БИОХИМИЯ, 2022, том 87, вып. 11, с. 1614–1624
УДК 577.217
Протеомный анализ перекодирования белков Danio rerio вследствие редактирования матричной РНК аденозиндезаминазами ADAR
1 Федеральный научно-клинический центр физико-химической медицины ФМБА России, 119435 Москва, Россия
2 НИИ биомедицинской химии имени В.Н. Ореховича, 119121 Москва, Россия
3 Российский национальный исследовательский медицинский университет имени Н.И. Пирогова Минздрава России, 117997 Москва, Россия
4 Бергенский университет, NO-5020 Берген, Норвегия
5 Федеральный исследовательский центр химической физики имени Н.Н. Семенова РАН, Институт энергетических проблем химической физики имени В.Л. Тальрозе, 119334 Москва, Россия
Поступила в редакцию 20.09.2022
После доработки 08.10.2022
Принята к публикации 08.10.2022
DOI: 10.31857/S0320972522110070
КЛЮЧЕВЫЕ СЛОВА: протеогеномика, панорамная протеомика, Danio rerio, ADAR, РНК-зависимая аденозиндезаминаза, редактирование РНК.
Статья на английском языке опубликована в режиме Open Access (открытого доступа) на сайте издательства Springer. DOI: 10.1134/S0006297922110098.
Аннотация
Редактирование РНК аденозиндезаминазами семейства ADAR может вести к перекодированию белков, поскольку преобразованный из аденозина инозин в составе мРНК комплементарен цитозину. При редактировании кодонов в транслируемые белки вносятся аминокислотные замены. Перекодирование протеомов может иметь функциональные последствия, что описано для многих животных, включая человека. С использованием базы данных перекодирования, предсказанной по полученным из литературы транскриптомным данным, в представленной работе впервые идентифицировали участки перекодирования в панорамных протеомах Danio rerio. В шести наборах протеомных данных примерно из ста предсказанных событий перекодирования удалось идентифицировать десять. Семь из них принадлежали к хорошо изученным и консервативным среди позвоночных участкам перекодирования в субъединицах глутаматных рецепторов AMPA-типа. Три были специфичными для белков D. rerio. Среди них участвующие в адгезии и сигнализации нервных клеток трансмембранные рецепторы астротактин 1 и нейрегулин 3b, а также белок пресинаптической мембраны, участвующий в высвобождении нейромедиаторов – продукт гена rims2b. Дальнейшие исследования требуются для выявления функции перекодирования указанных белков у D. rerio.
Текст статьи
Сноски
* Адресат для корреспонденции.
Финансирование
Работа выполнена при финансовой поддержке Российского научного фонда (грант № 20-15-00072).
Благодарности
Авторы благодарят Центр коллективного пользования Федерального научно-клинического центра физико-химической медицины за предоставление вычислительных ресурсов для данного исследования.
Вклад авторов
Ш.Ш. Насаев, А.С. Копейкина – составление базы данных участков перекодирования для протеомного поиска, проведение поиска, анализ пространственной структуры, оформление результатов; К.Г. Кузнецова, Л.И. Левицкий – настройка серии поисковых методов повторной обработки данных, написание статьи; С.А. Мошковский – идея работы, экспертный анализ результатов, написание статьи.
Конфликт интересов
Авторы заявляют об отсутствии конфликта интересов.
Соблюдение этических норм
Настоящая статья не содержит описания каких-либо исследований с участием людей или животных в качестве объектов.
Список литературы
1. Goncharov, A. O., Shender, V. O., Kuznetsova, K. G., Kliuchnikova, A. A., and Moshkovskii, S. A. (2022) Interplay between A-to-I editing and splicing of RNA: A potential point of application for cancer therapy, Int. J. Mol. Sci., 23, 5240, doi: 10.3390/ijms23095240.
