Summary

Demostración de la alineación de secuencias para predecir la susceptibilidad entre especies herramienta para una evaluación rápida de la conservación de proteínas

Published: February 10, 2023
doi:

Summary

Aquí, presentamos un protocolo para utilizar la última versión de la herramienta de alineación de secuencias de la Agencia de Protección Ambiental de los Estados Unidos para predecir la susceptibilidad a través de especies (SeqAPASS). Este protocolo demuestra la aplicación de la herramienta en línea para analizar rápidamente la conservación de proteínas y proporcionar predicciones personalizables y fácilmente interpretables de susceptibilidad química en todas las especies.

Abstract

La herramienta Sequence Alignment to Predict Across Species Susceptibility (SeqAPASS) de la Agencia de Protección Ambiental de los Estados Unidos es una aplicación de detección en línea rápida y disponible gratuitamente que permite a los investigadores y reguladores extrapolar información de toxicidad entre especies. Para objetivos biológicos en sistemas modelo como células humanas, ratones, ratas y peces cebra, los datos de toxicidad están disponibles para una variedad de productos químicos. A través de la evaluación de la conservación de objetivos proteicos, esta herramienta se puede utilizar para extrapolar los datos generados a partir de dichos sistemas modelo a miles de otras especies que carecen de datos de toxicidad, lo que produce predicciones de susceptibilidad química intrínseca relativa. Las últimas versiones de la herramienta (versiones 2.0-6.1) han incorporado nuevas características que permiten la rápida síntesis, interpretación y uso de los datos para la publicación más gráficos de calidad de presentación.

Entre estas características se encuentran visualizaciones de datos personalizables y un informe de resumen completo diseñado para resumir los datos de SeqAPASS para facilitar la interpretación. Este documento describe el protocolo para guiar a los usuarios a través del envío de trabajos, la navegación por los diversos niveles de comparaciones de secuencias de proteínas y la interpretación y visualización de los datos resultantes. Se destacan las nuevas características de SeqAPASS v2.0-6.0. Además, se describen dos casos de uso centrados en la conservación de proteínas transtiretinas y receptoras opioides utilizando esta herramienta. Finalmente, se discuten las fortalezas y limitaciones de SeqAPASS para definir el dominio de aplicabilidad de la herramienta y resaltar diferentes aplicaciones para la extrapolación entre especies.

Introduction

Tradicionalmente, el campo de la toxicología se ha basado en gran medida en el uso de pruebas con animales enteros para proporcionar los datos necesarios para las evaluaciones de seguridad química. Tales métodos suelen ser costosos y requieren muchos recursos. Sin embargo, debido al gran número de productos químicos utilizados actualmente y al rápido ritmo al que se están desarrollando nuevos productos químicos, a nivel mundial existe una necesidad reconocida de métodos más eficientes de detección química 1,2. Esta necesidad y el cambio de paradigma resultante de las pruebas con animales ha llevado al desarrollo de muchos métodos de enfoque nuevos, incluidos los ensayos de detección de alto rendimiento, la transcriptómica de alto rendimiento, la secuenciación de próxima generación y el modelado computacional, que son estrategias de prueba alternativas prometedoras 3,4.

La evaluación de la seguridad química en toda la diversidad de especies potencialmente afectadas por las exposiciones químicas ha sido un desafío permanente, no solo con las pruebas de toxicidad tradicionales, sino también con los nuevos métodos de enfoque. Los avances en toxicología comparativa y predictiva han proporcionado marcos para comprender la sensibilidad relativa de diferentes especies, y los avances tecnológicos en métodos computacionales continúan aumentando la aplicabilidad de estos métodos. En la última década se han discutido varias estrategias que aprovechan las bases de datos existentes de secuencias de genes y proteínas, junto con el conocimiento de objetivos moleculares químicos específicos, para apoyar los enfoques predictivos para la extrapolación entre especies y mejorar las evaluaciones de seguridad química más allá de los organismos modelo típicos 5,6,7,8.

