חיזוי אתרי קישור של יוביקויטין בחלבוני המטרה

1. חיזוי אתרי קישור של יוביקויטין בחלבוני המטרה ‫רונית הירש ודנה אברבוך בהנחיית פרופ' רון אונגר וד"ר מירה ברדה-סעד‬ קורס 89-385‬ אוניברסיטת בר אילן‬

2. רקע

3. חלבון היוביקוויטין • התקדמות במחקר בתחילת שנות ה-80 ע"י אברהם הרשקו ואהרון צ'חנובר יחד עם אירווין רוז • APF-1 נקשר בקשר קוולנטי למגוון חלבונים בתמצית • מולקולות APF-1 יכולות להיקשר גם אחת לשניה • Polyubiquitination - שרשרת חלבוני יוביקויטין המשורשרים אחד לשני דרךlys48 שלהם • יוביקויטינציה מתרחשת על ליזין ולעיתים נדירות ע"ג צסטאינים. בחלבון שאין בו ליזין, מתבצעת היוביקויטינציה בקצה ה-N-טרמינלי. • Polyubiquitination מהווה את האות העיקרי המוביל לפירוק החלבון בפרוטאזום, באמצעות הסימון הרב-שלבי של יוביקוויטין • צורות נוספות של יוביקוויטינציה: Monoubiquitination, multiubiquitination • חלבון היוביקוויטין נותן את השפעתו גם במערכת החיסון ומפרק את האנטיגן לצורך הצגתו

4. הסימון הרב-שלבי של יוביקויטין • המפתח בפעילות של המערכת הזו הוא הספציפיות. כלומר, זיהוי החלבון שמיועד לפירוק. אנזימי E3, המתפקדים כליגאזות, מזרזים את תהליך הקישור הקוולנטי של הקצה ה-c-טרמינלי של חלבון היוביקוויטין לשייר הליזין של הסובסטראט. • ישנן לפחות שתי משפחות מוכרות של אנזימי ה-E3, המתפקדות באופן שונה: HECT-type E3 ו-RING-type E3. אך על אף זמינות המבנים של מספר תצמידי יוביקוויטין-ליגאז, מנגנון קישור היוביקויטין לסובסטראט עדיין לא לגמרי ברור.

5. המוטיבציה למחקר • מעריכים כי אי-סדר מבני של הסובסטראט, הוא הגורם שמאתחל את תהליך היוביקויטינציה. • הקשר שבין תהליך היוביקוויטינציה למצב אי-הסדר של החלבון כמעט ולא נחקר. • ייתכן שהסיבה לכך היא הקושי שבמציאת אתרי יוביקויטינציה על חלבוני המטרה. • פיתוח של כלי חישובי שיאפשר ניבוי של אתרי יוביקויטינציה יוכל לקדם את חקר תהליך היוביקוויטינציה.

6. מטרות

7. מחקרים קודמים • פיתוח כלי חישובי של ניבוי אתרי יוביקויטינציה יוכל לקדם את הבנת תהליך הקישור ותפקידי היוביקויטין בתא. • מחקר בולט בתחום הוא:Predrag Radivojac , Vladimir Vacic, Chad Haynes, Ross R. Cocklin, Amrita Mohan, Joshua W. Heyen, Mark G. Goebl, Lilia M. Iakoucheva. Identification, analysis, and prediction of protein ubiquitination sites. Proteins: Structure, Function, and Bioinformatics. 22 Jul 2009 • מחקר זה סיפק כלי ניבוי שנבחן במעבדתה של ד"ר ברדה-סעדולא הצליח לנבא אתרי קישור שאומתו ניסויית:http://www.ubpred.org/

8. שיפור הכלים הקיימים לחיזוי אתרי יוביקוויטינציה בחירת סט שלילי שונה – הסט יורכב מתוך החלבונים בעלי אתרי הקישור של היוביקוויטין בחירת סט חיובי נוסף, שיורכב מחלבונים שעוברים monoubiquitination. מטרות

