הערכת ההשפעה של חלבון צבירה על סטרס חמצוני הסלולר ב שמרים
Summary
חלבון צבירת מעורר הסלולר סטרס חמצוני. פרוטוקול זה מתאר שיטה לניטור את המדינות amyloidogenic חלבונים תאיים סטרס חמצוני המשויכים אליהן, באמצעות cytometry זרימה. הגישה משמש כדי ללמוד על אופן הפעולה של גרסאות מסיסים ונוטה צבירת של פפטיד עמילואיד-β.
Abstract
חלבון misfolding, צבירת לתוך עמילואיד הייצורים החיים קשורה עם התחלתה של התקדמות של מספר מחלות ניווניות. עם זאת, יש עדיין מעט מידע על חלבונים מסיסים איך אגרגטים להפעיל את ההשפעות הרעילות שלהם בתוך vivo. אורגניזמים פשוטים prokaryotic ו האיקריוטים מודל, כגון חיידקים, שמרים, תרמו משמעותית להבנתנו הנוכחי של המנגנונים מאחורי היווצרות עמילואיד תאיים, הפצת אגרגטים, רעילות. ב פרוטוקול זה, השימוש של שמרים מתואר כמודל לנתח את הקשר בין היווצרות של אגרגטים חלבון והשפעתם על הסלולר סטרס חמצוני. השיטה משלבת את הגילוי של המדינה מסיסים/המצטברים תאיים החלבון amyloidogenic עם כימות של נזק חמצוני הנובע ביטויה באמצעות cytometry זרימה (FC). גישה זו היא פשוטה, מהירה, כמותית. המחקר מדגים את הטכניקה על-ידי התאמת את הסלולר עקה הנגרמת על ידי קבוצה גדולה של עמילואיד-β משתנים פפטיד עם שלהם מספק שלעצמו צבירת מהותי בהתאמה.
Introduction
פרוטוסטאזיס הוא דטרמיננטה הבסיסית של כושר תא ותהליכי הזדקנות. תאים, חלבון הומאוסטזיס נשמר על ידי בקרת איכות החלבון המתוחכם רשתות שנועד להבטיח את נכונות refolding של חלבונים misfolded conformers מלווים ו/או proteolysis יישוב שלהם עם מספר מנגנונים שנשמרת היטב1 ,2,3,4,5. מספר רב של מחקרים מספקים תמיכה לקשר בין התפתחות והתקדמות של מגוון רחב של מחלות האדם וכישלון פרוטוסטאזיס, המוביל אל חלבון misfolding, צבירת. למשל, הנוכחות של חלבון פיקדונות נחשב סימן היכר פתולוגי של הפרעות ניווניות רבים, כמו אלצהיימר, פרקינסון, ו הנטינגטון מחלות6,7,8, מחלות prionogenic, amyloidoses ניוונית9. הוצע כי הרכבות oligomeric, protofibrillar מוקדמת בהתגובה צבירת הן elicitors הראשי של cytotoxicity, הקמת aberrant אינטראקציות עם חלבונים אחרים חצרו הסלולר צפוף10. בנוסף, חלבון הכללות (PI) יכול להיות מועבר בין תאים, הפצת שלהם השפעה רעילה11,12. לכן, זה יכול להיות כי היווצרות של PI אולי אכן מהווה מנגנון בעלת מגבילה את נוכחותם של מינים צבורים מסוכן למיקומים ספציפיים בתא, היכן ניתן לעבד או שנצבר ללא תופעות לוואי משמעותיות 13 , 14.
תקן במבחנה גישות הביוכימי סיפקו תובנות חשובות מינים שונים that לאכלס את צבירת תגובות ו15,שלהם מאפיינים16. עם זאת, תנאי שימוש אלה מבחני בבירור שונות מאלו המתרחשים בתוך התא ולתשאל, לכן, מאבדים רלבנטיות פיזיולוגיים. בגלל השימור הבולטים של מסלולים סלולריים כגון בקרת איכות חלבון, autophagy או ברגולציה של הסלולר חמצון-חיזור המדינה17,18 בין פרוקריוטים19,20,21 ,22,23, שמרים ניצני האפייה (cerevisiae ס) התפתחה מיוחס מודל הסלולר פשוט ללמוד על גורמים מולקולרית של צבירת חלבון והשפעתו המשויך ציטוטוקסיות סביבות ביולוגית רלוונטית24,25,26.
