Summary

Demonstratie van de sequentie-uitlijning om te voorspellen tussen soorten gevoeligheidsinstrument voor snelle beoordeling van eiwitbehoud

Published: February 10, 2023
doi:

Summary

Hier presenteren we een protocol om de nieuwste versie van de Sequence Alignment to Predict Across Species Susceptibility (SeqAPASS) -tool van het Amerikaanse Environmental Protection Agency te gebruiken. Dit protocol demonstreert de toepassing van de online tool om snel eiwitbehoud te analyseren en aanpasbare en gemakkelijk interpreteerbare voorspellingen van chemische gevoeligheid tussen soorten te bieden.

Abstract

De SeqAPASS-tool (Sequence Alignment to Predict Across Species Susceptibility) van het Amerikaanse Environmental Protection Agency is een snelle, vrij beschikbare, online screeningstoepassing waarmee onderzoekers en regelgevers toxiciteitsinformatie over soorten kunnen extrapoleren. Voor biologische doelen in modelsystemen zoals menselijke cellen, muizen, ratten en zebravissen zijn toxiciteitsgegevens beschikbaar voor een verscheidenheid aan chemicaliën. Door de evaluatie van het behoud van eiwitdoelen kan dit instrument worden gebruikt om gegevens die zijn gegenereerd uit dergelijke modelsystemen te extrapoleren naar duizenden andere soorten zonder toxiciteitsgegevens, wat voorspellingen oplevert van relatieve intrinsieke chemische gevoeligheid. De nieuwste releases van de tool (versies 2.0-6.1) hebben nieuwe functies opgenomen die de snelle synthese, interpretatie en het gebruik van de gegevens voor publicatie plus afbeeldingen van presentatiekwaliteit mogelijk maken.

Tot deze functies behoren aanpasbare gegevensvisualisaties en een uitgebreid samenvattend rapport dat is ontworpen om SeqAPASS-gegevens samen te vatten voor eenvoudige interpretatie. Dit artikel beschrijft het protocol om gebruikers te begeleiden bij het indienen van taken, het navigeren door de verschillende niveaus van eiwitsequentievergelijkingen en het interpreteren en weergeven van de resulterende gegevens. Nieuwe functies van SeqAPASS v2.0-6.0 worden gemarkeerd. Verder worden twee use-cases beschreven die gericht zijn op transthyretine en opioïde receptor eiwitbehoud met behulp van deze tool. Ten slotte worden de sterke punten en beperkingen van SeqAPASS besproken om het domein van toepasbaarheid voor de tool te definiëren en verschillende toepassingen voor cross-species extrapolatie te benadrukken.

Introduction

Van oudsher is het gebied van toxicologie sterk afhankelijk van het gebruik van dierproeven om de gegevens te verstrekken die nodig zijn voor chemische veiligheidsevaluaties. Dergelijke methoden zijn doorgaans kostbaar en arbeidsintensief. Vanwege het grote aantal chemicaliën dat momenteel wordt gebruikt en het snelle tempo waarin nieuwe chemicaliën worden ontwikkeld, is er wereldwijd echter een erkende behoefte aan efficiëntere methoden voor chemische screening 1,2. Deze behoefte en de daaruit voortvloeiende paradigmaverschuiving weg van dierproeven heeft geleid tot de ontwikkeling van veel nieuwe benaderingsmethoden, waaronder high-throughput screening assays, high-throughput transcriptomics, next-generation sequencing en computationele modellering, die veelbelovende alternatieve teststrategieën zijn 3,4.

Het evalueren van de chemische veiligheid in de diversiteit van soorten die mogelijk worden beïnvloed door blootstelling aan chemische stoffen is een blijvende uitdaging geweest, niet alleen met traditionele toxiciteitstests, maar ook met nieuwe benaderingsmethoden. Vooruitgang in vergelijkende en voorspellende toxicologie heeft kaders geboden voor het begrijpen van de relatieve gevoeligheid van verschillende soorten, en technologische vooruitgang in computationele methoden blijft de toepasbaarheid van deze methoden vergroten. In het afgelopen decennium zijn verschillende strategieën besproken die gebruikmaken van bestaande gen- en eiwitsequentiedatabases, samen met kennis van specifieke chemische moleculaire doelen, om voorspellende benaderingen voor extrapolatie tussen soorten te ondersteunen en chemische veiligheidsevaluaties te verbeteren die verder gaan dan de typische modelorganismen 5,6,7,8.

