Фактори вірулентності Цільові ключові білки медикаментозних наук, що приймають взаємодію

Анн-Руксандра Карвуніс 1, 2 * та Матія Дрезе 1, 2

фактори

1 Центр біології систем раку (CCSB) та Відділ біології раку, Інститут раку Дани-Фарбер, Бостон, Массачусетс 02215, США
2 Департамент генетики, Гарвардська медична школа, Бостон, Массачусетс 02115, США

Рослини відіграють центральну роль у більшості екосистем завдяки своїй здатності перетворювати сонячну енергію в «біологічну». Єдиним джерелом газоподібного кисню на землі, рослини також є основним джерелом їжі для людей і забезпечують викопне паливо та текстильні волокна. Щоб відповісти на сучасні та майбутні агрономічні та екологічні виклики, важливо набути поглиблених знань про механізми, що контролюють біохімічні та молекулярні процеси, особливо в рослинах. З цією метою нас особливо цікавила взаємодія між рослинами та фітопатогенами на молекулярному рівні. На додаток до очевидних агрономічних та екологічних перспектив, наша робота свідчить про існування універсальних принципів, що регулюють організацію імунної системи під час взаємодії господар-збудник.

Взаємодія між рослинами та фітопатогенами: зигзагоподібна модель

Двадцять років базових досліджень з використанням Арабет де Дам (Arabidopsis thaliana) як модельного організму призвели до концепції, яка отримала назву зигзаг, що описує на молекулярному рівні динамічні взаємодії між рослинними клітинами та патогенами рослин [1]. Виявлення «несамостійних» молекул мембранними рецепторами викликає загальну першу лінію захисту, «зиг». Однак багато патогенні мікроорганізми здатні вводити в рослинні клітини молекулярні ефектори, які, послаблюючи дію зигу, збільшують сприйнятливість до інфекції: "заг". У відповідь внутрішньоклітинні рецептори, здається, здатні розпізнати "модифіковане Я" і викликати другу хвилю імунного захисту, другу зиг. Ступінь стійкості рослин до збудників хвороб залежить від величини цих двох ліній захисту, а також від інтенсивності нападу.

Незважаючи на свою елегантність, зигзагоподібний візерунок базується на припущеннях, які здебільшого не були послідовно продемонстровані. Зокрема, ідентичність гравців імунної системи залишається в основному невідомою, крім певних груп білків (переважно рецепторів). Крім того, фізичні взаємодії, які білки імунітету встановлюють між собою та з патогенними ефекторами, мало вивчені.

Інтерактомічний підхід

Сьогодні очевидно, що фізичні взаємодії між білками утворюють складні та високодинамічні мережі (інтерактоми), що лежать в основі відносин генотип-фенотип [2]. Експериментальний опис цих мереж (картографування) є важливим для всебічного розуміння біологічних систем - таких як імунітет - та відповідних молекулярних механізмів. Створення інтерактомічних карт дало багато ресурсів для нерослинних видів. Незважаючи на велику кількість молекулярних та генетичних знань, існує горезвісна відсутність експериментальних даних, що описують взаємодію між білками для дам Арабет (і не тільки між білками імунітету), а загалом для видів рослинного світу.

Інтерактомічний підхід, застосований до взаємодій між рослинами та фітопатогенами

Тому ми побудували дві інтерактомічні карти для дам Арабет, використовуючи дріжджовий подвійний гібридний метод. Перший [3], встановлений шляхом систематичного тестування понад 35 мільйонів пар рослинних білків, виявив приблизно 6200 взаємодій між 2700 білками. Ми підрахували, що ця карта охоплює 2% всього інтерактому дамських арабет. Друга карта [4] зосереджена на імунній системі та її взаємодії з ефекторами двох фітопатогенів: грамнегативних бактерій Pseudomonas syringae (Екстрасенс) і ооміцет Hyaloperonospora arabidopsidis (ГПА). На цій карті представлено 3000 взаємодій між 900 білками, включаючи патогенні ефектори, білки, раніше відомі імунній системі, а також інші білки-хазяїни, які, як ми визначили, взаємодіють із будь-якою з цих груп. ) (Фігура 1). Сукупний аналіз цих двох карт дозволив нам висвітлити деякі фундаментальні принципи взаємовідносин хазяїн-збудник у дам Арабет.