חלבון צבירת הנטייה היא תכונה מטבעו מקודד ברצף העיקרי. לפיכך, היווצרות עמילואיד-מבני ניתן לחזות המבוסס על זיהוי, הערכה של עוצמת קידום צבירת אזורים polypeptides27. עם זאת, למרות ההצלחה של אלגוריתמים bioinformatic כדי לחזות את המאפיינים צבירת במבחנה של רצפי חלבונים, הם עדיין רחוק מלהיות חיזוי איך לתרגם אלה מספק שלעצמו ויוו ציטוטוקסיות ההשפעה. מחקרים כתובת הקישור בין המדינה צבורים של חלבון נתון שלה נזק תאי המשויכים בצורה שיטתית עשוי לעזור כדי לעקוף מגבלה זו חישובית. חיבור זה הוא התייחס במחקר הנוכחי, ניצול של סט גדול של גרסאות של פפטיד עמילואיד-β Aβ42 שונות רק ב משקע יחיד, אך הצגת טווח רציף של צבירת מספק שלעצמו ויוו28. בפרט, מתואר גישה מבוססת-FC לזהות את הזן הסתגלותי החשבונאי נזק חמצוני שהפיק צבירת נוטה חלבונים בתאים שמרים. המתודולוגיה מספק יתרונות רבים כגון פשטות, תפוקה גבוהה יכולת מדידה כמותית מדויקת. גישה זו אפשרו לאשר את PI לשחק תפקיד מגן מפני עקה.
Protocol
Representative Results
Discussion
מגוון רחב של מחלות קשורה להצטברות של חלבונים misfolded לתוך הסלולר פיקדונות6,7,8,33. מאמצים רבים נעשו כדי לפענח את המנגנונים המולקולריים המפעילות את התפרצות של מחלות אלו באמצעות גישות חישובית, אשר לא עשה חשבון חלבון ריכוזים, א…
Acknowledgements
Materials
| Yeast cells BY4741 | ATCC | 201388 | Genotype: MATa his3Δ1 leu2Δ0 met15Δ0 ura3Δ0 |
| pESC(-Ura) plasmid | Agilent Genomics | 217454 | Yeast expression plasmid with a Gal promotor. Selectable marker URA3 |
| Yeast Synthetic Drop-out Medium Supplements | Sigma | Y1501 | Powder |
| Yeast Nitrogen Base Without Amino Acids | Sigma | Y0626 | Powder |
| Raffinose | Sigma | R7630 | Powder |
| Glucose | Sigma | G7021 | Powder |
| Galactose | Sigma | G0750 | Powder |
| Phosphate Buffered Saline (PBS) | Fisher Scientific | BP3991 | Solution 10X |
| CellROX Deep Red Reagent | Life Technologies | C10422 | Free radical cell-permeant fluorescent sensor, non-fluorescent while in a reduced state, and exhibits bright fluorescence upon oxidation by reactive oxygen species (ROS), with absorption/emission maxima at 644/665 nm. |
| Y-PER protein extraction reagent | Thermo Scientific | 78990 | Liquid cell lysis buffer |
| Acrylamide/Bis-acrylamide | Sigma | A6050 | Solution |
| Bradford dye reagent | Bio-Rad | 5000205 | Dye reagent for one-step determination of protein concentration |
| β-amyloid antibody 6E10 | BioLegend | 803001 | Mouse IgG1. The epitope lies within amino acids 3-8 of beta amyloid (EFRHDS). |
| Goat anti-mouse IgG-HRP conjugate | Bio-Rad | 1721011 | |
| Membrane Immobilon-P, PVDF | Millipore | IPVH00010 | |
| Luminata forte | Merk | WBLUF0100 | Premixed, ready to use chemiluminescent HRP detection reagent |
| Phenylmethanesulfonyl fluoride solution (PMSF) | Sigma | 93482 | Protease inhibitor. Dissolved at 0.1 M in ethanol |
| FACSCanto flow cytometer | BD Biosciences | 657338 | Equipped with a 488 nm blue laser for the detection of GFP, and 635 nm red laser / 530/30 nm BP filter and 660/20 BP filter |
| Mini Trans-Blot Electrophoresis Transfer cell | Bio-Rad | 1703930 | Protein transference system |
| Mini-PROTEAN Tetra Handcast Systems | Bio-Rad | 1658000FC | Electrophoresis system |
References
- Frydman, J. Folding of newly translated proteins in vivo: the role of molecular chaperones. Annual Review of Biochemistry. 70, 603-647 (2001).
- Hartl, F. U., Bracher, A., Hayer-Hartl, M. Molecular chaperones in protein folding and proteostasis. Nature. 475, 324-332 (2011).
- Wong, E., et al. Molecular determinants of selective clearance of protein inclusions by autophagy. Nature Communications. 3, (2012).
- Winkler, J., Tyedmers, J., Bukau, B., Mogk, A. Chaperone networks in protein disaggregation and prion propagation. Journal of Structural Biology. 179, 152-160 (2012).
- Glickman, M. H., Ciechanover, A. The ubiquitin-proteasome proteolytic pathway: destruction for the sake of construction. Physiological Reviews. 82, 373-428 (2002).
- Dobson, C. M. Getting out of shape. Nature. 418, 729-730 (2002).
- Chiti, F., Dobson, C. M. Protein misfolding, functional amyloid, and human disease. Annual Review of Biochemistry. 75, 333-366 (2006).
- Aguzzi, A., O’Connor, T. Protein aggregation diseases: pathogenicity and therapeutic perspectives. Nature Reviews Drug Discovery. 9, 237-248 (2010).
- Rapezzi, C., et al. Transthyretin-related amyloidoses and the heart: a clinical overview. Nature Reviews Cardiology. 7, 398-408 (2010).