Om de wetenschap in actie te brengen, voort te bouwen op deze fundamentele studies in voorspellende toxicologie, prioriteit te geven aan chemische testinspanningen en de besluitvorming te ondersteunen, werd de Us Environmental Protection Agency Sequence Alignment to Predict Across Species Susceptibility (SeqAPASS) -tool gemaakt. Deze tool is een openbare en vrij beschikbare webgebaseerde applicatie die openbare opslagplaatsen van voortdurend uitbreidende eiwitsequentie-informatie gebruikt om chemische gevoeligheid te voorspellen voor de diversiteit van soorten9. Op basis van het principe dat de relatieve intrinsieke gevoeligheid van een soort voor een bepaalde chemische stof kan worden bepaald door de instandhouding van de bekende eiwitdoelen van die chemische stof te evalueren, vergelijkt deze tool snel eiwitaminozuursequenties van een soort met bekende gevoeligheid voor alle soorten met bestaande eiwitsequentiegegevens. Deze evaluatie wordt voltooid door middel van drie analyseniveaus, waaronder (1) primaire aminozuursequentie, (2) functioneel domein en (3) kritische aminozuurresiduvergelijkingen, die elk meer diepgaande kennis van de chemisch-eiwitinteractie vereisen en een grotere taxonomische resolutie bieden in de gevoeligheidsvoorspelling. Een belangrijke kracht van SeqAPASS is dat gebruikers hun evaluatie kunnen aanpassen en verfijnen door extra bewijslijnen toe te voegen voor het behoud van doelen op basis van hoeveel informatie beschikbaar is met betrekking tot de interactie tussen chemicaliën en eiwitten of eiwitten en eiwitten van belang.

De eerste versie werd uitgebracht in 2016, waarmee gebruikers primaire aminozuursequenties en functionele domeinen op een gestroomlijnde manier konden evalueren om chemische gevoeligheid te voorspellen en minimale datavisualisatiemogelijkheden bevatten (tabel 1). Van individuele aminozuurverschillen is aangetoond dat ze belangrijke determinanten zijn van verschillen tussen soorten in chemisch-eiwitinteracties, die de chemische gevoeligheid van soorten kunnen beïnvloeden 10,11,12. Daarom werden latere versies ontwikkeld om rekening te houden met de kritieke aminozuren die belangrijk zijn voor directe chemische interactie13. In reactie op feedback van belanghebbenden en gebruikers heeft deze tool jaarlijkse versieversies ondergaan met aanvullende nieuwe functies die zijn ontworpen om te voldoen aan de behoeften van zowel onderzoekers als regelgevende gemeenschappen voor het aanpakken van uitdagingen bij extrapolatie tussen soorten (tabel 1). De lancering van SeqAPASS versie 5.0 in 2020 bracht gebruikersgerichte functies naar voren die opties voor gegevensvisualisatie en gegevenssynthese, externe links, overzichtstabel- en rapportopties en grafische functies bevatten. Over het algemeen verbeterden de nieuwe kenmerken en mogelijkheden van deze versie de gegevenssynthese, interoperabiliteit tussen externe databases en het gemak van gegevensinterpretatie voor voorspellingen van de gevoeligheid voor verschillende soorten.

Protocol

1. Aan de slag OPMERKING: Het hier gepresenteerde protocol is gericht op het hulpprogramma en de belangrijkste functies van het gereedschap. Gedetailleerde beschrijvingen van methoden, functies en componenten zijn te vinden op de website in een uitgebreide gebruikershandleiding (tabel 1). Tabel 1: Evolutie van de SeqAPASS tool. Een lijst met functies en updates die vanaf de eerste implementatie aan het SeqAPASS-hulppr…

