Neue Software ermöglicht es Wissenschaftlern, formverändernde Proteine ​​in natürlichen Zellumgebungen zu modellieren

Zellen sind auf komplexe molekulare Maschinen angewiesen, die aus Proteinanordnungen bestehen, um wesentliche Funktionen wie Energieproduktion, Genexpression und Proteinsynthese auszuführen. Um die Funktionsweise dieser Maschinen besser zu verstehen, machen Wissenschaftler Schnappschüsse von ihnen, indem sie Proteine ​​aus Zellen isolieren und mithilfe verschiedener Methoden ihre Strukturen bestimmen. Dieser Prozess entfernt sie jedoch auch aus dem Kontext ihrer natürlichen Umgebung, einschließlich Proteininteraktionspartnern und zellulärem Standort.

Kürzlich hat sich die kryogene Elektronentomographie (Kryo-ET) als eine Möglichkeit herausgestellt, Proteine ​​in ihrer natürlichen Umgebung zu beobachten, indem gefrorene Zellen aus verschiedenen Winkeln abgebildet werden, um dreidimensionale Strukturinformationen zu erhalten. Dieser Ansatz ist spannend, weil er es den Forschern ermöglicht, direkt zu beobachten, wie und wo Proteine ​​miteinander assoziieren, und so die zelluläre Nachbarschaft dieser Interaktionen innerhalb der Zelle aufzudecken.

Angesichts der verfügbaren Technologie zur Abbildung von Proteinen in ihrer natürlichen Umgebung fragte sich der MIT-Absolvent Barrett Powell, ob er noch einen Schritt weiter gehen könnte: Was wäre, wenn molekulare Maschinen in Aktion beobachtet werden könnten? In einem Papier veröffentlicht 8. März in NaturmethodenPowell beschreibt die von ihm entwickelte Methode namens tomoDRGN zur Modellierung struktureller Unterschiede von Proteinen in Kryo-ET-Daten, die aus Proteinbewegungen oder Proteinbindungen an verschiedene Interaktionspartner entstehen. Diese Variationen werden als strukturelle Heterogenität bezeichnet.

Obwohl Powell als experimenteller Wissenschaftler in das Labor des außerordentlichen Biologieprofessors Joey Davis am MIT eingetreten war, erkannte er den potenziellen Einfluss rechnerischer Ansätze auf das Verständnis der strukturellen Heterogenität innerhalb einer Zelle. Zuvor entwickelte das Davis Lab eine verwandte Methode namens cryoDRGN, um die strukturelle Heterogenität in gereinigten Proben zu verstehen. Als Powell und Davis feststellten, dass Kryo-ET auf diesem Gebiet zunehmend an Bedeutung gewann, stellte sich Powell der Herausforderung, dieses Framework für die Arbeit in Zellen neu zu konzipieren.

Bei der Lösung von Strukturen mit gereinigten Proben wird jedes Partikel nur einmal abgebildet. Im Gegensatz dazu werden Kryo-ET-Daten erfasst, indem jedes Partikel mehr als 40 Mal aus verschiedenen Winkeln abgebildet wird. Das bedeutete, dass tomoDRGN in der Lage sein musste, die Informationen aus mehr als 40 Bildern zusammenzuführen, und hier stieß das Projekt auf eine Hürde: Die Datenmenge führte zu einer Informationsüberflutung.

Um dieses Problem anzugehen, hat Powell das cryoDRGN-Modell erfolgreich umgestaltet, um nur die Daten höchster Qualität zu priorisieren. Bei der mehrfachen Abbildung desselben Partikels kommt es zu Strahlenschäden. Die früher aufgenommenen Bilder weisen daher tendenziell eine höhere Qualität auf, da die Partikel weniger beschädigt sind.

„Durch den Ausschluss einiger Daten mit geringerer Qualität waren die Ergebnisse tatsächlich besser als bei der Verwendung aller Daten – und die Rechenleistung war wesentlich schneller“, sagt Powell.

Gerade als Powell damit begann, sein Modell zu testen, hatte er einen Glücksfall: Die Autoren einer bahnbrechenden neuen Studie, die erstmals Ribosomen in Zellen mit nahezu atomarer Auflösung sichtbar machte, teilten ihre Rohdaten der Elektromikroskopie mit Öffentliches Bildarchiv (EMPIAR). Dieser Datensatz war ein beispielhafter Testfall für Powell, mit dem er zeigte, dass tomoDRGN strukturelle Heterogenität innerhalb von Kryo-ET-Daten aufdecken konnte.

Laut Powell ist ein aufregendes Ergebnis das, was tomoDRGN rund um eine Untergruppe von Ribosomen im EMPIAR-Datensatz gefunden hat. Einige der ribosomalen Partikel waren mit einer bakteriellen Zellmembran verbunden und an einem Prozess beteiligt, der als kotranslationale Translokation bezeichnet wird. Dies geschieht, wenn ein Protein gleichzeitig synthetisiert und durch eine Membran transportiert wird.

Forscher können dieses Ergebnis nutzen, um neue Hypothesen darüber aufzustellen, wie das Ribosom mit anderen Proteinmaschinen zusammenarbeitet, die für den Transport von Proteinen außerhalb der Zelle von wesentlicher Bedeutung sind und nun von einer Struktur des Komplexes in seiner natürlichen Umgebung gesteuert werden.

Nachdem er gesehen hatte, dass tomoDRGN strukturelle Heterogenität aus einem strukturell vielfältigen Datensatz auflösen konnte, war Powell neugierig: Wie klein könnte eine Population sein, die tomoDRGN identifizieren konnte? Für diesen Test wählte er ein Protein namens Apoferritin, das ein häufig verwendeter Maßstab für Kryo-ET ist und oft als strukturell homogen angesehen wird. Ferritin ist ein Protein, das der Eisenspeicherung dient und bei Eisenmangel als Apoferritin bezeichnet wird.

Überraschenderweise entdeckte tomoDRGN zusätzlich zu den erwarteten Partikeln eine geringe Population von Ferritinpartikeln – mit gebundenem Eisen – die nur 2 % des Datensatzes ausmachten, was zuvor nicht gemeldet wurde. Dieses Ergebnis demonstrierte erneut die Fähigkeit von tomoDRGN, Strukturzustände zu identifizieren, die so selten auftreten, dass sie aus einer 3D-Rekonstruktion gemittelt werden würden.

Powell und andere Mitglieder des Davis Lab sind gespannt, wie tomoDRGN auf weitere Ribosomenstudien und andere Systeme angewendet werden kann. Davis arbeitet daran, zu verstehen, wie Zellen molekulare Maschinen aufbauen, regulieren und abbauen. Die nächsten Schritte umfassen daher die detailliertere Untersuchung der Ribosomenbiogenese in Zellen mithilfe dieses neuen Tools.

„Welche möglichen Zustände können wir während der Reinigung verlieren?“ fragt Davis. „Vielleicht noch spannender ist, dass wir untersuchen können, wie sie sich in der Zelle lokalisieren und mit welchen Partnern und Proteinkomplexen sie möglicherweise interagieren.“

Diese Geschichte wurde mit freundlicher Genehmigung von MIT News erneut veröffentlicht (web.mit.edu/newsoffice/), eine beliebte Website mit Neuigkeiten über MIT-Forschung, Innovation und Lehre.