Skocz do zawartości
Forum Kopalni Wiedzy

Rekomendowane odpowiedzi

Zamiłowanie mieszkańców Kraju Kwitnącej Wiśni do miniaturyzacji jest znane w całym świecie. Wszystko wskazuje jednak na to, że nawet najmniejsze japońskie zegarki nie dorównują temu, który sami Japończycy odkryli niedawno... w komórce prymitywnej bakterii gatunku Synechococcus elongatus. Dzięki złożonemu z zaledwie kilku białek mechanizmowi bakteria steruje rytmem dobowym własnego życia. Jest to najprostszy odkryty dotąd zegar biologiczny i jednocześnie jedyny, którego pracę udało się zaobserwować na poziomie pojedynczych białek.

Bakteria, o której mowa, należy do tzw. cyjanobakterii, występujących pospolicie w zbiornikach wodnych. Jest organizmem samożywnym, zdolnym do fotosyntezy. Szacuje się nawet, że 25% energii wytwarzanej drogą syntezy przez organizmy wodne jest powstaje właśnie dzięki S. elongatus. Nic dziwnego, że bakteria ta jest silnie uzależniona od rytmicznych zmian dnia i nocy.

Sercem biologicznego zegara bakterii są trzy białka, nazwane KaiA, KaiB oraz KaiC. Japońscy badacze odkryli, że ostatnie białko podlega cyklicznie reakcji fosforylacji i defosforylacji (przyłączanie i odłączanie reszt kwasu fosforowego). Reakcje te regulują zdolność KaiC do tworzenia kompleksów, zwanych periodosomami (w wolnym tłumaczeniu byłyby to "ciałka okresowe"). Naukowcy zbadali dokładną strukturę powstających periodosomów i w ten sposób stworzyli prawdopodobny model regulacji rytmu dobowego przez bakterię.

Dr Shuji Akiyama, główny autor odkrycia, opowiada: Pomimo radykalnego postępu w poznawaniu struktur białkowych, dokładny związek pomiędzy procesem składania i rozkładania, a fosforylacją KaiC nie był do niedawna dobrze znany. Było tak głównie dlatego, że ciężko jest zrozumieć złożone wewnątrzkomórkowe mechanizmy wyłącznie na podstawie statycznych obrazów pojedynczych komponentu zegara.

Przełom nastąpił, gdy naukowcy wymyślili sposób na obserwację cząsteczek w czasie rzeczywistym. Aby to umożliwić, użyli techniki prześwietlania wąskimi strumieniami promieniowania X, czyli SAXS (od ang. Small-Angle X-ray Scattering). Dzięki temu zauważyli, że początkowa synchronizacja procesu zachodzi dzięki składaniu i rozbijaniu kompleksu białkowego. Gdy zegar zostanie "ustawiony", zadanie cyklicznej zmiany zachowań białek są zależne od fosforylacji i defosforylacji proteiny KaiC. Od obecności grupy fosforanowej przy białku zależy, czy pozostałe proteiny, czyli KaiA oraz KaiB, będą w stanie utworzyć kompleks razem z białkiem nadającym rytm procesowi. Z kolei cykliczne powstawanie i rozpad kompleksów są dla komórki informacją o upływie czasu.

Dotychczas nie został poznany sposób, w jaki bakteria wykorzystuje informację o porze dnia lub nocy. Jest jednak niemal pewne, że utrzymanie tak złożonej maszynerii we własnych komórkach ma dla S. elongatus istotne znaczenie, tak samo, jak ważne jest dla wyższych organizmów.

Udostępnij tę odpowiedź


Odnośnik do odpowiedzi
Udostępnij na innych stronach

Jeśli chcesz dodać odpowiedź, zaloguj się lub zarejestruj nowe konto

Jedynie zarejestrowani użytkownicy mogą komentować zawartość tej strony.

Zarejestruj nowe konto

Załóż nowe konto. To bardzo proste!

Zarejestruj się

Zaloguj się

Posiadasz już konto? Zaloguj się poniżej.

