วิวัฒนาการระดับโมเลกุลของโปรตีนที่เพิ่มความสามารถในการฆ่าเชื้อแบคทีเรีย/การซึมผ่าน (BPIFA1) ซึ่งควบคุมการตอบสนองทางภูมิคุ้มกันโดยธรรมชาติในสัตว์เลี้ยงลูกด้วยนม ตอนที่ 2

3. ผลลัพธ์

ลำดับโปรตีน BPIFA1 ที่เข้ารหัสในจีโนมของสัตว์เลี้ยงลูกด้วยนมได้รับการศึกษาเพื่อกำหนดบทบาทของการคัดเลือกแบบปรับตัวและวิวัฒนาการ โปรตีน BPIFA1 เป็นตัวกลางสำคัญในการส่งสัญญาณต่อต้านการติดเชื้อจุลินทรีย์จากแบคทีเรียและเชื้อรา เมื่อลำดับถูกรวมเข้าด้วยกันโดยใช้ MSA พวกมันถูกใช้เพื่อสร้างต้นไม้สายวิวัฒนาการแบบเบย์และผ่านการตรวจสอบเพิ่มเติม ในการเริ่มต้นการส่งสัญญาณภายในเซลล์ การเปิดใช้งานชุดของยีนที่ระบุในสายพันธุ์สัตว์เลี้ยงลูกด้วยนมที่เหมาะสมและมีโดเมนการทำงาน (LBP-BPI) เป็นสิ่งจำเป็น สำหรับสารลดแรงตึงผิว phospholipid dipalmitoylphosphatidylcholine (DPPC) โดเมนที่จับกับไขมันนี้มีระดับการเลือกที่สูงมาก ระบบภูมิคุ้มกันโดยกำเนิดของทางเดินหายใจส่วนบนถูกกระตุ้นเพื่อตอบสนองต่อสัญญาณพันธุกรรมจำนวนมาก เช่น อัตราการแทนที่ที่ไม่ตรงกันที่เพิ่มขึ้น แฮปโลไทป์ที่คล้ายคลึงกันอย่างมีนัยสำคัญ และการไม่มีการเปลี่ยนแปลงทางพันธุกรรมในโปรตีน BPIFA1 ซึ่งแสดงให้เห็นว่าการมีอยู่ของโปรตีนเหล่านี้ได้รับการสนับสนุนจากเชิงบวก การเลือก

Lipid Binding Domain (LBD) เป็นโดเมนโครงสร้างที่มีอยู่ในโปรตีนหลายชนิด ซึ่งสามารถจับโมเลกุลของไขมันบางชนิดเพื่อควบคุมการทำงานหรือการแปลโปรตีน

การศึกษาหลายชิ้นแสดงให้เห็นว่าโดเมนที่จับกับไขมันสามารถส่งผลต่อภูมิคุ้มกันได้ ตัวอย่างเช่น ในอวัยวะต่อมน้ำเหลืองทุติยภูมิ เช่น ม้ามและต่อมน้ำเหลือง โมเลกุลของไขมันที่เรียกว่า S1P (sphingolipid-1-phosphate) ควบคุมการย้ายถิ่นและการย้ายถิ่นของทีเซลล์และเซลล์บีโดยการโต้ตอบกับโดเมนที่จับกับไขมัน รักษา. นอกจากนี้ ตัวรับที่ผิวเซลล์ภูมิคุ้มกันที่สำคัญบางตัว เช่น TLR4, TLR7 และ TLR8 ยังมีโดเมนที่จับกับไขมัน ซึ่งสามารถจับโมเลกุลของไขมันชนิดต่างๆ และควบคุมการกระตุ้นและการตอบสนองของเซลล์ภูมิคุ้มกัน

ดังนั้นจึงมีความสัมพันธ์บางอย่างระหว่างโดเมนที่จับกับไขมันและภูมิคุ้มกัน ซึ่งให้แนวคิดใหม่ในการศึกษาการควบคุมการตอบสนองของภูมิคุ้มกันโดยโดเมนที่จับกับไขมัน จะเห็นได้ว่าเราต้องปรับปรุงภูมิคุ้มกันให้ต้านทานไวรัส Cistanche สามารถปรับปรุงภูมิคุ้มกันได้อย่างมาก Cistanche ยังมีฤทธิ์ต้านไวรัสและต้านมะเร็ง ซึ่งสามารถเสริมสร้างความสามารถของระบบภูมิคุ้มกันในการต่อสู้และปรับปรุงภูมิคุ้มกันของร่างกาย

คลิก ประโยชน์ต่อสุขภาพของ cistanche

3.1. วิวัฒนาการระดับโมเลกุลของยีน BPIFA1

ในงานนี้ เราค้นหาสัญญาณของการปรับตัวในยีน BPIFA1 ตั้งแต่สัญญาณการคัดเลือกที่อ่อนแอไปจนถึงแข็งแกร่งระหว่างวิวัฒนาการแบบปรับตัวในจีโนมของสัตว์เลี้ยงลูกด้วยนม เปอร์เซ็นต์ทั่วไปของโคดอนในยีน BPIFA1 ที่ได้รับการวิวัฒนาการแบบปรับตัวนั้นถูกกำหนด ทำตามขั้นตอนเดียวกันสำหรับแต่ละลำดับการเข้ารหัส เราคำนวณสัดส่วนเฉลี่ยของ codons ที่เลือกในทางบวกในทุกสาขา การใช้ BUSTED และการแปรผันของอัตราที่ตรงกันในสาขาทดสอบที่เลือกสรรอย่างระมัดระวังของ BPIFA1 phylogeny เราได้กำหนดร่องรอยของการเลือกที่หลากหลายของยีนทั้งตอน เป็นผลให้เราสรุปได้ว่าการเลือกที่แตกต่างกันเกิดขึ้นตามแนวสืบเชื้อสายสามสาย ด้วยการใช้ความแปรผันของอัตราที่ตรงกัน เราสังเกตการเลือกที่หลากหลายของยีนทั้งตอนในสาขาทดสอบของ BPIFA1 phylogeny มีการใช้การเลือกที่หลากหลายของยีนทั้งตอนเพื่อให้บรรลุสิ่งนี้ (LRT) สาขาการทดสอบสองแห่งแสดงหลักฐานของการเลือกที่หลากหลาย ซึ่งบ่งชี้ว่าไซต์นั้นอยู่ภายใต้วิวัฒนาการประเภทนี้ (รูปที่ 1)

อัตราส่วน dN/dS เฉลี่ยสำหรับ BPIFA1 ในทุกไซต์และสายเลือดมีค่ามากกว่าหนึ่ง เป็นผลให้มีการวิจัยเกี่ยวกับโปรตีนนี้เพื่อระบุลายเซ็นของการคัดเลือกในเชิงบวก โปรตีนพบว่ามีโครงสร้างของกรดอะมิโนที่อนุรักษ์ไว้ ทำให้สามารถทำให้บริสุทธิ์ได้ และมีค่าโอเมก้ามากกว่า 1 โปรตีนนี้ทำการทดสอบความน่าจะเป็นของล็อก ไซต์ทั้งหมดของโปรตีนได้รับการวิเคราะห์ และ คำนวณอัตราการทดแทน ในการประเมินว่าการเลือกเชิงบวกเกิดขึ้นหรือไม่ เราใช้โมเดลความน่าจะเป็นสามชุดที่แตกต่างกัน: M0 เทียบกับ M3, M1 เทียบกับ M2 และ M7 เทียบกับ M8 เปรียบเทียบค่าประมาณพารามิเตอร์ภายใต้ M1 และ M2 และพบว่าค่า M2 ของโปรตีนเหล่านี้มีค่าเป็นบวก เปอร์เซ็นต์ของไซต์ที่เลือกในเชิงบวกมีความสำคัญสำหรับโมเดลทั้งสาม โดยมีค่า 422.86, 64.5 และ 93.63 ตามลำดับ (ตารางที่ 1)

