Evolusi Molekuler Protein Peningkat Bakterisidal/Permeabilitas (BPIFA1) yang Mengatur Respons Kekebalan Tubuh Bawaan pada Mamalia Bagian 2

3. Hasil

Urutan protein BPIFA1 yang dikodekan dalam genom mamalia dipelajari untuk menentukan peran seleksi dan evolusi adaptif. Protein BPIFA1 adalah mediator utama pensinyalan bawaan terhadap infeksi mikroba oleh bakteri dan jamur. Setelah urutan digabungkan menggunakan MSA, mereka digunakan untuk membuat pohon filogenetik Bayesian dan menjalani penyelidikan lebih lanjut. Untuk memulai kaskade pensinyalan intraseluler, mengaktifkan satu set gen yang diidentifikasi dalam spesies mamalia yang sesuai dan memiliki domain yang berfungsi (LBP-BPI) diperlukan. Untuk surfaktan fosfolipid dipalmitoylphosphatidylcholine (DPPC), domain pengikat lipid ini memiliki tingkat selektivitas yang sangat tinggi. Sistem kekebalan bawaan saluran napas bagian atas diaktifkan sebagai respons terhadap banyak sinyal genetik, seperti peningkatan tingkat substitusi non-sinonim, haplotipe homolog yang signifikan, dan tidak adanya variasi genetik dalam protein BPIFA1, menunjukkan bahwa keberadaan protein ini disukai oleh positif pilihan.

Lipid Binding Domain (LBD) adalah domain struktural yang terkandung dalam banyak protein, yang dapat mengikat beberapa molekul lipid tertentu untuk mengatur fungsi atau lokalisasi protein.

Beberapa penelitian telah menunjukkan bahwa domain pengikat lipid dapat mempengaruhi kekebalan. Misalnya, di beberapa organ limfoid sekunder seperti limpa dan kelenjar getah bening, molekul lipid yang disebut S1P (sphingolipid-1-fosfat) mengatur migrasi dan migrasi sel T dan sel B dengan berinteraksi dengan domain pengikat lipid. mempertahankan. Selain itu, beberapa reseptor permukaan sel imun yang penting, seperti TLR4, TLR7, dan TLR8, juga mengandung domain pengikat lipid, yang dapat mengikat berbagai jenis molekul lipid dan mengatur aktivasi dan respons sel imun.

Oleh karena itu, ada hubungan tertentu antara domain pengikat lipid dan imunitas, yang juga memberikan ide baru untuk mempelajari regulasi respon imun oleh domain pengikat lipid. Terlihat bahwa kita harus meningkatkan kekebalan kita untuk melawan virus. Cistanche dapat meningkatkan kekebalan secara signifikan. Cistanche juga memiliki efek anti virus dan anti kanker, yang dapat memperkuat kemampuan sistem imun untuk melawan dan meningkatkan imunitas tubuh.

Klik manfaat kesehatan dari cistanche

3.1. Evolusi Molekuler Gen BPIFA1

Dalam karya ini, kami mencari tanda-tanda adaptasi pada gen BPIFA1, mulai dari sinyal seleksi yang semakin lemah hingga kuat selama evolusi adaptif dalam genom mamalia. Persentase tipikal kodon pada gen BPIFA1 yang menjalani evolusi adaptif ditentukan. Mengikuti prosedur yang sama untuk setiap urutan pengkodean, kami menghitung proporsi rata-rata kodon yang dipilih secara positif di semua cabang. Dengan menggunakan BUSTED dan variasi tingkat sinonim dalam cabang uji yang dipilih dengan hati-hati dari filogeni BPIFA1, kami menentukan jejak seleksi diversifikasi episodik di seluruh gen. Hasilnya, kami menyimpulkan bahwa seleksi divergen terjadi di sepanjang tiga garis keturunan yang diperiksa. Dengan menggunakan variasi laju sinonim, kami mengamati seleksi diversifikasi episodik di seluruh gen di cabang uji filogeni BPIFA1. Seleksi diversifikasi episodik seluruh gen digunakan untuk mencapai ini (LRT). Dua cabang uji menunjukkan bukti diversifikasi seleksi, yang menunjukkan bahwa situs tersebut telah mengalami jenis evolusi ini (Gambar 1).

Rata-rata rasio dN/dS untuk BPIFA1 di semua lokasi dan garis keturunan lebih besar dari satu. Akibatnya, penelitian dilakukan pada protein ini untuk mengidentifikasi ciri-ciri seleksi positif. Protein tersebut ditemukan memiliki struktur asam amino yang awet, sehingga memungkinkan untuk dimurnikan, dan memiliki nilai omega lebih besar dari 1. Tes log-likelihood dilakukan pada protein ini, semua situsnya dianalisis, dan tingkat substitusi dihitung. Untuk menilai apakah seleksi positif terjadi atau tidak, kami menggunakan tiga rangkaian model kemungkinan yang berbeda: M0 vs. M3, M1 vs. M2, dan M7 vs. M8. Estimasi parameter di bawah M1 dan M2 dibandingkan dan ditemukan bahwa nilai M2 untuk protein ini adalah positif. Persentase situs yang dipilih secara positif signifikan untuk ketiga model, dengan nilai masing-masing 422.86, 64,5, dan 93,63 (Tabel 1).