- Deas, E., et al. Alpha-synuclein oligomers interact with metal ions to induce oxidative stress and neuronal death in Parkinson’s disease. Antioxidants & Redox Signaling. 24, 376-391 (2016).
- Brundin, P., Melki, R., Kopito, R. Prion-like transmission of protein aggregates in neurodegenerative diseases. Nature Reviews Molecular Cell Biology. 11, 301-307 (2010).
- Frost, B., Diamond, M. I. Prion-like mechanisms in neurodegenerative diseases. Nature Reviews Neuroscience. 11, 155-159 (2009).
- Arrasate, M., Mitra, S., Schweitzer, E. S., Segal, M. R., Finkbeiner, S. Inclusion body formation reduces levels of mutant huntingtin and the risk of neuronal death. Nature. 431, 805-810 (2004).
- Ross, C. A., Poirier, M. A. Opinion: what is the role of protein aggregation in neurodegeneration?. Nature Reviews Molecular Cell Biology. 6, 891-898 (2005).
- Mishra, R., Sjölander, D., Hammarström, P. Spectroscopic characterization of diverse amyloid fibrils in vitro by the fluorescent dye Nile red. Molecular BioSystems. 7, 1232-1240 (2011).
- Klunk, W. E., Jacob, R. F., Mason, R. P. Quantifying amyloid by congo red spectral shift assay. Methods in Enzymology. 309, 285-305 (1999).
- Khurana, V., Lindquist, S. Modelling neurodegeneration in Saccharomyces cerevisiae: why cook with baker’s yeast?. Nature Reviews Neuroscience. 11, 436-449 (2010).
- Tenreiro, S., Outeiro, T. F. Simple is good: yeast models of neurodegeneration. FEMS Yeast Research. 10, 970-979 (2010).
- Moosavi, B., Mousavi, B., Macreadie, I. G. Yeast model of amyloid-β and Tau aggregation in Alzheimer’s disease. Journal of Alzheimer’s Disease. 47, 9-16 (2015).
- Tenreiro, S., Munder, M. C., Alberti, S., Outeiro, T. F. Harnessing the power of yeast to unravel the molecular basis of neurodegeneration. Journal of Neurochemistry. 127, 438-452 (2013).
- Yang, J., Hao, X., Cao, X., Liu, B., Nyström, T. Spatial sequestration and detoxification of huntingtin by the ribosome quality control complex. eLife. 5, (2016).
- Braun, R. J., Büttner, S., Ring, J., Kroemer, G., Madeo, F. Nervous yeast: modeling neurotoxic cell death. Trends in Biochemical Sciences. 35, 135-144 (2010).
- Figley, M. D., Gitler, A. D. Yeast genetic screen reveals novel therapeutic strategy for ALS. Rare Diseases. 1, e24420 (2013).
- Cooper, A. A., et al. Alpha-synuclein blocks ER-Golgi traffic and Rab1 rescues neuron loss in Parkinson’s models. Science. 313, 324-328 (2006).
- Johnson, B. S., McCaffery, J. M., Lindquist, S., Gitler, A. D. A yeast TDP-43 proteinopathy model: exploring the molecular determinants of TDP-43 aggregation and cellular toxicity. Proceedings of the National Academy of Sciences of the United States of America. 105, 6439-6444 (2008).
- Bharathi, V., et al. Use of ade1 and ade2 mutations for development of a versatile red/white color assay of amyloid-induced oxidative stress in saccharomyces cerevisiae. Yeast. 33, 607-620 (2016).
- Pallarès, I., Ventura, S. Advances in the prediction of protein aggregation propensity. Current Medicinal Chemistry. , (2017).
- Villar-Piqué, A., Ventura, S. Protein aggregation propensity is a crucial determinant of intracellular inclusion formation and quality control degradation. Biochimica et Biophysica Acta. 1833, 2714-2724 (2013).
- Navarro, S., Villar-Piqué, A., Ventura, S. Selection against toxic aggregation-prone protein sequences in bacteria. Biochimica et Biophysica Acta. 1843, 866-874 (2014).
- Morell, M., de Groot, N. S., Vendrell, J., Avilés, F. X., Ventura, S. Linking amyloid protein aggregation and yeast survival. Molecular BioSystems. 7, 1121-1128 (2011).
- Conchillo-Solé, O., et al. AGGRESCAN: a server for the prediction and evaluation of "hot spots" of aggregation in polypeptides. BMC Bioinformatics. 8, 65 (2007).
- Fernandez-Escamilla, A. M., Rousseau, F., Schymkowitz, J., Serrano, L. Prediction of sequence-dependent and mutational effects on the aggregation of peptides and proteins. Nature Biotechnology. 22, 1302-1306 (2004).
- Renner, M., Melki, R. Protein aggregation and prionopathies. Pathologie Biologie.(Paris). 62, 162-168 (2014).
- Carija, A., Navarro, S., de Groot, N. S., Ventura, S. Protein aggregation into insoluble deposits protects from oxidative stress. Redox Biology. 12, 699-711 (2017).