Zaloguj się

  • Podobna zawartość

    • przez KopalniaWiedzy.pl
      Szybką i bezbłędną klasyfikację białek, wykrywanie w nich miejsc wiążących potencjalne leki, identyfikowanie białek występujących na powierzchni wirusów, a także badania np. RNA, umożliwia nowe narzędzie bioinformatyczne opracowane przez naukowców z Wydziału Biologii UW.
      BioS2Net, czyli Biological Sequence and Structure Network, jest zaawansowanym algorytmem wykorzystującym uczenie maszynowe, pozwalającym na klasyfikację nowo poznanych białek nie tylko na podstawie podobieństwa sekwencji aminokwasowych, ale także ich struktury przestrzennej. Publikacja na jego temat ukazała się na łamach pisma International Journal of Molecular Sciences.
      Narzędzie opracował zespół kierowany przez dr. Takao Ishikawę z Zakładu Biologii Molekularnej Wydziału Biologii UW we współpracy z naukowcem z Wydziału Matematyki, Informatyki i Mechaniki UW. Jak mówią sami autorzy, jego głównym zastosowaniem jest usprawniona klasyfikacja białek, ponieważ obecnie stosowany system klasyfikacji strukturalnej opiera się na żmudnej pracy polegającej na porównywaniu struktur nowych białek do tych już skategoryzowanych.
      Istnieje co prawda jego zautomatyzowany odpowiednik, jednak jest on bardzo restrykcyjny i bierze pod uwagę wyłącznie podobieństwo sekwencji białek, całkowicie pomijając ich strukturę. Takie narzędzie jak BioS2Net potencjalnie ma szansę znacząco usprawnić cały proces – wyjaśnia dr Ishikawa. Dodatkowo opracowana przez nas architektura może zostać użyta (po niewielkich przeróbkach) do innych zadań, niekoniecznie związanych z klasyfikacją. Przykładowo można by jej użyć do wykrywania w białku miejsc wiążących potencjalne leki lub do identyfikacji białek występujących na powierzchni wirusów.
      Można sobie np. wyobrazić sytuację, w której dotychczas zaklasyfikowane do innych grup białka, dzięki zastosowaniu BioS2Net zostaną skategoryzowane jako bardzo podobne do siebie pod względem budowy powierzchni, mimo innego zwinięcia łańcucha białkowego wewnątrz struktury. I wówczas niewykluczone, że cząsteczka oddziałująca z jednym białkiem (np. jako lek) okaże się także skutecznym interaktorem dla drugiego – wymienia dalsze potencjalne zastosowania praktyczne narzędzia dr Ishikawa. Innym ciekawym zastosowaniem mogłoby być np. wykrywanie miejsc wiążących w białkach, które mogą stanowić albo cel dla leków, albo punkt interakcji z białkiem wirusowym.
      Działanie BioS2Net opiera się na wykonywanych po sobie operacjach matematycznych, które bazują na danych o konkretnym białku. Do pracy narzędzie potrzebuje tychże danych (im więcej, tym lepiej), odpowiedniego oprogramowania zdolnego do wykonywania skomplikowanych obliczeń związanych z treningiem sieci neuronowej oraz sporej ilości czasu.
      W efekcie BioS2Net tworzy unikatową reprezentację każdego białka w postaci wektora o stałym rozmiarze. Można to porównać do czegoś w rodzaju kodu kreskowego opisującego każde z poznanych białek – tłumaczy dr Ishikawa. Narzędzie świetnie nadaje się do klasyfikacji białek na podstawie sekwencji aminokwasowej oraz struktury przestrzennej. Szczególnie istotne jest to, że można dzięki niemu wykryć białka o podobnej strukturze trójwymiarowej, ale o odmiennym „foldzie”, czyli innym sposobie zwinięcia łańcucha białkowego.
      Dotychczas stosowane metody przydzielałyby takie białka do osobnych grup. Tymczasem znane są przypadki, gdy tego typu cząsteczki pełnią podobne funkcje. I do wykrywania takich grup białek może się przydać BioS2Net – dodaje.
      Jak mówi naukowiec, nowe białka odkrywa się cały czas. Zdecydowana większość z nich, jeśli już ma opisaną strukturę przestrzenną, jest deponowana w bazie danych Protein Data Bank, do której każdy ma dostęp przez Internet. Warto jednak zwrócić uwagę, że proces odkrywania nowych białek rozpoczyna się o wiele wcześniej, już na etapie sekwencjonowania genomu. W bazach danych genomów często można spotkać się z adnotacją ’hypothetical protein’ (pol. hipotetyczne białko). Istnieją algorytmy komputerowe, które na podstawie sekwencji nukleotydowych w zsekwencjonowanym genomie przewidują obszary przypominające geny, które potencjalnie kodują informację o białkach. I takich potencjalnych białek znamy bardzo wiele. Ich funkcje można częściowo przewidzieć na podstawie podobieństwa do cząsteczek już wcześniej opisanych, ale do pełnego poznania takiej roli i mechanizmu działania często jednak należy najpierw ustalić ich strukturę, co wymaga miesięcy lub lat eksperymentów – opowiada badacz z UW.