Para avanzar en la ciencia hacia la acción, construir sobre estos estudios fundamentales en toxicología predictiva, priorizar los esfuerzos de pruebas químicas y apoyar la toma de decisiones, se creó la herramienta de alineación de secuencias de la Agencia de Protección Ambiental de los Estados Unidos para predecir la susceptibilidad entre especies (SeqAPASS). Esta herramienta es una aplicación basada en la web pública y de libre acceso que utiliza repositorios públicos de información de secuencias de proteínas en constante expansión para predecir la susceptibilidad química en la diversidad de especies9. Basándose en el principio de que la susceptibilidad intrínseca relativa de una especie a una sustancia química en particular puede determinarse evaluando la conservación de las dianas proteicas conocidas de esa sustancia química, esta herramienta compara rápidamente las secuencias de aminoácidos proteicos de una especie con sensibilidad conocida a todas las especies con los datos de secuencias de proteínas existentes. Esta evaluación se completa a través de tres niveles de análisis, que incluyen (1) secuencia primaria de aminoácidos, (2) dominio funcional y (3) comparaciones de residuos críticos de aminoácidos, cada uno de los cuales requiere un conocimiento más profundo de la interacción químico-proteína y proporciona una mayor resolución taxonómica en la predicción de susceptibilidad. Una fortaleza importante de SeqAPASS es que los usuarios pueden personalizar y refinar su evaluación agregando líneas adicionales de evidencia hacia la conservación del objetivo en función de la cantidad de información disponible sobre la interacción químico-proteína o proteína-proteína de interés.

La primera versión se lanzó en 2016, que permitió a los usuarios evaluar secuencias de aminoácidos primarios y dominios funcionales de manera simplificada para predecir la susceptibilidad química y contenía capacidades mínimas de visualización de datos (Tabla 1). Se ha demostrado que las diferencias individuales de aminoácidos son determinantes importantes de las diferencias entre especies en las interacciones químico-proteicas, que pueden afectar la susceptibilidad química de las especies10,11,12. Por lo tanto, las versiones posteriores fueron desarrolladas para considerar los aminoácidos críticos que son importantes para la interacción química directa13. En respuesta a los comentarios de las partes interesadas y los usuarios, esta herramienta ha sido lanzada anualmente con nuevas características adicionales diseñadas para satisfacer las necesidades tanto de los investigadores como de las comunidades reguladoras para abordar los desafíos en la extrapolación entre especies (Tabla 1). El lanzamiento de SeqAPASS versión 5.0 en 2020 trajo características centradas en el usuario que incorporan opciones de visualización y síntesis de datos, enlaces externos, opciones de tabla de resumen e informe y características gráficas. En general, los nuevos atributos y capacidades de esta versión mejoraron la síntesis de datos, la interoperabilidad entre bases de datos externas y la facilidad de interpretación de datos para las predicciones de susceptibilidad entre especies.

Protocol

1. Primeros pasos NOTA: El protocolo presentado aquí se centra en la utilidad de la herramienta y las características clave. Las descripciones detalladas de los métodos, características y componentes se pueden encontrar en el sitio web en una Guía del usuario completa (Tabla 1). Tabla 1: Evolución de la herramienta SeqAPASS. Una lista de características y actualizaciones agregadas a la herramienta SeqAPASS desd…

Representative Results

Para demostrar la aplicación de la herramienta SeqAPASS y resaltar nuevas características, se describen dos estudios de caso que representan casos en los que la conservación de proteínas predice que existen diferencias en la susceptibilidad química entre especies (transtiretina humana) y que no hay diferencias (μ receptor opioide [MOR]). El primero de estos ejemplos aborda las comparaciones estructurales / secuencia de proteínas para predecir el dominio de aplicabilidad para las vías de resultados adversos (AOP, …

Discussion

Existe un reconocimiento generalizado de que no es factible probar empíricamente suficientes especies para capturar la diversidad genómica, fenotípica, fisiológica y de comportamiento de los organismos vivos que pueden estar expuestos a productos químicos de interés toxicológico. El objetivo de SeqAPASS es maximizar el uso de la secuencia de proteínas existente y en continua expansión y los datos estructurales para ayudar e informar la extrapolación de datos / conocimientos de toxicidad química de organismos p…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Los autores agradecen al Dr. Daniel L. Villeneuve (U.S. EPA, Center for Computational Toxicology and Exposure) y al Dr. Jon A. Doering (Departamento de Ciencias Ambientales, Louisiana State University) por proporcionar comentarios sobre un borrador anterior del manuscrito. Este trabajo fue apoyado por la Agencia de Protección Ambiental de los Estados Unidos. Las opiniones expresadas en este documento son las de los autores y no reflejan necesariamente las opiniones o políticas de la Agencia de Protección Ambiental de los Estados Unidos, ni la mención de nombres comerciales o productos comerciales indica respaldo por parte del gobierno federal.

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