Aktuelles GapMind-Tool verbessert die Analyse von Aminosäurewegen
Neue Updates verbessern das Verständnis der Aminosäureproduktion bei Bakterien und Archaeen.
― 7 min Lesedauer
Inhaltsverzeichnis
- Was gibt's Neues in GapMind?
- Nutzung von GapMind
- Neue Erkenntnisse zu Aminosäure-Wegen
- Neue Gene zur Glycinproduktion
- Alternativer Weg zur Serinproduktion
- Veränderungen in der Argininproduktion
- Neue Einblicke in DapE
- Kurze regulatorische Untereinheiten von Enzymen
- Frühere Vorhersagen integriert
- Identifizierung divergierender Enzyme
- Bewertung der Genauigkeit von GapMind
- Genauigkeit mit Auxotrophen getestet
- Fazit
- Originalquelle
- Referenz Links
Bakterien sind winzige Lebewesen, die viele der Bausteine, die sie zum Wachsen brauchen, selbst herstellen können. Diese Bausteine nennt man Aminosäuren. Allerdings haben einige Bakterien fehlende Gene, die ihnen helfen würden, diese Aminosäuren zu produzieren, was es schwierig macht, allein anhand ihres genetischen Codes herauszufinden, was sie zum Wachsen brauchen. Dieses Problem gilt besonders für verschiedene Arten von Bakterien und Archaea, selbst für solche, die bekannt dafür sind, ohne zusätzliche Aminosäuren wachsen zu können.
In unserer früheren Arbeit haben wir ein Tool namens GapMind entwickelt. Dieses Tool hilft herauszufinden, wie Bakterien und Archaea Aminosäuren synthetisieren, indem es deren Genome analysiert. GapMind untersucht bekannte Enzyme, die für die Herstellung von Aminosäuren verantwortlich sind, und identifiziert die, die wahrscheinlich in jedem Schritt des Prozesses verwendet werden. Es nutzt eine Mischung aus bekannten Enzymen und einigen neueren Entdeckungen, um Vorhersagen zu treffen.
Dieser Artikel bespricht die Updates für GapMind basierend auf neuer Forschung. Wir zeigen auf, wie neue Informationen es uns ermöglicht haben, neue oder unterschiedliche Gene, die an der Herstellung von Aminosäuren beteiligt sind, zu identifizieren und wie wir die Leistung des Tools verbessert haben.
Was gibt's Neues in GapMind?
GapMind wurde aktualisiert und umfasst jetzt über sechshundert neue Enzyme, die für die Aminosäureproduktion relevant sind. Ausserdem haben wir neue Enzyme durch eine Methode entdeckt, die einzigartige Marker verwendet, um Teile der DNA zu kennzeichnen, was uns hilft, zu sehen, welche Teile wichtig für die Herstellung bestimmter Aminosäuren sind. Die neuen Daten von zehn zusätzlichen Organismen haben uns geholfen, 17 neue oder veränderte Gene zu entdecken, die an der Aminosäureproduktion beteiligt sind.
Wir haben GapMind mit diesen neuen Informationen verbessert, sodass es jetzt besser erklären kann, wie verschiedene Bakterien Aminosäuren erzeugen.
Nutzung von GapMind
GapMind funktioniert, indem es die genetischen Informationen verschiedener Bakterien betrachtet und versucht herauszufinden, welche Enzyme sie möglicherweise zur Herstellung von Aminosäuren haben. Das Tool vergleicht die genetischen Codes und nutzt bekannte Enzyme, um die Lücken in den Wegen zur Herstellung dieser Bausteine zu füllen. Wenn es für einen Schritt viele Optionen gibt, wählt GapMind die aus, für die die besten Beweise vorliegen.
Bei der Betrachtung der Ergebnisse von GapMind für ein Bakterium namens Nitratidesulfovibrio vulgaris Hildenborough haben wir festgestellt, dass die meisten Schritte in den Produktionswegen für Aminosäuren zuverlässig vorhergesagt wurden. Einige Schritte hatten jedoch unsichere Vorhersagen. Dennoch wissen wir, dass dieses Bakterium auch dann wachsen kann, wenn wir seine Nahrungsversorgung einschränken.