      W przypadku białek podobna sekwencja aminokwasów z reguły przekłada się na podobną strukturę. Do niedawna był to wręcz dogmat w biologii strukturalnej. Dzisiaj jednak wiadomo – mówi dr Ishikawa – że wiele białek jest inherentnie nieustrukturyzowanych (IDP; ang. intrinsically disordered protein) albo przynajmniej zwiera w sobie tego typu rejony. Takie białka mogą przyjmować różne struktury w zależności od tego z jakimi innymi białkami w danym momencie oddziałują.
      Dodatkowo bardzo istotny jest cały kontekst, w jakim białko ulega pofałdowaniu. Przykładowo, obecność tzw. białek opiekuńczych, czy nawet samo tempo syntetyzowania białka w komórce, może mieć niemały wpływ na ostateczny jego kształt, a zatem też na funkcje. Nie zmienia to jednak faktu, że cechą fundamentalną każdego białka jest jego sekwencja aminokwasowa – podkreśla.
      A dlaczego w ogóle poznanie dokładnej budowy cząsteczki białka jest takie ważne? Autor publikacji wyjaśnia, że białka, realizując swoje zadania w komórce, zawsze przyjmują określoną strukturę. Np. jeśli chcemy zaprojektować nowy lek, który będzie oddziaływał z określonym białkiem, to fundamentalne znaczenie ma określenie struktury tego drugiego. W trakcie pandemii SARS-CoV-2 trzeba było np. określić strukturę wirusowego białka S (tzw. kolca) m.in. po to, aby można było zaproponować cząsteczkę swoiście z nim oddziałującą, a przez to zmniejszyć wydajność zakażania komórek człowieka – mówi. Podsumowując: badanie struktury białek ma ogromne znaczenie dla poznania ich funkcji i mechanizmu działania, a także innych cząsteczek z nimi oddziałujących.
      Jeśli chodzi o sam BioS2Net, to najpierw należy ściągnąć z bazy danych i przetworzyć informacje o danym białku. Przetwarzanie służy temu, aby wszystkie cechy białka, takie jak współrzędne atomów, rodzaje aminokwasów, profil ewolucyjny itd., zamienić na liczby, które będą zrozumiałe dla komputera. Każdy pojedynczy atom cząsteczki jest opisywany przez kilkadziesiąt liczb, które wyrażają wspomniane cechy.
      Następnie liczby te wprowadza się do sieci neuronowej, która analizuje każdy z atomów oraz ich najbliższych sąsiadów, biorąc pod uwagę zarówno ich ułożenie przestrzenne, jak i sekwencyjne. Kolejny etap to łączenie grup atomów w jeden „superatom”, który zawiera w sobie całą wyuczoną lokalną informację. Proces ten powtarza się do momentu aż ów „superatom” będzie zawierał zagregowane informacje o całym białku. To jest nasz kod kreskowy, który wykorzystujemy potem do klasyfikacji białka, używając standardowych sieci neuronowych – zaznacza dr Ishikawa.
      Zapytany o dokładność nowego narzędzia biolog wyjaśnia, że jeśli chodzi o wytworzenie unikatowego wektora reprezentującego poszczególne białka, to BioS2Net robi to bezbłędnie, tzn. że każde białko jest reprezentowane w jedyny możliwy sposób i żadna inna cząsteczka nie będzie opisana w taki sam sposób.
      Natomiast, gdy zastosowaliśmy BioS2Net do klasyfikacji białek, osiągnęliśmy wynik nawet 95,4 proc. trafności w porównaniu do obowiązującej klasyfikacji wg bazy danych. Oznacza to, że w ponad 95 przypadków na 100 BioS2Net był w stanie prawidłowo przyporządkować białko do danej grupy. Tutaj jednak warto wspomnieć, że ta obowiązująca klasyfikacja opiera się na podobieństwie sekwencji aminokwasowych i pomija informacje strukturalne – tłumaczy autor publikacji.
      Naukowcy podkreślają, że poza głównym zastosowaniem, czyli klasyfikacją białek, BioS2Net będzie mógł służyć także do analizowania innych cząsteczek biologicznych, w tym RNA. Uważamy, że narzędzie można by też wykorzystywać do klasyfikacji zupełnie innych danych biologicznych, np. map chromosomów w jądrze komórkowym. Właściwie to nasza architektura może być przydatna wszędzie tam, gdzie jest zdefiniowana struktura i sekwencja – mówią.
      Dr Ishikawa dodaje, że BioS2Net powstał w ramach pracy licencjackiej pierwszego autora (jego Alberta Roethla) wykonanej pod kierunkiem. Warto to podkreślić, bo to ważny sygnał, że licencjat niekoniecznie jest pracą dyplomową, którą po prostu trzeba zrobić, ale czymś, co ma potencjał naukowy i może zostać opublikowane w międzynarodowym czasopiśmie – zaznacza naukowiec.

