《磷酸化改变蛋白质二硫键异构酶的活性以维持蛋白酶稳定和减弱内质网应激,EMBO J, 2020年3月9日》

  • 来源专题:生物安全网络监测与评估
  • 编译者: yanyf@mail.las.ac.cn
  • 发布时间:2020-07-07
  • 内质网(ER)内折叠蛋白的积累引发了折叠蛋白反应(unfolded protein response, UPR),增加了内质网蛋白的折叠能力。ER蛋白稳定和UPR信号需要精确及时的调控。在这里,我们确定了蛋白二硫异构酶(PDI)的磷酸化,这是ER中最丰富和最关键的折叠催化剂之一,是ER胁迫的早期事件。分泌途径激酶Fam20C磷酸化PDI的Ser357,并对各种内质网应激反应迅速。Ser357的磷酸化诱导PDI形成开放构象,并将其从“折叠酶”转变为“保持酶”,这对于防止内质网中的蛋白质错折叠至关重要。磷酸化的PDI也与主要UPR信号传感器IRE1的内腔结构域结合,并衰减过度的IRE1的外腔活性。重要的是,在急性内质网应激下,PDI‐S359A敲除小鼠显示IRE1抑制激活增强和肝损伤。我们的结论是,Fam20C‐PDI轴构成了一个翻译后反应,以维持内质网蛋白稳定,并在保护内质网应激诱导的细胞死亡中发挥重要作用。

相关报告
  • 《蛋白质二硫键异构酶的结合与糖尿病患者脂肪细胞中的线粒体应激和内质网应激相关》

    • 来源专题:重大新药创制—内分泌代谢
    • 编译者:李永洁2
    • 发布时间:2017-05-22
    • 目的:由于葡萄糖毒素驱动的线粒体应激,糖尿病小鼠脂肪组织中富马酸的蛋白质琥珀酸增加以及在高葡萄糖中成熟的脂肪细胞中。内质网(ER)氧化还原酶蛋白二硫键异构酶(PDI)在高糖成熟的脂肪细胞中被琥珀酸化,在本研究中,我们研究了琥珀酸是否会改变PDI氧化还原酶活性,直接连接线粒体应激和ER应激。 结果:药物靶向线粒体应激后的蛋白质琥珀酸化和ER应激标记C / EBP同源蛋白(CHOP)在脂肪细胞中以高葡萄糖浓度成熟后,化学解偶联物氯硝柳胺成为降低的趋势。 PDI在含CXXC的活性位点上由富马酸酯琥珀酸化,有助于降低酶活性。琥珀酸化的PDI降低了在高葡萄糖和db / db附睾脂肪组织中成熟的脂肪细胞中的还原酶活性,与CHOP水平升高相关。在富马酸酯敲除脂肪细胞中PDI琥珀酸增加,导致PDI氧化还原酶活性降低,CHOP水平升高和促炎细胞因子分泌增加,证实了富马酸盐水平升高对ER应激的作用。此外,PDI琥珀酸化和ER应激降低,当暴露于慢性高葡萄糖受限时,PDI还原酶活性恢复,突出了卡路里限制在脂肪细胞代谢功能改善中的重要性。 创新:这些实验将PDI琥珀酸鉴定为将糖尿病中脂肪细胞的线粒体代谢改变为ER应激的新型生物化学机制。 结论:目前的研究表明,线粒体代谢的早期生物化学变化对脂肪细胞应激的发展具有重要意义。
  • 《深度学习助力蛋白的设计》

    • 来源专题:生物科技领域知识集成服务
    • 编译者:陈方
    • 发布时间:2020-09-11
    • 蛋白设计通常有两种方法:“定向进化”是指随机改变编码天然蛋白质的氨基酸构件的基因序列,筛选具有所需活性的变体;“合理设计”是根据蛋白质3D结构对其进行建模,以识别可能影响蛋白质功能的氨基酸。然而,定向进化只能触及庞大数量蛋白质序列中的一小部分,而合理设计则需要对蛋白质3D结构进行艰难的解析。 2019年10月21日Nature Methods报道,哈佛大学Wyss生物启发工程研究所和哈佛医学院的研究人员创建了第三种蛋白质设计方法,利用深度学习直接从氨基酸序列中预测蛋白质基本特征。研究结果显示,该方法准确地预测了天然和从头设计的蛋白质功能,将大量工作转移给计算机,与现有方法相比,可将成本降低两个数量级。 研究人员将这个神经网络方法命名为“统一表示”(unified representation,UniRep),在大约三周的时间内,研究者对UniRep进行了约2400万个蛋白质序列的训练,以关联蛋白质序列及其特性,包括蛋白质稳定性、二级结构以及蛋白质内部序列对周围溶剂的可及性等。结果UniRep准确地描述了来自不同的蛋白质家族的蛋白质的这些特征,包括那些已经被研究清晰解析的蛋白质,以及自然界中不存在的蛋白质。 该团队进一步将UniRep作为研究工具,预测单个氨基酸取代如何影响蛋白质功能。该神经网络以多种生物学功能(包括酶催化、DNA结合、分子传感)可靠地预测8种不同蛋白质中单个氨基酸突变影响。此外,研究者使用绿色荧光蛋白作为模型,利用UniRep分析了该蛋白的64,800个变异体,每个变异体带有1~12个突变,结果UniRep准确地预测了突变的分布及其对蛋白质亮度的影响。 研究者表示,这种基于深度学习的蛋白质工程计算方法具有加速合成蛋白质设计的潜力,该方法可以针对任何所需应用量身定制蛋白质功能,可用于治疗、诊断、生物制造、生物催化及其他应用。 吴晓燕 编译自https://phys.org/news/2019-10-proteins-language.html 原文链接:https://www.nature.com/articles/s41592-019-0598-1                                  原文标题:Unified rational protein engineering with sequence-based deep representation learning