เพื่อให้หลักฐานเพิ่มเติมเพื่อสนับสนุนการค้นพบของการเลือกเชิงบวก เราได้ใช้โมเดลการผสมผสานเชิงกลไก-เชิงประจักษ์กับไซต์เฉพาะโดยใช้เซิร์ฟเวอร์การเลือก ในระหว่างกระบวนการนี้ เราพบว่าไซต์หลายแห่งถูกระบุว่าได้รับแรงกดดันจากการเลือกที่จุดต่างๆ ในระหว่างวิวัฒนาการ (รูปที่ 1) ด้วยเหตุนี้ เราจึงสามารถประมาณระดับที่ยีนนี้ได้รับการอนุรักษ์ไว้ตามวิวัฒนาการ เราพบว่าไซต์ที่เลือกในเชิงบวกส่วนใหญ่ได้รับการอนุรักษ์ไว้ทั่วทั้งกลุ่มสัตว์เลี้ยงลูกด้วยนม นี่เป็นเพราะกรดอะมิโนที่อนุรักษ์ไว้เป็นสัญญาณส่วนใหญ่ที่ใช้สำหรับการเลือกเชิงบวกในอัลกอริทึมของโครงข่ายประสาทเทียม (ตารางที่ 2)

วิธีการเลือกแบบจำลอง codon ประเมินแบบจำลองที่แตกต่างกัน 9113 แบบ โมเดลที่ดีที่สุด (log(L)=−18,910, mBIC=39,340.92) มีสามอัตราและแม่นยำที่สุด ด้วยโมเดลนี้ การปรับปรุง 218.66 log(L) และ 398.33 mBIC point ทำได้เมื่อเปรียบเทียบกับโมเดลอัตราเดียว ซึ่งการแทนที่ที่ไม่ตรงกันทั้งหมดเกิดขึ้นที่อัตราเดียวกัน ดังแสดงในตารางที่ 1 แต่ละโมเดลในชุดที่น่าเชื่อถือมี อัตราส่วนหลักฐานอย่างน้อย 0.01 เมื่อเทียบกับแบบจำลองที่ดีที่สุด หมายความว่าอยู่ภายในหน่วย 9.21 mBIC ของแบบจำลองที่ดีที่สุด หรือเทียบเท่า คือมีอัตราส่วนหลักฐานอย่างน้อย 0.01 เมื่อเทียบกับแบบจำลองที่ดีที่สุด ค่าเฉลี่ยของโมเดลจะประมาณอัตราการเปลี่ยนแปลงของโมเดลชุดนี้ (รูปที่ 2) รูปแบบการเลือกเชิงวิวัฒนาการในตำแหน่งกรดอะมิโนในโปรตีน BPIFA1 ยังได้รับการประเมินโดยใช้การวิเคราะห์การเลือกแบบจำลอง codon ซึ่งแสดงให้เห็นว่าการแทนที่ของตำแหน่งกรดอะมิโนเกิดขึ้นระหว่างการวิวัฒนาการแบบปรับตัวในโปรตีน เราเปิดเผยว่าตำแหน่งกรดอะมิโนพื้นฐานของโปรตีนแสดงวิวัฒนาการที่ปรับตัวได้เนื่องจากอัตราส่วนการแทนที่ที่แตกต่างกัน จากการกระจายของตำแหน่งกรดอะมิโนใน BPIFA1 อัตราการทดแทนสูงสุดคือประมาณ 1.19 ในขณะที่ต่ำสุดคือ 14 (รูปที่ 2)

การระบุบริเวณที่มีนัยสำคัญทางสรีรวิทยาของโปรตีนสามารถดำเนินการได้โดยการเปรียบเทียบความถี่ของการแทนที่ที่เหมือนกัน (Ks) และที่ไม่เหมือนกัน (Ka) ในโปรตีน นี่เป็นพื้นฐานสำหรับการสรุปการมีอยู่ของการเลือกที่บริสุทธิ์และการเลือกดาร์วินในเชิงบวกที่แปลเป็นภาษาท้องถิ่น เราใช้ Selecton v. 2.2 (เข้าถึงได้ที่ http://selection-bio info-tau.ac.il เข้าถึงได้เมื่อวันที่ 29 กันยายน 2021) ซึ่งเป็นเว็บเซิร์ฟเวอร์ที่คำนวณอัตราส่วนของ Ka ต่อ Ks (u) โดยอัตโนมัติที่แต่ละไซต์ใน โปรตีน สีที่ต่างกันแสดงถึงการเลือกประเภทต่างๆ (การเลือกเชิงบวก การเลือกที่บริสุทธิ์ และไม่เลือก) และใช้เพื่อแสดงอัตราส่วนนี้แบบกราฟิกในแต่ละไซต์ แบบจำลองการคัดเลือกคือชุดของสมมติฐานวิวัฒนาการต่างๆ ที่สามารถใช้เพื่อทดสอบทางสถิติถึงความเป็นไปได้ที่โปรตีนที่ได้รับจะถูกคัดเลือกในเชิงบวก มันทำงานผ่านอินเทอร์เฟซผู้ใช้แบบกราฟิก แบบจำลองทางกลไกและเชิงประจักษ์ที่จัดตั้งขึ้นเมื่อเร็วๆ นี้มีอิทธิพลต่อคุณสมบัติทางกายภาพของกรดอะมิโน (ตารางที่ 3)

3.2. การคัดเลือกแบบปรับได้ของยีน BPIFA1

เพื่อกำหนดระดับที่สัตว์เลี้ยงลูกด้วยนมชนิดต่าง ๆ ได้ปรับตัวเข้ากับสภาพแวดล้อมของพวกมัน เราใช้การจัดเรียงหลาย ๆ ลำดับของลำดับการเข้ารหัสของยีน BPIFA1 จากแต่ละสายพันธุ์จาก 34 สายพันธุ์ การทดสอบเหล่านี้สามารถใช้แยกกันหรือใช้ร่วมกัน การทดสอบประเภทต่างๆ ที่พบมากที่สุดเรียกว่าการทดสอบสาขา ในระหว่างการวิวัฒนาการของสปีชีส์สัตว์มีกระดูกสันหลัง การเลือกสายเลือดเฉพาะถูกนำมาใช้เพื่อจำแนกสายเลือดที่แตกต่างกันตามแรงกดดันในการคัดเลือก ความน่าจะเป็นในการคัดเลือกเฉพาะสายเลือดถูกคำนวณสำหรับแต่ละกลุ่มสายวิวัฒนาการโดยใช้แบบจำลองความน่าจะเป็นของผลกระทบแบบสุ่มที่ไซต์สาขาแบบปรับได้ (aBS-REL) นอกจากนี้ เทคนิค aBS-REL ยังถูกใช้เพื่อผ่าแยกแต่ละยีนเพื่อพิจารณาว่าเชื้อสายใดได้รับการคัดเลือกแบบปรับตัวในช่วงเวลาต่างๆ ในประวัติศาสตร์วิวัฒนาการ