      « powrót do artykułu
    • przez KopalniaWiedzy.pl
      W łódzkim Bionanoparku powstanie laboratorium firmy NapiFeryn Bio Tech. Będzie w nim produkowane białko z rzepaku, które może zrewolucjonizować i rynek spożywczy, i naszą dietę. W działającej już prototypowej linii produkcyjnej powstaje tygodniowo kilka kilogramów izolatu białkowego (>90% białka) i koncentratu białkowo-błonnikowego (ok. 30% białka). Oba te produkty mogą być stosowane jako dodatki do słodyczy, makaronów, sosów, napojów, pieczywa czy wegańskich zamienników mięsa.
      Rzepak, w odróżnieniu od soi, uprawiany jest lokalnie – nie trzeba go importować ani zwiększać jego upraw, ponieważ w procesie pozyskiwania białka wykorzystuje się pozostałości po tłoczeniu oleju rzepakowego. Jest to alternatywne rozwiązanie dla białka zwierzęcego, przyjazne naturze – zostawia znacznie mniejszy ślad węglowy, stwierdziła Magdalena Kozłowska, prezes NapiFeryn BioTech. Białko z rzepaku ma doskonałe wartości odżywcze. Jest łatwo trawione i przyswajalne przez ludzki organizm.
      Dotychczasową przeszkodą w stosowaniu go w przemyśle spożywczym był jego charakterystyczny, gorzki posmak. Technologia opatentowana przez nas całkowicie ten problem usuwa. Nasze białko jest nie tylko zdrowe, ale też smaczne, mówi Piotr Wnukowski, wiceprezes firmy.
      Co prawda produkt jest testowany też przez firmę w eksperymentalnej kuchni, jednak NapiFeryn BioTech nie chce produkować żywności, ale licencjonować swój produkt koncernom spożywczym. Produkty zawierające białko rzepakowe mogą trafić do sklepów już w ciągu 2-3 lat.
      Izolat z białka z rzepaku został uznany za produkt bezpieczny i jest dopuszczony przez UE do stosowania w przemyśle spożywczym.Obecnie firma przygotowuje się do zarejestrowania koncentratu błonnikowo-białkowego.

      « powrót do artykułu
    • przez KopalniaWiedzy.pl
      Uczeni z Uniwersytetów w Aberdeen i Leicester zidentyfikowali w mózgu obszar, który napędza zapotrzebowanie na pożywienie bogate w białko. Odkrycie może mieć znaczenie dla rozwoju personalizowanych terapii otyłości. Nie od dzisiaj bowiem wiadomo, że dieta niskobiałkowa jest powiązana z otyłością.
      Naukowcy zauważyli, że gdy szczury trzymano na diecie niskobiałkowej, doszło do większej aktywizacji pola brzusznego nakrywki (VTA), czyli jądra limbicznego śródmózgowia, obszaru odpowiedzialnego za aktywne poszukiwanie jedzenia.
      Z badań wynika, że gdy wcześniej ograniczy się dostarczanie protein, VTA staje się bardziej wrażliwe na proteiny niż na inne składniki odżywcze. To zaś sugeruje, że mózgi zwierząt działają tak, by upewnić się, że dostawy białka zostaną utrzymane na odpowiednim poziomie. Taka adaptacja jest zrozumiała, gdyż niedobór białka może mieć katastrofalne skutki zdrowotne. Ponadto wcześniejsze badania wiązały niski poziom białek z otyłością. Nie wiadomo było jednak, jak na zjawisko to wpływa mózg.
      Współautor badań doktor Fabien Naneix mówi: Odkryliśmy, że zmniejszenie podaży białka zwiększyło preferencje ku żywności, w której jest więcej białka niż węglowodanów. Ta preferencja ku białkom jest powiązana z większą odpowiedzią VTA i gdy zwierzęta przestawia się z normalnej zbilansowanej diety na dietę niskobiałkową, dochodzi do indukowania preferencji ku białkom, jednak zmiany w VTA wymagają intensywnego procesu uczenia się.
      Nasze badania są pierwszymi, łączącymi preferencje ku białkom ze specyficzną aktywnością mózgu. Wiemy,że VTA odgrywa kluczową rolę w procesach pobierania innych składników odżywczych. Teraz wykazaliśmy, że dotyczy to również białek.