Representative Results

Om de toepassing van de SeqAPASS-tool aan te tonen en nieuwe kenmerken te benadrukken, worden twee casestudy’s beschreven die gevallen vertegenwoordigen waarin eiwitconservering voorspelt dat er verschillen zijn in chemische gevoeligheid tussen soorten (menselijke transthyretine) en dat er geen verschillen zijn (μ opioïde receptor [MOR]). Het eerste van deze voorbeelden behandelt eiwitsequentie/structurele vergelijkingen om het domein van toepasbaarheid voor ongunstige uitkomstroutes te voorspellen (AOP’s, zie …

Discussion

Er is wijdverspreide erkenning dat het niet haalbaar is om voldoende soorten empirisch te testen om de genomische, fenotypische, fysiologische en gedragsdiversiteit van levende organismen vast te leggen die kunnen worden blootgesteld aan chemicaliën van toxicologisch belang. Het doel van SeqAPASS is om het gebruik van bestaande en voortdurend uitbreidende eiwitsequentie en structurele gegevens te maximaliseren om de extrapolatie van chemische toxiciteitsgegevens / kennis van geteste organismen naar honderden of duizende…

Disclosures

The authors have nothing to disclose.

Acknowledgements

De auteurs bedanken Dr. Daniel L. Villeneuve (U.S. EPA, Center for Computational Toxicology and Exposure) en Dr. Jon A. Doering (Department of Environmental Sciences, Louisiana State University) voor het geven van commentaar op een eerdere versie van het manuscript. Dit werk werd ondersteund door het Amerikaanse Environmental Protection Agency. De standpunten in dit artikel zijn die van de auteurs en weerspiegelen niet noodzakelijkerwijs de opvattingen of het beleid van het Amerikaanse Environmental Protection Agency, noch duidt de vermelding van handelsnamen of commerciële producten op goedkeuring door de federale overheid.

Materials

Spreadsheet program N/A N/A Any program that can be used to view and work with csv files (e.g. Microsoft Excel, OpenOffice Calc, Google Docs) can be used to access data export files.
Basic computing setup and internet access N/A N/A SeqAPASS is a free, online tool that can be easily used via an internet connection. No software downloads are required.