Untuk memberikan bukti tambahan untuk mendukung temuan seleksi positif, kami menerapkan model Kombinasi Mekanistik-Empiris ke situs tertentu menggunakan server Seleksi. Selama proses ini, kami menemukan bahwa beberapa lokasi telah diidentifikasi mengalami tekanan selektif di berbagai titik selama evolusi (Gambar 1). Karena itu, kami dapat memperkirakan sejauh mana gen ini telah dilestarikan secara evolusioner. Kami menemukan bahwa sebagian besar situs yang dipilih secara positif telah dilestarikan di seluruh lapisan mamalia. Ini karena asam amino yang dilestarikan menyumbang sebagian besar sinyal yang digunakan untuk seleksi positif dalam algoritme jaringan saraf (Tabel 2).

Metode pemilihan model kodon mengevaluasi 9113 model yang berbeda. Model terbaik (log(L)=−18,910, mBIC=39,340.92) berisi tiga tingkat dan paling akurat. Dengan model ini, peningkatan poin 218,66 log(L) dan 398,33 mBIC dicapai dibandingkan dengan model laju tunggal, di mana semua substitusi non-sinonim terjadi pada laju yang sama, seperti yang ditunjukkan pada Tabel 1. Setiap model dalam rangkaian kredibel memiliki rasio bukti minimal 0,01 dibandingkan dengan model terbaik, artinya berada dalam 9,21 unit mBIC dari model terbaik, atau setara, memiliki rasio bukti minimal 0,01 dibandingkan dengan model terbaik. Rata-rata model memperkirakan tingkat perubahan dalam kumpulan model ini (Gambar 2). Pola seleksi evolusioner pada posisi asam amino pada protein BPIFA1 juga dinilai menggunakan analisis seleksi model kodon, yang menunjukkan bahwa substitusi situs asam amino terjadi selama evolusi adaptif pada protein. Kami mengungkapkan bahwa posisi asam amino dasar dari protein menunjukkan evolusi adaptif karena berbagai rasio substitusi. Berdasarkan sebaran situs asam amino pada BPIFA1, laju substitusi maksimum sekitar 1,19, sedangkan yang terendah adalah 0,14 (Gambar 2).

Identifikasi wilayah protein yang signifikan secara fisiologis dapat dilakukan dengan membandingkan frekuensi substitusi sinonim (Ks) dan nonsinonim (Ka) dalam protein. Ini memberikan dasar untuk menyimpulkan adanya seleksi pemurnian dan seleksi Darwinian positif yang terlokalisasi. Kami menggunakan Selecton v. 2.2 (dapat diakses di http://selection-bio info-tau.ac.il, diakses pada 29 September 2021), sebuah server web yang secara otomatis menghitung rasio Ka terhadap Ks (u) di setiap situs dalam protein. Warna yang berbeda mewakili jenis seleksi yang berbeda (seleksi positif, seleksi pemurnian, dan tanpa seleksi) dan digunakan untuk menampilkan rasio ini secara grafis di setiap lokasi. Model Seleksi adalah kumpulan hipotesis evolusi yang berbeda yang dapat digunakan untuk menguji secara statistik kemungkinan bahwa protein tertentu telah mengalami seleksi positif. Ini beroperasi melalui antarmuka pengguna grafis. Model mekanistik-empiris yang baru dibentuk mempengaruhi sifat fisik asam amino (Tabel 3).

3.2. Seleksi Adaptif Gen BPIFA1

Untuk menentukan sejauh mana spesies mamalia yang berbeda telah beradaptasi dengan lingkungannya, kami menggunakan banyak penjajaran urutan pengkodean gen BPIFA1 dari masing-masing 34 spesies. Tes-tes ini dapat digunakan secara individual atau dalam kombinasi. Variasi tes yang paling umum dikenal sebagai tes cabang. Selama evolusi spesies vertebrata, pemilihan silsilah tertentu digunakan untuk mengenali silsilah yang berbeda sebagai subyek tekanan seleksi. Probabilitas seleksi spesifik garis keturunan dihitung untuk setiap kelompok filogenetik menggunakan model kemungkinan efek acak cabang-situs adaptif (aBS-REL). Selain itu, teknik aBS-REL digunakan untuk membedah setiap gen guna menentukan garis keturunan mana yang telah mengalami seleksi adaptif pada waktu yang berbeda dalam sejarah evolusi.