      « powrót do artykułu
    • przez KopalniaWiedzy.pl
      Miomezyna to małe białko, które jest jednym z czynników stabilizujących miofibryle - włókienka kurczliwe mięśni. Wykorzystując kilka różnych technik, naukowcy z European Molecular Biology Laboratory (EMBL) w Hamburgu wykazali, że w pracujących mięśniach elastyczna część tego białka rozciąga się aż 2,5-krotnie.
      Ogony dwóch cząsteczek miomezyny tworzą elastyczne mostki między pęczkami włókien mięśniowych. Na każdym z ogonów znajdują się domeny immunoglobulinopodobne rozmieszczone na helisie alfa - trójwymiarowej strukturze w kształcie taśmy skręconej wzdłuż poprzecznej osi (całość przypomina koraliki nanizane na nitkę). Gdy białko jest rozciągane, wstęga się rozplata.
      Podczas badań zachowania miomezyny Niemcy posłużyli się krystalografią rentgenowską, niskokątowym rozpraszaniem promieniowania X (SAXS – Small Angle X-ray Scattering), a także mikroskopami elektronowym i sił atomowych.
      W przyszłości zespół Matthiasa Wilmannsa chce odtworzyć budowę całego filamentu miomezynowego oraz zbadać jego działanie w żywym organizmie.
       
       
    • przez KopalniaWiedzy.pl
      Znaleziono dowody bezpośrednio łączące hormon melatoninę z cukrzycą typu 2. Jak donoszą naukowcy z Imperial College London (ICL), osoby, u których występują rzadkie mutacje w receptorze melatoniny, są w większym stopniu zagrożone cukrzycą typu 2.
      O tym, że zegar biologiczny i melatonina mogą mieć coś wspólnego z cukrzycą, świadczą też pośrednio wyniki wcześniejszych badań. Wykazano m.in., że ludzie, którzy pracują na nocne zmiany, znajdują się w grupie podwyższonego ryzyka cukrzycy typu 2. Poza tym gdy u ochotników przez 3 dni z rzędu zaburzano sen, zaczynali przejściowo wykazywać objawy cukrzycy.
      W ramach najnowszego studium akademicy z ICL odkryli, że u osób z 4 rzadkimi mutacjami w genie receptora melatoniny MT-2 ryzyko wystąpienia cukrzycy typu 2. rośnie aż 6-krotnie. Ponieważ wydzielanie insuliny jest regulowane przez melatoninę, autorzy raportu opublikowanego w Nature Genetics uważają, że mutacje zaburzają związek między zegarem biologiczny a wyrzutem insuliny. Skutkiem tego są problemy z kontrolą poziomu glukozy we krwi.
      Odkryliśmy bardzo rzadkie warianty genów MT-2, które wywierają o wiele silniejszy wpływ niż znalezione wcześniej powszechniejsze wersje - wyjaśnia prof. Philippe Froguel.
      Na początku naukowcy z ICL oraz ich współpracownicy z Wielkiej Brytanii i Francji przyglądali się genowi MT-2 u 7.632 osób. Poszukiwali niezwykłych wariantów, które zwiększałyby ryzyko cukrzycy typu 2. W sumie odkryli 40 wariantów, w tym 4 bardzo rzadkie, ale kompletnie pozbawiające receptory zdolności reagowania na melatoninę. Następnie związek między mutacjami a cukrzycą potwierdzono na próbie kolejnych 11.854 badanych.
      Wpływ mutacji na działanie receptora MT-2 określano podczas eksperymentów na hodowlach ludzkich komórek.
  • Ostatnio przeglądający   0 użytkowników

    Brak zarejestrowanych użytkowników przeglądających tę stronę.

×
×
  • Dodaj nową pozycję...