2. Luciano, D. J., Mirsky, H., Vendetti, N. J., and Maas, S. (2004) RNA editing of a miRNA precursor, RNA, 10, 1174-1177, doi: 10.1261/rna.7350304.
3. Goncharov, A. O., Kliuchnikova, A. A., Nasaev, S. S., and Moshkovskii, S. A. (2019) RNA editing by ADAR adenosine deaminases: from molecular plasticity of neural proteins to the mechanisms of human cancer, Biochemistry (Moscow), 84, 896-904, doi: 10.1134/S0006297919080054.
4. Liscovitch-Brauer, N., Alon, S., Porath, H. T., Elstein, B., Unger, R., et al. (2017) Trade-off between transcriptome plasticity and genome evolution in cephalopods, Cell, 169, 191-202.e111, doi: 10.1016/j.cell.2017.03.025.
5. Kuznetsova, K. G., Kliuchnikova, A. A., Ilina, I. U., Chernobrovkin, A. L., Novikova, S. E., et al. (2018) Proteogenomics of adenosine-to-inosine RNA editing in the fruit fly, J. Proteome Res., 17, 3889-3903, doi: 10.1021/acs.jproteome.8b00553.
6. Levitsky, L. I., Kliuchnikova, A. A., Kuznetsova, K. G., Karpov, D. S., Ivanov, M. V., et al. (2019) Adenosine-to-inosine RNA editing in mouse and human brain proteomes, Proteomics, 19, e1900195, doi: 10.1002/pmic.201900195.
7. Higuchi, M., Maas, S., Single, F. N., Hartner, J., Rozov, A., et al. (2000) Point mutation in an AMPA receptor gene rescues lethality in mice deficient in the RNA-editing enzyme ADAR2, Nature, 406, 78-81, doi: 10.1038/35017558.
8. Jain, M., Weber, A., Maly, K., Manjaly, G., Deek, J., et al. (2022) A-to-I RNA editing of Filamin A regulates cellular adhesion, migration and mechanical properties, FEBS J., 289, 4580-4601, doi: 10.1111/febs.16391.
9. Song, Y., An, O., Ren, X., Chan, T. H. M., Tay, D. J. T., et al. (2021) RNA editing mediates the functional switch of COPA in a novel mechanism of hepatocarcinogenesis, J. Hepatol., 74, 135-147, doi: 10.1016/j.jhep.2020.07.021.
10. Buchumenski, I., Roth, S. H., Kopel, E., Katsman, E., Feiglin, A., et al. (2021) Global quantification exposes abundant low-level off-target activity by base editors, Genome Res., 31, 2354-2361, doi: 10.1101/gr.275770.121.
11. Moshkovskii, S. A., Ivanov, M. V., Kuznetsova, K. G., and Gorshkov, M. V. (2018) Identification of single amino acid substitutions in proteogenomics, Biochemistry (Moscow), 83, 250-258, doi: 10.1134/S0006297918030057.
12. Kliuchnikova, A. A., Goncharov, A. O., Levitsky, L. I., Pyatnitskiy, M. A., Novikova, S. E., et al. (2020) Proteome-wide analysis of ADAR-mediated messenger RNA editing during fruit fly ontogeny, J. Proteome Res., 19, 4046-4060, doi: 10.1021/acs.jproteome.0c00347.
13. Peng, X., Xu, X., Wang, Y., Hawke, D. H., Yu, S., et al. (2018) A-to-I RNA editing contributes to proteomic diversity in cancer, Cancer Cell, 33, 817-828 e817, doi: 10.1016/j.ccell.2018.03.026.
14. Buchumenski, I., Holler, K., Appelbaum, L., Eisenberg, E., Junker, J. P., et al. (2021) Systematic identification of A-to-I RNA editing in zebrafish development and adult organs, Nucleic Acids Res., 49, 4325-4337, doi: 10.1093/nar/gkab247.
15. Ribas, L., and Piferrer, F. (2014) The zebrafish (Danio rerio) as a model organism, with emphasis on applications for finfish aquaculture research, Rev. Aquaculture, 6, 209-240, doi: 10.1111/raq.12041.