References

  1. Krewski, D., et al. Toxicity testing in the 21st century: a vision and a strategy. Journal of Toxicology and Environmental Health, Part B. 13 (2-4), 51-138 (2010).
  2. Wang, Z., Walker, G. W., Muir, D. C. G., Nagatani-Yoshida, K. Toward a global understanding of chemical pollution: A first comprehensive analysis of national and regional chemical inventories. Environmental Science & Technology. 54 (5), 2575-2584 (2020).
  3. Brooks, B. W., et al. Toxicology advances for 21st century chemical pollution. One Earth. 2 (4), 312-316 (2020).
  4. Kostal, J., Voutchkova-Kostal, A. Going all in: A strategic investment in in silico toxicology. Chemical Research in Toxicology. 33 (4), 880-888 (2020).
  5. Cheng, W., Doering, J. A., LaLone, C., Ng, C. Integrative computational approaches to inform relative bioaccumulation potential of per- and polyfluoroalkyl substances (PFAS) across species. Toxicology Sciences. 180 (2), 212-223 (2021).
  6. Kostich, M. S., Lazorchak, J. M. Risks to aquatic organisms posed by human pharmaceutical use. Science of the Total Environment. 389 (2-3), 329-339 (2008).
  7. Gunnarsson, L., Jauhiainen, A., Kristiansson, E., Nerman, O., Larsson, D. G. Evolutionary conservation of human drug targets in organisms used for environmental risk assessments. Environmental Science & Technology. 42 (15), 5807-5813 (2008).
  8. LaLone, C. A., et al. Evidence for cross species extrapolation of mammalian-based high-throughput screening assay results. Environmental Science & Technology. 52 (23), 13960-13971 (2018).
  9. LaLone, C. A., et al. Editor’s highlight: Sequence Alignment to Predict Across Species Susceptibility (SeqAPASS): A web-based tool for addressing the challenges of cross-species extrapolation of chemical toxicity. Toxicology Sciences. 153 (2), 228-245 (2016).
  10. Head, J. A., Hahn, M. E., Kennedy, S. W. Key amino acids in the aryl hydrocarbon receptor predict dioxin sensitivity in avian species. Environmental Science & Technology. 42 (19), 7535-7541 (2008).
  11. Bass, C., et al. Mutation of a nicotinic acetylcholine receptor β subunit is associated with resistance to neonicotinoid insecticides in the aphid Myzus persicae. BMC Neuroscience. 12, 51-51 (2011).
  12. Erdmanis, L., et al. Association of neonicotinoid insensitivity with a conserved residue in the loop d binding region of the tick nicotinic acetylcholine receptor. Biochemistry. 51 (23), 4627-4629 (2012).
  13. Doering, J. A., et al. et al. In silico site-directed mutagenesis informs species-specific predictions of chemical susceptibility derived from the Sequence Alignment to Predict Across Species Susceptibility (SeqAPASS) tool. Toxicology Sciences. 166 (1), 131-145 (2018).
  14. Noyes, P. D., et al. Evaluating chemicals for thyroid disruption: Opportunities and challenges with in vitro testing and adverse outcome pathway approaches. Environmental Health Perspectives. 127 (9), 95001 (2019).
  15. Park, G. Y., Jamerlan, A., Shim, K. H., An, S. S. A. Diagnostic and treatment approaches involving transthyretin in amyloidogenic diseases. Int J Mol Sci. 20 (12), 2982 (2019).
  16. Rabah, S. A., Gowan, I. L., Pagnin, M., Osman, N., Richardson, S. J. Thyroid hormone distributor proteins during development in vertebrates. Front Endocrinol (Lausane). 10, 506 (2019).
  17. Richardson, S. J. Cell and molecular biology of transthyretin and thyroid hormones. International Review of Cytology. 258, 137-193 (2007).
  18. Yamauchi, K., Ishihara, A., Richardson, S. J., Cody, V. Transthyretin and Endocrine Disruptors. Recent Advances in Transthyretin Evolution, Structure and Biological Functions. , 159-171 (2009).
  19. Iakovleva, I., et al. Tetrabromobisphenol A is an efficient stabilizer of the transthyretin tetramer. PLoS One. 11 (4), 0153529 (2016).
  20. Ishihara, A., Sawatsubashi, S., Yamauchi, K. Endocrine disrupting chemicals: Interference of thyroid hormone binding to transthyretins and to thyroid hormone receptors. Molecular and Cellular Endocrinology. 199 (1), 105-117 (2003).
  21. Kar, S., Sepúlveda, M. S., Roy, K., Leszczynski, J. Endocrine-disrupting activity of per- and polyfluoroalkyl substances: Exploring combined approaches of ligand and structure based modeling. Chemosphere. 184, 514-523 (2017).
  22. Morais-de-Sa, E., Pereira, P. J., Saraiva, M. J., Damas, A. M. The crystal structure of transthyretin in complex with diethylstilbestrol: A promising template for the design of amyloid inhibitors. Journal of Biological Chemistry. 279 (51), 53483-53490 (2004).
  23. Morgado, I., Campinho, M. A., Costa, R., Jacinto, R., Power, D. M. Disruption of the thyroid system by diethylstilbestrol and ioxynil in the sea bream (Sparus aurata). Aquatic Toxicology. 92 (4), 271-280 (2009).