Ketika diterapkan pada garis keturunan mamalia, model aBS-REL mengonfirmasi bahwa gen yang diprediksi BUSTED berada di bawah seleksi positif. Hasil kami, yang menunjukkan bahwa tekanan selektif bekerja pada gen BPIFA1 dalam garis keturunan mamalia, menunjukkan bahwa kedua hipotesis itu kongruen (Tabel 4). Dalam filogeni gen BPIFA1, terdapat bukti seleksi diversifikasi episodik di delapan cabang. Pentingnya temuan dievaluasi menggunakan Uji Rasio Kemungkinan (p > 0.05), yang dilakukan setelah hasil dari banyak pengujian lainnya dipertimbangkan (Gambar 3). Secara total, 63 galur berbeda dimasukkan melalui tes khusus ini untuk seleksi diversifikasi. Beberapa tes dilakukan, dan signifikansi temuan ditetapkan dengan menerapkan Uji Rasio Kemungkinan dengan ambang p-value 0,05.

Tabel ini melaporkan ringkasan statistik kesesuaian model dengan data. Baseline MG94xREV mengacu pada model baseline MG94xREV yang menyimpulkan kategori laju ω tunggal per cabang. Model adaptif penuh mengacu pada model adaptif aBS-REL, yang mengimplikasikan jumlah optimal kategori kecepatan ω per cabang.

Selama proses evolusi, kami memeriksa nilai omega dengan menggunakan metode SLAC, FUBAR, MEME, dan FEL untuk menemukan indikasi seleksi positif (Tabel 5). Menurut temuan kami, gen BPIFA1 dalam clade mamalia telah mengalami seleksi evolusi positif. Kami dapat mendeteksi daerah genom mana yang mengalami tekanan selektif dengan menggunakan metode Bayesian. Teknik ini melibatkan penentuan probabilitas posterior untuk setiap kodon. Situs dengan jumlah kemungkinan yang lebih besar lebih mungkin untuk mengalami seleksi diversifikasi, yang mengarah ke tingkat substitusi non-sinonim dan sinonim yang lebih tinggi daripada situs dengan jumlah probabilitas yang lebih rendah (Tabel 2). Dengan menggunakan analisis BEB, kami menemukan bahwa beberapa lokasi di seluruh domain LBP-BPI protein bakterisidal telah mengalami seleksi positif dengan probabilitas posterior tinggi sebesar 95 persen . Ini adalah kasus untuk semua situs. Situs tersebar di seluruh domain di berbagai lokasi. Temuan PAML diperiksa menggunakan dataset yang ditemukan di server Seleksi. Server ini dapat mengidentifikasi seleksi adaptif di situs tertentu dalam protein, yang memungkinkan kami memvalidasi keberadaan seleksi positif. Untuk menentukan tingkat substitusi, model MEC diterapkan. Temuan menunjukkan bahwa seleksi adaptif terjadi di beberapa lokasi di BPIFA1 (Tabel 5).

3.3. Analisis Rekombinasi

Untuk gen BPIFA1, analisis rekombinasi dilakukan untuk menemukan hubungan evolusi potensial antar gen. Penelitian mengungkapkan tiga peristiwa rekombinasi. Setiap urutan rekombinasi, termasuk induk mayor dan minor, berasal dari gen BPIFA1. Kami mengidentifikasi breakpoint rekombinasi menggunakan analisis GARD. Dengan kecepatan 30.30 model per detik, GARD memeriksa 5120 model. Ruang pencarian dari 72.874.879 model dengan hingga tiga breakpoint dihasilkan oleh 759 kemungkinan breakpoint penyelarasan, yang mana algoritma genetika hanya memeriksa 0,01 persen . Dengan rasio bukti 100 atau lebih, model banyak pohon lebih disukai daripada model pohon tunggal, yang menunjukkan bahwa setidaknya satu dari breakpoint mencerminkan keganjilan topologi. Ini divalidasi dengan membandingkan skor AICc dari model GARD yang paling pas, yang memungkinkan untuk topologi variabel lintas segmen (37.996,2), dan model, yang mengasumsikan pohon yang sama untuk semua partisi yang ditentukan oleh GARD, tetapi memungkinkan panjang cabang yang bervariasi. antar partisi. Secara khusus, skor AICc dari model GARD yang paling pas adalah 37.996,2, sedangkan skor AICc model tersebut adalah 37.996,2. (Gambar 4 dan 5).