9. שלבי העבודה

10. בניית Datasets: Dataset חיובי ראשון שמורכב מחלבונים שעוברים יוביקוויטינציה מכל סוג שהוא (mono, poly ו-multi) Dataset שלילי ראשון שמורכב מאתרי ליזין שאינם עוברים יוביקוויטינציה, הלקוחים מחלבונים ה-data החיובי Dataset חיובי שני שמורכב מאתרים הלקוחים מחלבונים שעוברים monoubiquitination בלבד Dataset שלילי שני שמורכב מאתרי ליזין הלקוחים מחלבוני ה-data החיובי השני כריית נתונים Data mining))

11. ביצענו clustering של הרצף באמצעות BLASTClust(ע"פ 80% דימיון ו-80% מאורך הרצף) הסרנו מה-data חלבונים בעלי רמת דימיון גבוהה. כתוצאה מכך, מספר האתרים ב-data החיובי ירד מ-1208ל-290 אתרים. ב-data השלילי קיימים 1943 אתרים. כריית נתונים Data mining))

12. למידת מכונה (Machine Learning) • בניית Data model: • ברצוננו לבצע למידה מונחית: ע"פ דוגמאות שאספנו, נבצע למידה על מנת לחזות אתרי יוביקוויטינציה בדוגמאות חדשות • בחרנו מספר מאפיינים (features) שעשויים להשפיע על הימצאות אתרי יוביקוויטינציה. בהתאם למאפיינים אלה, אספנו נתונים על הסט החיובי ועל הסט השלילי שלנו. מאפיינים אלה ישמשו אותנו בשלב אימון התוכנה.

13. תוצאות

15. מהסתכלות על התפלגות חומצות האמינו, ישנו הבדל קטן הנראה לעין, בין הסט החיובי לסט השלילי. השערתנו: שזהות החומצה היא מאפיין כללי מידי ולא יתרום רבות ללמידה. חשיפות השיירים לממס, גם הוא מאפיין המתפלג באופן דומה בין שני הסטים ועלול להוסיף "רעש רקע" בתהליך הלמידה. ניתוח התוצאות

17. בבחינת המבנים השניוניים השונים, ניתן לראות שעבור המבנים אלפא הליקס ומשטחי הבטא, ההבדלים בין הסט החיובי לסט השלילי לא בולטים במיוחד. לעומת זאת, עבור מבנה הלולאה (loop), ניתן לראות הבדלים גדולים יותר. ידוע שאזורים שעוברים יוביקוויטינציה נוטים לאי-סדר. אנו צופות שמאפיין זה יעזור בלמידה. ניתוח התוצאות

18. סיכום

19. לסיכום • במטרה לפתח כלי חיזוי לאתרי יוביקוויטינציה, כרינו מידע על אתרי יוביקוויטינציה שהתגלו ניסויית. • לאחר שזיקקנו את המידע הרלוונטי ויצרנו סטים חיוביים ושליליים, בנינו התפלגויות למאפיינים נבחרים. • כפי שראינו, מהסתכלות על ההתפלגויות קשה להסיק מסקנות נחרצות לגבי חיזוי אתרי היוביקוויטינציה. לשם כך נבצע למידת מכונה.

20. כעת ברצוננו לבצע את למידת המכונה. נעשה זאת באמצעות אלגוריתמי למידה שלתוכם נזין את המאפיינים שיצרנו. נבדוק תחילה אלו מבין המאפיינים אכן תורמים לנו בלמידה. במידת הצורך, נאסוף מאפיינים נוספים. נאמן את התוכנה באמצעות סט הלמידה. לבסוף נבחן את המודל שבנינו על סט המבחן. ננסה לבצע את אותו תהליך עבור החלבונים העוברים מונו-יוביקויטינציה. המשך העבודה

21. פרופ' רון אונגר ד"ר ינאי עופרן ד"ר מירה ברדה-סעד אריאל אזיה רותם שניר אריאל פייגלין סיון אופיר מתן קידר תודות