Aminosäure-Wegen
Neue Erkenntnisse zuNeue Gene zur Glycinproduktion
Glycin ist eine wichtige Aminosäure, und Bakterien stellen sie normalerweise über einen spezifischen Weg her, an dem ein bekanntes Enzym namens Serin-Hydroxymethyltransferase beteiligt ist. Allerdings können zwei Bakterien, Bifidobacterium breve und Methanococcus maripaludis, Glycin produzieren, scheinen aber dieses Enzym nicht zu haben. Um das besser zu verstehen, haben wir Experimente mit diesen Bakterien durchgeführt, bei denen Glycin nicht hinzugefügt wurde, und wir fanden zwei neue Gene, die diesen Bakterien helfen zu überleben, wenn Glycin niedrig ist. Wir nennen diese Gene glyXL und glyXS.
GlyXL ähnelt anderen bekannten Enzymen, aber seine Funktion ist noch nicht ganz klar. GlyXS scheint dagegen eine Rolle bei der Regulierung des Aminosäurespiegels zu spielen, ist aber noch nicht vollständig verstanden. Insgesamt haben wir glyXL und glyXS als mögliche Wege zur Glycinproduktion in der aktualisierten Version von GapMind hinzugefügt.
Alternativer Weg zur Serinproduktion
Die meisten Bakterien stellen Serin in drei Schritten her, die mehrere bekannte Enzyme beinhalten. Im Fall von Clostridioides difficile haben wir festgestellt, dass es kein bekanntes Enzym hat, das für einen dieser Schritte erforderlich ist, es aber dennoch Serin produzieren kann. Wir haben nach benachbarten Genen in seinem Genom gesucht und ein Kandidatenenzym gefunden, das als Ersatz für das fehlende Enzym dienen könnte. Das deutet darauf hin, dass C. difficile einen alternativen Weg zur Serinproduktion haben könnte.
Veränderungen in der Argininproduktion
Für ein anderes Bakterium namens Steroidobacter denitrificans scheint der Code zur Herstellung von Arginin unvollständig zu sein. Wir fanden ein hypothetisches Protein in seinem Genom, das normalerweise in Genclustern vorkommt, die an der Argininproduktion beteiligt sind. Das deutet darauf hin, dass dieses unbekannte Protein möglicherweise als alternative Form eines Enzyms fungiert, das zur Synthese von Arginin benötigt wird.
Neue Einblicke in DapE
DapE wird normalerweise benötigt, um einen Baustein namens Diaminopimelat herzustellen, der wichtig für die Produktion von Lysin und einem Teil der bakteriellen Zellwand ist. Einige Bakterien, die DapE nicht haben, scheinen stattdessen ein Ersatzenzym zu besitzen. Wir haben eng verwandte Proteine untersucht und eines gefunden, das wahrscheinlich anstelle von DapE dient.
Kurze regulatorische Untereinheiten von Enzymen
Wir haben auch festgestellt, dass einige Bakterien die typische regulatorische Untereinheit fehlen, die einem Schlüssel-Enzym bei der Produktion von Aminosäuren hilft. Stattdessen haben diese Bakterien eine Version der regulatorischen Einheit, die anscheinend nur ein Teil anstelle der üblichen zwei hat. Wir haben Experimente durchgeführt, die zeigten, dass diese neuen Versionen wahrscheinlich als regulatorische Untereinheiten fungieren.
Frühere Vorhersagen integriert
GapMind hat auch einige frühere Vorhersagen berücksichtigt, um seine Fähigkeit zur Darstellung der Aminosäureproduktion zu verbessern. Diese früheren Erkenntnisse deuteten auf alternative Formen von Schlüsselenzymen hin, die zuvor nicht bestätigt wurden.
Identifizierung divergierender Enzyme
Die ursprüngliche Version von GapMind erforderte eine hohe Ähnlichkeit zu bekannten Enzymen, um vorherzusagen, ob ein Enzym wahrscheinlich eine bestimmte Funktion erfüllt. Um es inklusiver zu machen, haben wir Enzyme hinzugefügt, die möglicherweise nicht so ähnlich sind, aber dennoch wichtige Rollen in der Aminosäureproduktion spielen.
