването на несинонимни сайтове (dN сайтове). Това благоприятно въздействие на дарвиновата селекция, която насърчава нови вариации и по-голям алелен полиморфизъм, действа като балансираща или пречистваща селекция [56], което причинява промяна в структурния протеин и засяга сигналния път [57]. Въпреки че произхождат от една и съща линия, аминокиселинните замествания в потомството на различни видове могат да имат много различни последствия [56,57]. Това контрастира с факта, че тяхното родословие съвпада с по-ранните изявления. Гените BPIFA1, избрани в това проучване, предоставят известна информация за биоанализ, който има за цел да избере гени въз основа на еволюционната времева скала от най-новите до по-дългосрочни периоди.

В допълнение, основният еволюционен механизъм, който беше разкрит в резултат на скорошни изследвания, може да се окаже недостатъчен поради липсата на структурни и функционални характеристики на голям брой протеини в генома. Еволюцията и адаптацията на протеин-кодиращите гени в Drosophila melanogaster бяха обстойно изследвани, за да се определят най-подходящите детерминанти на еволюцията и адаптацията на нивото на протеин-кодиращите гени. Това беше постигнато чрез сравняване на D. melanogaster с тясно свързани видове и техните популации. Мащабни приложения на биоинформатика и структурен анализ бяха извършени от нашия екип, за да се установят структурните и функционални характеристики на протеините. Впоследствие разделихме остатъците на различни структурни и функционални места, използвайки нашата система за категоризиране. Скоростите на еволюция и адаптация на последователността бяха сравнени в различни протеини и местоположения, което позволи идентифицирането на горещи точки на адаптация в целия геном. В допълнение, доказано е, че бързо адаптивните протеини взаимодействат един с друг при скорости, които са по-високи от това, което би било предвидено случайно; това откритие показва, че коадаптацията вероятно е повсеместна сред бързо адаптивните протеини.

В резултат на техните физически връзки, по-долу са примери за механизми, които имат потенциала да допринесат за коадаптация: (1) често се установява, че бързо адаптивните протеини са обогатени с подобни химически дейности и са изложени на подобен натиск за селекция и (2 ) бързо адаптивните протеини се развиват съвместно. В това изследване бяха демонстрирани два различни случая на адаптивна еволюция в PPI, което кара авторите да предположат, че тези физически взаимодействия може да са изиграли роля в коадаптацията на бързо адаптивни протеини в D. melanogaster. В допълнение, ние показахме, че феноменът на коадаптация може да се осъществи в по-общ смисъл, отколкото само между бързо адаптивни протеини. Скоростта на адаптация обикновено е по-висока при протеини, които взаимодействат с бързо адаптивни протеини. Като се има предвид, че молекулярните взаимодействия играят роля в адаптивната еволюция, справедливо е да се предвиди, че тези взаимодействия могат също да управляват коадаптацията на по-глобално ниво. Постулира се, че съвместната еволюция на физическите контакти е механизмът, отговорен за сходните еволюционни скорости, наблюдавани във взаимодействащите протеини.

5. Изводи

Нашата цел беше да идентифицираме селективния натиск, който е допринесъл за развитието на системата BPIFA1 на растенията и бозайниците, чиято експресия е модулирана в голямо разнообразие от заболявания. Протеинът BPIFA1 бързо еволюира в отговор на селективен натиск в човешката линия и ние успяхме да определим детерминантите на генетичната селекция, които обясняват неговата бактерицидна активност. По време на своята еволюционна история положителната селекция може да е имала решаваща роля за подобряване на вирулентния отговор към различни стимули, което би могло да обясни наблюдаваното разнообразие в стабилността на функцията на гена. Нашите открития осигуряват по-цялостно разбиране на еволюционната история на BPIFA1 гените, което ще подобри функционалния геномичен анализ на патогенността в биологичните процеси. Очаква се тези открития също да помогнат за подобряване на разбирането за превенцията на заболяванията. Освен това, изследването на тези гени може да улесни проектирането на уникален метод, който може да помогне при определянето на различните вирулентни протеини, присъстващи в бактериалните патогени. Нашите открития ни карат да предположим, че ограниченията по време на еволюционния процес са изиграли ключова роля в оформянето на нашите открития. В резултат на тези ограничения успяхме да идентифицираме някои числени граници, когато свързахме характеристики като дължина на протеина със сложни комплекси. Уникалните характеристики на протеините са интригуващи, защото те могат да дадат индикация за необичайни стресори или хомеостатични корекции, които са позволили тяхното присъствие в клетките. Следователно те са обещаващ избор за по-нататъшни изследвания.

Авторски принос:

Концептуализация, HIA и JC; методология, HIA, MAK, FAK, SI, RWA и NSP; софтуер, HIA, WN, NSP, RWA и SI; валидиране, MAK, JC, FAK и HIA; формален анализ, HIA, MAK, FAK, SI, RWA и NSP; разследване, HIA, MAK, FAK, SI, RWA и NSP; ресурси, HIA, MAK и JC; обработка на данни, HIA, MAK, FAK, SI, RWA и WN; писане—изготвяне на оригинален проект, HIA; писане—преглед и редактиране, HIA, SI, RWA, WN и NSP; визуализация, JC и MAK; надзор, MAK, FAK, NSP и WN Всички автори са прочели и са съгласни с публикуваната версия на ръкописа.

