A szerkezeti biokémia talán legismertebb sarokpontját John Kendrew 1958-as cikke jelentette, melyben munkatársaival leírta az első, általuk meghatározott fehérje térszerkezetet. Ez a szerkezet, mely megmutatta, hogy a humán mioglobin lineáris polimer molekulája milyen háromdimenziós szerkezetet vesz fel, több fontos esemény kiindulási pontját jelentette. Egyrészt, ez alapján vált érthetővé, hogy a mioglobin hogyan köti meg és szállítja az oxigént, vagyis a szerkezet alapján magyarázható meg a fehérje biológiai funkciója. Másrészt, ezért a felfedezésért kapta meg Kendrew Max Perutz-cal megosztva 1962-ben a kémiai Nobel-díjat. Harmadrészt pedig ez a felfedezés, illetve az általa alátámasztott elv, mely összekötötte a fehérje térszerkezetét a funkcióval, meghatározta a szerkezeti biokémiai kutatások következő évtizedeit.

A mioglobin és a később meghatározott fehérjeszerkezetek példájából rövidesen egy általánosan igaznak tartott elv, a szerkezet-funkció paradigma bontakozott ki. Eszerint egy fehérjének csak akkor lehet biológiai funkciója, ha rendelkezik egy jól meghatározott, időben állandó térszerkezettel. Bár ez az elv évtizedekig megkérdőjelezhetetlen volt, az 1990-es évek második felére nyilvánvalóvá vált, hogy bizonyos fehérjék más mechanizmust követnek. Ennek hatására következett be a szerkezeti biokémia elmúlt két évtizedbeli egyik legnagyobb hatású felfedezése, melyben felülbírálták a szerkezet-funkció paradigmát, és felismerték, hogy bizonyos, úgynevezett rendezetlen fehérjék stabil térszerkezet nélkül is el tudnak látni biológiai funkciókat.

A felismerésük óta eltelt közel két évtizedben ezen fehérjék kutatása a biológiai tudományok egyik leggyorsabban fejlődő területévé vált. Egyrészről a nagyskálás genomi szekvenálásoknak köszönhetően világossá vált, hogy a fehérje-rendezetlenség evolúciós előnyt jelent: jelenlegi becslések szerint az emberi fehérjék közel fele tartalmaz hosszabb rendezetlen részt, szemben a prokariótáknál megfigyelhető pár százalékos aránnyal. Másrészt a funkcionális vizsgálatok megmutatták, hogy a rendezetlen fehérjék olyan kritikus fontosságú folyamatok irányításában vesznek részt, mint a transzkripció, a jelátviteli folyamatok, a sejtosztódás és az apoptózis. E biológiai folyamatok központi jellegéből fakad, hogy a rendezetlen fehérjék hibás működése egy sor betegséghez kapcsolódik, mint a rák számos változata, az Alzheimer- és a Parkison-betegség, illetve szív- és érrendszeri betegségek.

A rendezetlen fehérjék által betöltött funkciók ellátása megköveteli, hogy nagyszámú kölcsönhatást alakítsanak ki más fehérje- és DNS-molekulákkal, mely által a fehérje-kölcsönhatási hálózatok és jelátviteli útvonalak központi elemeivé váltak. Ezen kölcsönhatások általában nagyon specifikusak (csak jól meghatározott molekulákkal alakulnak ki), de tranziensek is (vagyis könnyen fel tudnak bomlani), ami kísérletes szempontból különösen nehezen kutathatóvá teszi őket.

A rendezetlen fehérjék kutatása a biológia azon viszonylag ritka területei közé tartozik, amelynél a kísérletes és az elméleti/bioinformatikai kutatások a kezdetektől fogva együtt haladnak. Az 1990-es évek végére, mikor a rendezetlen fehérjék célzott és szisztematikus keresése elindult, a számítógépek kapacitása már bőven elég volt ahhoz, hogy a bioinformatikusok ezen azonosított példák alapján egyre újabb és fejlettebb predikciós módszereket dolgozzanak ki. A szerkezeti biokémia talán legklasszikusabb problémája az úgynevezett folding-probléma: ha adott egy fehérje szekvenciája, vagyis az, hogy milyen aminosavak milyen sorrendben következnek benne, hogyan lehet megmondani, hogy milyen háromdimenziós szerkezetet fog felvenni a molekula? A kidolgozott rendezetlenség-predikciók ezt a problémát még egy szinttel mélyebben közelítik meg: ha ismert egy fehérje szekvenciája, akkor ebből hogyan mondható meg, hogy mely részei képesek felvenni egy jól meghatározott térszerkezetet (vagyis mely részeknél érdemes egyáltalán nekiállni a folding-probléma megoldásának), és melyek lesznek rendezetlenek?