16. UniProt, C. (2021) UniProt: the universal protein knowledgebase in 2021, Nucleic Acids Res., 49, D480-D489, doi: 10.1093/nar/gkaa1100.
17. Cingolani, P., Platts, A., Wang, L. L., Coon, M., Nguyen, T., et al. (2012) A program for annotating and predicting the effects of single nucleotide polymorphisms, SnpEff: SNPs in the genome of Drosophila melanogaster strain w1118; iso-2; iso-3, Fly (Austin), 6, 80-92, doi: 10.4161/fly.19695.
18. Howe, K., Clark, M. D., Torroja, C. F., Torrance, J., Berthelot, C., et al. (2013) The zebrafish reference genome sequence and its relationship to the human genome, Nature, 496, 498-503, doi: 10.1038/nature12111.
19. Goloborodko, A. A., Levitsky, L. I., Ivanov, M. V., and Gorshkov, M. V. (2013) Pyteomics – a Python framework for exploratory data analysis and rapid software prototyping in proteomics, J. Am. Soc. Mass Spectrom., 24, 301-304, doi: 10.1007/s13361-012-0516-6.
20. Deutsch, E. W., Bandeira, N., Sharma, V., Perez-Riverol, Y., Carver, J. J., et al. (2020) The ProteomeXchange consortium in 2020: enabling “big data” approaches in proteomics, Nucleic Acids Res., 48, D1145-D1152, doi: 10.1093/nar/gkz984.
21. Bayes, A., Collins, M. O., Reig-Viader, R., Gou, G., Goulding, D., et al. (2017) Evolution of complexity in the zebrafish synapse proteome, Nat. Commun., 8, 14613, doi: 10.1038/ncomms14613.
22. Watchon, M., Luu, L., Robinson, K. J., Yuan, K. C., De Luca, A., et al. (2021) Sodium valproate increases activity of the sirtuin pathway resulting in beneficial effects for spinocerebellar ataxia-3 in vivo, Mol. Brain, 14, 128, doi: 10.1186/s13041-021-00839-x.
23. Faria, M., Prats, E., Gomez-Canela, C., Hsu, C. Y., Arick, M. A., 2nd, et al. (2019) Therapeutic potential of N-acetylcysteine in acrylamide acute neurotoxicity in adult zebrafish, Sci. Rep., 9, 16467, doi: 10.1038/s41598-019-53154-w.
24. Nonnis, S., Angiulli, E., Maffioli, E., Frabetti, F., Negri, A., et al. (2021) Acute environmental temperature variation affects brain protein expression, anxiety and explorative behaviour in adult zebrafish, Sci. Rep., 11, 2521, doi: 10.1038/s41598-021-81804-5.
25. Maffioli, E., Angiulli, E., Nonnis, S., Grassi Scalvini, F., Negri, A., et al. (2022) Brain proteome and behavioural analysis in wild type, BDNF+/– and BDNF–/– adult Zebrafish (Danio rerio) exposed to two different temperatures, Int. J. Mol. Sci., 23, 5606, doi: 10.3390/ijms23105606.
26. Hulstaert, N., Shofstahl, J., Sachsenberg, T., Walzer, M., Barsnes, H., et al. (2020) ThermoRawFileParser: modular, scalable, and cross-platform RAW file conversion, J. Proteome Res., 19, 537-542, doi: 10.1021/acs.jproteome.9b00328.
27. Levitsky, L. I., Ivanov, M. V., Lobas, A. A., Bubis, J. A., Tarasova, I. A., et al. (2018) IdentiPy: an extensible search engine for protein identification in shotgun proteomics, J. Proteome Res., 17, 2249-2255, doi: 10.1021/acs.jproteome.7b00640.