เมื่อนำไปใช้กับสายเลือดของสัตว์เลี้ยงลูกด้วยนม แบบจำลอง aBS-REL ยืนยันว่ายีนที่ทำนายด้วย BUSTED นั้นอยู่ภายใต้การคัดเลือกในเชิงบวก ผลลัพธ์ของเราซึ่งเสนอว่าแรงกดดันแบบเลือกกระทำต่อยีน BPIFA1 ในสายเลือดของสัตว์เลี้ยงลูกด้วยนม แสดงให้เห็นว่าสมมติฐานทั้งสองสอดคล้องกัน (ตารางที่ 4) ในสายวิวัฒนาการของยีน BPIFA1 มีหลักฐานของการคัดเลือกที่หลากหลายในแปดสาขา ความสำคัญของการค้นพบได้รับการประเมินโดยใช้การทดสอบอัตราส่วนความน่าจะเป็น (p > 0.05) ซึ่งดำเนินการหลังจากพิจารณาผลลัพธ์ของการทดสอบอื่นๆ จำนวนมาก (รูปที่ 3) โดยรวมแล้ว 63 บรรทัดที่แตกต่างกันได้ผ่านการทดสอบเฉพาะนี้สำหรับการเลือกที่หลากหลาย ดำเนินการทดสอบหลายครั้ง และกำหนดความสำคัญของสิ่งที่ค้นพบโดยใช้การทดสอบอัตราส่วนความน่าจะเป็นด้วยค่า p-value threshold ที่ 0.05

ตารางนี้รายงานข้อมูลสรุปทางสถิติของโมเดลที่เหมาะสมกับข้อมูล ข้อมูลพื้นฐาน MG94xREV หมายถึงโมเดลพื้นฐาน MG94xREV ที่อนุมานหมวดหมู่อัตรา ω เดียวต่อสาขา โมเดลที่ปรับเปลี่ยนได้อย่างสมบูรณ์หมายถึงโมเดล aBS-REL ที่ปรับเปลี่ยนได้ ซึ่งหมายถึงจำนวนหมวดหมู่อัตรา ω ที่ปรับให้เหมาะสมต่อสาขา

ในระหว่างกระบวนการวิวัฒนาการ เราตรวจสอบค่าโอเมก้าโดยใช้วิธีการ SLAC, FUBAR, MEME และ FEL เพื่อค้นหาตัวบ่งชี้ของการเลือกเชิงบวก (ตารางที่ 5) จากการค้นพบของเรา ยีน BPIFA1 ในสัตว์เลี้ยงลูกด้วยนมได้รับการคัดเลือกทางวิวัฒนาการในเชิงบวก เราสามารถตรวจจับได้ว่าบริเวณใดของจีโนมถูกกดดันจากการคัดเลือกโดยใช้วิธีเบส์ เทคนิคนี้เกี่ยวข้องกับการกำหนดความน่าจะเป็นหลังสำหรับแต่ละโคดอน ไซต์ที่มีโอกาสเป็นไปได้มากกว่ามักจะได้รับการคัดเลือกที่หลากหลาย ซึ่งนำไปสู่อัตราการแทนที่ที่ไม่มีความหมายเหมือนกันและเหมือนกันมากกว่าไซต์ที่มีจำนวนความน่าจะเป็นต่ำกว่า (ตารางที่ 2) เมื่อใช้การวิเคราะห์ BEB เราพบว่าตำแหน่งหลายแห่งทั่วโดเมน LBP-BPI ของโปรตีนฆ่าเชื้อแบคทีเรียได้รับการคัดเลือกในเชิงบวกโดยมีความเป็นไปได้สูงที่ 95 เปอร์เซ็นต์ นี่เป็นกรณีสำหรับทุกไซต์ ไซต์ถูกกระจายไปทั่วโดเมนในตำแหน่งต่างๆ การค้นพบ PAML ได้รับการตรวจสอบโดยใช้ชุดข้อมูลที่พบในเซิร์ฟเวอร์ Selection เซิร์ฟเวอร์นี้สามารถระบุการเลือกแบบปรับได้ที่ไซต์บางแห่งภายในโปรตีน ซึ่งช่วยให้เราสามารถตรวจสอบการมีอยู่ของการเลือกเชิงบวกได้ ในการกำหนดอัตราการทดแทน จะใช้แบบจำลอง MEC การค้นพบนี้แสดงให้เห็นว่าการเลือกแบบปรับตัวเกิดขึ้นในหลายตำแหน่งใน BPIFA1 (ตารางที่ 5)

3.3. การวิเคราะห์การรวมกันใหม่

สำหรับยีน BPIFA1 การวิเคราะห์การรวมตัวกันใหม่ได้ดำเนินการเพื่อค้นหาความเชื่อมโยงทางวิวัฒนาการที่เป็นไปได้ระหว่างยีน การวิจัยเปิดเผยเหตุการณ์การรวมตัวกันอีกครั้งสามเหตุการณ์ ลำดับการรวมตัวกันใหม่แต่ละลำดับ รวมทั้งพ่อแม่หลักและพ่อพันธุ์รอง มาจากยีน BPIFA1 เราระบุเบรกพอยต์การรวมตัวกันใหม่โดยใช้การวิเคราะห์ GARD ในอัตรา 30.30 รุ่นต่อวินาที GARD ตรวจสอบรุ่น 5120 พื้นที่ค้นหาของโมเดล 72,874,879 โมเดลที่มีเบรกพอยต์สูงสุด 3 จุดนั้นสร้างขึ้นจากเบรกพอยต์ที่เป็นไปได้ 759 ตัวของการจัดตำแหน่ง ซึ่งอัลกอริธึมเชิงพันธุกรรมตรวจสอบเพียง 0.01 เปอร์เซ็นต์เท่านั้น ด้วยอัตราส่วนหลักฐาน 100 หรือสูงกว่า แบบจำลองหลายทรีจึงเป็นที่นิยมมากกว่าแบบจำลองต้นไม้เดี่ยว ซึ่งบ่งชี้ว่าจุดพักอย่างน้อยหนึ่งจุดสะท้อนถึงความไม่ลงรอยกันของทอพอโลยี สิ่งนี้ได้รับการตรวจสอบความถูกต้องโดยการเปรียบเทียบคะแนน AIc ของโมเดล GARD ที่เหมาะสมที่สุด ซึ่งอนุญาตสำหรับโทโพโลยีแบบแปรผันข้ามเซ็กเมนต์ (37,996.2) และโมเดลซึ่งถือว่าทรีเดียวกันสำหรับพาร์ติชันทั้งหมดที่กำหนดโดย GARD แต่อนุญาตให้มีความยาวสาขาที่แตกต่างกัน ระหว่างพาร์ติชัน โดยเฉพาะอย่างยิ่ง คะแนน AICc ของโมเดล GARD ที่เหมาะสมที่สุดคือ 37,996.2 ในขณะที่คะแนน AICc ของโมเดลคือ 37,996.2 (รูปที่ 4 และ 5)

