Studie vergleicht De-novo-Proteine ​​mit zufällig produzierten Proteinen

Proteine ​​sind Bestandteile jeder Zelle. Wie sie sich im Laufe der Evolution verändert haben, um im Körper neue Funktionen zu übernehmen, ist seit langem Gegenstand der Forschung. Die Tatsache, dass Proteine ​​praktisch aus dem Nichts entstehen können – aus einer neuen DNA-Struktur, die zufällig in vorher nicht kodierenden Teilen des Genoms entsteht – wurde erst vor relativ kurzer Zeit festgestellt und war im Vergleich zu den „traditionelle“ evolutionäre Prozesse.

Ein Team aus tschechischen und deutschen Forschern unter der Leitung der Biochemikerin Dr. Klára Hlouchová von der Universität Prag und des Bioinformatikers Prof. Dr. Erich Bornberg-Bauer von der Universität Münster hat nun erstmals Experimente zum Vergleich von De-novo-Proteinen durchgeführt mit computergenerierten Proteinen hinsichtlich ihrer Stabilität und Löslichkeit – und konnten dabei kleine, aber signifikante Unterschiede zwischen ihnen nachweisen. Die Studie ist in der aktuellen Ausgabe von erschienen Naturökologie und Evolution.

Das Team verglich zwei Arten von Proteinen: 1.800 Kandidaten für De-novo-Proteine, die in Fruchtfliegen und Menschen vorkommen, wo sie in nicht-genetischen Teilen des Genoms in Form von DNA lokalisiert sind, und zufällig computergenerierte Proteine. Während Vorhersagen zur Struktur, die die Forscher mit Hilfe verschiedener Computerprogramme durchführten, sehr ähnliche Klassifikationen beider Proteinklassen ergaben, zeigten die Untersuchungen im Labor kleine Unterschiede, die die Vorhersagen nicht aufzeigten.

So zeigten die De-novo-Proteine ​​in den Laborexperimenten im Durchschnitt eine etwas höhere Löslichkeit, bezogen auf die sogenannte Sekundärstruktur. „Wir fanden außerdem heraus, dass De-novo-Proteine ​​trotz ihres jungen Ursprungs besser in die Zelle integriert werden können, als wir es von zufällig entstehenden Proteinen erwartet hätten“, sagt Erstautor Brennen Heames aus Münster. „Diese Ergebnisse weisen auf eine natürliche Selektion hin, die in der frühen Phase der Entstehung dieser Proteine ​​stattfindet.“

Margaux Aubel, Co-Autorin aus der Münsteraner Gruppe, fügt hinzu: „Unsere Ergebnisse sind besonders nützlich für die Grundlagenforschung im Bereich der De-novo-Evolution. Aber in unserem Datensatz gibt es viele menschliche De-novo-Proteine, die wir auf ihre Löslichkeit und ihre Fähigkeit untersucht haben Diese letztere Fähigkeit spielt bei einer Vielzahl von Krankheiten eine Rolle, und einige Studien haben bereits gezeigt, dass De-novo-Proteine ​​auch mit Krankheiten in Verbindung gebracht werden können.Vielleicht helfen uns unsere Ergebnisse, mehr über die Rolle dieser bisher wenig erforschten Proteine ​​zu erfahren Proteine ​​bei der Entstehung von Krankheiten.“

Frühere Studien haben die De-novo-Evolution oft aus einem rein theoretischen Blickwinkel betrachtet und große Datensätze untersucht. Experimentelle Studien hingegen untersuchen meist einzelne De-novo-Proteine. Ein Vergleich von De-novo-Proteinen mit zufällig generierten Sequenzen wurde zwar bereits in theoretischen Studien vorgenommen, aber nie experimentell verifiziert. Da die De-novo-Proteine ​​relativ jung sind und in nicht-codierter DNA vorkommen, die wenig oder keinem evolutionären Druck ausgesetzt ist, sind diese Proteine ​​eher mit zufällig generierten Proteinen vergleichbar als mit altbekannten Proteinen.

Das Team verwendete Computerprogramme, um die Eigenschaften von Proteinen vorherzusagen. Die für die experimentelle Analyse benötigten Proteine ​​stellten die Forscher her und untersuchten sie mittels Massenspektrometrie. In einer weiteren Versuchsrunde fügten sie ein proteinabbauendes Enzym hinzu, mit dem sie testen konnten, wie viele der Proteine ​​tatsächlich abgebaut wurden, und dann Rückschlüsse auf deren Stabilität ziehen konnten. Um die Löslichkeit der Proteine ​​zu untersuchen, nutzte das Team einen molekularen Transportmechanismus des Bakteriums Escherichia coli als Indikator. Die so identifizierten löslichen Proteine ​​wurden durch DNA-Sequenzierung der nächsten Generation genauer definiert.