SPNG+:基于stacking集成策略预测革兰氏阳性菌非经典分泌蛋白质

革兰氏阳性菌通过分泌毒力因子入侵宿主细胞引起化脓性炎症,进而导致疾病的产生,威胁人类健康。识别分泌蛋白有助于了解细菌分泌系统和致病机理,并为进一步筛选出毒力因子奠定基础。由于非经典分泌蛋白质缺乏经典信号肽序列,大规模实验鉴定此类蛋白质相对困难并且耗时耗力。目前,虽相继提出了一些计算预测方法,但它们对革兰氏阳性菌非经典分泌蛋白质的预测性能并不令人满意。本文提出了一个集成学习模型——SPNG+(Stacking ensemble method to Predict Non-classical secreted proteins in Gram-positive bacteria),该模型通过stacking策略融合朴素贝叶斯、随机森林、支持向量机、两个梯度提升树XGBoost和LightGBM以及K近邻算法。五折交叉验证和独立数据集测试结果表明,此集成模型在预测革兰氏阳性菌非经典分泌蛋白质时综合性能优于单一模型、简单的集成学习模型和已有的预测工具。相较过去仅用有限的特征编码方法,或者单一机器学习算法进行构建的预测器,本文提出的方法是对革兰氏阳性细菌中非经典分泌蛋白质研究的有益补充。SPNG+的源代码可以通过https://github.com/weidai00/SPNG获得。

非经典的蛋白质分泌途径

蛋白质分泌是细胞间进行信息传递的重要方式之一。一般的分泌蛋白在其N端都具有信号肽序列,可以通过经典的内质网-高尔基体途径进行运输,并最终分泌到细胞外。近来发现细胞内存在另一类分泌蛋白,它们能够分泌到细胞外发挥功能,但却没有典型的信号肽序列,被称为非经典分泌蛋白。越来越多的证据表明,这类蛋白质的分泌有其独特的机制。本文综述了这类蛋白质的各种分泌机制及可能的生理意义。

利用非经典分泌蛋白质实现脂肪酶A的分泌表达

【目的】以枯草芽孢杆菌脂肪酶A(Lipase A)为报告蛋白,尝试利用4种非经典分泌蛋白质及其前50个氨基酸作为分泌信号以实现其分泌表达。【方法】我们扩增了脂肪酶A的编码基因和非经典分泌蛋白质的编码序列,构建了8种针对脂肪酶A的分泌表达载体,并转化至枯草芽孢杆菌WB800菌株,通过测定重组菌株的酶活、利用蛋白质电泳和免疫印迹等技术检测脂肪酶A的分泌情况【结果】以Pdh A的氨基酸序列和Sod A、Eno的前50氨基酸序列作为分泌信号的重组菌株较好的实现了脂肪酶A的分泌表达。【结论】部分非经分泌蛋白质的编码基因或其前50个氨基酸序列能够引导脂肪酶A分泌至细胞外。

关于内质网-高尔基体中间体的已知与未知

内质网-高尔基体中间体(ERGIC)最初是在研究病毒蛋白胞内转运机制的过程中被发现的。由于其特殊的结构以及亚细胞定位,早期研究认为它是内质网和高尔基体之间的“交通枢纽”,其主要职能是为经典分泌路径中物质的分选和双向运输过程提供保障。而近期的探索揭示了ERGIC在细胞遭受胁迫时的一系列非经典功能:参与调控自噬体膜的早期形成,作为非经典分泌蛋白质的“集散地”等。多项研究揭示多种冠状病毒会“挟持”宿主的ERGIC,将其作为复制和组装的平台。还有研究显示ERGIC在有关蛋白合成质控过程中发挥作用,可能还会以内质网漩涡等多种内膜形态呈现,从而协助细胞平衡内膜系统的稳态以应对外界压力。尽管人们已经认识到ERGIC结构的独特性以及功能的多样性,但当前对其功能的理解仍然十分有限,特别是ERGIC通过何种机制在不同生理和病理条件下协调其动态结构与多样功能仍不甚明了。该综述旨在全面概述ERGIC的细胞功能和分子调控机制,并对相关议题进行探讨。