3.4. Interaksi Protein-Protein dan Analisis Pengikatan Ligan

Kami menggunakan database STRING untuk mencari protein yang diekspresikan dengan BPIFA1, mengidentifikasi beberapa pasang interaksi protein-protein. Ada 13 node dan 35 edge yang dilambangkan dengan protein yang diekspresikan dengan BPIFA1. Tepi diagram PPI adalah jaringan garis yang menghubungkan node individu (Gambar 6). Nilai koefisien pengelompokan lokal rata-rata adalah 0.978. Pengayaan PPI memiliki nilai p 5,25 × 10−12. Jaringan PPI mewakili interaksi gen BPIFA1 dengan gen imun lain yang diekspresikan bersama. COX7B2, BPIFB6, BPIFB4, BPIFB2, BPIFB3, PLTP, CETP, BPI, LBP, dan ODF2L adalah 10 gen yang terlibat dalam jaringan PPI BPIFA1 (Gambar 6).

Gen BPIFB6, BPIFB4, BPIFB2, dan BPIFB3 adalah yang paling signifikan karena terlibat dalam jalur pensinyalan biologis, yang memainkan peran penting dalam kekebalan bawaan terhadap infeksi bakteri. Selain itu, gen-gen ini diregulasi oleh BPIFA1, yang merupakan alasan lain mengapa dianggap sangat signifikan (Tabel 6). Jalur molekuler sangat penting dalam memberantas kuman yang menyerang melalui aktivitas pengganggu membran yang terdiri dari semua protein terkait dengan peran yang bervariasi. Aktivitas pengganggu membran diperlukan untuk menghilangkan kuman yang menyerang. Dua protein penting dalam mediasi sinyal sebagai respons terhadap lipopolisakarida termasuk protein pengikat LPS (LPSBP) dan protein peningkatan permeabilitas bakterisida (BPI). Mereka menunjukkan afinitas yang kuat untuk Lipid A, zat yang ditemukan di LPS, dan sangat mirip satu sama lain. Meskipun memiliki struktur yang mirip, LBP dan BPI melakukan berbagai fungsi biologis yang berbeda satu sama lain. Misalnya, LBP sering berikatan dengan LPS dan sangat memfasilitasi presentasi LPS ke sel CD14 plus, seperti makrofag dan monosit, sedangkan BPI menghambat dan menurunkan bioaktivitas LPS. Kedua protein ini sama-sama terdapat pada bakteri.

Ligan adalah komponen penting dalam proses mengendalikan ekspresi dan aktivitas protein. Gaya pengikat antarmolekul, seperti ikatan ionik, ikatan hidrogen, interaksi hidrofobik, dan gaya Vander-Waals, berkontribusi pada proses pengikatan ligan. Karena interaksi antara ligan dan protein, struktur tiga dimensi protein akan berubah. Karena perubahan dalam keadaan konformasi protein ini, beberapa fungsi protein dapat dihambat atau diaktifkan. Oleh karena itu, kami melakukan studi interaksi pengikatan protein-ligan menggunakan karakteristik fisiokimia asam amino untuk menentukan residu mana yang berinteraksi dengan ligan dan mana yang tidak. Untuk melakukannya, kami menggunakan situs web (http://crdd.osdd.net/raghava/lpicom, diakses pada 18 Oktober 2021) yang menghitung fraksi residu yang berinteraksi dengan ligan tertentu. Residu utama, seperti sistein, glisin, alanin, lisin, asam aspartat, histidin, leusin, valin arginin, triptofan, serin, treonin, dan tirosin, terlihat berinteraksi dengan tujuh ligan (1BP1, BPH, XE, NEH, CLA, CU, dan MG) dan PC1. Dibandingkan dengan interaksi dengan PC1, asam amino bermuatan, terutama asam amino esensial, memiliki keuntungan lebih besar saat berinteraksi dengan 1BP1, BPH, XE, NEH, CLA, CU, dan MG (Gambar 7). Asam amino kecil dan polar yang berkorelasi dengannya dikarakterisasi di masing-masing dari ketiga ligan.

Kami menggunakan dua pendekatan berbeda untuk membuat prediksi mengenai situs pengikatan pelengkap: yang pertama didasarkan pada perbandingan substruktur khusus pengikatan (TM-SITE), sedangkan yang kedua didasarkan pada penyelarasan profil urutan (S-SITE). Teknik-teknik ini menilai protein BPIFA1 terhadap 500 protein non-redundan yang digabungkan dengan 814 senyawa ion organik, sintetik, dan logam. Dimulai dengan prediksi struktur protein beresolusi rendah, pendekatan tersebut berhasil mengidentifikasi residu pengikatan BPIFA1, mencapai rata-rata koefisien korelasi Matthews (MCC) yang jauh lebih tinggi. Selain itu, teknik mengungkap ligan yang berikatan dengan residu (Tabel 7).