Mit Methoden, die experimentelle Unterstützung lieferten, haben wir mehrere divergierende Enzyme aufgenommen, die zuvor übersehen wurden. Das stellt sicher, dass GapMind jetzt ein breiteres Spektrum an potenziellen Enzymen abdeckt, die an der Aminosäuresynthese beteiligt sind.
Bewertung der Genauigkeit von GapMind
Um zu testen, wie gut GapMind funktioniert, haben wir die vorausgesagten Aminosäureproduktionswege von 206 verschiedenen Arten von Bakterien und Archaea, die in minimalen Medien wachsen können, untersucht. Wir wollten sehen, wie vollständig diese Wege waren.
Die meisten Aminosäurewege waren vollständig und hatten keine fehlenden Schritte. Einige hatten jedoch immer noch Lücken oder Vorhersagen mit geringer Zuverlässigkeit. Wir identifizierten Lücken, die auf fehlende Gene oder falsche Sequenzen zurückzuführen waren.
Unter den verschiedenen Gruppen, die wir untersucht haben, hatten die Bakterien aus dem Pseudomonadota-Stamm sehr wenige Lücken, weil sie die am besten untersuchte Gruppe sind. Andere Bakterien und Archaea hatten jedoch eine höhere Anzahl von Lücken in ihren Aminosäurewegen.
Genauigkeit mit Auxotrophen getestet
Wir haben GapMind auch mit Bakterien getestet, die für ihr Wachstum auf bestimmte Aminosäuren angewiesen sind. Dieser Test zeigte, dass fast alle von ihnen mindestens einen Schritt in den Aminosäurewegen mit geringer Zuverlässigkeit hatten. Wir haben ein paar Fälle analysiert, in denen die Ergebnisse darauf hindeuteten, dass einige Bakterien Aminosäuren synthetisieren könnten, obwohl bekannt war, dass sie das nicht konnten.
Ein Beispiel war Streptococcus pneumoniae. Dieses Bakterium scheint die notwendigen Maschinen für bestimmte Aminosäuren zu haben, nutzt sie aber nicht, was verwirrend sein kann.
Fazit
Das überarbeitete GapMind ist jetzt besser gerüstet, um die Komplexität der Aminosäurebiosynthese zu bewältigen. Mit neuen Genen und besseren Vorhersagen hilft es uns zu verstehen, wie verschiedene Bakterien und Archaea ihren Bedarf an Aminosäuren decken. Die Hinzufügung alternativer Wege und divergierender Enzyme ermöglicht ein vollständigeres Bild davon, wie diese winzigen Organismen in ihren Umgebungen überleben und gedeihen. Dieses aktualisierte Tool kann als Ressource für weitere Studien zu Stoffwechselwegen in Bakterien und Archaea verwendet werden, was zu einem tieferen Verständnis ihrer Biologie führt.
Titel: Improving the annotation of amino acid biosynthesis pathways: GapMind 2024
Zusammenfassung: GapMind is an automated web-based tool for annotating amino acid biosynthesis pathways in bacterial and archaeal genomes. We updated GapMind to include recently identified enzymes, including new enzymes that we identified by using high-throughput genetics and comparative genomics. Across 206 prokaryotes that have high-quality genomes and are reported to grow in minimal media, the average number of unexplained missing steps or gaps dropped from 1.4 per genome to 0.8 per genome. The majority of the remaining gaps involve the gain or loss of phosphate groups.
Autoren: Morgan N Price, A. L. Shiver, L. A. Day, M. T. Bejar, H. P. Lesea, T. K. Owens, A. Deutschbauer, A. P. Arkin
Letzte Aktualisierung: 2024-10-14 00:00:00
Sprache: English
Quell-URL: https://www.biorxiv.org/content/10.1101/2024.10.14.618325
Quell-PDF: https://www.biorxiv.org/content/10.1101/2024.10.14.618325.full.pdf
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an biorxiv für die Nutzung seiner Open-Access-Interoperabilität.