3.4. ปฏิสัมพันธ์ระหว่างโปรตีนและโปรตีนและการวิเคราะห์การจับกับลิแกนด์

เราใช้ฐานข้อมูล STRING เพื่อค้นหาโปรตีนที่แสดงด้วย BPIFA1 โดยระบุปฏิสัมพันธ์ของโปรตีนและโปรตีนหลายคู่ มี 13 โหนดและ 35 ขอบที่แสดงโดยโปรตีนที่แสดงด้วย BPIFA1 ขอบของไดอะแกรม PPI คือเครือข่ายเส้นที่เชื่อมโยงแต่ละโหนด (รูปที่ 6) ค่าสัมประสิทธิ์การจัดกลุ่มภายในเครื่องโดยเฉลี่ยคือ 0.978 การเพิ่มประสิทธิภาพของ PPI มีค่า p เท่ากับ 5.25 × 10−12 เครือข่าย PPI แสดงถึงปฏิสัมพันธ์ของยีน BPIFA1 กับยีนภูมิคุ้มกันที่แสดงออกร่วมกันอื่นๆ COX7B2, BPIFB6, BPIFB4, BPIFB2, BPIFB3, PLTP, CETP, BPI, LBP และ ODF2L เป็นยีน 10 ยีนที่เกี่ยวข้องกับเครือข่าย PPI ของ BPIFA1 (รูปที่ 6)

ยีน BPIFB6, BPIFB4, BPIFB2 และ BPIFB3 มีความสำคัญมากที่สุดเนื่องจากยีนเหล่านี้มีส่วนร่วมในเส้นทางการส่งสัญญาณทางชีวภาพ ซึ่งมีบทบาทสำคัญในการสร้างภูมิคุ้มกันต่อการติดเชื้อแบคทีเรีย นอกจากนี้ ยีนเหล่านี้ยังถูกควบคุมโดย BPIFA1 ซึ่งเป็นอีกเหตุผลหนึ่งที่ถือว่ามีความสำคัญมาก (ตารางที่ 6) เส้นทางของโมเลกุลมีความสำคัญในการกำจัดเชื้อโรคที่บุกรุกผ่านกิจกรรมการทำลายเยื่อหุ้มเซลล์ซึ่งประกอบด้วยโปรตีนที่เกี่ยวข้องทั้งหมดที่มีบทบาทต่างกัน กิจกรรมการทำลายเมมเบรนเป็นสิ่งจำเป็นสำหรับการกำจัดเชื้อโรคที่บุกรุก โปรตีนที่สำคัญสองชนิดในการไกล่เกลี่ยสัญญาณเพื่อตอบสนองต่อไลโปโพลีแซคคาไรด์ ได้แก่ โปรตีนที่จับกับ LPS (LPSBP) และโปรตีนที่เพิ่มความสามารถในการซึมผ่านของแบคทีเรีย (BPI) พวกเขาแสดงความสัมพันธ์ที่แน่นแฟ้นกับ Lipid A ซึ่งเป็นสารที่พบใน LPS และมีความคล้ายคลึงกันอย่างมาก แม้จะมีโครงสร้างที่คล้ายคลึงกัน แต่ LBP และ BPI ก็ทำหน้าที่ทางชีวภาพหลายอย่างที่แตกต่างกันอย่างชัดเจน ตัวอย่างเช่น LBP มักจับกับ LPS และอำนวยความสะดวกอย่างมากในการนำเสนอ LPS ไปยังเซลล์ CD14 บวก เช่น มาโครฟาจและโมโนไซต์ ในขณะที่ BPI ยับยั้งและลดฤทธิ์ทางชีวภาพของ LPS โปรตีนทั้งสองนี้มีอยู่ในแบคทีเรีย

ลิแกนด์เป็นส่วนประกอบที่สำคัญในกระบวนการควบคุมการแสดงออกและกิจกรรมของโปรตีน แรงยึดเหนี่ยวระหว่างโมเลกุล เช่น พันธะไอออนิก พันธะไฮโดรเจน อันตรกิริยาที่ไม่ชอบน้ำ และแรงแวนเดอร์-วาลส์ มีส่วนทำให้เกิดกระบวนการจับกับลิแกนด์ เนื่องจากการทำงานร่วมกันระหว่างลิแกนด์และโปรตีน โครงสร้างสามมิติของโปรตีนจะเปลี่ยนไป เนื่องจากการเปลี่ยนแปลงเหล่านี้ในสถานะโครงสร้างของโปรตีน หน้าที่บางอย่างของโปรตีนอาจถูกยับยั้งหรือกระตุ้น ดังนั้นเราจึงทำการศึกษาอันตรกิริยาที่จับกับโปรตีนและลิแกนด์โดยใช้ลักษณะทางเคมีกายภาพของกรดอะมิโนเพื่อพิจารณาว่าสารตกค้างใดมีปฏิสัมพันธ์กับลิแกนด์และชนิดใดไม่มี เพื่อให้บรรลุเป้าหมายนี้ เราใช้เว็บไซต์ (http://crdd.osdd.net/raghava/lpicom เข้าถึงได้เมื่อวันที่ 18 ตุลาคม 2021) ที่คำนวณเศษส่วนของสิ่งตกค้างที่โต้ตอบกับลิแกนด์ที่กำหนด สารตกค้างที่สำคัญ เช่น ซีสเตอีน ไกลซีน อะลานีน ไลซีน กรดแอสปาร์ติก ฮิสทิดีน ลิวซีน วาลีน อาร์จินีน ทริปโตเฟน ซีรีน ทรีโอนีน และไทโรซีน แสดงให้เห็นว่ามีปฏิกิริยากับลิแกนด์เจ็ดตัว (1BP1, BPH, XE, NEH, CLA, จุฬาฯ และ มก.) และ PC1. เมื่อเปรียบเทียบกับปฏิกิริยากับ PC1 กรดอะมิโนที่มีประจุ โดยเฉพาะอย่างยิ่งกรดอะมิโนจำเป็น มีข้อได้เปรียบมากกว่าเมื่อทำปฏิกิริยากับ 1BP1, BPH, XE, NEH, CLA, CU และ MG (รูปที่ 7) กรดอะมิโนขนาดเล็กและมีขั้วที่สัมพันธ์กันนั้นมีลักษณะเฉพาะในแต่ละลิแกนด์ทั้งสาม

เราใช้วิธีที่แตกต่างกันสองวิธีในการคาดการณ์เกี่ยวกับไซต์ที่มีผลผูกพันเสริม: วิธีแรกถูกกำหนดโดยการเปรียบเทียบโครงสร้างย่อยที่เจาะจงการรวม (TM-SITE) ในขณะที่วิธีที่สองถูกกำหนดล่วงหน้าเกี่ยวกับการจัดตำแหน่งของโปรไฟล์ลำดับ (S-SITE) เทคนิคเหล่านี้ประเมินโปรตีน BPIFA1 เทียบกับโปรตีนที่ไม่ซ้ำซ้อน 500 ชนิดที่รวมกับสารประกอบอินทรีย์ สารสังเคราะห์ และไอออนโลหะ 814 ชนิด เริ่มต้นด้วยการคาดการณ์โครงสร้างโปรตีนที่มีความละเอียดต่ำ วิธีการต่างๆ ประสบความสำเร็จในการระบุสิ่งตกค้างที่มีผลผูกพันของ BPIFA1 โดยได้ค่าสัมประสิทธิ์สหสัมพันธ์เฉลี่ยของ Matthews (MCC) ที่สูงกว่ามาก นอกจากนี้ เทคนิคต่างๆ ยังค้นพบลิแกนด์ที่จับกับเรซิดิว (ตารางที่ 7)