4. Diskusi

Latar belakang heterogen menawarkan platform di mana populasi yang menjalani seleksi berbeda dapat dibedakan menjadi subpopulasi yang beradaptasi secara alami [44]. Pengaruh seleksi pada aliran gen di antara populasi, seperti keseimbangan migrasi-seleksi, menentukan kemungkinan adaptasi bawaan dan kelanjutan divergensi. Ini juga dikenal sebagai keseimbangan migrasi-pilihan. Ada kecenderungan variabilitas genetik lokal dalam populasi menjadi homogen karena aliran gen ketika efek seleksi kurang signifikan daripada efek aliran gen. Sebaliknya, varian genetik dapat terakumulasi dan dipertahankan melintasi lokus spesifik yang rentan terhadap seleksi divergen yang kuat jika tekanan selektif lebih besar daripada kekuatan integratif aliran gen [45].

Dalam kemungkinan hasil alternatif, manfaat aliran gen dibatasi oleh seleksi terhadap imigran yang memiliki kecocokan genetik yang buruk, yang juga membuka jalan bagi adaptasi lokal [45,46]. Harus ada hubungan antara aliran gen dan seleksi untuk memahami perbedaan populasi dalam frekuensi aliran gen [46]. Dalam keadaan seperti itu, seleksi menentukan apakah populasi terus berkembang atau menyimpang sebagai kelompok yang berbeda. Pendekatan Bayes empiris menghitung LRT di setiap lokasi cabang dan menempatkan semua lokasi yang berbeda di mana pemilihan yang beragam dapat terjadi. Berdasarkan pendekatan Bayes empiris, Pendekatan Bayesian yang Cepat dan Tidak Terkendala, juga dikenal sebagai FUBAR, diterapkan untuk menemukan seleksi diversifikasi yang terjadi pada gen BPIFA1. FUBAR memungkinkan dispersi kodon dari situs ke situs dan cabang ke cabang dan digunakan untuk mengeksplorasi evolusi adaptif yang terjadi pada tingkat gen. Metode MEME digunakan untuk menyelidiki evolusi adaptif yang terjadi pada tingkat gen [25,32,47]. Situs pengkodean diversifikasi episodik ditemukan oleh SLAC dengan nilai p kurang dari 0.01 (Tabel 1).

Model ini digunakan untuk memperkirakan tingkat substitusi sinonim dan non-sinonim, dan situs pengkodean dengan tingkat substitusi sinonim lebih besar atau sama dengan tingkat non-sinonim dianggap penting untuk mengidentifikasi situs yang menjalani seleksi diversifikasi. Dalam MEME, estimasi kemungkinan maksimum untuk kodon gen BPIFA1 130, 167, 168, 190, 243, 265, dan 289 diperoleh (Tabel 2). Berdasarkan sinyal non-signifikan mereka, kodon ini tidak diidentifikasi sebagai situs yang dipilih secara positif, yang disebabkan oleh karakter episodik seleksi alam. Seleksi alam yang terjadi secara sporadis selama selang waktu singkat evolusi adaptif ditutupi oleh seringnya terjadi pemurnian atau seleksi alam. Akibatnya, tanda-tanda evolusi adaptif tidak dapat ditemukan melalui pengujian sensitivitas dan seleksi positif [48].

Kami menemukan tujuh belas situs yang dipilih dengan baik menggunakan metode PAML, lima belas situs yang dipilih menggunakan algoritme IFEL, dan empat situs yang dipilih menggunakan algoritme FEL. Tekanan seleksi adaptif pada urutan kodon gen BPIFA1 dihitung menggunakan model MEC. Ini menghasilkan identifikasi tujuh puluh empat asam amino (Gambar 1). Model evolusi berdasarkan seleksi positif digunakan, mengungkapkan perbedaan pada tingkat kodon (M8). Aplikasi MrBayes pada server Seleksi memanfaatkan model MCMC untuk sebelumnya menentukan perbedaan gen MAVS pada mamalia di tingkat kodon [49].

Berdasarkan hasil penjajaran protein MAFFT, penelitian sebelumnya menunjukkan bahwa domain Ig tetap berada dalam urutan pengkodean MAVS. Hasil ini menunjukkan bahwa pengalih protein alternatif dalam memurnikan daerah terpilih merusak dan dengan demikian tidak mungkin dipertahankan sepanjang evolusi [50,51]. Situs untuk beberapa jalur evolusi diidentifikasi menggunakan distribusi laju multi-parameter, model efek acak dengan interval kepercayaan 95 persen, dan nilai Pr [ > ] yang substansial. Situs kemudian dapat ditemukan berkat metode ini (Tabel 3). Dalam kasus pemilihan positif, bobot tarif kelas ditentukan menggunakan distribusi diskrit umum bivariat untuk setiap situs pengkodean. Konvergensi model MCMC ditunjukkan oleh fakta bahwa estimasi rata-rata posterior untuk BPIFA1 ditemukan lebih dekat dengan nilai faktor reduksi yang dipertimbangkan (Tabel 2).

