新結構預測方法助科學(xué)家能繪制出數以千計分泌蛋白

來(lái)自美加州大學(xué)伯克利分校的科學(xué)家們最近發(fā)表了一項工作，其為思考病原體進(jìn)化的新方法奠定了基礎。“我們的研究強調，對于破壞性真菌病原體Magnaporthe oryzae的分泌蛋白，使用機器學(xué)習的無(wú)模板建模確實(shí)優(yōu)于基于模板的建模，”發(fā)表在MPMI雜志上的論文的第一作者Kyungyong Seong說(shuō)道。

病原體利用的是一種被稱(chēng)為效應器的毒力因子，這對病原體的生存非常重要。同源建模是最廣泛使用的方法之一，但這需要使用已解決的效應器結構模板，而解決所有的效應器結構是一項太艱巨的任務(wù)。病原體基因組中編碼的效應蛋白太多，其無(wú)法簡(jiǎn)單地依靠實(shí)驗來(lái)解決每一個(gè)結構。

Seong和同事Ksenia V. Krasileva則使用了一種新的結構預測方法，該方法能為以前基于模板的方法無(wú)法預測的500種分泌蛋白建立模型。

Krasileva表示：“在我們的研究中，1854個(gè)分泌蛋白中約有70%被建模，它們的結構根據它們彼此之間的相似性或其他已解決的蛋白結構提供了關(guān)于效應物的額外信息。我們證明了新的結構預測方法很適用于破譯病原體毒力因子和其他分泌蛋白的問(wèn)題，這些蛋白之間或與其他蛋白之間的序列相似度往往很小。”

這種新方法使科學(xué)家能繪制出數以千計的分泌蛋白并在它們之間建立起缺失的進(jìn)化聯(lián)系。“我們相信我們的研究是在機器學(xué)習結構預測的新時(shí)代，首次在植物病原體上應用結構基因組學(xué)的概念，”Seong說(shuō)道。

“隨著(zhù)結構預測的準確性進(jìn)一步提高，結合大規模蛋白質(zhì)結構預測數據的文章將變得更加常見(jiàn)，”Krasileva預測道，“我們的文章可能會(huì )引發(fā)一些關(guān)于如何使用此類(lèi)數據的想法并導致一些科學(xué)家在其他方面提前探索機會(huì )。”

他們還發(fā)現，在M. oryzae中有許多新的序列不相關(guān)的結構相似的效應器，并且結構相似的效應器在其他植物病原體中也有發(fā)現。這表明，病原體可能是依靠一套共同起源但在進(jìn)化過(guò)程中序列基本分歧的效應器來(lái)感染植物。

免責聲明：本文不構成任何商業(yè)建議，投資有風(fēng)險，選擇需謹慎！本站發(fā)布的圖文一切為分享交流，傳播正能量，此文不保證數據的準確性，內容僅供參考

關(guān)鍵詞： 科學(xué)家 植物病原體 應用結構基因組學(xué) 病原體