Финансиране:

Това изследване не получи външно финансиране.

Изявление на институционалния съвет за преглед:

Не е приложимо.

Декларация за информирано съгласие:

Не е приложимо.

Декларация за наличност на данни:

Всички данни, свързани с тази статия, трябва да бъдат публично достъпни за читателите.

Благодарности:

Това проучване беше подкрепено от специалния финансов проект на провинция Гуангдонг за 2022 г. за екологично горско стопанство.

Конфликти на интереси:

Авторите декларират липса на конфликт на интереси.

Препратки

1. Ли, Дж.; Xu, P.; Wang, L.; Фън, М.; Чен, Д.; Ю, X.; Lu, Y. Молекулярна биология на BPIFB1 и нейния напредък в болестта. Ан. Превод Med. 2020, 8, 651. [CrossRef] [PubMed] 2. Saferali, A.; Танг, AC; Strug, LJ; Quon, BS; Zlosnik, J.; Сандфорд, AJ; Turvey, SE Имуномодулаторна функция на гена за модификатор на кистозна фиброза BPIFA1. PLoS ONE 2020, 15, e0227067. [CrossRef] [PubMed]

3. Нам, Б.-Х.; Moon, J.-Y.; Парк, E.-H.; Kim, Y.-O.; Ким, Д.-Г.; Конг, HJ; Kim, W.-J.; Jee, YJ; An, CM; Парк, NG; и др. Антимикробна активност на пептиди, получени от липополизахарид свързващ протеин/протеин, повишаващ бактерицидната пропускливост (LBP/BPI). Март наркотици 2014, 12, 5240–5257. [CrossRef] [PubMed]

4. Киршнинг, CJ; Au-Young, J.; Лампинг, Н.; Reuter, D.; Pfeil, D.; Seilhamer, JJ; Schumann, RR Подобна организация на гените на липополизахарид-свързващия протеин (LBP) и фосфолипидния трансферен протеин (PLTP) предполага общо генно семейство на липидно-свързващи протеини. Геномика 1997, 46, 416–425. [CrossRef] [PubMed]

5. Балакришнан, А.; Marathe, SA; Джоглекар, М.; Chakraborty, D. Бактерициден/повишаващ пропускливостта протеин: многостранен протеин с функции извън неутрализацията на LPS. Вроден имун. 2012, 19, 339–347. [CrossRef]

6. Райт, SD; Ramos, RA; Тобиас, PS; Улевич, RJ; Mathison, JC CD14, рецептор за комплекси от липополизахарид (LPS) и LPS свързващ протеин. Наука 1990, 249, 1431–1433. [CrossRef]

7. Шао, Й.; Li, C.; Че, З.; Джан, П.; Джан, В.; Дуан, X.; Li, Y. Клониране и характеризиране на два липополизахарид-свързващи протеини / бактерицидни гени за увеличаване на протеин (LBP / BPI) от морската краставица Apostichopus japonicas с разнообразна функция в модулирането на производството на ROS. Dev. Comp. Immunol. 2015, 52, 88–97. [CrossRef]

8. Шейфър, Н.; Ли, X.; Сейболд, Масачузетс; Jarjour, NN; Denlinger, LC; Кастро, М.; Coverstone, AM; Teague, WG; Boomer, J.; Bleecker, ER Ефектът на генетичната вариация на BPIFA1/SPLUNC1 върху неговата експресия и функция в астматичния епител на дихателните пътища. JCI Insight 2019, 4, e127237. [CrossRef]

9. Брито, CJ; Cohn, L. Член на семейството A1, съдържащ бактерицидно/увеличаващ пропускливостта протеинов гънък, при защита на дихателните пътища и респираторни заболявания. Am. J. Respir. Cell Mol. Biol. 2015, 52, 525–534. [CrossRef]

10. Муса, М.; Уилсън, К.; Сън, Л.; Mulay, A.; Бингъл, Л.; Мариот, ХМ; LeClair, EE; Bingle, CD Диференциална локализация на BPIFA1 (SPLUNC1) и BPIFB1 (LPLUNC1) в носната и устната кухини на мишки. Cell Tissue Res. 2012, 350, 455–464. [CrossRef]

11. Tsou, Y.-A.; Tung, M.-C.; Александър, KA; Chang, W.-D.; Цай, М.-Х.; Chen, H.-L.; Chen, C.-M. Ролята на BPIFA1 при микробни инфекции на горните дихателни пътища и свързани заболявания. BioMed Res. Вътр. 2018, 2018, 2021890. [CrossRef] [PubMed]

12. Caikauskaite, R. Взаимодействия на BPIFA1 с бактерии и тяхното значение за защитата на дихателните пътища. Доцент доктор. Дипломна работа, Университет на Шефилд, Шефилд, Обединеното кралство, 2018 г.

For more information:1950477648nn@gmail.com