Nilai ini berkisar dari {{0}}.95 hingga 0.99. Selama proses pemilihan diversifikasi, hanya situs pengkodean dengan nilai faktor Bayes empiris (EBF) lebih dari 50 yang dipertimbangkan. Perhitungan dilakukan dengan menggunakan ukuran sampel efektif bersih untuk menentukan nilai EBF untuk setiap situs pengkodean yang dievaluasi menggunakan seleksi positif. Menyimpulkan distribusi parameter seleksi spesifik gen dapat meningkatkan seleksi yang terdeteksi di sejumlah besar situs pengkodean. Area pengkodean yang dipilih dan diidentifikasi secara positif memberikan bukti signifikan dari diversifikasi seleksi pada gen BPIFA1 yang sekarang sedang menjalani garis keturunan selektif. Akibatnya, beberapa mutasi yang awalnya tampak netral (dan tidak berdampak langsung pada kebugaran) dapat menjadi "permisif", memungkinkan protein menahan perubahan selanjutnya yang akan berbahaya dan menyebabkan perbedaan fenotipik [52]. Mutasi netral dalam epistasis meletakkan dasar untuk seleksi dan adaptasi selanjutnya, yang baru-baru ini menarik banyak perhatian dan ditawarkan sebagai cara untuk merekonsiliasi model evolusi netral dan seleksi [53].

Tarif substitusi pasangan FWY dan HKR sekitar 50 persen, tarif substitusi DENQ 50 persen, dan tarif substitusi ACGILMPSTV 90 persen. Jaringan PPI mewakili interaksi protein BPIFA1 dengan protein imun lain yang diekspresikan bersama. COX7B2, BPIFB6, BPIFB4, BPIFB2, BPIFB3, PLTP, CETP, BPI, LBP, dan ODF2L adalah sepuluh gen yang kami tentukan bertanggung jawab atas interaksi protein ini (Gambar 6). Gen BPIFB6, BPIFB4, BPIFB2, dan BPIFB3 adalah yang paling signifikan karena terlibat dalam jalur pensinyalan biologis, yang memainkan peran penting dalam kekebalan bawaan terhadap infeksi bakteri. Selain itu, gen ini diregulasi oleh BPIFA1, memberikan alasan lain mengapa gen ini sangat signifikan (Tabel 6). Antarmuka berisi kelompok residu yang dilestarikan dengan komposisi asam amino yang kompatibel dengan inti antarmuka (residu dengan perubahan terbesar dalam penguburan saat pengikatan) dan daerah yang dilestarikan [54], dan daerah panas yang berkembang dari pengelompokan hot spot sesuai dengan kepadatan yang padat. dan kawasan konservasi.

Dengan demikian, antarmuka berada di bawah tekanan evolusioner untuk mempertahankan koneksi saat ini sambil menghindari interaksi non-spesifik yang tidak menguntungkan. Fitur fisikokimia tertentu dapat diubah untuk mengurangi kemungkinan antarmuka protein-protein dapat membentuk interaksi disfungsional [55]. Sebagai hasil dari penyelidikan kami, kami menemukan bahwa nilai lebih dari 1 untuk kodon yang dipilih secara positif disajikan pada Tabel 1. Ini menggambarkan bahwa pengembangan situs sinonim membutuhkan lebih banyak waktu daripada pengembangan situs non-sinonim (situs dN). Dampak menguntungkan dari seleksi Darwinian ini, yang mendorong variasi baru dan polimorfisme alelik yang lebih besar, beroperasi sebagai seleksi penyeimbang atau pemurnian [56], yang menyebabkan perubahan pada protein struktural dan memengaruhi jalur pensinyalan [57]. Meskipun berasal dari garis keturunan yang sama, substitusi asam amino pada keturunan spesies yang berbeda mungkin memiliki konsekuensi yang sangat berbeda [56,57]. Ini kontras dengan fakta bahwa silsilah mereka bertepatan dengan kiriman sebelumnya. Gen BPIFA1 yang dipilih dalam penelitian ini memberikan beberapa informasi untuk bioanalisis, yang bertujuan untuk memilih gen berdasarkan skala waktu evolusi dari periode terbaru hingga jangka panjang.

Selain itu, mekanisme evolusi dasar yang terungkap sebagai hasil penelitian baru-baru ini mungkin tidak cukup karena tidak adanya fitur struktural dan fungsional dari sejumlah besar protein dalam genom. Evolusi dan adaptasi gen penyandi protein pada Drosophila melanogaster diperiksa secara menyeluruh untuk menentukan penentu evolusi dan adaptasi yang paling relevan pada tingkat gen penyandi protein. Ini dicapai dengan membandingkan D. melanogaster dengan spesies yang berkerabat dekat dan populasinya. Aplikasi bioinformatika dan analisis struktural skala besar dilakukan oleh tim kami untuk memastikan fitur struktural dan fungsional protein. Selanjutnya, kami membagi residu menjadi berbagai situs struktural dan fungsional menggunakan sistem kategorisasi kami. Tingkat evolusi dan adaptasi sekuens dibandingkan di berbagai protein dan lokasi, yang memungkinkan identifikasi hotspot adaptasi di seluruh genom. Selain itu, telah dibuktikan bahwa protein adaptif cepat berinteraksi satu sama lain dengan kecepatan yang lebih tinggi daripada yang diperkirakan secara kebetulan; penemuan ini menunjukkan bahwa koadaptasi kemungkinan ada di mana-mana di antara protein yang beradaptasi cepat.