Націлювання концентратори (вузли) білкового інтерактома хазяїна під час атаки патогену (тут Psy і Hpa).

Цілеспрямовані атаки

Застосовуючи військову метафору для опису взаємозв’язків з господарями збудників, патогенні ефектори брали участь у цілеспрямованих атаках (Фігура 1) проти ключових білків-господарів, щоб отримати контроль над клітиною та послабити її захисні сили. Хоча еволюційні теорії та сучасні знання підтримують цю модель, вона ще не була справді продемонстрована. Наші моделювання передбачають, що якби ефектори зробили однакову кількість з'єднань, але з випадково вибраними білками-господарями з першої карти, вони б взаємоділи в середньому з 320 білками-господарями, з яких близько 1% було б загальним для ГПА і Екстрасенс. Насправді, наші експериментальні результати показують, що ефекторні білки неодноразово орієнтувались лише на 165 білків-господарів, з яких 10% були спільними ГПА і Екстрасенс. Така ступінь конвергенції двох патогенів, розділених приблизно мільярдом років еволюції, є вагомим аргументом на користь гіпотези цілеспрямованих атак.

Захищений захист

Зигзагоподібна картина ґрунтується на іншій гіпотезі, також військово-звукової, про те, що певні внутрішньоклітинні рецептори здатні виявляти змінене «я» та викликати високоамплітудну імунну відповідь, як охоронці цитаделі [5]. Ця гіпотеза протиставляється моделі "ген для гена", згідно з якою рослина розробила внутрішньоклітинні рецептори для всіх можливих патогенних ефекторних білків. Згідно з цією другою моделлю, внутрішньоклітинні рецептори повинні взаємодіяти безпосередньо з ефекторними білками, тоді як згідно з гіпотезою захищеного захисту ці взаємодії були б непрямими. Взаємодії між ефекторними білками та внутрішньоклітинними рецепторами, які ми експериментально виявили, виявилися в основному непрямими, тому, узгоджуючись з гіпотезою захищених захисних сил.

Імунітет та наука про мережі

Незалежно від цих складних фізіологічних механізмів, наука про мережі пропонує елегантне передбачення. У біологічних мережах невелика кількість компонентів, що охрещено концентратори (вузли), роблять багато з'єднань, тоді як більшість інших компонентів робить мало. Як результат, структура цих мереж міцна і протистоїть випадковим відмовам її компонентів, але на відміну від цього вона дуже чутлива до атак, спрямованих проти концентратори [6]. Тому мережева наука та молекулярна механістика об'єднуються у захоплюючому питанні про взаємодію з господарем-патогеном, прогнозуючи, що патогени можуть максимізувати свою вірулентність, орієнтуючись на них. концентратори (рисунок 1).

Наші експерименти з інтерактомічного картографування підтверджують, що ефектори збудника переважно взаємодіють з білками-господарями, які є концентратори. Ми також експериментально протестували імунну відповідь мутованих рослин дамських арабет протягом 16 років концентратори які взаємодіють з ефекторами ГПА і Екстрасенс. Дев'ять із цих мутантів значно більш сприйнятливі до зараження, ніж дика рослина, а сім - більш стійкі. Також було перевірено сім випадково відібраних мутантів, і жоден з них не виявляв імунного фенотипу.