  24. Yamauchi, K., Prapunpoj, P., Richardson, S. J. Effect of diethylstilbestrol on thyroid hormone binding to amphibian transthyretins. General and Comparative Endocrinology. 119 (3), 329-339 (2000).
  25. Zhang, J., et al. Structure-based virtual screening protocol for in silico identification of potential thyroid disrupting chemicals targeting transthyretin. Environmental Science & Technology. 50 (21), 11984-11993 (2016).
  26. Ren, X. M., et al. Binding interactions of perfluoroalkyl substances with thyroid hormone transport proteins and potential toxicological implications. Toxicology. 366-367, 32-42 (2016).
  27. Wilson, N., Mbabazi, K., Seth, P., Smith, H., Davis, N. L. Drug and opioid-involved overdose deaths – United States, 2017-2018. Morbidity and Mortality Weekly Report. 69 (11), 290-297 (2020).
  28. National Pollutant Discharge Elimination System (NPDES). United States Environmental Protection Agency Available from: https://www.epa.gov/npdes/npdes-resources (2018)
  29. Duvallet, C., Hayes, B. D., Erickson, T. B., Chai, P. R., Matus, M. Mapping community opioid exposure through wastewater-based epidemiology as a means to engage pharmacies in harm reduction efforts. Preventing Chronic Disease. 17, 200053 (2020).
  30. Gushgari, A. J., Venkatesan, A. K., Chen, J., Steele, J. C., Halden, R. U. Long-term tracking of opioid consumption in two United States cities using wastewater-based epidemiology approach. Water Research. 161, 171-180 (2019).
  31. Lau, B., Bretaud, S., Huang, Y., Lin, E., Guo, S. Dissociation of food and opiate preference by a genetic mutation in zebrafish. Genes Brain Behave. 5 (7), 497-505 (2006).
  32. Bossé, G. D., Peterson, R. T. Development of an opioid self-administration assay to study drug seeking in zebrafish. Behavioural Brain Research. 335, 158-166 (2017).
  33. Mottaz, H., et al. Dose-dependent effects of morphine on lipopolysaccharide (LPS)-induced inflammation, and involvement of multixenobiotic resistance (MXR) transporters in LPS efflux in teleost fish. Environmental Pollution. 221, 105-115 (2017).
  34. Manglik, A., et al. Crystal structure of the µ-opioid receptor bound to a morphinan antagonist. Nature. 485 (7398), 321-326 (2012).
  35. Comer, S. D., Cahill, C. M. Fentanyl: Receptor pharmacology, abuse potential, and implications for treatment. Neuroscience & Biobehavioral Reviews. 106, 49-57 (2019).
  36. Podlewska, S., Bugno, R., Kudla, L., Bojarski, A. J., Przewlocki, R. Molecular modeling of µ opioid receptor ligands with various functional properties: PZM21, SR-17018, morphine, and fentanyl-simulated interaction patterns confronted with experimental data. Molecules. 25 (20), 4636 (2020).
  37. Huang, W., et al. Structural insights into µ-opioid receptor activation. Nature. 524 (7565), 315-321 (2015).
  38. Lipiński, P. F. J., et al. Fentanyl family at the mu-opioid receptor: Uniform assessment of binding and computational analysis. Molecules. 24 (4), 740 (2019).
  39. Boland, L. A., Angles, J. M. Feline permethrin toxicity: Retrospective study of 42 cases. Journal of Feline Medicine and Surgery. 12 (2), 61-71 (2010).
  40. Stevenson, B. J., Pignatelli, P., Nikou, D., Paine, M. J. Pinpointing P450s associated with pyrethroid metabolism in the dengue vector, Aedes aegypti: developing new tools to combat insecticide resistance. PLoS Neglected Tropical Diseases. 6 (3), 1595 (2012).
  41. Ankley, G. T., Gray, L. E. Cross-species conservation of endocrine pathways: A critical analysis of tier 1 fish and rat screening assays with 12 model chemicals. Environmental Toxicology and Chemistry. 32 (5), 1084-1087 (2013).
  42. Meteyer, C. U., Rideout, B. A., Gilbert, M., Shivaprasad, H. L., Oaks, J. L. Pathology and proposed pathophysiology of diclofenac poisoning in free-living and experimentally exposed oriental white-backed vultures (Gyps bengalensis). Journal of Wildlife Diseases. 41 (4), 707-716 (2005).
  43. ECOTOX User Guide: ECOTOXicology Knowledgebase System. EPA, United States Environmental Protection Agency Available from: https://cfpub.epa.gov/ecotox/index.cfm (2021)
  44. ECOS Environmental Conservation Online System. U.S. Fish & Wildlife Service Available from: https://ecos.fws.gov/ecp/ (2021)

Play Video

Cite This Article
Vliet, S. M. F., Hazemi, M., Blatz, D., Jensen, M., Mayasich, S., Transue, T. R., Simmons, C., Wilkinson, A., LaLone, C. A. Demonstration of the Sequence Alignment to Predict Across Species Susceptibility Tool for Rapid Assessment of Protein Conservation. J. Vis. Exp. (192), e63970, doi:10.3791/63970 (2023).

View Video