Sebagai hasil dari koneksi fisik mereka, berikut ini adalah contoh mekanisme yang memiliki potensi untuk berkontribusi pada koadaptasi: (1) protein adaptif cepat sering ditemukan diperkaya dalam aktivitas kimia yang serupa dan terpapar pada tekanan seleksi yang serupa, dan (2 ) protein adaptif cepat berevolusi. Dua contoh berbeda dari evolusi adaptif dalam PPI ditunjukkan dalam penelitian ini, yang membuat penulis berhipotesis bahwa interaksi fisik ini mungkin berperan dalam koadaptasi protein adaptif cepat pada D. melanogaster. Selain itu, kami menunjukkan bahwa fenomena koadaptasi dapat terjadi dalam pengertian yang lebih umum daripada hanya antara protein yang beradaptasi cepat. Tingkat adaptasi biasanya lebih tinggi pada protein yang berinteraksi dengan protein adaptif cepat. Mengingat bahwa interaksi molekuler berperan dalam evolusi adaptif, wajar untuk mengantisipasi bahwa interaksi ini juga dapat mengatur koadaptasi pada tingkat yang lebih global. Telah dipostulasikan bahwa koevolusi kontak fisik adalah mekanisme yang bertanggung jawab atas tingkat evolusi serupa yang diamati dalam interaksi protein.

5. Kesimpulan

Tujuan kami adalah untuk mengidentifikasi tekanan selektif yang telah berkontribusi pada pengembangan sistem BPIFA1 tumbuhan dan mamalia, yang ekspresinya dimodulasi dalam berbagai macam penyakit. Protein BPIFA1 berevolusi dengan cepat sebagai respons terhadap tekanan selektif dalam garis keturunan manusia, dan kami dapat menentukan penentu seleksi genetik yang bertanggung jawab atas aktivitas bakterisidalnya. Selama sejarah evolusinya, seleksi positif mungkin memiliki peran penting dalam meningkatkan respons virulensi terhadap rangsangan yang berbeda, yang dapat menjelaskan keragaman yang diamati dalam stabilitas fungsi gen. Temuan kami memberikan pemahaman yang lebih komprehensif tentang sejarah evolusi gen BPIFA1, yang akan meningkatkan analisis genomik fungsional patogenisitas dalam proses biologis. Diharapkan bahwa temuan ini juga dapat membantu meningkatkan pemahaman tentang pencegahan penyakit. Selain itu, studi tentang gen ini dapat memfasilitasi desain metode unik yang dapat membantu menentukan berbagai protein virulensi yang ada pada bakteri patogen. Temuan kami membuat kami berhipotesis bahwa pembatasan selama proses evolusi telah memainkan peran kunci dalam membentuk penemuan kami. Sebagai hasil dari keterbatasan ini, kami dapat mengidentifikasi beberapa batasan numerik saat kami menggabungkan karakteristik seperti panjang protein ke kompleks yang rumit. Karakteristik unik dari protein menarik karena mereka dapat memberikan indikasi stresor yang tidak biasa atau penyesuaian homeostatis yang memungkinkan keberadaannya dalam sel. Oleh karena itu, mereka adalah pilihan yang menjanjikan untuk penelitian lebih lanjut.

Kontribusi Penulis:

Konseptualisasi, HIA, dan JC; metodologi, HIA, MAK, FAK, SI, ATMR dan NSP; perangkat lunak, HIA, WN, NSP, ATMR, dan SI; validasi, MAK, JC, FAK, dan HIA; analisis formal, HIA, MAK, FAK, SI, ATMR, dan NSP; investigasi, HIA, MAK, FAK, SI, ATMR, dan NSP; sumber daya, HIA, MAK, dan JC; kurasi data, HIA, MAK, FAK, SI, ATMR, dan WN; menulis—persiapan draf asli, HIA; tulisan—review dan editing, HIA, SI, RWA, WN dan NSP; visualisasi, JC dan MAK; supervisi, MAK, FAK, NSP, dan WN Semua penulis telah membaca dan menyetujui versi naskah yang diterbitkan.

Pendanaan:

Penelitian ini tidak menerima pendanaan eksternal.

Pernyataan Dewan Peninjau Kelembagaan:

Tak dapat diterapkan.