Наша робота показує, що ефектори двох патогенних мікроорганізмів, розділені мільярдом років еволюції, націлені на невелику кількість високозв’язаних білків в межах інтерактома. Це може бути стратегія вірулентності патогенів, орієнтована на ключові білки господаря, або навпаки, імунна стратегія господаря, яка використовує обмежену кількість білків для захисту від джерела різноманітності патогенів. Інші дослідження показали, що білки вірусних та бактеріальних збудників також переважно взаємодіють концентратори мережі інтерактомів людини [7–10]. Однак питання їх зближення залишається невивченим. Наші дослідження на Арабет де Дам можуть виявити нові механізми інфекційних патологій у рослинництві, що матиме очевидний вплив на агрономічні дослідження, а також на медичні дослідження.

Конфлікт інтересів

Автори заявляють, що не мають конфлікту інтересів щодо даних, опублікованих у цій статті.

Дякую

Автори висловлюють подяку лікарям Тьєррі Савіну, Крістель Анаклет та Ніколасу Тьєррі-Мігу за допомогу в написанні цієї новини.

Список літератури

  1. Nishimura MT, Dangl JL, Arabidopsis та імунна система рослин. Завод J 2010; 61: 1053–1066. [CrossRef] [PubMed] [Google Scholar]
  2. Відаль М, Кусік М.Є., Барабасі А.Л. Інтерактоме мережі та хвороби людини. Клітина 2011; 144: 986–998. [CrossRef] [PubMed] [Google Scholar]
  3. Консорціум картографування взаємодії арабідопсису. Докази еволюції мережі на карті взаємодії Арабідопсиса. Наука 2011; 333: 601–607. [CrossRef] [PubMed] [Google Scholar]
  4. Мухтар М.С., Карвуніс А.Р., Дрезе М. та ін. Ефектори вірулентності, що еволюціонували самостійно, сходяться до центрів в мережі імунної системи рослин. Наука 2011; 333: 596–601. [CrossRef] [PubMed] [Google Scholar]
  5. Дангл Дж., Джонс Дж. Патогенні мікроорганізми рослин та інтегровані захисні реакції на інфекцію. Природа 2001; 411: 826–833. [CrossRef] [PubMed] [Google Scholar]
  6. Альберт Р, Чон Х, Барабасі А.Л. Допуск до помилок та атак складних мереж. Природа 2000; 406: 378–382. [CrossRef] [PubMed] [Google Scholar]
  7. Calderwood MA, Venkatesan K, Xing L, et al. Карти взаємодії вірусу Епштейна-Барра та вірусу людського білка. Proc Natl Acad Sci USA 2007; 104: 7606–7611. [CrossRef] [Google Scholar]
  8. de Chassey B, Navratil V, Tafforeau L, et al. Білкова мережа вірусної інфекції гепатиту С. Mol Syst Biol 2008; 4: 230. [PubMed] [Google Scholar]
  9. Dyer MD, Neff C, Dufford M, et al. Мережі взаємодії білків патогенних мікроорганізмів людини з Bacillus anthracis, Francisella tularensis та Yersinia pestis. PLoS One 2010; 5: e12089. [CrossRef] [PubMed] [Google Scholar]
  10. Navratil V, de Chassey B, Combe CR, Lotteau V. Коли людські вірусні інфекційні та хворобливі мережі стикаються: до системної біологічної платформи для етіології захворювань людини. BMC Syst Biol 2011; 5:13 [CrossRef] [PubMed] [Google Scholar]

Список малюнків

Націлювання концентратори (вузли) білкового інтерактома хазяїна під час атаки патогену (тут Psy і Hpa).

Поточні показники використання показують сукупний підрахунок переглядів статей (повнотекстові перегляди статей, включаючи перегляди HTML, завантаження PDF та ePub, відповідно до наявних даних) та подання тез на платформі Vision4Press.

Дані відповідають використанню на платформі після 2015 року. Поточні показники використання доступні через 48–96 годин після публікації в Інтернеті та оновлюються щодня по днях тижня.

Початкове завантаження метрик може зайняти деякий час.