4. การอภิปราย

ภูมิหลังที่แตกต่างกันทำให้แพลตฟอร์มที่ประชากรที่ผ่านการคัดเลือกแตกต่างกันสามารถจำแนกออกเป็นประชากรย่อยที่ดัดแปลงโดยกำเนิด [44] อิทธิพลของการเลือกต่อการไหลของยีนในกลุ่มประชากร เช่น ความสมดุลระหว่างการย้ายถิ่น-การเลือก เป็นตัวกำหนดความเป็นไปได้ของการปรับตัวโดยธรรมชาติและความแตกต่างอย่างต่อเนื่อง สิ่งนี้เรียกอีกอย่างว่าความสมดุลของการเลือกการย้ายข้อมูล มีแนวโน้มที่ความแปรปรวนทางพันธุกรรมเฉพาะที่ภายในประชากรจะกลายเป็นเนื้อเดียวกันเนื่องจากการไหลของยีนเมื่อผลของการคัดเลือกมีนัยสำคัญน้อยกว่าผลของการไหลของยีน ในทางกลับกัน ความแปรปรวนทางพันธุกรรมอาจสะสมและคงไว้ตามตำแหน่งเฉพาะที่ไวต่อการเลือกแบบไดเวอร์เจนต์ที่ทรงพลัง หากแรงกดเลือกมากกว่าแรงรวมของการไหลของยีน [45]

ในผลลัพธ์ทางเลือกที่เป็นไปได้ ประโยชน์ของการไหลเวียนของยีนถูกจำกัดโดยการเลือกเทียบกับผู้อพยพที่มีพันธุกรรมไม่เหมาะสม ซึ่งเป็นการปูทางสำหรับการปรับตัวตามท้องถิ่นด้วย [45,46] ต้องมีความเชื่อมโยงระหว่างการไหลของยีนและการคัดเลือกเพื่อทำความเข้าใจความแตกต่างของประชากรในความถี่ของการไหลของยีน [46] ภายใต้สถานการณ์ดังกล่าว การเลือกจะกำหนดว่าประชากรยังคงมีวิวัฒนาการหรือแยกออกจากกันเป็นกลุ่มที่แตกต่างกันหรือไม่ วิธีการเชิงประจักษ์ของ Bayes คำนวณ LRT ที่ไซต์สาขาแต่ละแห่งและตั้งไซต์ที่แตกต่างกันทั้งหมดซึ่งอาจมีการเลือกที่หลากหลาย ตามแนวทางของ Bayes เชิงประจักษ์ การประมาณ Bayesian ที่รวดเร็วและไม่จำกัด หรือที่เรียกว่า FUBAR ถูกนำมาใช้เพื่อค้นหาการเลือกที่หลากหลายที่เกิดขึ้นที่ยีน BPIFA1 FUBAR อนุญาตให้มีการกระจาย codon จากไซต์หนึ่งไปยังไซต์และสาขาต่อสาขา และใช้เพื่อสำรวจวิวัฒนาการแบบปรับตัวที่เกิดขึ้นในระดับยีน วิธีการของ MEME ถูกนำมาใช้เพื่อตรวจสอบวิวัฒนาการแบบปรับตัวที่เกิดขึ้นในระดับยีน [25,32,47] SLAC พบไซต์การเข้ารหัสที่หลากหลายเป็นฉากโดยมีค่า p น้อยกว่า 0.01 (ตารางที่ 1)

แบบจำลองนี้ใช้เพื่อประเมินอัตราการแทนที่ที่มีความหมายเหมือนกันและไม่มีความหมายเหมือนกัน และไซต์การเข้ารหัสที่มีอัตราการทดแทนที่เหมือนกันมากกว่าหรือเท่ากับอัตราที่ไม่มีความหมายเหมือนกันนั้นถือว่ามีความสำคัญสำหรับการระบุไซต์ที่อยู่ระหว่างการเลือกที่หลากหลาย ใน MEME ได้รับค่าประมาณความน่าจะเป็นสูงสุดสำหรับโคดอนของยีน BPIFA1 130, 167, 168, 190, 243, 265 และ 289 (ตารางที่ 2) จากสัญญาณที่ไม่มีนัยสำคัญ codons เหล่านี้ไม่ได้ถูกระบุว่าเป็นตำแหน่งที่ถูกเลือกในเชิงบวก ซึ่งเป็นเพราะลักษณะเฉพาะของการคัดเลือกโดยธรรมชาติ การคัดเลือกโดยธรรมชาติที่เกิดขึ้นเป็นระยะๆ ตลอดช่วงสั้นๆ ของวิวัฒนาการแบบปรับตัวนั้นถูกบดบังด้วยการคัดเลือกโดยธรรมชาติหรือบริสุทธิ์ที่เกิดขึ้นบ่อยครั้ง ดังนั้น จึงไม่สามารถพบสัญญาณของวิวัฒนาการที่ปรับตัวได้ผ่านการทดสอบความไวและการคัดเลือกในเชิงบวก [48]

เราพบไซต์ 17 แห่งที่ได้รับเลือกโดยใช้วิธี PAML สิบห้าไซต์ที่ได้รับเลือกโดยใช้อัลกอริทึม IFEL และสี่ไซต์ที่ได้รับเลือกโดยใช้อัลกอริทึม FEL ความดันการเลือกแบบปรับตัวบนลำดับโคดอนของยีน BPIFA1 ถูกคำนวณโดยใช้แบบจำลอง MEC ส่งผลให้สามารถจำแนกกรดอะมิโนได้เจ็ดสิบสี่ชนิด (รูปที่ 1) มีการใช้แบบจำลองวิวัฒนาการตามการเลือกเชิงบวก ซึ่งเผยให้เห็นความแตกต่างที่ระดับโคดอน (M8) แอปพลิเคชัน MrBayes บนเซิร์ฟเวอร์ Selection ใช้แบบจำลอง MCMC เพื่อระบุความแตกต่างของยีน MAVS ในสัตว์เลี้ยงลูกด้วยนมในระดับโคดอนก่อนหน้านี้ [49]

จากผลการจัดตำแหน่งโปรตีน MAFFT การศึกษาก่อนหน้านี้แสดงให้เห็นว่าโดเมน Ig ยังคงอยู่ในลำดับการเข้ารหัส MAVS ผลลัพธ์เหล่านี้ชี้ให้เห็นว่าการสลับโปรตีนทางเลือกในการทำให้บริสุทธิ์บริเวณที่เลือกนั้นเป็นอันตรายและไม่น่าจะได้รับการบำรุงรักษาตลอดวิวัฒนาการ [50,51] ไซต์สำหรับเส้นทางวิวัฒนาการหลายเส้นทางถูกระบุโดยใช้การแจกแจงอัตราหลายพารามิเตอร์ แบบจำลองเอฟเฟกต์แบบสุ่มที่มีช่วงความเชื่อมั่น 95 เปอร์เซ็นต์ และค่า Pr [ > ] จำนวนมาก ไซต์สามารถระบุตำแหน่งได้ด้วยวิธีนี้ (ตารางที่ 3) ในกรณีของการเลือกในเชิงบวก น้ำหนักของอัตราคลาสถูกกำหนดโดยใช้การแจกแจงแบบไม่ต่อเนื่องทั่วไปแบบสองตัวแปรสำหรับแต่ละไซต์การเข้ารหัส การบรรจบกันของแบบจำลอง MCMC แสดงให้เห็นโดยข้อเท็จจริงที่ว่าการประมาณค่าเฉลี่ยหลังสำหรับ BPIFA1 พบว่าใกล้เคียงกับค่าปัจจัยการลดลงที่พิจารณา (ตารางที่ 2)