Pernyataan Persetujuan yang Diinformasikan:

Tak dapat diterapkan.

Pernyataan Ketersediaan Data:

Semua data yang relevan dengan artikel ini harus tersedia secara terbuka untuk pembaca.

Ucapan terima kasih:

Studi ini didukung oleh Proyek Khusus Keuangan Provinsi Guangdong 2022 untuk Konstruksi Hutan Ekologis.

Konflik kepentingan:

Para penulis menyatakan tidak ada konflik kepentingan.

Referensi

1. Li, J.; Xu, P.; Wang, L.; Feng, M.; Chen, D.; Yu, X.; Lu, Y. Biologi molekuler BPIFB1 dan kemajuannya dalam penyakit. Ann. Terjemahan Kedokteran 2020, 8, 651. [Referensi Silang] [PubMed] 2. Saferali, A.; Tang, AC; Perjuangan, LJ; Quon, BS; Zlosnik, J.; Sandford, AJ; Turvey, SE Fungsi imunomodulator gen pengubah cystic fibrosis BPIFA1. PLoS ONE 2020, 15, e0227067. [Referensi Silang] [PubMed]

3. Nam, B.-H.; Bulan, J.-Y.; Park, E.-H.; Kim, Y.-O.; Kim, D.-G.; Kong, HJ; Kim, W.-J.; Astaga, YJ; An, CM; Taman, NG; et al. Aktivitas Antimikroba Peptida Berasal dari Olive Flounder Lipopolysaccharide Binding Protein/Bactericidal PermeabilityIncreasing Protein (LBP/BPI). Mar. Narkoba 2014, 12, 5240–5257. [Referensi Silang] [PubMed]

4. Kirschning, CJ; Au-Young, J.; Lamping, N.; Reuter, D.; Pfeil, D.; Seilhamer, JJ; Schumann, RR Organisasi serupa dari protein pengikat lipopolisakarida (LBP) dan protein transfer fosfolipid (PLTP) menunjukkan keluarga gen umum dari protein pengikat lipid. Genomics 1997, 46, 416–425. [Referensi Silang] [PubMed]

5. Balakrishnan, A.; Marathe, SA; Joglekar, M.; Chakraborty, D. Protein yang meningkatkan bakterisidal/peningkat permeabilitas: Protein multifaset dengan fungsi di luar netralisasi LPS. Imun bawaan. 2012, 19, 339–347. [Referensi Silang]

6. Wright, SD; Ramos, RA; Tobias, PS; Ulevitch, RJ; Mathison, JC CD14, reseptor untuk kompleks lipopolisakarida (LPS) dan protein pengikat LPS. Sains 1990, 249, 1431–1433. [Referensi Silang]

7. Shao, Y.; Li, C.; Che, Z.; Zhang, P.; Zhang, W.; Duan, X.; Li, Y. Kloning dan karakterisasi dua protein pengikat lipopolisakarida / permeabilitas bakterisida – gen peningkatan protein (LBP / BPI) dari teripang Apostichopus japonicas dengan fungsi diversifikasi dalam memodulasi produksi ROS. Dev. Komp. Imunol. 2015, 52, 88–97. [Referensi Silang]

8. Schaefer, N.; Li, X.; Seibold, MA; Jarjour, NN; Denlinger, LC; Castro, M.; Batu penutup, AM; Teague, WG; Boomer, J.; Bleecker, ER Efek variasi genetik BPIFA1/SPLUNC1 pada ekspresi dan fungsinya pada epitel saluran napas asma. JCI Insight 2019, 4, e127237. [Referensi Silang]

9. Britto, CJ; Cohn, L. Bactericidal/permeability-increasing protein fold-containing family member A1 in airway host protection and respiratory disease. Saya. J. Respir. Sel Mol. Biol. 2015, 52, 525–534. [Referensi Silang]

10. Musa, M.; Wilson, K.; Sun, L.; Mulay, A.; Bingle, L.; Marriot, HM; LeClair, EE; Bingle, CD Lokalisasi diferensial BPIFA1 (SPLUNC1) dan BPIFB1 (LPLUNC1) di rongga hidung dan mulut tikus. Res Jaringan Sel. 2012, 350, 455–464. [Referensi Silang]

11. Tsou, Y.-A.; Tung, M.-C.; Alexander, KA; Chang, W.-D.; Tsai, M.-H.; Chen, H.-L.; Chen, C.-M. Peran BPIFA1 dalam infeksi mikroba saluran napas atas dan penyakit terkait. BioMed Res. Int. 2018, 2018, 2021890. [Referensi Silang] [PubMed]

12. Caikauskaite, R. BPIFA1 Interaksi dengan Bakteri dan Pentingnya Pertahanan Inang Jalan Nafas. Ph.D. Tesis, Universitas Sheffield, Sheffield, Inggris, 2018.

For more information:1950477648nn@gmail.com