Polska firma stworzyła ekologiczną alternatywę dla białka sojowego. Wkrótce trafi ona na rynek
dodany przez
KopalniaWiedzy.pl, w Technologia
-
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
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
Nasz język wykazuje powinowactwo do tłuszczu, co umożliwia jego wykrywanie. Osoby z różnymi wariantami genu CD36 wykazują różną wrażliwość na "tłusty" smak (Journal of Lipid Research).
Ostatecznym celem jest zrozumienie, jak nasze postrzeganie tłuszczu w pokarmach może wpłynąć na to, jakie produkty/dania wybieramy i w jakich ilościach je spożywamy. W ramach omawianego studium odkryliśmy, że jedną z potencjalnych przyczyn zmienności osobniczej jest to, jak ludzie wyczuwają tłuszcz. Jak wykazano ostatnio, może być tak, że konsumując więcej tłuszczu, stajemy się na niego mniej wrażliwi i by osiągnąć satysfakcję, musimy zwiększać konsumpcję - opowiada dr Nada A. Abumrad ze Szkoły Medycznej Uniwersytetu Waszyngtona w St. Louis.
Amerykanie ustalili, że osoby, które wytwarzają więcej odpowiadającego za wychwyt kwasów tłuszczowych białka CD36, łatwo wyczuwają obecność tłuszczu. Okazało się, że badani produkujący najwięcej CD36 byli 8-krotnie bardziej wrażliwi, jeśli chodzi o wykrywanie tłuszczu niż osoby produkujące go o połowę mniej.
W studium wzięło udział 21 ludzi ze wskaźnikiem masy ciała wynoszącym 30 lub więcej. Poproszono ich o spróbowanie roztworów z 3 kubków. Jeden zawierał niewielką ilość oleju. Pozostałe napełniono substancjami przypominającymi konsystencją olej, które w rzeczywistości nim nie były. Zadanie polegało na wytypowaniu zawartości różniącej się od reszty.
Z każdym z ochotników wielokrotnie przeprowadzaliśmy ten sam 3-kubkowy test, by określić próg, przy którym identyfikuje tłuszcz w roztworze - wyjaśnia dr M. Yanina Pepino. By wyeliminować wskazówki wzrokowe i zapachowe, eksperyment przebiegał przy czerwonym świetle, a badani mieli na nosie klamerkę.
Wcześniej naukowcy sądzili, że ludzie rozpoznają tłuszcz dzięki konsystencji, ale wyniki studium zespołu z Uniwersytetu Waszyngtona sugerują, że tłuszcz wpływa na język tak samo, jak substancje odpowiadające za smaki.
Badania nad funkcją CD36 u ludzi poprzedziły eksperymenty na zwierzętach. Wykazały one, że gdy wyhodowano zwierzęta pozbawione działającego CD36, nie preferowały one tłustych pokarmów. Brak białka sprawiał też, że miały problemy z trawieniem tłuszczów. Uważa się, że do 20% ludzi dysponuje wariantem genu CD36 warunkującym wytwarzanie mniejszych ilości białka CD36.
U zwierząt dieta oddziałuje na ilość produkowanego CD36. Jeśli u ludzi byłoby tak samo, wysokotłuszczowa dieta mogłaby prowadzić do ograniczenia produkcji CD36 i spadku wrażliwości na tłuszcz - wyjaśnia Pepino. Ilość powstającego w organizmie CD36 zależy zatem zarówno od genów, jak i od diety.
Podczas testów Pepino i Abumrad podawały ludziom wolne kwasy tłuszczowe i trójglicerydy. Podczas badań na zwierzętach ustalono, że białko CD36 jest aktywowane przez kwasy tłuszczowe, ale nie przez trójglicerydy, jednak ludzie wyczuwali smak i tych, i tych. Pepino sądzi, że przyczyną jest działalność enzymu śliny lipazy, który rozkłada trójglicerydy, uwalniając kwasy tłuszczowe w momencie, gdy pokarm pozostaje jeszcze w ustach. Gdy badanym podano orlistat, lek blokujący enzymy trawienne należące do lipaz, nadal mogli oni wyczuwać kwasy tłuszczowe, ale utrudniało to detekcję trójglicerydów.
-
przez KopalniaWiedzy.pl
Naukowcy z Wake Forest Baptist Medical Center odkryli białko - proteinę homeostazy wysp (ang. Islet Homeostasis Protein, IHoP) - które prawdopodobnie odgrywa krytyczną rolę w procesie regulowania poziomu cukru we krwi przez organizm. Te dane mogą zmienić aktualnie obowiązujący sposób myślenia o przyczynach cukrzycy typu 1. - uważa dr Bryon E. Petersen, podkreślając, że trzeba jeszcze przeprowadzić wiele pogłębionych badań, zanim zostaną opracowane ewentualne leki na tę nieuleczalną chorobę.
Jak dotąd IHoP wyizolowano z trzustek gryzoni i ludzi. Jak sama nazwa wskazuje, występuje w wyspach trzustkowych, czyli tam, gdzie produkowana jest zarówno insulina, jak i glukagon. U zdrowej osoby glukagon podwyższa poziom cukru we krwi, a insulina go obniża.
Amerykanie stwierdzili, że IHoP znajduje się w wytwarzających glukagon komórkach alfa wysp trzustkowych. U myszy i ludzi, u których nie rozwinęła się cukrzyca, występowały wysokie stężenia IHoP. Gdy jednak pojawiała się choroba, nie zachodziła ekspresja białka. Sugeruje to, że IHoP reguluje wzajemny poziom insuliny i glukagonu, odpowiada więc za homeostazę.
Kiedy zespół z Wake Forest Baptist Medical Center zablokował u gryzoni produkcję proteiny, zmniejszyła się ekspresja glukagonu. Uruchomiło to cały ciąg niekorzystnych zjawisk, które ostatecznie doprowadziły do spadku poziomu insuliny, wzrostu stężenia glukagonu i obumarcia komórek beta wysp Langerhansa.
Dotąd uważano, że u genetycznie podatnych osób cukrzyca typu 1. jest wywoływana przez wirus lub czynnik środowiskowy. Wskutek tego komórki układu odpornościowego atakują komórki beta wysp trzustkowych. W ciągu 10-15 lat od postawienia diagnozy dochodzi do całkowitego ich zniszczenia. Badania ekipy Petersena także wskazują na proces niszczenia komórek beta, ale jednocześnie sugerują, że na proces ten wpływają zdarzenia związane z IHoP.
W kolejnym etapie badań akademicy zamierzają ustalić, w jaki sposób IHoP kontroluje interakcje między insuliną a glukagonem.
-
-
Ostatnio przeglądający 0 użytkowników
Brak zarejestrowanych użytkowników przeglądających tę stronę.