Kutatócsoportunk több mint tíz évvel ezelőtt csatlakozott a rendezetlen fehérjék kutatásához. Egyik legelismertebb munkája a Dosztányi Zsuzsanna által kifejlesztett rendezetlenség-predikció (IUPred), mely mind a mai napig egy népszerű és széles körben használt módszer. A rendezetlenség sikeres becslése után a következő lépés a rendezetlen fehérjék kölcsönhatásainak vizsgálatával folytatódott. Itt a kezdeti lépést a kísérletes módszerekkel leírt példákon keresztül a

kölcsönhatások által létrehozott molekulakomplexek jellemzőinek leírása adta. E jellemzők meghatározása lehetővé tette a rendezetlen fehérjék kötődésének biofizikai leírását ún. statisztikus potenciálok segítségével. E potenciálok vannak az IUPred mélyén is, vagyis segítségükkel leírható egy fehérjeszakasz hajlama a térszerkezet kialakítására. Ezen túlmenően azonban így az is modellezhető, hogy a rendezetlen fehérjék mely szakaszai lesznek képesek kölcsönhatni egy rendezett fehérje partnerrel. Az így létrehozott, ANCHOR nevű bioinformatikai predikciós módszer (Mészáros, 2009) a világhálón szabadon elérhető akár egyedi fehérjékre, akár teljes proteomszintű futtatásokra. A módszer egyetlen kötelező bemenete a vizsgálni kívánt fehérje aminosavsorrendje; ebből a módszer automatikusan kiszámolja, hogy mely részeken a legvalószínűbb, hogy egy rendezetlen kötőhely alakul ki, vagyis hol találhatók azon szakaszok, melyek önmagukban nem, de egy megfelelő partnerrel kölcsönhatva felvesznek egy jól meghatározott szerkezetet.

Az ANCHOR kifejesztése során használt szerkezetalapú modell mellett az általunk is vizsgált kölcsönhatásoknak más alternatív leírásai is léteznek. Az egyik legismertebb ilyen leírás az úgynevezett lineáris motívumokkal történik. Itt a rendezetlen fehérjék azon aminosavait határozzák meg (elméleti vagy kísérletes módszerekkel), melyek elengedhetetlenül szükségesek a partner (rendezett) fehérjével való kölcsönhatásban. Ezek a motívumot alkotó aminosavak a szekvencia többi részétől nagyrészt függetlenül felelősek a kölcsönhatásért, így (egy erősen leegyszerűsített modellben gondolkodva), ha ezek az aminosavak szerepelnek egy fehérje szekvenciájában, akkor az a fehérje képes lesz az adott kölcsönhatásra. Bár a lineáris motívumok a kölcsönhatások leírására nagyon jól működnek, a predikciós erejük (vagyis az, hogy mennyire igaz, hogy egy pár aminosav jelenléte a szekvenciában elég a kölcsönhatás kialakításához) nagyon gyenge.

A kutatás során az ANCHOR és a hozzá kapcsolódó webszerver kifejlesztése mellett meghatároztuk az ANCHOR alapját képező szerkezeti/biofizikai leírás és a szekvenciaalapú lineáris motívumok elmélete közötti összefüggést is (Mészáros, 2012). Bár a két leírás alapja nagyon más megközelítést követ (szerkezeti vs. szekvenciaalapú), a leírt kölcsönhatások nagyrészt azonosak, ami jól mutatja, hogy egy biológiai jelenség két komplementer oldalát fogják meg. Munkánk során az elméleti kapcsolaton túl egy gyakorlati útmutatót is adtunk arra, hogy hogyan lehet a két kép előnyeit egyesíteni nagyskálás vizsgálatokban. Ezáltal olyan integrált módszert tudtunk kifejleszteni, mely képes teljesebb, szerkezeti és szekvenciális információt is adni a vizsgált fehérjékről. Az így elméletileg leírható és azonosítható kölcsönhatások ismerete kiemelten fontos nemcsak az alapkutatásban, de ipari/gyógyerfejlesztési szempontokból is, mivel ezek állnak számos kritikusan fontos biológiai folyamat mögött (például a p27-CDK2/ciklinA kölcsönhatás a sejtciklus-szabályozásnál vagy a p53-MDM2 a tumorszuppressziónál). Emellett ezen kölcsönhatások modulációja nemcsak különböző mutációs/szabályzási betegségek mögött áll, hanem számos patogén is így képes a humán gazdasejtekkel kölcsönhatásba lépni, illetve kikerülni az immunválaszt. Ezen betegségek megértéséhez és a hozzájuk kapcsolódó célzott farmakológiai kutatások sikeréhez azonban elengedhetetlen, hogy molekuláris szinten képesek legyünk megérteni és felismerni az ezek mélyén lévő kölcsönhatásokat. Ehhez a munkához adhatnak hatékony eszközöket a kísérletes biokémiai munkákkal szinergizmusban fejlesztett bioinformatikai módszerek.
 

Kulcsszavak: bioinformatika, rendezetlen fehérjék, predikció, lineáris motívumok, folding
 

IRODALOM

Mészáros Bálint – Simon I. – Dosztányi Zs. (2009): Prediction of Protein Binding Regions in Disordered Proteins. PLOS Computational Biology. 5(5):e1000376. DOI: 10.1371/journal.pcbi.1000376 • WEBCÍM

Mészáros Bálint – Dosztányi Zs. – Simon I. (2012): Disordered Binding Regions and Linear Motifs—Bridging the Gap between Two Models of Molecular Recognition. PLOS One. 7(10):e46829. DOI: 10.1371/journal.pone.0046829 • WEBCÍM