We describe a framework incorporating straightforward biochemical and computational analysis to guide the characterization and crystallization of large coiled-coil domains. This framework can be adapted for globular proteins or extended to incorporate a variety of high-throughput techniques.
Obtaining crystals for structure determination can be a difficult and time consuming proposition for any protein. Coiled-coil proteins and domains are found throughout nature, however, because of their physical properties and tendency to aggregate, they are traditionally viewed as being especially difficult to crystallize. Here, we utilize a variety of quick and simple techniques designed to identify a series of possible domain boundaries for a given coiled-coil protein, and then quickly characterize the behavior of these proteins in solution. With the addition of a strongly fluorescent tag (mRuby2), protein characterization is simple and straightforward. The target protein can be readily visualized under normal lighting and can be quantified with the use of an appropriate imager. The goal is to quickly identify candidates that can be removed from the crystallization pipeline because they are unlikely to succeed, affording more time for the best candidates and fewer funds expended on proteins that do not produce crystals. This process can be iterated to incorporate information gained from initial screening efforts, can be adapted for high-throughput expression and purification procedures, and is augmented by robotic screening for crystallization.
קביעת מבנה באמצעות קריסטלוגרפיה באמצעות קרני רנטגן תרם תרומות היסוד לכל תחום הביולוגיה המודרנית; מתן נוף אטומי של מקרומולקולות תומכי חיים וכיצד הם פועלים אחד עם השני במגוון קשרים; מה שמאפשר לנו להבין את המנגנונים שגורמים הזדמנויות מחלה ומתן לתכנן תרופות לטיפול במחלות באופן רציונלי. קריסטלוגרפיה כבר זמן רב בטכניקה הניסויית הדומיננטית לקביעת מבנה macromolecular, וכיום מהווה 89.3% של מסד הנתונים המבניים (www.rcsb.org). טכניקה זו יש יתרונות רבים, לרבות הסכנה האפשרית ברזולוציה גבוהה מאוד, את היכולת לדמיין מקרומולקולות עם מגוון רחב של גדלים, איסוף נתונים קל יחסית, ואת ההזדמנות כדי להמחיש כיצד מקרומולקולה אינטראקציה עם ממס וכן הליגנדים.
למרות שיפורים טכנולוגיים רבים בביטוי חלבון רקומביננטי 1,2, PURification 3, וביולוגיה מולקולרית המשמשת לייצור מערכות אלה 4, המכשול הגדול ביותר בתהליך crystallographic נשאר היכולת לצמוח גבישים באיכות עקיפה. זה היה נכון במיוחד עבור חלבונים אשר מכילים תחומים מפותל-סליל גדול. הערכה הוא כי ככל 5% מכלל חומצות אמינו נמצאים בתוך מפותל, סליליים 5,6, כך שתכונה זו יישאר 7 מבנית מאוד נפוצה, עדיין חלבונים אלה הם בדרך כלל יותר קשים לטהר להתגבש מאשר חלבונים כדוריים 8-10 . זה מורכב עוד יותר בשל העובדה כי תחומים סליל מפותל נמצאים לעתים קרובות בהקשר של חלבון גדול יותר, ולכן כראוי מנבאים את גבולות תחומים אלה היא קריטית כדי למנוע הכללת רצף מובנה או גמיש כי הוא לעתים קרובות מזיק לתהליך גיבושו.
כאן אנו מציגים מסגרת מושגית שילוב חישובית מבוסס אינטרנט מנתח עם experimentaנתוני l מהספסל, כדי לסייע למשתמשי מדריך דרך בשלבים הראשונים של תהליך crystallographic כוללים: כיצד לבחור מקטעי חלבון (ים) ללימודים מבניים, וכיצד להכין ולאפיין דגימות חלבון לפני ניסיונות התגבשות. המחקר הנוכחי על שני חלבונים המכילים תחומים מפותל-סליל גדול, Shroom (SHRM) ו Rho-kinase (רוק). חלבונים אלה נבחרו שניהם מכילים תחומי סליל מפותל וידועים לגבש 11-16 מורכבים רלוונטיים מבחינה ביולוגית. Shroom ו Rho-kinase (רוק) הם חזו מכילים ~ 200 ו 680 שאריות של סליל מפותל בהתאמה, רבי חלקים אשר מתאפיינים מבני 17-20. השיטה המתוארת כאן מספקת זרימת עבודה יעילה לזהות שברים במהירות של חלבון המכיל סליל מפותל כי יהיו מוכנים לשתף פעולה עבור התגבשות, אולם, הטכניקות המתוארות ניתן להתאים בקלות עבור רוב החלבון או חלבון מתחמים או שונות לשלב approa תפוקה גבוההצ 'ס כזמין. לבסוף, שיטות אלה הן זולות בדרך כלל יכולות להתבצע על ידי משתמש כמעט בכל רמות הניסיון.
הפרוטוקול המתואר כאן נועד לעזור למשתמש לזהות גבולות התחום בתוך חלבונים מפותל-סליל גדול כדי להקל התגבשות שלהם. הפרוטוקול מסתמך על שילוב הוליסטי של מגוון נתונים מתחזיות חישובית ומקורות אחרים כדי ליצור סדרה של גבולות תחום פוטנציאליים. אלה ואחריו סט של ניסויים ביוכימי?…
The authors have nothing to disclose.
This work was supported by grant NIH R01 GM097204 (APV and JDH). Funding for JHM was supplied by an HHMI Undergraduate Research Summer Fellowship.
BL21(DE3) Rosetta | Emd Millipore | 70954-3 | |
BL21(DE3) Star | ThermoFisher Scientific | C601003 | |
BL21(DE3) Codon Plus | Agilent Technologies | 230245 | |
Lysozyme | Spectrum Chemical Mfg Corp | L3008-5GM | |
Ni-NTA resin | Life Technologies | 25216 | |
SubtilisinA | Spectrum Chemical Mfg Corp | S1211-10ML | |
24 well Cryschem Plate | Hampton research | HR3-160 | |
INTELLI-PLATE 96: | Art Robbins Instruments | 102-0001-03 | |
PEG 3350 | Hampton research | HR2-591 | |
PEG 8000 | Hampton research | HR2-515 | |
PEG 400 | Hampton research | HR2-603 | |
PEG 4000 | Hampton research | HR2-605 | |
pcDNA3.1-Clover-mRuby2 | Addgene | 49089 | |
Overnight Express Autoinduction System 1 | Emd Millipore | 71300 | |
Lysogeny Broth powder | ThermoFisher Scientific | 12795027 |