ค่าเหล่านี้อยู่ในช่วงตั้งแต่ {{0}}.95 ถึง 0.99 ในระหว่างกระบวนการกระจายการเลือก จะพิจารณาเฉพาะไซต์การเข้ารหัสที่มีค่า EBF เชิงประจักษ์ (EBF) มากกว่า 50 เท่านั้น การคำนวณดำเนินการโดยใช้ขนาดตัวอย่างที่มีประสิทธิภาพสุทธิเพื่อกำหนดค่า EBF สำหรับไซต์การเข้ารหัสแต่ละแห่งที่ประเมินโดยใช้การเลือกเชิงบวก การสรุปการกระจายของพารามิเตอร์การเลือกเฉพาะของยีนสามารถปรับปรุงการเลือกที่ตรวจพบในไซต์การเข้ารหัสจำนวนมาก พื้นที่การเข้ารหัสที่ได้รับการคัดเลือกในเชิงบวกและระบุให้หลักฐานที่สำคัญของการเลือกที่หลากหลายในยีน BPIFA1 ซึ่งขณะนี้อยู่ระหว่างการคัดเลือกสายเลือด เป็นผลให้การกลายพันธุ์บางอย่างที่ดูเหมือนจะเป็นกลาง (และไม่มีผลกระทบทันทีต่อสมรรถภาพ) สามารถ "อนุญาต" ทำให้โปรตีนสามารถทนต่อการเปลี่ยนแปลงในภายหลังซึ่งอาจเป็นอันตรายและทำให้เกิดความแตกต่างของฟีโนไทป์ [52] การกลายพันธุ์ที่เป็นกลางในเอพิสตาซิสเป็นรากฐานสำหรับการคัดเลือกและการปรับตัวในภายหลัง ซึ่งได้รับความสนใจอย่างมากเมื่อเร็วๆ นี้และได้รับการเสนอให้เป็นหนทางในการปรับรูปแบบวิวัฒนาการที่เป็นกลางและการคัดเลือกให้สอดคล้องกัน [53]

อัตราการทดแทนสำหรับคู่ FWY และ HKR อยู่ที่ประมาณ 50 เปอร์เซ็นต์ อัตราการทดแทนสำหรับ DENQ อยู่ที่ 50 เปอร์เซ็นต์ และอัตราการทดแทนสำหรับ ACGILMPSTV อยู่ที่ 90 เปอร์เซ็นต์ เครือข่าย PPI แสดงถึงปฏิสัมพันธ์ของโปรตีน BPIFA1 กับโปรตีนภูมิคุ้มกันที่แสดงออกร่วมกันอื่นๆ COX7B2, BPIFB6, BPIFB4, BPIFB2, BPIFB3, PLTP, CETP, BPI, LBP และ ODF2L เป็นยีน 10 ยีนที่เราพิจารณาแล้วว่ารับผิดชอบปฏิกิริยาระหว่างโปรตีนเหล่านี้ (รูปที่ 6) ยีน BPIFB6, BPIFB4, BPIFB2 และ BPIFB3 มีความสำคัญที่สุดเนื่องจากยีนเหล่านี้มีส่วนร่วมในเส้นทางการส่งสัญญาณทางชีวภาพ ซึ่งมีบทบาทสำคัญในการสร้างภูมิคุ้มกันต่อการติดเชื้อแบคทีเรีย นอกจากนี้ ยีนเหล่านี้ยังถูกควบคุมโดย BPIFA1 ซึ่งเป็นอีกเหตุผลหนึ่งที่ทำให้ยีนเหล่านี้มีความสำคัญมาก (ตารางที่ 6) อินเทอร์เฟซประกอบด้วยกลุ่มของเรซิดิวที่อนุรักษ์ไว้ซึ่งมีองค์ประกอบของกรดอะมิโนที่เข้ากันได้กับทั้งแกนอินเทอร์เฟซ (เรซิดิวที่มีการเปลี่ยนแปลงมากที่สุดในการฝังเมื่อจับ) และบริเวณที่อนุรักษ์ [54] และบริเวณร้อนที่พัฒนาจากการรวมกลุ่มของฮอตสปอตที่สอดคล้องกับการอัดแน่น และเขตอนุรักษ์

ดังนั้น อินเตอร์เฟสจึงอยู่ภายใต้แรงกดดันจากวิวัฒนาการเพื่อรักษาการเชื่อมต่อในปัจจุบันไว้ ในขณะที่ป้องกันการโต้ตอบที่ไม่เอื้ออำนวยและไม่เฉพาะเจาะจง คุณสมบัติทางเคมีกายภาพบางอย่างสามารถเปลี่ยนแปลงได้เพื่อลดโอกาสที่ส่วนต่อประสานระหว่างโปรตีนและโปรตีนอาจสร้างอันตรกิริยาที่ผิดปกติ [55] ผลจากการตรวจสอบของเรา เราพบว่าค่ามากกว่า 1 สำหรับ codons ที่เลือกในเชิงบวกที่แสดงในตารางที่ 1 นี่แสดงให้เห็นว่าการพัฒนาไซต์ที่มีความหมายเหมือนกันต้องใช้เวลามากกว่าการพัฒนาไซต์ที่ไม่มีความหมายเหมือนกัน (ไซต์ dN) ผลกระทบที่เป็นประโยชน์ของการคัดเลือกดาร์วิน ซึ่งส่งเสริมการแปรผันใหม่และความหลากหลายของอัลลีลที่มากขึ้น ดำเนินการเป็นการเลือกที่สมดุลหรือทำให้บริสุทธิ์ [56] ซึ่งทำให้เกิดการเปลี่ยนแปลงในโปรตีนโครงสร้างและส่งผลต่อเส้นทางการส่งสัญญาณ [57] แม้ว่าพวกเขาจะมาจากสายเลือดเดียวกัน แต่การทดแทนกรดอะมิโนในลูกหลานของสายพันธุ์ที่แตกต่างกันอาจมีผลลัพธ์ที่แตกต่างกันมาก [56,57] สิ่งนี้ตรงกันข้ามกับความจริงที่ว่าสายเลือดของพวกเขาเกิดขึ้นพร้อมกับการส่งก่อนหน้านี้ ยีน BPIFA1 ที่เลือกในการศึกษานี้ให้ข้อมูลบางอย่างสำหรับการวิเคราะห์ทางชีวภาพ ซึ่งมีจุดมุ่งหมายเพื่อเลือกยีนตามช่วงเวลาวิวัฒนาการจากช่วงเวลาล่าสุดไปจนถึงระยะยาว