28. Ivanov, M. V., Levitsky, L. I., Bubis, J. A., and Gorshkov, M. V. (2019) Scavager: a versatile postsearch validation algorithm for shotgun proteomics based on gradient boosting, Proteomics, 19, e1800280, doi: 10.1002/pmic.201800280.
29. Kolbowski, L., Combe, C., and Rappsilber, J. (2018) xiSPEC: web-based visualization, analysis and sharing of proteomics data, Nucleic Acids Res., 46, W473-W478, doi: 10.1093/nar/gky353.
30. Lane, L., Argoud-Puy, G., Britan, A., Cusin, I., Duek, P. D., et al. (2012) neXtProt: a knowledge platform for human proteins, Nucleic Acids Res., 40, D76-83, doi: 10.1093/nar/gkr1179.
31. Madden, T. L., Tatusov, R. L., and Zhang, J. (1996) Applications of network BLAST server, Methods Enzy-mol., 266, 131-141, doi: 10.1016/s0076-6879(96)66011-x.
32. Schrödinger, L. L. C., and DeLano, W. PyMOL, URL: https://www.pymol.org/pymol.
33. Capriotti, E., Fariselli, P., and Casadio, R. (2005) I-Mutant2.0: predicting stability changes upon mutation from the protein sequence or structure, Nucleic Acids Res., 33, W306-310, doi: 10.1093/nar/gki375.
34. Cheng, J., Randall, A., and Baldi, P. (2006) Prediction of protein stability changes for single-site mutations using support vector machines, Proteins, 62, 1125-1132, doi: 10.1002/prot.20810.
35. Chen, C. W., Lin, J., and Chu, Y. W. (2013) iStable: off-the-shelf predictor integration for predicting protein stability changes, BMC Bioinformatics, 14 Suppl 2, S5, doi: 10.1186/1471-2105-14-S2-S5.
36. Levitsky, L. I., Kuznetsova, K. G., Kliuchnikova, A. A., Ilina, I. Y., Goncharov, A. O., et al. (2022) Validating amino acid variants in proteogenomics using sequence coverage by multiple reads, J. Proteome Res., 21, 1438-1448, doi: 10.1021/acs.jproteome.2c00033.
37. Pei, W., Huang, Z., and Niu, L. (2007) GluR3 flip and flop: differences in channel opening kinetics, Biochemistry, 46, 2027-2036, doi: 10.1021/bi062213s.
38. Jumper, J., Evans, R., Pritzel, A., Green, T., Figurnov, M., et al. (2021) Highly accurate protein structure prediction with AlphaFold, Nature, 596, 583-589, doi: 10.1038/s41586-021-03819-2.
39. Waterhouse, A., Bertoni, M., Bienert, S., Studer, G., Tauriello, G., et al. (2018) SWISS-MODEL: homology modelling of protein structures and complexes, Nucleic Acids Res., 46, W296-W303, doi: 10.1093/nar/gky427.
40. Adams, N. C., Tomoda, T., Cooper, M., Dietz, G., and Hatten, M. E. (2002) Mice that lack astrotactin have slowed neuronal migration, Development, 129, 965-972, doi: 10.1242/dev.129.4.965.
41. Miyagi, T., Wada, T., Yamaguchi, K., Hata, K., and Shiozaki, K. (2008) Plasma membrane-associated sialidase as a crucial regulator of transmembrane signalling, J. Biochem., 144, 279-285, doi: 10.1093/jb/mvn089.
42. Rieder, L. E., Savva, Y. A., Reyna, M. A., Chang, Y. J., Dorsky, J. S., et al. (2015) Dynamic response of RNA editing to temperature in Drosophila, BMC Biol., 13, 1, doi: 10.1186/s12915-014-0111-3.
43. Moldovan, M., Chervontseva, Z., Bazykin, G., and Gelfand, M. S. (2020) Adaptive evolution at mRNA editing sites in soft-bodied cephalopods, PeerJ, 8, e10456, doi: 10.7717/peerj.10456.