นอกจากนี้ กลไกการวิวัฒนาการพื้นฐานที่ได้รับการค้นพบอันเป็นผลมาจากการวิจัยเมื่อเร็วๆ นี้อาจไม่เพียงพอ เนื่องจากไม่มีลักษณะโครงสร้างและหน้าที่ของโปรตีนจำนวนมากในจีโนม วิวัฒนาการและการปรับตัวของยีนเข้ารหัสโปรตีนใน Drosophila melanogaster ได้รับการตรวจสอบอย่างละเอียดเพื่อหาปัจจัยที่เกี่ยวข้องมากที่สุดของวิวัฒนาการและการปรับตัวในระดับของยีนเข้ารหัสโปรตีน สิ่งนี้ทำได้โดยการเปรียบเทียบ D. melanogaster กับสปีชีส์ที่เกี่ยวข้องอย่างใกล้ชิดและประชากรของพวกมัน ทีมงานของเราได้ดำเนินการประยุกต์ใช้ชีวสารสนเทศศาสตร์และการวิเคราะห์โครงสร้างในวงกว้างเพื่อยืนยันคุณสมบัติทางโครงสร้างและหน้าที่ของโปรตีน ต่อจากนั้น เราแบ่งสิ่งตกค้างออกเป็นไซต์ที่มีโครงสร้างและหน้าที่ต่างๆ โดยใช้ระบบการจัดหมวดหมู่ของเรา อัตราการวิวัฒนาการของลำดับและการปรับตัวถูกเปรียบเทียบระหว่างโปรตีนและตำแหน่งต่างๆ ซึ่งทำให้สามารถระบุฮอตสปอตของการปรับตัวทั่วทั้งจีโนมได้ นอกจากนี้ยังแสดงให้เห็นว่าโปรตีนที่ปรับตัวได้เร็วมีปฏิสัมพันธ์กับโปรตีนอื่นในอัตราที่สูงกว่าที่คาดการณ์ไว้โดยบังเอิญ การค้นพบนี้แสดงให้เห็นว่าการปรับตัวร่วมกันน่าจะแพร่หลายในหมู่โปรตีนที่ปรับตัวได้เร็ว

อันเป็นผลจากการเชื่อมต่อทางกายภาพ ต่อไปนี้คือตัวอย่างของกลไกที่มีศักยภาพในการนำไปสู่การปรับตัวร่วมกัน: (1) โปรตีนที่ปรับตัวได้เร็วมักพบว่าอุดมด้วยกิจกรรมทางเคมีที่คล้ายคลึงกันและสัมผัสกับแรงกดดันในการคัดเลือกที่คล้ายคลึงกัน และ (2 ) โปรตีนที่ปรับตัวอย่างรวดเร็วจะวิวัฒนาการร่วมกัน การวิจัยนี้แสดงให้เห็นตัวอย่างสองกรณีของวิวัฒนาการแบบปรับตัวที่แตกต่างกันใน PPIs ซึ่งทำให้ผู้เขียนตั้งสมมติฐานว่าการโต้ตอบทางกายภาพเหล่านี้อาจมีบทบาทในการปรับตัวร่วมกันของโปรตีนแบบปรับตัวเร็วใน D. melanogaster นอกจากนี้ เราแสดงให้เห็นว่าปรากฏการณ์ของการปรับตัวร่วมกันอาจเกิดขึ้นในความหมายทั่วไปมากกว่าเฉพาะระหว่างโปรตีนที่ปรับตัวอย่างรวดเร็วเท่านั้น อัตราการปรับตัวโดยทั่วไปจะสูงกว่าในโปรตีนที่ทำปฏิกิริยากับโปรตีนที่ปรับตัวเร็ว เนื่องจากปฏิสัมพันธ์ของโมเลกุลมีบทบาทในวิวัฒนาการแบบปรับตัว จึงเป็นเรื่องที่ยุติธรรมที่จะคาดการณ์ว่าปฏิสัมพันธ์เหล่านี้อาจควบคุมการปรับตัวร่วมกันในระดับโลกมากขึ้น มีการสันนิษฐานว่าวิวัฒนาการร่วมกันของการสัมผัสทางกายภาพเป็นกลไกที่รับผิดชอบต่ออัตราการวิวัฒนาการที่คล้ายคลึงกันที่สังเกตได้ในโปรตีนที่มีปฏิสัมพันธ์

5. สรุปผลการวิจัย

เป้าหมายของเราคือการระบุแรงกดดันแบบเลือกที่มีส่วนในการพัฒนาระบบ BPIFA1 ของพืชและสัตว์เลี้ยงลูกด้วยนม การแสดงออกซึ่งถูกมอดูเลตในโรคต่างๆ โปรตีน BPIFA1 พัฒนาขึ้นอย่างรวดเร็วเพื่อตอบสนองต่อแรงกดดันจากการคัดเลือกในสายเลือดของมนุษย์ และเราสามารถระบุตัวกำหนดการคัดเลือกทางพันธุกรรมที่เป็นสาเหตุของกิจกรรมการฆ่าเชื้อแบคทีเรียได้ ในช่วงประวัติศาสตร์วิวัฒนาการ การคัดเลือกเชิงบวกอาจมีบทบาทสำคัญในการปรับปรุงการตอบสนองต่อความรุนแรงต่อสิ่งเร้าต่างๆ ซึ่งสามารถอธิบายความหลากหลายที่สังเกตได้ในความเสถียรของการทำงานของยีน การค้นพบของเราให้ความเข้าใจที่ครอบคลุมยิ่งขึ้นเกี่ยวกับประวัติวิวัฒนาการของยีน BPIFA1 ซึ่งจะปรับปรุงการวิเคราะห์จีโนมเชิงหน้าที่ของการก่อโรคในกระบวนการทางชีววิทยา คาดว่าการค้นพบนี้อาจช่วยปรับปรุงความเข้าใจเกี่ยวกับการป้องกันโรค นอกจากนี้ การศึกษายีนเหล่านี้อาจอำนวยความสะดวกในการออกแบบวิธีการเฉพาะที่สามารถช่วยในการระบุโปรตีนที่มีความรุนแรงต่างๆ ที่มีอยู่ในแบคทีเรียก่อโรค การค้นพบของเราทำให้เราตั้งสมมติฐานว่าข้อ จำกัด ในระหว่างกระบวนการวิวัฒนาการมีบทบาทสำคัญในการกำหนดการค้นพบของเรา จากข้อจำกัดเหล่านี้ เราจึงสามารถระบุขอบเขตที่เป็นตัวเลขได้เมื่อเรารวมคุณลักษณะต่างๆ เช่น ความยาวของโปรตีนเข้ากับสารเชิงซ้อนที่ซับซ้อน ลักษณะเฉพาะของโปรตีนเป็นสิ่งที่น่าสนใจเพราะอาจบ่งชี้ถึงตัวสร้างความเครียดที่ผิดปกติหรือการปรับสภาวะสมดุลที่ทำให้มีอยู่ในเซลล์ได้ ดังนั้นจึงเป็นทางเลือกที่ดีสำหรับการวิจัยเพิ่มเติม

ผลงานของผู้เขียน:

การสร้างแนวคิด HIA และ JC; วิธีการ HIA MAK FAK SI RWA และ NSP ซอฟต์แวร์, HIA, WN, NSP, RWA และ SI; การตรวจสอบ, MAK, JC, FAK และ HIA; การวิเคราะห์อย่างเป็นทางการ HIA MAK FAK SI RWA และ NSP การสอบสวน HIA MAK FAK SI RWA และ NSP ทรัพยากร HIA MAK และ JC; การจัดการข้อมูล, HIA, MAK, FAK, SI, RWA และ WN; การเขียน—การเตรียมร่างต้นฉบับ HIA; การเขียน—ตรวจทานและแก้ไข HIA, SI, RWA, WN และ NSP; การสร้างภาพ JC และ MAK; การกำกับดูแล, MAK, FAK, NSP และ WN ผู้เขียนทุกคนได้อ่านและยอมรับต้นฉบับฉบับที่เผยแพร่แล้ว

เงินทุน:

งานวิจัยนี้ไม่ได้รับทุนสนับสนุนจากภายนอก

คำชี้แจงของคณะกรรมการพิจารณาสถาบัน:

ไม่สามารถใช้ได้.

คำชี้แจงความยินยอมที่ได้รับการบอกกล่าว:

ไม่สามารถใช้ได้.

คำชี้แจงความพร้อมใช้งานของข้อมูล:

ข้อมูลทั้งหมดที่เกี่ยวข้องกับบทความนี้จะต้องเปิดเผยแก่ผู้อ่าน

กิตติกรรมประกาศ:

การศึกษานี้ได้รับการสนับสนุนโดยโครงการพิเศษทางการเงินของมณฑลกวางตุ้งปี 2022 สำหรับการก่อสร้างป่าไม้เชิงนิเวศ

ผลประโยชน์ทับซ้อน:

ผู้เขียนประกาศว่าไม่มีความขัดแย้งทางผลประโยชน์

อ้างอิง

1. หลี่ เจ; เสี่ยวพี; วัง, ล.; เฟิง ม.; เฉิน ด.; หยู เอ็กซ์; Lu, Y. อณูชีววิทยาของ BPIFB1 และความก้าวหน้าของโรค แอน แปล ยา 2020, 8, 651. [CrossRef] [PubMed] 2. Saferali, A.; รส, เอซี ; สตรู, แอลเจ; ควอน บีเอส ; Zlosnik, เจ; แซนด์ฟอร์ด เอเจ ; Turvey, SE ฟังก์ชันภูมิคุ้มกันของยีนดัดแปลง cystic fibrosis bPIFA1 โปรดวัน 2020, 15, e0227067 [ครอสรีฟ] [PubMed]

3. น้ำ บ.-ห.; มูน, จ.-ย.; ปาร์ค, E.-H.; คิม, ย.-โอ.; คิม, D.-G.; ก้อง, เอชเจ; คิม, W.-J.; จิ, วายเจ; อัน, ซม; ปาร์ค เอ็นจี; และอื่น ๆ ฤทธิ์ต้านจุลชีพของเปปไทด์ที่ได้มาจากโปรตีนที่จับกับไลโปโพลีแซคคาไรด์ของมะกอก / ความสามารถในการซึมผ่านของแบคทีเรียที่เพิ่มขึ้น (LBP/BPI) มี.ค. ยาเสพติด 2014, 12, 5240–5257. [ครอสรีฟ] [PubMed]

4. เคิร์ชนิง, CJ; Au-Young, J.; แลมปิ้ง, น.; รอยเตอร์, ดี.; ฟีล, ด.; เซลแฮมเมอร์, เจ.เจ.; ชูมันน์, RR การจัดระเบียบที่คล้ายกันของยีน lipopolysaccharide-binding protein (LBP) และ phospholipid transfer protein (PLTP) บ่งชี้ถึงตระกูลยีนทั่วไปของโปรตีนที่จับกับไขมัน จีโนมิกส์ 1997, 46, 416–425. [ครอสรีฟ] [PubMed]

5. บาลากริชนัน อ.; มาราเธ่ สา; Joglekar, ม.; Chakraborty, D. โปรตีนที่เพิ่มการฆ่าเชื้อแบคทีเรีย/การซึมผ่าน: โปรตีนหลายแง่มุมที่มีหน้าที่นอกเหนือจากการทำให้เป็นกลางของ LPS ภูมิคุ้มกันโดยธรรมชาติ 2555, 19, 339–347. [ครอสรีฟ]

6. ไรท์, SD; รามอส, RA; โทเบียส, ป.ล. ; ยูเลวิทช์ อาร์เจ ; Mathison, JC CD14, ตัวรับสำหรับสารประกอบเชิงซ้อนของ lipopolysaccharide (LPS) และโปรตีนที่จับกับ LPS วิทยาศาสตร์ 2533, 249, 1431–1433 [ครอสรีฟ]

7. Shao, Y.; หลี่ ซี; เช, ซี; จาง พี; จาง ดับเบิลยู; ลำดวน, เอ็กซ์; Li, Y. การโคลนและการจำแนกลักษณะของโปรตีนที่จับกับ lipopolysaccharide / การซึมผ่านของแบคทีเรีย - เพิ่มโปรตีน (LBP / BPI) สองตัวจากปลิงทะเล Apostichopus japonicas ที่มีฟังก์ชั่นหลากหลายในการปรับการผลิต ROS การพัฒนา คอมพ์ อิมมูนอล 2558, 52, 88–97. [ครอสรีฟ]

8. Schaefer, N.; หลี่ เอ็กซ์; ซีโบลด์, แมสซาชูเซตส์; Jarjour, เอ็นเอ็น; เดนลิงเจอร์ LC; คาสโตร ม.; คัฟเวอร์สโตน, AM; ทีก, ทองคำขาว; บูมเมอร์ เจ; Bleecker, ER ผลกระทบของการแปรผันทางพันธุกรรม BPIFA1/SPLUNC1 ต่อการแสดงออกและการทำงานของมันในเยื่อบุผิวทางเดินหายใจที่เป็นโรคหืด JCI Insight 2019, 4, e127237. [ครอสรีฟ]

9. บริตโต ซีเจ; Cohn, L. โปรตีนฆ่าเชื้อแบคทีเรีย / เพิ่มการซึมผ่านของโปรตีนที่มีสมาชิกในครอบครัว A1 ในการป้องกันทางเดินหายใจและโรคระบบทางเดินหายใจ เช้า. เจ. รีสไปร์. เซลล์โมล ไบโอล 2558, 52, 525–534. [ครอสรีฟ]

10. มูซา, ม.; วิลสัน เค; อาทิตย์, ล.; มูเลย์, อ.; บิงเกิล, ล.; แมริออท หือ; เลอแคลร์ EE; Bingle, CD การแปลความแตกต่างของ BPIFA1 (SPLUNC1) และ BPIFB1 (LPLUNC1) ในโพรงจมูกและช่องปากของหนู เซลล์เนื้อเยื่อ Res. 2555, 350, 455–464. [ครอสรีฟ]

11. โซ, Y.-A.; ตุ้ง, ม.-ค.; อเล็กซานเดอร์ เคเอ ; ช้าง, ว.-ด.; ไช่, M.-H.; เฉิน, H.-L.; เฉิน, C.-M. บทบาทของ BPIFA1 ในการติดเชื้อจุลินทรีย์ทางเดินหายใจส่วนบนและโรคที่เกี่ยวข้อง BioMed ความละเอียด ภายใน 2018, 2018, 2021890 [CrossRef] [PubMed]

12. Caikauskaite, R. BPIFA1 ปฏิสัมพันธ์กับแบคทีเรียและความสำคัญต่อการป้องกัน Airway Host ปริญญาเอก วิทยานิพนธ์, University of Sheffield, Sheffield, UK, 2018

For more information:1950477648nn@gmail.com